Dejar de usar box plots (2021)

Comparaciones injustas: cómo la desigualdad social visualizada puede empeorar la situación

Resumen del estudio

• Una nueva investigación muestra que la elección de gráficos populares puede provocar sesgos sociales inconscientes y reforzar el racismo sistémico.
• Aunque al principio los gráficos puedan parecer inofensivos, en realidad la forma en que visualizan la desigualdad social puede agravar el problema.

Problemas de los gráficos

• Ciertos tipos de gráficos pueden tener un impacto negativo al visualizar la desigualdad social.
• Por ejemplo, los gráficos de barras o de pastel pueden representar negativamente a ciertos grupos.
• Estos gráficos pueden reforzar inconscientemente los prejuicios hacia determinadas razas o grupos sociales.

Resultados del estudio

• El estudio analiza cómo distintos tipos de gráficos cambian la percepción de las personas.
• Algunos gráficos muestran la desigualdad social con mayor claridad, pero al mismo tiempo pueden reforzar prejuicios negativos.
• La investigación subraya que la elección del gráfico puede tener un impacto que va más allá de la simple visualización de datos.

Soluciones

• Para mantener la equidad en la visualización de datos, hay que ser cuidadosos al elegir los gráficos.
• Al visualizar la desigualdad social, es necesario considerar distintas perspectivas y buscar formas de minimizar los sesgos.
• Hace falta comprender y mejorar el impacto potencial de la visualización de datos mediante educación y capacitación.

Opinión de GN⁺

• Importancia de la visualización de datos: la visualización de datos es una herramienta poderosa para transmitir información, pero si se usa mal puede tener efectos negativos.
• Necesidad de educación: es necesario aprender, mediante formación en visualización de datos, cómo reducir los sesgos inconscientes.
• Uso de diversas herramientas de visualización: es importante usar diversas herramientas y métodos de visualización para ofrecer datos justos y equilibrados.
• Responsabilidad social: los profesionales de la visualización de datos deben trabajar con responsabilidad social y considerar el impacto de su trabajo en la sociedad.
• Avance tecnológico: se necesita investigación y desarrollo para mejorar la equidad en la visualización de datos mediante nuevas tecnologías y métodos.

[GN⁺]

Opiniones en Hacker News

• Los box plots no muestran la distribución de los datos con forma de campana. Solo asumen que los datos siguen una forma de campana.
• La única ventaja de los box plots era que se podían dibujar a mano, pero ahora que las computadoras son de uso generalizado, eso ya no aplica.
• Los violin plots y los bee swarm plots son mejores. Los jittered strip plots también pueden servir si se usan con cuidado.
• La gente quiere comprimir muchos números en estadísticas de resumen, pero luego se arrepiente cuando ese resumen lleva a malentendidos. Es un problema humano general.
• El box plot representa la distribución de una sola muestra, y esa incertidumbre no se expresa en los violin plots y otros.
• Mucha gente defiende los box plots, pero no hay ninguna afirmación de que sean los más útiles en situaciones específicas.
• Los box plots son adecuados para mostrar posición y distribución. No son adecuados para mostrar la forma.
• En ciertas situaciones, otros tipos de gráficos de distribución pueden ser útiles. Es mejor no usar box plots con distribuciones que no tienen un solo modo.
• Los box plots son un vestigio de la época en que no se podían imprimir buenos gráficos. Ahora es mejor usar density plots y otros.
• En los jittered strip plots es difícil distinguir la densidad. En su lugar, es mejor usar swarm plots o bee swarm plots.
• La pregunta más importante en diseño es: "¿Cómo podemos comunicar esto de la manera más clara posible?" Hay que usar la herramienta adecuada.
• Los box plots simplifican en exceso la distribución para hacerla más fácil de entender. La media también puede inducir a error, pero eso no significa que deba prohibirse su uso.