- Aiuta a filtrare il flusso di dati
- Fornire un nuovo approccio e tecniche alla narrazione
- Una forma diversa di giornalismo, come esistono parole come giornalismo o fotogiornalismo
- Il giornalismo dei dati è il futuro del consumo di contenuti sul web
- Aggiornare le tue competenze
- Un rimedio per l'elaborazione delle informazioni
- Una risposta alle PR basate sui dati
- Fornire interpretazioni indipendenti alle informazioni ufficiali
- Come gestire il diluvio di dati
- Attività che fa risparmiare tempo
- e altro ancora…
Schema di controllo qualità
- Giornalismo dei dati: una tipica giornata in ufficio
- Come The Economist elabora i dati per coprire le storie
- Sondaggi ed errori di sondaggio
- Tra le storie a cui ho lavorato ci sono:
- Modellazione dei risultati della Brexit
- Capire se i lettori dei giornali potrebbero prevedere il sostegno a Donald Trump
- Consigli per la carriera nel giornalismo dei dati
Giornalismo dei dati: una tipica giornata in ufficio
Innanzitutto, ecco il ciclo di vita di una storia di dati:- Generazione di idee
- Identificazione delle fonti di dati esistenti
- Pulizia e organizzazione dei dati in forma
- Esplorare i dati, spesso un po' senza meta
- Testare le tue ipotesi per trarre conclusioni interessanti o costruire un modello statistico (solitamente solo esplicativo; i modelli predittivi sono molto più difficili)
- Redazione dei risultati, sempre integrata da report convenzionali
- Infine, rispondere agli editori e ai fact-checker prima della pubblicazione
C'è molto lavoro da fare sui nostri grafici prima che avvenga la magia della visualizzazione (la raccolta e l'elaborazione dei dati in R e Python di cui ho parlato). Una volta che i dati puliti sono pronti, utilizziamo due strumenti di creazione grafici personalizzati: uno script per Excel e uno script per Adobe Illustrator che converte i dati in un grafico vero e proprio.
Contenuti dei nostri partner
Come The Economist elabora i dati per coprire le storie
Quindi, una volta che ho in mano un set di dati promettente, lo pulisco e lo trasformo in un formato analizzabile usando la libreria pandas di Python o R, che è la scelta più popolare tra i giornalisti di dati qui. Una volta che i dati sono ordinati, di solito esploro un po': controllo le medie, cerco valori mancanti o anomali, rappresento graficamente alcune tendenze. Da lì, decidiamo i grafici giusti per accompagnare l'articolo. Li creo sul mio computer e poi li passo a un visualizzatore di dati per adattarli al nostro famoso stile. Ciò che rende l'Economist unico è che non esiste una sezione dedicata al giornalismo dei dati nel settore, è presente ovunque. In secondo luogo, come settimanale, abbiamo scadenze spropositate rispetto ai nostri amici dei quotidiani. Produrre articoli di dati di solito richiede parecchio tempo, in parte a causa del tempo necessario per pulire ed elaborare dati disordinati. Siamo abbastanza fortunati da poter prenderci il nostro tempo con gli articoli e sottoporli a un trattamento rigoroso prima della pubblicazione.Commenti sui sondaggi e sugli errori di sondaggio
La risposta di base, per dirla in modo un po' noioso, è campioni distorti e non rappresentativi. I sondaggi funzionano se, e solo se, il campione rappresenta l'intera popolazione. Ci sono molti problemi che ostacolano questo gold standard: il bias da mancata risposta (alcune persone sono più propense di altre a rispondere alle tue domande) o il bias da autoselezione (condurre un sondaggio in un country club distorcerebbe il campione, ad esempio). I dati grezzi con cui lavora la maggior parte dei sondaggisti sono solitamente piuttosto distorti. Ad esempio, il campione potrebbe essere composto per il 60% da uomini quando la popolazione effettiva è più vicina al 50%. Per risolvere questo problema, i sondaggisti applicano una ponderazione, che attribuirebbe maggiore valore alle risposte femminili. Questo funziona abbastanza bene, a meno che non ci siano improvvisi riallineamenti lungo assi incontrollati in politica, come potrebbe essere successo l'anno scorso.Un altro ambito di miglioramento potrebbe essere quello delle proiezioni dell'affluenza alle urne, che di solito si basano in modo superficiale sugli exit poll delle elezioni precedenti o sulle probabilità auto-dichiarate. Probabilmente servono modelli più elaborati, che prevedano previsioni personalizzate. Le campagne elettorali americane hanno già un vantaggio in questo tipo di lavoro, spesso supportato da data scientist molto abili, e i sondaggisti farebbero bene a imparare da loro.
Esempio delle storie su cui ha lavorato Idrees Kahloon
Modellazione dei risultati della Brexit
La difficoltà maggiore nel modellare la Brexit è stata la mancanza di un modello analogo su cui basare la formazione. Il mio collega James Fransham e io abbiamo aggirato il problema analizzando i microdati dei sondaggi per avere un'idea chiara dei migliori predittori per il voto Leave o Remain. Abbiamo subito notato che istruzione e classe sociale erano incredibilmente buoni, mentre i predittori del comportamento politico che avevano funzionato bene in passato (come l'affiliazione politica) hanno avuto risultati eccezionalmente scarsi. Una volta identificati i fattori più importanti, abbiamo utilizzato i dati del censimento per proiettare i conteggi finali. Abbiamo anche modellato l'affluenza alle urne utilizzando una procedura simile.
Il modello della notte delle elezioni ha utilizzato tutti questi calcoli come base di previsione (un'analisi bayesiana a priori). Man mano che i risultati arrivavano, abbiamo scritto uno script che ha adattato dinamicamente il modello sottostante, rendendolo sempre più accurato con il passare della notte. Sfortunatamente per il Regno Unito, ma fortunatamente per il nostro modello, prevedevamo la Brexit entro un'ora dall'arrivo dei risultati. Potete trovare maggiori informazioni, inclusi i magnifici dettagli statistici, qui .
I lettori dei giornali sostengono la previsione di Donald Trump
Funziona incredibilmente bene. Se chiedi a un elettore quanto siano affidabili diversi giornali, puoi prevedere il suo voto con un'accuratezza dell'88%. Questo senza includere altre informazioni utili come razza, affiliazione politica o livello di istruzione. Anche se potrebbe essere un trionfo per le statistiche, trovo un po' scoraggiante che gli atteggiamenti verso i media siano così fortemente polarizzati lungo linee di partito.
Qual è il modo migliore per prepararsi a una carriera nel giornalismo dei dati?
Per essere un buon data journalist è necessaria la conoscenza di tre cose: statistica, informatica e scrittura. Scrivere in generale, e in particolare nel giornalismo, si impara meglio praticando. Se sei interessato al giornalismo, il modo migliore per prepararti è fare uno stage presso il tuo quotidiano locale e provare a scrivere per la rivista della tua scuola o per il giornale universitario. Un'altra strada è la stampa specializzata, in cui ci si specializza in un campo di nicchia ma si acquisiscono tutte le competenze di base necessarie per scrivere su qualsiasi argomento. È molto più facile imparare da giornalisti esperti che cercare di documentarsi. La maggior parte dello staff dell'Economist , ad esempio, non ha mai studiato giornalismo in modo formale.
Statistica e informatica si apprendono meglio in classe, con un insegnante esperto che sappia correggere gli errori prima che si radicano troppo. Se hai già completato la tua formazione formale, non mancano materiali e corsi online che possono aiutarti. Per un'introduzione rigorosa alla statistica, consiglio di leggere l'eccellente " Introduction to Probability" (e di risolvere gli esercizi!). Con queste basi, scoprirai che molti argomenti, come l'econometria e il machine learning, diventeranno molto più accessibili.
Oggigiorno la maggior parte dei programmatori è autodidatta. Come per la scrittura, la cosa più importante è fare. Scegli un linguaggio (Python tende a essere più facile per i principianti), imposta il tutto e prova a scrivere programmi semplici. Più ti sforzi a scrivere codice, più ti verrà naturale.
