检查图表是否会误导读者

作者: AI 小课7 分钟准备已测试:ChatGPT复核日期: 2026-08-28

直接回答

对照源数据检查尺度、编码、标签、缺失背景和图表主张。 请提供: 图表描述、源数值与定义、受众与期望主张。 预期成果: 按严重程度排列的图表审计和修正版设计规格。

补充你的背景

你填写的内容只保留在当前浏览器中，AILesson 提示语不会将其发送给模型或服务器。

图表描述源数值与定义受众与期望主张

生成的提示语

未填写的字段会保留为占位符，你仍然可以复制后自行编辑

请检查以下图表是否存在误导或不清楚的设计。

图表类型、坐标轴、尺度、标签、颜色、标注和标题：
[chart]

源数值、定义、单位、分母、周期和缺失数据：
[source]

受众与期望主张：
[claim]

把每项视觉编码和文字主张与源数据比较。检查截断或不一致坐标轴、面积/体积失真、双轴、类别顺序、遗漏基线、挑选周期、分母变化、缺少不确定性或样本量、颜色无障碍和标题措辞。把问题分为阻断、重大或轻微。然后给出修正版图表规格，并说明证据真正能支持的最强主张。不要编造未提供的来源细节。

在 AI 练习场试试

默认保护隐私提示语在浏览器本地组装。除非所在组织明确允许，否则不要把机密信息提交给任何 AI 服务。

从输入到成果

实际案例

看看具体背景如何通过这条配方转化为可使用的成果

实际输入

图表描述: 3D 柱形图，标题为“新培训使生产率翻倍”。显示培训前每周 82 个任务、培训后 91 个任务。纵轴从 80 开始。前值灰色，后值亮绿色。没有样本量和日期。
源数值与定义: 同一批 12 名员工，培训前后各测量四周，数值是组均值。没有对照组。培训后某周有两人休假。未提供个人差异和不确定性。
受众与期望主张: 管理层幻灯片，用于支持把培训推广到全公司。

示例输出

阻断问题

标题错误：91 比 82 高 11.0%，并非翻倍。纵轴从 80 开始，使 9 个任务的增加占据几乎整个图高；3D 透视进一步扭曲。没有对照组，不能把前后差异归因于培训。

重大问题

图表遗漏 n=12、前后各四周、配对测量、休假导致的覆盖差异和不确定性。只有平均值无法判断改善是否普遍，还是由少数员工推动。亮绿色也暗示赞同，而不是中性比较。

修正版规格

如果有个人数据，使用每名员工培训前后均值的配对点图，并附清晰的组汇总。如果没有，使用简单的两点坡度图或从零开始的二维柱形图，准确标注 82 和 91，副标题为“已观察平均值增加每周 9 个任务（11%）；n=12；无对照的前后比较”。增加日期窗口、覆盖说明，并在计算后展示不确定性。证据最强只能支持“培训后观察平均值更高”；不能证明培训造成增加，也不能预测全公司结果。

为什么有效

1
把视觉与源数值对照可以发现仅审查样式会遗漏的失真。
2
严重程度排序能区分改变事实的问题与普通润色。

检查结果

视觉距离是否与底层数值成比例？
标题是否描述证据，而不是暗示无依据因果？
必要的分母、周期、排除项和样本量是否可见？

方法依据

来源与引语

这些一手来源支持本配方中的具体设计选择，但不保证 AI 一定产生某种结果。

本配方检查图表杂讯、标签可读性、文字替代和数据来源链接，因为英国政府官方指南将这些列为图表无障碍与透明度的核心做法。
Accessible charts: a checklist of the basics — UK Government Analysis Function来源复核于: 2026-08-31