數據可視化具有影響認知偏差的能力
作者:Ian Batterbee
譯者:妍朵樂園
原文鏈接:https://uxdesign.cc/how-data-visualisation-can-distort-our-perception-of-reality-169713fc2b6e
What you see is all there is. —— 眼見爲實。
無論你是在看一本書的封面,還是觀察一對在街上爭吵的夫婦,亦或是看電視新聞報道,我們都在不斷地根據我們所能獲得的有限信息做出判斷。
我們都有以自己的方式來感知世界的權利;然而我們的大腦天生就有能力做出快速評估,但有時可能會導致做出錯誤和不合理的假設。
在2020年美國大選期間,用於代表政治事件結果的數據可視化地圖引起了很多爭論。
關鍵的爭論是,每張地圖都顯示出對民主黨或共和黨的偏見。
數據可視化通常用於講故事,有意或無意的,它們可以塑造我們的看法和偏見。
在本文中,我們將使用2020年美國大選作爲一個小案例進行研究,以瞭解信息的圖形化表示如何扭曲我們的判斷。
但首先,讓我們來看看認知偏見是來自於哪裏的…
. . .
偏見來自快速和直覺的思考
諾貝爾獎得主和心理學家丹尼爾·卡尼曼在他的暢銷書《思考快與慢》中解釋說,我們的大腦有兩種類型的思維,包括系統1和系統2。
系統1是一種快速、直觀的認知類型。
它基於學習的技能和聯想。這對於描繪即時信息或進行快速估算非常有用。例如,我們使用隨機的,無意識的思考來快速評估人們的表情或解決複雜的問題。
系統2是我們大腦較慢的分析模式。
需要集中注意力。當我們做一些不自然的事或需要額外有意識的努力時,該思維類型通常會被激活。
當我們評估事物時,系統1會控制我們的思想,並使用內部或外部有限的可用信息來做出判斷。
然而,系統2通常接受來自最初的自動估計,除非存在有與我們的想法所不一致的東西。
卡尼曼解釋說,無論有多少證據,系統1都能構造出最好的故事。
例如,如果你看到一個穿着便服的年輕人戴着一副Apple AirPods耳機,眼睛盯着手裏的智能手機屏幕,你可能會覺得他們是學生,因爲它符合連貫的敘述。
當談到數據可視化時,系統1會相信任何與我們思維一致的故事,不管它是對是錯。
. . .
數據可視化講述不同的故事
當我寫完這篇文章的時候,2020年的美國大選可能還在爭論中。在統計選票時,媒體使用各種數據可視化地圖來預測結果。然而,統計數據的代表性因爲顯示出某些偏差而受到極大批評。
兩張圖,兩個故事
“根據人口而不是土地面積投票”是反對常規州和縣數據可視化地圖的關鍵爭議點。(來源:衛報)
在上面的數據可視化圖中,我們可以看到投票是由土地而不是人口來表示的。
這立即給人的印象是共和黨(紅色)的票比民主黨人(藍色)更多,無論後者具有較大的人口票數差異。
現在讓我們以不同的方式查看數據……
另一種表示民意差距的數據可視化地圖。(來源:衛報)
下一張數據可視化地圖提供了另一種視角。現在我們可以看到選擇民主黨的民意代表人數超過了共和黨。
然而,由於民主黨人和共和黨人之間的選票僅相差4%,因此任何數據可視化都無法說明真實情況。你可以說兩張地圖都是真實的視覺扭曲,每一張都具有塑造感知和偏見的能力。
讓我重複比較這兩張地圖。
第一張圖給人的印象是一個龐大的偏向共和黨的民意傾向,但與城市中心相比,農村地區的權重不成比例。
以北卡羅來納州爲例,它主要是紅色的,但視覺化並不能立即告訴你答案,該州的民意支持率其實很接近。
第二張地圖試圖通過顏色和形狀的強度來表示選票分佈,來解決權重不均衡的問題。
現在,我們的注意力很容易就集中在沿海地區分佈的大藍色圓圈上。這增強了我們對民主黨獲得大多數選票的看法。
當我們看到上面的地圖那樣的視覺失真時,我們的系統1思維將做出最快和最簡單的假設——不管是對是錯。
這是數據最大的問題之一——它可以很容易地被操縱來講述不同的故事。
. . .
認知偏差會扭曲我們對現實的感知
數據可視化可以通過多種不同方式扭曲我們對現實的感知。以下是一些值得一提的啓發式方法……
可得性 Availability
諾貝爾獎獲得者丹尼爾·卡尼曼(Daniel Kahneman)和阿莫斯•內森•特沃斯基(Amos-Nathan-Tversky)於1973年發明了可得性啓發法(availability heuristic),它允許我們在需要即時信息時迅速得出結論。然而雖然心理捷徑可能會有所幫助,但它也可能會導致錯誤的評估。
例如,在看了多起有關飛機失事的新聞報道後,你開始認爲飛行是一種不安全的運輸方式。當你下一次預訂假期時,你決定不坐飛機,因爲你認爲飛機失事的可能性很大。
框架 Framing
一件事如何被描述的方式會影響我們建立一個與真實情況不同的個人現實。例如,以兩瓶葡萄酒爲例,其中一瓶的價格可能會高於另一瓶,以產生更高質量和更高價值的感覺。框架啓發法也可以以價格、顏色和語調的形式發生。
錨定 Anchoring
錨定會在不同的場景中塑造我們的行爲,無論是在服裝店購物還是在討價還價時。
當我們被一條信息所吸引時,我們的決策很可能會受到這個錨的影響。研究證明,人們往往被吸引到正在推廣的東西上,而實際上卻有更便宜的選擇。例如,超市中一堆標有“每位顧客最多12罐”的湯罐會影響顧客購買更多該罐頭。
代表性 Representativeness
卡尼曼和特沃斯基在20世紀70年代定義了另一種啓發式方法。代表性啓發法(Representativeness heuristic)加速了決策過程;然而,它也可能導致錯誤的選擇、刻板印象和差錯。
例如,當你在等公共汽車時,你看到一個人面帶威脅,滿臉邋遢,眼神兇狠。在沒有任何證據表明此人可能是什麼人的情況下,你的初步判斷可能會告訴你他是一名罪犯,並且是不值得信任的人。我們所感知的未必總是真實的現實。
. . .
總結
我們的大腦天生就是要尋找一個符合我們敘述的真相的版本。無論我們認爲自己多麼公正,我們都容易根據可獲得的有限信息做出判斷。
正如我們在美國選舉地圖上看到的,數據可視化可以講述不同的故事,但我們可能並不總是意識到這一點。
當涉及到與統計數據的可視化表現形式進行交互時,我們應該考慮到它的來源,並在我們對自己的判斷過於迷戀之前尋找更多的證據。
請長按掃碼加小編,回覆關鍵詞:數據可視化
-今日互動-
你get到了嗎?歡迎文章下方留言互動
如果感覺對你有幫助的話
來個「
轉發朋友圈
」和「
在看
」,一起見證你的努力和成長,是對我們最大的支持!
本文分享自微信公衆號 - DataScience(DataScienceTeam)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。