Icfj 的一个项目

如何避免数据可视化错误

作者 Amr Eleraqi
Feb 12, 2021 发表在 数据新闻
Computers

可视化数据已不再是数据记者必须严格执行的任务,它已成为所有记者必不可少的技能。

在报道COVID-19大流行方面新闻时,图形和图表尤为重要。随着世界各地人们寻求有关该病毒及新冠肺炎的信息,它们在新闻中占据了突出的位置。

鉴于数据可视化传达着可能挽救生命的重要信息,因此忽略可视化中的一些重要元素可能会在读者中引起误解或引起恐慌。

英国广播公司(BBC)去年3月犯了一个类似的错误,当时媒体发布了一张图表,说明了受害人的年龄、健康状况和性别对COVID-19死亡率的影响。记者使用了一个条形图,该条形图的x轴末端为15%的值,乍一看给读者留下了所有80岁以上的患者都死于该病毒的印象。

但是,其目的是要表明80岁以上的人中有15%死于COVID-19。 Twitter用户指出了这个错误,并呼吁BBC修改图表以避免不必要的恐慌。 Tableau技术人员Andy Cotgreave修改了可视化以更好地表示数据。

 

Screenshot of misleading graph next to accurate graph
Screenshots of misleading BBC graph next to graph amended by Tableau's Andy Cotgreave.

如何使用得当的话,数据可视化可以清晰有效地将复杂数据信息传达给读者。在发布图标之前,记者还可以可视化数字以帮助确定其故事的模式和潜在线索,从而最终进行更前沿的分析。记者可以可视化数据以实现以下目标:

  1. 在数据库中查找事实和趋势
  2. 清晰地将复杂数据传达给读者
  3. 产生数据驱动的新闻,补充书面报道或多媒体报告元素
  4. 事件发生时实时发布数据。例如,记者在报道COVID-19大流行和美国大选时就选择这种方式
  5. 提供数据来进行预测

重要的是,记者不应一味专注于设计美学,却牺牲数据的呈现精确度。记者可以使用不同类型的可视化形式(例如地图、直方图或图表)来相互补充,从而提供更全面的新闻讲述和更多基于数据的新闻。尤其是在人们身处不确定的时期时,例如COVID-19,可靠的事实和信息至关重要。

尽管如此,数据可视化工具可能会故意犯下一些常见错误,制图人也可能会犯下一些错误。例如,这些内容可以用于服务政治议程或操纵某个故事情节,并且完全误导读者。

我们要如何避免这些在数据可视化过程中容易犯的错误?

不要忽略图轴

忽略图形的基线是一个常见错误。 折线图和条形图轴应从零开始; 否则,该图形可能会引起混乱。

福克斯新闻的下图显示COVID-19感染有许多令人误解的方面。 y轴并非从零开始,并且沿该轴的值也不一致。

尽管数据在统计上可能是准确的,但其描绘方式传达了对数字的不准确理解。 该图发布后也没有引用数据源。

Screenshot of misleading Fox News graph.
Screenshot of misleading Fox News graph.

避免偏见

记者不应选择数据来讲述他们想讲的新闻。而是,用数据去驱动新闻。允许偏差影响数据可视化是一个危险的错误,数据偏差可能会影响正在传达的信息。例如,如果您要处理的数字在图表上显示出递增的曲线,那么新闻故事应该要符合这一趋势。

选择合适的图表

要使用适合您要报告的数据的图表。 例如,饼图可以将数据显示为占总数的百分比;地图则可以最好地说明地理情况。

在下图中,记者试图证明两个指标随时间推移之间的差异:COVID-19的新病例和出院的病人。 不幸的是,条形图不适合进行这种类型的比较,因此,可视化无法有效地传达信息。 折线图本来是更合适的选择。

 

Screenshot of inefficient bar chart design.  ​
Screenshot of inefficient bar chart design.  ​

遵守常规

可视化数据时,记者不应破坏公认的规范。 例如,与浅色相比,读者通常希望深色能反映图表上的最高密度或最大值。如果颠覆性规范可能会误导读者。

有些颜色与观众有着直接的精神联系。 例如,红色可以表示危险,而绿色可以传达更多积极信息。

也要注意符号使用,因为它们每个都有自己的意义。 例如,不要在正面新闻上使用悲伤的表情表情符号。

去除不必要的视觉元素

记者在可视化中应避免添加不必要的元素。 如果您的图形或图表元素无法帮助传达信息,那么它只会使混乱甚至误导。

如果做得好,可视化工具可以准确有效地传达您正在讲述的新闻。 必须花费必要的时间来收集数据,分析数据并确定其中的故事。 可视化数字可以增强您的报告,并更全面地将信息传达给读者。


阿姆·埃雷拉奇(Amr Eleraqi)是ICFJ奈特研究员。他正在领导培训和指导计划,以扩大中东和北非的数据驱动新闻。

本文最初是由我们的阿拉伯语站点发布的。 穆罕默德·布米德(Mohamed Bouhmid)将其翻译成英文。

主图像由Unsplash通过Scott Graham提供CC许可。