Un grafico fuorviante (in inglese misleading graph) è un tipo di rappresentazione visiva (anche visualizzazione dell'informazione o diagramma) che, con o senza intenzionalità, induce in errore o offre una visione distorta dei dati che veicola. In statistica, un grafico fuorviante è anche conosciuto come grafico distorto (in inglese distorted graph) e costituisce un uso sbagliato della statistica.
Il messaggio trasmesso da un grafico è il risultato di una lunga serie di decisioni e interazioni, dalla iniziale raccolta dei dati fino ad arrivare all'insieme di competenze possedute dai lettori. Errori inconsapevoli o scelte intenzionali in qualsiasi punto di questo processo possono creare prodotti fuorvianti. Con riferimento all'intenzionalità, vi sono diverse motivazioni che possono sottendere alla produzione di un grafico fuorviante. Tra queste: la volontà di persuadere o ingannare il pubblico, sostenere un determinato punto di vista, manipolare l'opinione pubblica, condividere disinformazione.
Tali azioni possono influire significativamente sulla decodifica dei dati rappresentati nel grafico, e quindi influenzarne la valutazione ed esplorazione. Allo stesso modo, anche in assenza di intenzionalità, errori inconsapevoli come la scarsa familiarità con i software grafici, l'interpretazione errata dei dati o una conoscenza limitata delle teorie fondamentali della visualizzazione delle informazioni possono avere un effetto simile, ingannando l'osservatore e distorcendo la comprensione dei risultati.
I grafici sono generalmente percepiti come espressioni oggettive della realtà e spesso interpretati come sincero desiderio da parte dell'autore di informare, il che contribuisce a rafforzare il potere persuasivo dei grafici fuorvianti.
Letteratura sul tema
Gli autori che hanno dedicato i loro studi all'analisi dei grafici fuorvianti hanno apportato contributi significativi alla promozione di una pensiero critico in questo ambito. Questi contributi provengono da diverse discipline, spaziando design dell'informazione, alla cartografia, alla statistica, alla semiotica, e alla interfaccia uomo-macchina. Tramite ragionamenti, tassonomie ed esempi pratici, le prospettive offerte da questi autori consentono di sviluppare una visione più approfondita e critica nel valutare la correttezza e l'integrità delle rappresentazioni grafiche dei dati.
Nel 1954, Darrell Huff pubblica Come mentire con le statistiche, un volume illustrato che offre uno sguardo sulle tattiche di manipolazione nella statistica. Si tratta di un libro accessibile che spiega concetti statistici in modo comprensibile per i lettori non esperti. Huff mette in evidenza l'importanza di una lettura critica dei numeri e fornisce strumenti pratici per smascherare le manipolazioni statistiche più comuni. Nel non capitolo, propone il termine "statisticolare" inteso come l'azione di disinformare con l'impiego di materiale statistico. Un buon esempio è il "numero pseudoconnesso", una strategia secondo cui se non si riesce a dimostrare direttamente ciò che si desidera, si cerca di dimostrare qualcos'altro e si finge che sia equivalente. In altre parole, si cerca di creare una connessione artificiale tra due concetti o situazioni che potrebbero non essere intrinsecamente collegati.
Qualche anno dopo, nel 1983, Edward Tufte presenta la prima trattazione ampia sul problema della rappresentazione grafica dei dati: The Visual Display of Quantitative Information . Partendo dall'assunto che una rappresentazione grafica di numeri debba essere direttamente proporzionale alla quantità rappresentata, Tufte teorizza il fattore menzogna. Il fattore menzogna misura la violazione di tale principio ed è definito dal rapporto tra la dimensione di un effetto mostrato nel grafico e la dimensione dell’effetto nei dati.
In una situazione ottimale, in cui cioè la rappresentazione grafica non distorce la percezione dei numeri, il rapporto è uguale a 1. Nei casi in cui il rapporto, invece, risulti maggiore di 1, la rappresentazione può essere considerata fuorviante. Dunque, il grado di "inganno" è direttamente proporzionale alla crescita del fattore. In una situazione ottimale, in cui cioè la rappresentazione grafica non distorce la percezione dei numeri, il rapporto è uguale a 1. Nei casi in cui il rapporto, invece, risulti maggiore di 1, la rappresentazione può essere considerata fuorviante. Dunque, il grado di "inganno" è direttamente proporzionale alla crescita del fattore.
Nel campo della cartografia cartografiche, Mark Monmonier affronta il tema delle mappe come rappresentazione semplificata della realtà e tocca anche la questione delle mappe fuorvianti: attraverso esempi concreti mette in luce le tecniche più comuni e invita i lettori a sviluppare una maggiore consapevolezza critica nell'interpretazione delle informazioni cartografiche.
Nel libro Come i grafici mentono, Alberto Cairo esplora le strategie impiegate per creare grafici ingannevoli, come il cherry picking dei dati, l'uso di scale inappropriate o la manipolazione degli elementi grafici.
Tipi di grafici fuorvianti Esistono diversi tipi di grafici fuorvianti, distinguibili in base al tipo di errore e anche al momento in cui avvengono nel processo di visualizzazione. La seguente tabella prende come modello le categorizzazioni teorizzate da McNutt et Al, Correll, Tufte e Cairo e ne fa una sintesi, citando i casi più comuni di manipolazione intenzionale e non cosciente. Nella tabella è identificato anche il momento in cui la manipolazione avviene nel processo di realizzazione del grafico, seguendo il framework di McNut et Al. Nello specifico, il processo è diviso in quattro fasi:
Curatela - indica l'intero processo di raccolta, misurazione, organizzazione e combinazione dei dati. Gestione - azioni di pulizia, filtraggio, suddivisione, modellazione per trasformare i dati in una forma utilizzabile dal sistema di visualizzazione. Visualizzazione - rendere i dati in un modo leggibile per l'uomo. Lettura - decodifica delle variabili visive di un grafico.
Tipo di manipolazione Processo Problema risultante nel grafico Errori di ortografia Curatela Errori di battitura o di ortografia e capitalizzazioni non coerenti possono creare categorie errate. Cherry pickingCuratela, LetturaSelezione intenzionale di dati che supportano una particolare narrazione, ignorando altre informazioni rilevanti. Record mancanti o ripetuti Visualizzazione Errori nell'inserimento dei dati possono risultare in valori mancanti o ripetuti, creando aggregati o raggruppamenti imprecisi. Aggregazione inadeguata Gestione L'aggregazione può trascurare caratteristiche importanti della distribuzione dei dati, mentre la mancanza di aggregazione può rendere il grafico difficoltoso da interpretare. Valori fuori scala Gestione I valori fuori scala possono avere un forte impatto sull'aggregazione e sulla scala del grafico.Rendere la correlazione uguale alla causalitàGestione, VisualizzazionePuò creare una falsa impressione di una relazione o connessione tra due variabili non correlate. Scale non comparabili Visualizzazione La manipolazione delle scale può esagerare la dimensione dell'effetto, minimizzarla o interpretare erroneamente la direzione dei dati. Visualizzazioni non sequenziali Visualizzazione La visualizzazione in realtà non si basa su un set di dati.Scale irregolari e assi troncheVisualizzazioneEsagera o minimizza le differenze tra valori.Scale logaritmicheVisualizzazionePossono essere di complessa interpretazione per i non esperti e ingannevoli se non menzionate come tali.Effetto 3DVisualizzazioneProduce una prospettiva esagerata e difficoltà di percezione delle proporzioni.PittogrammiVisualizzazioneL'uso di un pittogramma come segno grafico può causare incomprensione sul tipo di variabile visiva codificata (esempio: altezza o area).Colori non discriminantiVisualizzazioneLe palette di colori non percettivamente discriminabili possono generare ambiguità nel riconoscimento delle variabili visive.Scala semantica dei colori inadeguataVisualizzazioneI colori hanno effetti e associazioni semantiche diverse a seconda del contesto culturale di riferimento.Complessità visualeVisualizzazioneLe visualizzazioni troppo complesse possono sopraffare o confondere l'osservatore e nascondere tendenze importanti.Direzioni di scala non convenzionaliVisualizzazioneLa violazione delle convenzioni può causare tempi di lettura più lenti o addirittura l'inversione delle tendenze percepite.Fallacia del tasso di baseLetturaLa tendenza a dare più peso alle informazioni specifiche dell'evento, ignorando del tutto i tassi di base.Grafici inaccessibiliLetturaIl modo in cui i lettori consumano i grafici è eterogeneo e dipende da abilità percettive e background cognitivi.Effetto predefinito (in inglese default effect)LetturaLe impostazioni predefinite possono contribuire in associazioni di variabili non correlate (esempio: palette colori predefinite nei software grafici).
Effetto 3D
La rappresentazione tridimensionale dei dati può risultare allettante, ma presenta diversi problemi che ne rendono l'interpretazione fuorviante. In particolare:
Occlusione. L'occlusione si manifesta quando determinati elementi nel grafico tridimensionale si sovrappongono ad altri, creando ostacoli visivi che impediscono la corretta visualizzazione di tutte le informazioni presenti. Questa sovrapposizione compromette la chiarezza e la completezza della rappresentazione, risultando in una perdita di dettagli significativi. Proiezione. La proiezione di un oggetto tridimensionale su un piano a due dimensioni può creare gerarchie ingannevoli. Gli elementi che si trovano in primo piano appaiono più grandi, mentre quelli sullo sfondo sembrano più piccoli, alterando la relazione tra le dimensioni. Ambiguità percettiva. Nonostante l'informazione visualizzata rimanga la stessa, è difficile mantenere una percezione stabile e coerente. Al fine di prevenire gli effetti precedentemente menzionati, è consigliabile limitare l'utilizzo di grafici tridimensionali a situazioni in cui sia strettamente necessario. Per ovviare a questo tipo di inganno possono essere adottate soluzioni alternative come l'attribuzione di diversi colori o dimensioni alle variabili visive.
Asse troncato
Un asse troncato è una tecnica di rappresentazione grafica in cui l'asse di un grafico viene interrotto o abbreviato, generalmente omettendo una porzione significativa dello spazio tra il valore zero e il valore massimo rappresentato. L'asse troncato può essere utilizzato per enfatizzare le differenze relative tra valori più piccoli o per evidenziare le variazioni in una determinata gamma di dati. Questa tecnica può essere efficace nel rendere le differenze più evidenti e facilitare la visualizzazione dei dati in modo più dettagliato all'interno di una gamma specifica. Tuttavia, è importante essere consapevoli del fatto che un asse troncato può distorcere la percezione dei dati rappresentati. Omettendo una porzione significativa dell'asse, si può alterare la scala e rendere le differenze tra i valori molto più evidenti o ingannare l'osservatore. Pertanto, quando si utilizza un asse troncato, è fondamentale fornire un'adeguata indicazione sull'interruzione dell'asse per garantire una corretta interpretazione dei dati presentati.
Aggregazione inadeguata L'aggregazione dei dati è utile per riassumere l'insieme delle informazioni disponibili, ma è importante riconoscere che questa pratica può comportare la perdita di aspetti cruciali dei dati stessi. Ad esempio, l'aggregazione potrebbe sotto-rappresentare alcune informazioni o sovra-rappresentarne altre, generando un'immagine distorta o incompleta della realtà rappresentata.