关键词：数据可视化，用户认知，偏见
全文共2221字，阅读大约需要5分钟。
UED观察 报道 | 公众号 uedsee
在2020年美国大选期间，数据图已用于预测选举结果。但是，它们也正在塑造我们的看法和偏见。
您所看到的就是全部无论您是看书的封面，观察街上的情侣争吵还是观看电视新闻报道，我们都会根据可获得的有限信息不断做出判断。
我们都有权以自己的方式感知世界。但是，我们的大脑难以做出快速评估，有时可能会导致做出错误和不合理的假设。
在2020年美国大选期间，用于代表政治事件结果的数据可视化地图引起了很多争议。关键的论点是，每张地图都显示出对民主党或共和党的偏见。
数据可视化通常用于讲故事，无论有意还是无意，它们都会影响我们的看法和偏见。在本文中，我们将使用2020年美国大选作为一个小案例研究，以了解信息的图形表示如何扭曲我们的判断。
但首先，让我们看一下认知偏差来自何处……
偏差来自快速直观的思考诺贝尔奖获得者心理学家丹尼尔·卡尼曼（Daniel Kahneman）在他的畅销书《思考的快与慢》中解释说，我们的大脑有两种类型的思维，包括系统1和系统2。
系统1是一种快速，直观的认知类型，它基于学习的技能和联想。这对于绘制即时信息或进行快速估计很有用。例如，我们使用随机的非自愿思维来快速评估人们的表情或解决复杂的问题。
系统2是我们大脑较慢的分析模式，需要引起关注和关注。当我们做一些不自然的事情或需要额外的有意识的努力时，思维类型通常会被激活。
当我们评估某些事物时，系统1会控制我们的思想，并使用内部或外部有限的可用信息来做出判断。但是，系统2通常从第一个开始就接受自动估计，除非存在与我们的思维不一致的东西。
卡尼曼（Kahneman）解释说，不管有多少证据，系统1都会构造出最好的故事。例如，如果您看到一个穿着便服的年轻人，戴着一副Apple AirPods，眼睛粘在智能手机上，您可能会觉得他们是学生，因为它符合连贯的叙述。
当涉及数据可视化时，系统1会相信与我们的思维相一致的任何故事，无论对与错。
数据可视化讲述不同的故事当我写完这篇文章时，2020年美国大选可能仍在争议中。在计算选票时，媒体使用各种数据可视化地图来暗示结果。但是，由于存在某些偏见，因此对统计数据的表示方式进行了严厉批评。
两张地图，两个故事
“人民投票，不是土地投票”是反对常规州和县数据可视化地图的关键论点。资料来源：《卫报》
在上面的数据可视化地图中，我们可以看到投票是由土地而不是人口代表的。这立即给人的印象是，共和党（红色）的选票比民主党（蓝色）的选票多。
现在，让我们以另一种方式查看数据……
下一个数据可视化图提供了另一种视角。现在我们可以看到，民主党的代表人数超过了共和党。
但是，由于民主党人和共和党人之间的选票相差4％，因此任何数据可视化都无法说明真实情况。您可能会说，两张地图都是真实的视觉扭曲，每一张都具有塑造感知和偏见的能力。
让我在两个地图上进行迭代。首先给人以共和党代表的印象，但与城市中心相比，农村地区的权重不成比例。以北卡罗莱纳州为例，它主要是红色的，但是可视化并不能立即告诉您，该州已由民众投票关闭。
第二张图试图通过用颜色和形状的强度表示票数来解决重量不成比例的问题。现在，我们的注意力很容易集中在沿海地区分布的大蓝色圆圈上。这满足了我们对民主党的选票明显增加的看法。
当我们看到上面的地图那样的视觉失真时，我们的系统1思维将做出最快和最简单的假设-是对还是错。这是数据最大的问题之一-可以很容易地操纵它来讲述不同的故事。
可能扭曲我们对现实的认知偏见数据可视化可以通过多种不同方式扭曲我们对现实的感知。以下是一些值得一提的启发式方法……
可用性可用性启发式算法是由获得诺贝尔奖的心理学家Daniel Kahneman和Amos Nathan Tversky于1973年创立的，当我们需要即时信息时，可用性启发式方法可以使我们快速得出结论。但是，虽然心理捷径可能会有所帮助，但它也可能导致错误的评估。
例如，在观看有关多起飞机失事的新闻报道之后，您开始认为飞行是一种不安全的运输方式。当您下次预订假期时，您决定不乘飞机，因为您认为飞机坠毁的可能性很高。
样式样式会影响我们建立与真实情况不同的个人现实。例如，以两瓶葡萄酒为例，其中一瓶的价格可能会高于另一瓶的价格，从而让人感觉到质量和价值更高。该情形也可以发生在价格，颜色和语调的形式。
锚定锚定会影响我们在不同情况下的行为，无论是在服装店购物还是在讨价还价。
当我们迷上一条信息时，我们的决策很可能会受到该锚点的影响。研究证明，人们通常会吸引一些正在推广的东西，而实际上却有更便宜的选择。例如，超市中一堆标有“每位顾客最多12罐”的罐头会吸引顾客购买更多的罐头。
代表性Tversky和Kahneman在1970年代定义的另一种启发式方法。代表性加快了决策过程；但是，这也会导致错误的选择，刻板印象和错误。
例如，您在等公交车时，看到一个有威胁的人，大脸庞和凶狠的眼神。您的初步判断可能会告诉你他是罪犯，并且是不可信任的人。我们所感知的可能并不总是真实的现实。
外卖我们的大脑很难找到适合我们叙述的真实版本。无论我们认为自己有多公正，我们都容易根据获得的有限信息做出判断。
正如我们在美国大选地图上看到的那样，数据可视化可以讲述不同的故事，我们可能并不总是意识到这一点。
当涉及与可视化的统计表示形式进行交互时，我们应该考虑其来源，并在我们对判断力不以为然之前寻找更多证据。
参考资料
[1]https://uxdesign.cc/how-data-visualisation-can-distort-our-perception-of-reality-169713fc2b6e
