ThaiPublica > คอลัมน์ > Data literacy in action: การพัฒนาความคิดเพื่อความฉลาดรู้ทางข้อมูล

Data literacy in action: การพัฒนาความคิดเพื่อความฉลาดรู้ทางข้อมูล

21 มกราคม 2017


จรัล งามวิโรจน์เจริญ

Info Dataliteracy by thaipublica on Scribd

เมื่อคุณได้รับข้อมูลจากเพื่อนของคุณผ่านทางโซเชียลมีเดียชวนให้คุณกินยาเพื่อลดน้ำหนัก กินอาหารชนิดใหม่ๆ ด้วยวิธีแปลกๆ เพื่อให้มีสุขภาพที่ดีกว่าเดิม คุณเคยสงสัยไหมว่าข้อมูลที่เพื่อนคุณส่งมาให้นั้นเป็นเรื่องจริงหรือไม่ ความสงสัยในข้อมูลข่าวสารที่เพื่อนส่งมาให้อาจทำให้ผู้อ่านหลายท่านคิดว่าเป็นเรื่องตลก แต่บางครั้งถ้าเราไม่คิดให้ดีก่อนที่จะเชี่อข้อมูลเหล่านั้นและส่งต่อไปให้ผู้อื่น เราอาจเป็นผู้ถูกหลอกและกำลังส่งต่อข้อมูลที่ผิดๆ ให้กับคนรอบข้างของเราได้โดยไม่รู้ตัว เพราะทุกวันนี้เราอยู่ในสังคมที่ข้อมูลข่าวสารถูกส่งต่อโดยไม่ได้รับการตรวจสอบ (unverified information)

ข่าวสารที่เราได้รับมาทุกวันนี้ มักมาจากการส่งกระจายไปทั่วบนโซเชียลมีเดียโดยไม่ได้ถูกตรวจสอบที่มาและความน่าเชื่อถือ น่าแปลกที่สังคมในปัจจุบัน คนเราเลือกที่จะไว้ใจคนส่งข่าวมากกว่าที่จะตรวจสอบข่าวสารที่ได้รับว่าเป็นเรื่องจริงหรือไม่ แนวคิดด้านความฉลาดรู้ทางข้อมูล หรือ data literacy นั้นคือความสามารถในการใช้ความรู้ในการผลิต คิด และวิเคราะห์เกี่ยวกับข้อมูล* อาจจะช่วยให้ผู้อ่านหลายๆ ท่านกลายเป็นผู้บริโภคข่าวสารที่มีไหวพริบมากขึ้น

การพิจารณาข่าวสารที่เราได้รับซึ่งมีองค์ประกอบที่เป็นข้อมูลหลากหลาย เช่น ตัวเลข (number) ข้อความ (text) รูป (image) ภาพเคลื่อนไหว (video) เสียง (audio) เป็นต้น การเริ่มตั้งคำถามกับมันจะช่วยให้เราเข้าใจข้อมูลได้มากขึ้น ที่สำคัญ ความเข้าใจเหล่านี้จะช่วยจุดประกายแนวทางการตั้งคำถาม (line of inquiry) ที่ทำให้เกิดการต่อยอด รวมทั้งก่อให้เกิดการพัฒนาความรู้เชิงลึกได้มากขึ้น

ตัวอย่าง คำถามพื้นฐานที่เราควรถามเมื่อเราเจอข้อมูลในรูปแบบต่างๆ เช่น ข้อมูลมาจากแหล่งไหน เก็บข้อมูลอย่างไร และข้อมูลเหล่านี้มาจากแหล่งข่าวที่เชื่อถือได้หรือไม่ ทั้งนี้ เมื่อเราเจอลักษณะข้อมูลที่มีรูปแบบที่แตกต่างกัน เราอาจจะตั้งคำถามในลักษณะอื่นๆ ได้อีก ดังนี้(คลิกที่ตารางเพื่อขยาย)

Dataliteracy_thaipublica1_FN

**การเดาอย่างเป็นระบบแบบ Fermi Question

ข้อมูล: ในกรุงเทพฯ มีความต้องการคนตั้งเสียงเปียโน (piano tuner) จำนวน 1,000 คน

ชวนคิด: เมื่อเราเห็นตัวเลขนี้แล้ว เราต้องลองกลับมาตั้งคำถามดูว่า เลขจำนวนนี้ใหญ่เกินความจริงไปไหม หากคุณไม่ได้เป็นคนเล่นเปียโนและไม่ได้มีพื้นฐานความรู้ด้านดนตรีมาก่อน คุณจะมั่นใจได้อย่างไรว่าจำนวนคนตั้งเสียงเปียโนนี้เป็นเลขที่เป็นความจริงและเชื่อถือได้ วิธีการต่อไปนี้เป็นหนึ่งในหลายๆ วิธีในการประมาณคร่าวๆ เพื่อพิจารณาด้วยตนเองว่าข้อมูลที่เราได้รับเป็นตัวเลขมานี้น่าเชื่อถือหรือไม่

วิธีการคิด:

1. ประชากรในกรุงเทพฯ มีประมาณ 10 ล้านคน สมมติว่าโดยเฉลี่ยแล้วหนึ่งครัวเรือนมี 2 คน ดังนั้นในกรุงเทพฯ จะมีประชากร 5 ล้านครัวเรือน

2. ถ้า 1 ใน 100 ครัวเรือน (50,000 ครัวเรือน) มีเปียโนหนึ่งเครื่อง และเครื่องเปียโนนั้นจะต้องปรับเสียงปีละหนึ่งครั้ง ดังนั้นจะต้องปรับเสียงทั้งสิ้น 50,000 ครั้งต่อปี

3. สมมติว่าใน 1 ปีคนตั้งเสียงเปียโนมีความสามารถในการดำเนินการตั้งเสียงเปียโนได้ 50 สัปดาห์ เป็นเวลา 40 ชั่วโมงต่อสัปดาห์ และใช้เวลา 2 ชั่วโมงต่อครั้ง ดังนั้น ใน 1 ปีคนปรับเสียงเปียโน 1 คนต้องดำเนินการ 1,000 ครั้งต่อปี

4. เมื่อนำความต้องการการปรับเสียงเปียโนในกรุงเทพฯ 50,000 ครั้งต่อปี มาหารด้วยความสามารถในการดำเนินการ 1,000 ครั้งต่อปีต่อคน จะทำให้ได้ตัวเลขที่เหมาะสมสำหรับจำนวนคนตั้งเสียงเปียโนในกรุงเทพฯ คือ 50 คน

สรุป: ตัวเลขที่เหมาะสมสำหรับจำนวนคนตั้งเสียงเปียโนในกรุงเทพฯ คือ 50 คน จากผลการประมาณการดังกล่าวแสดงให้เห็นว่าข้อมูลเรื่อง จำนวนความต้องการคนตั้งเสียงเปียโน (piano tuner) 1,000 เป็นตัวเลขที่ใหญ่เกินความจริงมาก

สรุปว่า data literacy หรือ ความฉลาดรู้ทางข้อมูล นั้นเป็นเพียงจุดเริ่มต้นที่ทำให้คนเริ่มฉุกคิดและหันมาสนใจสิ่งที่อยู่ภายใต้ข้อมูลข่าวสารที่คนเราได้รับมากขึ้น การที่คนในสังคมมี data literacy นั้นจะช่วยทำให้สังคมของเราเป็นสังคมที่ชอบการตั้งคำถาม เพื่อทำให้เกิดการต่อยอดทางความรู้และการพัฒนาภูมิปัญญา ที่สำคัญอาจทำให้สังคมในอนาคตของเราเป็นสังคมที่ใช้ “ความจริง” จากการพิจารณาด้วยสติปัญญามาแก้ไขปัญหาต่างๆ มากกว่าอารมณ์ได้มากขึ้น ซึ่งการมี data literacy นี้เป็นทักษะที่คนในสังคมจะต้องใช้เวลาในการฝึกฝนและเริ่มเห็นประโยชน์ในระยะยาวจากมัน เพื่อให้สังคมของเราเป็นสังคมที่อุดมไปด้วยปัญหาที่เกิดจากปัญญา ไม่ใช่สังคมที่มีแต่ปัญหาที่มาจากข้อมูลข่าวสารที่ขาดการไตร่ตรอง หวังว่าบทความจากคอลัมน์นี้คงจะเป็นจุดเริ่มต้นที่ทำให้ท่านผู้อ่านหลายท่านสนใจนำความคิดด้าน data literacy มาประยุกต์ใช้กันมากขึ้น คราวหน้าจะพาท่านผู้อ่านไปดู data ที่หน้าตาสวยๆ กัน

หมายเหตุ: * Reference: data journalism journal