糟糕的数据新闻常见的四大问题

2021-01-05 11:59:03 阅读（220） 评论（0）

人们通常认为数据新闻本质上比其他类型的报道更客观。数字不会撒谎，对吧？错了。在处理数据时，欺骗观众甚至误导自己的方法太多了。这些错误甚至可能是无意中的损失。在过去一年研究数据新闻的第一手经验中，我发现犯一些最终导致结论完全扭曲的错误太容易了。以下是我在过去一年中遇到的四个最常见的坏数据新闻问题：1。缺乏上下文或比例系数没有语境的数字毫无意义。在财政支出新闻中，缺乏背景信息的问题尤为明显，这种错误经常出现在其他类型的报道中。例如：“纳税人为非法移民儿童支付10亿美元”、这些由天文数字组成的标题“福利津贴花费64亿英镑”听起来令人愤慨。但事实是，公共支出数据通常是天文数字。如果你把数据放在上下文中，分解到每个人，你会发现这些数字可能是完全合理的。告诉我们这个故事？比例系数通常比绝对值更有内涵。但比例系数并不总是最正确的呈现方式。从你的数据开始，想想有什么方法可以最忠实地呈现它。卫报(TheGuardian)数据新闻记者JamesBall建议所有数据新闻记者总结一些基本数字，不仅避免初级错误，而且更容易看到数据和结论是否合理，如全国工作年龄、平均工资、就业率等。这是一种方法。2.相关性并不意味着因果关系。只要你知道一点统计，你就应该知道相关性和因果关系是两件完全不同的事情。然而，这一点总是被新闻编辑室的人忽视。不要以为你有独家新闻，只是因为有两个变量呈现相关性。这种相关性完全可能是由其他潜在变量引起的，或者纯粹是巧合。例如，下图：IE浏览器的市场份额VS美国谋杀率数据（图片来自Gizmodo）。IE浏览器的市场份额与美国谋杀率的关系是我最喜欢的例子之一－它们之间的超高相关性是否看上去令人困惑？想了解更多欺骗性的相关性，可以称之为“伪相关性”。(SpuriousCorrelations)看看网站(别怪我在那里流连忘返浪费了一整个下午！）3.不知道如何将数据可视化这个问题值得专门写一篇文章，甚至几篇文章，但我只能在这里指出。最后，你完成了数据分析，挖出了一个大新闻，但一个糟糕的视觉呈现可以让你放弃以前所有的成就。坏的可视化可能会引起读者的怀疑，甚至误导他们。比如请不要这样...(图片来自businesinsider)不要使用线形图表(linechart)展示离散数据，更不用说尝试那些看起来很酷的3D蛋糕图了，你可能还在参与关于是否可以缩短Y轴的永恒辩论。数据可视化不仅是艺术，也是科学。这里有一些好的指南和网站，教你如何避免这些潜在的可视化陷阱：TheFunctionalArt,byAlbertoCairoDataVisualization–PrinciplesandPractice,byAlexandruTeleaVisualisingData.com4.在我看来，忽略文本叙述是最重要的一点：数据新闻给了我们量化探索某个话题的力量，但它仍然是一种新闻，也就是说，它的本质是浪漫（讲故事）。假如你只是扔出一堆随机数字，那么你就没有做好这项工作。如果你只是扔出一堆随机数字，你就做不好。数据及其呈现只是一个开始。你应该引导你的读者完成这个故事。你必须让他们明白为什么这些数字如此重要，它们代表什么。就像《哥伦比亚新闻评论》中的数据记者TanverAli一样(ColumbiaJournalismReview)“数据是讲故事的一种方式，而不是故事本身。””

内容来源:数据分析网，以上内容来源于网络，不代表本站观点，如有侵权，请联系删除。

上一条：大数据方向实习生该做些什么？下一条：女性数据分析师，如何突破职业阶级？

商标/知识产权

网站服务

CRM/销售管理

ERP/智慧办公

财税人力

安全/技术支持

其他应用

商标版权

小程序

糟糕的数据新闻常见的四大问题

推荐阅读

猜你喜欢

分类

最新文章