Statistische Datenanalyse im Journalismus
Fallstudien und wissenschaftliche Anforderungen zum Einsatz fortgeschrittener statistischer Methoden
- 2022
- Buch
- Herausgegeben von
- Prof. Dr. Claus Weihs
- Verlag
- Springer Berlin Heidelberg
Über dieses Buch
Dieses Buch zeigt anhand von journalistischen Fallbeispielen, warum und wie fortgeschrittene statistische Analysemethoden eingesetzt werden können, um aussagekräftige journalistische Informationen aus Daten zu extrahieren. Gleichzeitig setzt das Buch einen Anforderungsrahmen für die datenjournalistische Arbeit bezüglich Datenkompetenz und -visualisierung, dem Einsatz von Algorithmen sowie daten-ethischen Anforderungen und der Überprüfung externer Studien.
Ziel ist es, die Qualität und Aussagekraft datenjournalistischer Arbeiten zu verbessern, welche, neben der angemessenen Erfassung und Aufbereitung von Daten, wesentlich von einer adäquaten Datenanalyse abhängen. Aber wie statistisch arbeiten Datenjournalist:innen heute eigentlich? Und wie statistisch können oder sollten sie arbeiten, um den Ansprüchen ihrer Leserschaft in Sachen Verständlichkeit gerecht zu werden, auch mit Blick auf deren unterschiedliches mathematisch-statisches Vorwissen? Das Buch zielt darauf ab, diese Fragen zu beantworten, indem es weiterführende statistische Methoden anhand von Fallstudien untersucht. Es verdeutlicht, warum diese Methoden auch im journalistischen Kontext oftmals problemangemessener sind und tiefer gehende Erkenntnisse liefern als vereinfachte Analysen und Basismethoden. Die Fallstudien decken dabei die wichtigsten statistischen Methoden ab: Verteilungen und Tests, Klassifikation, Regression, Zeitreihenanalyse, Clusteranalyse, Analyse von sequentiellen Daten ohne direkten Zeitbezug, Verwendung von Vorwissen und geplante Studien.
Anzeige
Inhaltsverzeichnis
-
Frontmatter
-
Einführung, Konzept und Grundlagen
-
Frontmatter
-
Kapitel 1. Einführung
Claus WeihsDas Kapitel beleuchtet die wachsende Bedeutung der Datenjournalistik und die Notwendigkeit einer adäquaten Datenanalyse. Es untersucht verschiedene datenanalytische Studientypen wie Beobachtungsstudien und geplante Studien, sowie statistische Modelle und deren Beurteilungsmethoden. Besonderes Augenmerk wird auf die Anforderungen an Datenjournalisten und die Herausforderungen bei der Anwendung statistischer Methoden gelegt. Das Buch bietet eine umfassende Diskussion und praktische Anwendungen, die das Verständnis und die Anwendung statistischer Methoden in der Datenjournalistik vertiefen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDieses Kapitel motiviert das Buch und gibt eine kurze Inhaltsangabe. Außerdem werden kurz verschiedene datenanalytische Studientypen diskutiert sowie statistische Modelle und ihre Beurteilung. -
Kapitel 2. CRISP-DM - Ein Konzept für die journalistische Datenanalyse?
Anna BehrendDas Kapitel behandelt die Frage, ob der Data-Mining-Standardprozess CRISP-DM für den Datenjournalismus geeignet ist. Es wird festgestellt, dass CRISP-DM viele Gemeinsamkeiten mit den Arbeitsabläufen im Datenjournalismus aufweist, aber die Analysemethoden im Datenjournalismus oft einfacher sind. Experteninterviews zeigen, dass CRISP-DM als Leitlinie für Anfänger nützlich sein könnte, aber im professionellen Alltag zu starr ist. Die Besonderheit des Textes liegt in der tiefgehenden Analyse der Praxisrelevanz von CRISP-DM für den Datenjournalismus, basierend auf Interviews mit erfahrenen Datenjournalisten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDas folgende Kapitel behandelt die Frage, inwiefern sich Methoden des industriellen Data Mining sinnvoll auf Arbeitsabläufe im Datenjournalismus übertragen lassen. Der Data-Mining-Standardprozess „CRISP-DM“ weist viele Gemeinsamkeiten mit für den Datenjournalismus typischen Arbeitsschritten auf. Ein wesentlicher Unterschied besteht jedoch in der Wahl der Analysemethoden: Im Datenjournalismus sind diese in der Regel wesentlich simpler als im Data Mining. Das zeigen sowohl die Literatur als auch Experteninterviews zum Thema. Eine starre Datenjournalismus-Leitlinie im Stil von „CRISP-DM“ sehen die meisten befragten Experten kritisch. Dafür sind die Projekte und Arbeitsabläufe zu divers. Damit ein inhaltlich richtiges und relevantes Endprodukt entsteht, wird zusätzlich vom Datenjournalisten viel eigenes Einschätzungsvermögen und Fachwissen verlangt, welches er in seiner Ausbildung – vielleicht mit Hilfe einer Leitlinie – erlernt und verinnerlicht hat. -
Kapitel 3. Data Literacy
Katja Ickstadt, Henrik Müller, Henrike WeinertDas Kapitel untersucht die Relevanz von Data Literacy im Journalismus und wie diese Kompetenz in die journalistische Ausbildung integriert werden kann. Es wird erläutert, wie Journalisten Daten intelligent nutzen können, um relevante und fundierte Berichte zu erstellen. Besonders hervorgehoben wird die Notwendigkeit eines kritischen Umgangs mit Daten und die Bedeutung von Data Literacy als Grundkompetenz für Journalisten. Das Kapitel beschreibt auch das DaCoNet-Konzept der TU Dortmund, das Data Literacy in die universitäre Bildung integriert, und betont die fortlaufende Notwendigkeit, sich in neue Problemstellungen einzuarbeiten, um relevant und informiert berichten zu können.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungJournalismus soll eine Welt erklären, die zunehmend von Daten getrieben wird. Kenntnisse der Datenerhebung und -analyse werden damit zur Basiskompetenz von Journalistinnen und Journalisten. Zentral ist dabei ein kritischer Umgang mit scheinbar objektiven Fakten. Dieser Beitrag zeigt, wie sich das Konzept der Data Literacy auf den Journalismus übertragen lässt und präsentiert erste Erfahrungen mit der Implementierung in die universitäre journalistische Bildung. -
Kapitel 4. Datengrafiken zwischen Nutzwert und Design
Was gelungene Visualisierungen im Datenjournalismus auszeichnet - und was dafür zu beachten ist. Christina ElmerDas Kapitel 'Datengrafiken zwischen Nutzwert und Design' untersucht die Rolle von Datenvisualisierungen im Datenjournalismus. Es wird betont, dass Datengrafiken nicht nur valide und konzis erstellt, sondern auch hochwertig und interessant gestaltet sein müssen, um ein breites Publikum zu erreichen. Besondere Aufmerksamkeit wird dabei auf die Perspektive der Nutzer gelegt, um sicherzustellen, dass die Grafiken auch von Personen ohne Expertise verstanden werden können. Weiterhin wird die Bedeutung inhaltlicher Qualität und optischer Anreize hervorgehoben, um die Herausforderungen der Datenvisualisierung im Journalismus zu meistern. Das Kapitel bietet praktische Tipps und Beispiele, wie Datenjournalisten ihre Grafiken nutzerzentriert entwickeln und gestalten können, um die Berichterstattung zu bereichern und das Vertrauen in den Journalismus zu stärken.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungIm Journalismus können Datengrafiken die Berichterstattung auf vielfältige Weise bereichern. Damit dies gelingt, müssen sie valide und konzis erstellt sowie hochwertig und interessant gestaltet sein. Wissenschaftliche Gütekriterien werden sie dennoch in der Regel nicht erfüllen können, richten sie sich doch an ein diverses Publikum und werden viel flüchtiger rezipiert. Daher braucht es inhaltliche und optische Anreize. Denn für Personen ohne Expertise ist es mitunter herausfordernd, abstrakte Visualisierungen im Moment der Mediennutzung zu entschlüsseln. Diesen Kontext zu antizipieren, stellt daher eine weiteres wichtiges Qualitätsmerkmal dar. -
Kapitel 5. Algorithmen im Fokus
Warum Datenjournalisten mit Algorithmen arbeiten - und sie in ihren Recherchen hinterfragen. Christina ElmerDieser Fachbeitrag untersucht die Rolle von Algorithmen im modernen Journalismus und die Bedeutung ihrer kritischen Hinterfragung. Datenjournalisten nutzen Algorithmen zur Beschaffung, Analyse und Visualisierung von Daten, was ihre Recherchen vertieft und den Nutzwert erhöht. Besonders herausfordernd sind die methodischen Anforderungen, wenn eigene Datensätze generiert werden. Der Beitrag betont die Notwendigkeit interdisziplinärer Kooperationen und die Bedeutung von Experimenten zur Überprüfung algorithmischer Entscheidungen. Ein besonderes Augenmerk liegt auf der Transparenz und den ethischen Implikationen von Algorithmen, wie am Beispiel des Schufa-Algorithmus gezeigt. Die Recherche zu Algorithmen erfordert ein tiefes Verständnis ihrer Funktionsweise und ihrer potenziellen Verzerrungen, um die Auswirkungen auf die Gesellschaft zu beleuchten. Der Beitrag zeigt, wie Journalisten durch innovative Methoden und interdisziplinäre Zusammenarbeit komplexe algorithmische Systeme durchdringen und deren Einfluss auf die Gesellschaft aufdecken können.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungAlgorithmen beeinflussen den Journalismus zunehmend – als Werkzeug zur Verarbeitung und Darstellung von Datensätzen, aber auch als Gegenstand journalistischer Recherchen. Da Algorithmen immer mehr Bereiche der Gesellschaft prägen, müssen Redaktionen in der Lage sein, sie kritisch zu hinterfragen: Mit welchen Prinzipien lösen sie Probleme? Welche Personen haben sie mit welchem Ziel geschaffen? Und wie häufig kommen falsch positive und falsch negative Ergebnisse vor? Um diese Fragen zu beantworten, braucht es neue Fähigkeiten im Journalismus und neue Partnerschaften mit der Wissenschaft. Nicht selten bringen auch Experimente wertvolle Erkenntnisse - und helfen beim Erzählen.
-
-
Fallstudien
-
Frontmatter
-
Kapitel 6. (Bedingte) Verteilung und statistische Tests
Claus Weihs, Marcel PaulyDas Kapitel behandelt die Relevanz bedingter Verteilungen beim Vergleich von Verteilungen, insbesondere im Kontext der Altersstruktur von Parlamenten. Es wird gezeigt, wie bedingte Verteilungen die Vergleichbarkeit von Verteilungen verbessern und wie Abstandsmaße wie der Kolmogorov-Smirnov-Abstand und die Totalvariation verwendet werden können, um Verteilungsabweichungen zu untersuchen. Die Fallstudie zur Altersstruktur von Parlamenten verdeutlicht, wie junge und ältere Menschen in europäischen Parlamenten unterrepräsentiert sind und wie statistische Tests genutzt werden können, um diese Unterschiede zu quantifizieren und zu bewerten. Die Anwendung von Dichtefunktionen und Verteilungsfunktionen zur Darstellung der Verteilungen wird ebenfalls detailliert erläutert, ebenso wie die Bedeutung von statistischen Tests zur Bestimmung der Signifikanz von Verteilungsunterschieden.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungBei einem Vergleich von Verteilungen ist es wichtig, sich mit Hilfe von bedingten Verteilungen auf den relevanten Teil einer Gesamtpopulation zu beschränken. Sonst sind Fehlschlüsse sehr wahrscheinlich. Verteilungsabstände können mit Hilfe von Abstandsmaßen in eine Reihenfolge gebracht werden. Diese Maße bieten auch die Möglichkeit, Hypothesen über Verteilungsabweichungen zu untersuchen. -
Kapitel 7. Zusammenhangsanalyse: Klassifikation
Claus Weihs, Patrick StotzDas Kapitel untersucht die Zusammenhangsanalyse und Klassifikation, insbesondere die Vorhersage von AfD-Hochburgen bei der Bundestagswahl 2017. Dabei werden Entscheidungsbäume verwendet, um wirtschaftliche und soziale Bedingungen zu analysieren. Die Analyse zeigt, dass in AfD-Hochburgen relativ wenige Ausländer wohnen und dass die Unionsparteien in Wahlkreisen mit niedriger Arbeitslosigkeit erfolgreich sind. Weiterhin wird eine Re-Analyse durchgeführt, bei der alle vier Strukturmerkmale Arbeitslosenquote, Durchschnittseinkommen, Ausländeranteil und Bevölkerungsdichte gemeinsam verwendet werden, um AfD-Hochburgen zu charakterisieren. Die Verwendung von Klassifikationsbäumen ermöglicht eine anschauliche und interpretierbare Vorhersage der Wahlverhalten. Besonders interessant ist die detaillierte Darstellung der Klassifikationsregeln und die Bewertung der Modelle durch Fehlerraten und Konfusionsmatrizen. Die Ergebnisse zeigen, dass die Vorhersage von AfD-Hochburgen durch die Berücksichtigung zusätzlicher Merkmale wie Kraftfahrzeuge pro 1000 Einwohner und Anteil älterer Einwohner verbessert werden kann. Dieses Kapitel bietet wertvolle Einblicke für Datenwissenschaftler und Datenjournalisten, die die Vorhersage von Wahlverhalten und die Interpretation von Entscheidungsbäumen vertiefen möchten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDer Frage, unter welchen wirtschaftlichen und sozialen Bedingungen die AfD bevorzugt gewählt wird, gehen wir mit Hilfe der Konstruktion von Klassifikationsregeln nach. Dabei verwenden wir Entscheidungsbäume, weil sie einfach zu interpretieren sind. Schon einfache Bäume führen zu relativ zuverlässigen Vorhersagen. -
Kapitel 8. Zusammenhangsanalyse: Regression
Ana Moya, Marie-Louise Timcke, Claus WeihsDas Kapitel 'Zusammenhangsanalyse: Regression' untersucht die Anwendung von Regressionsmodellen zur Vorhersage von Wahlergebnissen basierend auf soziodemografischen Daten. Im Fokus steht die Bundestagswahl 2017, bei der das Team von Zeit Online Regressionsanalysen durchführte, um die Wahlergebnisse vorherzusagen. Die Analyse vergleicht das Vorgehen von Journalisten und Statistikern und zeigt auf, wie statistische Methoden wie Regressionsbäume und Random Forests genutzt werden können, um wichtige Einflussvariablen zu identifizieren. Besonders interessant ist die Diskussion über die Angemessenheit der einfachen linearen Regression und die Herausforderungen bei der Interpretation von Korrelationen. Das Kapitel schließt mit einer Re-Analyse, die alternative Methoden wie Data Mining und logistische Modelle untersucht, um die Genauigkeit und Interpretierbarkeit der Ergebnisse zu verbessern.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDie Identifikation wichtiger Einflussvariablen auf das Wahlergebnis einer Partei ist ein wichtiger Bestandteil jeder Wahlanalyse. Typische statistische Methoden sind, neben der Klassifikation, Korrelationsanalyse und Regression. In diesem Kapitel wird wiederum das journalistische Vorgehen der isolierten Betrachtung einzelner Einflüsse dem Vorgehen in der Statistik der gleichzeitigen Berücksichtigung aller möglichen Einflüsse gegenübergestellt. Dieses Mal werden Regressionsmodelle behandelt im Gegensatz zu Kapitel 7, wo Klassifikationsmodelle untersucht wurden. -
Kapitel 9. Zeitreihenanalyse: Modellentwicklung über die Zeit
Claus WeihsDas Kapitel 'Zeitreihenanalyse: Modellentwicklung über die Zeit' befasst sich mit der Analyse und Vorhersage der COVID-19-Infektionszahlen in Deutschland und Italien während der ersten Welle der Pandemie. Die Autoren untersuchen, wie sich Methoden und Vorhersagen über die Zeit ändern und welche Modelle am besten geeignet sind, um die Stagnation der Infektionszahlen vorherzusagen. Besonderes Augenmerk wird auf die Veränderungen der Modelle und die Anpassung der Vorhersagen gelegt, wobei sowohl exponentielles als auch logistisches Wachstum betrachtet wird. Die Einführung von Gompertz-Modellen zur besseren Abbildung der realen Daten zeigt die Herausforderungen und Notwendigkeiten der Modellentwicklung in dynamischen Pandemie-Situationen. Die Analyse umfasst auch die Untersuchung der Reproduktionszahl und die Gewichtung von Beobachtungen, um die Modelle an die aktuellen Daten anzupassen. Die Ergebnisse zeigen, wie sich die Vorhersagen im Laufe der Zeit verändern und welche Modelle sich als am besten geeignet erweisen, um die Entwicklung der Pandemie zuverlässig vorherzusagen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungIn diesem Kapitel stellen wir die wichtigsten Erkenntnisse einer täglich aktualisierten Zeitreihenanalyse der Corona (COVID-19) Infektionen von Frühjahr 2020 für Deutschland und Italien vor (1. Welle). Damit soll u. a. demonstriert werden, wie sich Methoden und Vorhersagen über die Zeit ändern können. Ziel ist die Vorhersage der Obergrenze der Anzahl Infektionen und des Zeitpunktes des Beginns derjenigen Phase des Infektionsverlaufs, wo die Infiziertenzahl kaum noch steigt (Stagnation). Die verwendeten Modelle werden diskutiert und die Veränderungen in der Vorhersage werden interpretiert. -
Kapitel 10. Gruppenbildung: Clusteranalyse
Claus WeihsDas Kapitel 'Gruppenbildung: Clusteranalyse' untersucht die Analyse von Bestsellerlisten im Buchmarkt, insbesondere die Platzierungen in den SPIEGEL-Bestsellerlisten für Hardcover Belletristik und Sachbücher. Es wird gezeigt, wie statistische Methoden wie Clusteranalyse und Glättungsverfahren genutzt werden, um typische Verläufe von Platzierungen zu identifizieren und zu interpretieren. Die Autoren nutzen Daten von Buchtiteln, die mindestens 52 Wochen in den Bestsellerlisten standen, und analysieren deren Platzierungen. Besonders interessant ist die Untersuchung der Unterschiede zwischen Belletristik und Sachbüchern in Bezug auf die Verweildauern und die Einflüsse des Erscheinungsmonats auf die Karriereverläufe. Die Ergebnisse der Analyse werden in Entscheidungsbäumen visualisiert, die eine klare Trennung der Cluster ermöglichen. Die Studie liefert wertvolle Erkenntnisse für Verlage und Fachjournalisten, die die Dynamik von Bestsellerlisten besser verstehen möchten.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDas Bilden von Gruppen in Daten ist eine grundlegende Aufgabe der statistischen Datenanalyse. Bei unserem Beispiel von Zeitreihen der Platzierungen in den TOP 50 von Buchbestsellerlisten bereiten wir die Daten zusätzlich durch Glättung vor und interpretieren die gefundenen Cluster mit Hilfe von Klassifikationsverfahren. Auf der Basis dieser Analysen beantworten wir am Ende dieses Kapitels spezifische Fragen des Harenberg Verlags zu Bestsellerkarrieren wie z. B. „Gibt es DIE klassische Bestsellerkarriere?“. -
Kapitel 11. Sequentielle Daten: Analyse von Radverkehrsnetzen
Claus Weihs, Lilia MichailovZusammenfassungIn diesem Kapitel zeigen wir einen Vergleich verschiedener Netze von Fahrradrouten auf der Basis von GPS-Koordinaten. Ziel ist die Identifikation von Lücken im Radnetz der Stadt Berlin. Für eine Bestandsaufnahme der Nutzung des Fahrradnetzes wird ein Maß entwickelt, das die Übereinstimmung verschiedener Fahrradrouten quantifiziert. Mit Hilfe eines Dichtequotienten werden anschließend Bereiche in Berlin identifiziert, die viel mit dem Fahrrad befahren werden, aber wenig auf Radwegen. -
Kapitel 12. Datenerhebung: Verwendung von Vorwissen
Claus Weihs, Tanja Hernández RodríguezDas Kapitel befasst sich mit der Datenerhebung und -analyse zur Bestimmung der wöchentlichen Gesamtarbeitszeit von Universitätsprofessoren. Es vergleicht zwei statistische Ansätze: einen frequentistischen und einen bayesianischen. Der bayesianische Ansatz integriert Vorwissen aus früheren Studien, um die Repräsentativität der Daten zu erhöhen. Die empirische Bayes-Methode wird detailliert erläutert, einschließlich der Bestimmung von a-priori und a-posteriori Verteilungen. Die Ergebnisse zeigen, dass die Berücksichtigung von Vorwissen zu plausibleren und präziseren Prognosen führt. Das Kapitel schließt mit einem Kommentar, der die Relevanz der Bayes-Analyse im Journalismus diskutiert.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungIn dieser Studie werden Vorhersagebereiche der wöchentlichen Gesamtarbeitszeit von vollzeitbeschäftigten Universitätsprofessorinnen und -professoren aus Daten einer Umfrage aus dem Jahre 2016 und a-priori Informationen aus früheren Studien bestimmt. Die Ergebnisse von zwei unterschiedlichen statistischen Analysen werden verglichen. Dabei geht es ganz wesentlich darum zu zeigen, wie vor der Datenerhebung bekanntes Wissen (so genanntes a-priori Wissen) in einer Analyse mitberücksichtigt werden kann, wodurch die Repräsentativität erhöht wird, da die Ergebnisse nicht ausschließlich auf den Antworten der Teilnehmer der Umfrage basieren. -
Kapitel 13. Geplante Studien
Claus Weihs, Gerret von NordheimDas Kapitel demonstriert die Möglichkeiten statistischer Versuchsplanung in der journalistischen Wirkungsforschung. Es wird gezeigt, wie geplante Studien in der Wirtschaftsjournalistik durchgeführt werden können, um die Wahrnehmungskluft zwischen ökonomischen Experten und Bürgern zu verringern. Dabei werden verschiedene Faktoren und deren Einfluss auf die Glaubwürdigkeit datenjournalistischer Texte untersucht. Ein Schwerpunkt liegt auf der Anwendung von mehrfaktoriellen Designs, die es ermöglichen, Wechselwirkungen zwischen den Einflussmerkmalen zu analysieren. Konkrete Beispiele und empirische Untersuchungen illustrieren die praktische Anwendung dieser Methoden.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDieses Kapitel demonstriert die Möglichkeiten statistischer Versuchsplanung in der journalistischen Wirkungsforschung.
-
-
Qualitätsstandards
-
Frontmatter
-
Kapitel 14. Datenethik im Journalismus
Detlef Steuer, Ursula GarczarekDas Kapitel 'Datenethik im Journalismus' untersucht die ethischen Herausforderungen des Datenjournalismus und wie der Pressekodex als Leitfaden für den Umgang mit Daten im Journalismus dienen kann. Die Autoren betonen die Parallelen zwischen Datenwissenschaften und Journalismus und zeigen, wie ethische Fragen im Kontext der COVID-19-Pandemie behandelt werden können. Besondere Aufmerksamkeit wird der Rolle von Zahlen und Fakten sowie der Vermeidung von Datenmanipulation und -wringen geschenkt. Das Kapitel endet mit einer Diskussion über die Anwendbarkeit des Pressekodex auf die Datenwissenschaften und die Notwendigkeit einer Selbstregulierung in diesem Bereich.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungFragen der Datenethik, die sich im Datenjournalismus stellen, lassen sich gut innerhalb bewährter ethischer Leitlinien bewerten, wenn Ähnlichkeiten zwischen Datenjournalismus und Datenwissenschaften erkannt und ausgenutzt werden. Es gibt wichtige Parallelen in den Aufgaben von Datenwissenschaftler*innen beim Erstellen von Reports zu denen von Journalist*innen. Darüber hinaus sind die Analysen von Datenwissenschaftler*innen, welche Journalist*innen als Information für ihre Artikel nutzen, ihrer Natur nach nicht anders als andere Quellen. Probleme der Datenethik für den Journalismus lassen sich deshalb anhand der relevanten Stellen des Pressekodex betrachten.Der Schlüssel zu einem angemessenen Umgang liegt deshalb nach Meinung der Autor*innen darin, den Daten keine Sonderrolle in der journalistischen Arbeit zuzuweisen. Wie ein Interview, eine Reportage, eine Recherche ist jedes Datum, jede Analyse, jeder Report nichts weiter als eine Quelle! Mit diesem Ansatz wird im Abschnitt 14.3 auf die relevanten Ziffern des Pressekodex eingegangen. Zu jeder Ziffer wird anhand von Beispielen erläutert, wie Datenberichterstattung sich in den Rahmen des Kodex einfügt. Da das Buch während der COVID-19 Pandemie entstand und die datenbezogene Berichterstattung dabei einen bisher nicht erreichten Umfang annahm, stammen die meisten Beispiele aus der Pandemieberichterstattung. -
Kapitel 15. Qualitätsstandards: Checklisten als Hilfsmittel
Holger WormerDas Kapitel stellt die Bedeutung von Checklisten als Hilfsmittel für Journalisten heraus, um die Qualität von Studien und Experteneinschätzungen zu bewerten. Es wird erläutert, wie diese Checklisten Journalisten helfen können, die Glaubwürdigkeit von wissenschaftlichen Informationen zu überprüfen, auch wenn sie keine speziellen Vorkenntnisse in Statistik oder Wissenschaft besitzen. Das Kapitel enthält praktische Anleitungen und strukturierte Arbeitsmethoden, die in einem internen Rechercheleitfaden für den WDR erarbeitet wurden. Es werden verschiedene Checklisten vorgestellt, darunter eine für die Bewertung von Experten und eine für die Prüfung von Studien. Diese Checklisten ermöglichen es Journalisten, schnell und effizient die Plausibilität von wissenschaftlichen Informationen zu überprüfen und so die Qualität ihrer Berichte zu erhöhen. Das Kapitel betont die Notwendigkeit eines pragmatischen Vorgehens, insbesondere in der Aus- und Weiterbildung von Journalisten, und bietet konkrete Vorschläge für die Integration dieser Checklisten in den journalistischen Alltag.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungDie Bereitschaft und Fähigkeit von Journalisten - jenseits der Spezialisten aus Daten-, Wissenschafts- und Teilen des Wirtschaftsjournalismus -, sich mit Details von wissenschaftlichen Studien und Datensätzen vertraut zu machen, wird von Statistik-Experten tendenziell überschätzt. Dies mag beklagenswert erscheinen, verwundert aber insofern nicht, als der Journalistenberuf traditionell zunächst besondere Begabungen im Umgang mit kreativen Darstellungsformen, Sprache, Bildern und Tönen erfordert, und Doppelbegabungen, die diese mit mathematischen Fähigkeiten vereinen, eher selten sind. Eine erfolgversprechende Strategie, auch weniger wissenschaftsaffinen Journalisten dennoch ein Basiswissen über Studien und Statistik zu vermitteln, besteht in gestuften Handreichungen mit formalin Checklisten, die ohne große Vorkenntnisse und auch im hektischen Redaktionsalltag in die schnellen Arbeitsroutinen integriert werden können. Dieses Kapitel stellt entsprechende Checklisten vor, wie sie der Autor u.a. in einem internen Rechercheleitfaden für den WDR erarbeitet hat, auf dem auch Teile des folgenden Textes beruhen. -
Kapitel 16. Daten und R-Programme
Claus WeihsDer Anhang stellt die wesentlichen Daten und R-Programme vor, die den Fallstudien in den Kapiteln 6 bis 12 zugrunde liegen. Dabei werden die relevanten Daten und Programme detailliert dargestellt, um Datenjournalisten die Möglichkeit zu geben, die Analysen selbst nachzuvollziehen. Besonders hervorgehoben wird die Notwendigkeit, die Software R zu installieren und die entsprechenden Bibliotheken zu aktivieren, um die Programme auszuführen. Die Daten und Programme sind so strukturiert, dass sie teilweise aufeinander aufbauen und daher in der angegebenen Reihenfolge durchgeführt werden müssen. Ein besonderes Augenmerk wird auf die Fallstudie 1 gelegt, die sich mit der Altersstruktur von Parlamenten beschäftigt und Daten aus Deutschland, Rumänien und Schweden verwendet.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
ZusammenfassungIn diesem Anhang werden Daten und R-Programme zu den Fallstudien in den Kapiteln 6 - 12 vorgestellt. Dabei werden die wichtigsten Daten und R-Programme, die dem Text zugrunde liegen, wiedergegeben. Damit sollte ein(e) Datenjournalist(in) die wesentlichen Ideen im Text selbst nachvollziehen können.
-
-
Backmatter
- Titel
- Statistische Datenanalyse im Journalismus
- Herausgegeben von
-
Prof. Dr. Claus Weihs
- Copyright-Jahr
- 2022
- Verlag
- Springer Berlin Heidelberg
- Electronic ISBN
- 978-3-662-64693-9
- Print ISBN
- 978-3-662-64692-2
- DOI
- https://doi.org/10.1007/978-3-662-64693-9
Informationen zur Barrierefreiheit für dieses Buch folgen in Kürze. Wir arbeiten daran, sie so schnell wie möglich verfügbar zu machen. Vielen Dank für Ihre Geduld.