Comprender una pandemia en tiempo real es complejo. La ciencia avanza despacio, pero el público requiere de respuestas rápidas. Una forma de reducir la distancia entre los interrogantes de una epidemia y la necesidad de información es mediante la visualización de estadísticas. ¿Cuántas personas han muerto? ¿Cómo se comparan con la semana pasada? ¿Está aumentando o decreciendo el número de casos?
De forma poco sorprendente, el coronavirus ha supuesto un Dorado para el periodismo de datos. Las gráficas todo lo copan. Ahora bien.
No las entendemos. Es la conclusión que ha extraído un grupo de investigación de la Escuela de Economía de Londres (LSE). Su estudio partía de una pregunta simple: ¿somos capaces de entender los gráficos publicados por los medios? Y muy en especial, ¿los gráficos logarítmicos, tan ubicuos durante la epidemia? Seleccionaron a 2.000 personas y, segregadas en dos grupos, analizaron su grado de entendimiento.
Lineal vs. logarítmico. La forma más habitual de visualizar una estadística es mediante una función lineal. El problema, como explican nuestros compañeros de Xataka, es que son imperfectas a la hora de explicar una epidemia. Sabemos cuántos casos o fallecidos tiene un país en un momento dado, y siempre de forma acumulativa (la gráfica nunca decae), pero no sabemos a qué ritmo se está transmitiendo la enfermedad.
La función logarítmica soluciona este problema. Visualmente, la distancia entre los parámetros del eje Y no es proporcional. La separación entre los 100 y los 1.000 casos es igual de grande que entre los 1.000 y los 10.000. Esto permite entender si los contagios o las muertes crecen de forma exponencial. Los datos se representan de forma recta. De ahí la necesidad de "doblar" la curva. Es intuitivo y fácil de entender.
Problema. ¿Seguro? Los investigadores de LSE apuntan a lo contrario. Elaboraron dos gráficos idénticos (el número de muertes acumuladas día a día en Estados Unidos) pero las representaron de forma distinta. La mitad de los participantes recibió un gráfico lineal. La otra mitad, uno logarítmico. ¿Qué grupo logró comprender mejor lo que estaba pasando? Según el trabajo, los primeros. El logarítmico era más difícil.
En cifras. Tan sólo el 40% de los participantes enfrentados a la escala logarítmica lograron identificar acertadamente si durante una semana se habían registrado más casos que en la anterior. El porcentaje aumentaba al 83% entre quienes lidiaron con la escala lineal. También predijeron mejor el número de muertes para la semana inmediatamente posterior al experimento (63.000 frente a 71.000; la cifra real fue de 54.000).
¿Es importante? Sí, porque los gráficos también influían en su comprensión de la epidemia, y por tanto en sus preferencias políticas:
Pese a predecir un mayor número de muertes, los participantes a los que se mostró el gráfico logarítmico se declararon menos preocupados por la crisis sanitaria causada por el coronavirus (...) Y los participantes que recibieron la información sobre una escala linear se mostraron más escépticos sobre el cierre de negocios no esenciales.
Es algo relativamente lógico. Nuestras opiniones se moldean en base a la información disponible. Pero hay muchas y muy variadas formas de enmarcar y presentar un dato cualquiera. Es algo que hemos tratado en alguna ocasión a cuenta de la verificación de bulos y la información falsa: casi nunca se trata de los datos en sí mismos, sino de la forma de envolverlos y de comunicarlos. Ahí reside la influencia.
Inevitable. La dicotomía entre funciones lineales y logarítmicas es en muchos sentidos inevitable. Incluso desde dentro de la propia comunidad científica las logarítmicas no son fáciles de comprender. Los medios (nosotros mismos) las han defendido por su capacidad para ilustrar mejor el crecimiento y la expansión en un momento dado de la enfermedad. Es posible que sus lectores no lo tengan tan claro.
