SlideShare ist ein Scribd-Unternehmen logo
FACHKONFERENZ NETZWERK RECHERCHE 2012


WACHT AUF,
WENN IHR JOURNALISTEN SEID.
AUFBAU VON TRAINING FÜR
DATENJOURNALISMUS +
STRATEGIEN FÜR REDAKTIONEN
FACHKONFERENZ NETZWERK RECHERCHE 2012


WACHT AUF,
WENN IHR JOURNALISTEN SEID.
AUFBAU VON TRAINING FÜR
DATENJOURNALISMUS +
STRATEGIEN FÜR REDAKTIONEN
MIRKO LORENZ, HAMBURG, 25. MÄRZ 2012
@MIRKOLORENZ

JOURNALIST / INFORMATIONSARCHITEKT / TRAINER
INHALT
- WAS BISHER GESCHAH
- TRAININGSKONZEPTE
- BARRIEREN & PERSPEKTIVEN
ARBEITSZIEL:
AUFBAU EINES STRUKTURIERTEN
TRAININGSANGEBOTS FÜR
DATA-DRIVEN JOURNALISM
WAS BISHER GESCHAH...
Einer der ersten Artikel über „data-driven reporting“
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“
TRAININGSANGEBOTE AUFBAUEN - SCHRITTE BISHER
2009: ERSTE IDEEN FÜR #DDJ SYLLABUS
2010: WARTEN AUF FINANZIERUNGSZUSAGE #FAIL
      DDJ ROUNDTABLE IN AMSTERDAM
2011: 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?
Stark vereinfacht: Die Transformation von Daten in
relevante Beiträge.




  DEF:
  DATA-DRIVEN JOURNALISM
  = WORKFLOW



                                                     Mirko Lorenz, 2010 (CC-BY)
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
WIE KÖNNTE EIN CURRICULUM AUSSEHEN?

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
 8
      How to add numbers and text together in a spreadsheet program     Text
      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.



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
                        Text
era should be exposed to this“.
- Michelle Minkoff




http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/
#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)
(1) DATEN ALS BASIS FÜR BERICHTE



ALWAYS ASK: 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
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
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...




Quelle: New York Times
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
(2) INTERAKTIVE SPECIALS

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.



David Johnson: „Data-Driven Investigative Journalism: No Laughing Matter“, PBS Mediashift, 29.02.2012
ZWEITE STUFE:
DATEN SPECIALS
KONTEXT, FOKUS UND AHA-ERLEBNIS
FÜR DEN BETRACHTER
DATEN SPECIALS: AUSGEWÄHLTE BEISPIELE (VERLINKT)
DATEN ALS BASIS EINES VIDEOS


   „NEVER COMING HOME“




Quelle: http://mediastorm.com//publication/never-coming-home
http://projects.flowingdata.com/timeuse/
DRITTE STUFE:
DATEN APPS/BIG DATA
- DIE WELT ALS DATENSTROM,
VERSTÄNDLICH ÜBERSETZT
Go to: guardian.co.uk home                  Go



                                                                                                                   Search:                           Entire site      Search


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




Investigate your MP's expenses: Home




Join us in digging through the documents of MPs' expenses to identify individual claims, or
documents that you think merit further investigation. You can work through your own MP's
expenses, or just hit the button below to start reviewing. (Update, Fri pm: we now have a
virtually complete set of expenses documents so you should be able to find your MP's)
Already created an account? Log in here.



 We have 458,832 pages of documents. 27,241 of you have reviewed                                                        Investigate your own MP's documents

 221,837 of them. Only 236,995 to go...                                                                                 Enter your postcode:
                                                                                                                                                Find your MP


                                                                                                                        Or search by MP name or constituency:
                                 Please read our privacy policy to find out how we use your data. You must also read
   Start reviewing               our terms of service. By reviewing pages, you are agreeing that you have read the
                                 terms of service, and that you agree to them.
                                                                                                                                                Search



                                                                                                                        Most line items added (last 48 hrs)
Thanks everyone for your valiant efforts so far.                                                                                                                        all time


You're amply justifying our hope that many hands can make light work of the thousands of                                anon-27236                                 5 line items
documents released by Parliament in relation to MPs’ expenses. We, and others - perhaps
                                                                                                                        mdouble8                                   3 line items
you? - are still using these tools to review each document, decide whether it contains
interesting information, and extract the key facts.                                                                     emsilly                                    2 line items

Some pages will be covering letters, or claim forms for office stationery. But somewhere in
here is the receipt for a duck island. And who knows what else may turn up. If you find                                 Most pages reviewed (last 48 hrs)
something which you think needs further attention, simply hit the button marked “investigate                                                                            all time
this!” and we’ll take a closer look.
                                                                                                                        dmelda                                       22 votes
How to get involved:
                                                                                                                        anon-27236                                   17 votes
UNDER CONSTRUCTION:
  WIE WEIT SIND DIE
TRAININGSKONZEPTE?
Bausteine für das Training




  Seminare           Datawrapper               Datastory                         Syllabus



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

Trainingsvarianten                       Text
Ein Tag
Zwei Tage
Zwei Tage          Interne (eigene) Erprobung und Experimente                            Ein Tag
Eine Woche




Kontinuierlich, in kleinen, praxisorientierten Schritten
Bausteine für das Training




  Seminare
                +    Datawrapper
                                         +       Datastory
                                                                             +         Syllabus



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

Trainingsvarianten                       Text
Ein Tag
Zwei Tage
Zwei Tage          Interne (eigene) Erprobung und Experimente                                  Ein Tag
Eine Woche




Kontinuierlich, in kleinen, praxisorientierten Schritten
Bausteine für das Training




  Seminare
                +    Datawrapper
                                         +       Datastory
                                                                             +         Syllabus



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

Trainingsvarianten                       Text
Ein Tag
Zwei Tage
Zwei Tage          Interne (eigene) Erprobung und Experimente                                  Ein Tag
Eine Woche




Kontinuierlich, in kleinen, praxisorientierten Schritten
Bausteine für das Training




  Seminare
                +    Datawrapper
                                         +       Datastory
                                                                             +         Syllabus



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

Trainingsvarianten                       Text
Ein Tag
Zwei Tage
Zwei Tage          Interne (eigene) Erprobung und Experimente                                  Ein Tag
Eine Woche




Kontinuierlich, in kleinen, praxisorientierten Schritten
Datenjournalismus Praxistraining
                                                                                                           Gelb = Teilnehmer arbeiten aktiv eigenem Projekt
ABZV (Bonn), 5.-9. September 2011
Zeit               Mo                           Di                           Mi                           Do                              Fr
        EINSTIEG & PLANUNG             FINDEN & FILTERN              VISUALISIERUNG              VISUALISIERUNG                    PUBLIZIEREN
                                                                       Daten visualisieren
09:00       Vorstellung und                Datenquellen                                              Zwischenstand:            Einbindung in CMS/Blogs
                                                                  (Linda Rath-Wiggins/Cosmin
            Wochenübersicht               (Wilfried Runde)                                        Ideen der Teilnehmer             Erfolgsmessung
                                                                            Cabulea

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

                                            Data Scraping
                                                                                                                                    Wochenprojekt:
11:00    Ideen und Erwartungen?      (Linda Rath-Wiggins/Cosmin        Spezielle Formen             Wochenprojekt
                                                                                                                                      Abschluss
                                               Cabulea)
12:00             Pause                        Pause                        Pause                        Pause                          Pause
                                                                            Vortrag:
              Präsentation:                                          Zahlen visualisieren -                                         Wochenprojekt:
13:00                                      Data Scraping                                            Wochenprojekt
         Von den Daten zur Story                                   typische Fehler vermeiden                                          Abschluss


        Analyse: Wie haben die das   Analyse: Wie haben die das
14:00                                                                 Daten visualisieren                                      Ergebnisse präsentieren
                gemacht?                     gemacht?


                                                                                               Workshop mit Gregor Aisch:             Ausblick/
             Wochenprojekt:                                                                       Daten visualisieren
15:00                                       Daten filtern              Daten visualisieren                                   Formate für Datenjournalismus
            Erstes Storyboard
                                                                                                                                Abschlussdiskussion


             Wochenprojekt:                                             Wochenprojekt:
16:00
            Erstes Storyboard               Daten filtern             Storyboard verfeinern


17:00   Feedback/Tagesgespräch        Feedback/Tagesgespräch                                    Feedback/Tagesgespräch
Gregor Aisch bei seinem Vortrag im ABZV Datenjournalismus Seminar, 09/2011 - http://vis4.net/blog/
http://www.datawrapper.de
DATAWRAPPER: VISUALISIERUNG UND
VERÖFFENTLICHUNG VEREINFACHEN

1. DATENQUELLEN KENNEN

2. DATEN BEREINIGEN

3. DATEN VISUALISIEREN UND EINBETTEN


http://www.datawrapper.de
Bild ist mit
Datawrapper in der Praxis:
                             Artikel verlinkt.
Ruhr Nachrichten
Dortmund

http://
www.ruhrnachrichten.de/
lokales/dortmund/Erstmals-
wird-in-Dortmund-weniger-
gegen-Hartz-IV-
geklagt;art930,1565639
Datawrapper in der Praxis:     Bild ist mit
Volontäre an der Akademie      Artikel verlinkt.
für Publizistik erklären den
Hamburger Stadtteil Hohe
Luft.

http://akademievolos.de/
wpmu/
februar12/2012/03/02/reich-
und-kinderarm-der-
durchschnitts-hohelufter/
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?
SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben




Start here! --->
SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben




Start here! --->      1. AKTIVITÄTEN                               Erste Schritte, Experimente,
                                                                            Erfahrung
SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben




                      2. ABLÄUFE
                                                                       „Data aware“ eine
                                                                       Geschichte nach der
                                                                       anderen.




Start here! --->      1. AKTIVITÄTEN                               Erste Schritte, Experimente,
                                                                            Erfahrung
SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben




                      3. STRATEGIE
                                                                       Verbessern,
                                                                       vertiefen,
                                                                       verankern.




                      2. ABLÄUFE
                                                                       „Data aware“ eine
                                                                       Geschichte nach der
                                                                       anderen.




Start here! --->      1. AKTIVITÄTEN                               Erste Schritte, Experimente,
                                                                            Erfahrung
SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben




                      4. ORGANISATION                                     Veränderung
                                                                          in den Redaktionen




                      3. STRATEGIE
                                                                       Verbessern,
                                                                       vertiefen,
                                                                       verankern.




                      2. ABLÄUFE
                                                                       „Data aware“ eine
                                                                       Geschichte nach der
                                                                       anderen.




Start here! --->      1. AKTIVITÄTEN                               Erste Schritte, Experimente,
                                                                            Erfahrung
Journalists,
where do you
add value?
WARUM IST DATEN-JOURNALISMUS MEHR ALS EIN HYPE?
BEISPIEL: KLEINE UND GROSSE BETRÜGEREIEN....




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

 Print     Web
                        Aktuelle Realität bei den
                        meisten
                        Tageszeitungen:
                        Print im Fokus
                        dann „Copy & Paste“
Ökonomie guter Formate verstehen
Daten als Basis für alle Publikationsformen
Datenbank    Web           Print
            Übersicht                  Eher Qualität als
              Artikel       Artikel
 Crime        Karte      Hintergrund   Quantität, warum
 Daten       Statistik
                                       nicht?
             Analyse
              Audio
               Foto
              Video


                                       Chancen: Tiefe
                                       Glaubwürdigkeit
                                       Kompetenz
                                       Relevanz
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 TIMES
GUARDIAN
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)
THANK YOU!
EIN DANK AN DIE LEUTE, DIE DEN BERUF WEITER ENTWICKELN.




Brian Storm     Simon Rogers     Walter Mossberg      Rafat Ali    Gregor Aisch




Aron Pilhofer    Jeff Jarvis    Nicolas Kayser-Bril Michelle Minkoff Geoff McGhee




Marco Maas      Lorenz Matzat      Tracy Boyer     Paul Bradshaw    Amanda Cox
Danke.
           #ddj
        @mirkolorenz
http://www.mirkolorenz.com

Weitere ähnliche Inhalte

Ähnlich wie Vortrag netzwerk recherche: Training für Datenjournalismus

Social Media Forum Medienwandel
Social Media Forum MedienwandelSocial Media Forum Medienwandel
Social Media Forum Medienwandel
Axel Burkert
 
Big Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für VerlageBig Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für Verlage
Tim Bruysten
 
Smart Data Workshop
Smart Data WorkshopSmart Data Workshop
Smart Data Workshop
labtogether2016
 
Strukturierte Daten — oder: das neue semantische Internet
Strukturierte Daten — oder: das neue semantische InternetStrukturierte Daten — oder: das neue semantische Internet
Strukturierte Daten — oder: das neue semantische InternetHeinrich Klassen
 
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und InformationsmanagementUnternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und Informationsmanagement
Nicki Borell
 
1 - Einfuehrung
1 - Einfuehrung1 - Einfuehrung
1 - Einfuehrung
Steffen Schloenvoigt
 
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
Axel Oppermann
 
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4jGraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
Neo4j
 
Online Marketing: Potenziale erkennen - Chancen nutzen
Online Marketing: Potenziale erkennen - Chancen nutzenOnline Marketing: Potenziale erkennen - Chancen nutzen
Online Marketing: Potenziale erkennen - Chancen nutzen
Karolina Stuhec-Meglic
 
34. Open Network *mitte
34. Open Network *mitte34. Open Network *mitte
34. Open Network *mitte
Community ITmitte.de
 
Web 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werdenWeb 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werden
AI4BD GmbH
 
Datenjournalismus - auch für Lokaljournalisten wichtig
Datenjournalismus - auch für Lokaljournalisten wichtigDatenjournalismus - auch für Lokaljournalisten wichtig
Datenjournalismus - auch für Lokaljournalisten wichtig
Peter Welchering
 
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A RelationsBig Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A RelationsGeorg Blum
 
Ibrahim Evsan HOTSPOT Vortrag
Ibrahim Evsan HOTSPOT VortragIbrahim Evsan HOTSPOT Vortrag
Ibrahim Evsan HOTSPOT Vortrag
kambeckfilm
 
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
Nane Kratzke
 
Netstudien infobroker
Netstudien infobrokerNetstudien infobroker
Netstudien infobroker
Andreas Bornefeld
 
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) DataMedien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Martin Kaltenböck
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
Semantic Web Company
 
Whitepaper Social Media Analytics
Whitepaper Social Media AnalyticsWhitepaper Social Media Analytics
Whitepaper Social Media Analytics
Peter Wolff
 

Ähnlich wie Vortrag netzwerk recherche: Training für Datenjournalismus (20)

Social Media Forum Medienwandel
Social Media Forum MedienwandelSocial Media Forum Medienwandel
Social Media Forum Medienwandel
 
Big Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für VerlageBig Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für Verlage
 
Smart Data Workshop
Smart Data WorkshopSmart Data Workshop
Smart Data Workshop
 
Strukturierte Daten — oder: das neue semantische Internet
Strukturierte Daten — oder: das neue semantische InternetStrukturierte Daten — oder: das neue semantische Internet
Strukturierte Daten — oder: das neue semantische Internet
 
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und InformationsmanagementUnternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und Informationsmanagement
 
1 - Einfuehrung
1 - Einfuehrung1 - Einfuehrung
1 - Einfuehrung
 
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
Denkhandwerker No.3 - Das "Internet der Dinge" wird das Marketing brutal verä...
 
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4jGraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
 
Online Marketing: Potenziale erkennen - Chancen nutzen
Online Marketing: Potenziale erkennen - Chancen nutzenOnline Marketing: Potenziale erkennen - Chancen nutzen
Online Marketing: Potenziale erkennen - Chancen nutzen
 
34. Open Network *mitte
34. Open Network *mitte34. Open Network *mitte
34. Open Network *mitte
 
Web 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werdenWeb 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werden
 
Datenjournalismus - auch für Lokaljournalisten wichtig
Datenjournalismus - auch für Lokaljournalisten wichtigDatenjournalismus - auch für Lokaljournalisten wichtig
Datenjournalismus - auch für Lokaljournalisten wichtig
 
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A RelationsBig Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
 
Ibrahim Evsan HOTSPOT Vortrag
Ibrahim Evsan HOTSPOT VortragIbrahim Evsan HOTSPOT Vortrag
Ibrahim Evsan HOTSPOT Vortrag
 
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
Der Bundestagswahlkampf 2017 auf Twitter - War der Ausgang abzusehen?
 
Netstudien infobroker
Netstudien infobrokerNetstudien infobroker
Netstudien infobroker
 
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) DataMedien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) Data
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
 
Whitepaper Social Media Analytics
Whitepaper Social Media AnalyticsWhitepaper Social Media Analytics
Whitepaper Social Media Analytics
 
Keynote: Andreas Langegger
Keynote: Andreas LangeggerKeynote: Andreas Langegger
Keynote: Andreas Langegger
 

Mehr von Mirko Lorenz

Data-driven journalism, every day
Data-driven journalism, every dayData-driven journalism, every day
Data-driven journalism, every day
Mirko Lorenz
 
Crossmedia: Nicht auf die Tools, auf die Story kommt es an
Crossmedia: Nicht auf die Tools, auf die Story kommt es anCrossmedia: Nicht auf die Tools, auf die Story kommt es an
Crossmedia: Nicht auf die Tools, auf die Story kommt es an
Mirko Lorenz
 
Focus on story, don't be seduced by sexy tools: How journalists can create gr...
Focus on story, don't be seduced by sexy tools: How journalists can create gr...Focus on story, don't be seduced by sexy tools: How journalists can create gr...
Focus on story, don't be seduced by sexy tools: How journalists can create gr...
Mirko Lorenz
 
1 #ddj was ist datenjournalismus?
1 #ddj was ist datenjournalismus?1 #ddj was ist datenjournalismus?
1 #ddj was ist datenjournalismus?Mirko Lorenz
 
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
Mirko Lorenz
 
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddjI pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
Mirko Lorenz
 
What is data-driven journalism? (Slides from naprej:forward 2012)
What is data-driven journalism? (Slides from naprej:forward 2012) What is data-driven journalism? (Slides from naprej:forward 2012)
What is data-driven journalism? (Slides from naprej:forward 2012)
Mirko Lorenz
 
Datawrapper (ABZV)
Datawrapper (ABZV)Datawrapper (ABZV)
Datawrapper (ABZV)
Mirko Lorenz
 
Wege in den Datenjournalismus (Anna-Lena Krampe)
Wege in den Datenjournalismus (Anna-Lena Krampe)Wege in den Datenjournalismus (Anna-Lena Krampe)
Wege in den Datenjournalismus (Anna-Lena Krampe)
Mirko Lorenz
 
From Attention to Trust: Perspektiven durch Datenjournalismus
From Attention to Trust: Perspektiven durch DatenjournalismusFrom Attention to Trust: Perspektiven durch Datenjournalismus
From Attention to Trust: Perspektiven durch Datenjournalismus
Mirko Lorenz
 
Can data journalism save your newsroom?
Can data journalism save your newsroom?Can data journalism save your newsroom?
Can data journalism save your newsroom?
Mirko Lorenz
 
Daten-Journalismus: Lohnt der Aufwand?
Daten-Journalismus: Lohnt der Aufwand?Daten-Journalismus: Lohnt der Aufwand?
Daten-Journalismus: Lohnt der Aufwand?
Mirko Lorenz
 
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
Mirko Lorenz
 
Data-driven journalism (GIJC, Geneva April 2010) #ddj
Data-driven journalism (GIJC, Geneva April 2010) #ddjData-driven journalism (GIJC, Geneva April 2010) #ddj
Data-driven journalism (GIJC, Geneva April 2010) #ddj
Mirko Lorenz
 
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddjData-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
Mirko Lorenz
 

Mehr von Mirko Lorenz (15)

Data-driven journalism, every day
Data-driven journalism, every dayData-driven journalism, every day
Data-driven journalism, every day
 
Crossmedia: Nicht auf die Tools, auf die Story kommt es an
Crossmedia: Nicht auf die Tools, auf die Story kommt es anCrossmedia: Nicht auf die Tools, auf die Story kommt es an
Crossmedia: Nicht auf die Tools, auf die Story kommt es an
 
Focus on story, don't be seduced by sexy tools: How journalists can create gr...
Focus on story, don't be seduced by sexy tools: How journalists can create gr...Focus on story, don't be seduced by sexy tools: How journalists can create gr...
Focus on story, don't be seduced by sexy tools: How journalists can create gr...
 
1 #ddj was ist datenjournalismus?
1 #ddj was ist datenjournalismus?1 #ddj was ist datenjournalismus?
1 #ddj was ist datenjournalismus?
 
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
Hack the newsroom: Deutsche Welle Project at #GEN13 Global Editors Network Ne...
 
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddjI pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
I pay this, you pay that. Crowdsourcing local costs of living (Prototype) #ddj
 
What is data-driven journalism? (Slides from naprej:forward 2012)
What is data-driven journalism? (Slides from naprej:forward 2012) What is data-driven journalism? (Slides from naprej:forward 2012)
What is data-driven journalism? (Slides from naprej:forward 2012)
 
Datawrapper (ABZV)
Datawrapper (ABZV)Datawrapper (ABZV)
Datawrapper (ABZV)
 
Wege in den Datenjournalismus (Anna-Lena Krampe)
Wege in den Datenjournalismus (Anna-Lena Krampe)Wege in den Datenjournalismus (Anna-Lena Krampe)
Wege in den Datenjournalismus (Anna-Lena Krampe)
 
From Attention to Trust: Perspektiven durch Datenjournalismus
From Attention to Trust: Perspektiven durch DatenjournalismusFrom Attention to Trust: Perspektiven durch Datenjournalismus
From Attention to Trust: Perspektiven durch Datenjournalismus
 
Can data journalism save your newsroom?
Can data journalism save your newsroom?Can data journalism save your newsroom?
Can data journalism save your newsroom?
 
Daten-Journalismus: Lohnt der Aufwand?
Daten-Journalismus: Lohnt der Aufwand?Daten-Journalismus: Lohnt der Aufwand?
Daten-Journalismus: Lohnt der Aufwand?
 
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
Open Data in the Newsroom: What's the story? (Talk from OK Con 2011 in Berlin)
 
Data-driven journalism (GIJC, Geneva April 2010) #ddj
Data-driven journalism (GIJC, Geneva April 2010) #ddjData-driven journalism (GIJC, Geneva April 2010) #ddj
Data-driven journalism (GIJC, Geneva April 2010) #ddj
 
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddjData-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
Data-driven journalism: What is there to learn? (Stanford, June 2010) #ddj
 

Vortrag netzwerk recherche: Training für Datenjournalismus

  • 1. FACHKONFERENZ NETZWERK RECHERCHE 2012 WACHT AUF, WENN IHR JOURNALISTEN SEID. AUFBAU VON TRAINING FÜR DATENJOURNALISMUS + STRATEGIEN FÜR REDAKTIONEN
  • 2. FACHKONFERENZ NETZWERK RECHERCHE 2012 WACHT AUF, WENN IHR JOURNALISTEN SEID. AUFBAU VON TRAINING FÜR DATENJOURNALISMUS + STRATEGIEN FÜR REDAKTIONEN MIRKO LORENZ, HAMBURG, 25. MÄRZ 2012
  • 4. INHALT - WAS BISHER GESCHAH - TRAININGSKONZEPTE - BARRIEREN & PERSPEKTIVEN
  • 7. Einer der ersten Artikel über „data-driven reporting“
  • 8. Einer der ersten Artikel über „data-driven reporting“
  • 9. Einer der ersten Artikel über „data-driven reporting“ „data-driven reporting should become second nature to journalists“
  • 10. TRAININGSANGEBOTE AUFBAUEN - SCHRITTE BISHER 2009: ERSTE IDEEN FÜR #DDJ SYLLABUS 2010: WARTEN AUF FINANZIERUNGSZUSAGE #FAIL DDJ ROUNDTABLE IN AMSTERDAM 2011: 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
  • 11. #DDJ TRAINING: WAS SOLLTEN JOURNALISTEN KÖNNEN?
  • 12. Stark vereinfacht: Die Transformation von Daten in relevante Beiträge. DEF: DATA-DRIVEN JOURNALISM = WORKFLOW Mirko Lorenz, 2010 (CC-BY)
  • 13. 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
  • 14. WIE KÖNNTE EIN CURRICULUM AUSSEHEN? 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 8 How to add numbers and text together in a spreadsheet program Text 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. http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/
  • 15. „This may seem a tall order, but I think it’s doable.  I believe every journalism student in this Text era should be exposed to this“. - Michelle Minkoff http://michelleminkoff.com/2010/03/24/bringing-data-journalism-into-curricula/
  • 16. #DDJ 3 STUFEN (1) DATEN ALS BASIS FÜR BERICHTE (2) INTERAKTIVE SPECIALS (3) DATEN-APPS/BIG DATA
  • 17. ERSTE STUFE: BRINGING DATA INTO STORY (AUS DATEN GESCHICHTEN MACHEN)
  • 18. (1) DATEN ALS BASIS FÜR BERICHTE ALWAYS ASK: COMPARED TO WHAT?
  • 19. 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
  • 20. 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
  • 21. 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... Quelle: New York Times
  • 22. MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELN http://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html
  • 23. MANCHMAL MUSS MAN (NUR) DIE ZAHLEN SAMMELN http://www.heise.de/newsticker/meldung/Umsatzsteigerung-und-Gewinnrueckgang-bei-Amazon-1285944.html
  • 24. (2) INTERAKTIVE SPECIALS 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. David Johnson: „Data-Driven Investigative Journalism: No Laughing Matter“, PBS Mediashift, 29.02.2012
  • 25. ZWEITE STUFE: DATEN SPECIALS KONTEXT, FOKUS UND AHA-ERLEBNIS FÜR DEN BETRACHTER
  • 26. DATEN SPECIALS: AUSGEWÄHLTE BEISPIELE (VERLINKT)
  • 27. DATEN ALS BASIS EINES VIDEOS „NEVER COMING HOME“ Quelle: http://mediastorm.com//publication/never-coming-home
  • 29. DRITTE STUFE: DATEN APPS/BIG DATA - DIE WELT ALS DATENSTROM, VERSTÄNDLICH ÜBERSETZT
  • 30. Go to: guardian.co.uk home Go Search: Entire site Search News Sport Comment Culture Business Money Life & style Travel Environment TV Video Community Blogs Jobs Investigate your MP's expenses: Home Join us in digging through the documents of MPs' expenses to identify individual claims, or documents that you think merit further investigation. You can work through your own MP's expenses, or just hit the button below to start reviewing. (Update, Fri pm: we now have a virtually complete set of expenses documents so you should be able to find your MP's) Already created an account? Log in here. We have 458,832 pages of documents. 27,241 of you have reviewed Investigate your own MP's documents 221,837 of them. Only 236,995 to go... Enter your postcode: Find your MP Or search by MP name or constituency: Please read our privacy policy to find out how we use your data. You must also read Start reviewing our terms of service. By reviewing pages, you are agreeing that you have read the terms of service, and that you agree to them. Search Most line items added (last 48 hrs) Thanks everyone for your valiant efforts so far. all time You're amply justifying our hope that many hands can make light work of the thousands of anon-27236 5 line items documents released by Parliament in relation to MPs’ expenses. We, and others - perhaps mdouble8 3 line items you? - are still using these tools to review each document, decide whether it contains interesting information, and extract the key facts. emsilly 2 line items Some pages will be covering letters, or claim forms for office stationery. But somewhere in here is the receipt for a duck island. And who knows what else may turn up. If you find Most pages reviewed (last 48 hrs) something which you think needs further attention, simply hit the button marked “investigate all time this!” and we’ll take a closer look. dmelda 22 votes How to get involved: anon-27236 17 votes
  • 31. UNDER CONSTRUCTION: WIE WEIT SIND DIE TRAININGSKONZEPTE?
  • 32. Bausteine für das Training Seminare Datawrapper Datastory Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit) Trainingsvarianten Text Ein Tag Zwei Tage Zwei Tage Interne (eigene) Erprobung und Experimente Ein Tag Eine Woche Kontinuierlich, in kleinen, praxisorientierten Schritten
  • 33. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit) Trainingsvarianten Text Ein Tag Zwei Tage Zwei Tage Interne (eigene) Erprobung und Experimente Ein Tag Eine Woche Kontinuierlich, in kleinen, praxisorientierten Schritten
  • 34. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit) Trainingsvarianten Text Ein Tag Zwei Tage Zwei Tage Interne (eigene) Erprobung und Experimente Ein Tag Eine Woche Kontinuierlich, in kleinen, praxisorientierten Schritten
  • 35. Bausteine für das Training Seminare + Datawrapper + Datastory + Syllabus ABZV.de Datawrapper.de Tutorial-Sammlung (in Arbeit) Trainingskonzept (in Arbeit) Trainingsvarianten Text Ein Tag Zwei Tage Zwei Tage Interne (eigene) Erprobung und Experimente Ein Tag Eine Woche Kontinuierlich, in kleinen, praxisorientierten Schritten
  • 36. Datenjournalismus Praxistraining Gelb = Teilnehmer arbeiten aktiv eigenem Projekt ABZV (Bonn), 5.-9. September 2011 Zeit Mo Di Mi Do Fr EINSTIEG & PLANUNG FINDEN & FILTERN VISUALISIERUNG VISUALISIERUNG PUBLIZIEREN Daten visualisieren 09:00 Vorstellung und Datenquellen Zwischenstand: Einbindung in CMS/Blogs (Linda Rath-Wiggins/Cosmin Wochenübersicht (Wilfried Runde) Ideen der Teilnehmer Erfolgsmessung Cabulea Präsentation: Wochenprojekt: 10:00 Datensätze suchen Grundformen Wochenprojekt Datenjournalismus Abschluss Data Scraping Wochenprojekt: 11:00 Ideen und Erwartungen? (Linda Rath-Wiggins/Cosmin Spezielle Formen Wochenprojekt Abschluss Cabulea) 12:00 Pause Pause Pause Pause Pause Vortrag: Präsentation: Zahlen visualisieren - Wochenprojekt: 13:00 Data Scraping Wochenprojekt Von den Daten zur Story typische Fehler vermeiden Abschluss Analyse: Wie haben die das Analyse: Wie haben die das 14:00 Daten visualisieren Ergebnisse präsentieren gemacht? gemacht? Workshop mit Gregor Aisch: Ausblick/ Wochenprojekt: Daten visualisieren 15:00 Daten filtern Daten visualisieren Formate für Datenjournalismus Erstes Storyboard Abschlussdiskussion Wochenprojekt: Wochenprojekt: 16:00 Erstes Storyboard Daten filtern Storyboard verfeinern 17:00 Feedback/Tagesgespräch Feedback/Tagesgespräch Feedback/Tagesgespräch
  • 37. Gregor Aisch bei seinem Vortrag im ABZV Datenjournalismus Seminar, 09/2011 - http://vis4.net/blog/
  • 39. DATAWRAPPER: VISUALISIERUNG UND VERÖFFENTLICHUNG VEREINFACHEN 1. DATENQUELLEN KENNEN 2. DATEN BEREINIGEN 3. DATEN VISUALISIEREN UND EINBETTEN http://www.datawrapper.de
  • 40. Bild ist mit Datawrapper in der Praxis: Artikel verlinkt. Ruhr Nachrichten Dortmund http:// www.ruhrnachrichten.de/ lokales/dortmund/Erstmals- wird-in-Dortmund-weniger- gegen-Hartz-IV- geklagt;art930,1565639
  • 41. Datawrapper in der Praxis: Bild ist mit Volontäre an der Akademie Artikel verlinkt. für Publizistik erklären den Hamburger Stadtteil Hohe Luft. http://akademievolos.de/ wpmu/ februar12/2012/03/02/reich- und-kinderarm-der- durchschnitts-hohelufter/
  • 42. Vorbild für Datastory.de (Tutorials für Datenjournalismus) http://multimedia.journalism.berkeley.edu/tutorials/
  • 43.
  • 45. Mieten oder kaufen? Individuelle Antworten, ohne dass im Hintergrund persönliche Daten gesammelt und verkauft werden.
  • 46.
  • 47.
  • 49. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben Start here! --->
  • 50. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 51. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen. Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 52. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 3. STRATEGIE Verbessern, vertiefen, verankern. 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen. Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 53. SCHRITT FÜR SCHRITTVeränderung der Redaktion von untn, nicht vo oben 4. ORGANISATION Veränderung in den Redaktionen 3. STRATEGIE Verbessern, vertiefen, verankern. 2. ABLÄUFE „Data aware“ eine Geschichte nach der anderen. Start here! ---> 1. AKTIVITÄTEN Erste Schritte, Experimente, Erfahrung
  • 55. WARUM IST DATEN-JOURNALISMUS MEHR ALS EIN HYPE? BEISPIEL: KLEINE UND GROSSE BETRÜGEREIEN.... http://www.versicherungen-tipps24.de/ http://www.ratgeberzentrale.de/steuern-und-finanzen/ versicherungswesen-aktuelle-nachrichten/aktuelle- falschberatung.html nachrichten-ueber-versicherungen-allgemein/werden-die- verbraucherzentralen-zum-wettbewerber-der- finanzberater.html
  • 56. Situation heute Print Web Blogs* iPad Mobil * Blogs in rot, weil die meisten Medien nicht begriffen haben, was das ist.
  • 58. Perspektive: Arbeitschwerpunkt verlagern Print Web Aktuelle Realität bei den meisten Tageszeitungen: Print im Fokus dann „Copy & Paste“
  • 60. Daten als Basis für alle Publikationsformen Datenbank Web Print Übersicht Eher Qualität als Artikel Artikel Crime Karte Hintergrund Quantität, warum Daten Statistik nicht? Analyse Audio Foto Video Chancen: Tiefe Glaubwürdigkeit Kompetenz Relevanz
  • 61. PERSPEKTIVEN UND NÄCHSTE SCHRITTE FÜR DATA-DRIVEN JOURNALISM: - AUFBAU VON DATEN TEAMS - AUFBAU EINER TOOL-BIBLIOTHEK
  • 62. NÄCHSTER SCHRITT: AUFBAU VON DATEN-TEAMS VORREITER: NEW YORK TIMES GUARDIAN TEXAS TRIBUNE TREIBER USA: PRÄSIDENTSCHAFTSWAHL
  • 63.
  • 64.
  • 65.
  • 66. „IN OUR NEWSROOM EVERYONE IS DATA-AWARE“ REDAKTEURIN DER TEXAS TRIBUNE BEI DER #DDJ UNCONFERENCE IN AUSTIN, TEXAS (2012) HTTP://WWW.TEXASTRIBUNE.ORG/
  • 68. „ES IST KEIN TOOL-PROBLEM, SONDERN EIN MENSCHEN-PROBLEM“ - ARON PILHOFER, NEW YORK TIMES
  • 70. GANZ ZULETZT: KANN MAN DAMIT (IRGENDWANN) GELD VERDIENEN?
  • 71.
  • 72. Kernthese: From attention to trust Medienmarken als vertrauenswürdige Datenbanken.
  • 73. WIE WEITER? LERNEN WOLLEN (JOURNALISTEN) LERNEN LASSEN (VERLAGE)
  • 74. THANK YOU! EIN DANK AN DIE LEUTE, DIE DEN BERUF WEITER ENTWICKELN. Brian Storm Simon Rogers Walter Mossberg Rafat Ali Gregor Aisch Aron Pilhofer Jeff Jarvis Nicolas Kayser-Bril Michelle Minkoff Geoff McGhee Marco Maas Lorenz Matzat Tracy Boyer Paul Bradshaw Amanda Cox
  • 75. Danke. #ddj @mirkolorenz http://www.mirkolorenz.com