3 ways to spot a bad statistic | Mona Chalabi

Translator: Dollaya Piumsuwan Reviewer: Rawee Ma

I'm going to be talking about statistics today.

วันนี้ฉันจะพูดถึงสถิติ

If that makes you immediately feel a little bit wary, that's OK,

หากนั่นทำให้คุณรู้สึกกังวลขึ้นมา นั่นโอเคค่ะ

that doesn't make you some kind of crazy conspiracy theorist,

ไม่ได้แปลว่าคุณเป็นพวกนักทฤษฎีสมคบคิด

it makes you skeptical.

แต่คุณเป็นคนขี้สงสัย

And when it comes to numbers, especially now, you should be skeptical.

และเมื่อพูดถึงตัวเลข โดยเฉพาะในปัจจุบัน คุณควรจะสงสัย

But you should also be able to tell which numbers are reliable

แต่คุณควรสามารถที่จะบอกได้ด้วยว่า ตัวเลขไหนน่าเชื่อถือ

and which ones aren't.

และตัวไหนไม่

So today I want to try to give you some tools to be able to do that.

วันนี้ฉันจะให้เครื่องมือ ที่จะช่วยให้คุณทำแบบนั้นได้

But before I do,

แต่ก่อนที่ฉันจะให้

I just want to clarify which numbers I'm talking about here.

ฉันอยากจะทำใหัชัดเจนว่า ตัวเลขตัวไหนที่ฉันพูดถึง

ฉันไม่ได้พูดถึงตัวเลขแบบ

I'm not talking about claims like,

"9 out of 10 women recommend this anti-aging cream."

"9 ใน 10 ของผู้หญิงแนะนำ ครีมต้านริ้วรอยตัวนี้"

I think a lot of us always roll our eyes at numbers like that.

ฉันคิดว่าพวกเราหลาย ๆ คน กรอกตาเมื่อได้ยินตัวเลขเหล่านั้น

สิ่งที่เปลี่ยนไปตอนนี้คือ ผู้คนตั้งคำถามกับสถิติอย่าง

What's different now is people are questioning statistics like,

"อัตราการว่างงานของสหรัฐอเมริกา เท่ากับร้อยละห้า"

"The US unemployment rate is five percent."

What makes this claim different is it doesn't come from a private company,

สิ่งที่ทำให้ตัวเลขนี้แตกต่างคือ มันไม่ได้มาจากบริษัทเอกชน

it comes from the government.

มันมาจากรัฐบาล

About 4 out of 10 Americans distrust the economic data

ตอนนี้ประมาณ 4 ใน 10 ของชาวอเมริกัน ไม่เชื่อในข้อมูลทางเศรษฐกิจ

that gets reported by government.

ที่รายงานโดยรัฐบาล

Among supporters of President Trump it's even higher;

และตัวเลขนี้เพิ่มขึ้น ในกลุ่มผู้สนับสนุนทรัมป์

it's about 7 out of 10.

ประมาณ 7 ใน 10

I don't need to tell anyone here

ฉันไม่จำเป็นต้องบอกใครในที่นี้

that there are a lot of dividing lines in our society right now,

ว่ามีเส้นแบ่งมากมายในสังคมของเราขณะนี้

and a lot of them start to make sense,

และเส้นแบ่งหลายอย่าง ก็เริ่มมีเหตุมีผล

once you understand people's relationships with these government numbers.

เมื่อคุณเข้าใจความสัมพันธ์ของคน กับตัวเลขทางสถิติจากรัฐบาล

On the one hand, there are those who say these statistics are crucial,

ด้านหนึ่ง มีคนบางกลุ่มบอกว่า ตัวเลขสถิติเหล่านี้สำคัญมาก

that we need them to make sense of society as a whole

และเราต้องการมัน เพื่อให้เข้าใจสังคมในภาพรวม

in order to move beyond emotional anecdotes

เพื่อข้ามผ่านเรื่องราวสะเทือนอารมณ์

and measure progress in an [objective] way.

และวัดความก้าวหน้าด้วยวิธีวัตถุวิสัย

And then there are the others,

และก็จะมีคนอีกกลุ่มหนึ่ง

who say that these statistics are elitist,

ที่บอกว่าสถิติเหล่านี้เป็นของพวกอภิสิทธิชน

maybe even rigged;

หรือแม้กระทั่งถูกบิดเบือน

they don't make sense and they don't really reflect

มันไม่มีเหตุผลและไม่ได้สะท้อนให้เห็นถึง

what's happening in people's everyday lives.

สิ่งที่เกิดขึ้นกับชีวิตประจำวันของผู้คน

It kind of feels like that second group is winning the argument right now.

และขณะนี้ก็เหมือนว่าคนกลุ่มที่สอง กำลังชนะการโต้เถียงนี้

We're living in a world of alternative facts,

เราอาศัยอยู่ในโลกที่มี ข้อเท็จจริงทางเลือกมากมาย

where people don't find statistics this kind of common ground,

ที่ที่ผู้คนไม่สามารถ เห็นพ้องต้องกันได้ในเรื่องตัวเลข

this starting point for debate.

และนำไปสู่การถกเถียงกัน

This is a problem.

นั่นเป็นปัญหาค่ะ

There are actually moves in the US right now

ขณะนี้มีการเคลื่อนไหวในสหรัฐอเมริกา

to get rid of some government statistics altogether.

เพื่อกำจัดตัวเลขสถิติต่าง ๆ ที่มาจากรัฐบาล

Right now there's a bill in congress about measuring racial inequality.

ตอนนี้มีร่างกฎหมายในสภา เกี่ยวกับการวัดความเหลื่อมล้ำทางเชื้อชาติ

The draft law says that government money should not be used

ร่างกฎหมายนี้กำหนดว่า จะต้องไม่ใช้เงินของรัฐบาล

to collect data on racial segregation.

ในการเก็บข้อมูลเรื่องการแบ่งแยกเชื้อชาติ

This is a total disaster.

นี่มันหายนะชัด ๆ

If we don't have this data,

หากเราไม่มีข้อมูลนี้

how can we observe discrimination,

เราจะศึกษาการแบ่งแยกได้อย่างไร

let alone fix it?

อย่าพูดถึงการแก้ปัญหาเลย

In other words:

อีกนัยหนึ่งคือ

How can a government create fair policies

รัฐบาลจะออกนโยบายที่เท่าเทียมได้อย่างไร

if they can't measure current levels of unfairness?

หากพวกเขาไม่สามารถ วัดความไม่เท่าเทียมที่เกิดขึ้นได้

This isn't just about discrimination,

ไม่ใช่แค่เรื่องการแบ่งแยก

it's everything -- think about it.

มันคือทุก ๆ เรื่อง ทุกท่านลองคิดดูค่ะ

เราจะออกกฎหมายสาธารณสุขได้อย่างไร

How can we legislate on health care

if we don't have good data on health or poverty?

หากเราไม่มีข้อมูลที่ดี เกี่ยวกับสุขภาพหรือความยากจน

How can we have public debate about immigration

เราจะอภิปรายกันเรื่องผู้อพยพกันได้อย่างไร

if we can't at least agree

หากอย่างน้อยเราไม่สามารถเห็นพ้องกัน

on how many people are entering and leaving the country?

ถึงจำนวนคนที่เข้าและออกประเทศของเรา

Statistics come from the state; that's where they got their name.

สถิติมาจากรัฐบาล และนั่นเป็นที่มาของชื่อเรียกมัน

The point was to better measure the population

ประเด็นก็คือการวัดประชากรให้ดีขึ้น

เพื่อที่จะรับใช้ประชาชนได้ดีกว่าเดิม

in order to better serve it.

เราจำเป็นต้องใช้ตัวเลขทางสถิติจากรัฐบาล

So we need these government numbers,

but we also have to move beyond either blindly accepting

แต่เราจะไม่หลับหูหลับตาเชื่อ

or blindly rejecting them.

หรือหลับหูหลับตาไม่ยอมรับมัน

We need to learn the skills to be able to spot bad statistics.

เราจะต้องเรียนรู้ทักษะ เพื่อที่จะจับค่าสถิติที่ไม่สมเหตุสมผล

I started to learn some of these

ฉันเริ่มเรียนรู้ทักษะเหล่านี้

when I was working in a statistical department

ตอนที่ทำงานอยู่หน่วยสถิติ

that's part of the United Nations.

ขององค์การสหประชาชาติ

Our job was to find out how many Iraqis had been forced from their homes

งานของพวกเราคือหาจำนวนชาวอิรัก ที่ถูกบังคับให้ต้องลี้ภัยออกจากบ้าน

as a result of the war,

เพราะสงคราม

and what they needed.

และพวกเขาต้องการอะไร

มันเป็นงานที่สำคัญมาก ๆ และเป็นงานที่ยากอย่างเหลือเชื่อ

It was really important work, but it was also incredibly difficult.

Every single day, we were making decisions

ทุก ๆ วันเราตัดสินใจ

that affected the accuracy of our numbers --

ในสิ่งที่ส่งผลต่อความถูกต้อง ของตัวเลขของเรา

decisions like which parts of the country we should go to,

การตัดสินใจอย่างเช่น เราควรจะไปส่วนไหนของประเทศ

who we should speak to,

เราควรจะคุยกับใคร

which questions we should ask.

เราควรจะถามอะไร

And I started to feel really disillusioned with our work,

และฉันเริ่มจะตาสว่างเกี่ยวกับงานของพวกเรา

because we thought we were doing a really good job,

เพราะเราคิดว่าเราทำได้ดีมาก ๆ

but the one group of people who could really tell us were the Iraqis,

แต่กลุ่มคนที่จะบอกเราได้จริง ๆ คือชาวอิรัก

and they rarely got the chance to find our analysis, let alone question it.

และพวกเขาไม่มีโอกาสจะได้เห็น หรือตั้งคำถามถึงบทวิเคราะห์ของเรา

So I started to feel really determined

ฉันเลยเริ่มรู้สึกมุ่งมั่นว่า

that the one way to make numbers more accurate

ทางหนึ่งที่จะทำให้ตัวเลขนั้น เป็นตัวเลขที่ถูกต้อง

is to have as many people as possible be able to question them.

คือการเปิดโอกาสให้หลาย ๆ คน ได้ตั้งคำถามเกี่ยวกับมัน

So I became a data journalist.

นั่นทำให้ฉันกลายเป็น นักวารสารศาสตร์ข้อมูล

My job is finding these data sets and sharing them with the public.

งานของฉันคือการหาชุดข้อมูล และเปิดเผยมันสู่สาธารณะ

Anyone can do this, you don't have to be a geek or a nerd.

ใคร ๆ ก็ทำเช่นนี้ได้ คุณไม่จำเป็นต้องเป็นเนิร์ดหรือพวกคลั่งไคล้

คุณไม่ต้องไปสนใจคำพวกนั้น คนใช้คำพวกนั้น

You can ignore those words; they're used by people

ในการพยายามบอกว่าพวกเขาฉลาด ในขณะที่แกล้งถ่อมตัว

trying to say they're smart while pretending they're humble.

ใคร ๆ ก็ทำแบบฉันได้จริง ๆ

Absolutely anyone can do this.

I want to give you guys three questions

ฉันอยากจะให้คำถามคุณสามข้อ

that will help you be able to spot some bad statistics.

ที่จะช่วยให้คุณจับผิดตัวเลขทางสถิติ ที่ไม่สมเหตุสมผล

So, question number one is: Can you see uncertainty?

คำถามแรกคือ คุณเห็นความไม่แน่นอนหรือไม่

One of things that's really changed people's relationship with numbers,

หนึ่งในหลาย ๆ สิ่งที่เปลี่ยนความสัมพันธ์ ของคนกับตัวเลข

and even their trust in the media,

หรือแม้กระทั่งความเชื่อมั่นในสื่อ

has been the use of political polls.

คือการใช้โพลเลือกตั้ง

I personally have a lot of issues with political polls

โดยส่วนตัวฉันมีปัญหาหลายอย่าง กับโพลเลือกตั้ง

because I think the role of journalists is actually to report the facts

เพราะฉันคิดว่าหน้าที่ของนักข่าว คือการรายงานข้อเท็จจริง

and not attempt to predict them,

ไม่ใช่การพยายามทำนายข้อเท็จจริง

especially when those predictions can actually damage democracy

โดยเฉพาะอย่างยิ่งเมื่อการทำนายนั้น สามารถทำร้ายประชาธิปไตยได้

by signaling to people: don't bother to vote for that guy,

ด้วยการส่งสัญญาณให้ประชาชนว่า อย่าไปโหวตให้ชายคนนั้นเลย

เขาไม่มีโอกาสหรอก

he doesn't have a chance.

เราลองพักเรื่องนั้นไว้ก่อน และมาพูดถึง ความถูกต้องแม่นยำของมัน

Let's set that aside for now and talk about the accuracy of this endeavor.

Based on national elections in the UK, Italy, Israel

จากการเลือกตั้งระดับชาติ ในอังกฤษ อิตาลี และอิสราเอล

and of course, the most recent US presidential election,

และแน่นอนค่ะ การเลือกตั้ง ประธานาธิบดีสหรัฐที่เพิ่งผ่านไป

using polls to predict electoral outcomes

การใช้โพลเพื่อทำนายผลการเลือกตั้ง

is about as accurate as using the moon to predict hospital admissions.

มีความถูกต้องแม่นยำพอ ๆ กับการใช้พระจันทร์ ทำนายจำนวนผู้ป่วยที่แอดมิดเข้าโรงพยาบาล

No, seriously, I used actual data from an academic study to draw this.

จริง ๆ นะคะ ฉันใช้ข้อมูลจริง ในการวาดกราฟนี้

There are a lot of reasons why polling has become so inaccurate.

มีหลายเหตุผลว่าทำไมโพลสำรวจ ถึงไม่มีความแม่นยำเลย

Our societies have become really diverse,

สังคมของเราเป็นสังคมที่หลากหลาย

which makes it difficult for pollsters to get a really nice representative sample

ซึ่งยากมากที่คนสำรวจจะได้ กลุ่มตัวอย่างที่เป็นตัวแทนที่ดี

ของประชากรที่ต้องการสำรวจ

of the population for their polls.

People are really reluctant to answer their phones to pollsters,

ผู้คนมักจะลังเลที่จะตอบคำถามทางโทรศัพท์

and also, shockingly enough, people might lie.

และที่น่าตกใจคือ คนอาจจะไม่ตอบความจริง

But you wouldn't necessarily know that to look at the media.

แต่คุณไม่มีทางรู้ได้ จากเพียงแค่เห็นข้อมูลบนสื่อ

For one thing, the probability of a Hillary Clinton win

อีกประการหนึ่ง ความเป็นไปได้ที่ฮิลลารีจะชนะ

was communicated with decimal places.

นำเสนอออกมาในรูปของเลขทศนิยม

We don't use decimal places to describe the temperature.

เราไม่ใช้เลขทศนิยม ในการบอกอุณหภูมิ

How on earth can predicting the behavior of 230 million voters in this country

เป็นไปได้อย่างไรที่คุณจะทำนายพฤติกรรมของ ผู้มีสิทธิเลือกตั้ง 230 ล้านคนในประเทศนี้

be that precise?

ได้แม่นยำขนาดนั้น

And then there were those sleek charts.

นอกจากนี้ยังมีแผนภูมิที่กิ๊บเก๋นั่น

See, a lot of data visualizations will overstate certainty, and it works --

เห็นไหมคะ การแสดงข้อมูลด้วยภาพ บอกความแน่นอนที่เกินจริง และมันได้ผล

these charts can numb our brains to criticism.

ภาพทำให้สมองเราตายด้านต่อการวิจารณ์

When you hear a statistic, you might feel skeptical.

เมื่อคุณได้ยินตัวเลขทางสถิติ คุณอาจรู้สึกสงสัย

As soon as it's buried in a chart,

แต่เมื่อมันถูกแปลงเป็นภาพ

it feels like some kind of objective science,

มันจะรู้สึกเหมือนผลทางวิทยาศาสตร์ ที่น่าเชื่อถือ

and it's not.

แต่มันไม่ใช่

So I was trying to find ways to better communicate this to people,

ฉันเลยหาวิธีที่จะสื่อสารตัวเลข กับคนอื่นให้ดีขึ้น

to show people the uncertainty in our numbers.

เพื่อที่จะแสดงให้คนอื่นเห็นถึง ความไม่แม่นยำในตัวเลขที่เรามี

What I did was I started taking real data sets,

สิ่งที่ฉันทำคือนำชุดข้อมูลที่มีอยู่จริง

and turning them into hand-drawn visualizations,

มาแปลงให้เป็นภาพข้อมูลที่วาดด้วยมือ

so that people can see how imprecise the data is;

เพื่อให้เห็นว่าข้อมูลมันไม่เป๊ะขนาดไหน

so people can see that a human did this,

คนจะได้เห็นว่ามนุษย์ทำสิ่งนี้

a human found the data and visualized it.

มนุษย์หาข้อมูลและแปลงมันเป็นภาพ

For example, instead of finding out the probability

ยกตัวอย่างค่ะ แทนที่จะค้นพบความน่าจะเป็น

of getting the flu in any given month,

ในการเป็นหวัดในเดือนใดก็ตาม

you can see the rough distribution of flu season.

คุณจะเห็นการกระจายตัวอย่างหยาบ ๆ ของฤดูหวัด

This is --

นี่คือ

(Laughter)

(เสียงหัวเราะ)

ภาพที่ไม่ควรให้เห็นตอนกุมภาพันธ์

a bad shot to show in February.

But it's also more responsible data visualization,

แต่มันก็เป็นภาพข้อมูลที่น่าเชื่อถือมาก

because if you were to show the exact probabilities,

เพราะถ้าคุณอยากแสดงให้เห็น ความเป็นไปได้ที่ชัดเจน

maybe that would encourage people to get their flu jabs

นั่นอาจช่วยกระตุ้นให้ คนไปฉีดวัคซีนป้องกันหวัด

at the wrong time.

ในเวลาที่ผิด

The point of these shaky lines

วัตถุประสงค์ของเส้นที่เบี้ยวไปมานี้

is so that people remember these imprecisions,

เพื่อให้คนระลึกได้ถึง ความไม่เป๊ะของข้อมูล

but also so they don't necessarily walk away with a specific number,

และเพื่อให้พวกเขาไม่เดินออกไป พร้อมกับค่าตัวเลขเป๊ะ ๆ

but they can remember important facts.

แต่พวกเขาจะจำข้อเท็จจริงที่สำคัญได้

Facts like injustice and inequality leave a huge mark on our lives.

ข้อเท็จจริงอย่างเช่น ความอยุติธรรมและ ความไม่เท่าเทียมทิ้งรอยขนาดใหญ่ไว้ในชีวิตเรา

Facts like Black Americans and Native Americans have shorter life expectancies

ข้อเท็จจริงอย่างเช่นชาวผิวสีและ ชาวพื้นเมืองอเมริกันมีอายุเฉลี่ยสั้นกว่า

than those of other races,

ชนชาติอื่น ๆ

and that isn't changing anytime soon.

และนั่นจะไม่เปลี่ยนแปลงในเร็ววันนี้

Facts like prisoners in the US can be kept in solitary confinement cells

ข้อเท็จจริงอย่างเช่น นักโทษในสหรัฐอเมริกา สามารถถูกจับขังในห้องขังเดี่ยว

that are smaller than the size of an average parking space.

ที่เล็กกว่าขนาดช่องจอดรถโดยทั่วไป

The point of these visualizations is also to remind people

เป้าหมายของภาพเหล่านี้ก็เพื่อเตือนผู้คนถึง

of some really important statistical concepts,

กรอบแนวคิดทางสถิติที่สำคัญ

concepts like averages.

อย่างเช่น ค่าเฉลี่ย

So let's say you hear a claim like,

สมมติว่าคุณได้ยินคำอ้างว่า

"The average swimming pool in the US contains 6.23 fecal accidents."

"สระว่ายน้ำในสหรัฐโดยทั่วไป จะมีเหตุอุจจาระร่วงเกิดขึ้นถึง 6.23 ครั้ง"

That doesn't mean every single swimming pool in the country

นั่นไม่ได้หมายความถึง สระว่ายน้ำทุก ๆ แห่งในประเทศ

contains exactly 6.23 turds.

จะมีเหตุอุจจาระร่วงเกิดขึ้นถึง 6.23 ครั้งเป๊ะ ๆ

So in order to show that,

และเพื่อแสดงให้เห็นแบบนั้น

I went back to the original data, which comes from the CDC,

ฉันกลับไปดูข้อมูลต้นฉบับ ที่มาจากหน่วยป้องกันโรคติดต่อ

who surveyed 47 swimming facilities.

ที่ทำการสำรวจสระว่ายน้ำ 47 แห่ง

And I just spent one evening redistributing poop.

และฉันใช้เวลาเย็นหนึ่ง ในการจัดเรียงอุจจาระใหม่

So you can kind of see how misleading averages can be.

คุณจะเห็นคร่าว ๆ ว่า ค่าเฉลี่ยทำให้เข้าใจผิดได้ขนาดไหน

(Laughter)

(เสียงหัวเราะ)

OK, so the second question that you guys should be asking yourselves

ค่ะ คำถามที่สอง ที่คุณควรถามตัวเอง

to spot bad numbers is:

เพื่อที่จะมองเห็นค่าสถิติที่ไม่ถูกต้องคือ

Can I see myself in the data?

คุณเห็นตัวเองในข้อมูลนั้นหรือไม่

This question is also about averages in a way,

คำถามก็เกี่ยวข้องกับค่าเฉลี่ยอีกเหมือนกัน

because part of the reason why people are so frustrated

เพราะเหตุผลหนึ่งที่ผู้คนมักหัวเสีย

with these national statistics,

กับสถิติจากรัฐบาล

is they don't really tell the story of who's winning and who's losing

คือตัวเลขเหล่านั้นไม่ได้บอกว่าใครได้ใครเสีย

from national policy.

จากนโยบายของรัฐ

It's easy to understand why people are frustrated with global averages

มันง่ายที่จะเข้าใจว่าทำไมคนถึงหัวเสีย กับค่าเฉลี่ยของโลก

เมื่อมันไม่ตรงกับ ประสบการณ์ส่วนตัวของพวกเขา

when they don't match up with their personal experiences.

I wanted to show people the way data relates to their everyday lives.

ฉันอยากจะแสดงให้ทุกคนเห็นถึง ความเกี่ยวข้องของข้อมูลกับชีวิตประจำวัน

I started this advice column called "Dear Mona,"

ฉันเลยเริ่มเขียนคอลัมน์ปรึกษาปัญหา ชื่อ "Dear Mona"

ซึ่งทุกคนจะเขียนถึงฉัน พร้อมคำถามและข้อสงสัย

where people would write to me with questions and concerns

และฉันจะพยายามตอบด้วยข้อมูลสถิติ

and I'd try to answer them with data.

คนจะถามอะไรฉันก็ได้

People asked me anything.

questions like, "Is it normal to sleep in a separate bed to my wife?"

อย่างเช่น "การนอนคนละเตียงกับภรรยาของผม เป็นเรื่องปกติไหม"

"Do people regret their tattoos?"

"คนที่สักเขาเสียใจไหมกับรอยสัก"

"การตายด้วยเหตุธรรมชาติคืออะไร"

"What does it mean to die of natural causes?"

All of these questions are great, because they make you think

คำถามเหล่านี้มันเยี่ยมมาก เพราะมันทำให้คุณคิด

เกี่ยวกับวิธีที่จะหาตัวเลข และสื่อสารมันออกไป

about ways to find and communicate these numbers.

If someone asks you, "How much pee is a lot of pee?"

หากมีคนถามคุณว่า "ปริมาณฉี่เท่าไหร่ถึงเรียกว่าเยอะ"

which is a question that I got asked,

ซึ่งเป็นคำถามที่ฉันถูกถาม

you really want to make sure that the visualization makes sense

คุณต้องทำให้แน่ใจว่าภาพแสดงข้อมูล มันดูสมเหตุสมผล

to as many people as possible.

กับคนมากที่สุดเท่าที่จะมากได้

These numbers aren't unavailable.

ไม่ใช่ว่าไม่มีตัวเลขพวกนี้

Sometimes they're just buried in the appendix of an academic study.

บางครั้งมันถูกซุกอยู่ในภาคผนวก ของงานวิชาการ

And they're certainly not inscrutable;

และไม่ใช่ว่าเราจะตรวจสอบมันไม่ได้

if you really wanted to test these numbers on urination volume,

หากคุณอยากจะทดสอบ ตัวเลขเกี่ยวกับปริมาณปัสสาวะ

you could grab a bottle and try it for yourself.

คุณสามารถหยิบขวดแล้วลองดูได้ด้วยตัวเอง

(Laughter)

(เสียงหัวเราะ)

The point of this isn't necessarily

ประเด็นคือมันไม่จำเป็นเลย

that every single data set has to relate specifically to you.

ที่ชุดข้อมูลทุก ๆ ชุด จะต้องเกี่ยวข้องสัมพันธ์กับคุณโดยตรง

I'm interested in how many women were issued fines in France

ฉันสนใจเรื่องจำนวนผู้หญิง ที่ถูกปรับในฝรั่งเศส

โทษฐานที่ใส่ผ้าคลุมศีรษะหรือฮิญาบ

for wearing the face veil, or the niqab,

even if I don't live in France or wear the face veil.

แม้ว่าฉันจะไม่ได้อาศัยอยู่ในฝรั่งเศส หรือใส่ผ้าคลุมก็ตาม

The point of asking where you fit in is to get as much context as possible.

วัตถุประสงค์ของการถามว่าคุณอยู่ตรงส่วนไหน คือการที่จะได้รู้บริบทให้มากที่สุด

So it's about zooming out from one data point,

มันคือการออกจากจุดของข้อมูลจุดหนึ่ง

like the unemployment rate is five percent,

เช่น อัตราการว่างงานคือร้อยละ 5

and seeing how it changes over time,

และดูว่าเมื่อเวลาผ่านไป มันเปลี่ยนไปอย่างไร

or seeing how it changes by educational status --

หรือดูว่าสถานภาพทางการศึกษา เปลี่ยนมันไปอย่างไร

this is why your parents always wanted you to go to college --

นี่คือเหตุผลว่าทำไมพ่อแม่ของคุณ ถึงอยากให้คุณเข้ามหาวิทยาลัย

or seeing how it varies by gender.

หรือดูว่ามันผันแปรไปตามเพศอย่างไร

Nowadays, male unemployment rate is higher

ปัจจุบันอัตราการว่างงานของผู้ชายสูงกว่า

than the female unemployment rate.

อัตราการว่างงานของผู้หญิง

Up until the early '80s, it was the other way around.

ช่วงก่อนยุค 80 สภาพมันกลับกัน

This is a story of one of the biggest changes

นี่คือความเปลี่ยนแปลงที่ยิ่งใหญ่อย่างหนึ่ง

that's happened in American society,

ที่เกิดขึ้นในสังคมอเมริกัน

and it's all there in that chart, once you look beyond the averages.

และทุกอย่างมันอยู่บนกราฟนั่น เมื่อคุณมองให้มากกว่าแค่ค่าเฉลี่ย

The axes are everything;

แกนคือทุกอย่าง

once you change the scale, you can change the story.

เมื่อคุณเปลี่ยนเกณฑ์ คุณจะเปลี่ยนเรื่องราวของข้อมูล

OK, so the third and final question that I want you guys to think about

สำหรับคำถามที่ 3 และเป็นคำถามสุดท้าย ที่อยากให้ทุกคนคิดถึง

when you're looking at statistics is:

เมื่อกำลังอ่านค่าสถิติคือ

How was the data collected?

มีการเก็บข้อมูลนั้นอย่างไร

So far, I've only talked about the way data is communicated,

ที่ผ่านมาฉันพูดถึงวิธีการ ที่ใช้สื่อสารข้อมูล

but the way it's collected matters just as much.

แต่วิธีการจัดเก็บข้อมูล ก็มีความสำคัญไม่แพ้กัน

I know this is tough,

และฉันรู้ว่ามันยาก

เพราะวิธีการเก็บข้อมูลมันอาจจะคลุมเครือ และค่อนข้างน่าเบื่อ

because methodologies can be opaque and actually kind of boring,

แต่มีขั้นตอนง่าย ๆ ที่คุณสามารถใช้ตรวจสอบได้

but there are some simple steps you can take to check this.

I'll use one last example here.

ฉันจะใช้ตัวอย่างสุดท้าย

One poll found that 41 percent of Muslims in this country support jihad,

ผลสำรวจหนึ่งพบว่ามีชาวมุสลิมร้อยละ 41 ในประเทศนี้ที่สนับสนุนญิฮาด [สงครามศักดิ์สิทธิ์]

which is obviously pretty scary,

ซึ่งมันค่อนข้างน่ากลัวอย่างเห็นได้ชัด

and it was reported everywhere in 2015.

ข้อมูลนี้ถูกเผยแพร่ทุกที่ในปี 2015

When I want to check a number like that,

และเมื่อฉันอยากตรวจสอบตัวเลขแบบนี้

I'll start off by finding the original questionnaire.

ฉันเริ่มจากการหาแบบสำรวจต้นฉบับ

It turns out that journalists who reported on that statistic

และพบว่านักข่าวที่รายงานสถิตินี้

ignored a question lower down on the survey

ไม่สนใจคำถามที่อยู่ด้านล่างของแบบสำรวจ

that asked respondents how they defined "jihad."

ที่ถามผู้ตอบแบบสอบถามว่าพวกเขา ให้นิยามญิฮาดว่าอย่างไร

And most of them defined it as,

คนส่วนใหญ่ให้นิยามว่า

"Muslims' personal, peaceful struggle to be more religious."

"ความพยายามอย่างสงบของชาวมุสลิม ที่จะแสดงความเลื่อมใสในศาสนาให้มากขึ้น"

Only 16 percent defined it as, "violent holy war against unbelievers."

มีเพียงแค่ร้อยละ 16 ที่ให้นิยามว่า "สงครามศาสนาเพื่อสู้กับผู้ที่ไม่เชื่อในอิสลาม"

This is the really important point:

นี่คือประเด็นที่สำคัญ

based on those numbers, it's totally possible

จากตัวเลขพวกนี้ มีความเป็นไปได้ว่า

that no one in the survey who defined it as violent holy war

ไม่มีผู้ตอบแบบสำรวจคนไหน ที่นิยามฮิญาดว่าสงครามศักดิ์สิทธิ์

also said they support it.

จะบอกว่าสนับสนุนมันด้วย

Those two groups might not overlap at all.

คนสองกลุ่มอาจจะไม่เกี่ยวกันเลยก็ได้

It's also worth asking how the survey was carried out.

มันจะมีประโยชน์มากหากถามว่า ทำการสำรวจกันอย่างไร

This was something called an opt-in poll,

นี่คือสิ่งที่เรียกว่า การสำรวจแบบสุ่ม

which means anyone could have found it on the internet and completed it.

แปลว่าใครที่เห็นแบบสำรวจนี้ บนอินเทอร์เนตก็สามารถตอบแบบสำรวจได้

ไม่มีทางรู้ได้เลยว่า คนตอบ เป็นชาวมุสลิมหรือไม่

There's no way of knowing if those people even identified as Muslim.

And finally, there were 600 respondents in that poll.

และท้ายสุด มีคน 600 คน ตอบแบบสำรวจนั้น

There are roughly three million Muslims in this country,

ในประเทศนี้มีชาวมุสลิมประมาณสามล้านคน

according to Pew Research Center.

ตามที่สำนักวิจัยพิวบอกไว้

That means the poll spoke to roughly one in every 5,000 Muslims

นั่นหมายความว่าแบบสำรวจสื่อสารกับ 1 ในชาวมุสลิมทุกๆ 5000 คน

ในประเทศนี้

in this country.

This is one of the reasons

นี่คือหนึ่งเหตุผล

why government statistics are often better than private statistics.

ว่าทำไมสถิติของรัฐบาล น่าเชื่อถือกว่าสถิติจากหน่วยงานอื่น

A poll might speak to a couple hundred people, maybe a thousand,

แบบสำรวจอาจสื่อสารกับ คนไม่กี่ร้อยคน อาจจะพันคน

or if you're L'Oreal, trying to sell skin care products in 2005,

หรือหากคุณมาจากลอริอัล และพยายามขายผลิตภัณฑ์ดูแลผิวในปี 2015

then you spoke to 48 women to claim that they work.

คุณจะสื่อสารกับผู้หญิง 48 คน ที่อ้างว่าสินค้าคุณได้ผล

(Laughter)

(เสียงหัวเราะ)

Private companies don't have a huge interest in getting the numbers right,

บริษัทเอกชนไม่ได้สนใจ ที่จะได้ตัวเลขที่ถูกต้องมากนัก

they just need the right numbers.

พวกเขาแค่ต้องการตัวเลขที่ใช่

Government statisticians aren't like that.

นักสถิติของรัฐไม่ใช่แบบนั้น

In theory, at least, they're totally impartial,

อย่างน้อยในทางทฤษฎี พวกเขาเป็นกลางมาก

not least because most of them do their jobs regardless of who's in power.

เป็นกลางไม่น้อยเพราะพวกเขาส่วนใหญ่ ทำงานโดยไม่สนว่าใครจะอยู่ในอำนาจ

They're civil servants.

พวกเขาคือข้าราชการ

And to do their jobs properly,

และเพื่อทำหน้าที่ของพวกเขาให้ดี

they don't just speak to a couple hundred people.

พวกเขาไม่ได้สื่อสารกับคนแค่ไม่กี่ร้อยคน

Those unemployment numbers I keep on referencing

อัตราการว่างงานที่ฉันพูดถึงบ่อย ๆ

come from the Bureau of Labor Statistics,

มาจากสำนักงานสถิติแรงงาน

and to make their estimates,

และในการได้ตัวเลขนั้น

they speak to over 140,000 businesses in this country.

พวกเขาสอบถาม จาก 140,000 กว่าบริษัทในประเทศนี้

I get it, it's frustrating.

ฉันรู้ค่ะ ว่ามันน่าหัวหงุดหงิด

If you want to test a statistic that comes from a private company,

หากคุณอยากทดสอบตัวเลขทางสถิติ ที่มาจากบริษัทเอกชน

you can buy the face cream for you and a bunch of friends, test it out,

คุณสามารถลองได้โดยการซื้อครีมทาหน้า ให้คุณและเพื่อนลองใช้

หากมันไม่ได้ผล คุณก็จะบอกได้ว่าสถิตินั้นผิด

if it doesn't work, you can say the numbers were wrong.

แต่คุณจะทดสอบค่าสถิติจากรัฐบาลได้อย่างไร

But how do you question government statistics?

คุณแค่ต้องตรวจสอบทุกอย่าง

You just keep checking everything.

หาว่าพวกเขาเก็บข้อมูลอย่างไร

Find out how they collected the numbers.

หาว่าคุณเห็นทุกอย่าง ที่ควรจะเห็นบนภาพข้อมูลหรือไม่

Find out if you're seeing everything on the chart you need to see.

แต่อย่าเพิ่งหมดหวังกับตัวเลขทั้งหมด เพราะหากคุณทำเช่นนั้น

But don't give up on the numbers altogether, because if you do,

เราจะกำหนดนโยบายสาธารณะอย่างมืดมน

we'll be making public policy decisions in the dark,

อาศัยเพียงแค่ ผลประโยชน์ของเอกชนเป็นเครื่องนำทาง

using nothing but private interests to guide us.

Thank you.

ขอบคุณค่ะ

(เสียงปรบมือ)

(Applause)