![Come (non) imbrogliare con la visualizzazione dei dati | di Michal Szudejko | Aprile 2024
| Intelligenza-Artificiale Come (non) imbrogliare con la visualizzazione dei dati | di Michal Szudejko | Aprile 2024
| Intelligenza-Artificiale](https://intelligenza-artificiale.eu/wp-content/uploads/2024/04/Come-non-imbrogliare-con-la-visualizzazione-dei-dati-di.jpeg)
Non molto tempo fa ho pubblicato un post sulla visualizzazione dei dati utilizzando KNIME. Nella storia di apertura ho usato l'esempio del documentario Una verità scomoda. Il film mostra, tra l'altro, come dati complessi possano essere presentati in modo efficace utilizzando le visualizzazioni. Il film, i concetti e i dati presentati hanno sollevato molte polemiche e controversie. Lo stesso vale per il paragrafo iniziale del mio post.
L'autore ha rimosso i commenti critici dal mio post (o almeno non li vedo più). Tuttavia, queste critiche mi hanno ispirato a condurre un'esplorazione più approfondita in un territorio relativamente inesplorato: le cose da fare e da non fare nel creare visualizzazioni di dati ingannevoli. Questo articolo mira ad affrontare proprio questo argomento, guidando i lettori attraverso le sfumature dell'integrità nella presentazione dei dati.
In questo post presenterò quattordici tattiche di manipolazione dei dati che devi evitare diligentemente di includere nel tuo kit di strumenti di presentazione. Se dovessi scoprire una qualsiasi di queste tattiche in agguato nel tuo lavoro, devi eliminarla senza indugio. Inoltre, ti guiderò attraverso strategie per eludere o correggere facilmente le visualizzazioni che queste tattiche di manipolazione hanno compromesso.
Per quanto riguarda il “territorio inesplorato”…
L'abbondanza di materiali, inclusi articoli, post e libri come “How Charts Lie” di Alberto Cairo, sottolinea la prevalenza di visualizzazioni manipolative dei dati. Introducendo una “prospettiva del trasgressore”, aggiungo il mio contributo e sottolineo la facilità con cui i dati possono essere manipolati. Questa prospettiva non riguarda la colpa, ma la sensibilizzazione sul potenziale di manipolazione accidentale, sottolineando la necessità di accuratezza e integrità etica nel nostro lavoro. L'obiettivo è sottolineare l'impatto significativo delle nostre visualizzazioni sul processo decisionale e sulle opinioni, sostenendo la vigilanza nel trasmettere in modo responsabile le informazioni.
Esame della controversia
Fonte: towardsdatascience.com