Le Scienze - 11.2019

http://www.lescienze.it Le Scienze 85

Tiffany Farrant-Gonzalez (

illustrazione, ago delle elezioni

);

fonte:

Inflation Report

, Bank of England (febbraio 2010) (

grafico del PIL

)

Un ago ballerino nella notte elettorale

A volte, mostrare visivamente l’incertezza può provocare reazioni controverse.

Negli Stati Uniti, durante la notte elettorale delle elezioni presidenziali del 2016,

il New York Times pubblicò sul proprio sito web un’infografica animata che

mostrava le previsioni dei risultati in tempo reale. Una serie ininterrotta di blocchi

colorati costituiva lo sfondo: si andava da una vittoria schiacciante di Clinton (a

sinistra) a una vittoria schiacciante di Trump (a destra). Il modello dei dati a monte

dell’infografica si aggiornava più volte al minuto, con l’arrivo di nuovi risultati locali.

Un ago animato si spostava rapidamente di qua e di là, ancora più spesso di quanto

il modello venisse aggiornato.

Una visualizzazione in costante cambiamento, in una notte che lasciava presagire

eventi inaspettati, mise ansia a molti spettatori. Le

visualizzazioni dell’incertezza dovrebbero

provocare un’ansia proporzionale

all’indeterminazione dei dati, ma

dopo decenni in cui le proiezioni

dei risultati elettorali erano state

visualizzazioni statiche, che

consentivano di trascurare

l’incertezza, il passaggio a

un’infografica che provocava

una reazione viscerale

all’insicurezza fu destabilizzante.

Picturing the Uncertain World: How to Understand, Communicate,

and Control Uncertainity through Graphical Display. Weiner H.,

Princeton University Press, 2009.

Visualizing Uncertainty. Wilke C.O., in Fundamentals of Data

Visualization, O’Reilly Media, 2019.

Uncertainty + Visualization, Explained. Hullman J. e Kay M., serie

di post: https://medium.com/multiple-views-visualization-research-

explained.

Salviamo i big data. Pentland A.S., in «Le Scienze» n. 554, ottobre

2014.

PER APPROFONDIRE

Approcci ibridi

Anziché scegliere un «modello» standardizzato, i graphic designer

possono creare visualizzazioni dell’incertezza efficaci combinando

tecniche diverse. Un esempio è il grafico a ventaglio (fan chart)

reso famoso dalla Banca d’Inghilterra (in figura). Rappresenta i dati

fino al presente (a sinistra della linea puntinata), poi le previsioni

sul futuro (a destra della linea); l’incertezza sul passato è una

componente importante nella valutazione dell’incertezza sul futuro.

Nel grafico a ventaglio si passa dai valori più probabili (tonalità più

intense) ai meno probabili (tonalità più tenui) in una successione

di fasce che rappresentano i diversi livelli di confidenza, a scelta

del lettore. I lettori possono percepire l’informazione dalla posizione

dei bordi delle fasce, oltre che dall’intensità della tonalità. Alcuni

software moderni ideati per costruire grafici statistici rendono facile

la combinazione di approcci diversi per far visualizzare l’elemento

dell’incertezza.

Campioni multipli nel tempo

Rappresentando molti risultati possibili come se fossero i fotogrammi di un cartone

animato, l’incertezza è colta istintivamente e diventa molto più difficile da ignorare.

Questa tecnica, detta del risultato ipotetico (hypothetical outcome plot), può essere

usata per visualizzazioni semplici o complesse. Gli studi sulla percezione indicano che

siamo sorprendentemente bravi a dedurre la distribuzione dei dati dalla frequenza delle

occorrenze: non abbiamo necessariamente bisogno di contare il numero di volte in

cui un evento ha luogo per stimarne la probabilità. Un fattore importante è la velocità

degli eventi, che deve essere abbastanza alta da consentire di mostrare un numero di

campioni sufficiente, ma anche abbastanza bassa perché le persone possano registrare

consapevolmente ciò che hanno visto.

PRO

• Il sistema visivo umano può stimare le probabilità con una buona precisione, senza dover
  necessariamente contare gli elementi presentati.


• Questa tecnica può essere applicata a tipi di dati e a stili di visualizzazioni molto diversi
  fra loro.


• L’animazione rende possibile stimare probabilità che coinvolgono molteplici variabili, cosa
  difficile da fare con i grafici statici.
  CONTRO


• Il campionamento introduce imprecisione, soprattutto se la distribuzione è molto
  deformata dalla presenza di valori isolati.


• Non ci sono garanzie sul numero di campioni a cui il lettore/spettatore presterà attenzione.


• Richiede la creazione di una visualizzazione dinamica o animata, difficile da supportare in
  alcuni mezzi di comunicazione: per esempio, le riviste scientifiche.