发帖
雷达卡
错了。
和数据打交道时，有太多办法可以欺骗受众，甚至误导自己，这些错误甚至可能是无心之失。过去一年研究数据新闻的第一手经验让我发现，要犯一些最终导致结论完全歪曲的错误实在是太容易了。以下便是过去这一年里我所遇到的糟糕的数据新闻最常见的 四大问题：
1. 缺乏上下文或比例系数
没有语境的数字是没有意义的。缺乏背景信息的问题在有关财政支出的新闻中尤其明显，其它类型的报道中这种错误也经常蹦出来。
举个例子：
“纳税人花费十亿美元为非法移民儿童买单”、“福利津贴花掉64亿英镑”——这些天文数字组成的标题听上去让人愤慨不已。但事实是，公共支出数据常常都是天文数字，把数据放到上下文里看，分解到每个人头上，你会发现这些数字可能是完全合理的。
这个故事告诉我们？比例系数通常比绝对数值更有内涵。但比例系数也并不总是最正确的呈现方式。从你的数据出发，想想有什么办法能够最忠实的呈现它。
卫报(The Guardian)数据新闻记者James Ball建议所有数据新闻记者汇总一些基本的数字，既避免犯初级错误，也更容易一眼看出数据和结论是否合理，比如全国处于工作年龄段的人有多少、平均工资、就业率等。这不失为一种办法。
2. 相关性不等于因果关系
只要你懂哪怕一点点统计学，你应该知道，相关性和因果关系是两个截然不同的东西。
比如下图：
IE浏览器的市场份额 VS 美国谋杀率数据（图片来自Gizmodo）
这张图中IE浏览器的市场份额与美国谋杀率的关系是我最爱的例子之一－它们俩的超高相关性是不是看上去容易让人迷惑？想了解更多具有欺骗性的相关性，可以上这个名叫“伪相关”(Spurious Correlations)的网站看看（别怪我害你在那儿流连忘返浪费了一整个下午！）
3. 不知道怎样把数据可视化
这个问题值得专门写一篇文章，甚至好几篇文章，不过这里我只能点到为止。
好不容易，你做完了数据分析，挖出了一条大新闻，但一个差劲的视觉化呈现就能让你前功尽弃。糟糕的可视化可能会让读者产生疑问，甚至可能误导他们。比如，请不要这样……
（图片来自Business Insider）
不要用线形图表 (line chart) 表现离散数据，更不要去尝试那些看上去炫酷的3D饼状图，有可能你还在参与那场关于到底能否截短Y轴的永恒辩论
数据可视化是艺术，更是科学。这里有一些好的指导书和网站，教你如何避免这些可视化中的潜在陷阱：
The Functional Art, by Alberto Cairo
Data Visualization – Principles and Practice, by Alexandru Telea
VisualisingData.com
4. 忽略文字叙述
在我看来，这是最重要的一点：
数据新闻给了我们以量化方式探索某个话题的力量，但它仍是新闻的一种，也就是说，它的本质还是storytelling(讲故事)。如果你只是扔出一堆随机数字，那你并没有做好这项工作。数据及其呈现只是一个开端，你要引导你的读者，讲完这个故事。你要让他们理解为什么那些数字如此重要，它们代表了什么。正如数据记者Tanveer Ali在《哥伦比亚新闻评论》(Columbia Journalism Review)中所说：
“数据是讲故事的一种方式，而非故事本身。”
分享到：
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
