Les membres du groupe de travail sur le coronavirus de la Maison-Blanche font référence à un graphique trompeur lors d'un point de presse. Photo AP / Alex Brandon

Depuis l'époque de la peinture sur les murs des grottes, les gens représentent des informations à travers des figures et des images. De nos jours, les experts en visualisation de données savent que présentation visuelle des informations aide les gens à mieux comprendre données compliquées. Le problème est que les visualisations de données peuvent également vous laisser une mauvaise idée - que les images soient mal faites ou intentionnellement trompeuses.

Prenons par exemple le graphique à barres présenté lors d'un Point de presse du 6 avril par des membres du groupe de travail sur le coronavirus de la Maison Blanche. Il s'intitule «Test COVID-19 aux États-Unis» et illustre près de 2 millions de tests de coronavirus réalisés jusqu'à présent. Le président Trump a utilisé le graphique pour étayer son affirmation selon laquelle les tests étaient «monter à un rythme rapide. » Sur la base de ce graphique, de nombreux téléspectateurs ont probablement tiré la même conclusion - mais elle est incorrecte.

Le graphique montre le nombre total cumulé de tests effectués sur des mois, et non le nombre de nouveaux tests chaque jour.

Lorsque vous tracez le nombre de nouveaux tests par date, vous pouvez voir que le nombre de tests COVID-19 effectués entre mars et avril a augmenté avec le temps, mais pas rapidement. Cet exemple est l'un des nombreux cas où des informations importantes n'ont pas été correctement comprises ou communiquées.

Comme étant une entreprise chercheur en communication des dangers et des risques, Je pense beaucoup à la façon dont les gens interprètent les graphiques, les graphiques et cartes ils se rencontrent quotidiennement.

Qu'ils montrent des cas de COVID-19, les tendances du réchauffement climatique, les zones de tsunami à haut risque ou l'utilisation des services publics, être capable d'évaluer et d'interpréter correctement les chiffres vous permet de prendre des décisions éclairées. Malheureusement, tous les chiffres ne sont pas créés égaux.

Si vous pouvez repérer les pièges d'une figure, vous pouvez éviter les mauvais. Considérez les trois questions clés suivantes la prochaine fois que vous verrez un graphique, une carte ou un autre visuel de données afin de pouvoir décider en toute confiance quoi faire avec cette nouvelle pépite d'informations.

Qu'est-ce que ce personnage essaie de me dire?

Commencez par lire le titre, regardez les étiquettes et vérifiez la légende. Si ceux-ci ne sont pas disponibles, soyez très prudent. Les étiquettes seront sur les axes horizontal et vertical sur les graphiques ou dans une légende sur les cartes. Les gens les ignorent souvent, mais ces informations sont cruciales pour mettre en contexte tout ce que vous voyez dans la visualisation.

Regardez les unités de mesure - sont-elles en jours ou en années, en degrés Celsius ou en Fahrenheit, en nombre, en âge ou quoi? Sont-ils régulièrement espacés le long de l'axe? De nombreux graphiques de cas cumulatifs COVID-19 récents utilisent une échelle logarithmique, où les intervalles le long de l'axe vertical ne sont pas également espacés. Cela crée de la confusion pour les gens pas familier avec ce format.

Une émission du 12 mars de «The Rachel Maddow Show» comprenait un graphique avec des nombres non étiquetés et un axe horizontal délicat.

Par exemple, un graphique de "The Rachel Maddow Show »sur MSNBC, a montré des cas de coronavirus aux États-Unis entre le 21 janvier et le 11 mars. Les unités de l'axe des x sur l'horizontale sont l'heure (au format mois-jour) et les unités de l'axe des y sur la verticale sont vraisemblablement des nombres de cas cumulatifs, bien que il ne précise pas.

Le principal problème avec ce graphique est que les périodes entre des dates consécutives sont inégales.

Dans un graphique révisé, avec des dates correctement espacées dans le temps et des diagnostics de coronavirus représentés sous forme de graphique linéaire, vous pouvez voir plus clairement ce que croissance exponentielle dans le taux d'infection ressemble vraiment. Il a fallu les 30 premiers jours pour ajouter 33 cas, mais seulement les quatre derniers pour ajouter 584 cas.

Ce qui peut sembler une légère différence pourrait aider les gens à comprendre à quelle vitesse une croissance exponentielle peut atteindre un sommet et peut-être changer la façon dont ils perçoivent l'importance de la freiner.

Comment la couleur, la forme, la taille et la perspective sont-elles utilisées?

La couleur joue un rôle important dans la manière dont les gens interprètent les informations. Les choix de couleurs peuvent vous faire remarquer des motifs particuliers ou attirer votre attention sur certains aspects d'un graphique.

Sensibilité aux glissements de terrain en Oregon. Département de géologie et des industries minérales de l'Oregon

Considérons deux cartes illustrant la susceptibilité aux glissements de terrain, qui sont exactement les mêmes, sauf pour les schémas de couleurs inversés. Votre œil peut être attiré par des nuances plus foncées, voyant intuitivement ces zones comme à risque plus élevé. Après avoir regardé la légende, quel ordre de couleur représente selon vous le mieux l'information? En prêtant attention à comment la couleur est utilisée, vous pouvez mieux comprendre comment cela influence ce qui vous distingue et ce que vous percevez.

La forme, la taille et l'orientation des entités peuvent également influencer comment vous interprétez une figure.

Quelles industries emploient Coloradans? Hémisphères

Les diagrammes à secteurs, comme celui-ci montrant la répartition de l'emploi pour une région, sont notoirement difficiles à analyser. Remarquez combien il est difficile de déterminer quelle catégorie d'emploi est la plus élevée ou comment ils se classent. Les coins du graphique à secteurs ne sont pas organisés par taille, il y a trop de catégories (11!), La perspective 3D déforme les tailles des coins, et certains coins sont séparés des autres, ce qui rend les comparaisons de taille presque impossibles.

Un graphique à barres est une meilleure option pour un affichage informatif et permet de montrer dans quels secteurs les gens travaillent.

D'où viennent les données?

Enquête publiée sur `` Lou Dobbs Tonight '', demandant aux téléspectateurs de voter sur Twitter à propos de la performance de Trump. Réseau d'affaires Fox

La source des données compte en termes de qualité et de fiabilité. Cela est particulièrement vrai pour les données partisanes ou politisées. Si les données sont collectées auprès d'un groupe qui n'est pas une bonne approximation de la population dans son ensemble, elles peuvent être biaisées.

Par exemple, le 18 mars, l'animateur de Fox Business Network, Lou Dobbs, a interrogé son public avec la question «Comment évalueriez-vous le leadership du président Trump dans la lutte de la nation contre le virus de Wuhan?»

Imaginez si seulement les républicains étaient posés cette question et comment les résultats se compareraient si seuls les démocrates étaient posés. Dans ce cas, les répondants faisaient partie d'un groupe autosélectionné qui avait déjà choisi de regarder l'émission de Dobbs. Le sondage ne peut vous renseigner que sur les opinions de ce groupe, et non sur les Américains en général, par exemple.

Considérons ensuite que Dobbs n'a fourni que des réponses positives dans ses options à choix multiples - «superbe, excellent ou très bon» - et il est clair que ces données ont un biais.

Le repérage des biais et des méthodes de collecte de données inappropriées vous permet de décider quelles informations sont dignes de confiance.

Pense à ce que tu vois

Pendant cette pandémie, les informations émergent d'heure en heure. Les consommateurs de médias sont inondés chaque jour de faits, de graphiques, de graphiques et de cartes. Si vous pouvez prendre un moment pour vous poser quelques questions sur ce que vous voyez dans ces visualisations de données, vous pouvez repartir avec une conclusion complètement différente de celle que vous auriez pu avoir au premier coup d'œil.

A propos de l'auteur

Carson MacPherson-Krutsky, doctorant en géosciences, Boise State University

Cet article est republié de The Conversation sous une licence Creative Commons. Lis le article original.