最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

数据看新闻靠不靠谱?

[复制链接]
发表于 2014-8-19 13:25:30 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
追求炫酷乃至报道格式数据化都是对数据新闻的矮化和滥用。数据确有一种能揭示很多真相的力量,但只有在将数据处理作为整个报道的辅助时,这一点才成立。数据,是报道手段而非报道本身。

本专题由围绕“数据新闻”的三篇文章组成。第一篇“获取完整的故事”描述了《纽约时报》记者斯多瑞建立数据库的过程;第二篇“工作机会都在哪儿”探讨了WYNC 在数据可视化方面的成功;重点推荐文章“新闻数据的缺陷”则揭露了利用统计工具报道新闻的弊端。

3116.jpg

1.Getting the whole Story 获取完整的故事

数字技术可以让新闻得到更为完整的呈现.于《纽约时报》工作了6年的记者路易斯·斯多瑞(Louise Story),在他的一项关于政府向企业提供补贴的深度报道中,充分体会到了这一点。

斯多瑞运用数据调查技术发现,美国州政府和联邦政府每年会给企业超过800亿美元的补贴,以把他们吸引到特定的领域。一开始,斯多瑞以为获取相关数据不会太辛苦,然而,当她从相关资料中搜集了一部分数据后才发现,她真正感兴趣的内容—这些花费了纳税者多少钱,并没有被囊括其中。在与众多研究人员和专家交流后,她意识到她所要找寻的数据在现存的资料中并不存在。专家一再告诫她,这样的数据库非常有用,但却几乎不可能被创建出来。

在亲身整理这些资料的时候,斯多瑞完全理解了专家们的建议。因为,要建立这样一个数据库仅凭个人的力量是完全不够的。各州政府都有3到6家左右的机构从事与企业激励计划的相关工作。此外,在有些州里,企业激励计划并不完全由政府经济发展的部门来运作,也就是说,如果要进行全面的数据统计,斯多瑞不得不对参与其中的其他机构或经济实体的数据进行检索,而这成了“不可能完成的任务”。

就在此时,《时代》的界面开发人员蒂芙尼·菲尔(Tiffany Fehr)带领其交互研究小组与斯多瑞建立了密切合作关系。当小组成员将斯多瑞已经建立的电子表格转换成一个开源的在线数据库时,他们发现,州政府与联邦政府机构所记录和监控的数据存在着巨大的差距。同时,数据库的一个名为“1亿美元俱乐部”的功能也发挥了巨大的作用,这一功能提供了一张可供检索的列表,包括了2007年以来得到超过1亿美元国家补贴的48家公司。

菲尔说,这是她在一个部门中,亲自参与到数据监测和筹备过程里去的第一个项目。

2. Where the jobs are 工作机会都在哪儿?

失业的威胁逼迫记者们“爱上”使用数据工具。而WYNC的数据新闻工作则向记者们展示出了新的机遇。虽然,对于多数传统记者来说,数据仅仅意味着一个“数字问题”,但是,随着数据新闻和信息可视化的发展,新闻编辑室中也在调整着工作岗位,新的岗位能带来新的机遇。

事实上并非只有《纽约时报》、《华尔街日报》这种级别的媒体才有此类岗位需求,各类媒体都在创建自己的数据资料和设计团队。WNYC的数据新闻编辑约翰·吉福(John Keefe)说:“任何人只要肯在钻研数字技术上下点功夫,就都有可能在毕业前得到一份工作。”事实上,这个新兴的“新闻程序员”的工作正在重塑我们收集、处理和呈现信息的过程和方式。处理数据的工具可能很快就会像过去记者手中的记事本和笔一样司空见惯。

一方面是工作机遇的增加,另一方面则是学习编程和运用数据处理工具变得越来越简单。许多网站都免费提供了相关软件的使用方法与教程。如Flowing Data,它就提供了详细的教程来帮助记者学习如何创建复杂的可视化信息图表和地图,甚至是动画演示等。这些工具创造了一些新的与受众交流互动的报道方式。

WNYC的数据新闻建设开始于2011年,当时吉福刚刚学会如何定制自己的谷歌地图,适逢2010年美国进行全国范围内的人口普查工作,WNYC的一名记者启发了吉福,他们决定改变原先借用《纽约时报》链接的打算,转而自己绘制地图用以展示所有城市的人口迁移状况。果然,这些地图轰动一时,网站流量暴涨,这一成功经验促使WNYC推出了更多的数据可视化图表。现在,WNYC的数据新闻团队几乎每天都在创造出新的可视化图表,从标示选举情况的地图到宠物狗名字的注册。

当然,即使此类工作岗位似乎尚有富余,可记者们仍需在竞争变得更为激烈前迅速行动。吉福的女儿们已经在学习如何构建可视化的数据了,而她们现在还只有7到9岁。

3.The pitfalls of data journalism 数据新闻的缺陷

数据新闻的厉害之处在于,它能通过一种可计量的方式运用数字和统计能力来审视某个主题。有时,在演算数字的过程中,我们可以得出对某个问题的回答。而其他时候,它们只是在强化、质疑或者仅仅点明某个给定的主题。 数据是一个强大的报道工具,仅此而已。

然而,奈特·司立夫(Nate Silver)似乎认为数字有其固有的新闻价值。 本周早些时候,他在介绍自己那简练、庞大并依靠数据来驱动的网站“FiveThirtyEight”时写道,他的目标之一就是让数据新闻对一般读者来说更具吸引力,“在不牺牲严密性和准确性的前提下,使任何一个受众接触到的数据新闻生动且通俗易懂。”

而到目前为止,从站点目前所覆盖的主题来看,司立夫和他的团队似乎尝试着为广大受众群体提供一个没有新闻叙事却有更为广泛吸引力产品的网站,但是,除非网站记者意识到数字仅仅是一种报道的手段而非新闻报道本身,否则,网站的受众群体除了增加一些“统计控”以外,很难有新的增长。

“这些都是‘中间人’”,经济学家泰勒·考恩(Tyler Cowen)在《边际革命》中写道,“对于聪明而睿智的读者来说,这些话题太过肤浅,而对于那些更为休闲的读者来说,又太深奥。我所想要的更像比尔·西蒙斯在Grantland上的分析文章,以及笑话和一些详尽的叙述,而且要应用在更广泛的主题上。”

在最初的一段时间里,“FiveThirtyEight”的几个资深作者已经写了两篇文章,它们分别关于如何解读美联储主席珍妮特·耶伦(Janet Yellen)所说的话以及中美经常性账户余额的比较。这些都很严肃,可以说是很学术性的东西。还有一篇文章是有关麦当劳菜单上销量最好的产品是由其重量来决定的,看到这里我相信数字控们肯定越来越兴奋了。

但是,到目前为止,网站的大部分工作一直致力于大家熟悉的主题及新闻跟帖,如使用数字来展示如何运用统计找到失踪飞机,有逻辑地找到被ESPN备份的任何站点及如何填写NCAA男子篮球锦标赛类别等等。

运用定量方法来研究这些主题是完全合适的。讲珍妮特·耶伦的那篇让美联储变为能更易被接受的主题,而司立夫的程序则会在整个赛季中只提醒他看自己所感兴趣的那一场比赛。

但对于其他一些主题来说,统计的方法则不那么令人信服。“FiveThirtyEight”对失踪航班MH730的报道暴露出了严重的缺陷,他们试图解释的东西已经被大量报道过。 该报道的第二句说到,统计工具并不能比那些马来西亚官员更为明确地回答关于失踪飞机的问题。也就是说,其文中也承认了,由数据驱动的报道很难挖掘出数字背后更有价值的东西。新网站想聊聊过去几周中最重要的事件是可以理解的,但如果不增加对事件的了解,它也仅仅是在众多网站铺天盖地报道后增加了一点噪声而已。

“FiveThirtyEight”似乎想尝试提供一个独特的角度,即从数据角度对重大的新闻事件进行解读。而只有当网站发布的数据新闻明显地与众不同时,这种角度本身才是有意义的。司立夫面对很多批评的声音,说他的数据新闻所得出的结论缺乏原本应有的倾向性,他在作出大量的报道的同时却没有进行叙述。临近尾声,他再次介绍“FiveThirtyEight”网时,他解释说:

对个性化新闻事件的叙述性解读阅读起来可以是具有启发性和愉快的,而不管这些报道是否揭示了更大的真相,它们都可以有很多内在的价值。然而,除非你停止根据一些编号和排序系统对其中最重要的细节进行分类,并将报道变为数据,否则,它们是很难概括新闻事件的。

数据确实有一种能揭示很多真相的力量。“FiveThirtyEight”就凭借其在上一个选举周期中的创新性报道而受到了《纽约时报》的关注。这是数据新闻最强大和迷人的地方。但是,只有在将数据处理作为整个报道的辅助时,这一点才成立。

周四下午晚些时候,“FiveThirtyEight”网发布了另一项关于马航失踪航班的报道,这次是在评估“被卫星发现的残骸是飞机一部分”的可能性。通过挖掘海洋中被发现垃圾的相关真实数据,网站提供了一个引人注目的内容,这不一定是因为它回答了“是否发现飞机残骸的一部分(没有)”,而是因为它为读者提供了从统计学上来说更有价值的东西,这篇文章说,从所发现的残骸的大小来看,这些可能不仅仅只是些垃圾。

数据为新闻世界提供了一种支柱,所以这使得考恩和其他作定性研究的思想家能够获取他们真正想要的可信且富于启发性的报道。但这也将意味着,在正确的统计数据浮现,并能可信地引发读者关注诸如“经常项目差额”等话题之前,重大新闻的登场都将得到限制。最重要的是,那些不得不等待进一步消息的FiveThirtyEight用户必须问一个关键问题:数字真能帮助人们更好地理解新闻吗?


楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 01:34

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表