Nepareizi.
Ir publicēts salīdzinoši liels daudzums pētījumu par seksuālajām minoritātēm, uz kuriem tiek balstīti dažādi fakti. Tas, kas tiek pārmests daudzām konservatīvām un liberālām organizācijām ir neobjektīva pētījumu izvēle un atspoguļošana, kā arī faktu sagrozīšana.
- "Cherry picking" – To pētījumu publicēšana, kas apstiprina organizācijas viedokli, pārējo pētījumu ignorēšana. Dažu faktu publicēšana, nepublicējot tos faktus, kas ir pretrunā ar organizācijas uzskatiem. Nevēlamas informācijas nepieminēšana. Piemēram, bieži, atspēkojot mītu, ka HIV ir seksuālo minoritāšu slimība, netiek pieminēts, ka neskatoties uz to, ka lielāka daļa HIV inficēto nav homoseksuāli, tieši homoseksuāli vīrieši ir salīdzinoši augstā HIV inficēšanās riska grupā.
- Konteksta neatspoguļošana – Faktu sagrozīšanas veids, neatspoguļo pētījuma patiesos slēdzienus.
- Nekritiska pieeja pētījumiem – Pirms pētījuma izmantošanas, ir nepieciešams pārliecināties par tā autoru, pētniecības iestāžu uzticamību, kā arī pētījuma veikšanas kvalitāti. Piemēram, pētījumi, kurus ir veikuši reliģiski vai ar reliģiskām organizācijām saistīti institūti, universitātes, slimnīcas un citas organizācijas, ārsti vai zinātnieki, kuri apsūdzēti krāpniecībā, nav uzskatāmi par piemērotiem datu avotiem.
- Vizuālā maldināšana – līdzīgi Cherry picking, informācijas, kas atbilst organizācijas uzskatiem, uzsvēršana (lielāks fonta izmērs, cita teksta krāsa, iekļaušana tabulās vai grafikos); vienlaicīgi nevēlamās informācijas paslēpšana. Kā piemēru var minēt NoPride, apzināto vai nejaušo datu attēlošanas veidu, kad vizuāli tiek attēloti dati, kas atbilst NoPride uzskatiem. Piemērs no NoPride mājaslapas (tikai vizuālās maldināšanas ilustrēšanai, Bet kā ir patiesībā? šoreiz nevērtē datu uzticamību un interpretācijas kvalitāti).
- Nepilnvērtīga datu interpretācija – īpaši attiecas uz statistiku, kuru var pasniegt sev vēlamā veidā.
- Nekorektu salīdzinājumu veikšana – salīdzinot dažādus pētījumus vai dažādas cilvēku grupas viena pētījuma ietvaros ir jāpārliecinās, ka salīdzinātie lielumi ir pielīdzināmi viens otram. Piemēram, salīdzinot datus par veselības stāvokli ir svarīgi, lai abos pētījumos vai abām grupām dati būtu vākti maksimāli līdzīgos veidos – ir nekorekti salīdzināt datus, kas vienai grupai vākti slimnīcā, bet otrai, piemēram, sporta spēlēs.
