萧箫 发自 凹非寺
转载自：量子位（QbitAI）

先来看两张图表：

你感觉，哪张图表看起来可信度更高？

其实，这两张图表展现的数据完全一样，但第二张“更漂亮”的图表看起来却更具说服力。

这种现象已经有了科学依据。

一项最新研究表明，漂亮图表确实更容易受到信任，也更具有误导性，与它们所属的学科类别或来源无关：

而且，学历越高的人群，越容易受这种偏见的影响。

研究po出后，立刻在外网火了一把。

网友们给自己做的丑图找到了新借口：这样才不会让读者产生偏见（得意）。

来看看这是一项怎样的研究。

第一，好看的图更受信任

结论一，与学科类别或来源无关，漂亮的图表就是让人感觉更可信。

研究人员从社交媒体、新闻和科学论文中，分别筛选了数百张图表。

其中，“社交媒体”指Reddit社区，“新闻”来源于彭博社、金融时报等报刊杂志，“科学论文”则基本来自于Nature Communication和Scientific Reports。

图表所属学科也非常多样，涉及地理、生物、健康、科学、运动等：

然后，研究人员找了数百名志愿者，给随机出现的图表进行打分：

△出现的一些图表类型

志愿者们会从美观性（色彩搭配、行间距和字体）、易读性（可视化数据类型、图形类型和图形设计）、可信度、感兴趣程度、超出认知程度等角度，评估图表：

统计结果显示，好看易懂的图表可信度普遍更高（其中横轴是美观性，纵轴是可信度）：

既然如此，漂亮的图片会更具有误导性吗？

第二，漂亮的图更具误导性

结论二，图表的“美观性”更影响人们的信任程度，甚至忽略误导性操作带来的影响。

误导性操作指在不影响结论的情况下，利用图标大小等视觉差，故意给读者造成错觉，引导得出与数据不符的结论：

△图源：维基百科

研究人员亲自上手，对一系列图表进行PS，包括将图片改得更漂亮，例如提升分辨率、调整字体大小等；此外，也将图片改得更具误导性，包括采用暗示性色彩来上色等。

具体来说，他们把每个图表都PS成4种类型：

左上角是漂亮+低误导性；左下角是不漂亮+低误导性；右上角是漂亮+高误导性；右下角是不漂亮+高误导性。

△鲜艳的红色对结论具有误导性

然后，将这些PS后的图片拿给志愿者们进行评估。

结果表明，人们更信任更漂亮的图片，平均比原图的“可信度”高出1分左右（满分7分）；但对于色彩不均匀等误导性操作，人们却表现得不敏感，可信度无明显变化。

这意味着，志愿者们普遍认为更漂亮的图片看起来更可信，即使它被进行了误导性操作。

除此之外，研究人员分析了一下志愿者们的学历，还发现了一个意外现象：

学历越高的志愿者，评估可信度时越容易受到好看图表的影响。

作者Mark Thornton认为，在引用或评审科学论文时，确实可能受到这种好看图表“偏见”的影响，导致对应论文的引用率和通过率更高：

所以下次投稿之前，试试把论文图表搞得更漂亮一点？（手动狗头）

作者介绍

论文一作Chujun Lin，本科毕业于浙江大学，在加州理工学院取得社会科学博士学位后，又进行了一年博士后工作，目前在达特茅斯学院继续进行博士后工作，研究方向主要与计算方法（建模、深度学习等）、社会心理学理论和社会性指标相关。

二作Mark Thornton，达特茅斯学院助理教授，本科毕业于普林斯顿大学，并于哈佛大学取得硕博学位，研究方向主要是心理学和脑科学。

论文地址：
https://psyarxiv.com/dnr9s/

参考链接：
[1]https://weibo.com/1402400261/L9jYsokzC
[2]https://www.chujunlin.com/
[3]https://twitter.com/Mark_A_Thornton/status/1478057342088495112
[4]https://pbs.dartmouth.edu/people/mark-thornton

本文仅做学术分享，如有侵权，请联系删文。

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~