ينشر هذا المقال التعليمي بالتعاون بين مجتمع التحقق العربي (AFH) والفنار للإعلام

في كتابه "How to Lie with Statistics" (كيف تكذب مع الإحصاء)، يُذكّر الكاتب الأمريكي داريل هاف بأن وجود رقم صحيح لا يعني أن التفسير أو الرسالة صحيحة. يمكن للأرقام أن تُستخدم بطريقة تُضلّل القارئ عبر اختيار الأرقام أو عرضها خارج سياقها، وليس عبر تزويرها بالضرورة. هذا يعني أن النقد لا يبدأ بقول إن الرقم "كاذب"، بل بطرح سؤال: من أين جاء هذا الرقم وكيف عُرض؟

في الأخبار ووسائل التواصل الاجتماعي والتقارير والدراسات نرى أرقاماً يومياً: نسب مئوية تُعلن كعنصر درامي، نتائج دراسات تُقتبس بدون تفاصيل، ورسوم بيانية تُعرض بصورة جذابة بصرياً. لذا لا يكفي رؤية رقم، بل يجب أن نسأل عن سياقه: من الذي جمع البيانات؟ متى؟ وبأي طريقة؟ هذا التحقق أساسي لتقييم مصداقية الرقم.

قد نقرأ على سبيل المثال؛ أن نسبةً ما ارتفعت 100%، أو أن دراسة أثبتت تفوق فئة على أخرى، أو أن رسماً بيانياً يُظهر تغيراً كبيراً في مؤشر معين. وغالباً ما نتعامل مع هذه الأرقام باعتبارها حقائق لا تقبل الجدل، بينما قد تكشف نظرة أعمق أن القصة أكثر تعقيداً مما تبدو عليه.

فزيادة بنسبة 100% قد تعني انتقال العدد من شخص واحد إلى شخصين فقط، ومتوسط الدخل قد لا يعكس واقع أغلب الأفراد، كما أن رسماً بيانياً واحداً يمكن أن يغيّر انطباعنا عن البيانات تبعاً للطريقة التي صُمم بها. ولا يقتصر التحقق من المعلومات على فحص الصور والفيديوهات والتصريحات، بل يشمل أيضاً فهم الأرقام والإحصاءات التي تُستخدم لدعم الادعاءات المختلفة.

في هذا الدليل، نستعرض أبرز الأساليب التي قد تجعل الأرقام تبدو أكثر إقناعاً مما هي عليه، ونشرح كيفية قراءة الإحصاءات والرسوم البيانية بصورة نقدية، إلى جانب خطوات عملية تساعد الطلاب الجامعيين والصحفيين ومدققي المعلومات على التحقق من البيانات قبل الاستناد إليها أو إعادة نشرها.

قبل أن تصدق أي رقم متداول على الإنترنت، ابحث عن ثلاث إشارات تحذيرية شائعة:

- نسبة مئوية كبيرة دون ذكر الرقم الأصلي.

- دراسة أو استطلاع رأي دون توضيح حجم العينة.

- رقم منسوب إلى "دراسة" أو "خبراء" دون رابط للمصدر الأصلي.

وجود واحدة من هذه العلامات لا يعني أن الرقم خاطئ، لكنه يعني أن عليك التحقق منه قبل الاستشهاد به أو إعادة نشره.

كيف يمكن استخدام النسب المئوية بطريقة مضللة؟

ولماذا قد تبدو الأرقام كبيرة رغم أن التغير الحقيقي محدود؟

النسب المئوية من أكثر الطرق شيوعاً في عرض البيانات، لكنها قد تكون مضللة إذا عُرضت دون توضيح الأرقام الأصلية. فالنسبة المئوية تُظهر حجم التغير، لكنها لا تخبرنا دائماً بحجم الظاهرة نفسها.

إذا أعلنت جامعة أن عدد الطلاب المشاركين في نشاط تطوعي ارتفع بنسبة 200%، فقد يبدو الرقم ضخماً. لكن إذا كان عدد المشاركين ارتفع من 10 طلاب إلى 30 طالباً فقط، فإن فهم الأرقام الأصلية يساعد على تقييم حجم التغير بصورة أدق.

وتوضح المؤسسات الطبية باستمرار أهمية التمييز بين الخطر النسبي والخطر المطلق عند قراءة نتائج الدراسات. فبحسب المعهد الوطني الأمريكي للسرطان، قد يبدو الخبر أكثر إثارة عندما يُقال إن عاملًا ما "ضاعف الخطر" أو "زاد الخطر بنسبة 100%"، لكن فهم الخطر الحقيقي يتطلب معرفة عدد الأشخاص المتأثرين فعلياً. فإذا ارتفع احتمال الإصابة من شخص واحد بين كل 1000 شخص إلى شخصين بين كل 1000، فإن الخطر يكون قد تضاعف نسبياً، لكنه ما يزال منخفضاً من حيث العدد الفعلي للحالات. يُنصح دائماً بالنظر إلى الأرقام المطلقة إلى جانب النسب المئوية لفهم حجم التأثير الحقيقي. 

عند قراءة أي نسبة مئوية، اسأل دائمًا: زيادة مقارنة بماذا؟ وما هو الرقم الأصلي؟ ففي كثير من الأحيان يكون فهم العدد الأساسي أكثر أهمية من معرفة نسبة التغير نفسها.

المتوسط أم  الوسيط؟ رقم واحد قد يغيّر القصة بالكامل

عند الحديث عن الدخل أو الأسعار أو الرواتب، غالباً ما نرى أرقاما تُقدم على أنها تمثل "المتوسط". لكن هذا المتوسط لا يعكس دائماً واقع أغلب الأشخاص.

لنفترض أن لدينا خمسة أشخاص رواتبهم الشهرية كالتالي: 5 آلاف، و6 آلاف، و6 آلاف، و7 آلاف، و100 ألف جنيه. إذا حسبنا المتوسط الحسابي فسيبلغ نحو 24 ألف جنيه، وهو رقم أعلى بكثير من دخل أربعة أشخاص من أصل خمسة.

أما الوسيط، وهو الرقم الذي يقع في المنتصف بعد ترتيب القيم، فسيكون 6 آلاف جنيه. وفي هذه الحالة يعكس الوسيط بصورة أدق الوضع الحقيقي لمعظم أفراد المجموعة.

لهذا السبب توصي هيئات إحصائية عديدة، من بينها مكتب الإحصاءات الوطني في المملكة المتحدة، بالنظر إلى الوسيط عند دراسة الدخول والأجور، لأنه أقل تأثراً بالقيم المرتفعة أو المنخفضة جدًا.

ولا يقتصر استخدام الوسيط على الشروحات الأكاديمية، بل تعتمد عليه جهات إحصائية رسمية عند تحليل الأجور والدخول. فعلى سبيل المثال، توضح هيئة الإحصاء الاسترالية أن الوسيط يُعد أكثر تمثيلاً لدخل الموظف "النموذجي" لأن عدداً محدوداً من أصحاب الدخول المرتفعة جداً قد يرفع المتوسط الحسابي بصورة لا تعكس أوضاع معظم العاملين. قد يؤدي الاعتماد على المتوسط وحده إلى تكوين صورة أكثر تفاؤلاً من الواقع بالنسبة لمستويات الدخل. 

عندما تصادف رقماً يتحدث عن متوسط الدخل أو الأسعار أو الإنفاق، حاول معرفة ما إذا كان الرقم يمثل المتوسط الحسابي أم الوسيط، لأن اختيار أحدهما قد يؤدي إلى انطباع مختلف تماماً عن الواقع.

ماذا عن حجم العينة؟

قد يبدو أي استطلاع رأي مقنعاً عندما تُعرض نتائجه في صورة نسب مئوية، لكن هذه النسب لا تكتسب معناها إلا إذا عرفنا عدد الأشخاص الذين شملهم الاستطلاع.

فإذا قرأت أن "80% من الطلاب يفضلون التعليم الإلكتروني"، فمن المفيد أن تسأل: كم عدد الطلاب الذين شاركوا في الاستطلاع؟ هل هم 50 طالباً أم 5 آلاف؟

كلما كانت العينة أكبر وأكثر تمثيلًا للفئة المستهدفة، زادت قدرة النتائج على عكس الواقع بصورة أدق.

لكن حجم العينة وحده لا يكفي للحكم على جودة الدراسة. فاستطلاع شمل ألف شخص من مدينة واحدة لا يمكن اعتباره ممثلاً لرأي جميع سكان الدولة، حتى لو بدا العدد كبيراً.

لا يقتصر التحقق على معرفة عدد المشاركين فقط، بل يشمل أيضاً معرفة كيفية اختيارهم. هل جرى اختيارهم عشوائياً؟ وهل تمثل العينة الفئات المختلفة المستهدفة بالدراسة؟ فالعينة الصغيرة قد تكون أكثر دقة من عينة أكبر إذا كانت أكثر تمثيلًا للمجتمع محل الدراسة.

ولهذا السبب تنشر كثير من مؤسسات استطلاعات الرأي معلومات إضافية مثل هامش الخطأ وطريقة اختيار المشاركين إلى جانب النتائج نفسها، حتى يتمكن القارئ من تقييم مدى موثوقية الاستنتاجات المعروضة.

ثلاثة أخطاء إحصائية تتكرر في الأخبار يومياً

لا تقتصر المشكلات الإحصائية على النسب المئوية أو المتوسطات، بل توجد أنماط أخرى من الأخطاء تتكرر باستمرار في الأخبار والتقارير ومنشورات وسائل التواصل الاجتماعي.

أول هذه الأخطاء الخلط بين الارتباط والسببية، وسنعود إليه بمزيد من التفصيل لاحقاً.

أما الخطأ الثاني فهو الانتقاء الإحصائي (Cherry Picking)، ويحدث عندما يجري اختيار جزء من البيانات يدعم استنتاجاً معيناً مع تجاهل بقية البيانات. فقد يعرض تقرير أداء مؤشر اقتصادي خلال أشهر محددة شهدت تحسناً ملحوظاً، بينما تُظهر البيانات على مدى سنوات صورة مختلفة وأكثر تعقيداً.

أما الخطأ الثالث فهو استخدام الأرقام المطلقة بدل المعدلات. فالمؤسسات الإحصائية والصحية تؤكد أهمية استخدام المعدلات عند المقارنة بين الفترات الزمنية أو بين المناطق المختلفة. فزيادة عدد الحالات أو الوفيات أو الجرائم لا تعني بالضرورة أن الخطر ازداد، إذ قد يكون عدد السكان نفسه قد ارتفع خلال الفترة محل المقارنة. ولهذا تعتمد العديد من قواعد البيانات الصحية والإحصائية الدولية على معدلات الإصابة أو الوفاة لكل عدد محدد من السكان بدلاً من الأعداد الخام، لأنها تسمح بإجراء مقارنات أكثر دقة وعدالة بين المجتمعات والفترات الزمنية المختلفة. 

هل يعني الارتباط وجود علاقة سببية؟

من أكثر الأخطاء شيوعاً في تفسير الدراسات العلمية افتراض أن وجود علاقة بين متغيرين يعني أن أحدهما تسبب في الآخر. فقد تجد دراسة تشير إلى أن الأشخاص الذين يشربون القهوة بكثرة يحققون نتائج أفضل في العمل، لكن هذا لا يثبت أن القهوة هي سبب الأداء الأفضل. فقد يكون السبب الحقيقي عاملاً آخر، مثل طبيعة الوظائف التي تتطلب ساعات عمل طويلة أو اختلاف أنماط الحياة بين المشاركين.

وتظهر هذه المشكلة كثيراً في التغطيات الإعلامية للدراسات الصحية. فقد تُنشر عناوين من نوع "القهوة تقلل خطر الإصابة بمرض معين" أو "الأشخاص الذين يتناولون كميات أكبر من الفاكهة والخضروات يتمتعون بصحة أفضل"، رغم أن الدراسة قد تكون رصدية وتكشف فقط وجود ارتباط بين متغيرين. لذلك، عند قراءة مثل هذه النتائج، من المهم التحقق مما إذا كانت الدراسة تثبت علاقة سببية بالفعل أم تكتفي بإظهار وجود ارتباط إحصائي.

عند قراءة أي رقم أو دراسة حاول دائماً: 

- التمييز بين الارتباط والسببية.

- التأكد من أن البيانات المعروضة تمثل الصورة الكاملة.

- معرفة ما إذا كانت الأرقام معروضة في شكل أعداد مطلقة أم معدلات قابلة للمقارنة.

كيف تصل إلى المصدر الأصلي للبيانات؟

من الأخطاء الشائعة الاعتماد على رقم متداول في منشور أو خبر دون معرفة مصدره الأول. فكلما انتقلت المعلومة بين مصادر متعددة زادت احتمالات فقدان جزء من سياقها أو تفسيرها بصورة غير دقيقة.

ابدأ بالبحث عن مصدر الرقم المذكور في الخبر أو المنشور. هل يشير إلى دراسة؟ تقرير حكومي؟ قاعدة بيانات دولية؟ إذا لم يكن المصدر مذكوراً بوضوح، فهذه إشارة تستدعي مزيداً من الحذر.

لنفترض أنك صادفت منشوراً يقول إن "70% من الشباب يحصلون على الأخبار من وسائل التواصل الاجتماعي". بدلاً من إعادة نشر الرقم مباشرة، حاول البحث عن اسم الدراسة أو المؤسسة التي أجرته. كثيراً ما تقودك عملية البحث إلى التقرير الأصلي الذي يوضح تاريخ الدراسة وطريقة جمع البيانات وعدد المشاركين فيها.

في كثير من الحالات يمكن الوصول إلى البيانات الأصلية عبر مواقع المؤسسات المنتجة لها، مثل الأجهزة الإحصائية الحكومية أو المنظمات الدولية أو الجامعات ومراكز الأبحاث. كما أن كثيراً من الدراسات العلمية توفر بياناتها أو منهجيتها بشكل علني يسمح بمراجعتها.

وعند الوصول إلى المصدر الأصلي، تحقق من تاريخ البيانات، والمنهجية المستخدمة، وحجم العينة إن وجدت، وما إذا كانت النتائج تتعلق بفترة زمنية أو منطقة جغرافية محددة.

خلال جائحة كوفيد-19 انتشرت أرقام كثيرة نُقلت عن دراسات دون الإشارة إلى الدراسة الأصلية، ما أدى إلى تداول استنتاجات متناقضة حول النتائج نفسها.

كيف تكشف الرسوم البيانية المضللة؟

قد تبدو الرسوم البيانية وسيلة سهلة لفهم البيانات، لكنها أحياناً تُستخدم بطريقة تؤدي إلى انطباعات غير دقيقة.

من أكثر الأساليب شيوعاً البدء بمحور الأرقام من قيمة مرتفعة بدلاً من الصفر. ويظهر ذلك أحياناً في تغطية نتائج استطلاعات الرأي أو الانتخابات، حيث قد يبدو الفارق بين مرشحين كبيراً جداً في الرسم البياني إذا بدأ المحور الرأسي من 45 بدلاً من الصفر، رغم أن الفارق الحقيقي بينهما قد لا يتجاوز بضع نقاط مئوية. وفي هذه الحالة لا تكون البيانات نفسها خاطئة، لكن طريقة عرضها قد تمنح القارئ انطباعاً مبالغاً فيه بحجم الفارق. 

في هذا المثال لا توجد مشكلة في البيانات نفسها؛ فالمرشح "ب" يتقدم بالفعل على المرشح "أ" بفارق 4 نقاط مئوية. لكن إذا بدأ المحور الرأسي من 45% بدلاً من الصفر، فقد يبدو الفارق بصرياً أكبر بكثير من حجمه الحقيقي. ولهذا يُنصح دائماً بالنظر إلى قيم المحاور قبل تفسير أي رسم بياني.

كذلك قد تُستخدم أحجام أو أشكال مبالغ فيها لجذب الانتباه، أو تُعرض فترة زمنية قصيرة جدًا توحي بوجود اتجاه معين بينما تُظهر البيانات على مدى أطول صورة مختلفة تمامًا.

لا تكتفِ بالنظر إلى الأعمدة أو الخطوط، بل افحص الأرقام المكتوبة على المحاور، وتحقق من الفترة الزمنية المعروضة، واسأل نفسك ما إذا كان الرسم يقدم الصورة كاملة أم جزءاً منها فقط.

قبل أن تعيد نشر أي رقم.. اتبع هذه الخطوات

لا يحتاج التحقق من الإحصاءات إلى خبرة متخصصة في الرياضيات، لكنه يتطلب بعض الأسئلة الأساسية:

- ما المصدر الأصلي للرقم؟

- هل توجد أرقام فعلية إلى جانب النسبة المئوية؟

- هل الرقم يمثل متوسطاً حسابياً أم وسيطاً؟

- متى جُمعت البيانات؟ وهل ما تزال حديثة؟

- ما حجم العينة أو نطاق البيانات؟

- هل يعرض الرسم البياني البيانات بصورة كاملة وعادلة؟

- هل توجد مصادر أخرى مستقلة تؤكد النتيجة نفسها؟

الأرقام أدوات مهمة لفهم العالم، لكنها ليست محصنة ضد سوء الاستخدام. لذلك فإن التعامل النقدي مع الإحصاءات لا يعني التشكيك في كل رقم، بل فهم السياق الذي أُنتج فيه وكيفية عرضه. فقبل مشاركة أي رقم أو الاستناد إليه في تقرير أو بحث أو منشور، من المفيد التوقف للحظة وطرح بعض الأسئلة البسيطة التي قد تكشف جانباً من القصة لا يظهر في الرقم وحده.