Jak czytać liczby. O statystykach w mediach (i kiedy można im ufać)

„Jak czytać liczby?” to niezwykle aktualna pozycja dotycząca obecności i interpretacji danych statystycznych w dyskursie publicznym. Autorzy analizują mechanizmy powstawania dezinformacji wynikającej z błędnej interpretacji liczb przez media. Statystyki to potężne narzędzia do rozumienia świata, ale w rękach pogoni za sensacją stają się niebezpiecznym narzędziem dezinformacji. Zamiast rzetelnej analizy, otrzymujemy często „dramatyczne” doniesienia, które budują błędny obraz rzeczywistości. Książka powstała jako odpowiedź na chaos informacyjny towarzyszący pandemii COVID-19 oraz narastający trend „dramatyzowania” wiadomości. Jest to rzetelny przewodnik po krytycznym myśleniu, który uczy czytelnika, jak odróżnić solidne dowody naukowe od medialnych manipulacji i błędów poznawczych.

Kluczowe zagadnienia:

• Analiza błędów medialnych: Omówienie najczęstszych pułapek, takich jak błąd doboru próby, mylenie korelacji z przyczynowością oraz tzw. „cherry-picking” (wybiórcze traktowanie danych).
• Statystyka dla nienaukowców: Autorzy sprowadzają skomplikowane pojęcia matematyczne (istotność statystyczna, twierdzenie Bayesa, błąd przeżywalności) do przystępnych, życiowych przykładów, ograniczając aparaturę matematyczną do minimum.
• Rozwijanie kompetencji informacyjnych: Książka uczy, jak weryfikować źródła, oceniać wielkość próby i rozumieć ryzyko (względne vs bezwzględne), co jest kluczowe w dobie powszechnego dostępu do mediów społecznościowych.
• Przykłady z życia: Publikacja opiera się na rzeczywistych doniesieniach prasowych dotyczących ochrony zdrowia, polityki, kryminalistyki oraz zmian społecznych.

Książka ta jest świetną pozycją dla wszystkich odbiorców mediów i dziennikarzy, a także dla nauczycieli i wykładowców jako materiał pomocniczy w nauczaniu statystyki, dziennikarstwa oraz krytycznej analizy tekstu.

Jak czytać liczby – O statystykach w mediach (i kiedy można im ufać)

„Jak czytać liczby?” to niezwykle aktualna pozycja, która zgłębia obecność i interpretację danych statystycznych w dyskursie publicznym. Autorzy, Tom Chivers i David Chivers, analizują mechanizmy powstawania dezinformacji wynikającej z błędnej interpretacji liczb przez media, oferując czytelnikom rzetelny przewodnik po krytycznym myśleniu.

Dla kogo jest ta książka?

• Osoby zainteresowane krytycznym myśleniem i analizą danych
• Dziennikarze i pracownicy mediów
• Nauczyciele i wykładowcy statystyki oraz dziennikarstwa
• Studenci i uczniowie pragnący zrozumieć statystykę w praktyce
• Każdy, kto chce lepiej oceniać informacje w dobie mediów społecznościowych

Co zyskasz dzięki tej publikacji?

• Nauczysz się odróżniać solidne dowody naukowe od medialnych manipulacji
• Rozwiniesz umiejętności weryfikacji źródeł i oceny danych
• Zrozumiesz, jak unikać pułapek interpretacyjnych w statystyce
• Przygotujesz się do krytycznej analizy informacji w mediach
• Otrzymasz praktyczne przykłady z życia, które ułatwią zrozumienie zagadnień statystycznych

Kluczowe tematy i obszary

• Analiza błędów medialnych i pułapek interpretacyjnych
• Statystyka dla nienaukowców – przystępne wyjaśnienia skomplikowanych pojęć
• Rozwijanie kompetencji informacyjnych w dobie mediów społecznościowych
• Przykłady z życia dotyczące ochrony zdrowia, polityki i zmian społecznych

O Autorach

Tom Chivers i David Chivers to doświadczeni autorzy, którzy specjalizują się w analizie danych i krytycznym myśleniu. Ich prace koncentrują się na zrozumieniu statystyki w kontekście mediów i społeczeństwa.

O Wydawcy

Wydawnictwo Naukowe PWN to renomowany wydawca, który od lat dostarcza wysokiej jakości publikacje naukowe i edukacyjne. Specjalizuje się w literaturze akademickiej, oferując książki, które wspierają rozwój wiedzy i umiejętności w różnych dziedzinach.

Opis wygenerowany automatycznie na podstawie analizy cech publikacji przez system AI. Nasz algorytm dokonał samodzielnej syntezy korzyści płynących z tej książki, aby dostarczyć Ci rzetelny wgląd w jej zawartość bez udziału człowieka. Szybka informacja prosto z metadanych produktu.