Медиаграмотные | Verify


Гео и язык канала: Россия, Русский
Категория: Новости и СМИ


Теория и история медиа. Медианалитика. Новости и мемы о медиа.
Перевожу исследования Рейтер на русский.
Осторожно, тут занудно.
@hvat_za_kolenky

Связанные каналы

Гео и язык канала
Россия, Русский
Категория
Новости и СМИ
Статистика
Фильтр публикаций




Поговорим о моде 🕺🏻 (а еще медиане и среднем арифметическом)
Я бы еще хотела про дисперсию рассказать, но не буду. Жарко, мозг вспотеет.

🦉 Среднее арифметическое – это число, равное сумме всех чисел множества, делённой на их количество.

Среднее арифметическое не дает корректного представления о данных, если между значениями очень большой разброс. То есть, если есть очень большие и очень маленькие значения, то среднее арифметическое не будет отражать реалии «средней» (самой распространенной) ситуации.

🤸🏼‍♂️ Медиана – это число, которое окажется посередине всех значений выборки. Половина значений меньше медианы, половина – больше.

Медиана тоже не покажет корректную картину, если будут экстремально большие или малые значения. «Медианное значение» — это значение одного элемента выборки, который оказался в середине. Но для интерпретации данных этого знания недостаточно.

💃🏻 Мода – это наиболее часто встречающееся значение.

Важно знать, сколько мод в выборке. Например, если при опросе много людей очень плохо оценивают продукт, но много других – очень хорошо, то говорить об одной моде будет неправильно.

Когда в новостях пишут про «среднюю» зарплату, отражать картину будет как раз мода, а не среднее арифметическое. Вот статья про зарплаты на Камчатке, в которой как раз видна разница:

Если рассматривать данные о заработной плате в Камчатском крае за 2017 год, то средняя арифметическая заработная плата — 73 тысячи рублей, мода — 66 тысяч, а медиана — 68 тысяч.

🧑🏼‍💻 Мой совет – смотрите на распределение выборки. Но этот совет плох, потому что кто полезет после прочтения новости об инфляции и зарплате смотреть данные в Росстате? Вот именно.

Поэтому просто не принимайте средние значения близко к сердцу.


Репост из: TJ
Антипрививочники распространили в соцсетях фейк о смерти жительницы Ленобласти после вакцинации «Спутником». На фото «погибшей» — сгенерированный нейросетью снимок модели с лицом Илона Маска. «Частные врачи» поставили ей диагноз «jopae otvalille».

Пост появился в телеграм-канале антипрививочников с 20 тысячами подписчиков. «Очень сложно выкладывать такие фото, но очень хочу, чтобы народ прозрел наконец. Геноцид идёт полным ходом», — написали авторы. Публикацию уже удалили.

https://tjournal.ru/internet/408050


Что еще об этом? 👀

Григорий Юдин рассказывает о том, как проводятся корректные социологические исследования.

Здесь можно почитать главу из книги «Репрезентативность и репрезентация».

Тут простыми словами объясняются ограничения для закона больших чисел.

В книге Аси Казанцевой «В интернете кто-то не прав» есть отличные примеры, к чему приводят некорректные выборки в научных исследованиях. 📱

🧨 И вот отрывок книги «Максимальный репост. Как соцсети заставляют нас верить фейковым новостям» Борислава Козловского. Рекомендую обратить внимание на то, как люди формируют мнение о повестке, основываясь на ленте в Facebook.

Статья на Идеономике об ошибке выжившего и ее опасностях.

А вот анонс к следующему посту. Статья Ножа об основах статистики. О выборке тут тоже есть.




Хочу поговорить о репрезентативности 🦧

Репрезентативность – это свойство части по корректному отражению целого. 🌎 Можем ли мы по части, на которую мы смотрим, сделать вывод обо всем объекте? Исследуемая нами часть объекта (выборка) – является ли она моделью объекта (генеральной совокупности)?

Обычно это условие соблюдается в научных исследованиях, если выборка случайна. Это объясняется законом больших чисел. Закон гласит, что мы можем быть в достаточной степени уверены, что если среднее по нашей выборке достаточно близко к «настоящему», то оно хорошо его описывает.

И здесь важно. Закон будет работать, если он работает с корректными данными.

Например, если мы хотим узнать, что думают все студенты России о законе об образовании, мы не можем строить выводы на основе опросов студентов только из Петербурга. Состав опрошенных студентов должен быть похож на состав студентов вообще (по полу, возрасту, специальностям, доходу и так далее). 🕵🏼

Это важно, потому что часто в новостях встречаются ссылки на результаты опросов. Аргумент убедительный – это ссылка на общественное мнение. Но если опрос проведен некорректно, то и выводы будут неверными.

Правильная выборка – это тело человека в миниатюре. Неправильная – это только нога или голова тела.

Еще часто непонимание репрезентативности приводит к появлению аргументов в духе «много человек возмутились этим в Твиттере, это уже нельзя игнорировать». Начнем с того, что Твиттер у каждого свой (про алгоритмы не забывайте). И к тому же я сомневаюсь, что пишущее население Твиттера репрезентативно по отношению ко всему населению России.

Пример из жизни. 🤸🏼‍♂️ Про ВкусВилл. Обсуждали со знакомой реакцию общественности на пиар компанию бренда. Кто не в курсе, почитайте тут. И она мне говорит, что удалением поста и гомофобией недовольно больше людей, чем было тех, кто кинулся осуждать магазины в пропаганде ЛГБТ-отношений. В качестве аргумента она приводит количество комментариев под постом об удалении статьи.

Пост в Инсте – это рука. Можем ли мы по ней представить, как выглядит остальное тело?

Вы уже наверняка поняли, что не так с этим аргументом. Никто не проводил контент-анализ комментариев – раз. Мы не знаем, что в них на самом деле написано. Два – сколько людей, которые возмутились статьей о квир-семье, просто ничего не написали и не стали отстаивать мнение под этим постом? Три – насколько аудитория бренда в Инстаграме репрезентативна по отношению к российскому обществу? 🤷🏼

Не эти вопросы ответов нет. Поэтому аргумент этот не засчитывается.

По этим уже причинам не считается сильным аргумент «от личного опыта». Жизнь одного человека или нескольких его знакомых не будет корректной моделью мира вообще – и даже города или района. 💁🏼




На связи авторка канала Медиаграмотные

И да, я авторка. 👩🏼‍🎓 Хочу прояснить несколько моментов по феминитивам.

Находясь в медиа, хорошо бы знать правила не только потребления информации, но и ее производства. Одна из таких практик – употребление лексики, указывающей на гендер человека.

Вокруг темы много вопросов, споров, неприятия и, наоборот, восторгов. 💃🏻 Это дискуссия, поэтому правильных ответов тут нет — я изложу свою точку зрения и свои правила общения.

📑 И вот список, что можно почитать, посмотреть, послушать на досуге:

Тест от DOXA, которых наглядно показывает, как сложно читать тексты без феминитивов.

Книга Ирины Фуфаевой «Как называются женщины?» — книга именно лингвистическая. Ирина Фуфаева работает в Институте лингвистике РГГУ и в эфире Эха рассказывала о книге.

Исследования Александра Пиперски о конструировании языков. Он рассказывает о том, как в языках появлялась (или нет) категория рода. И отдельно — о русском языке: древняя Русь, СССР и современность.

Подкаст уже не Медузы (иностранного, мать вашу, агента), Техники речи — выпуск «Розенкранца и Гильденстерна». Короткое введение в тему от профессиональных лингвистов.

Лекция культуролога Оксаны Мороз «Почему бесят феминитивы?». Тут, кстати, важный момент о том, почему я не употребила феминитив в прошлом предложении.

Kuji подкаст с Максимом Кронгаузом — это разговор не только о гендерных суффиксах, но и о словах-паразитах и культуре речи.

В качестве итога — обзорная статья на ПостНауке. Эксперты в области лингвистики, социологии, культурологии рассуждают о феминитивах с разных позиций и научных оптик.

Пиши, что думаешь в личные сообщения или в комментарии 👇🏻




Цифры и композиция: 🏌🏽 сказать все, не сказав ничего

Преклоняюсь перед находчивостью таких новостников. Нередко встречаю жонглирование цифрами.

Эффективны подобные 👆🏻 тексты чем?

🧏🏻 Ты запоминаешь фрагмент, которые больше всего цепляет.
В новости РИА — это мысль о том, что инфляция всего 0,1%. При этом, скорее всего, не отразится информация о том, что это динамика за неделю.

🙈Большое количество цифр (еще и в скобочках другие цифры) при просматривании (а кто читает новости внимательно?) ускользают.
Ты идешь взглядом к заключению, где снова небольшие цифры инфляции.

✅ И раз-два — можно тиражировать заголовки, что продуктовая инфляция в России всего 0,1%!

Фейк? Нет!

Хочется ли мне от этого орать чаечкой? Да!


Репост из: Канал Newочём
Фактчекинг — это важный и полезный инструмент, но критическое мышление зачастую может нам мешать, заставляя нас тратить слишком много времени на то, о чем можно было бы сделать неутешительный вывод за пару минут. Наше внимание — дефицитный товар, и эта небольшая статья дает несколько советов о том, как тратить его с умом.

Среднее время прочтения — 8 минут

https://newochem.io/kak-otsenit-info/


Никому не доверяй своих самых страшных тайн…
#практика

👀 Но не о песне Сплина сегодня речь, а о том, что люди склонны больше доверять алгоритмам, чем другим людям.

Людям показывали фотографию, на которой было очень много людей. С этой фотографией провели три разных эксперимента. Суть их была в том, чтобы определить количество людей на фотографии толпы, имея подсказки – либо от человека, либо от алгоритма. Респонденты не знали, что это блеф – и карточки с советами написаны учеными.

Оказалось ,что люди чаще доверяют алгоритмам.

И это проблема.

Хотя алгоритмы, как правило, очень точно справляются с задачами, они могут ошибаться. Также есть случаи, когда алгоритмы воспроизводят дискриминационные практики. Непонимание механизма обучения и работы алгоритмов могут привести к проблемам.

Вот, в Твиттере прошлой осенью пользователи нашли баг в алгоритме распознавания лиц. Тогда пользователь два фото, на которых изображены белый и темнокожий мужчины. На одном фото сверху Обама, снизу МакКонел. На втором — наоборот. Алгоритмы в обоих случаях отдали предпочтение белому мужчине. И на предпросмотре в твите только МакКонел.

🤬 Происходит такое, потому что алгоритмы обучаются на данных, которые остались от людей. И если люди воспроизводят практики расизма, то и алгоритмы их повторят. Точно так же и с добросовестными заблуждениями.

Другая опасность в том, что средний пользователь может не знать, сталкивается он с алгоритмом или с человеком.

Про тест Тьюринга знаете, неверное. Так вот пару лет назад пользователи Рунета проводили эксперимент. Всем желающим предлагалось общаться с неизвестным через анонимный чат, а потом сказать, общались они с человеком или с ИИ. Многие участники затем утверждали, что они общались с ИИ. Однако спустя время создатели эксперимента признались, что ботов там не было вовсе. И каждый участник общался с другим реальным человеком. 🤷🏼

Шутки шутками, но пользователи и правда не понимают, когда и как работают алгоритмы, а когда – люди. Вот дэна бойд в исследовании о подростках в Интернете описывает, как пользователи (подростки и учителя) обманываются алгоритмами. Ученики, например, не доверяли Википедии, но доверяли поисковой выдаче Google. 🦉 Информацию «из гугла» подростки считали нейтральной и достоверной: «Люди наивно полагают, что алгоритмы не должны, в отличие от редактора, иметь предубеждений.»

В случае с Google алгоритмы мало влияют на достоверность информации, которая находится на сайтах их выдачи. А нейтральность и вовсе исчезает из-за персонализации.

Доверяй, но проверяй. С приходом алгоритмов это правило никуда не денется, потому что 🧑🏻‍💻 люди создают и обучают алгоритмы и потому что 🤳🏻 мы не всегда понимаем, как алгоритмы вообще работают.

Показано 12 последних публикаций.

53

подписчиков
Статистика канала