Your SlideShare is downloading. ×
Vortrag netzwerk recherche: Training für Datenjournalismus
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Vortrag netzwerk recherche: Training für Datenjournalismus

1,944
views

Published on

Published in: News & Politics, Technology

2 Comments
1 Like
Statistics
Notes
  • Ah Mist, Link vergessen: Die stammen aus einer Präsentation von Alan McLean, NYT. Gehalten wurde die Präsentation bei dem #ddj Roundtable in Amsterstam 2010. Ich trage gleich mal schnell Quellennachweis und Link nach. http://www.slideshare.net/amclean/data-driven-journalism-telling-stories-online
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Hi Mirko, woher sind denn die Developer/Journalist-Grafiken auf Slide 64/5? Gruß, Matthias
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total Views
1,944
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
15
Comments
2
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. FACHKONFERENZ NETZWERK RECHERCHE 2012WACHT AUF,WENN IHR JOURNALISTEN SEID.AUFBAU VON TRAINING FÜRDATENJOURNALISMUS +STRATEGIEN FÜR REDAKTIONEN
  • 2. FACHKONFERENZ NETZWERK RECHERCHE 2012WACHT AUF,WENN IHR JOURNALISTEN SEID.AUFBAU VON TRAINING FÜRDATENJOURNALISMUS +STRATEGIEN FÜR REDAKTIONENMIRKO LORENZ, HAMBURG, 25. MÄRZ 2012
  • 3. @MIRKOLORENZJOURNALIST / INFORMATIONSARCHITEKT / TRAINER
  • 4. INHALT- WAS BISHER GESCHAH- TRAININGSKONZEPTE- BARRIEREN & PERSPEKTIVEN
  • 5. ARBEITSZIEL:AUFBAU EINES STRUKTURIERTENTRAININGSANGEBOTS FÜRDATA-DRIVEN JOURNALISM
  • 6. WAS BISHER GESCHAH...
  • 7. Einer der ersten Artikel über „data-driven reporting“
  • 8. Einer der ersten Artikel über „data-driven reporting“
  • 9. Einer der ersten Artikel über „data-driven reporting“ „data-driven reporting should become second nature to journalists“
  • 10. TRAININGSANGEBOTE AUFBAUEN - SCHRITTE BISHER2009: ERSTE IDEEN FÜR #DDJ SYLLABUS2010: WARTEN AUF FINANZIERUNGSZUSAGE #FAIL DDJ ROUNDTABLE IN AMSTERDAM2011: ABZV: UNTERSTÜTZUNG FÜR PROJEKT #WIN ERSTE SEMINARE (WOCHE/TAGE)2012: DATAWRAPPER LAUNCH (TOOL FÜR VISUALISIERUNG) UNCONFERENCE SXSW MIT NPR, TEXAS TRIBUNECOMING UP: DATASTORY: WEBSITE MIT TUTORIALS AUFBAU VON DATEN TEAMS DATEN ALS FINANZIERUNGSQUELLE FÜR MEDIEN
  • 11. #DDJ TRAINING: WAS SOLLTENJOURNALISTEN KÖNNEN?
  • 12. Stark vereinfacht: Die Transformation von Daten inrelevante Beiträge. DEF: DATA-DRIVEN JOURNALISM = WORKFLOW Mirko Lorenz, 2010 (CC-BY)
  • 13. NOT NEW, BUT DIFFERENT:CAR* ---> DDJ:VERÄNDERUNG: VOM SPEZIALISTEN-WISSEN WENIGERZUM RÜSTZEUG/WERKZEUGKASTEN FÜR (FAST) ALLEJOURNALISTEN* CAR = COMPUTER-ASSISTED REPORTING, TRACING BACK 1969.SEE: PHILIPP MEYERS: PRECISION JOURNALISM
  • 14. WIE KÖNNTE EIN CURRICULUM AUSSEHEN?Essential skillsI would like to see some sort of survey course that encompasses both theoretical and practical skills. This may seem a tall order, but I think it’s doable.I believe every journalism student in this era should be exposed to: 1 Basic math – be able to complete this test from UNC’s Phil Meyer 2 Understanding when to use absolute numbers or percents, know why per capita values are important and how to calculate them 3 Learning what kind of data sets are available, esp. from govt 4 The fact that unstructured text can be broken down into components to create numbers 5 The fact that Web scraping exists – even if they don’t know how, they can probably find someone who can 6 The fact that Access and SQL exists, what each of those can do that Excel can’t, or why they make life easier 7 8 How to add numbers and text together in a spreadsheet program Text Examples of computer-assisted reporting-based stories and data-driven applicationsAdvanced:I would suggest a multi-course sequence for those who truly want to specialize in this field: 1 One course focused on the above, but knowing how to actually do it, not just be aware it exists. Use tools like OutWit Hub to simplify scraping process. There are ways to do programming-like tasks without actually knowing programming. This would include understanding APIs and how to use them. Also start talking about all tools that exist, and the best way to start doing self-teaching. Where do you find good tutorials/ blogs, how do you find the discipline? Because in reality, even a full data sequence isn’t going to teach you everything you need to know, but will help you figure out what you need to know, and how to get up to speed quickly and accurately with new tools as they emerge. 2 One course that is mainly focused on meeting stories with deadlines, both daily and long-term and integrating these concepts into them. Data shouldn’t operate in a bubble. In the Medill program, this could be an additional requirement for those in the downtown newsroom. This could replace “alternative story forms” or maybe even one of the video requirements. 3 One advanced course that moves into introduction to programming and data-driven apps. I would recommend Python, and then a transition to Django. (Yes, Aron Pilhofer, Ruby and Rails would also be fine.) I say Python because it made the most sense to me, and you could also use the excellent Head First Programming book as a key reference point. While it uses Python, what it’s really teaching is programming, and once you understand that structure, changing languages or frameworks will become simpler.http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/
  • 15. „This may seem a tall order, but I think it’sdoable.  I believe every journalism student in this Textera should be exposed to this“.- Michelle Minkoffhttp://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/
  • 16. #DDJ3 STUFEN(1) DATEN ALS BASIS FÜR BERICHTE(2) INTERAKTIVE SPECIALS(3) DATEN-APPS/BIG DATA
  • 17. ERSTE STUFE:BRINGING DATA INTO STORY(AUS DATEN GESCHICHTEN MACHEN)
  • 18. (1) DATEN ALS BASIS FÜR BERICHTEALWAYS ASK: COMPARED TO WHAT?
  • 19. Edward Tufte: To be truthful and revealing, data graphics must bear on the question at the heart of quantitative thinking:“Compared to what?, from: The Visual Display of Quantitative Information
  • 20. Die beste/hilfreichste/einfachste Frage zum Start: Compared to what?Edward Tufte: To be truthful and revealing, data graphics must bear on the question at the heart of quantitative thinking:“Compared to what?, from: The Visual Display of Quantitative Information
  • 21. KLARER VORTEIL: EIN LÄNGERES GEDÄCHTNIS HABEN Einfache Grafik, deutlich mehr Klarheit. Mit einfachen Balken wird hier der Unterschied zwischen Prognosen/ Versprechen und der Realität verdeutlicht. Mit solchen leicht nutzbaren Mitteln können Journalisten Fakten sichtbar machen, die alle anderen längst aus dem Blick verloren haben...Quelle: New York Times
  • 22. MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELNhttp://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html
  • 23. MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELNhttp://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html
  • 24. (2) INTERAKTIVE SPECIALSQuote:Data-driven interactives are windows intoreality created by scraping real information,not versions of the truth created by ideology.Theyre the stories of thousands of people, read from the footprints leftbehind in the digital ether, told in ways that can only now be divulgedwith the tools of software and computers.David Johnson: „Data-Driven Investigative Journalism: No Laughing Matter“, PBS Mediashift, 29.02.2012
  • 25. ZWEITE STUFE:DATEN SPECIALSKONTEXT, FOKUS UND AHA-ERLEBNISFÜR DEN BETRACHTER
  • 26. DATEN SPECIALS: AUSGEWÄHLTE BEISPIELE (VERLINKT)
  • 27. DATEN ALS BASIS EINES VIDEOS „NEVER COMING HOME“Quelle: http://mediastorm.com//publication/never-coming-home
  • 28. http://projects.flowingdata.com/timeuse/
  • 29. DRITTE STUFE:DATEN APPS/BIG DATA- DIE WELT ALS DATENSTROM,VERSTÄNDLICH ÜBERSETZT
  • 30. Go to: guardian.co.uk home Go Search: Entire site SearchNews Sport Comment Culture Business Money Life & style Travel Environment TV Video Community Blogs JobsInvestigate your MPs expenses: HomeJoin us in digging through the documents of MPs expenses to identify individual claims, ordocuments that you think merit further investigation. You can work through your own MPsexpenses, or just hit the button below to start reviewing. (Update, Fri pm: we now have avirtually complete set of expenses documents so you should be able to find your MPs)Already created an account? Log in here. We have 458,832 pages of documents. 27,241 of you have reviewed Investigate your own MPs documents 221,837 of them. Only 236,995 to go... Enter your postcode: Find your MP Or search by MP name or constituency: Please read our privacy policy to find out how we use your data. You must also read Start reviewing our terms of service. By reviewing pages, you are agreeing that you have read the terms of service, and that you agree to them. Search Most line items added (last 48 hrs)Thanks everyone for your valiant efforts so far. all timeYoure amply justifying our hope that many hands can make light work of the thousands of anon-27236 5 line itemsdocuments released by Parliament in relation to MPs’ expenses. We, and others - perhaps mdouble8 3 line itemsyou? - are still using these tools to review each document, decide whether it containsinteresting information, and extract the key facts. emsilly 2 line itemsSome pages will be covering letters, or claim forms for office stationery. But somewhere inhere is the receipt for a duck island. And who knows what else may turn up. If you find Most pages reviewed (last 48 hrs)something which you think needs further attention, simply hit the button marked “investigate all timethis!” and we’ll take a closer look. dmelda 22 votesHow to get involved: anon-27236 17 votes
  • 31. UNDER CONSTRUCTION: WIE WEIT SIND DIETRAININGSKONZEPTE?
  • 32. Bausteine für das Training Seminare Datawrapper Datastory Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)Trainingsvarianten TextEin TagZwei TageZwei Tage Interne (eigene) Erprobung und Experimente Ein TagEine WocheKontinuierlich, in kleinen, praxisorientierten Schritten
  • 33. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)Trainingsvarianten TextEin TagZwei TageZwei Tage Interne (eigene) Erprobung und Experimente Ein TagEine WocheKontinuierlich, in kleinen, praxisorientierten Schritten
  • 34. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)Trainingsvarianten TextEin TagZwei TageZwei Tage Interne (eigene) Erprobung und Experimente Ein TagEine WocheKontinuierlich, in kleinen, praxisorientierten Schritten
  • 35. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)Trainingsvarianten TextEin TagZwei TageZwei Tage Interne (eigene) Erprobung und Experimente Ein TagEine WocheKontinuierlich, in kleinen, praxisorientierten Schritten
  • 36. Datenjournalismus Praxistraining Gelb = Teilnehmer arbeiten aktiv eigenem ProjektABZV (Bonn), 5.-9. September 2011Zeit Mo Di Mi Do Fr EINSTIEG & PLANUNG FINDEN & FILTERN VISUALISIERUNG VISUALISIERUNG PUBLIZIEREN Daten visualisieren09:00 Vorstellung und Datenquellen Zwischenstand: Einbindung in CMS/Blogs (Linda Rath-Wiggins/Cosmin Wochenübersicht (Wilfried Runde) Ideen der Teilnehmer Erfolgsmessung Cabulea Präsentation: Wochenprojekt:10:00 Datensätze suchen Grundformen Wochenprojekt Datenjournalismus Abschluss Data Scraping Wochenprojekt:11:00 Ideen und Erwartungen? (Linda Rath-Wiggins/Cosmin Spezielle Formen Wochenprojekt Abschluss Cabulea)12:00 Pause Pause Pause Pause Pause Vortrag: Präsentation: Zahlen visualisieren - Wochenprojekt:13:00 Data Scraping Wochenprojekt Von den Daten zur Story typische Fehler vermeiden Abschluss Analyse: Wie haben die das Analyse: Wie haben die das14:00 Daten visualisieren Ergebnisse präsentieren gemacht? gemacht? Workshop mit Gregor Aisch: Ausblick/ Wochenprojekt: Daten visualisieren15:00 Daten filtern Daten visualisieren Formate für Datenjournalismus Erstes Storyboard Abschlussdiskussion Wochenprojekt: Wochenprojekt:16:00 Erstes Storyboard Daten filtern Storyboard verfeinern17:00 Feedback/Tagesgespräch Feedback/Tagesgespräch Feedback/Tagesgespräch
  • 37. Gregor Aisch bei seinem Vortrag im ABZV Datenjournalismus Seminar, 09/2011 - http://vis4.net/blog/
  • 38. http://www.datawrapper.de
  • 39. DATAWRAPPER: VISUALISIERUNG UNDVERÖFFENTLICHUNG VEREINFACHEN1. DATENQUELLEN KENNEN2. DATEN BEREINIGEN3. DATEN VISUALISIEREN UND EINBETTENhttp://www.datawrapper.de
  • 40. Bild ist mitDatawrapper in der Praxis: Artikel verlinkt.Ruhr NachrichtenDortmundhttp://www.ruhrnachrichten.de/lokales/dortmund/Erstmals-wird-in-Dortmund-weniger-gegen-Hartz-IV-geklagt;art930,1565639
  • 41. Datawrapper in der Praxis: Bild ist mitVolontäre an der Akademie Artikel verlinkt.für Publizistik erklären denHamburger Stadtteil HoheLuft.http://akademievolos.de/wpmu/februar12/2012/03/02/reich-und-kinderarm-der-durchschnitts-hohelufter/
  • 42. Vorbild für Datastory.de (Tutorials für Datenjournalismus)http://multimedia.journalism.berkeley.edu/tutorials/
  • 43. DRITTE STUFE:DATEN-APPS„MEDIA COMPANIES AS TRUSTED DATA HUBS“
  • 44. Mieten oder kaufen? Individuelle Antworten, ohne dass im Hintergrund persönliche Datengesammelt und verkauft werden.
  • 45. WIE WEITER?
  • 46. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo obenStart here! --->
  • 47. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo obenStart here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 48. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen.Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 49. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 3. STRATEGIE Verbessern, vertiefen, verankern. 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen.Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 50. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 4. ORGANISATION Veränderung in den Redaktionen 3. STRATEGIE Verbessern, vertiefen, verankern. 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen.Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 51. Journalists,where do youadd value?
  • 52. WARUM IST DATEN-JOURNALISMUS MEHR ALS EIN HYPE?BEISPIEL: KLEINE UND GROSSE BETRÜGEREIEN.... http://www.versicherungen-tipps24.de/http://www.ratgeberzentrale.de/steuern-und-finanzen/ versicherungswesen-aktuelle-nachrichten/aktuelle-falschberatung.html nachrichten-ueber-versicherungen-allgemein/werden-die- verbraucherzentralen-zum-wettbewerber-der- finanzberater.html
  • 53. Situation heute Print Web Blogs* iPad Mobil * Blogs in rot, weil die meisten Medien nicht begriffen haben, was das ist.
  • 54. Ökonomie guter Formate verstehen
  • 55. Perspektive: Arbeitschwerpunkt verlagern Print Web Aktuelle Realität bei den meisten Tageszeitungen: Print im Fokus dann „Copy & Paste“
  • 56. Ökonomie guter Formate verstehen
  • 57. Daten als Basis für alle PublikationsformenDatenbank Web Print Übersicht Eher Qualität als Artikel Artikel Crime Karte Hintergrund Quantität, warum Daten Statistik nicht? Analyse Audio Foto Video Chancen: Tiefe Glaubwürdigkeit Kompetenz Relevanz
  • 58. PERSPEKTIVEN UND NÄCHSTE SCHRITTEFÜR DATA-DRIVEN JOURNALISM:- AUFBAU VON DATEN TEAMS- AUFBAU EINER TOOL-BIBLIOTHEK
  • 59. NÄCHSTER SCHRITT:AUFBAU VON DATEN-TEAMSVORREITER:NEW YORK TIMESGUARDIANTEXAS TRIBUNETREIBER USA: PRÄSIDENTSCHAFTSWAHL
  • 60. „IN OUR NEWSROOM EVERYONE IS DATA-AWARE“ REDAKTEURIN DER TEXAS TRIBUNE BEI DER #DDJ UNCONFERENCE IN AUSTIN, TEXAS (2012) HTTP://WWW.TEXASTRIBUNE.ORG/
  • 61. DATEN-SPEZIALISTEN,HÄNDERINGEND GESUCHT...
  • 62. „ES IST KEIN TOOL-PROBLEM,SONDERN EIN MENSCHEN-PROBLEM“- ARON PILHOFER, NEW YORK TIMES
  • 63. http://www.datenjournalist.de/aron-pilhofer-medien-sind-nicht-datengetrieben/
  • 64. GANZ ZULETZT:KANN MAN DAMIT(IRGENDWANN)GELD VERDIENEN?
  • 65. Kernthese: From attention to trustMedienmarken als vertrauenswürdige Datenbanken.
  • 66. WIE WEITER?LERNEN WOLLEN (JOURNALISTEN) LERNEN LASSEN (VERLAGE)
  • 67. THANK YOU!EIN DANK AN DIE LEUTE, DIE DEN BERUF WEITER ENTWICKELN.Brian Storm Simon Rogers Walter Mossberg Rafat Ali Gregor AischAron Pilhofer Jeff Jarvis Nicolas Kayser-Bril Michelle Minkoff Geoff McGheeMarco Maas Lorenz Matzat Tracy Boyer Paul Bradshaw Amanda Cox
  • 68. Danke. #ddj @mirkolorenzhttp://www.mirkolorenz.com