7 shades-of-datajournalism-gruener-zf

642 Aufrufe

Veröffentlicht am

3 Ziele des #ddj.
7 Bausteine des Daten-Journalismus.
3 Szenarien und 1 Workflow-Vorlage.

Veröffentlicht in: Bildung
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
642
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
185
Aktionen
Geteilt
0
Downloads
3
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

7 shades-of-datajournalism-gruener-zf

  1. 1. 7 Shades of #DDJ #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013
  2. 2. Auf Daten gestützter Journalismus
  3. 3. gestützt statt gesteuert V X
  4. 4. 3Ziele ulfgruener.de | 2013
  5. 5. 1. frische Perspektive 
  6. 6. ich sehe was, was Du nicht siehst
  7. 7. besserer Überblick
  8. 8. besserer Einblick
  9. 9. 2. exklusiv 
  10. 10. 3. relevant 
  11. 11. #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013 relevant: Informationen exklusiv: Inhalte frisch: Perspektiven 
  12. 12. 7Bausteine ulfgruener.de | 2013
  13. 13. ulfgruener.de | 2013 Daten finden Daten generieren Daten prüfen Daten nutzen Daten archi- vieren Daten sortieren Daten filtern 7 Bausteine #DDJ SRF TPC AUSBILDUNG| ULF GRÜNER | 2013
  14. 14. Daten finden -> offizielle Daten -> Rohdaten -> Real Time -> APIs
  15. 15. Daten generieren -> Web oder PDF „scrapen“ -> APIs als Quelle -> Crowdsourcing
  16. 16. Daten prüfen -> Content -> Context -> Code
  17. 17. Daten nutzen -> für die Geschichte -> für die Timeline -> für Interviews -> für den Dialog Social Media -> für Visualisierung -> für interaktive Gestaltung „play with data“ > news games -> Social Network Analysis
  18. 18. Daten sortieren Daten filtern -> vergleichbar machen -> Aspekte identifizieren
  19. 19. ulfgruener.de | 2013 Daten archi- vieren -> eigene Datenbank aufbauen -> Daten zum Vergleich vorhalten
  20. 20. Material : http:// datenjour.tumblr.com
  21. 21. Magazin : http://flipboard.com Data Driven Stories
  22. 22. 3typische Szenarien
  23. 23. Ich habe Daten, noch keine Geschichte und möchte diese visualisieren. V X X ... Daten prüfen ... Daten ergänzen ... Geschichte finden: z.B.: „Was fehlt?“ 1 #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013
  24. 24. Ich habe keine Daten, aber eine Geschichte und möchte diese visualisieren. V X X ... fremde Daten finden ... eigene Daten konzipieren ... eigene Daten erfassen 2 #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013
  25. 25. Ich habe Daten, die Geschichte und möchte diese visualisieren. V X V ... interaktiv ... multimedial ... News Game ... Daten erfassen 3 #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013
  26. 26. Visualisierung geprüft Thema Quellen Ich habe eine Geschichte, ein Zitat, einen Hinweis, eine Person. Ich habe eine Studie, eine Statistik. nicht geprüft -> wer prüft? -> was wird geprüft? von wem? unabhängig? Datensatz abgeschlossen? wann zuletzt aktualisiert? wie erhoben? veränderliche Daten? Datenformat? PDF -> Scraping XLS -> Filtern, Sortieren RSS, XML -> Import Daten ergänzen? living data web scraping API Ich erstelle eine Studie, eine Statistik, erfasse Daten. Ich brauche eine Studie, eine Statistik.Daten finden: geprüfte Quellen Was ist das Thema? Was ist die Geschichte? Sind die Daten vollständig? Was fehlt? Wer hat welche Interessen? Ich habe ein Thema, oder mehrere. #DDJ | SRF TPC AUSBILDUNG | ULF GRÜNER | 2013

×