Une nouvelle étude suggère que le structure dans lequel les graphiques sont présentés peut inciter les gens à être trop optimistes ou pessimistes quant aux tendances affichées par les graphiques.
Des universitaires de la Metropolis, de l’Université de Londres et de l’University College de Londres ont constaté que lorsque les gens faisaient des prédictions sur l’évolution d’une tendance au fil du temps, ils portaient des jugements plus faibles lorsque la tendance était présentée sous forme de graphique de form «histogramme» que lorsque exactement les mêmes données étaient présenté sous la forme d’un graphique linéaire ou d’un graphique composé d’un ensemble de factors de données uniquement.
L’étude comprenait quatre expériences menées en ligne avec plus de quatre mille contributors au whole. Dans les deux premières expériences, les members ont chacun reçu un seul graphique, soit un graphique à barres, un graphique linéaire ou un graphique à details, rempli de 50 factors de données représentant les ventes hebdomadaires réalisées par une entreprise fictive. Les members devaient cliquer sur le graphique pour montrer combien de ventes ils pensaient que l’entreprise ferait dans les huit semaines qui suivaient. Ils ont été incités à donner des réponses précises.
Dans la première expérience, le nombre de ventes dans le graphique fourni augmentait de semaine en semaine, et les participants prévoyaient généralement que les ventes augmenteraient davantage dans la deuxième expérience, les tendances du graphique diminuaient, rendant les individuals furthermore pessimistes quant aux ventes futures.
Néanmoins, dans de nombreux varieties de tendances, les members pensaient systématiquement que les ventes seraient inférieures lorsque les données étaient présentées sous forme de graphiques à barres que de graphiques linéaires ou de graphiques à factors.
Les chercheurs se sont demandé si la raison était que dans les graphiques à barres, la zone à l’intérieur de la barre est généralement fortement ombrée et apparel donc visuellement l’attention sur elle-même, abaissant les estimations des members par rapport aux autres varieties de graphiques où il n’y a pas d’ombrage pour attirer l’œil et interest. Cependant, dans une troisième expérience, ils ont trouvé les mêmes prévisions inférieures pour les barres même lorsque les barres n’étaient pas ombrées.
Dans une quatrième expérience, ils ont testé une variation d’un graphique à barres où les barres émanaient du haut du graphique plutôt que du bas. Bien que des tendances subtiles dans les données suggèrent que cela pourrait inverser le biais, les résultats n’étaient pas concluants.
Stian Reimers, professeur de psychologie et de sciences du comportement à la College of Overall health & Psychological Sciences, City, College of London, et qui a dirigé la recherche, a déclaré :
“Au cours des dernières années, il semble que nous ayons passé beaucoup de temps à examiner des séries chronologiques : qu’il s’agisse du nombre de cas de Covid, des prix de l’électricité ou des taux d’inflation, pour essayer de déterminer ce qui va suivre. Ce que nos recherches montrent, c’est que nos prédictions de ce que nous pensons qu’il va se passer ensuite ne sont pas seulement affectées par les tendances que nous observons, mais aussi par le format dans lequel elles sont affichées. Cela a évidemment des implications pour nous tous alors que nous essayons de prendre des décisions sur la probabilité être en sécurité pour rendre visite à des dad and mom vulnérables, ou si nous pourrons nous permettre de contracter une hypothèque. »
En as well as d’affecter les décisions que les individus prennent, ces biais peuvent également affecter les nombreuses entreprises qui effectuent des analyses telles que la “prévision de la demande”, où les données historiques sont utilisées pour estimer et prédire la demande long run des customers pour un produit ou un service en particulier lorsque ces jugements sont portés sans aide par des individus qui regardent directement des graphiques et estiment comment ils pensent qu’une tendance va se développer.
Cependant, le professeur Reimers pense que ces biais pourraient avoir des avantages :
“C’est potentiellement utile parce que ces forms d’effets de structure pourraient aider à contrer certaines des autres erreurs que les gens commettent lorsqu’ils projettent des tendances dans le futur. De nombreux autres biais que les gens montrent lorsqu’ils essaient d’extrapoler des tendances sont intégrés à notre façon de voir le monde. Le format que nous utilisons pour nos graphiques est quelque selected sur lequel nous avons un contrôle full, il peut donc être doable d’utiliser des formats spécifiques pour aider à éliminer les préjugés intégrés des gens et aider les gens à faire des jugements plus précis.
“Bien que nous ayons eu beaucoup de participants, il ne s’agit que d’un petit ensemble d’études. Il sera intéressant de voir dans quelle mesure ces résultats se généralisent à différents formats et niveaux d’expertise, et passionnant d’essayer de trouver les moyens de présenter les données qui se déroulent. au fil du temps d’une manière qui aide les gens à saisir au mieux l’état du monde et à prédire avec le additionally de précision ce qui est prone de se produire ensuite.”
La recherche est publiée en libre accès dans l’International Journal of Forecasting.