除了“事实”的有效性之外，还要考虑混乱的术语。上述社交媒体帖子称这些为“冠状病毒事实”，将冠状病毒与 SARS 进行比较。冠状病毒是一种病毒，其中一种是普通感冒；另一种是冠状病毒（2002-2004 年疫情），另一个是新冠肺炎。当“事实”以不一致的定义陈述时，就会打开扭曲的大门。当疾病类别与特定疾病相混淆时，数据就无法正确区分或分类，难以准确测量。
理解背景是关键数据素养人们经常断章取义地看待孤立 现金应用程序数据 的信息，这会扭曲他们的 。例如，韩国被宣布为最危险的国家之一，因为有大量人被检测出 -19 呈阳性。同样的数据被用来称赞韩国，因为每 150 人中就有一人接受检测。尽管韩国的检测人数占人口的比例比大多数国家都高得多，但他们似乎有更多的病人。各种主持人都忽略了上下文真实的情况不仅仅是阳性检测结果的数量。再次强调，解释时只考虑个人意见，而没有考虑适当的背景因素。
缺乏对基本统计学的理解是数据素养的一大障碍。 重要。仅仅因为数据之间存在相关性并不意味着存在因果关系，换句话说，变量之间存在因果关系。例如，一项研究表明，某种疫苗在一定程度上可以防止病毒感染新型冠状病毒 甚至降低死亡率。这听起来很有希望。然而，专家表示，我们必须小心，不要暗示疫苗接种肯定会影响死亡率。因此，相关性有助于提出一个合理的假设，但显然，“我们需要更多的试验数据才能有信心地说出任何事情。”