व्हाइट हाउस कोरोनावायरस टास्क फोर्स के सदस्य एक प्रेस ब्रीफिंग में एक भ्रामक चार्ट का संदर्भ देते हैं। एपी फोटो / एलेक्स ब्रैंडन

गुफा की दीवारों पर पेंटिंग के दिनों से, लोग आंकड़ों और छवियों के माध्यम से जानकारी का प्रतिनिधित्व करते रहे हैं। आजकल, डेटा विज़ुअलाइज़ेशन विशेषज्ञों को पता है कि जानकारी प्रस्तुत करना लोगों को बेहतर समझने में मदद करता है जटिल डेटा। समस्या यह है कि डेटा विज़ुअलाइज़ेशन आपको गलत विचार के साथ भी छोड़ सकता है - चाहे छवियां धीरे से बनाई गई हों या जानबूझकर भ्रामक हों।

उदाहरण के लिए एक पर प्रस्तुत बार ग्राफ 6 अप्रैल प्रेस वार्ता व्हाइट हाउस कोरोनावायरस टास्क फोर्स के सदस्यों द्वारा। इसका शीर्षक है "अमेरिका में COVID-19 परीक्षण" और उस बिंदु तक पूरा किए गए लगभग 2 मिलियन कोरोनवायरस परीक्षणों को दिखाता है। राष्ट्रपति ट्रम्प ने अपने दावे का समर्थन करने के लिए ग्राफ का उपयोग किया कि परीक्षण "तीव्र दर से ऊपर जा रहा है। " इस ग्राफिक के आधार पर कई दर्शकों ने एक ही निष्कर्ष निकाला - लेकिन यह गलत है।

ग्राफ महीनों में किए गए परीक्षणों की कुल संचयी संख्या दिखाता है, न कि प्रत्येक दिन नए परीक्षणों की संख्या।

जब आप तिथि के अनुसार नए परीक्षणों की संख्या का ग्राफ बनाते हैं, तो आप देख सकते हैं कि मार्च और अप्रैल के बीच किए गए COVID-19 परीक्षणों की संख्या समय के माध्यम से बढ़ी है, लेकिन तेजी से नहीं। यह उदाहरण कई में से एक है जब महत्वपूर्ण जानकारी को ठीक से समझा नहीं गया था या अच्छी तरह से संप्रेषित नहीं किया गया था।

एक के रूप में खतरे और जोखिम संचार के शोधकर्ता, मैं बहुत सोचता हूं कि लोग चार्ट, ग्राफ़ की व्याख्या कैसे करते हैं और नक्शे उनका प्रतिदिन सामना होता है।

चाहे वे सीओवीआईडी ​​-19 के मामले, ग्लोबल वार्मिंग के रुझान, उच्च जोखिम वाली सुनामी क्षेत्र, या उपयोगिता का उपयोग दिखाते हों, आंकड़ों का सही मूल्यांकन और व्याख्या करने में सक्षम होने के कारण आपको सूचित निर्णय लेने की अनुमति मिलती है। दुर्भाग्य से, सभी आंकड़े समान नहीं बनाए गए हैं।

यदि आप एक आंकड़ा नुकसान देख सकते हैं तो आप बुरे लोगों से बच सकते हैं। अगली बार जब आप किसी ग्राफ़, मैप या अन्य डेटा दृश्य को देखते हैं, तो निम्नलिखित तीन प्रमुख प्रश्नों पर विचार करें, ताकि आप विश्वास के साथ उस नई जानकारी के साथ क्या कर सकें, यह तय कर सकें।

यह आंकड़ा मुझे क्या बताने की कोशिश कर रहा है?

शीर्षक पढ़कर, लेबल को देखकर और कैप्शन की जांच करके शुरू करें। यदि ये उपलब्ध नहीं हैं - बहुत सावधान रहें। लेबल क्षैतिज या ऊर्ध्वाधर अक्षों पर रेखांकन या मानचित्रों पर एक किंवदंती में होंगे। लोग अक्सर उन्हें नजरअंदाज कर देते हैं, लेकिन यह जानकारी आपके द्वारा देखी गई हर चीज को संदर्भ में डालने के लिए महत्वपूर्ण है।

माप की इकाइयों को देखें - वे दिनों या वर्षों में, सेल्सियस या फ़ारेनहाइट, मायने रखता है, उम्र, या क्या? क्या वे समान रूप से धुरी के साथ स्थित हैं? हाल के COVID-19 संचयी केस ग्राफ़ में से कई लॉगरिदमिक पैमाने का उपयोग करते हैं, जहाँ ऊर्ध्वाधर अक्ष के साथ अंतराल समान रूप से नहीं होते हैं। इससे लोगों में भ्रम की स्थिति पैदा होती है इस प्रारूप से अपरिचित।

'द राचेल मडावो शो' के 12 मार्च के प्रसारण में गैर-सूचीबद्ध संख्याओं और एक मुश्किल क्षैतिज अक्ष के साथ एक ग्राफ शामिल था।

उदाहरण के लिए, "से एक ग्राफएमएसएनबीसी पर राहेल मादावो शो ”, संयुक्त राज्य अमेरिका में 21 जनवरी और 11 मार्च के बीच कोरोनोवायरस मामलों को दिखाया गया है। क्षैतिज पर एक्स-अक्ष इकाइयां समय (एक महीने के प्रारूप में) हैं और ऊर्ध्वाधर पर y- अक्ष इकाइयां संभवतः संचयी मामले की गिनती हैं, हालांकि यह निर्दिष्ट नहीं करता है।

इस ग्राफ के साथ मुख्य मुद्दा यह है कि लगातार तिथियों के बीच की समयावधि असमान होती है।

एक संशोधित ग्राफ में, समय के माध्यम से ठीक से तारीखों के साथ, और कोरोनावायरस एक लाइन ग्राफ के रूप में प्लॉट का निदान करते हैं, आप अधिक स्पष्ट रूप से देख सकते हैं कि क्या घातांकी बढ़त संक्रमण की दर वास्तव में की तरह लग रहा है। 30 मामलों को जोड़ने में पहले 33 दिन लगे, लेकिन 584 मामलों को जोड़ने के लिए केवल अंतिम चार।

एक मामूली अंतर जैसा लग सकता है कि लोगों को यह समझने में मदद मिल सकती है कि कितनी तेजी से घातीय वृद्धि उच्च स्तर तक जा सकती है और शायद वे इसे बदलने के महत्व को कैसे समझते हैं।

रंग, आकार, आकार और परिप्रेक्ष्य कैसे उपयोग किए जाते हैं?

रंग एक महत्वपूर्ण भूमिका निभाता है कैसे लोग जानकारी की व्याख्या करते हैं। रंग विकल्प आपको विशेष पैटर्न नोटिस कर सकते हैं या किसी ग्राफिक के कुछ पहलुओं पर अपनी नज़र आकर्षित कर सकते हैं।

ओरेगन भूस्खलन की संवेदनशीलता। ओरेगन डिपार्टमेंट ऑफ जियोलॉजी एंड मिनरल इंडस्ट्रीज

भूस्खलन की संवेदनशीलता को दर्शाने वाले दो नक्शों पर विचार करें, जो उल्टे रंग योजनाओं को छोड़कर बिल्कुल समान हैं। आपकी आंखें गहरे रंगों में आकर्षित हो सकती हैं, सहजता से उन क्षेत्रों को अधिक जोखिम के रूप में देख सकते हैं। किंवदंती को देखने के बाद, आपको लगता है कि कौन सा रंग क्रम आपको सबसे अच्छी जानकारी का प्रतिनिधित्व करता है? पर ध्यान देकर रंग का उपयोग कैसे किया जाता है, आप बेहतर तरीके से समझ सकते हैं कि यह कैसे प्रभावित करता है जो आपके लिए खड़ा है और आप क्या अनुभव करते हैं।

आकार, आकार और विशेषताओं का अभिविन्यास भी प्रभावित कर सकता है आप एक आकृति की व्याख्या कैसे करते हैं.

क्या उद्योगों Coloradans को रोजगार? गोलार्द्धों

पाई चार्ट, जैसे यह एक क्षेत्र के लिए रोजगार के टूटने को दर्शाता है, पार्स करने के लिए कुख्यात हैं। ध्यान दें कि यह खींचने में कितना कठिन है कि कौन सा रोजगार वर्ग उच्चतम है या वे कैसे रैंक करते हैं। पाई चार्ट के वेजेज आकार द्वारा व्यवस्थित नहीं हैं, बहुत अधिक श्रेणियां हैं (11!), 3 डी परिप्रेक्ष्य पच्चर के आकार को विकृत करता है, और कुछ वेज अन्य लोगों से अलग हैं, जो आकार की तुलना लगभग असंभव बना रहे हैं।

सूचनात्मक प्रदर्शन के लिए एक बार चार्ट एक बेहतर विकल्प है और यह दिखाने में मदद करता है कि लोग किन उद्योगों में कार्यरत हैं।

डेटा कहां से आता है?

सर्वेक्षण में 'लो डॉब्स टुनाइट' पर पोस्ट किया गया, दर्शकों ने ट्रम्प के प्रदर्शन के बारे में ट्विटर पर वोट करने का अनुरोध किया। फॉक्स बिजनेस नेटवर्क

गुणवत्ता और विश्वसनीयता के संदर्भ में डेटा का स्रोत मायने रखता है। यह विशेष रूप से पक्षपातपूर्ण या राजनीतिक डेटा के लिए सच है। यदि डेटा एक ऐसे समूह से एकत्र किया जाता है जो समग्र रूप से जनसंख्या का अच्छा अनुमान नहीं है, तो यह पक्षपातपूर्ण हो सकता है।

उदाहरण के लिए, 18 मार्च को, फॉक्स बिजनेस नेटवर्क के होस्ट लू डोब्स ने अपने दर्शकों को इस सवाल के साथ चुना कि "आप राष्ट्रपति ट्रम्प के नेतृत्व को वुहान वायरस के खिलाफ देश की लड़ाई में कैसे ग्रेड देंगे?"

सोचिए अगर केवल रिपब्लिकन से ही यह सवाल पूछा जाए और अगर डेमोक्रेट्स से ही पूछा जाए तो परिणाम कैसे होंगे। इस मामले में, उत्तरदाता एक स्व-चयन समूह का हिस्सा थे, जिन्होंने पहले से ही डॉब्स का शो देखना चुना था। पोल आपको केवल उस समूह की राय के बारे में बता सकता है, उदाहरण के लिए अमेरिका में लोग नहीं।

तब विचार करें कि डॉब्स ने अपने कई विकल्प विकल्पों में केवल सकारात्मक प्रतिक्रियाएं प्रदान की हैं - "शानदार, महान या बहुत अच्छा" - और यह स्पष्ट है कि इस डेटा में पूर्वाग्रह है।

पूर्वाग्रह और अनुचित डेटा संग्रह विधियां आपको यह तय करने की अनुमति देती हैं कि कौन सी जानकारी विश्वसनीय है।

आप जो देखते हैं उसके माध्यम से सोचें

इस महामारी के दौरान, सूचना घंटे-घंटे उभर रही है। मीडिया उपभोक्ताओं को हर दिन तथ्यों, चार्ट, ग्राफ़ और नक्शों से भर दिया जाता है। यदि आप इन डेटा विज़ुअलाइज़ेशन में जो कुछ भी देखते हैं, उसके बारे में अपने आप से कुछ सवाल पूछने के लिए आप एक क्षण ले सकते हैं, तो आप पहली नज़र में हो सकता है की तुलना में पूरी तरह से अलग निष्कर्ष निकाल सकते हैं।

के बारे में लेखक

कार्सन मैकफर्सन-क्रुत्स्की, भूविज्ञान में पीएचडी उम्मीदवार, Boise राज्य विश्वविद्यालय

इस लेख से पुन: प्रकाशित किया गया है वार्तालाप क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.