Por: Alvaro Duque Soto*
Los gráficos son herramientas indispensables para simplificar y transmitir información compleja. Los encontramos en reportes financieros, noticias y en las redes sociales, pues son capaces de condensar grandes volúmenes de datos en representaciones visuales que son fáciles de entender y rápidas de consumir.
Sin embargo, esta misma capacidad de síntesis y claridad los convierte en vectores del desorden informativo (DI), pues en un mundo donde la atención es un recurso escaso y las plataformas sociales amplifican el contenido de forma viral, un gráfico manipulado puede dar la vuelta al mundo antes de que alguien detecte el engaño.
El problema va más allá de simples errores. La manipulación visual se ha convertido en una herramienta cada vez más utilizada en campañas de desinformación y marketing engañoso. La pregunta clave es: ¿estamos preparados para interpretar la avalancha de datos visuales que nos llega a diario?
Para no desaprovechar gran parte de su potencial y disminuir la vulnerabilidad a que nos enfrentamos cuando se usan de modo tramposo, una de las vertientes más importantes de la alfabetización mediática e informacional, la alfabetización estadística, nos ayuda a comprender los gráficos, evaluarlos críticamente y usarlos para tomar decisiones informadas.
Un rompecabezas en movimiento
El laberinto de datos en la era digital puede asociarse a la imagen de un enorme rompecabezas cuyas piezas cambian de forma, se multiplican, se esconden y, a veces, mienten. Para atravesarlo sin ser manipulados, debemos comprender las dimensiones de los macrodatos e identificar cuándo estos se plasman en gráficos que parecen objetivos, pero que en realidad pueden estar diseñados para engañar.
Los datos hoy son como un río que fluye constantemente, alimentado por miles de afluentes. Cada mensaje en redes sociales, cada compra en línea, cada sensor de temperatura aporta información que podría terminar en un gráfico. Esta realidad de los macrodatos ha dado forma a cinco dimensiones fundamentales que afectan cómo creamos visualizaciones y cómo pueden ser manipuladas.
También te puede interesar: https://razonpublica.com/detector-humo-desorden-informativo-40-ruido-la-campana-nadie-ve/
El volumen de datos disponibles es colosal y crece a un ritmo sin precedentes. Según Statista, en 2024 se generaron aproximadamente 402,74 millones de terabytes de datos diariamente a nivel mundial. Esta abundancia permite crear gráficos en teoría más precisos, pero también abre la puerta a la selección sesgada de datos. Imaginemos un rompecabezas con millones de piezas; es fácil elegir solo aquellas que formen una imagen predeterminada. Un gráfico sobre hábitos de consumo puede basarse en millones de transacciones, pero ¿qué pasa si solo se muestran las de un grupo demográfico particular? La precisión se convierte en una ilusión.
La velocidad con que fluyen los datos ha transformado las visualizaciones de fotos fijas en animaciones dinámicas. Un gráfico que muestra la fluctuación del mercado de valores en tiempo real puede ser útil para los inversores, pero también se presta para la manipulación. Un gráfico alterado podría enfocarse en un período muy corto, al mostrar solo una caída o un alza abrupta, para crear una falsa sensación de pánico o euforia, sin el panorama completo.
La variedad de fuentes enriquece las visualizaciones, pero también las hace más susceptibles a la manipulación contextual. Ya no dependemos solo de números en tablas: podemos combinar datos de ventas con opiniones en redes sociales, señales de GPS con registros de temperatura, creando gráficos con historias más completas. Pero esta riqueza también abre la puerta a una forma sutil de engaño. La manipulación contextual ocurre cuando se combinan datos de diferentes fuentes de forma engañosa o se interpretan sesgadamente para favorecer una narrativa.
Tres tipos de datos
La variedad de fuentes y formatos se manifiesta en la propia naturaleza de los datos, que se clasifican en tres tipos principales: estructurados, no estructurados y semiestructurados.
Los datos estructurados son como las piezas del borde de un rompecabezas, fáciles de identificar y ordenar. Pensemos en la información de los contactos del teléfono: nombre, número, dirección. Todo está en su lugar. Estos datos son ideales para gráficos de barras o de líneas. Sin embargo, su aparente simplicidad esconde una trampa: se puede manipular la escala de un gráfico de barras o seleccionar períodos de tiempo específicos en uno de líneas para crear una impresión falsa.
Los datos no estructurados son como las piezas del cielo del rompecabezas: una mezcla de formas y colores difíciles de organizar. Aquí nos referimos a conversaciones de WhatsApp, videos de YouTube o fotos de Instagram. Son más difíciles de visualizar, pero se pueden transformar en gráficos como los mapas de calor que muestran el sentimiento público. La interpretación juega un papel fundamental y la elección de palabras clave o el algoritmo usado pueden sesgar el gráfico resultante.
En tercer lugar, están los datos semiestructurados, piezas de un rompecabezas a medio armar, con secciones claras y otras confusas. Un correo electrónico es un buen ejemplo: tiene remitente y fecha (datos estructurados), pero el cuerpo del mensaje es texto libre (no estructurado). La trampa está en cómo se categorizan y combinan estos datos, ya que se pueden forzar las piezas para que encajen donde no deben. Un gráfico basado en datos semiestructurados puede, por ejemplo, clasificar de forma tendenciosa los mensajes no estructurados para que coincidan con la narrativa que se quiere imponer.
El valor de los datos
A las dimensiones de volumen, velocidad y variedad se suma la veracidad, o la falta de ella. ¿Podemos confiar en que los datos son auténticos? Los datos pueden ser erróneos, incompletos o estar deliberadamente manipulados. Un gráfico que supuestamente muestra el crecimiento económico de un país, basado en datos oficiales falsificados, estará mostrando una mentira, por más atractivo que sea.
Llegamos así a la dimensión del valor, la más importante y vulnerable a la manipulación. Mientras las otras dimensiones describen características objetivas de los datos, el valor representa el significado que les atribuimos, la historia que queremos que nos cuenten. Es el componente más subjetivo, influido por nuestras expectativas y creencias. Y es precisamente esa subjetividad la que los creadores de gráficos engañosos buscan explotar.
Esta comprensión de las dimensiones de los datos nos prepara para reconocer mejor las distintas formas como pueden ser manipulados visualmente.
También te puede interesar: https://educalidad.com/educalidad-en-la-semana-de-la-ami
Anatomía de gráficos engañosos
Puesto que el cerebro humano procesa imágenes a gran velocidad, somos muy susceptibles al engaño visual. Un gráfico puede ser técnicamente correcto, pero embustero; preciso en sus números, pero irrelevante en su contexto; atractivo a la vista, pero falso en su mensaje. Comprender las tácticas del engaño nos ayuda a equiparnos con herramientas para enfrentar mejor el desorden informativo.
Una de las técnicas más comunes es el truncamiento del eje Y. Al iniciar un gráfico en un valor distinto a cero, las diferencias parecen mayores. Este truco explota nuestra tendencia a interpretar magnitudes visualmente sin examinar los números. La defensa es simple: verificar dónde comienza cada eje y calcular las diferencias reales entre los valores numéricos.
La distorsión de escalas es otra forma frecuente de manipulación. Al alterar las proporciones entre ejes o emplear escalas logarítmicas sin advertencia, los gráficos transforman la historia que cuentan los datos. Lo fundamental es examinar las etiquetas de los ejes y buscar indicaciones sobre el tipo de escala.
Las correlaciones espurias sugieren conexiones entre variables que coinciden en el tiempo o el espacio, pero no están relacionadas causalmente. El ejemplo clásico es la correlación entre helados y ataques de tiburones: ambos aumentan en verano, pero la causa real es el clima cálido. Para detectarlas, debemos cuestionar la lógica de la relación sugerida y buscar factores externos que expliquen la coincidencia.
El diseño visual también puede cambiar nuestra percepción, a veces sin que lo notemos. Colores intensos, formas tridimensionales y elementos decorativos no son simples decisiones estéticas, sino que alteran cómo interpretamos los datos. Debemos enfocarnos en los números concretos más que en el impacto visual.
Los gráficos pictóricos, con íconos o imágenes, son propensos al engaño. Cuando el tamaño de las imágenes no es proporcional a los datos, las diferencias parecen mayores. En estos casos, concentrémonos en la dimensión que representa el dato (como la altura) e ignoremos el impacto visual del conjunto.
Más allá de las apariencias
Frente a estas tácticas de manipulación, se requieren estrategias de análisis que nos permitan cultivar una mirada crítica. El primer paso es dominar los elementos fundamentales del lenguaje visual de datos. Un gráfico, incluso sin intención de engañar, debe incluir un título que contextualice la información, ejes etiquetados y elementos visuales proporcionales a los datos.
Las Directrices para la Evaluación y la Enseñanza de la Estadística (GAISE, por su sigla en inglés) proponen un marco para desarrollar una mirada crítica, con tres niveles progresivos de comprensión. El primer nivel, la lectura literal, implica identificar la información básica: ¿Qué variables se comparan? ¿Cuáles son los valores? El segundo nivel profundiza en las relaciones entre los datos: ¿Hay tendencias o patrones? El tercer nivel nos lleva a un análisis crítico y contextual: ¿Qué historia se cuenta? ¿Qué datos podrían estar ausentes? ¿Las conclusiones son válidas dado el contexto?
Debemos considerar que cada tipo de gráfico comunica de manera diferente. Los de barras permiten comparar cantidades, pero en 3D la percepción se distorsiona. Los de torta muestran proporciones, pero se vuelven confusos con muchas categorías o en perspectiva. Los de línea sugieren continuidad temporal, pero pueden ser engañosos con datos muy espaciados o escalas manipuladas.
El contexto es crucial: ningún gráfico existe en el vacío. Debemos preguntarnos: ¿Quién produjo la visualización? ¿Con qué propósito? ¿Qué datos pudieron omitirse o alterarse?
¿Faros o espejismos?
Los gráficos pueden actuar como faros que guían nuestra comprensión o como espejismos que nos inducen al error. En el DI que vivimos, se usan con frecuencia no para revelar, sino para sostener narrativas prefabricadas. Nuestro reto es aprender a distinguir entre el gráfico que busca mejorar la información y aquel que solo sirve de apoyo a una agenda particular.
Cada vez que encuentre una visualización de datos, no se deje deslumbrar por los colores o las formas, no se conforme con la superficie: busque su intención, evalúe su estructura e indague sobre la historia real que cuenta. En ese ejercicio, entre todos vamos construyendo un ecosistema informativo más transparente y confiable.
*Ph.D. en Ciencia Política de la Universidad de Turín (Italia). Ha sido docente e investigador de temas de comunicación política, periodismo y educación mediática e informacional. Miembro del equipo Educalidad.
