, Når timen er i datajournalistik - dummier

Som det gamle ordsprog går, er timingen alt. Det er en værdifuld færdighed at vide, hvordan man opgraderer gamle data, så det er interessant for et moderne læserskab. Ligeledes er det i datajournalistik vigtigt at holde øje med kontekstuel relevans og ved, hvornår er den optimale tid til at udarbejde og offentliggøre en bestemt historie.

Når du vil lave en datagendistikk, der virkelig giver dig stor respekt og opmærksomhed fra din målgruppe, skal du overveje

når - over hvilken tidsperiode - Dine data er relevante. Forældede, forældede data hjælper normalt ikke historien med at lave nyheder, og desværre kan du finde tonsvis af gamle data derude. Men hvis du er dygtig med data, kan du oprette data mashups, der tager trends i gamle datasæt og præsentere dem på måder, der er interessante for din nutidige læsere.

Tag f.eks. Kønsspecifikke tendenser i 1940'ernes ansættelsesdata og foretag en

mashup - integration, sammenligning eller kontrast - af disse data og beskæftigelsesdatatendenser fra de fem år lige tidligere til den nuværende. Du kan derefter bruge dette kombinerede datasæt til at understøtte en virkelig dramatisk historie om, hvor meget ting har ændret sig eller hvor lidt ting har ændret sig, afhængigt af den vinkel, du er efter med dit stykke.

Tilbagevendende til spørgsmålet om etisk ansvar i journalistik. Som datagjournalist går du en fin linje mellem at finde datasæt, der mest overbevisende støtter din historie og finde fakta, der understøtter en faktisk udfordret historie, du ' igen forsøger at skubbe Journalister har et etisk ansvar for at formidle en ærlig besked til deres læsere. Når du bygger en sag til støtte for din historie, skal du ikke tage ting for langt - med andre ord, tag ikke informationen ind i fiktionens rige. Der er en million fakta, der kunne præsenteres på utallige måder for at støtte enhver historie, du ønsker at fortælle. Din historie skal baseres i virkeligheden, og ikke være nogen splittende eller fabrikeret historie, som du forsøger at fremme, fordi du tror, ​​at dine læsere vil kunne lide det.

Du kan nogle gange have svært ved at finde interessante eller overbevisende datasæt til støtte for din historie. I disse situationer skal du kigge efter måder at oprette data mashups, der binder dine mindre interessante data til nogle data, der er yderst interessante for din målgruppe. Brug det kombinerede datasæt som grundlag for din data-drevne historie.

Hvornår plejer publikum mest?

Hvis dit mål er at udgive et datajournalistiske stykke, der virker, så vil du helt sikkert overveje historiens

aktualitet: Hvornår er det primært at offentliggøre en artikel om dette emne? Af åbenbare grunde går det ikke godt ved at offentliggøre en historie i 2017 om, hvem der vandt valget i 1984 til USAs præsident; alle ved, og ingen bryr sig. Ligeledes, hvis en enorm, nutidig medieskandale allerede har pikeret på din læsers interesse, er det ikke en dårlig idé at køre på denne presses hype og udgive en relateret historie. Historien vil sandsynligvis virke ret godt, hvis det er interessant.

Som et nyt eksempel kunne du have oprettet et datalogistikbillede om forbrugernes privatlivets antagelser og overtrædelser heraf og derefter offentliggjort det i dagene lige efter at nyhederne i Edward Snowden / NSA-kontroversen brød. At holde relevante og rettidige publiceringsplaner er en måde at sikre, at dine historier får den opmærksomhed, de har brug for for at holde dig ansat.