このグラフは嘘をついている？ 誤解を招く可視化の検出を自動化する

要旨: 誤解を招く視覚化は、ソーシャルメディアやWeb上での誤情報を強力に後押しします。チャート設計の原則に反することで、データを歪め、読者が不正確な結論を導く原因になります。先行研究により、このような視覚化によって、人間とマルチモーダル大型言語モデル（MLLMs）の両方が頻繁に欺かれることが示されています。誤解を招く視覚化を自動的に検出し、どの特定の設計ルールに違反しているかを特定できれば、読者を保護し、誤情報の拡散を抑えるのに役立ちます。しかし、AIモデルの訓練と評価は、大規模で多様かつオープンに利用可能なデータセットが存在しないことによって制限されてきました。本研究では、誤誘導（misleader）の12種類に基づいて注釈付けされた、実世界の視覚化2,604件からなるベンチマーク「Misviz」を導入します。モデルの訓練を支援するために、実世界のデータテーブルに基づき、Matplotlibを用いて生成した視覚化57,665件からなる合成データセット「Misviz-synth」も作成します。最先端のMLLMs、ルールベースのシステム、画像軸分類器を用いて、両方のデータセットに対して包括的な評価を行います。その結果、この課題は依然として非常に難しいことが明らかになりました。私たちはMisviz、Misviz-synth、および付随するコードを公開します。