Statistiche e fake news: uno sguardo più approfondito
Statistiche e notizie false: l’uso improprio dei dati statistici alimenta la diffusione di notizie false, manipolando la percezione del pubblico sfruttando la credibilità che spesso i numeri conferiscono.
La statistica possiede un potere immenso come strumento per comprendere fenomeni complessi e prendere decisioni basate sui dati. Tuttavia, questo potere si rivela un'arma a doppio taglio quando cade nelle mani di individui malintenzionati che lo sfruttano per creare e diffondere notizie false, conferendo credibilità alle loro narrazioni ingannevoli.
Ti rendi conto di quanto l'uso improprio delle statistiche possa influenzare profondamente l'accettazione e la diffusione di notizie false, spacciate per informazioni autentiche? Approfondisci questo articolo per comprendere meglio il ruolo cruciale delle statistiche nella disinformazione e nell'inganno!
Il problema
Al centro del problema delle fake news c'è la deliberata falsificazione dei fatti, in cui i creatori manipolano le informazioni per perseguire i propri obiettivi specifici. Distorcendo la realtà, prendono di mira un pubblico ignaro, sfruttando temi politici, ideologici e finanziari come bersagli principali.
Comprendere le diverse motivazioni che si celano dietro la diffusione di notizie false è fondamentale. In generale, i responsabili della diffusione di disinformazione possono essere suddivisi in tre categorie distinte:
(1) Gli incauti: questi individui condividono inconsapevolmente "fatti" falsi, credendo sinceramente che siano veri, diventando così facili bersagli di manipolazione.
(2) I prevenuti: Tali individui possono dubitare dell'integrità del contenuto ma scelgono di diffonderlo per convenienza personale senza prendersi il tempo di verificarne l'integrità.
(3) I Maliziosi: Questo gruppo è pienamente consapevole che il contenuto è falso ma continua a diffonderlo, spinto da interessi nascosti e secondi fini.
I potenziali pericoli derivanti da un uso improprio delle statistiche sono sottolineati da questa citazione attribuita all'ex Primo Ministro britannico Benjamin Disraeli, che funge da monito contro la strumentalizzazione dei dati a fini dannosi:
Questa acuta osservazione evidenzia come, pur essendo potenti, le statistiche possano rivelarsi una forza ingannevole se utilizzate in modo improprio, diventando così un elemento fondamentale nella creazione di notizie false.
Ma perché le statistiche rivestono un ruolo così cruciale nella creazione di notizie false? La risposta è relativamente semplice: chi cerca di ingannare sa che le statistiche possiedono la capacità unica di conferire credibilità a qualsiasi contenuto, rendendo così le loro falsità più convincenti agli occhi del pubblico ignaro.
La Soluzione
The profetiche del celebre scrittore britannico H.G. Wells risuonano oggi più vere che mai:
Purtroppo, il giorno che Wells aveva previsto è arrivato. L'uso pervasivo delle statistiche nelle notizie false per rafforzare la propria credibilità richiede un informato e capace di discernimento . pubblico.
Per verificare efficacemente i contenuti, soprattutto per quanto riguarda il loro rapporto con le statistiche, dobbiamo coltivare e affinare le nostre capacità pensiero statistico , come raccomandato da Wells.
Questo impegno è fondamentale per sviluppare la capacità di leggere, interpretare e comprendere informazioni statistiche di base, come grafici, indicatori riassuntivi, tabelle e altro ancora.
Quando si possiedono queste competenze, smascherare le manipolazioni statistiche diventa un compito più gestibile.
Vi invitiamo ad approfondire la conoscenza dei nostri articoli per migliorare le vostre capacità di ragionamento statistico! Inoltre, un aspetto fondamentale per discernere la verità è esaminare le informazioni in modo logico e scettico, assicurandosi di verificarne l'affidabilità.
Nelle sezioni seguenti, presenteremo esempi di tecniche di manipolazione statistica comunemente impiegate nella diffusione di disinformazione.
Case Study #01
statistici, visivi e testuali Un blogger utilizza stratagemmi per sostenere che il numero di aborti in Portogallo è diminuito drasticamente dopo la loro legalizzazione.
Oltre a diversi problemi presenti nel testo, come l'omissione di dati cruciali che impediscono un'analisi più approfondita, l'autore presenta un grafico fuorviante.
Qui osserviamo un trucco comune utilizzato nei grafici per confondere lo spettatore: troncare l'asse y nella parte inferiore.
Si noti che l'asse y inizia da 15,800, misleading il pubblico e facendogli credere che, pochi anni dopo il 2008, il numero di aborti sia sceso a zero.
I grafici sottostanti dimostrano come la manipolazione degli assi possa facilmente alterare il nostro giudizio. Si noti che entrambi i grafici sono stati realizzati utilizzando gli STESSI dati, ma su assi y diversi: ne emerge un modello completamente DIVERSO il modello emerge.
Questa tecnica gonfia i dati e trasmette un'idea distorta della realtà, soprattutto a chi non è avvezzo a vederla.
cruciale problema individuato è stato che la legalizzazione dell'aborto è avvenuta tra il 2007 e il 2008, proprio all'inizio del grafico (asse x), omettendo dati essenziali relativi agli anni precedenti alla legalizzazione.
Inoltre, non è stata presa in considerazione la dimensione della popolazione, una variabile fondamentale per questo tipo di analisi.
Non stiamo affermando che il numero degli aborti sia aumentato o diminuito dopo la legalizzazione. Utilizziamo invece questo caso come esempio di dati presentati in modo improprio destinati a ingannare il lettore.
Case Study #02
La rivista Scholastic MATH ha pubblicato un articolo nel settembre 2017 intitolato:
In questo articolo, gli autori illustrano come piccole modifiche nei grafici possano facilmente trarci in inganno us.
In questo esempio, riscontriamo lo stesso problema menzionato in precedenza: il troncamento non necessario della base dell'asse y.
Case Study #03
Un sito web/libro intitolato "Spurious Correlations" (Correlazioni spurie) offre ottimi esempi per ricordarci il detto: "La correlazione non implica causalità.”
La frase descrive che non possiamo determinare con precisione un collegamento di causa-effetto tra due eventi o variabili osservando la loro correlazione o associazione.
Il libro contiene diversi esempi di variabili altamente correlate che chiaramente non presentano alcuna relazione.
In un esempio, è stata riscontrata una correlazione quasi perfetta del 99% tra le variabili "tasso di divorzio nel Maine" e "consumo pro capite di margarina".
In questo caso estremo, dovrebbe essere evidente che anche se esiste una correlazione molto elevata tra due variabili, ciò non implica una relazione causale. In altre parole, l'una non è la causa dell'altra.
Altri esempi:
Case Study #04
L' esempio seguente illustra come i creatori di notizie false possano utilizzare diverse misure di tendenza centrale per presentare le informazioni in base alle proprie esigenze.
L'immagine dimostra come le tre misure di tendenza centrale più comuni possano rappresentare lo stipendio medio dei lavoratori in modi completamente diversi.
In questo caso, la media aritmetica produce uno stipendio più alto rispetto alla mediana e alla moda.
Questo e molti altri esempi di Come mentire con le statistiche si possono trovare in questo libro classico!
Case Study #05
Nel gennaio 2012, il Wall Street Journal ha pubblicato un grafico che confrontava proporzionalmente il potere d'acquisto nel 1960 e nel 2000.
Tuttavia, secondo i valori presentati, l'immagine a sinistra, pubblicata sul giornale, mostrava misleading proporzioni il grafico corretto è a destra.
Osservazioni conclusive
Sfruttare strumenti provenienti da una disciplina stimata come la statistica per diffondere ignoranza e disinformazione è una pratica deplorevole che deve essere contrastata.
Le statistiche influenzano notevolmente le notizie false, conferendo loro credibilità e facilitandone l'ampia diffusione.
Coltivare pensiero statistico e padroneggiare gli strumenti statistici è fondamentale per svelare le vere intenzioni che si celano dietro qualsiasi contenuto.
È fondamentale essere consapevoli delle tattiche comuni impiegate per tali inganni, che comprendono:
(a) distorsioni grafiche, (b) rappresentazione errata delle misure riassuntive, (c) linguaggio ambiguo, (d) affermazioni errate di causalità, (e) omissione di dati o informazioni cruciali, (f) scale e dimensioni visivamente ingannevoli, (g) trarre conclusioni da campioni piccoli o distorti.
L'opera fondamentale di Darrel Huff, "Come mentire con le statistiche", esplora questo argomento in modo eccellente.
stimolante citazione di Obi-Wan Kenobi rivolta a Luke Skywalker in Star Wars: Episodio VI - Il ritorno dello Jedi:
“Luke, scoprirai che molte delle verità a cui ci atteniamo dipendono dal nostro punto di vista.“
