چطور یک نمودار گمراه کننده را شناسایی کنیم - لی گاسلویتز
-
0:08 - 0:11یک برند خمیردندان ادعا میکند
که محصول آنها جرمهای بیشتری را -
0:11 - 0:13از هر محصولی که تا به حال
ساخته شده است از بین میبرد. -
0:13 - 0:16یک سیاستمدار میگوید
که بیشترین شغلها را ایجاد میکند. -
0:16 - 0:19خیلی به شنیدن اینگونه بزرگنماییها
-
0:19 - 0:21در تبلیغات و سیاست عادت کردهایم
-
0:21 - 0:23و دیگر حنایشان پیش ما رنگی ندارد.
-
0:23 - 0:26اما وقتی که نموداری هم
کنار ادعا قرار دارد چطور؟ -
0:26 - 0:28هر چه باشد نمودار یک نظر صرف نیست.
-
0:28 - 0:33اعداد سفت سختی ارائه میکند
و کی میتواند با آن در بیافتد؟ -
0:33 - 0:36اما باز هم مشخص شده که راههای زیادی هست
که نمودارها هم گمراه کننده -
0:36 - 0:38و دستکاری شده باشند.
-
0:38 - 0:41در ادامه چند نکته برای جستجو بیان میشود.
-
0:41 - 0:46در این تبلیغ مربوط به سال ۱۹۹۲،
شورلت با اتکا به این نمودار -
0:46 - 0:48ادعا کرد که قابل اطمینانترین
وانتها را میسازد. -
0:48 - 0:52نه تنها نشان میدهد ۹۸% از
وانتهای شورلت فروخته شده در سال گذشته -
0:52 - 0:54هنوز در جاده هستند،
-
0:54 - 0:57به نظر میرسد دوبرابر بیش از
وانتهای تویوتا قابل اعتماد هستند. -
0:57 - 1:01این تنها تا وقتی است
که نگاهی به اعداد سمت چپ میاندازید -
1:01 - 1:05و میبینید که نمودار
تویوتا حدود ۹۶.۵% است. -
1:05 - 1:09این مقیاس تنها بین ۹۵ تا ۱۰۰% قرار دارد.
-
1:09 - 1:13اگر بین ۰ و ۱۰۰% بود این شکلی میشد.
-
1:13 - 1:16این یکی از پرکاربردترین
راهها است که با تحریف مقیاس -
1:16 - 1:18نمودار اطلاعات دروغین ارائه میدهد.
-
1:18 - 1:21بزرگنمایی یک قسمت کوچک محور عمودی
-
1:21 - 1:26اختلاف بسیار جزئی چیزهایی که با هم
مقایسه میکنیم را بسیار بزرگ نشان میدهد. -
1:26 - 1:28و به خصوص در نمودارهای میلهای
-
1:28 - 1:31که اختلاف بین اندازه میلهها را
متناسب با مقادیر میدانیم -
1:31 - 1:33بسیار گمراه کننده است.
-
1:33 - 1:36اما تحریف مقیاس
در محور افقی هم انجام میشود، -
1:36 - 1:40به خصوص وقتی در نمودارهای خطی
تغییرات چیزی در طول زمان نشان داده میشود. -
1:40 - 1:45در این نمودار نشاندهنده افزایش
بیکاری در آمریکا از ۲۰۰۸ تا ۲۰۰۹ -
1:45 - 1:48محور افقی به دو روش دستکاری شده است.
-
1:48 - 1:50اول از همه، مقیاس متغیر است،
-
1:50 - 1:53و ۱۵ ماه بعد از مارس ۲۰۰۹ فشرده شده
-
1:53 - 1:57تا کوتاهتر از شش ماه
پیش از آن به نظر بیاید. -
1:57 - 2:00استفاده از نقاط داده دقیقتر
میتواند تصویری متفاوت -
2:00 - 2:04از روند تغییر بیکاریها
در انتهای سال ۲۰۰۹ ایجاد کند. -
2:04 - 2:07و اگر بپرسید چرا در ابتدا
در حال زیاد شدن بودند، -
2:07 - 2:11محور زمان درست بعد از
بزرگترین فروپاشی اقتصادی ایالات متحده -
2:11 - 2:13بعد از افسردگی بزرگ شروع میشود.
-
2:13 - 2:15به این روشها روش آلبالو چینی میگویند.
-
2:15 - 2:19بازه زمانی را میتوان طوری بادقت
انتخاب کرد که تاثیر یک اتفاق بزرگ -
2:19 - 2:21درست بعد از وقوع آن ناچیز جلوه داده شود.
-
2:21 - 2:25و انتخاب نقاط داده خاص میتواند
تغییرات مهم میانی را پنهان کند. -
2:25 - 2:27حتی وقتی که خود نمودار
هیچ مشکلی نداشته باشد، -
2:27 - 2:31جا انداختن اطلاعات مربوط
میتواند باعث دریافت اشتباه شود. -
2:31 - 2:34این نمودار درباره بینندگان سالانه فوتبال
-
2:34 - 2:38نشان میدهد که شدت
محبوبیت در حال انفجار است. -
2:38 - 2:40اما افزایش جمعیت در آن لحاظ نشده است.
-
2:40 - 2:42رتبه بندی درواقع ثابت مانده است
-
2:42 - 2:45زیرا همانطور که تعداد
بینندگان فوتبال زیاد شده است، -
2:45 - 2:48اما سهم آنها از همه بینندگان
تغییری نکرده است. -
2:48 - 2:50در پایان، نمودار نمیتواند
چیز زیادی به شما بگوید -
2:50 - 2:53اگر از معنای کامل چیزی
که ارائه میشود بیاطلاع باشید. -
2:53 - 2:56هردوی این نمودارها از
اطلاعات یکسانی درباره دمای اقیانوس -
2:56 - 3:00از مراکز اطلاعات
محیط زیستی ملی استفاده کردهاند. -
3:00 - 3:02پس چرا تصورات متضادی ایجاد میکنند؟
-
3:02 - 3:05نمودار اول دمای میانگین سالانه اقیانوس را
-
3:05 - 3:08بین سالهای ۱۸۸۰ تا ۲۰۱۶ نشان میدهد،
-
3:08 - 3:10و تغییرات ناچیز به نظر میرسند.
-
3:10 - 3:13اما در واقع، افزایش
حتی نیم درجه سانتی گراد -
3:13 - 3:16میتواند به فجایع عظیم
زیست محیطی دامن بزند. -
3:16 - 3:18به همین دلیل است که نمودار دوم،
-
3:18 - 3:20که تغییرات دمای میانگین
هر سال را نشان میدهد، -
3:20 - 3:22معنی خیلی بیشتری دارد.
-
3:22 - 3:27اگر از نمودارها درست استفاده شود، میتواند
به درک مستقیم مطالب پیچیده کمک کنند. -
3:27 - 3:32اما همانطورکه نرمافزارهای بصری استفاده از
نمودار را در همه زمینهها آسان کرده است، -
3:32 - 3:36استفاده بی دقت و بی صداقت
از آنها را هم راحت کرده است. -
3:36 - 3:40پس دفعه بعد که نموداری
دیدید غرق در خطوط و منحنیها نشوید. -
3:40 - 3:41به نامگذاریها،
-
3:41 - 3:42اعداد،
-
3:42 - 3:43مقیاسها،
-
3:43 - 3:44و محتوای آن دقت کنید،
-
3:44 - 3:47و ببینید تصویر چه داستانی را بیان میکند.
- Title:
- چطور یک نمودار گمراه کننده را شناسایی کنیم - لی گاسلویتز
- Speaker:
- Lea Gaslowitz
- Description:
-
درس کامل در: http://ed.ted.com/lessons/how-to-spot-a-misleading-graph-lea-gaslowitz
اگر از نمودارها درست استفاده شود، میتوانند به درک مستقیم مطالب پیچیده کمک کنند. اما همانطور که نرمافزارهای بصری استفاده از نمودار را در همه زمینهها آسان کرده است، استفاده بیدقت و بیصداقت از آنها را هم راحت کرده است -- و مشخص شده که راههای زیادی هست که نمودارها گمراه کننده باشند و دستکاری شده باشند. لی گاسلویتز چند نکته قابل بررسی را به اشتراک میگذارد.
درس از لی گاسلویتز، انیمیشن از مارک فیلیپس.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TED-Ed
- Duration:
- 04:10
soheila Jafari approved Persian subtitles for How to spot a misleading graph | ||
Leila Ataei accepted Persian subtitles for How to spot a misleading graph | ||
Leila Ataei edited Persian subtitles for How to spot a misleading graph | ||
sadegh zabihi edited Persian subtitles for How to spot a misleading graph | ||
sadegh zabihi edited Persian subtitles for How to spot a misleading graph | ||
sadegh zabihi edited Persian subtitles for How to spot a misleading graph | ||
sadegh zabihi edited Persian subtitles for How to spot a misleading graph | ||
sadegh zabihi edited Persian subtitles for How to spot a misleading graph |