FACHKONFERENZ NETZWERK RECHERCHE 2012

AUFBAU VON TRAINING FÜR DATENJOURNALISMUS +STRATEGIEN FÜR REDAKTIONEN

WACHT AUF,WENN IHR JOURNALISTEN SEID.

FACHKONFERENZ NETZWERK RECHERCHE 2012

AUFBAU VON TRAINING FÜR DATENJOURNALISMUS +STRATEGIEN FÜR REDAKTIONEN

MIRKO LORENZ, HAMBURG, 25. MÄRZ 2012

WACHT AUF,WENN IHR JOURNALISTEN SEID.

@MIRKOLORENZ

JOURNALIST / INFORMATIONSARCHITEKT / TRAINER

INHALT - WAS BISHER GESCHAH- TRAININGSKONZEPTE- BARRIEREN & PERSPEKTIVEN

ARBEITSZIEL:AUFBAU EINES STRUKTURIERTEN TRAININGSANGEBOTS FÜRDATA-DRIVEN JOURNALISM

WAS BISHER GESCHAH...

Einer der ersten Artikel über „data-driven reporting“

Einer der ersten Artikel über „data-driven reporting“

„data-driven reporting should become second nature to journalists“

Einer der ersten Artikel über „data-driven reporting“

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 TRIBUNE COMING UP: DATASTORY: WEBSITE MIT TUTORIALS AUFBAU VON DATEN TEAMS DATEN ALS FINANZIERUNGSQUELLE FÜR MEDIEN

#DDJ TRAINING: WAS SOLLTEN

JOURNALISTEN KÖNNEN?

DEF:DATA-DRIVEN JOURNALISM= WORKFLOW

Mirko Lorenz, 2010 (CC-BY)

Stark vereinfacht: Die Transformation von Daten in relevante Beiträge.

NOT NEW, BUT DIFFERENT: CAR* ---> DDJ: VERÄNDERUNG: VOM SPEZIALISTEN-WISSEN WENIGER ZUM RÜSTZEUG/WERKZEUGKASTEN FÜR (FAST) ALLE JOURNALISTEN

* CAR = COMPUTER-ASSISTED REPORTING, TRACING BACK 1969.SEE: PHILIPP MEYERS: PRECISION JOURNALISM

Essential skills

I 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 How to add numbers and text together in a spreadsheet program

8 Examples of computer-assisted reporting-based stories and data-driven applications

Advanced:

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.

Text

http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/

WIE KÖNNTE EIN CURRICULUM AUSSEHEN?

Text

http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/

„This may seem a tall order, but I think it’s doable.  I believe every journalism student in this era should be exposed to this“.

- Michelle Minkoff

#DDJ

3 STUFEN(1) DATEN ALS BASIS FÜR BERICHTE(2) INTERAKTIVE SPECIALS(3) DATEN-APPS/BIG DATA

ERSTE STUFE:BRINGING DATA INTO STORY(AUS DATEN GESCHICHTEN MACHEN)

ALWAYS ASK: COMPARED TO WHAT?

(1) DATEN ALS BASIS FÜR BERICHTE

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

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

Quelle: New York Times

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...

MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELN

http://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html

MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELN

http://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html

Quote:Data-driven interactives are windows into reality created by scraping real information, not versions of the truth created by ideology. They're the stories of thousands of people, read from the footprints left behind in the digital ether, told in ways that can only now be divulged with the tools of software and computers.

(2) INTERAKTIVE SPECIALS

David Johnson: „Data-Driven Investigative Journalism: No Laughing Matter“, PBS Mediashift, 29.02.2012

ZWEITE STUFE:DATEN SPECIALSKONTEXT, FOKUS UND AHA-ERLEBNIS FÜR DEN BETRACHTER

DATEN SPECIALS: AUSGEWÄHLTE BEISPIELE (VERLINKT)

DATEN ALS BASIS EINES VIDEOS

Quelle: http://mediastorm.com//publication/never-coming-home

„NEVER COMING HOME“

http://projects.flowingdata.com/timeuse/

DRITTE STUFE:DATEN APPS/BIG DATA - DIE WELT ALS DATENSTROM, VERSTÄNDLICH ÜBERSETZT

Investigate your MP's expenses: Home

Start reviewing

We have 458,832 pages of documents. 27,241 of you have reviewed221,837 of them. Only 236,995 to go...

Please read our privacy policy to find out how we use your data. You must also readour terms of service. By reviewing pages, you are agreeing that you have read theterms of service, and that you agree to them.

Thanks everyone for your valiant efforts so far.

You're amply justifying our hope that many hands can make light work of the thousands ofdocuments released by Parliament in relation to MPs’ expenses. We, and others - perhapsyou? - are still using these tools to review each document, decide whether it containsinteresting information, and extract the key facts.

Some 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 findsomething which you think needs further attention, simply hit the button marked “investigatethis!” and we’ll take a closer look.

How to get involved:

Step 1: Find a documentStep 2: Decide what kind of thing it is and whether it’s interestingStep 3: Copy out any individual entriesStep 4: Make any specific observations about why a claim deserves further scrutiny

Examples of things to look out for: food bills, repeated claims for less than £250 (the limit forclaims not backed up by a receipt), and rejected claims.

All the MPs' records are on there now - so let us know what you find.

DATA: what we've learned from your work so far - updated

Some of the best individual discoveries.

More on MPs' expenses | Full list of Telegraph revelations

Email us at: mpsexpenses@guardian.co.uk

anon-27236 5 line items

mdouble8 3 line items

emsilly 2 line items

dmelda 22 votes

anon-27236 17 votes

emsilly 12 votes

mdouble8 8 votes

anon-27239 2 votes

anon-27240 1 vote

Labour 351 MPs

Conservative 194 MPs

Liberal Democrat 63 MPs

DUP 9 MPs

Scottish National Party 7 MPs

Independent 6 MPs

Sinn Fein 5 MPs

Deputy Speaker 3 MPs

Plaid Cymru 3 MPs

Social Democratic and Labour Party 3 MPs

Independent Labour 1 MP

Respect 1 MP

UUP 1 MP

Speaker 1 MP

Investigate your own MP's documents

Enter your postcode:

Find your MP

Or search by MP name or constituency:

Search

Most line items added (last 48 hrs)

all time

Most pages reviewed (last 48 hrs)

all time

Political parties

News Sport Comment Culture Business Money Life & style Travel Environment TV Video Community Blogs Jobs

Go to: guardian.co.uk home GoGo to: guardian.co.uk home Go

Search: Entire site Search

Join 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 MP'sexpenses, 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 MP's)Already created an account? Log in here.

UNDER CONSTRUCTION:WIE WEIT SIND DIE

TRAININGSKONZEPTE?

Datawrapper Datastory Syllabus

TextTrainingsvarianten

Bausteine für das Training

Ein Tag

Zwei Tage

Eine Woche

Seminare

Kontinuierlich, in kleinen, praxisorientierten Schritten

Zwei Tage Ein TagInterne (eigene) Erprobung und Experimente

ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)

Datawrapper Datastory Syllabus

TextTrainingsvarianten

Bausteine für das Training

Ein Tag

Zwei Tage

Eine Woche

Seminare

Kontinuierlich, in kleinen, praxisorientierten Schritten

Zwei Tage Ein TagInterne (eigene) Erprobung und Experimente

ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)

+ + +

Datawrapper Datastory Syllabus

TextTrainingsvarianten

Bausteine für das Training

Ein Tag

Zwei Tage

Eine Woche

Seminare

Kontinuierlich, in kleinen, praxisorientierten Schritten

Zwei Tage Ein TagInterne (eigene) Erprobung und Experimente

ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)

+ + +

Datawrapper Datastory Syllabus

TextTrainingsvarianten

Bausteine für das Training

Ein Tag

Zwei Tage

Eine Woche

Seminare

Kontinuierlich, in kleinen, praxisorientierten Schritten

Zwei Tage Ein TagInterne (eigene) Erprobung und Experimente

ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit)

+ + +

Zeit Mo Di Mi Do Fr

EINSTIEG & PLANUNG FINDEN & FILTERN VISUALISIERUNG VISUALISIERUNG PUBLIZIEREN

09:00 Vorstellung und Wochenübersicht

Datenquellen(Wilfried Runde)

Daten visualisieren(Linda Rath-Wiggins/Cosmin

Cabulea

Zwischenstand:Ideen der Teilnehmer

Einbindung in CMS/BlogsErfolgsmessung

10:00 Präsentation:Datenjournalismus Datensätze suchen Grundformen Wochenprojekt Wochenprojekt:

Abschluss

11:00 Ideen und Erwartungen?Data Scraping

(Linda Rath-Wiggins/CosminCabulea)

Spezielle Formen Wochenprojekt Wochenprojekt: Abschluss

12:00 Pause Pause Pause Pause Pause

13:00 Präsentation:Von den Daten zur Story Data Scraping

Vortrag: Zahlen visualisieren -

typische Fehler vermeidenWochenprojekt Wochenprojekt:

Abschluss

14:00 Analyse: Wie haben die das gemacht?

Analyse: Wie haben die das gemacht? Daten visualisieren

Workshop mit Gregor Aisch: Daten visualisieren

Ergebnisse präsentieren

15:00 Wochenprojekt:Erstes Storyboard Daten filtern Daten visualisieren

Workshop mit Gregor Aisch: Daten visualisieren

Ausblick/Formate für Datenjournalismus

Abschlussdiskussion

16:00 Wochenprojekt:Erstes Storyboard Daten filtern

Wochenprojekt:Storyboard verfeinern

Workshop mit Gregor Aisch: Daten visualisieren

17:00 Feedback/Tagesgespräch Feedback/Tagesgespräch Feedback/Tagesgespräch

Datenjournalismus Praxistraining ABZV (Bonn), 5.-9. September 2011

Gelb = Teilnehmer arbeiten aktiv eigenem Projekt

Gregor Aisch bei seinem Vortrag im ABZV Datenjournalismus Seminar, 09/2011 - http://vis4.net/blog/

http://www.datawrapper.de

http://www.datawrapper.de

DATAWRAPPER: VISUALISIERUNG UND VERÖFFENTLICHUNG VEREINFACHEN

1. DATENQUELLEN KENNEN

2. DATEN BEREINIGEN

3. DATEN VISUALISIEREN UND EINBETTEN

Datawrapper in der Praxis: Ruhr Nachrichten Dortmund

http://www.ruhrnachrichten.de/lokales/dortmund/Erstmals-wird-in-Dortmund-weniger-gegen-Hartz-IV-geklagt;art930,1565639

Bild ist mitArtikel verlinkt.

Datawrapper in der Praxis: Volontäre an der Akademie für Publizistik erklären den Hamburger Stadtteil Hohe Luft.

http://akademievolos.de/wpmu/februar12/2012/03/02/reich-und-kinderarm-der-durchschnitts-hohelufter/

Bild ist mitArtikel verlinkt.

Vorbild für Datastory.de (Tutorials für Datenjournalismus)

http://multimedia.journalism.berkeley.edu/tutorials/

DRITTE STUFE:DATEN-APPS„MEDIA COMPANIES AS TRUSTED DATA HUBS“

Mieten oder kaufen? Individuelle Antworten, ohne dass im Hintergrund persönliche Daten gesammelt und verkauft werden.

WIE WEITER?

Start here! --->

Veränderung der Redaktion von untn, nicht vo obenSCHRITT FÜR SCHRITT

Start here! --->

Veränderung der Redaktion von untn, nicht vo obenSCHRITT FÜR SCHRITT

1. AKTIVITÄTEN Erste Schritte, Experimente,Erfahrung

Start here! --->

Veränderung der Redaktion von untn, nicht vo obenSCHRITT FÜR SCHRITT

1. AKTIVITÄTEN Erste Schritte, Experimente,Erfahrung

2. ABLÄUFE „Data aware“ eine Geschichte nach deranderen.

Start here! --->

Veränderung der Redaktion von untn, nicht vo obenSCHRITT FÜR SCHRITT

1. AKTIVITÄTEN Erste Schritte, Experimente,Erfahrung

2. ABLÄUFE „Data aware“ eine Geschichte nach deranderen.

3. STRATEGIE Verbessern, vertiefen,verankern.

Start here! --->

Veränderung der Redaktion von untn, nicht vo obenSCHRITT FÜR SCHRITT

1. AKTIVITÄTEN Erste Schritte, Experimente,Erfahrung

2. ABLÄUFE „Data aware“ eine Geschichte nach deranderen.

3. STRATEGIE Verbessern, vertiefen,verankern.

4. ORGANISATION Veränderungin den Redaktionen

Journalists, where do you add value?

WARUM IST DATEN-JOURNALISMUS MEHR ALS EIN HYPE?BEISPIEL: KLEINE UND GROSSE BETRÜGEREIEN....

http://www.versicherungen-tipps24.de/versicherungswesen-aktuelle-nachrichten/aktuelle-nachrichten-ueber-versicherungen-allgemein/werden-die-verbraucherzentralen-zum-wettbewerber-der-finanzberater.html

http://www.ratgeberzentrale.de/steuern-und-finanzen/falschberatung.html

Situation heute

Print Web Blogs* iPad Mobil

* Blogs in rot, weil die meisten Medien nicht begriffen haben, was das ist.

Ökonomie guter Formate verstehen

Perspektive: Arbeitschwerpunkt verlagern

Aktuelle Realität bei den meisten Tageszeitungen: Print im Fokusdann „Copy & Paste“

Print Web

Ökonomie guter Formate verstehen

Daten als Basis für alle Publikationsformen

Eher Qualität alsQuantität, warum nicht?

PrintWeb

ArtikelHintergrund

ÜbersichtArtikelKarte

StatistikAnalyseAudioFotoVideo

CrimeDaten

Datenbank

Chancen: TiefeGlaubwürdigkeitKompetenzRelevanz

PERSPEKTIVEN UND NÄCHSTE SCHRITTE FÜR DATA-DRIVEN JOURNALISM:- AUFBAU VON DATEN TEAMS- AUFBAU EINER TOOL-BIBLIOTHEK

NÄCHSTER SCHRITT:AUFBAU VON DATEN-TEAMS

VORREITER:NEW YORK TIMESGUARDIAN TEXAS TRIBUNE

TREIBER USA: PRÄSIDENTSCHAFTSWAHL

„IN OUR NEWSROOM EVERYONE IS DATA-AWARE“REDAKTEURIN DER TEXAS TRIBUNE BEI DER #DDJ UNCONFERENCE IN AUSTIN, TEXAS (2012)

HTTP://WWW.TEXASTRIBUNE.ORG/

DATEN-SPEZIALISTEN, HÄNDERINGEND GESUCHT...

„ES IST KEIN TOOL-PROBLEM, SONDERN EIN MENSCHEN-PROBLEM“ - ARON PILHOFER, NEW YORK TIMES

http://www.datenjournalist.de/aron-pilhofer-medien-sind-nicht-datengetrieben/

GANZ ZULETZT:

KANN MAN DAMIT (IRGENDWANN) GELD VERDIENEN?

Kernthese:

From attention to trust Medienmarken als vertrauenswürdige Datenbanken.

WIE WEITER?

LERNEN WOLLEN (JOURNALISTEN)LERNEN LASSEN (VERLAGE)

Brian Storm Simon Rogers Walter Mossberg Rafat Ali

Lorenz Matzat

Aron Pilhofer Jeff Jarvis

Marco Maas

Geoff McGheeNicolas Kayser-Bril

Paul BradshawTracy Boyer Amanda Cox

Michelle Minkoff

THANK YOU!EIN DANK AN DIE LEUTE, DIE DEN BERUF WEITER ENTWICKELN.

Gregor Aisch

#ddj@mirkolorenz

http://www.mirkolorenz.com

Danke.