How to spot a misleading graph - Lea Gaslowitz

Vertaald door: Oeds Eilander Nagekeken door: Peter van de Ven

A toothpaste brand claims their product will destroy more plaque

Een tandpastamerk beweert dat zijn product meer plak verwijdert

than any product ever made.

dan eender welk product ooit gemaakt.

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

Een politicus vertelt je dat zijn plan de meeste banen creëert.

We're so used to hearing these kinds of exaggerations

We zijn zo gewend geraakt aan dit soort overdrijvingen

in advertising and politics

in reclames en de politiek

that we might not even bat an eye.

dat we er niet eens van opkijken.

Maar wat als de claim door een grafiek wordt ondersteund?

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

Een grafiek is immers geen mening.

Afterall, a graph isn't an opinion.

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

Ze representeert onverbloemde getallen, en wie kan die tegenspreken?

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

Toch blijken er vele manieren te zijn waarop een grafiek je kan misleiden

and outright manipulate.

of ronduit manipuleren.

Hier zijn enkele punten om op te letten.

Here are some things to look out for.

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

In deze advertentie uit 1992 beweerde Chevrolet

dat zij de degelijkste trucks in Amerika maakten,

using this graph.

gebruik makend van deze grafiek.

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

Ze toont niet alleen

dat 98% van de in de laatste tien jaar verkochte Chevrolettrucks

are still on the road,

nog steeds rijdt,

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

maar ze lijken twee keer zo degelijk te zijn

als Toyotatrucks.

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

Althans, totdat je de getallen op de Y-as nader beschouwt

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

en ziet dat Toyota's percentage ongeveer 96,5% is.

The scale only goes between 95 and 100%.

De schaalverdeling loopt van 95% tot 100%.

Als ze van 0% tot 100% liep, zou de grafiek er als volgt uitzien.

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

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

Dit is een veelgebruikte methode om data verkeerd voor te stellen:

de schaalverdeling vervormen.

by distorting the scale.

De focus op een klein deel van de Y-as

Zooming in on a small portion of the y-axis

exaggerates a barely detectable difference between the things being compared.

overdrijft een amper op te merken verschil tussen de vergeleken data.

And it's especially misleading with bar graphs

En het is vooral bij staafdiagrammen misleidend,

since we assume the difference in the size of the bars

daar we aannemen dat het hoogteverschil van de staven

evenredig aan de waarden is.

is proportional to the values.

Maar een schaalverdeling kan ook langs de X-as worden vervormd,

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

usually in line graphs showing something changing over time.

wat vaak voorkomt bij lijngrafieken, die veranderingen over een periode tonen.

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

Deze grafiek,

die toont hoe de werkloosheid in Amerika tussen 2008 en 2010 steeg,

manipulates the x-axis in two ways.

is op twee manieren langs de X-as gemanipuleerd.

First of all, the scale is inconsistent,

Ten eerste is de schaalverdeling niet consequent,

compressing the 15-month span after March 2009

doordat de vijftien maanden na maart 2009 dichter bij elkaar zijn gezet

to look shorter than the preceding six months.

om zo korter te lijken dan de voorgaande zes maanden.

Using more consistent data points gives a different picture

Een consequentere schaalverdeling laat zien dat de afname van banen

with job losses tapering off by the end of 2009.

tegen het einde van 2009 stagneert.

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

En mocht je je afvragen waarom het aantal banen eerst afnam:

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

de tijdlijn begint direct na de grootste financiële krach in Amerika

since the Great Depression.

sinds de depressie van de jaren 30.

These techniques are known as cherry picking.

Deze techniek staat bekend als selectief winkelen.

Men kan een tijdspanne nauwgezet kiezen

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

om zo een invloedrijke gebeurtenis buiten beschouwing te laten.

right outside it.

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

En het kiezen van specifieke data

kan belangrijke tussentijdse veranderingen verhullen.

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

Zelfs als er met de grafiek op zichzelf niets mis is,

leaving out relevant data can give a misleading impression.

kan het verhullen van relevante data een valse impressie wekken.

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

Deze grafiek van de jaarlijkse Super Bowl-kijkcijfers

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

laat het lijken alsof de populariteit van het evenement snel stijgt.

But it's not accounting for population growth.

Maar ze houdt geen rekening met de bevolkingsgroei.

De populariteit bleef eigenlijk gelijk:

The ratings have actually held steady

because while the number of football fans has increased,

hoewel het aantal footballfans is toegenomen,

their share of overall viewership has not.

is het percentage footballfans gelijk gebleven.

Finally, a graph can't tell you much

Een grafiek kan je veel wijsmaken

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

als je niet weet wat de waarde van het getoonde is.

Both of the following graphs use the same ocean temperature data

Onderstaande grafieken gebruiken dezelfde data

from the National Centers for Environmental Information.

van de 'National Centers for Environmental Information'.

So why do they seem to give opposite impressions?

Waarom wekken ze dan toch tegenovergestelde indrukken?

The first graph plots the average annual ocean temperature

De eerste grafiek toont de oceaantemperatuur per jaar

from 1880 to 2016,

van 1880 tot en met 2016,

making the change look insignificant.

en laat de verandering onbeduidend lijken.

Maar zelfs een verandering van slechts 0,5 graden Celsius

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

can cause massive ecological disruption.

kan grote ecologische verstoringen teweegbrengen.

This is why the second graph,

Daarom is de tweede grafiek,

die het jaarlijkse gemiddelde van de temperatuurvariatie toont,

which show the average temperature variation each year,

is far more significant.

veel gewichtiger.

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

Correct ingezet, kunnen grafieken ons helpen

om complexe data intuïtief te begrijpen.

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

Maar hoewel software het gebruik van grafieken in media heeft bevorderd,

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

is het eveneens gemakkelijker geworden om grafieken te misbruiken.

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

Dus als je weer eens een grafiek ziet, vertrouw dan niet op de lijnen en curves.

Look at the labels,

Kijk naar de labels,

the numbers,

de getallen,

the scale,

de schaalverdeling en de context,

and the context,

and ask what story the picture is trying to tell.

en vraag je af wat ze je willen laten geloven.