How to spot a misleading graph - Lea Gaslowitz

Translator: Lam Nguyen Reviewer: Ella Phuong

A toothpaste brand claims their product will destroy more plaque

Một hãng kem đánh răng khẳng định sản phẩm của họ sẽ diệt mảng bám

than any product ever made.

sạch hơn mọi sản phẩm khác.

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

Một chính trị gia nói rằng chiến lược của họ sẽ tạo ra nhiều việc làm nhất.

We're so used to hearing these kinds of exaggerations

Ta đã quá quen khi phải nghe các thông tin phóng đại

in advertising and politics

từ quảng cáo hay chính trị,

that we might not even bat an eye.

nhiều đến mức ta chẳng còn để ý đến nữa.

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

Nhưng nếu những khẳng định đó có biểu đồ đi kèm thì sao?

Afterall, a graph isn't an opinion.

Biểu đồ không chỉ là một quan điểm.

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

Chúng thể hiện các số liệu chính xác và ai có thể tranh cãi với chúng ?

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

Nhưng thực ra, có rất nhiều cách để biểu đồ bị sai lệch,

and outright manipulate.

thậm chí bị bóp méo hoàn toàn.

Here are some things to look out for.

Sau đây là vài ví dụ tiêu biểu.

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

Năm 1992, Chevy tuyên bố đã tạo ra những chiếc xe tải tốt nhất nước Mĩ

using this graph.

bằng biểu đồ này.

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

Không những nó chỉ ra 98% số xe tải Chevy đã được bán trong vòng mười năm gần nhất

are still on the road,

hiện vẫn còn được sử dụng,

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

mà nó còn trông giống như xe Chevy bền gấp đôi xe Toyota.

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

Nhưng hãy để ý kỹ hơn các con số ở trục tung bên trái,

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

bạn sẽ thấy số liệu của xe Toyota vào khoảng 96,5%,

The scale only goes between 95 and 100%.

và thang chia chỉ từ 95 tới 100%.

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

Nếu thang chia từ 0 tới 100%, biểu đồ sẽ nhìn như thế này.

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

Đây là cách phổ biến để thể hiện sai lệch dữ liệu trên biểu đồ,

by distorting the scale.

bằng việc thay đổi độ chia của trục.

Zooming in on a small portion of the y-axis

Dù chỉ phóng to một phần nhỏ trên trục tung,

exaggerates a barely detectable difference between the things being compared.

nhưng nó đã phóng đại lên sự chênh lệch ít bị phát hiện giữa các chỉ số so sánh.

And it's especially misleading with bar graphs

Cách này cực hiệu quả với biểu đồ cột,

since we assume the difference in the size of the bars

vì ta hay lầm tưởng độ cao của các cột

is proportional to the values.

tỷ lệ với giá trị thực của nó.

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

Nhưng trục hoành cũng có thể dễ dàng bị bóp méo

usually in line graphs showing something changing over time.

khi thể hiện sự thay đổi theo thời gian ở biểu đồ đường.

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

Biểu đồ này thể hiện sự gia tăng số người thất nghiệp ở Mỹ từ năm 2008 đến năm 2010,

manipulates the x-axis in two ways.

trục hoành của nó đã bị bóp méo theo hai cách.

First of all, the scale is inconsistent,

Thứ nhất, độ chia thời gian không thống nhất,

compressing the 15-month span after March 2009

cắt ngắn độ dài khoảng 15 tháng sau mốc tháng ba năm 2009,

to look shorter than the preceding six months.

để khiến nó trông ngắn hơn khoảng thời gian sáu tháng trước đó.

Using more consistent data points gives a different picture

Sử dụng các mốc dữ liệu đồng nhất sẽ đưa ra một cái nhìn khác

with job losses tapering off by the end of 2009.

với lượng người thất nghiệp giảm dần vào cuối năm 2009.

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

Nếu bạn thắc mắc lý do tại sao số người thất nghiệp lại tăng

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

thì biểu đồ đó được lập ngay sau cuộc khủng hoảng tài chính lớn nhất ở Mỹ

since the Great Depression.

kể từ sau Đại suy thoái.

These techniques are known as cherry picking.

Thủ thuật này được gọi với cái tên "hái cherry".

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

Các khoảng thời gian được chọn cẩn thận để lấp liếm những ảnh hưởng

right outside it.

diễn ra quanh một sự kiện chính.

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

Và chỉ lấy một số mốc thời gian cụ thể để che giấu các thay đổi lớn giữa chúng.

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

Thậm chí khi bản thân biểu đồ không sai,

leaving out relevant data can give a misleading impression.

việc bỏ qua các dữ liệu liên quan sẽ khiến biểu đồ gây cảm giác sai lệch.

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

Biểu đồ dưới đây thể hiện số người xem giải Super Bowl mỗi năm,

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

khiến ta lầm tưởng rằng giải đó đang ngày càng được biết đến.

But it's not accounting for population growth.

Nhưng biểu đồ chưa tính đến sự gia tăng dân số.

The ratings have actually held steady

Tỷ lệ người xem giải hầu như không đổi,

because while the number of football fans has increased,

bởi vì số người hâm mộ bóng bầu dục gia tăng,

their share of overall viewership has not.

nên tỷ lệ của họ so với tổng lượng người xem không đổi.

Finally, a graph can't tell you much

Cuối cùng, biểu đồ hầu như ít hiệu quả

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

nếu bạn không hiểu đầy đủ về vấn đề đang được đề cập tới.

Both of the following graphs use the same ocean temperature data

Cả hai biểu đồ sau đây đều dùng dữ liệu về nhiệt độ của đại dương

from the National Centers for Environmental Information.

từ Trung tâm Dự báo Khí tượng Mỹ.

So why do they seem to give opposite impressions?

Vậy vì sao hai biểu đồ trông hoàn toàn đối nghịch như vậy?

The first graph plots the average annual ocean temperature

Biểu đồ thứ nhất đo nhiệt độ trung bình hằng năm của biển

from 1880 to 2016,

từ năm 1880 tới năm 2016,

making the change look insignificant.

có vẻ như chẳng có thay đổi gì đáng kể.

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

Nhưng thực ra, nhiệt độ chỉ cần tăng thêm nửa độ C

can cause massive ecological disruption.

là đủ để gây ra thảm hoạ sinh học trên quy mô cực lớn.

This is why the second graph,

Đó là lý do biểu đồ thứ hai

which show the average temperature variation each year,

thể hiện sự chênh lệch nhiệt độ trung bình theo năm,

is far more significant.

đã nhấn mạnh tầm quan trọng của vấn đề hơn nhiều.

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

Khi được dùng đúng cách, biểu đồ giúp ta khái quát được các dữ liệu phức tạp.

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

Công nghệ đồ hoạ đã giúp biểu đồ được dùng rộng rãi trong truyền thông,

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

nhưng điều đó cũng khiến chúng dễ bị lạm dụng vào mục đích không tốt.

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

Lần tới khi bạn thấy một biểu đồ, đừng để bị chúng thuyết phục dễ dàng.

Look at the labels,

Hãy để ý kỹ vào các trục,

the numbers,

các con số,

the scale,

cách chia thang đo,

and the context,

và bối cảnh,

and ask what story the picture is trying to tell.

và hãy thắc mắc về điều mà biểu đồ đó muốn thể hiện.