作者：Ian Batterbee

譯者：妍朵樂園

鏈接：https://uxdesign.cc/how-data-visualisation-can-distort-our-perception-of-reality-169713fc2b6e

無論你是在看一本書的封面，還是觀察一對在街上爭吵的夫婦，亦或是看電視新聞報道，我們都在不斷地根據(jù)我們所能獲得的有限信息做出判斷。

我們都有以自己的方式來感知世界的權(quán)利；然而我們的大腦天生就有能力做出快速評估，但有時可能會導(dǎo)致做出錯誤和不合理的假設(shè)。

在2020年美國大選期間，用于代表政治事件結(jié)果的數(shù)據(jù)可視化地圖引起了很多爭論。

關(guān)鍵的爭論是，每張地圖都顯示出對民主黨或共和黨的偏見。

數(shù)據(jù)可視化通常用于講故事，有意或無意的，它們可以塑造我們的看法和偏見。

在本文中，我們將使用2020年美國大選作為一個小案例進(jìn)行研究，以了解信息的圖形化表示如何扭曲我們的判斷。

但首先，讓我們來看看認(rèn)知偏見是來自于哪里的。

一、偏見來自快速和直覺的思考

諾貝爾獎得主和心理學(xué)家丹尼爾·卡尼曼在他的暢銷書《思考快與慢》中解釋說，我們的大腦有兩種類型的思維，包括系統(tǒng)1和系統(tǒng)2。

系統(tǒng)1是一種快速、直觀的認(rèn)知類型。

它基于學(xué)習(xí)的技能和聯(lián)想。這對于描繪即時信息或進(jìn)行快速估算非常有用。例如，我們使用隨機(jī)的，無意識的思考來快速評估人們的表情或解決復(fù)雜的問題。

系統(tǒng)2是我們大腦較慢的分析模式。

需要集中注意力。當(dāng)我們做一些不自然的事或需要額外有意識的努力時，該思維類型通常會被激活。

當(dāng)我們評估事物時，系統(tǒng)1會控制我們的思想，并使用內(nèi)部或外部有限的可用信息來做出判斷。

然而，系統(tǒng)2通常接受來自最初的自動估計，除非存在有與我們的想法所不一致的東西。

卡尼曼解釋說，無論有多少證據(jù)，系統(tǒng)1都能構(gòu)造出最好的故事。

例如，如果你看到一個穿著便服的年輕人戴著一副Apple AirPods耳機(jī)，眼睛盯著手里的智能手機(jī)屏幕，你可能會覺得他們是學(xué)生，因?yàn)樗线B貫的敘述。

當(dāng)談到數(shù)據(jù)可視化時，系統(tǒng)1會相信任何與我們思維一致的故事，不管它是對是錯。

二、數(shù)據(jù)可視化講述不同的故事

在統(tǒng)計選票時，媒體使用各種數(shù)據(jù)可視化地圖來預(yù)測結(jié)果。然而，統(tǒng)計數(shù)據(jù)的代表性因?yàn)轱@示出某些偏差而受到極大批評。

兩張圖，兩個故事：

“根據(jù)人口而不是土地面積投票”是反對常規(guī)州和縣數(shù)據(jù)可視化地圖的關(guān)鍵爭議點(diǎn)。（來源：衛(wèi)報）

在上面的數(shù)據(jù)可視化圖中，我們可以看到投票是由土地而不是人口來表示的。

這立即給人的印象是共和黨（紅色）的票比民主黨人（藍(lán)色）更多，無論后者具有較大的人口票數(shù)差異。

現(xiàn)在讓我們以不同的方式查看數(shù)據(jù)：

另一種表示民意差距的數(shù)據(jù)可視化地圖。（來源：衛(wèi)報）

下一張數(shù)據(jù)可視化地圖提供了另一種視角：現(xiàn)在我們可以看到選擇民主黨的民意代表人數(shù)超過了共和黨。

然而，由于民主黨人和共和黨人之間的選票僅相差4％，因此任何數(shù)據(jù)可視化都無法說明真實(shí)情況。你可以說兩張地圖都是真實(shí)的視覺扭曲，每一張都具有塑造感知和偏見的能力。

讓我重復(fù)比較這兩張地圖。

第一張圖給人的印象是一個龐大的偏向共和黨的民意傾向，但與城市中心相比，農(nóng)村地區(qū)的權(quán)重不成比例。

以北卡羅來納州為例，它主要是紅色的，但視覺化并不能立即告訴你答案，該州的民意支持率其實(shí)很接近。

第二張地圖試圖通過顏色和形狀的強(qiáng)度來表示選票分布，來解決權(quán)重不均衡的問題。

現(xiàn)在，我們的注意力很容易就集中在沿海地區(qū)分布的大藍(lán)色圓圈上。這增強(qiáng)了我們對民主黨獲得大多數(shù)選票的看法。

當(dāng)我們看到上面的地圖那樣的視覺失真時，我們的系統(tǒng)1思維將做出最快和最簡單的假設(shè)——不管是對是錯。

這是數(shù)據(jù)最大的問題之一——它可以很容易地被操縱來講述不同的故事。

認(rèn)知偏差會扭曲我們對現(xiàn)實(shí)的感知

數(shù)據(jù)可視化可以通過多種不同方式扭曲我們對現(xiàn)實(shí)的感知。

以下是一些值得一提的啟發(fā)式方法：

可得性 Availability

諾貝爾獎獲得者丹尼爾·卡尼曼（Daniel Kahneman）和阿莫斯?內(nèi)森?特沃斯基（Amos-Nathan-Tversky）于1973年發(fā)明了可得性啟發(fā)法（availability heuristic），它允許我們在需要即時信息時迅速得出結(jié)論。然而雖然心理捷徑可能會有所幫助，但它也可能會導(dǎo)致錯誤的評估。

例如，在看了多起有關(guān)飛機(jī)失事的新聞報道后，你開始認(rèn)為飛行是一種不安全的運(yùn)輸方式。當(dāng)你下一次預(yù)訂假期時，你決定不坐飛機(jī)，因?yàn)槟阏J(rèn)為飛機(jī)失事的可能性很大。

框架 Framing

一件事如何被描述的方式會影響我們建立一個與真實(shí)情況不同的個人現(xiàn)實(shí)。

例如，以兩瓶葡萄酒為例，其中一瓶的價格可能會高于另一瓶，以產(chǎn)生更高質(zhì)量和更高價值的感覺。

框架啟發(fā)法也可以以價格、顏色和語調(diào)的形式發(fā)生。

錨定 Anchoring

錨定會在不同的場景中塑造我們的行為，無論是在服裝店購物還是在討價還價時。

當(dāng)我們被一條信息所吸引時，我們的決策很可能會受到這個錨的影響。研究證明，人們往往被吸引到正在推廣的東西上，而實(shí)際上卻有更便宜的選擇。

例如，超市中一堆標(biāo)有“每位顧客最多12罐”的湯罐會影響顧客購買更多該罐頭。

代表性 Representativeness

卡尼曼和特沃斯基在20世紀(jì)70年代定義了另一種啟發(fā)式方法。代表性啟發(fā)法（Representativeness heuristic）加速了決策過程；然而，它也可能導(dǎo)致錯誤的選擇、刻板印象和差錯。

例如，當(dāng)你在等公共汽車時，你看到一個人面帶威脅，滿臉邋遢，眼神兇狠。

在沒有任何證據(jù)表明此人可能是什么人的情況下，你的初步判斷可能會告訴你他是一名罪犯，并且是不值得信任的人。我們所感知的未必總是真實(shí)的現(xiàn)實(shí)。

四、總結(jié)

我們的大腦天生就是要尋找一個符合我們敘述的真相的版本。無論我們認(rèn)為自己多么公正，我們都容易根據(jù)可獲得的有限信息做出判斷。

正如我們在美國選舉地圖上看到的，數(shù)據(jù)可視化可以講述不同的故事，但我們可能并不總是意識到這一點(diǎn)。

當(dāng)涉及到與統(tǒng)計數(shù)據(jù)的可視化表現(xiàn)形式進(jìn)行交互時，我們應(yīng)該考慮到它的來源，并在我們對自己的判斷過于迷戀之前尋找更多的證據(jù)。

?

-?END -