Οι παραδοσιακοί ορισμοί της Στατιστικής την περιγράφουν ως την επιστήμη της συλλογής και ανάλυσης δεδομένων με σκοπό την κατανόηση μεγάλων πληθυσμών. Για πολλούς επιστήμονες, ωστόσο, η Στατιστική είναι κάτι πολύ περισσότερο. Είναι μία απαραίτητη πυξίδα αλήθειας που διασφαλίζει την πρόοδο της γνώσης υποστηρίζοντας και επικυρώνοντας έργα σε όλες τις επιστήμες.
Παρά τον σημαντικό της ρόλο στην επιστημονική πρόοδο, ένα μεγάλο μέρος της κοινωνίας μας δυσκολεύεται να κατανοήσει στατιστικές έννοιες και τις χρησιμοποιεί λανθασμένα ή καταχρηστικά. Δημόσιοι αξιωματούχοι, εκπρόσωποι της Δικαιοσύνης, υπεύθυνοι λήψης αποφάσεων, συγγραφείς και δημόσιοι ομιλητές (ποιος δεν είναι σήμερα;) εργαλειοποιούν κακοφτιαγμένα διαγράμματα, ερμηνεύουν δεδομένα μεροληπτικά και συμπεραίνουν σχέσεις αιτίας – αποτελέσματος χωρίς απαραίτητες αποδείξεις, μετατρέποντας έτσι (συχνά άθελά τους) τη Στατιστική από έναν ανιχνευτή αλήθειας σε μία γεννήτρια εσφαλμένων ειδήσεων και ψευδών συμπερασμάτων. Απέναντι στη συνεχώς αυξανόμενη απειλή παραπληροφόρησης, η κοινωνία μας δυστυχώς υψώνει ισχνές άμυνες που οφείλονται εν πολλοίς στον ανεπαρκή αλφαβητισμό δεδομένων (data literacy), δηλαδή την ικανότητα ανάγνωσης, κατανόησης και επικοινωνίας των δεδομένων και των ιστοριών τους. Οι εκπαιδευτικές μεταρρυθμίσεις και οι πολιτικές επανειδίκευσης εργατικού δυναμικού που θα καλλιεργούσαν σύγχρονα μοντέλα σκέψης βασισμένα στην ανάλυση δεδομένων έχουν αναμφίβολα καθυστερήσει πολύ. Πέρα όμως από ευθύνες τρίτων, εμείς ως πολίτες μπορούμε (και έχουμε την εγγενή υποχρέωση) να ανανεώσουμε την κριτική μας σκέψη ενισχύοντας τις γνώσεις μας για τα δεδομένα, εφοδιάζοντας έτσι τους εαυτούς μας με μια έμπιστη πυξίδα αλήθειας. Ας δούμε μερικά παραδείγματα βασικών αρχών του αλφαβητισμού δεδομένων:
Περιεχόμενο για συνδρομητές
Το παρόν άρθρο, όπως κι ένα μέρος του περιεχομένου από tovima.gr, είναι διαθέσιμο μόνο σε συνδρομητές.
