Как распознать обман в инфографике: главные приёмы манипуляций

Инфографика должна упрощать понимание данных, но может стать и инструментом манипуляции. Специальные приёмы и случайные ошибки могут полностью исказить смысл информации. Расскажем, на что обращать внимание, чтобы не стать жертвой визуального обмана.

Инфографика — это визуальный способ передачи информации с помощью графических элементов: изображений, схем, блоков, диаграмм. Её задача — визуально обозначить паттерны, связи и тенденции в данных, сделать их более наглядными и простыми для понимания.

Одно из важных свойств инфографики — строгое соответствие данным. Если визуальные параметры элементов не соответствуют числовым значениям, инфографика становится не просто бесполезной, а откровенно дезинформирующей. При этом, такие искажения можно разделить на целенаправленные манипуляции, цель которых — обмануть зрителя, и ошибки, вызванные незнанием или невнимательностью. Однако, и те, и другие в равной степени вредят достоверности информации. Именно поэтому оформление инфографики требует пристального внимания.

Намеренные искажения

1. Манипуляции с осями и масштабом — наиболее распространённый способ визуального искажения данных, влияющий на восприятие пропорций и тенденций.

• Обрезание шкалы (Truncated Axis): Начало оси (чаще всего Y) не с начальной точки (чаще всего, нуля), что визуально преувеличивает незначительные различия.

В 2012 году телеканал Fox Business использовал графику с сильно искажённым масштабом, преувеличивающую эффект, который оказало бы окончание действия налоговых льгот президента Буша на граждан страны с высокими доходами. Для сравнения налоговых ставок эпох Буша (35%) и Клинтона (39,6%) телеканал использовал график, где столбцы начинаются с отметки 34%. Этот приём создал ложное впечатление, что разница между значениями почти двукратная, в то время как реальное увеличение составляет менее 5 процентных пунктов.

• Несогласованные масштабы: Визуальное сравнение двух или более наборов данных на графиках с различным масштабом осей, искажающее истинное соотношение показателей.
• Необозначенная нелинейная шкала: Использование логарифмической или степенной шкалы без чёткого указания на это. На таком графике расстояние между 1, 10 и 100 выглядит одинаково, в результате чего крутая линия роста может выглядеть как медленная и плавная, вводя зрителя в заблуждение.

• Использование разных единиц измерения: Сравнение величин в разных единицах (тыс. vs. млн., месяцы vs. годы) без явного указания, что затрудняет корректное сравнение.
• Искажение пропорций между осями: Намеренное сжатие или растяжение одной оси относительно другой для усиления или сглаживания визуального наклона кривых.

Пример: сравнительный график, демонстрирующий разницу среднего роста женщин в разных странах. Глядя на изображение ниже, можно подумать, что женщины в Индии в три раза ниже, чем женщины в Латвии. На самом же деле разница не так велика, однако шкала роста построена так, что визуальный промежуток в 1 дюйм визуально равен промежутку в 1 фут. Из-за этого реальная разница в 7 дюймов (17 см) зрительно увеличивается до невероятных масштабов, вводя аудиторию в заблуждение.

2. Содержательные и статистические искажения — манипуляции, связанные с самими данными и их интерпретацией.

• Подмена корреляции причинностью (связь, которой нет): График, показывающий одновременное изменение двух величин, подаётся так, как если бы одна прямо влияла на изменение другой, без доказательств. Например, график может показать корреляцию между продажами мороженого и случаями солнечных ударов, однако это объясняется общим фактором — жаркой погодой, а не тем, что мороженое вызывает перегрев.

• Выборочное представление данных (Cherry-picking): Использование только тех данных или временных промежутков, которые подтверждают тезис автора, игнорируя противоречащую информацию. Пример: Фондовая компания в рекламе показывает фонд, который показал рост +200% за 5 лет, умалчивая о других 9 своих фондах, которые показали нулевую или отрицательную доходность.
• Отсутствие указания на неопределённость: Представление точечных значений (например, средних) без доверительных интервалов или ошибок измерений может создавать ложное впечатление точности.
• Некорректные агрегации данных: Усреднение, скрывающее важные внутренние вариации и выбросы («средняя температура по больнице»).
• Схемы, которые ведут к неверным выводам: Логические ошибки в построении диаграмм (например, некорректные причинно-следственные цепочки, Venn-диаграммы с неверными пересечениями множеств).

В следующем разделе будут рассмотрены непреднамеренные ошибки и когнитивные искажения, снижающие информативность инфографики, а также предложена методика её верификации.