Estadísticas y noticias falsas: una mirada más profunda
Estadísticas y noticias falsas: el mal uso de datos estadísticos alimenta la difusión de noticias falsas, manipulando la percepción pública al explotar la credibilidad que a menudo confieren las cifras.
Las estadísticas se mantienen inmenso El poder como herramienta para comprender fenómenos complejos y tomar decisiones basadas en datos. Sin embargo, este poder es como un espada de doble filo cuando cae en manos de personas malintencionadas que lo explotan para crear y propagar noticias falsas, dando credibilidad a sus narrativas engañosas.
¿Se da cuenta de hasta qué punto el mal uso de las estadísticas puede profundamente ¿Influir en la aceptación y difusión de noticias falsas, haciéndolas pasar por información genuina? Profundiza en este artículo para profundizar penetración sobre el papel fundamental de las estadísticas en la desinformación y el engaño!
El problema
En el centro del dilema de las noticias falsas se encuentra la fabricación de hechos, donde los creadores manipulan la información para servir a sus agendas específicas. Por distorsionista En realidad, se aprovechan de audiencias desprevenidas, explotando temas políticos, ideológicos y financieros como objetivos principales.
Comprender las diversas motivaciones detrás extensión Las noticias falsas son cruciales. Generalmente, los responsables de difundir información errónea se pueden clasificar en tres tipos distintos:
(1) Los incautos: Estos individuos, sin saberlo, comparten “hechos” falsos y creen genuinamente que son ciertos, lo que los convierte en blancos fáciles de manipulación.
(2) El parcial: Estas personas pueden dudar de la integridad del contenido, pero optan por difundirlo por conveniencia personal sin tomarse el tiempo para autentificar su integridad.
(3) Los maliciosos: Este grupo es plenamente consciente de que el contenido es falso pero continúa difundiéndolo, impulsado por intereses ocultos y segundas intenciones.
Los peligros potenciales del mal uso de las estadísticas quedan subrayados por esto. cotización inicial atribuido al ex Primer Ministro del Reino Unido, Benjamin Disraeli, que sirve como advertencia contra el uso de datos como armas con fines dañinos:
Esta reveladora observación resalta que, si bien son poderosas, las estadísticas pueden ser una fuerza engañosa cuando se las utiliza. inapropiadamente, convirtiéndolos en una piedra angular en la construcción de noticias falsas.
Pero ¿por qué las estadísticas desempeñan un papel tan vital en la fabricación de noticias falsas? La respuesta es relativamente sencilla: quienes intentan engañar saben que las estadísticas poseen una capacidad única para prestar la credibilidad a cualquier contenido, haciendo así que sus falsedades parezcan más convincentes para el público desprevenido.
La Solución
El profético Las palabras del renombrado escritor británico HG Wells suenan más ciertas hoy que nunca:
Lamentablemente, el día que Wells previó ya está aquí. El uso generalizado de estadísticas en noticias falsas para reforzar la credibilidad requiere una educado y perspicaz pública.
Para verificar el contenido de manera efectiva (particularmente en lo que respecta a su relación con las estadísticas) debemos cultivar y afinar nuestra pensamiento estadístico habilidades, como lo instó Wells.
Este esfuerzo es esencial para desarrollamos la capacidad de leer, interpretar y comprender información estadística básica, como gráficos, medidas resumidas, tablas y más.
Cuando estamos equipados con estas habilidades, desenterrar estadísticas manipulaciones se convierte en una tarea más manejable.
Le invitamos a explorar más a fondo nuestros artículos para mejorar ¡Tus habilidades de pensamiento estadístico! Además, un aspecto crítico para discernir la verdad es examinar la información de manera lógica y escéptica, asegurándose de verificar la confiabilidad de la fuente de información.
En las siguientes secciones presentaremos ejemplos de técnicas de manipulación estadística comúnmente empleadas para difundir información errónea.
Estudio de caso #01
Un blogger utiliza estadísticas, visuales y textuales. trucos argumentar que el número de abortos en Portugal disminuyó drásticamente después de su legalización.
Además de varios cuestiones en el texto –como por ejemplo omitir datos críticos que impiden un análisis más profundo– presenta un gráfico engañoso.
Aquí observamos un truco común utilizado en los gráficos para confundir al espectador: truncar el eje y en la parte inferior.
Observe que el eje y comienza en 15,800, engañoso al público a creer que unos años después de 2008, el número de abortos cayó a cero.
Los siguientes gráficos demuestran cómo el eje manipulación puede cambiar fácilmente nuestro juicio. Tenga en cuenta que ambos gráficos se construyeron utilizando los MISMOS datos pero en diferentes ejes y: un proceso completamente DIFERENTE surge el patrón.
Esta tecnica infla los datos y transmite ideas distorsionadas de la realidad, especialmente a los desprevenidos.
Otro crucial problema Lo identificado fue que la legalización del aborto ocurrió entre 2007 y 2008, precisamente cuando comienza el gráfico (eje x), suprimiendo datos esenciales de los años previos a la legalización.
Además, el tamaño de la población, un vital variable para este tipo de análisis, no fue considerada.
No estamos afirmando que el número de abortos aumentó o disminuyó después de la legalización. En cambio, utilizamos este caso como ejemplo de datos presentados incorrectamente con la intención de engañar al lector.
Estudio de caso #02
Revista Scholastic MATH publicado un artículo de septiembre de 2017 titulado:
En este artículo, los autores ejemplificar cómo pequeños cambios en los gráficos pueden fácilmente engañar con nosotros.
En este ejemplo nos encontramos con el mismo como se mencionó anteriormente: el truncamiento innecesario de la base del eje y.
Estudio de caso #03
Un sitio web/libro titulado Correlaciones espurias proporciona excelentes ejemplos para recordarnos el dicho: “La correlación no implica causa."
La frase describe que no podemos determinar con precisión un vínculo de causa y efecto entre dos eventos o variables observando su correlación o asociación.
El libro contiene varios ejemplos de variables altamente correlacionadas que claramente carecen de causalidad. relación.
En uno (aqui), se encontró una correlación casi perfecta del 99% entre las variables "tasa de divorcios en Maine" y "consumo per cápita de margarina".
En este caso extremo, debería ser evidente que incluso si existe una correlación muy alta entre dos variables, esto no implica una relación causal. En otras palabras, uno no causa el otro.
Otros ejemplos:
Estudio de caso #04
Las siguientes (aqui) ilustra cómo los creadores de noticias falsas pueden utilizar diferentes medidas de tendencia central Presentar la información según sus necesidades.
La imagen muestra cómo los tres más comunes medidas de tendencia central podría representar el salario medio de los trabajadores de formas completamente diferentes.
En este caso, la media aritmética produce un salario más alto que la mediana y la modo.
Este y muchos otros ejemplos de Cómo mentir con estadísticas ¡Se puede encontrar en este libro clásico!
Estudio de caso #05
En enero 2012, el Wall Street Journal publicó un gráfico comparando proporcionalmente el poder adquisitivo en 1960 y 2000.
Sin embargo, según los valores presentados, la imagen de la izquierda, publicada en el periódico, mostraba engañoso proporciones— el gráfico correcto está a la derecha.
Observaciones finales
Explotar herramientas de una disciplina venerada como la Estadística para difundir ignorancia y desinformación Es una práctica lamentable a la que hay que resistir.
Las estadísticas influyen mucho en las noticias falsas y los préstamos la credibilidad y facilitar su amplia difusión.
Cultivando pensamiento estadístico y masterización herramientas estadísticas son vitales para revelar las verdaderas intenciones detrás de cualquier contenido.
Ser consciente de lo común táctica empleado para tal engaño es crucial y abarca:
(A) distorsiones gráficas, (B) tergiversación de medidas sumarias, (C) lenguaje ambiguo, (D) afirmaciones erróneas de causalidad, (E) omisión de datos o información cruciales, (F) escalas y tamaños visualmente engañosos, (G) sacar conclusiones a partir de muestras pequeñas o sesgadas.
El trabajo fundamental de Darrel Huff, Cómo mentir con estadísticas, explora este tema de manera excelente.
Para concluir, recurrimos a un tema que invita a la reflexión. cotización inicial de Obi-Wan Kenobi a Luke Skywalker en Star Wars: Episodio VI – El regreso del Jedi:
"Luke, encontrarás que muchas de las verdades a las que nos aferramos dependen de nuestro punto de vista."