Estatística e Fake News: O uso indevido de dados estatísticos alimenta a disseminação de notícias falsas, manipulando a percepção pública ao explorar a credibilidade que os números muitas vezes conferem.
A estatística está dentre as diversas ferramentas que pessoas maliciosas usam para criar e dar credibilidade para as fake news (notícias falsas).
Você sabia que o mal uso da estatística pode impactar significativamente na ampla aceitação e disseminação das fake news? Leia este artigo para entender como e porquê!
O Problema
O termo em inglês fake news, que tem sido bastante utilizado ultimamente por aqui, significa nada mais que notícia falsa.
O criador de uma fake news tenta ao máximo maquiar determinado fato para que este se apresente exatamente como quer, de forma distorcida da realidade.
Vários tipos de interesse podem estar relacionados à esta iniciativa, como políticos, ideológicos e financeiros.
Já as pessoas que espalham as fake news podem ser classificadas em três tipos:
(1) Os Desavisados: Não sabem da verdade, disseminando o “fato” por pura e simples ignorância, acreditando ser verdade.
(2) Os Enviesados: Apesar de terem certa desconfiança da informação ou da fonte da notícia, não se dão ao trabalho de confirmar sua veracidade, espalhando-a quando conveniente.
(3) Os Maliciosos: Sabem que a notícia é falsa, mas mesmo assim a espalham por interesses escusos.
A frase abaixo, atribuída ao ex-primeiro-ministro do Reino Unido, Benjamin Disraeli, no século XIX, já apontava como a estatística pode ser utilizada para fins nocivos.
Assim, a estatística está dentre as principais ferramentas utilizadas durante a criação de uma fake news.
Mas você sabe por que a estatística é essencial para a criação de uma fake news?
Por um motivo muito simples: o malfeitor sabe que ela confere à notícia falsa um ar de credibilidade.
A Solução
H. G. Wells (Herbert George Wells), famoso visionário escritor britânico, já alertava:
Sentimos informar que este dia chegou, considerando a abundância atual das fake news usando a estatística para gerar credibilidade.
Sendo assim, para falsear uma fake news — analisando mais especificamente sua relação com a estatística — devemos adquirir a habilidade do pensar estatisticamente, conforme alertado por H. G. Wells.
Precisamos aprender a ler, interpretar, e então entender o significado de informações estatísticas básicas, por exemplo, gráficos, medidas, tabelas, etc.
Com estas habilidades, a tarefa de encontrar qualquer manipulação se torna mais fácil.
Convidamos você a explorar mais nossos artigos para aprimorar suas habilidades de pensamento estatístico! Além disso, um aspecto crítico para discernir a verdade é examinar as informações de maneira lógica e cética, garantindo que você verifique a confiabilidade da fonte da informação.
Outro ponto importante é analisar a informação de forma lógica e questionadora, bem como verificar se a fonte da informação é confiável.
Apresentamos abaixo alguns exemplos de manipulação estatística da informação.
Estudo de Caso #1
Um blogueiro usa de alguns artifícios estatísticos, visuais e textuais para tentar mostrar que após a liberação do aborto em Portugal, esse número havia diminuído drasticamente.
Além dos vários problemas no texto — como omissão de dados e informações importantes, para que uma análise mais profunda fosse feita — ele apresenta o seguinte gráfico.
Aqui é possível observar uma das principais artimanhas utilizadas em gráficos para confundir quem está vendo: um simples corte da parte inferior do eixo y.
Repare que os dados iniciam em 15.800, dando a impressão, para o público geral, que alguns anos após 2008 o número de abortos chegou praticamente em zero.
Os gráficos abaixo mostram de forma mais clara como uma simples manipulação no eixo de um gráfico pode mudar sua conclusão.
Note que ambos os gráficos foram construídos usando os MESMOS dados, mas os eixos apresentam cortes diferentes.
Esta técnica é utilizada em casos como este para inflar os dados ou passar ideias diferentes da realidade aos mais desavisados.
Outro problema crítico é que a liberação do aborto ocorreu entre 2007 e 2008, exatamente quando o gráfico inicia, suprimindo dados importantes de anos anteriores à liberação.
Sem contar que em nenhum momento é levado em consideração o tamanho populacional, variável imprescindível para este tipo de análise.
Repare que aqui não estamos dizendo que após a liberação, o número de abortos tenha aumentado ou diminuído. Mas estamos simplesmente apresentando um exemplo de dados apresentados de forma incorreta com o intuito de enganar o leitor.
Título do Anúncio
Descrição do anúncio. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Estudo de Caso #2
A revista Scholastic MATH fez uma postagem em setembro de 2017 intitulada:
Fake News, Fake Data: How bad data and misleading graphs are fueling fake news.
Neste artigo, os autores exemplificam como pequenas alterações nos gráficos podem nos enganar facilmente.
Neste exemplo, temos o mesmo problema relatado anteriormente: corte desnecessário da base do eixo y.
Estudo de Caso #3
Um site/livro intitulado Spurious Correlations (Correlações Espúrias) contém material com excelentes exemplos para não nos esquecermos da máxima: “correlação não implica em causalidade.”
A frase “correlação não implica em causalidade” refere-se à incapacidade de se deduzir legitimamente uma relação de causa-e-efeito entre dois eventos ou variáveis unicamente com base em uma associação ou correlação observada.
Neste livro é possível observar vários exemplos de correlações altíssimas entre dois eventos; mas ao mesmo tempo essas correlações ocorrem inquestionavelmente sem relação causal alguma.
No exemplo abaixo, uma correlação quase perfeita de 99% foi encontrada entre as variáveis “taxa de divórcio em Maine” e “consumo per capita de margarina”.
Neste tipo de exemplo extremo, deve ficar claro que mesmo que haja uma correlação altíssima entre duas variáveis, isso não implica em relação de causalidade, ou seja, não implica que uma cause a outra.
Outros exemplos:
Estudo de Caso #4
No exemplo abaixo fica claro como os criadores de fake news podem usar diferentes medidas de tendência central para apresentar informações de acordo com sua necessidade.
A imagem mostra o uso de três medidas de tendência central para resumir o salário médio dos trabalhadores de determinada empresa.
Neste caso, a média aritmética retorna um salário mais alto que a mediana e depois a moda.
Este e muitos outros exemplos de Como Mentir Com Estatística estão presentes nesse clássico livro!
Estudo de Caso #5
Em janeiro de 2011 o Wall Street Journal publicou um gráfico para comparar o poder de compra em 1960 e em 2000 proporcionalmente.
No entanto, pelos valores representados, a imagem da esquerda, veiculada no jornal, está incorretamente apresentada, e deveria estar como na imagem da direita.
Título do Anúncio
Descrição do anúncio. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Conclusão
O uso de ferramentas de uma ciência tão nobre quanto a estatística para introduzir desconhecimento maléfico na sociedade é terrível e não deveria ocorrer.
O impacto do uso da estatística na criação de fake news é enorme, pois a credibilidade da notícia falsa vai lá nas alturas e consequentemente sua disseminação aumenta.
O conhecimento do pensar estatístico ou das ferramentas estatísticas pode auxiliar enormemente na descoberta da real intenção da notícia.
Conhecer as principais artimanhas utilizadas para este fim é importante, como:
(a) alterações gráficas,
(b) medidas-resumo distorcidas,
(c) escrita vaga,
(d) falsas afirmações de causalidade,
(e) omissões de dados ou outras informações,
(f) escalas de tamanhos visualmente enganadores,
(g) conclusões com base em amostragens pequenas e tendenciosas.
Há um livro de Darrel Huff intitulado Como Mentir Com Estatística que trata muito bem deste assunto.
Caso tenha se interessado e queira adquirir o livro “Como Mentir Com Estatística”, clique aqui!
A ESTATÍSTICA E AS “FAKE NEWS”