
Spanish: 
Estamos constantemente rodeados de información en el mundo digital actual, pero no toda
es precisa.
Dependemos de los datos para evaluar si algo es verdadero o falso, pero rara vez vemos estos datos
en su forma original.
Puedes imaginarte cómo las filas y filas de números pueden ser muy confusas de interpretar.
Debido a esto, usualmente usamos un método llamado visualización de datos para presentar patrones y
tendencias en los datos más fácilmente.
La visualización de datos es la traducción de datos en representaciones visuales como cuadros y
gráficos para comunicar la importancia de los datos.
Sin embargo, aunque este método simplifica el proceso de comprensión de los datos, también se
puede utilizar para desviar la verdad y tergiversar la información.
Una de estas técnicas es el proceso de selección de datos.

English: 
We are constantly surrounded by information
in today’s digital world, but not all of
it is accurate.
We rely on data to gauge whether something
is true or false, but we rarely see this data
in its raw form.
You can imagine how rows and rows of numbers
could be very confusing to interpret.
Because of this, we usually use a method called
data visualisation to present patterns and
trends in data more easily.
Data visualisation is the translation of data
into visual representations like charts and
graphs to communicate the data’s significance.
However, while this method simplifies the
process of understanding data, it can also
be used to bend the truth and misrepresent
information.
One such technique is the process of cherry
picking data.

English: 
This name comes from the idea that if a cherry
picker only picks the healthiest and ripest
fruits, it could lead an observer to wrongly
assume that all of the cherries on the tree
are healthy, even though that isn’t the
case.
This has been observed in the veterinary industry,
where vets are more likely to report only
the positive trials when testing the responses
of dogs, cats, horses, cattle and sheep to
novel drugs, especially when the studies have
been funded by pharmaceutical companies.
These practices aren’t just limited to pets
and livestock: industry trials of drugs for
humans, such as antidepressants, were reported
to be much more likely to show positive results
than government-funded studies of the same
drugs.
Another way of using data visualisations to
manipulate information is the use of cumulative
data instead of annual data.
Cumulative data means adding each successive
input in the data set up, so that the graph

Spanish: 
Este nombre proviene de la idea de que si un recolector de cerezas solo recoge las frutas más saludables y maduras,
podría llevar a un observador a asumir erróneamente que todas las cerezas del árbol
son saludables, aunque ese no sea el caso.
Esto se ha observado en la industria veterinaria, donde es más probable que los veterinarios reporten solo
los resultados positivos cuando prueban las respuestas de perros, gatos, caballos, ganado vacuno y ovino a
medicamentos nuevos, especialmente cuando los estudios han sido financiados por compañías farmacéuticas.
Estas prácticas no se limitan solo a las mascotas y el ganado: los ensayos industriales de medicamentos para
humanos, como los antidepresivos, tienen muchas más probabilidades de mostrar resultados positivos
que los estudios financiados por el gobierno de los mismos medicamentos.
Otra forma de utilizar la visualización de datos para manipular la información es el uso de los datos acumulados
en lugar de los datos anuales.
Los datos acumulados implica agregar cada entrada sucesiva en la configuración de datos, de modo que el gráfico

Spanish: 
siempre estará aumentando; los datos anuales, por otro lado, mostrarían los datos de cada año individual,
que podrían estar aumentando o disminuyendo.
Este método suele ser utilizado por las empresas para hacer que sus ventas y cifras parezcan mayores
de lo que realmente son.
La manipulación visual de los datos es de uso común en la política para hacer que un  partido o candidato
se vea más favorable.
Por ejemplo, los gráficos circulares se usan comúnmente para representar proporciones numéricas, como mostrar
por qué candidatos es más probable que vote la gente.
Pero considera si a los participantes de la encuesta se les permitió votar por más de un candidato.
Podrías terminar con un gráfico circular donde los sectores suman más del 100%.
Esto es inexacto porque los gráficos circulares están destinados a mostrar proporciones de un todo donde
cada grupo es distinto, y puede hacer que parezca que un porcentaje mayor de votantes ha
elegido a ese candidato en particular.

English: 
will always be rising; annual data, on the
other hand, would show the data for each individual
year, which could be increasing or decreasing.
This method is often used by companies to
make their sales and figures appear larger
than they actually are.
Data vis manipulations are commonly used in
politics to make a particular party or candidate
look more favourable.
For example, pie charts are commonly used
to represent numeric proportion, like showing
which candidates people are most likely to
vote for.
But consider if participants in the survey
were allowed to vote for more than one candidate.
Then you could end up with a pie chart where
the sectors add up to over 100%.
This is inaccurate because pie charts are
meant to show proportions of a whole where
each group is distinct, and can make it appear
as though a larger percentage of voters have
chosen that particular candidate.

Spanish: 
Una mejor visualización sería un diagrama de Venn, para mostrar cuántos votos recibió cada candidato
y dónde se superponen.
Por último, veamos las gráficas de barras: las gráficas de barras pueden tergiversar los datos mediante la manipulación
de la escala del eje Y.
Por ejemplo, un político podría querer exagerar cómo han aumentado las tasas de graduación de la escuela preparatoria
durante su mandato.
Puedes ver cómo la diferencia entre el 75% y el 80% puede parecer mucho más significativa cuando
se ve en un eje Y que comienza en 50 en lugar de 0.
Entonces, si bien no toda la información que se nos presenta en nuestra vida cotidiana es incorrectas,
hay muchas formas en que los medios de comunicación, las corporaciones y los candidatos pueden (y lo hacen) tergiversar
los datos para que se inclinen a su favor.
Desde políticos que tergiversan los datos para atraer a los votantes, hasta científicos que seleccionan datos
para exagerar el progreso de su investigación, la tergiversación de los datos puede torcer la verdad
de manera extrema.
Sin embargo, ahora que has visto cómo los datos se pueden manipular, puedes ser más cauteloso con

English: 
A better visualisation would be a venn diagram,
to show how many votes each candidate received,
and where they overlap.
Lastly, let’s look at bar graphs: bar graphs
can misrepresent data through a manipulation
of the scale of the y-axis.
For example, a politician might want to exaggerate
how high school graduation rates have increased
during their tenure.
You can see how the difference between 75%
and 80% can seem far more significant when
viewed on a Y-axis that begins at 50 versus
0.
So while not all of the information we are
presented with in our everyday lives is inaccurate,
there are a lot of ways in which media outlets,
corporations and candidates can (and do) misrepresent
data in order to make it swing in their favor.
From politicians misrepresenting data to appeal
to voters, to scientists cherry-picking data
to exaggerate their research progress, data
misrepresentation can bend the truth in extreme
ways.
However, now that you’ve seen how data can
be manipulated, you can be more wary of the

English: 
information you receive and thus make well-informed
choices, whether it’s choosing between brands,
candidates or beliefs.

Spanish: 
la información que recibes y, por lo tanto, tomar decisiones informadas, ya sea eligiendo entre marcas,
candidatos o creencias.
