Διαβάζω, Συνδυάζω και Ερμηνεύω Πληροφορίες 🕵️‍♀️

Πολλές φορές οι πληροφορίες δεν έρχονται μόνες τους. Έρχονται μέσα σε
πίνακες,
σε διαγράμματα, ή ακόμα και σε περισσότερες από μία πηγές μαζί. Για να
καταλάβουμε πραγματικά τι μας λένε, δεν αρκεί να τους ρίξουμε μια ματιά.
Πρέπει να μάθουμε να τους «διαβάζουμε» σωστά, να τους συνδυάζουμε, και —
το πιο σημαντικό — να καταλαβαίνουμε τι μας λένε αλλά και τι δεν μας
λένε.

Πίνακες με πολλά κριτήρια 📋

Ένας απλός πίνακας έχει συνήθως δύο γραμμές: μια με τις κατηγορίες και μια
με τους αριθμούς. Όμως πολλοί πίνακες που συναντάμε στην καθημερινή ζωή
είναι πιο σύνθετοι: συνδυάζουν δύο ή περισσότερα κριτήρια ταυτόχρονα.

Για παράδειγμα, ένας πίνακας δρομολογίων μπορεί να δείχνει ταυτόχρονα:

• από ποιο μέρος ξεκινάει κάθε δρομολόγιο (ένα κριτήριο),
• τι ώρα φεύγει (δεύτερο κριτήριο),
• τι είδους μεταφορικό μέσο είναι (τρίτο κριτήριο).

Σε έναν τέτοιο πίνακα, κάθε κελί δεν είναι απλώς ένας αριθμός — είναι η
απάντηση σε τρεις ερωτήσεις μαζί. Για να διαβάσουμε σωστά ένα τέτοιο
κελί, πρέπει να κοιτάξουμε και τη γραμμή και τη στήλη που το
καθορίζουν, και να προσέξουμε τυχόν υπόμνημα
που εξηγεί τι σημαίνει κάθε σύμβολο ή χρώμα μέσα στον πίνακα.

Συνδυάζω πληροφορίες από διαφορετικές πηγές 🔗

Συχνά η απάντηση σε μια ερώτηση δεν βρίσκεται σε ένα μόνο σημείο, αλλά
προκύπτει όταν συνδυάσουμε πληροφορίες από περισσότερες από μία πηγές —
δύο πίνακες, έναν πίνακα και ένα κείμενο, ή δύο διαγράμματα.

Ας δούμε ένα παράδειγμα. Έστω ότι έχουμε δύο πίνακες με τις εγγραφές
μαθητών σε δύο διαφορετικά σχολεία:

Κάθε πίνακας ξεχωριστά μας λέει κάτι: στο Σχολείο Α οι εγγραφές
μειώνονται, στο Σχολείο Β αυξάνονται. Όμως το πραγματικά χρήσιμο
συμπέρασμα προκύπτει όταν τους συγκρίνουμε: τα δύο σχολεία έχουν
αντίθετη πορεία, παρόλο που βρίσκονται ίσως στην ίδια περιοχή. Αυτό μπορεί
να μας οδηγήσει σε νέες ερωτήσεις — γιατί συμβαίνει αυτό; Μήπως οι
οικογένειες μετακινούνται από το ένα σχολείο στο άλλο;

Εξάγω συμπεράσματα από τα δεδομένα 🔎

Όταν διαβάζουμε σωστά έναν πίνακα ή ένα διάγραμμα, μπορούμε να βγάλουμε
συμπεράσματα: να πούμε δηλαδή ποιο στοιχείο είναι το μεγαλύτερο, ποιο το
μικρότερο, αν κάτι αυξάνεται ή μειώνεται, ή να υπολογίσουμε ένα σύνολο
προσθέτοντας επιμέρους τιμές.

Ένα χρήσιμο εργαλείο είναι να προσθέτουμε όλες τις τιμές μιας γραμμής ή
στήλης για να βρούμε το σύνολο. Για παράδειγμα, αν ένας πίνακας δείχνει
πόσα δρομολόγια φεύγουν από πέντε λιμάνια, το συνολικό πλήθος δρομολογίων
προκύπτει αν μετρήσουμε όλα τα δρομολόγια απ' όλα τα λιμάνια μαζί —
όχι μόνο ενός λιμανιού.

Άλλες φορές χρειάζεται να συγκρίνουμε δύο τιμές για να πούμε ποια
είναι μεγαλύτερη, ή να βρούμε τη διαφορά τους αφαιρώντας τη μία από
την άλλη. Το σημαντικό είναι να διαλέγουμε την κατάλληλη πράξη ανάλογα με
το τι μας ζητάει η ερώτηση: «πόσα συνολικά» σημαίνει πρόσθεση, «πόσα
περισσότερα» σημαίνει αφαίρεση.

Τι ΔΕΝ μας λένε τα δεδομένα 🚫

Το πιο σημαντικό μάθημα της σημερινής ενότητας είναι αυτό: τα δεδομένα
απαντούν μόνο σε ό,τι πραγματικά μετρούν — τίποτα παραπάνω. Πολλές
φορές νομίζουμε ότι ένας πίνακας μας δίνει μια απάντηση, ενώ στην
πραγματικότητα δεν μας τη δίνει.

Ας δούμε ένα παράδειγμα. Ένα εικονόγραμμα δείχνει πόσα κρουασάν, τυρόπιτες
και χυμούς αγόρασαν συνολικά τα παιδιά ενός σχολείου από το κυλικείο μέσα
σε έναν μήνα. Μπορούμε άραγε να απαντήσουμε «πόσα παιδιά ψώνισαν από
το κυλικείο»;

Όχι. Το εικονόγραμμα μετράει προϊόντα, όχι παιδιά. Ένα παιδί μπορεί
να αγόρασε και χυμό και τυρόπιτα την ίδια μέρα — άρα μετρήθηκε δύο φορές
μέσα στα προϊόντα, όχι μία. Δεν έχουμε τρόπο να ξέρουμε πόσα διαφορετικά
παιδιά έκαναν αγορές, γιατί αυτό δεν είναι κάτι που μέτρησε ο πίνακας.

Κάνω προβλέψεις με προσοχή 🔮

Όταν βλέπουμε μια σταθερή τάση σε δεδομένα (π.χ. έναν αριθμό που
μειώνεται χρόνο με τον χρόνο), μπορούμε να κάνουμε μια
πρόβλεψη
για το τι θα συμβεί στη συνέχεια. Αν κάθε χρόνο οι εγγραφές μειώνονται
κατά 1-2 μαθητές, είναι λογικό να περιμένουμε ότι και τον επόμενο χρόνο
θα είναι λίγο λιγότερες.

Όμως μια πρόβλεψη δεν είναι σιγουριά. Είναι η καλύτερη εκτίμηση που
μπορούμε να κάνουμε με όσα ξέρουμε αυτή τη στιγμή, όχι μια βεβαιότητα.
Κάτι απρόβλεπτο (μια νέα οικογένεια που μετακομίζει, μια αλλαγή στο
νησί) μπορεί ανά πάσα στιγμή να αλλάξει την πορεία που είχαμε
παρατηρήσει. Γι' αυτό, όταν κάνουμε μια πρόβλεψη, είναι καλό να λέμε
«πιθανόν» ή «μάλλον» και όχι «σίγουρα».

Πώς δουλεύω σαν ντετέκτιβ των αριθμών 🧭

Όταν έχουμε μπροστά μας έναν πολύπλοκο πίνακα ή περισσότερες από μία
πηγές πληροφοριών, βοηθάει να ακολουθούμε συγκεκριμένα βήματα:

1. Διαβάζω προσεκτικά τους τίτλους των γραμμών, των στηλών και το
   υπόμνημα, ώστε να ξέρω τι ακριβώς δείχνει κάθε αριθμός ή σύμβολο.
2. Εντοπίζω ακριβώς ποια γραμμή και ποια στήλη (ή ποιες πηγές)
   αφορά η ερώτηση.
3. Διαλέγω τη σωστή πράξη (πρόσθεση για σύνολο, αφαίρεση για
   διαφορά, σύγκριση για «ποιο είναι μεγαλύτερο») ανάλογα με το τι
   ζητάει η ερώτηση.
4. Ελέγχω αν η ερώτηση μπορεί πραγματικά να απαντηθεί με αυτά τα
   δεδομένα, ή αν ζητάει κάτι που δεν μετρήθηκε.
5. Διατυπώνω το συμπέρασμα με σαφήνεια, και αν κάνω πρόβλεψη, το
   λέω ως εκτίμηση και όχι ως βεβαιότητα.

Ακολουθώντας αυτά τα βήματα, μπορούμε να διαβάζουμε με σιγουριά
οποιονδήποτε πίνακα ή διάγραμμα συναντήσουμε — στο σχολείο αλλά και στην
καθημερινή ζωή.