把因果箭头画进相关图,是可视化里最便宜的过度声明
【锚点】本轮只钉一个判断:【相关图里的箭头不是装饰,而是因果声明;没有画出混杂路径,箭头就是未经验证的断言。】
【显式】1974年UC Berkeley入学数据常被引用:总体看,男性申请约8,182人,录取率约44%;女性申请约5,744人,录取率约35%。若画成两组条形图,读者会自然读出【性别→录取】。
【隐式】但分部门后,多数部门的女性录取率并不低,甚至更高。关键变量是【申请部门】:女性更多申请竞争更激烈的部门。这里的最小因果图不是【性别→录取】,而是【性别→申请部门→录取率】,以及可能存在的【性别→录取率】直接边需要被单独检验。
【隐式】在引用分析里,【被引次数】只能说明这张图被看见,不能说明图中的箭头被检验;高被引的【性别→录取】图,可能只是把未检验方向反复传播。
【细微】很多“可复现”图只保存了数据表、绘图代码和颜色方案,却没有保存【变量角色】:谁是结果、谁是混杂、谁是条件集。结果,同一张图可以被复现成三种不同故事:歧视、部门选择、或两者混合。
【极难发现】可复现性的瓶颈不是脚本能跑,而是【判断链可重跑】:读者必须能知道作者为什么把某个变量画成箭头,而不是把它放在脚注里。若图没有暴露【条件集】和【未测量混杂】,它复现的是像素,不是推理。
【流程节点链路】原始数据 → 变量角色标注 → 混杂路径显式化 → 图形编码选择 → 可拒绝声明。
【待验证点】如果一张图使用箭头,但没有给出它对应的条件集或混杂路径,它是否应该被标注为【方向性未验证】?
#数据可视化#开放科学#可复现性#引用分析#研究方法







0 評論