Las tablas, los gráficos y los mapas son herramientas convincentes y persuasivas para la comunicación información y estadísticas. También lo hacen, cuando se implementan de forma malintencionada o maliciosa, fuentes de confusión, información errónea y falsedad.
Gráficos como arte y no como ciencia
Los profesionales del AA suelen visualizar conjuntos de datos de entrenamiento potenciales para comprender sus y sus resultados para comprender el rendimiento.
Siempre pregunta sobre el contexto, el público y el propósito previstos de los datos visualización, ya sea que estés creando o leyendo una. Estos tres factores son clave de la comunicación gráfica. El mismo gráfico puede ser útil y revelador, o engañosos y exagerados en diferentes contextos.1 El usuario previsto y el nivel de conocimiento de gráficos y datos del espectador variará. El diseño puede ayudar o dificultar. Por ejemplo, los gráficos increíblemente hermosos pueden ser demasiado complicados para comunicar la información con claridad.
No hay reglas estrictas sobre cómo hacer un gráfico perfecto, solo lineamientos y prácticas recomendadas. Visualizar datos es tanto un arte como un la ciencia. Pero al visualizar los datos, esfuérzate, sobre todo, por que sean claros y honestos. Proporcionar suficiente información para comunicarse de forma clara y precisa, y no tan mucha información que abruma al espectador.
andamiaje, contenido y movimientos engañosos
Alberto Cairo, en How Charts Lie, divide las visualizaciones de datos en dos partes: andamiaje y contenido.
El andamiaje de un gráfico incluye títulos, ejes, leyendas, etiquetas y la fuente de los datos, si se proporcionan.
El contenido incluye la codificación visual de los datos y cualquier anotaciones. Los métodos para codificar visualmente los datos suelen incluir:
- de largo, como en los gráficos de barras
- posición, como en los diagramas de dispersión
- ángulos proporcionales, áreas y arcos en gráficos circulares
- color y matiz
- más raramente, ancho y grosor2
Todos estos elementos se pueden usar para engañar. Iniciar un gráfico de barras con un valor distinto de cero o truncar las barras más largas puede generar percepciones inexactas, incluso si la intención era ahorrar espacio. Mira las películas de Sarah Leo ensayo sobre errores de visualización de datos en Economist para algunos ejemplos.
Una relación de aspecto inapropiada puede hacer que un pequeño cambio parezca muy grande o un cambio grande parece ser muy pequeño. El Cairo sugiere relación de aspecto que coincida con el cambio proporcional que se muestra, digamos 3:1 para un el 30% de cambio, a la vez que se aconseja prestar mucha atención al contexto, porque hay excepciones importantes a la regla. Fluctuaciones relativamente pequeñas en el promedio la temperatura global, por ejemplo, un aumento de 2 °C sobre 100 °C, por ejemplo, muy significativo y se subestimará en un gráfico con un aspecto de 50:1 proporción.3
Usar rotaciones 3D de gráficos y otros efectos 3D para lograr un impacto visual, en lugar que para representar datos en 3D, es muy probable que sea engañoso. Lo mismo ocurre representaciones de objetos 3D que sustituyen las barras en los gráficos de barras. Si el botón los datos se codifican solo por longitud, como en un gráfico de barras estándar, el lector puede interpreta que el objeto proporcionalmente más grande tiene un volumen mayor y, por lo tanto, un valor más alto que el apropiado.4 Los diseñadores que usan 2D de datos, como burbujas, y codificar datos por radio o diámetro en lugar de por área, también creará proporciones engañosas.5 2D las representaciones, como los gráficos circulares, pueden dificultar la comparación de segmentos y, así, interactuar entre sí. Los gráficos circulares también implican que todos los segmentos se suman como un todo, lo que puede o no ser el caso.
El color es un tema en sí. En general, debes hacer lo siguiente:
- Usa 6 o menos divisiones de colores, ya que ese es el límite de lo que la mayoría de las personas tiene. puedes manejar sin confusión.
- Evitar una amplia selección de tonos espectrales, porque diferentes personas los ordenan de forma diferente.6
- Si es posible, selecciona tonos de un solo matiz, que es más se distinguen en escala de grises.
- Ten en cuenta los diferentes tipos de daltonismo.
Referencias
El Cairo, Alberto. How Charts Lie: Getting Smarter about Visual Information. Nueva York: W.W. Norton, 2019.
Huff, Darrell. Cómo lidiar con las estadísticas. NY: W.W. Norton, 1954.
Monmonier, Mark. How to Lie with Maps, 3a ed. Chicago: U of Chicago P, 2018.
Referencias de imágenes
“Chart of an example of Processing Accounting transformation” (Gráfico de un ejemplo de estructura de la contabilidad de la capacidad de procesamiento). TAUser, 2008. FDL de GNU. Fuente
"GWP (MTCO2E) para todos los tipos de vehículos durante el ciclo de vida". B2.Team.Leader, 2006. Origen
