Manipulações estatísticas e anomalias visuais: design de visualização de dados e reconhecimento de vieses estatísticos | Statistical manipulations and visual anomalies: data visualization design and statistical bias recognition

Abstract

O mundo contemporâneo é caracterizado por um amplo volume de informações produzidas. Contudo, proceder a seleção e leitura dessas informações por meio de relatos de pesquisa ou de notícias ainda é um desafio. Entre os obstáculos presentes se destacam os vieses da informação, originados por tratamentos de jornalistas ou pesquisadores, ou mesmo provocados intencionalmente para subverter a representação da realidade a partir dos dados obtidos. Assim, o presente estudo visa discutir a interpretação de informações visuais em representações gráficas de cálculos estatísticos de modo a contextualizar alguns dos principais recursos visuais de enviesamento de pesquisa. Para tanto, aborda os principais modos de enviesamento em pesquisas a partir das representações da estatística e da visualização de dados e identifica alguns passos nos quais o enviesamento se traduz em informações visuais. A partir do levantamento realizado, sugere-se que a compreensão visual dos recursos de visualização de dados pode ao menos instigar a indagação do leitor acerca do possível viés.*****The contemporary world is characterized by a large volume of produced information. However, selecting and reading this information through research reports or news is still a challenge. Among the present obstacles stand out the information bias, originated by treatments of journalists or researchers, or even intentionally provoked to subvert the representation of reality from the obtained data. Thus, the present study aims to discuss the interpretation of visual information in graphical representations of statistical calculations in order to contextualize some of the main visual bias features of research. To this end, it addresses the main modes of search bias from statistical representations and data visualization and identifies some steps in which bias translates into visual information. From the study, it is suggested that the visual understanding of data visualization resources may at least instigate the reader's question about the possible bias.