數據敘事如何出錯：數據傳播過程中的問題分類法
arXiv - Computers and SocietyYu Fu, Jiawei Zhou, Sichen Jin, Munmun De Choudhury, Cindy Xiong Bearfield, John Stasko
本文提出 TIC 分類法，從六個維度系統性地分析數據在轉化為敘事過程中所產生的錯誤與偏差。
AI 幫你先抓重點
AI 重點 1
數據錯誤具有「傳播性」與「複合性」，而非單點的錯誤。
滑鼠懸停看 AI 判斷理由
這改變了我們對錯誤的認知，從單純的「事實查核」轉向「過程審查」。讀者應意識到錯誤可能在數據轉化為敘事的每個環節中不斷累積與放大。
AI 重點 2
數據傳播是一個跨越分析、建構與接收的動態框架。
滑鼠懸停看 AI 判斷理由
這強調了數據溝通不只是技術問題，更是社會技術問題。理解這一點有助於開發更具魯棒性的工具，來診斷並支持可信賴的數據傳播。
核心研究發現
- 1
研究指出數據敘事的失敗不僅是事實錯誤或圖表誤導，而是涉及從數據轉化為主張、呈現與論證的整體意義建構過程。
- 2
開發出 TIC 分類法，將數據傳播中的問題歸納為數據、分析、視覺編碼、文本、推理與解釋六個維度。
- 3
建立了一個包含 700 個真實案例的質性標註語料庫，涵蓋事實查核網站、研究數據集及具爭議性的媒體內容。
對教育工作者的啟發
對於教育工作者，特別是教授數據素養或科學探究的教師，此研究提供了強大的教學框架。在 PBL（專題式學習）中，學生在進行數據分析報告時，不應僅檢查數據是否正確，更應運用 TIC 的六個維度（如視覺編碼是否誤導、推理是否嚴謹、文本解釋是否過度擴張）進行自我檢視與同儕評量。這能幫助學生從單純的「數據處理者」轉型為具備批判性思維的「數據溝通者」，提升其資訊素養與科學論證能力。
原始文獻資訊
- 英文標題：
- How Data Narratives Go Wrong: A Taxonomy of Issues Across the Data Communication Process
- 作者：
- Yu Fu, Jiawei Zhou, Sichen Jin, Munmun De Choudhury, Cindy Xiong Bearfield, John Stasko
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。