糟糕的数据新闻常见的四大问题

2021-01-05 11:59:03 阅读（219） 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。””

以上就是关于糟糕的数据新闻常见的四大问题的相关介绍，更多糟糕的数据新闻常见的四大问题相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对糟糕的数据新闻常见的四大问题有更深的了解和认识。

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？