Các “biểu đồ lừa dối” thao túng bạn như thế nào (I)


Trong thời đại hậu - sự thật (nguyên văn: post - truth era) hiện nay, đồ thị, biểu đồ, và bảng số liệu được sử dụng để biểu thị dữ liệu và ý tưởng ngày càng phổ biến.
Nhưng điều quan trọng mà chúng ta cần quan tâm tới là tính xác thực của chúng khi được sử dụng vào mục đích truyền thông. 
Misleading Graphs (tạm dịch: "biểu đồ lừa dối") được sử dụng hoàn hảo để biến một thông tin sai lệch thành một lời tường thuật. Và thông tin đó có thể được lan truyền khắp thế giới trong vòng vài giây, trước cả khi sự thật có thể lên tiếng.
Tất cả những gì cần chỉ là một biểu đồ được lấy từ một nguồn thiếu uy tín, được một loạt các người đua nhau xem, và rồi bùm nó thay đổi hoàn toàn câu chuyện được thế giới thấy.
Dữ liệu không có lỗi, nó chỉ có lỗi khi được biểu diễn bằng các thủ thuật bóp méo. Luôn có cả một trang Wikipedia, một cuộc thảo luận trong Reddit và hàng trăm bài viết về những chiêu trò dùng biểu đồ là công cụ để “dắt mũi” người đọc.
Không có cách nào để ngăn chặn những kẻ vẽ nên thông tin sai lệch ấy, nhưng bạn có thể nhận ra đâu là “biểu đồ lừa dối” khi nhìn thấy chúng. Bởi lẽ một khi bạn biết rõ bạn cần tìm kiếm những thông tin gì, bạn có thể tránh xa chúng - thậm chí là phát giác ra thủ phạm đã tạo ra chúng.
Thêm vào đó, bạn sẽ biết được những phương thức đáng ra nên áp dụng khi tạo dựng mớ “biểu đồ lừa dối” đó và làm thế nào bạn có thể cải thiện kỹ năng Data Visualization của mình.

1. Omitting Baselines (tạm dịch: vát bỏ đường cơ sở)

Vát bỏ đường cơ sở (hay trục của một biểu đồ) là một trong những cách phổ biến nhất để bóp méo thông tin. Đây là thủ thuật thường được sử dụng trên trục tung của biểu đồ cột (Bar Graph) dùng để so sánh các đối tượng với nhau. Khi đó, trục tung thường sẽ không bắt đầu từ mức 0 mà thể hiện một quãng nào đấy và quãng ấy được chia nhỏ ra (phóng đại lên) để nhằm khếch đại sự khác nhau giữa các đối tượng được so sánh. Qua thủ thuật này, các đối tượng có sự khác biệt ít sau đó sẽ trở nên khác nhau đáng kể.
Trong Data Visualization, thủ thuật này thường được biết đến với tên truncated graph (tạm dịch: cắt gọt biểu đồ).
Việc cắt gọt biểu đồ có thể làm một số dữ liệu tưởng chừng như không có gì khác nhau đáng kể trở nên cực kỳ khác biệt.
Hãy nhìn vào ví dụ đầu tiên cho thấy biểu đồ so sánh tỷ lệ những người lần lượt theo các phe Dân chủ, Cộng hòa và  Độc lập trả lời về một vấn đề cụ thể.
misleading graphs
Nguồn

Nếu chỉ nhìn lướt qua, bạn có thể nghĩ số người theo Đảng Dân chủ đồng thuận với Tòa án nhiều gấp ba lần số người ở Đảng Cộng Hòa và Độc lập. Nhưng chỉ cần nhìn kỹ hơn, bạn sẽ thấy sự khác biệt khoảng cách chỉ là 8%. Biểu đồ này được tạo ra rõ ràng để cho thấy một cách nhìn sai lệch về một nhóm người nhất định. Hiển nhiên biểu đồ này được tạo ra để khuyến khích một cái nhìn sai lệch...
Nếu chỉ đơn thuần muốn thể hiện sự khác nhau, hoặc trình bày thông tin một cách khách quan, tác giả của biểu đồ trên có thể vẽ một biểu đồ chính xác hơn, như thế này:
misleading graphs


Khá hơn nhiều rồi đấy!
Một ví dụ khác về việc lợi dụng thông tin để “dắt mũi” người đọc là của hãng thông tấn Fox News (đáng lẽ ra đã nhận được giải thưởng cho mớ biểu đồ lừa lọc như này đây):

Tương tự như ví dụ trước đó, Fox News đang cố gắng lừa dối khán giả. Nhưng chỉ cần nhìn kỹ thì bạn sẽ thấy chênh lệch thật sự không cao đến vậy.
Fox còn đi xa hơn khi đăng lên một biểu đồ thể hiện mức thuế này có vẻ như cao gấp 4 lần so với mức thuế kia.
Trong hình trên, không chỉ số liệu trên trục mà cả tên của biểu đồ cũng được dùng để đưa thông tin sai lệch.
Đây là một phiên bản khác của biểu đồ trên, trong hình này, bạn có thể thấy mức chênh lệch không khác nhiều đến thế:

Điều quan trọng cần nhớ là chiêu trò chỉnh sửa trục biểu đồ này được áp dụng không chỉ trong chính trị mà còn trong các vấn đề nổi cộm khác nữa.
Bạn có thể thấy nó trong lĩnh vực công nghệ:
Thương mại:
Hay là thậm chí là khi nói đến thông tin dinh dưỡng:

Trong thực tế, khi Data Visualization được người khác dùng để củng cố tuyên bố của họ, thì bạn sẽ có cơ hội bắt gặp ở đâu đó một vài “biểu đồ lừa dối” như các ví dụ trên.
(Còn tiếp...)
Nguồn: Ryan McCready (Venngage.com)

Bổ sung:

Trong một số loại biểu đồ, trục tung có thể không bắt đầu từ mức 0 và việc đó là bắt buộc để thể hiện chính xác dữ liệu. Ví dụ trong các biểu đồ nhiệt độ, do nhiệt độ trung bình thường chỉ duy trì trong một mức nào đó và có sự chênh lệch qua thời gian không nhiều, nên trục tung của biểu đồ sẽ chỉ thể hiện các số liệu nằm trong khoảng ấy để người xem dễ dàng theo dõi mức độ dao động hơn. 
Người ta có thể cắt gọt trục tung của biểu đồ để truyền tải thông tin sai, nhưng không phải biểu đồ nào bị cắt gọt thì điều là biểu đồ sai cả. Việc đánh giá biểu đồ đúng hay sai còn phải kết hợp với việc biểu đồ đó trong bài được giải thích như thế nào. Đây là một video từ Vox giải thích rõ hơn về vấn đề trục tung của biểu đồ, mình mong các bạn sẽ dành thời gian tham khảo: 
Mình xin cảm ơn bạn Nhất Chi Mai, bạn Tam Thiếu và bác Huskywannafly đã giúp mình nhận ra sai sót để hoàn chỉnh bài viết hơn.
12.07.2018
Phần 2:
Lời người dịch: 
Cụm từ "thời đại hậu - sự thật" (nguyên văn: post-truth era) trong bài mình dịch chay theo nghĩa đen của từ, vì mình không tìm được từ tiếng Việt nào thích hợp cả. Còn đây là định nghĩa của từ "post - truth'' theo từ điển Oxford: "Relating to or denoting circumstances in which objective facts are less influential in shaping public opinion than appeals to emotion and personal belief."
Đây là lần đầu tiên mình đăng bài, nên nếu có sai sót hay ý kiến gì thì mình mong là mọi người sẽ góp ý .
Cảm ơn Vy Nguyễn đã giúp mình hoàn thiện bản dịch này.
109
7665 lượt xem
109
18
18 bình luận