Úvod do datové žurnalistiky

Petr Kočípetr.koci@economia.cz@tocit

FF UK, 25. února 2014

Tato prezentace

http://ddj.pribehy.cz/ffuk

Hospodářské noviny (založeno 1990)
Datablog (založen v dubnu 2012)

propouštění, hopodářské potíže
představit team a stručná historie - historka s tím, jak jsme chtěli něco od programátorů
můžete nám říct něco o sobě?

Jak jsou na tom noviny

Informace jsou levné...

... porozumění je drahé

Co s tím?

Co mají novináři a technologičtí vizionáři společného? Vágní představa, že mohou zlepšit svět..

Příklady ze světa: Parkování v New Yorku

Další příklady z NYT

Guardian: Data z WikiLeaks

Další příklady z Guardianu

Konta v daňových rájích

Sponzoři německých politických stran

Další příklady ze světa

Některé naše projekty

Kam se podělo 5,4 miliard korun?

Prezidentská kalkulačka

Rychlé a špinavé grafy

Předpovědi HDP

Dluhy obcí

Kdo prodává zkažené jídlo

Prezidentská časová osa

Velmi křehké vztahy

Mapa moci

Co vám opravdu přinesly změny v jízdních řádech?

Ozbrojení a nebezpeční

Kdy umřete

Kriminalita podle dat od operátorů

Proč jsou lidé v nemocnicích

Jak aktivní byl váš poslanec

Podrobné volební mapy ()

Hodíte se spíš na bobování, nebo na skoky na lyžích?

Délka zdravého života klesá, prodlužujeme stonání

Co jsou data?

rusky: данные

francouzsky: données

latinsky data, plurál z datum (“to, co je dáno”)

Nás zajímají především data

strukturovaná strojově zpracovatelná týkající se tématu, který je předmětem veřejného zájmu nejčastěji tabulky (XLS, CSV, SQL...) nebo "stromy" (XML, JSON..,)

Data != Pravda

"Data is structured information with potential for meaning."

Aby nám data k něčemu byla, musíme je nejen získat, ale také vyčistit, přeskupit, analyzovat a interpretovat.

Důležité otázky

Odkud data přicházejí? (příklad)
Jaká je motivace toho, kdo data shromažďuje?
Jaké metody byly při shromažďování dat použity a jak se měnily v čase?
Jsou data kompletní? Co chybí a proč?
Co data znamenají a čím mohou být užitečná pro naše čtenáře?

Časté problémy s daty

Nespolehlivá, rozbitá a špinavá data plná chyb
Neochota či neschopnost institucí data poskytovat ve strojově zpracovatelné podobě (viz neplnění slibů z Open Government Partnership)
Data v uzavřených proprietárních formátech
Časté změny v metodologii znemožňují porovnávání

Co je žurnalistika?

(mlhavé vzpomínky z FSV)

dominantní paradigma:hlídací psi demokracie, kladení nepříjemných otázek mocným, prostor pro veřejnou debatu, čtvrtá (sedmá) velmoc, kulturní instituce, strážci jazykových norem, hlasatelé národních hodnot...
alternativní paradigma:falešné vědomí,upevňování hegemonie, užití a uspokojení, betonování společenské struktury, ničení volného času, zaplňování prostoru...

Jak se vidí novináři

Zjistit Pochopit Odvyprávět

Jak se vidí datoví novináři

Zjistit: získat data (veřejně dostupná, scrapování, zákon 106/99...) Pochopit: vyčistit a analyzovat data (statistická analýza, třídění, filtrování a spojování, předběžné vizualizace...) Odvyprávět: prezentovat data (vizualizace, data-driven storytelling, lepší otázky...)

Je datová žurnalistika něco úplně nového?

John Snow a cholera v Londýně

Philip Meyer (blog)

One of the earliest examples of computer assisted reporting was in 1967, after riots in Detroit, when Meyer, on temporary assignment with the Detroit Free Press, used survey research, analyzed on a mainframe computer, to show that people who had attended college were equally likely to have rioted as were high school dropouts. -- Wikipedia

Stanislav Gross

1967: Computer Aided Reporting

2000: Database Journalism

2005: Data-driven Journalism

2010: Data Journalism, "Fact-based journalism"...

Budoucnost: Newsgames, Drone Journalism, Machine Learning ...

Ať tomu říkáme jak chceme, pořád je to žurnalistika. Jen se pořád učí pracovat s novými komunikačními technologiemi (telegraf, telefon, psací stroj, diktafon, počítač, internet...)

Vybrat si správný nástroj

Problém s geeky: Rádi používají technologie prostě proto, že to jde.

Ale je efektivní zkoušet stále něco nového?

"Než začnete psát scraper nebo podávat žádost podle zákona 106/99, zkuste na úřad prostě zavolat."

Doporučení: Vyberte si jeden dostatečně všestranný nástroj, toho se držte a postupně se v jeho používání zdokonalujte (R, Python, JavaScript, SPSS – je to na vás).

Když to vlastně není nic nového, proč se teď o datové žurnalistice tolik mluví?

krize tradičních, především tištěných médií (fáze očekávání –> fáze zklamání) více snáze dostupných nástrojů (+ marketingové rozpočty jejich výrobců) více veřejně dostupných dat (dříve - nyní) exploze všemožných dat, v nichž je stále obtížnější se vyznat (oddělování zrně od plev, signálu a šumu) "buzzword", marketingová bublina (přihlásili byste se na tento předmět, kdyby se jmenoval programování pro novináře?)

Rizika datové žurnalistiky

časově náročná
nejisté výsledky
poměr cena/výkon
přehypovaná
samoúčelná? (ilustrování stále stejně povrchních článků animovanými obrázky)

Proces a nástroje datové žurnalistiky

Nástroje, které se osvědčily nám

Scrapování

CTRL+C, CTRL+V
Programování: R, Python, JavaScript.... Vždy stejný princip
Table Capture Chrome Plugin
Google Spredsheet
Import.io
Outwit Hub (Scraping For Journalists)
Open Refine - Tutorial 1, Tutorial 2
Scraperwiki

Úvod do datové žurnalistiky – FF UK, 25. února 2014 – Příklady ze světa: Parkování v New Yorku

tocit