Невеликим редакціям потрібно зосередитися на важливості використання даних більше, ніж будь-коли. Але вони часто стикаються з численними перешкодами у такій роботі, включаючи брак фінансування, обмежені людські ресурси та застаріле уявлення про те, що являє собою традиційна журналістика.
Генеративний штучний інтелект може запропонувати меншим редакціям перспективу економії часу та помноження їхнього впливу під час роботи з даними. Цей новий рубіж може здатися дещо лякаючим, але якщо ви забезпечуєте статистичну цілісність, швидко очищаєте дані та пишете код, не витрачаючи час, великі, середні та навіть малі редакції можуть бути уповноважені братися за складні репортажні проекти.
(Щоб дізнатися більше про те, як інтегрувати штучний інтелект у ваші новини, див. Паризьку хартію про штучний інтелект та журналістику , учасником якої є GIJN.)
Можливо, краще поставити інший перелік питань: як невеликі редакції можуть скористатися цими новими можливостями? Чи можуть ці нові інструменти ефективно працювати з усіма типами даних? Чи можна використовувати їх для всіх типів даних у їхній роботі?
Як невеликі редакції можуть розпочати цю трансформацію?
Ця стаття містить деякі рекомендації щодо початку роботи, пропонуючи відповіді на наступні питання.
- Чому журналістика даних має бути важливою для малих редакцій?
- Які переваги аналізу новинних даних у невеликій команді?
- Як можна створювати впливові проєкти журналістики даних з обмеженим бюджетом та персоналом?
- Які види навчання з обробки даних, семінарів та масових відкритих онлайн-курсів можуть бути корисними для невеликих редакцій?
- Як структурувати невелику редакцію, щоб команда ефективно працювала з даними?
- Які інструменти обробки даних можуть використовувати невеликі редакції (за низькою ціною або безкоштовно)?
- Де знайти хороші джерела відкритих даних для редакцій?
- Чого можна навчитися, розглянувши приклади невеликих редакцій, які нещодавно отримали нагороди Sigma Awards?
- Рішення на основі даних дозволяють ефективніше використовувати ресурси редакції.
Чому журналістика даних має значення для невеликих редакцій? Які переваги аналізу новинних даних у невеликій команді?
Невеликі редакції повинні дбати про використання даних та інвестувати у виробництво новин на основі даних, оскільки це забезпечує значні переваги з точки зору точності, глибини, привабливості та лояльності аудиторії.
Хоча використання даних допомагає невеликим редакціям надавати точніші, надійніші, вичерпніші та швидші новини, такий вид журналістики може підвищити інтерес і конкурентоспроможність цільової аудиторії.
Аналіз даних у режимі реального часу може допомогти швидко виявити та виправити дезінформацію. Він також надає можливість надавати вичерпні новини.
Збір та аналіз даних з різних джерел може запропонувати читачам глибше та ширше розуміння.
Комплексний аналіз даних підвищує конкурентоспроможність редакцій. Він також привертає увагу читачів та збільшує їхню залученість.
Рішення на основі даних дозволяють ефективніше використовувати ресурси редакції.
Як можна створювати впливові проєкти журналістики даних з обмеженим бюджетом та персоналом?
Спілкування є ключовим. Завжди розмовляйте та пояснюйте команді, у чому полягають труднощі. Без спілкування немає гарної історії з даними!
Знайте свої ролі та дотримуйтесь процесу обробки даних : збір даних, перетворення даних (зазвичай з паперових у цифрові формати), очищення даних, обробка даних, аналіз даних і, нарешті, звітність.
Спільне використання та впорядкування (даних, файлів, нотаток тощо) має бути налагодженим та послідовним для ефективності.
Спочатку встановіть часові рамки, керуючись етапами проекту, а не календарем.
Розуміння метаданих. Розуміння набору даних полегшує роботу з ним. Ви можете створювати словники даних для незнайомих термінів. Ви точно заощадите час, працюючи з набором даних, область дії якого вам відома краще. У цьому і полягає сила метаданих !
Регулярно робіть нотатки та записуйте їх. Документуйте все, що ви робите, заощаджуючи час і змушуючи свою редакцію задуматися про кроки, які ви робите для проєкту. Крім того, регулярне збереження необроблених даних збереже ваш проєкт.
Спробуйте нові мови програмування. Використання Excel та подібних інструментів зараз є звичним явищем, але вивчення мов програмування, таких як R або Python, також має бути у вашому порядку денному, як і запровадження штучного інтелекту у вашій редакції як допоміжного інструменту.
Працюйте з блок-схемою історії даних. Її можна покращити або доповнити, але якщо у вас виникнуть труднощі, ви можете переробити свій проект зі своєю командою за допомогою цієї схеми.
Цікавий приклад: команда з трьох осіб з Ortak створила документ «Туреччина: золота жила тролів» . Ця серія розслідувань, що триває, викрила мережу тролів, що складалася щонайменше з 181 облікового запису на X, та проаналізувала її часову шкалу, цілі та потенційні мотиви. Команда також зробила доступними всі набори даних .
Редакціям, які прагнуть створювати журналістику даних з обмеженим бюджетом та ресурсами, варто розглянути цей спрощений набір завдань.
◊ Проведіть аналіз потреб.
◊ Визначте джерела даних (включаючи безкоштовні платформи відкритих даних ).
◊ Створіть команду обробки даних, навіть якщо вона невелика (наприклад, дві людини, які знають трохи всього, і дві людини, які знають основні інструменти аналізу даних).
◊ Регулярно навчайте свою команду ( OSINT , ШІ , MOOC та внутрішнє навчання, що проводиться за графіком запрошеними експертами).
◊ Визначте, якими будуть проекти з обробки даних (проекти з певними обмеженнями, чіткими межами та суспільними інтересами).
◊ Зосередьтеся на фазі збору та аналізу даних (використання генеративного штучного інтелекту дозволить вам менше зосереджуватися на технологічній частині та більше на журналістиці).
◊ Зверніть увагу на різноманітність візуалізації даних ( візуалізації даних відповідно до їхніх функцій ).
◊ Покращити взаємодію та комунікацію з читачем (соціальні мережі, просування та опитування).
◊ Регулярно збирайте відгуки та заохочуйте редакцію використовувати відкриті інструменти .
◊ Використовуйте інструменти журналістики даних з відкритим кодом . (Прості у використанні та налаштовувані).
◊ Створіть список відкритих джерел даних (локальних, національних та глобальних) та розгорніть запити щодо свободи інформації (FOI) та права на інформацію (RTI).
◊ Використовуйте структуровані джерела даних, які легко аналізувати. Структуровані набори даних іноді можуть рятувати життя. Використовуйте GitHub для оновлення та обміну наборами даних для майбутньої звітності.
Але також важливо пам’ятати про такі моменти: кожна історія може бути історією даних, кожен журналіст може бути журналістом даних, і кожна редакція може створювати проекти даних.
Які види навчання з обробки даних, семінарів та масових відкритих онлайн-курсів можуть бути корисними для невеликих редакцій?
◊ Навчання роботі з даними для журналістів та редакторів.
◊ Консультації експертів. Репортерам у невеликих редакціях може бути важко займатися трудомісткою журналістикою даних у щоденних новинах. З цієї причини вони можуть отримати підтримку від зовнішнього джерела або працювати з тренером. Для невеликих редакцій, які прагнуть покращити свої навички роботи з даними, існує кілька видів навчання з даних , семінарів та масових відкритих онлайн-курсів (MOOC), які можуть бути корисними.
◊ Онлайн-сповіщення , які відстежують веб-сторінки на наявність цікавого нового контенту.
◊ Співпраця з місцевими службами відстеження даних. Розгляньте можливість створення місцевої мережі громадян, які збирають дані .
Як структурувати невелику редакцію? Як зробити так, щоб команда ефективно працювала з даними?
◊ Будьте готові до початку проекту з обробки даних.
◊ Майте улюблені файли зі швидкими сайтами для використання в даних.
◊ Ведіть списки контактів (постійно оновлюйте їх).
◊ Практикуйте використання баз даних у вільний час.
◊ Дайте своїй команді практичні вправи та встановіть терміни.
◊ Зберігайте спеціальний файл бази даних, до якого можна звертатися під час звітування про проекти з обробки даних.
◊ Регулярно використовуйте бази даних та постійно їх оновлюйте.
◊ Змусьте себе знайти «щось інше» або подивитися на дані по-новому.
◊ Розробіть командно-орієнтований підхід, де кожен розуміє та отримує задоволення.
Усвідомте, що найважливішим кроком часто є розуміння того, як перетворити дані на цікаву історію.
Які інструменти обробки даних можуть використовувати невеликі редакції (за низькою ціною або безкоштовно)?
Невеликі редакції часто надають перевагу простим у використанні та доступним інструментам для створення новин на основі даних. Але також важливо враховувати редакційну незалежність — звідки походять ваші інструменти (бажано використовувати версії з відкритим кодом) — та етичні рамки журналістики даних. Ось кілька зручних інструментів для роботи з даними для невеликих редакцій.
◊ Voyant Tools : Веб-середовище для читання та аналізу цифрових текстів.
◊ Microsoft Excel або Google Таблиці : широко використовуване програмне забезпечення для роботи з електронними таблицями, яке є майже на кожному комп’ютері, ідеально підходить для аналізу даних, очищення та простої візуалізації. Ці інструменти можуть бути чудовою відправною точкою для проектів, керованих даними.
◊ GPT Excel : доповнення та інструменти, що підтримуються штучним інтелектом, надані та розроблені існуючими інструментами.
◊ OpenRefine : Інструмент з відкритим кодом, який використовується для очищення та стандартизації даних. Ідеально підходить для очищення та впорядкування складних наборів даних.
◊ Tabula : Інструмент журналістики даних з відкритим кодом, який допомагає витягувати дані з PDF-файлів.
◊ R : Це мова програмування для статистичних обчислень та візуалізації даних. R була прийнята в галузях інтелектуального аналізу даних, біоінформатики та аналізу даних.
◊ Python : Ще одна мова програмування, яка дозволяє швидко працювати та ефективніше інтегрувати системи.
◊ Datawrapper : Цей інструмент дозволяє створювати інтерактивні графіки, карти та інфографіку завдяки зручному інтерфейсу. Він не вимагає навичок програмування та може посилити візуальний наратив у ваших новинах. Datawrapper River може бути особливо корисним.
◊ Flourish : Платформа для створення інтерактивних візуалізацій даних. Завдяки зручному інтерфейсу та багатим можливостям зображень ви можете посилити візуальний наратив у ваших новинах, заснованих на даних. Спробуйте Flourish для новинних кімнат .
◊ Tableau Public : Платформа, яка дозволяє користувачам аналізувати дані та створювати інтерактивні візуалізації. Безкоштовна версія — це економічно вигідний варіант для невеликих редакцій.
◊ Trello або Airtable : Такі інструменти управління проектами можуть оптимізувати організацію та робочий процес ваших проектів, керованих даними. Їх можна використовувати для керування наборами даних, а також для призначення та відстеження завдань.
Ці інструменти можуть допомогти невеликим редакціям ефективно працювати над проектами, заснованими на даних. Вибір найкращого інструменту може залежати від потреб, можливостей та бюджету.
Де знайти хороші джерела відкритих даних для редакцій?
◊ Державні установи: Багато офіційних урядових сайтів надають платформи відкритих даних з різних тем.
◊ Міжнародні організації: Такі організації, як Організація Об’єднаних Націй, Світовий банк та Європейський Союз, також надають платформи відкритих даних з різних тем. Ці платформи включають міжнародні набори даних про глобальний розвиток, права людини, довкілля, економіку та інші широкі теми.
◊ Міста та муніципалітети: Багато місцевих органів влади надають платформи відкритих даних, які можуть містити інформацію про дорожній рух, використання води, проекти міської трансформації, зелені зони та подібні теми.
◊ Освітні заклади: Університети та дослідницькі установи надають відкриті набори даних у різних академічних галузях. Ці дані можуть бути використані в соціальних науках, природничих науках, медичних науках та багатьох інших галузях.
◊ Медіаорганізації: Деякі медіаорганізації відкрито надають доступ до архівів новин, даних політичних кампаній, результатів виборів та інших наборів новинних даних.
◊ НУО: Неурядові організації можуть відкрито ділитися наборами даних, пов’язаними з різними соціальними питаннями. Ці дані можуть стосуватися порушень прав людини, забруднення навколишнього середовища, міграції, трудових прав, нерівності та інших питань. Ось кілька прикладів щодо феміциду , старіння та здоров’я .
◊ Науково-дослідні інститути: Науково-дослідні організації та фонди проводять поглиблені дослідження певних тем і можуть ділитися результатами своєї роботи. Ці набори даних можуть охоплювати економіку, охорону здоров’я, навколишнє середовище, кримінальне правосуддя, освіту та багато інших галузей.
Вищезазначені ресурси можуть виявитися важливими для звітності про дані, але завжди слід враховувати актуальність, надійність та точність джерел даних, а також правильну інтерпретацію даних.
Чого можна навчитися, розглянувши приклади невеликих редакцій, які нещодавно отримали нагороди Sigma Awards?
Премія Sigma Awards – це міжнародна програма нагородження, яка відзначає досконалість у журналістиці даних. Вона відзначає найкращі практики та інновації в різних категоріях, таких як аналіз даних, візуалізація даних та розповідь історій.
Ці нагороди також визнають важливу роль виробництва новин на основі даних і заохочують роботу в цій галузі. Для натхнення зазирніть у базу даних зведених проектів Sigma Awards , яка містить інформацію про 2200 проектів, поданих протягом останніх чотирьох років, включаючи такі деталі, як їхні бюджети, персонал, методи, тривалість, теми та зміст тощо.
Журналістика даних стає дедалі більш невід’ємною частиною нашого щоденного новинного раціону. І невеликі редакції не можуть дозволити собі виключити її зі свого висвітлення. Щоб залишатися актуальними, невеликі редакції повинні використовувати дані для створення журналістики, яка поглиблює знання громадськості про сучасні проблеми, робить складні теми більш зрозумілими та збагачує розповідь історій. За допомогою кількох із цих вищезгаданих інструментів та порад шлях до кращої журналістики даних може бути набагато легшим і менш витратним, ніж вважалося раніше.
На основі матеріалу Global Investigative Journalism Network. Перекладено й адаптовано Редакторським порталом.