How to spot a misleading graph - Lea Gaslowitz

المترجم: Nawal Sharabati المدقّق: Eman Shahen

A toothpaste brand claims their product will destroy more plaque

تدّعي ماركات معجون الأسنان بأن منتجاتهم ستقضي على الترسبات

than any product ever made.

أكثر من أي منتج صُنع في أي وقتٍ مضى.

A politician tells you their plan will create the most jobs.

يُخبرك السياسيون بأن خطتهم ستُوجد أكبر عدد من الوظائف.

We're so used to hearing these kinds of exaggerations

اعتدنا على سماع هذه الأنواع من المبالغات

in advertising and politics

في الإعلان والسياسة

that we might not even bat an eye.

التي قد لا نوليها اهتمامنا أبدًا.

But what about when the claim is accompanied by a graph?

ولكن ماذا لو رافق هذا الإدعاء رسمًا بيانيًا؟

Afterall, a graph isn't an opinion.

بعد كل شيء، لا يعتبر الرسم البياني بمثابة رأي.

It represents cold, hard numbers, and who can argue with those?

إنه يمثّلُ أعدادًا حيادية ثابتة، ومَنْ يستطيع أن يجادل هذه الرسوم البيانية؟

Yet, as it turns out, there are plenty of ways graphs can mislead

حتى الآن، كما تبين، يوجد العديد من الوسائل التي يمكنُ للرسوم البيانية أن تخدع

and outright manipulate.

وتتلاعب صراحةً.

Here are some things to look out for.

هنا بعض الأمور التي علينا النظر فيها.

In this 1992 ad, Chevy claimed to make the most reliable trucks in America

في هذا الإعلان عام 1992، ادعت (شيفروليه) أنها تصنع الشاحنات الأكثر ثقةً في أمريكا

using this graph.

مستخدمةً هذه الرسم البياني.

Not only does it show that 98% of all Chevy trucks sold in the last ten years

لم تُظهر فقط أن 98% من كل شاحنات (شيفروليه) بيعت في السنوات العشر الأخيرة

are still on the road,

وأنها ما زالت في الطرقات،

but it looks like they're twice as dependable as Toyota trucks.

لكن بدا وكأنها أفضل مرتين من شاحنات (تويوتا).

That is, until you take a closer look at the numbers on the left

هذا هو الأمر، حتى تنظر عن كثب في الأرقام في الجهة اليسرى

and see that the figure for Toyota is about 96.5%.

وترى بأن النسبة لدى (تويوتا) هي حوالي 96.5%.

يتراوح التدرج ما بين 95 و 100% فقط.

The scale only goes between 95 and 100%.

إذا تأرجح من 0 إلى 100، سيبدو هكذا.

If it went from 0 to 100, it would look like this.

This is one of the most common ways graphs misrepresent data,

هذه هي إحدى الطرق الأكثر شيوعًا والتي تُحرّف فيها الرسومات البيانية المُعطيات

by distorting the scale.

عن طريق تحريف التدرج.

Zooming in on a small portion of the y-axis

تكبير جزء صغير من المحور-(واي/ص)

exaggerates a barely detectable difference between the things being compared.

يبالغُ في الفرق الذي بالكاد يمكنُ اكتشافه بين الأشياء التي يجري مقارنتها.

And it's especially misleading with bar graphs

وإنها مضلله خاصةً مع الرسومات البيانية الشريطية

since we assume the difference in the size of the bars

حيث نفترض الفرق في حجم الأشرطة

يتناسب مع القيم.

is proportional to the values.

But the scale can also be distorted along the x-axis,

لكن يمكنُ أن يتم أيضًا تشويه محور (اكس/س)

usually in line graphs showing something changing over time.

عادةً في الرسوم البيانية الخطية التي تعرضُ تغيير شيء مع مرور الوقت

This chart showing the rise in American unemployment from 2008 to 2010

يظهرُ هذا الرسم الإرتفاع في البطالة في أمريكا ما بين 2008 و 2010

manipulates the x-axis in two ways.

حيتُ يتلاعب محور (اكس/س) بطريقتين:

First of all, the scale is inconsistent,

أولها، التدريخ غير متناسق

compressing the 15-month span after March 2009

يضغطُ دورة 15 شهرًا بعد شهر آذار/مارس 2009

to look shorter than the preceding six months.

ليبدو أقصر من الأشهر الستة السابقة.

Using more consistent data points gives a different picture

يعطي استخدام نقاط المعطيات الأكثر اتساقاً صورة مختلفة

with job losses tapering off by the end of 2009.

مع فقدان الوظائف في نهاية عام 2009.

And if you wonder why they were increasing in the first place,

وإذا تساءلت لماذا كانت الزيادة في المقام الأول

the timeline starts immediately after the U.S.'s biggest financial collapse

يبدأ الجدول الزمني فورًا بعد أكبر انهيار مالي لأمريكا

since the Great Depression.

منذ الكساد الكبير.

These techniques are known as cherry picking.

تُعرفُ هذه التقنيات "باختيار الأفضل بين ما هو متوفر."

A time range can be carefully chosen to exclude the impact of a major event

يمكن اختيار مدى زمني بعناية لاستبعاد آثار حدَث رئيسي كبير

right outside it.

خارجها تمامًا.

And picking specific data points can hide important changes in between.

يمكنُ لاختيار نقاط معطيات محددة اخفاء تغييرات مهمة فيما بينها.

Even when there's nothing wrong with the graph itself,

حتى عندما لا يكون هناك خطأ ما في الرسم البياني نفسه

leaving out relevant data can give a misleading impression.

يمكنُ لاستبعاد معطيات ذات صلة أن يعطي انطباعًا مضللًا.

This chart of how many people watch the Super Bowl each year

هذا المخطط لعدد مشاهدي (السوبر بول)- "كرة القدم الأمريكية" كل عام

makes it look like the event's popularity is exploding.

تجعلها تبدو وكأن الحدث ينفجرُ شعبيًا.

But it's not accounting for population growth.

لكنها لا تحسب النمو السكاني.

The ratings have actually held steady

بقيت التقديرات ثابتة في الواقع

because while the number of football fans has increased,

لأنه بينما زاد عدد مشجعي كرة القدم الأمريكية

their share of overall viewership has not.

لم تزدد حصتهم من إجمالي المشاهدين.

Finally, a graph can't tell you much

أخيرًا، لا يمكنُ للرسم البياني أن يخبرك الكثير

if you don't know the full significance of what's being presented.

إذا لم تكن تعلم الأهمية الكاملة لما يجري عرضه.

Both of the following graphs use the same ocean temperature data

يستخدمُ كلٌ من الرسمين البيانين نفس معطيات درجة حرارة المحيط

from the National Centers for Environmental Information.

من المراكز الوطنية للمعلومات البيئية.

So why do they seem to give opposite impressions?

لذلك، لماذا تبدو أنها تُعطي عكس الإنطباع؟

The first graph plots the average annual ocean temperature

يعرضُ الرسم البياني الأول متوسط درجة حرارة المحيط السنوية

from 1880 to 2016,

من عام 1880 إلى عام 2016،

making the change look insignificant.

مما يجعل التغيير يبدو ضئيلًا.

But in fact, a rise of even half a degree Celsius

لكن في الحقيقة، حتى الارتفاع بقيمة نصف درجة مئوية

can cause massive ecological disruption.

يمكنُ أن يسبّب خللًا بيئيًا هائلًا.

This is why the second graph,

لهذا السبب فالرسم البياني الثاني،

which show the average temperature variation each year,

الذي يظهرُ الاختلاف في متوسط درجات الحرارة كل عام،

is far more significant.

هو أكثر أهمية بكثير.

When they're used well, graphs can help us intuitively grasp complex data.

عندما يتم استخدامها جيدًا، يمكنها مساعدتنا في الفهم البديهي لمعطيات معقدة.

But as visual software has enabled more usage of graphs throughout all media,

شغلت البرمجيات البصرية مزيدًا من الاستخدام للرسوم البيانية في كل وسائل الإعلام

it's also made them easier to use in a careless or dishonest way.

مما جعلتها سهلة الاستخدام بطريقة متهورة وغير نزيهة.

لذلك، عندما ترى رسمًا بيانيًا في المستقبل، لا تتأثر بالخطوط والمنحنيات.

So the next time you see a graph, don't be swayed by the lines and curves.

Look at the labels,

أنظر في الملصقات المسماة،

the numbers,

والأرقام،

the scale,

والتدرج،

and the context,

وفي السياق،

and ask what story the picture is trying to tell.

واسأل ماذا تحاول الصورة أن تقول.

[النهاية]