数据可视化（如图表和图形）已融入我们的日常生活。
在新冠疫情期间，它们变得尤为普遍，帮助公众理解复杂的数据。
尽管有用，它们也可能具有误导性，有时甚至是故意欺骗。
下次看到地图或图表时，请思考以下3个问题，以便自信地解读其中的信息。
自人类在洞穴壁上作画以来，人们就一直通过图形和图像来表达信息。如今，数据可视化专家认为以视觉方式呈现信息 有助于人们更好地理解 复杂的数据。问题在于，数据可视化也可能让你产生错误的认识，无论图像是制作粗糙还是有意误导。
例如，以4月6日的新闻发布会上白宫新冠病毒工作组成员展示的条形图为例。该图标题为“美国的新冠病毒检测”，显示截至当时已完成近200万次新冠病毒检测。特朗普总统引用该图表来支持其关于检测“正以快速的速度增长”的论断。基于这张图，许多观众可能得出了同样的结论，但这一结论是错误的。
该图表显示的是数月间累计进行的检测总数，而非每日新增的检测数量。
如果按日期绘制每日新增检测数量，你会发现3月至4月间进行的新冠病毒检测确实随时间有所增加，但增幅并不快。这只是众多重要信息未被正确理解或有效传达的案例之一。
作为危害与风险传播研究人员，我经常思考人们如何解读他们日常接触到的图表、图形和地图。
无论这些图表显示的是新冠病例、全球变暖趋势、海啸高风险区域，还是公用事业使用情况，能够正确评估和解读数据都有助于你做出明智的决策。遗憾的是，并非所有数据图表都同样可靠。
如果你能识别图表的陷阱，就能避开糟糕的图表。下次看到图表、地图或其他数据可视化内容时，请考虑以下三个关键问题，以便自信地决定如何处理这一新信息。
这张图表想告诉我什么？
首先阅读标题、查看标签并检查说明文字。如果这些内容缺失，请务必保持警惕。图表的标签位于横轴和纵轴上，地图的标签则位于图例中。人们往往会忽视这些信息，但它们对于将可视化内容中的所有信息置于正确的语境中至关重要。
查看度量单位——它们是以天或年计，摄氏度还是华氏度，计数、年龄还是其他单位？它们在坐标轴上是否均匀分布？近期许多新冠病例累计图表采用对数刻度，其纵轴上的间隔并不相等。这会让不熟悉这种格式的人感到困惑。
例如，MSNBC频道“Rachel Maddow Show”节目中的一张图表，显示了1月21日至3月11日期间美国的新冠病例数。横轴的单位是时间（以月-日格式表示），而纵轴的单位大概是累计病例数，但图表并未明确说明。
这张图表的主要问题在于，相邻日期之间的时间间隔并不均匀。
在修改后的图表中，日期按时间正确间隔排列，新冠病毒确诊病例以折线图的形式呈现，你可以更清楚地看到感染率的指数级增长究竟是什么样子。前30天仅增加了33例病例，而最后四天就增加了584例。
这种看似细微的差别，可以帮助人们理解指数级增长可能多么迅速地急剧攀升，并或许会改变他们对遏制这一增长重要性的看法。
颜色、形状、大小和视角是如何运用的？
颜色起着重要作用，影响人们解读信息的方式。颜色的选择会让你注意到特定的模式，或将你的目光吸引到图形的某些部分。
请看两张描绘山体滑坡易发性的地图，除了配色方案相反外，两者完全相同。你的目光可能会被较深的色调吸引，直观地认为这些区域风险更高。看过图例后，你认为哪种颜色顺序最能代表这些信息？通过关注颜色的使用方式，你可以更好地理解它如何影响你注意到的内容以及你的感知。
特征的形状、大小和方向也会影响你对图形的解读方式。
饼图（如这张展示某一地区就业结构的图表）向来难以解读。注意要从中找出哪个就业类别最高或它们如何排名，有多困难。饼图的扇区没有按大小排列，类别过多（11个！），三维透视会扭曲扇区大小，而且有些扇区与其他扇区分离，使得大小比较几乎不可能。
条形图是更好的信息展示选择，并且有助于显示人们从事的行业。
数据来自何处？
数据来源关系到数据的质量和可靠性。对于带有党派色彩或政治化的数据而言，这一点尤其重要。如果数据采集自一个无法很好代表整体人口的群体，那么数据就可能存在偏差。
例如，3月18日，Fox Business Network主持人卢·多布斯向观众提出了这样一个问题：“你如何评价特朗普总统在对抗武汉病毒这场国家战役中的领导力？”
试想一下，如果只询问共和党人这一问题，而只询问民主党人，结果会有何不同。在本例中，受访者属于自我选择的群体，他们已经选择观看多布斯的节目。例如，该民意调查只能反映该群体的观点，而无法代表美国普通民众的看法。
此外，多布斯在其多项选择题选项中只提供了正面回答——“极好、很好或非常好”——由此可见，这些数据存在明显偏差。
识别偏差和不当的数据收集方法，有助于你判断哪些信息值得信赖。
仔细思考你所看到的内容
在这场疫情期间，信息每时每刻都在涌现。媒体受众每天都被大量事实、图表、图形和地图所包围。如果你能花一点时间，就你在这些数据可视化内容中看到的信息问自己几个问题，你可能会得出与初看时截然不同的结论。
