Le visualizzazioni ci aiutano a dare senso al mondo e ci permettono di trasmettere grandi quantità di informazioni complesse, dati e previsioni in forma concisa. Le previsioni degli esperti destinate a un pubblico non specialista, che si tratti della traiettoria di un uragano o dell’esito di un’elezione, contengono sempre un grado di incertezza. Se questa incertezza non viene comunicata nelle relative visualizzazioni, i risultati possono essere fuorvianti e persino pericolosi.
Qui esploriamo il ruolo della visualizzazione dei dati nel tracciare le traiettorie previste degli uragani. Esaminiamo diversi metodi visivi per comunicare l’incertezza delle previsioni degli esperti e l’impatto sull’interpretazione da parte dei non addetti ai lavori. Inoltre, colleghiamo il tutto a una discussione più ampia sulle buone pratiche relative a come i media riferiscono sia sui modelli degli esperti sia sui risultati scientifici su temi importanti per l’intera popolazione.
Niente grafici spaghetti?
Di recente abbiamo visto i danni causati dai sistemi di tempeste tropicali nelle Americhe. Testate come il New York Times hanno raccontato gran parte di quanto stava accadendo usando visualizzazioni interattive per gli uragani Harvey e Irma, per esempio. Le visualizzazioni includono mappe geografiche della percentuale di persone senza elettricità, quantità di pioggia, entità dei danni e numero di persone nei rifugi, tra molte altre cose.
Un tipo particolare di grafico è comprensibilmente emerso di recente e ha sollevato polemiche: come tracciare la traiettoria prevista di un uragano, ad esempio nelle prossime 72 ore. Esistono diversi modi per visualizzare le traiettorie previste, ciascuno con i propri scogli e possibili fraintendimenti. Di recente abbiamo persino visto un articolo su Ars Technica intitolato Per favore, smettete di condividere i grafici spaghetti dei modelli degli uragani, rivolto a Nate Silver e fivethirtyeight.
Di seguito confronterò tre modalità comuni, ne esplorerò pro e contro e farò proposte per ulteriori tipi di grafici. Mi addentrerò anche nel perché questi tipi sono importanti, cosa che ci aiuterà a decidere quali metodi e tecniche visive sono più appropriate.
Disclaimer: non sono affatto un esperto di questioni meteorologiche e previsioni sugli uragani. Ma ho riflettuto molto sui metodi visivi per comunicare dati, previsioni e modelli. Accolgo con favore e incoraggio attivamente i feedback degli esperti, così come quelli degli altri.
Visualizzare le traiettorie previste degli uragani
Esistono tre modi comuni per creare visualizzazioni delle traiettorie previste degli uragani. Prima di parlarne, vorrei che le osservassi e valutassi quali informazioni puoi ricavare da ciascuna. Fai del tuo meglio per interpretare, a turno, ciò che ognuna sta cercando di dirti, poi approfondiremo le loro intenzioni, insieme ai loro pro e contro:
Il cono d’incertezza
Grafici spaghetti (Tipo I)
Grafici spaghetti (Tipo II)
Interpretazione e impatto delle visualizzazioni delle traiettorie previste degli uragani
Il cono d’incertezza
Il cono d’incertezza, uno strumento usato dal National Hurricane Center (NHC) e ripreso da molti media, ci mostra la traiettoria più probabile dell’uragano nei successivi cinque giorni, indicata dai puntini neri nel cono. Mostra anche quanto siano sicuri di questa traiettoria. Con il passare del tempo la previsione è meno certa, e questo è rappresentato dal cono, in cui c’è una probabilità di circa il 66,6% che il centro dell’uragano ricada all’interno dei limiti del cono.
Era evidente dal grafico in sé?
Per me inizialmente no, e ho ricavato queste informazioni dal grafico stesso, dalla pagina “about the cone of uncertainty” dell’NHC e da un post di demistificazione del cono su weather.com. Ci sono altri tre punti salienti, ai quali torneremo:
- È un fraintendimento iniziale comune pensare che l’allargarsi del cono nel tempo suggerisca che la tempesta crescerà;
- Il grafico non contiene alcuna informazione sulla dimensione della tempesta, ma solo sulla possibile traiettoria del suo centro, quindi è di utilità limitata per dirci dove aspettarci, per esempio, venti di intensità da uragano;
- C’è un’informazione essenziale nel testo che accompagna la visualizzazione, oltre che nella visualizzazione stessa, come la nota ben in evidenza in alto: “Il cono contiene la probabile traiettoria del centro della tempesta ma non mostra la dimensione della tempesta...”; quando giudichiamo l’efficacia di una visualizzazione dei dati, dobbiamo considerare tutte le sue proprietà, incluso il testo (e se possiamo realisticamente aspettarci che la gente lo legga!). Nota che l’interattività è una proprietà che a queste visualizzazioni manca (ma forse dovrebbe esserci).
Grafici spaghetti (Tipo I)
Questo tipo di grafici mostra più previsioni in un’unica rappresentazione. In un qualsiasi grafico spaghetti di Tipo I, le traiettorie visualizzate sono previsioni di modelli di diverse agenzie (NHC, la National Oceanic and Atmospheric Administration e l’UK Met Office, per esempio). Sono utili perché, come il cono d’incertezza, ci informano della regione generale che potrebbe trovarsi sul percorso dell’uragano. Sono però meravigliosamente inutili e in realtà fuorvianti nel fatto che attribuiscono lo stesso peso a ciascun modello (o previsione).
Nel grafico spaghetti di Tipo I sopra, ci sono previsioni con gradi di incertezza variabili provenienti da agenzie che in passato hanno avuto successi di previsione variabili. Quindi alcune traiettorie sono più probabili di altre, alla luce di ciò che sappiamo ora. Questa informazione non è presente. Ancora più allarmante, alcune delle traiettorie non sono nemmeno vere previsioni. Prendi la linea nera tratteggiata XTRP, che è una previsione in linea retta data la traiettoria attuale della tempesta. Non è nemmeno un modello. Eric Berger approfondisce il tema in questo articolo di Ars Technica.
In sostanza, questo tipo di grafici fornisce un modello ensemble (confronta con l’aggregazione dei sondaggi). Tuttavia, un aspetto chiave dei modelli ensemble è che a ciascun modello viene assegnato un peso appropriato e questi pesi devono essere comunicati in qualsiasi visualizzazione dei dati. Tra poco vedremo come farlo usando una variante del Tipo I.
Grafici spaghetti (Tipo II)
Questi grafici mostrano molte, diciamo 50, diverse realizzazioni di un dato modello. Il punto è che se simuliamo (eseguiamo) un modello più volte, ogni volta restituirà una traiettoria diversa. Perché? Nate Cohen lo ha spiegato bene su The Upshot:
È davvero difficile prevedere esattamente quando una tempesta cambierà direzione. Anche una differenza di 15 o 20 miglia nel momento in cui vira verso nord potrebbe determinare se Miami sarà colpita dall’occhio del ciclone, l’anello di forti temporali che include i venti più intensi della tempesta e circonda l’occhio più calmo.
Questi sono forse i miei preferiti tra i tre, per diversi motivi:
- Simulando esecuzioni multiple del modello, forniscono un’indicazione dell’incertezza sottostante a ciascun modello;
- Danno un quadro della probabilità relativa che il centro della tempesta attraversi un dato luogo. In parole povere, se più traiettorie tracciate passano per la località A che per la località B, allora secondo il modello attuale è più probabile che il centro della tempesta attraversi la località A;
- È improbabile che vengano fraintesi (almeno rispetto al cono d’incertezza e ai grafici di Tipo I). Le uniche parole necessarie sulla visualizzazione sono “Ogni linea rappresenta una previsione della traiettoria di Irma”.
Un contro del Tipo II è che non rappresentano modelli multipli ma, come vedremo, questo si può risolvere combinandoli con i grafici di Tipo I. Un altro contro è che, come gli altri, comunicano solo la traiettoria del centro della tempesta e non dicono nulla sulla sua dimensione. Vedremo presto come porvi rimedio. Nota che la distinzione tra grafici spaghetti di Tipo I e Tipo II non è qualcosa che ho trovato in letteratura, ma una categoria che ho creato perché questi grafici hanno interpretazioni ed effetti molto diversi.
Per il momento, tuttavia, nota che abbiamo discusso l’efficacia di certi tipi di grafici senza affrontarne esplicitamente lo scopo, cioè perché ci servono. Prima di andare oltre, facciamo un passo indietro e proviamo a rispondere alla domanda “Qual è lo scopo di visualizzare la traiettoria prevista di un uragano?”. Svolgere compiti apparentemente ingenui è spesso illuminante.
Perché tracciare le traiettorie previste degli uragani?
Perché cerchiamo di comunicare la traiettoria prevista di una tempesta tropicale? Tra un momento fornirò diverse risposte.
Ma prima, lasciami dire a cosa queste visualizzazioni non sono destinate. Non le usiamo per aiutare le persone a decidere se evacuare o meno le loro case o città. L’ordine o il consiglio di evacuazione è qualcosa che spetta alle autorità locali, dopo ripetute consultazioni con esperti, scienziati, modellizzatori e altri portatori di interesse chiave.
Il punto principale di questo tipo di visualizzazioni è permettere alla popolazione di essere il più informata possibile sulle possibili traiettorie dell’uragano e metterla in condizione di prepararsi al peggio se c’è la possibilità che il luogo in cui si trova o si troverà sia sul percorso di distruzione. Non è quello di spaventare inutilmente le persone. Come weather.com afferma riguardo alla funzione del cono d’incertezza, “ad ogni sistema tropicale viene assegnato un cono di previsione per aiutare il pubblico a capire meglio dove è diretto” e “il cono è progettato per mostrare l’aumentare dell’incertezza della previsione nel tempo”.
A tal fine, penso che una proprietà importante sarebbe che un lettore possa guardarlo e dire “è molto probabile/probabile/possibile al 50%/poco probabile/molto improbabile” che la mia casa (per esempio) subirà danni significativi a causa dell’uragano.
Ancora meglio, poter dire “C’è una probabilità del 30-40%, dato lo stato dell’arte della modellizzazione, che la mia casa subisca danni significativi”.
Abbiamo quindi una gerarchia di ciò che vogliamo che la nostra visualizzazione comunichi:
- Come minimo, vogliamo che i civili siano consapevoli delle possibili traiettorie dell’uragano.
- Poi vorremmo che i civili sappiano dire se è molto probabile, probabile, poco probabile o molto improbabile che la loro casa, per esempio, sia sul percorso.
- Idealmente, un civile guarderebbe la visualizzazione e sarebbe in grado di leggere in modo quantitativo quale sia la probabilità (o l’intervallo di probabilità) che la sua casa si trovi sul percorso dell’uragano.
Inoltre, vogliamo che le nostre visualizzazioni non siano né fuorvianti né facili da fraintendere.
Il cono d’incertezza contro i grafici spaghetti
Tutti e tre i metodi svolgono la funzione minima richiesta, ovvero allertare i civili sulle possibili traiettorie dell’uragano. Il cono d’incertezza fa un buon lavoro nel permettere a un civile di dire quanto è probabile che un uragano attraversi una determinata località (all’interno del cono, la probabilità è di circa due terzi). Almeno qualitativamente, anche i grafici spaghetti di Tipo II funzionano bene qui, come descritto sopra: “se più traiettorie passano per la località A che per la località B, allora secondo il modello attuale è più probabile che il centro della tempesta attraversi la località A”.
Se tracci 50 traiettorie, ottieni un’idea di dove sarà probabilmente il centro della tempesta, cioè se circa metà delle traiettorie attraversa una località, allora c’è una probabilità approssimativamente del 50% (secondo il nostro modello) che il centro della tempesta colpisca quella località. Nessuno di questi metodi soddisfa ancora la terza funzione e vedremo qui sotto come combinare i grafici spaghetti di Tipo I e Tipo II ci permetterà di farlo.
Il problema principale del cono d’incertezza e dei modelli spaghetti di Tipo I è che il primo è facile da fraintendere (molti interpretano il cono come una tempesta in crescita e non colgono il ruolo dell’incertezza) e i secondi sono fuorvianti (fanno apparire tutti i modelli ugualmente credibili). Questi modelli dunque non soddisfano il requisito di base per cui “vogliamo che le nostre visualizzazioni non siano né fuorvianti né facili da fraintendere”.
Buone pratiche per visualizzare le traiettorie previste degli uragani
I grafici spaghetti di Tipo II sono i più descrittivi e i meno soggetti a fraintendimenti. Ma non riescono a presentare i risultati di tutti i modelli. Cioè, non aggregano su più modelli come abbiamo visto nel Tipo I.
E se combinassimo il Tipo I e il Tipo II?
Per rispondere, ho fatto un piccolo esperimento usando python, folium e numpy. Puoi trovare tutto il codice qui.
Per prima cosa ho preso una delle traiettorie previste dell’uragano Irma dell’NHC della scorsa settimana, ho aggiunto un po’ di rumore casuale e ho tracciato 50 traiettorie. Nota che, ancora una volta, non sono un esperto di meteorologia. Il rumore che ho generato e aggiunto al segnale/percorso previsto non si basava su alcun modello e, in un caso reale, proverrebbe dai modelli stessi (se ti interessa, ho usato rumore gaussiano). Per la cronaca, ho anche trovato difficile reperire dati sulle traiettorie previste riportate dai media. I dati che ho usato alla fine li ho trovati qui.
Ecco un semplice grafico spaghetti di Tipo II con 50 traiettorie:
Ma queste sono possibili traiettorie generate da un singolo modello. E se avessimo più modelli di diverse agenzie? Possiamo tracciare 50 traiettorie per ciascuno:
Uno degli aspetti davvero interessanti dei grafici spaghetti di Tipo II è che, se ne tracciamo a sufficienza, ogni traiettoria diventa indistinta e cominciamo a vedere una heatmap di dove è probabile che si trovi il centro dell’uragano. Tutto ciò significa che più blu c’è in una certa regione, più è probabile che la traiettoria passi da lì. Fai zoom per verificarlo.
Inoltre, se riteniamo che un modello sia più affidabile di un altro (se, per esempio, gli esperti che lo hanno prodotto in passato hanno realizzato modelli molto più accurati), possiamo pesare di conseguenza questi modelli tramite, ad esempio, la trasparenza delle traiettorie, come facciamo sotto. Nota che attribuire pesi a questi modelli è un compito da esperti ed è una parte essenziale di questo processo di modellizzazione aggregata.
Quanto sopra risolve i compiti richiesti dalle prime due proprietà che vogliamo per le nostre visualizzazioni. Per ottenere la terza, ovvero che un lettore sia in grado di leggere che è, diciamo, probabile al 30-40% che il centro di un uragano passi per una determinata località, ci sono due soluzioni:
- modificare la heatmap in modo che passi, per esempio, dal rosso al blu e includere una legenda che dica, ad esempio, che il rosso indica una probabilità superiore al 90%;
- trasformare la heatmap in una mappa a contorni che mostri le regioni in cui la probabilità assume determinati valori.
Nota anche che questo dirà a qualcuno la probabilità che una certa località sia colpita dal centro dell’uragano. Potresti combinare (anzi, convolvere) questa informazione con quella sulla dimensione dell’uragano per trasformare la heatmap in una mappa della probabilità che una località sia colpita da venti di intensità da uragano. Se vuoi farlo, smanetta con il codice che ho scritto per generare i grafici sopra (ho in programma di scrivere un post di follow-up che lo faccia e spieghi il codice).
Visualizzare l’incertezza e data journalism
Cosa possiamo portarci a casa? Abbiamo esplorato vari tipi di metodi di visualizzazione per le traiettorie previste degli uragani, discusso pro e contro di ciascuno e suggerito una strada per grafici più informativi e meno fuorvianti di tali traiettorie, grafici che comunichino non solo i risultati ma anche l’incertezza attorno ai modelli.
Questo fa parte di una conversazione più ampia che dobbiamo avere su come riportare l’incertezza nelle visualizzazioni e nel giornalismo dei dati, in generale. Dobbiamo partecipare attivamente alle conversazioni su come gli esperti comunicano l’incertezza ai cittadini tramite i media. Ecco un ottimo pezzo di The Upshot che mostra come potrebbe apparire il rapporto sull’occupazione a causa del rumore statistico, anche se i posti di lavoro fossero stabili. Eccone un altro di The Upshot che mostra il ruolo del rumore e dell’incertezza nell’interpretazione dei sondaggi. Sono ben consapevole che servono titoli per vendere le notizie e del ruolo del click-bait nel panorama mediatico moderno, ma dobbiamo comunicare non solo i risultati, bensì anche l’incertezza attorno a quei risultati per non fuorviare il pubblico e potenzialmente noi stessi. Ancora più importante, il sistema educativo deve cambiare ed equipaggiare tutti i cittadini con livelli di alfabetizzazione dei dati e alfabetizzazione statistica adeguati per affrontare questa transizione verso l’era guidata dai dati. Tutti possiamo contribuire.
