Amikor napi szinten temérdek új információval vagyunk elhalmozva, a felelős döntések meghozatalához elengedhetetlen a történések helyes interpretációja. Ilyenkor hatalmas felelőssége van azoknak a tervezőknek, akik az adathalmazokat informatív, vizuális tartalommá alakítják át (adatvizualizáció). Egy adott jelenség akár két, teljesen ellentétes módon is értelmezhető attól függően, hogy milyen diagramon ábrázolták az azonos forrásból származó adatokat a készítők. Milyen tanulságokkal szolgál a koronavírus járvány az adatvizualizációval kapcsolatban?
Higgyünk az adatoknak?
Amióta 2020 márciusában világjárvánnyá nyilvánították a COVID-19-et, számos grafika látott napvilágot, ami az esetszámokat, halálozásokat igyekezett perspektívába helyezni a közvélemény számára, ám ezek közül nem mindegyik felelt meg azon alapkritériumoknak, amely lehetőséget teremt a jelenség megalapozott megértésre. Azon túl, hogy a médiában megjelenő ábrák többsége nem mindig volt helytálló epidemiológiai szempontból, további problémákat lehetett észlelni az adatvizualizáció perspektívájából:
1.Időbeliség: az év első felében gyakran hasonlították össze a koronavírust az influenzajárvánnyal (és más halálozási okokkal), ami téves értelmezéshez vezethet, hiszen még nem állt rendelkezésre egy teljes évre vonatkozó, minőségi adatállomány az új betegségről, ami alapul szolgálhatna egy releváns összehasonlításhoz. Ilyen típusú összehasonlítást csak utólag lehetne kielégítően bemutatni, egy felfutó ágban lévő járványnál ezt nem tudjuk megtenni.
2. Halmozott ábrázolás: szintén gyakori jelenség volt az elvégzett tesztek kumulált ábrázolása, ami azt a téves képzetet kelthette, hogy azok száma folyamatosan nőtt, miközben akár a stagnálás is jellemezhette az adatokat. Találkozhattunk még az összes igazolt eset ábrázolásával is, ami szintén egy kumulált mutatószám, figyelmen kívül hagyva a gyógyult eseteket. A második hullámban így inkább az aktív esetek számát használták a médiában.
Forrás: Twitter
3. Arányok összehasonlítása: amikor az egyes országok statisztikáit mérték egymáshoz, hiába használták a 10 vagy 100 ezer főre vetített lakosságarányos számokat, gyakran kimaradt az elvégzett tesztekkel való arányosítás, ami így szintén téves összefüggéseket sugallhatott.
4. További nehézséget jelent, hogy a különböző régiókban eltérő logika mentén rögzítik az adatokat, így az adatminőség nem kielégítő egy átfogó elemzéshez.
Miért fontos a felelős adatvizualizáció?
Mivel az agyunk 0,15 másodperc alatt képes feldolgozni egy vizuális ingert és további 0,1 másodperc alatt jelentést társítani hozzá, fontos tekintettel lenni arra, hogy a vizualizáció milyen összefüggést sugall és ez megfelel-e az ábrázolás eredeti szándékának. A diagramcímek, tengelyfeliratok hiába árnyalják a képet, ha a befogadó a másodperc töredéke alatt már véleményt formált a grafika alapján.
Arra az esetre, ha új grafikát hoznánk nyilvánosságra a járványról, az adatvizualizációval foglalkozó szakemberek azt tanácsolják, hogy tegyük fel a kérdést, hogy ez milyen hozzáadott értéket jelent a közösség számára és milyen új információt tár fel? Mivel az ilyen ábrák a közösségi médiában gyorsan terjednek, azt is érdemes számításba venni, hogy milyen üzenetet közvetít a nyilvánosság számára és mire ösztönzi a befogadókat?
Természetesen egy megfelelően szerkesztett grafikon alkalmas arra, hogy hatékonyan rávilágítson egy összefüggésre, hozzásegítsen egy probléma mélyebb megértéséhez, ugyanakkor – ahogy azt láthattuk – félrevezető is lehet, ha rossz szándékkal vagy nem kellő hozzáértéssel készítették, így tartalomfogyasztóként is fontos szkeptikusan közelítenünk feléjük.
Források:
Holcomb, P. & Grainger, J. (2006). On the Time Course of Visual Word Recognition, Journal of Cognitive Neuroscience, Vol 18.
Makulec, A. (2020). Ten Considerations Before You Create Another Chart About COVID-19. Letöltés helye: https://medium.com/nightingale/ten-considerations-before-you-create-another-chart-about-covid-19-27d3bd691be8, ideje: 2020.11.22.
Sakai, R. (2020). What I Learned From COVID-19 Data Visualization. Letöltés helye: https://medium.com/nightingale/what-i-learned-from-covid-19-data-visualization-5c684eaa4698, ideje: 2020.11.22.
Cherrisk by UNIQA, a magyar insurtech
Hogyan kapcsolódhat össze az insurtech fogalma egy apró gyümölccsel? A válasz csupán egy szó: Cherrisk.
Olvasd el a teljes cikket!
Miért van Magyarországon néhány vállalat 20 évvel lemaradva?
Mára már a business világ minden szereplője tisztában van vele, hogy mi az az ERP(Enterprise Resource Planning) és a legtöbb vállalat aktívan használja. A vállalat működéséhez...
Olvasd el a teljes cikket!