Når i datadournalistikk - dummier

Som det gamle ordtaket går, er timingen alt. Det er en verdifull ferdighet å vite hvordan du kan oppgradere gamle data slik at det er interessant for en moderne leser. På samme måte, i dataprofilisme er det viktig å holde øye med kontekstuell relevans og vite når det er den optimale tiden å lage og publisere en bestemt historie.

Når som en kontekst til historien din

Hvis du vil lage et datalogistikkstykke som virkelig gir mye respekt og oppmerksomhet fra målgruppen, bør du vurdere når - over hvilken tidsperiode - Dine data er relevante. Gamle, utdaterte data hjelper vanligvis ikke historien å gjøre bryte nyheter, og dessverre kan du finne tonnevis med gamle data der ute. Men hvis du er dyktig med data, kan du opprette datamashups som tar trender i gamle datasett og presentere dem på måter som er interessante for din nåværende leser.

Ta for eksempel kjønnsbaserte trender i 1940-tallet ansettelsesdata og gjør en mashup - integrasjon, sammenligning eller kontrast - av de dataene og dataene om arbeidstendata fra de fem årene bare tidligere til den nåværende. Du kan da bruke dette kombinerte datasettet til å støtte en virkelig dramatisk historie om hvor mye ting har endret seg eller hvor små ting har endret seg, avhengig av vinkelen du er ute etter med ditt stykke.

En gang tilbake til spørsmålet om etisk ansvar i journalistikken. Som datagjournalist går du en fin linje mellom å finne datasett som mest overbevisende støtter historien din og finne fakta som støtter en faktisk utfordret historie du ' Prøv å presse. Journalister har et etisk ansvar for å formidle en ærlig melding til sine lesere. Når du bygger en sak for å støtte historien din, må du ikke ta ting for langt - med andre ord, ikke ta informasjonen inn i fiksjonens rike. Det er en million fakta som kan presenteres på utallige måter for å støtte enhver historie du ønsker å fortelle. Din historie bør være basert i virkeligheten, og ikke være noen splittende eller fabrikkhistorie som du prøver å markedsføre fordi du tror at leserne vil like den.

Du kan noen ganger ha problemer med å finne interessante eller overbevisende datasett for å støtte historien din. I slike situasjoner, se etter måter å lage data mashups som knytter dine mindre interessante data til noen data som er svært interessante for målgruppen din. Bruk det kombinerte datasettet som grunnlag for din data-drevne historie.

Når bryr publikum seg mest?

Hvis målet ditt er å publisere et datajournalistikkstykke som går viralt, vil du sikkert vurdere historiens aktualitet: Når vil det være første gang å publisere en artikkel om dette emnet?

Av åpenbare grunner vil du ikke gjøre det bra ved å publisere en historie i 2017 om hvem som vant 1984-valget til presidenten i USA. alle vet, og ingen bryr seg. På samme måte, hvis en stor, dagens media skandale allerede har pikert interessen til leseren din, er det ikke en dårlig idé å ri på baksiden av den mediehype og publisere en relatert historie. Historien vil trolig virke ganske bra, hvis det er interessant.

Som et nylig eksempel kunne du ha opprettet et datalogistikkspørsmål om forbrukere om personvern, og brudd på dem, og deretter publisert det i dagene like etter at nyheten om Edward Snowden / NSA-kontroversen brøt. Å holde relevante og rettidige publiseringsplaner er en måte å sikre at historiene dine oppnår den oppmerksomheten de trenger for å holde deg ansatt.