Der Umgang mit Big Data – Anforderungen an einen Datenjournalisten

Ein Jahr ist es her, da hatte ich noch keine Ahnung von Datenjournalismus, geschweige denn von seiner Existenz. Ich kam für den Medizinjournalismus an die TU Dortmund und belegte mehr zum Zeitvertreib ein paar Fächer aus dem Datenjournalismusschwerpunkt. Aus dem ersten Semester stammt auch die folgende Hausarbeit, die ich erst heute benotet zurückbekommen habe. Da muss man erstmal selbst nochmal durchgehen und prüfen, ob man jetzt, ein Jahr später, immer noch der gleichen Meinung ist. In jedem Fall sehr mutig von meinem Erstsemester-Ich eine Hausarbeit mit dem Thema „Anforderungen an einen Datenjournalisten“  und Kapiteln wie „Datenjournalismus: wie man es machen sollte.“ zu schreiben, ohne bis dahin auch nur einen Einzigen getroffen zu haben. Trotzdem will ich die Mappe nicht in einem Regal verstauben lassen, also lest hier selbst, was ich vor einem Jahr für Fähigkeiten von Datenjournalisten erwartet habe (und immerhin habe ich alles mit Literaturquellen belegt. Trotzdem kann ich mir nicht so recht erklären, warum ich dachte es sei Big Data, mit dem die meisten Journos hantieren).

 

Institut für Journalistik

Veranstaltung: Einführung in die Journalistik

Marie-Louise Timcke

  1. Fachsemester

Wintersemester 2014/2015

 

  1. Einleitung

Durch die stetig steigende Informations- und Datenflut seit Beginn des digitalen Zeitalters und die vielen Möglichkeiten, die das Internet bietet, sind zahlreiche neue Nischen für die Berichterstattung entstanden. Online-Journalismus zeigt sich in vielen Facetten, beispielsweise mit Blogs, Videoforen und sozialen Netzwerken. In den letzten Jahren hat sich Datenjournalismus als neue Teildisziplin vor allem in der Online-Berichterstattung etabliert. Die großen Zeitungen wie der Guardian, die Times und in Deutschland Die Zeit präsentieren bei ihren Internet-Auftritten regelmäßig neue datenjournalistische Projekte und interaktive Anwendungen. Doch schon jetzt reden einige Experten von einer Krise des Datenjournalismus, von einer starken Qualitätsabnahme.[1] Es wird kritisiert, dass unqualifizierte Datenjournalisten schlampig recherchierte, schlecht visualisierte Infografiken produzieren, um dem Zugzwang unter Zeitdruck gerecht werden zu können.[2] Doch was ist Qualität im Datenjournalismus? Was muss ein Datenjournalist an Kompetenzen mitbringen?

Das Ziel dieser Arbeit ist es, dem Leser einen Überblick über die aktuellen Ansätze zur Formulierung des Profils eines guten Datenjournalisten zu schaffen. Hierzu werden zunächst einige zentrale Begriffe des Datenjournalismus erläutert. Im Anschluss soll der Leser mit Hilfe eines einfachen Beispiels ein Gefühl dafür bekommen, worauf bei der Bewertung einer datenjournalistischen Geschichte geachtet werden muss und warum dabei schnell Fehler passieren können. Danach wird anhand von Literatur und Expertenaussagen ein Überblick über geforderte Kompetenzen eines guten Datenjournalisten gegeben und diese im Fazit diskutiert und zusammengefasst.

 

  1. Begriffserklärung

2.1 Big Data

„Durch die Verlagerung zahlreicher Alltagsaktivitäten in das Internet wird täglich eine Vielzahl von Daten über das Verhalten von Menschen auf der ganzen Welt gesammelt.“[3] So hinterlässt heute jeder Internetnutzer, ob mobil übers Smartphone oder am heimischen PC, eine große Menge von Datenspuren.[4] Jedes hochgeladene Foto, jeder Besuch bei einem Online-Händler, jede Eingabe in eine Suchmaschine eines jeden Individuums wird registriert und gespeichert.[5] Die so entstehende Anzahl Daten ist jetzt schon gigantisch und wächst exponentiell an.[6] Der Begriff Big Data bezeichnet diese riesigen Datenmengen sowie ihre Verarbeitung und Auswertung.[7] Genutzt wird Big Data vor allem von Branchen und Anwendungsbereichen der Marktforschung, Wirtschaft, Medizin und Verwaltung, aber auch von Nachrichtendiensten.[8]

 

2.2 Datenjournalismus
Durch die Informationsflut, die mit dem digitalen Zeitalter und dem Aufkommen von Big Data stetig wächst und an Bedeutung gewinnt, hat sich der Datenjournalismus als neue Disziplin der Berichterstattung entwickelt.[9] Er ist Journalismus unter Verwendung von Daten,[10] aus großen Zahlenmengen macht der Datenjournalist durch Analyse und Visualisierung eine Geschichte.[11] „It already, then, follows that data journalism is as much about finding and delivering the news as it is about scientifically filtering it through the informational noise.“[12] Die so entstehenden Datengeschichten können investigative Berichte, interaktive Anwendungen, Diagramme oder eine Forderung nach Informationsfreiheit sein, um nur einige Formate zu nennen.[13] Seine Wurzeln hat der Datenjournalismus im Computer-assisted reporting, welches in den 1960er Jahren von den USA aus große Wellen schlug.[14]

 

2.3 Open Data

Als Open Data werden Rohdaten bezeichnet, die in ihrer Gesamtheit für jede Person frei zugänglich sind, in einem editierbaren Format (beispielsweise Excel-Datei, nicht als PDF) vorliegen und deren Verwendung zu jedem Zwecke erlaubt ist.[15] Einzige Einschränkung: bei Verwendung von Open Data ist die Nennung des Urhebers verpflichtend.[16] Im Gegensatz zu Big Data zählen zu Open Data weniger personenbezogene Datensätze.[17] Open Data-Aktivisten fordern offen zugängliche Satellitenaufnahmen, Umweltdaten[18] oder Rohinformationen über öffentliche Verkehrsmittel.[19] „Getrieben wird diese Bewegung durch den steigenden Anspruch der Bürger nach mehr Transparenz in öffentlichen Verwaltungen, Interaktion und Kollaboration.“[20] Befürworter der Bewegung versprechen sich von den öffentlich zugänglichen Daten einen Mehrwert, indem neue Anwendungsmöglichkeiten für alte Daten gefunden werden.[21] In Großbritannien und den USA wurden bereits einige wichtige Schritte in Richtung Open Government getan, in Deutschland steckt die Open Data-Bewegung innerhalb der Regierung noch in den Anfängen.[22] Hier bleiben viele Verwaltungsdaten bisweilen unter Verschluss, oder werden nur in Formaten bereitgestellt, welche die Weiterverarbeitung mühselig machen.[23] Da ein freier Zugang zu Daten entscheidend für die Entwicklung des Datenjournalismus ist, besteht zwischen ihm und der Open Data-Bewegung eine starke Abhängigkeit.[24]

 

  1. Anforderungen an Datenjournalisten

3.1 Datenjournalismus: wie man es nicht machen sollte.

Ein Beispiel.

Auf den ersten Blick scheint sich moderner Datenjournalismus vor allem im Internet abzuspielen: auf Seiten wie dem Guardian Datablog[25] oder der Homepage der deutschen Tageszeitung Die Zeit[26] werden die verschiedensten Datenprojekte bunt und interaktiv vorgestellt. Mit verschiedenen Werkzeugkästen oder durch eigenes Programmieren sammeln und analysieren Datenjournalisten verschieden große Datensätze, um sie durch entsprechende Visualisierungsformate zu einer Geschichte zu verarbeiten.[27] Da per einfachster Definition alle journalistischen Produkte, die auf der Auswertung und Darstellung von Daten basieren, zum Datenjournalismus gehören, ist in dieser Arbeit auch jede auf einer Statistik basierende Geschichte als Datenjournalismus zu bezeichnen.[28] Soll nun aus einer Statistik ein Artikel entstehen, ist Sorgfalt bei der Auswahl, Interpretation und Darstellung der Daten gefragt.[29] Dass Journalisten hier oft Fehler passieren, kann man fast täglich in den Nachrichten verfolgen.[30] „Wenn JournalistInnen Zahlen verwenden, ist stets größte Vorsicht angebracht: In den allermeisten Fällen, in denen in Zeitungen und Fernsehnachrichten mit Zahlen jongliert wird, sind die Angaben falsch, missverständlich oder unvollständig.“[31] Ein Beispiel, wie wenige Veränderungen an der Ausgangsstatistik zu einer fehlerhaften Darstellung der Daten führen können, erschien am 25. Oktober 2014 als Tagesthema in der WAZ. Auf der Basis einer Statistik, veröffentlicht am 19. Oktober 2014 vom Bund der Steuerzahler Nordrhein-Westfalen e.V.[32], thematisierte die Redaktion die städtische Subventionierung von Theaterkarten. Eine Infografik zeigt die Anzahl der Theaterbesucher und die Höhe der Zuschusszuweisungen pro Besucher für 15 Städte im Ruhrgebiet, zudem ist ein Durchschnitt für beide Merkmale angegeben.

Quelle: WAZ: Bühnen kommen Steuerzahler teuer zu stehen. Tagesthema. 25.10.2014.

Quelle: WAZ: Bühnen kommen Steuerzahler teuer zu stehen. Tagesthema. 25.10.2014.

Auf den ersten Blick scheint alles schlüssig, doch beim Überprüfen der Durchschnittsangabe (roter Balken) wird eine Unregelmäßigkeit deutlich. Werden alle angegebenen 15 Zuschüsse addiert, so erhält man eine Gesamtbezuschussung von 1.546 Euro. Durch Division mit 15, der Anzahl genannter Städte, ergibt sich eine durchschnittliche Bezuschussung von ungefähr 103 Euro. Das sind zehn Euro weniger als der im Artikel angegebene Durchschnitt. Eine solche Differenz kann aber auch durch Verwendung unterschiedlicher statistischer Mittelwerte entstehen.[33] Auf 103 Euro kommt, wer das arithmetische Mittel[34] der Zuschüsse berechnet. Doch auch die Durchschnittwerte, die sich durch Berechnung anderer Mittelwerte ergeben, liefern nicht die genannten 113 Euro. Die gleiche Unregelmäßigkeit wird bei der Überprüfung der durchschnittlichen Besucherzahl deutlich. Hier ergibt sich sogar eine Differenz von knapp 20.000. Ein Blick auf die Quelle zeigt den Fehler: die WAZ hat die  Durchschnittsangaben der Ausgangsstatistik übernommen, die Infografik aber auf die Städte ihres Einzugsgebietes reduziert. So enthält der Durchschnitt der WAZ die Daten von Städten wie Münster und Bielefeld, die in der Grafik gar nicht auftauchen. Die WAZ hat bei diesem datenjournalistischen Artikel gleich mehrere Fehler begangen, welche die Statistik verfälscht haben. Der Autor hat den Datensatz verkleinert, ohne die Durchschnittsangabe anzupassen. Außerdem fehlt die Angabe, wie der Durchschnitt berechnet wurde. Das ist wichtig, weil es zwischen den verschiedenen Mitteln zu beträchtlichen Differenzen kommen kann. Zudem fehlt auch im Text die Angabe, wie die Daten erhoben worden sind. Wurden von allen verkauften Karten auf die Besucher geschlossen? Wurden sie gezählt oder handelt es sich um Hochrechnungen oder Schätzungen? UnbenanntEin genauer Blick auf die Ausgangsstatistik des Bunds der Steuerzahler Nordrhein-Westfalen e.V. entlarvt ebenfalls Fehler. Auch hier fehlt die Angabe zur gewählten Durchschnittsformel. Das ist vor allem irritierend, weil für die durchschnittliche Besucheranzahl das arithmetische, für die durchschnittliche Subventionierung pro Besucher das gewichtete arithmetische Mittel[35] verwendet wurde. Das macht für jeden, der die Eigenschaften der zwei Mittel kennt zwar Sinn, sollte aber trotzdem gekennzeichnet werden. Da die Angaben des Bunds der Steuerzahler Nordrhein-Westfalen e.V. auf einer Statistik aus dem statistischen Jahrbuch Nordrhein-Westfalen 2013[36] beruhen, lohnt sich auch hier ein Blick auf die Quelle. Ein Vergleich zeigt, dass auch der Bund der Steuerzahler Nordrhein-Westfalen e.V. eine Vorauswahl der zu nennenden Städte getroffen und die Durchschnitte für diese selbst berechnet hat. Ebenfalls selbst berechnet sind die Angaben der Rubrik Euro pro Besucher. Hier lohnt es sich als Zweitnutzer WAZ also durchaus, die Rechnungen zu überprüfen. In diesem Fall sind die Werte vom Bund der Steuerzahler Nordrhein-Westfalen e.V. korrekt übernommen und alle Rechnungen richtig gemacht worden. Ungenau ist allerdings die Angabe zur Stadt Mühlheim an der Ruhr: hier übernahm der Autor des Bunds der Steuerzahler Nordrhein-Westfalen e.V. die Besucheranzahl aus dem statistischen Jahrbuch Nordrhein-Westfalen von 2013, kennzeichnete die gesamten Angaben jedoch als aus dem Haushaltsplan der Stadt entnommen. Wie die Zuweisungsangabe für Mühlheim zustande kam, lässt sich nicht ohne weiteres nachvollziehen. Es wurden keine Angaben zum Jahrgang des Haushaltsplanes gemacht. Der Plan von 2013 nennt für Zuschüsse und Drittmittel keine vergleichbare Summe, im statistischen Jahrbuch Nordrhein-Westfalen 2013 fehlt diese Angabe für Mühlheim komplett. Zudem sei angemerkt, dass sich auch die Daten des Jahrbuchs auf eine Quelle beziehen, die hier nicht weiter überprüft werden soll. Die Daten, die der Journalist der WAZ für seinen Artikel herangezogen hat, sind vorher offensichtlich von mindestens drei Institutionen genutzt und bearbeitet worden. Passiert in einer solchen Nutzerkette ein Fehler, kann dieser unbehelligt vom nächsten übernommen werden, wenn es zu keiner Quellenkontrolle kommt.

 

3.2 Datenjournalismus: wie man es machen sollte.

Ein Überblick.

Anhand des Beispiels aus der WAZ wurde gezeigt, dass sich hinter Datenjournalismus sehr viel mehr als das Präsentieren und Erklären von Zahlen und ihren Zusammenhängen versteckt. Fehler wurden gemacht, weil statistisches Verständnis und Quellenkritik fehlten. Es wurde gezeigt, dass es bei der Suche nach dem eigentlichen Rohdaten um manche Ecke gehen kann. Worauf muss beim Hantieren mit Daten geachtet werden? Was qualifiziert einen Menschen zum Datenjournalisten? In diesem Abschnitt sollen einige Kriterien und Anforderungen für einen guten Datenjournalismus genannt werden.

In der Literatur gibt es keine weitreichend akzeptierte Definition des Begriffs Datenjournalismus.[37] Nicht selten werden stattdessen verschiedene Musterprojekte und Datenartikel zu Erklärungszwecken angeführt.[38] Eine ähnliche Uneinigkeit herrscht bei der Aufzählung von Kompetenzen, die ein Datenjournalist mitbringen sollte.[39] Auch in den Jobanzeigen werden teils völlig unterschiedliche Angaben gemacht.[40] Grundlegend kann gesagt werden, dass Datenjournalismus eine journalistische Tätigkeit unter Ausnutzung aller möglichen digitalen Techniken ist,[41] deren Basis in erster Linie Daten bilden.[42] Bei der Suche geeigneter Daten sollten eine sorgfältige Recherche und eine gründliche Quellenkritik da A und O sein, um die Geschichte auf glaubwürdigen Fakten aufbauen zu können.[43] Gerade in Deutschland wird aber kritisiert, dass Journalisten falsche Informationen aus den Big Data zu leichtfertig für bare Münze nehmen[44] und Statistiken und Daten aus Open Data ohne Gegencheck und Quellenkritik in ihren Geschichten weiterverarbeiten.[45]

„Journalisten verfügen über eine erhebliche Macht im Umgang mit Informationen, insbesondere mit sensiblen Daten. Neu sind Fülle und Verfügbarkeit öffentlicher und privater Zeugnisse, die die Digitalisierung hervorbringt. Beides verschärft noch einmal die Anforderungen an Journalisten im Hinblick auf Sorgfaltspflicht und den Schutz der Menschenwürde.“[46] So haben die Kompetenzen eines Datenjournalisten in den Bereichen der Analyse und Visualisierung keinen Wert, wenn er kein Verständnis für Qualität, Herkunft und Entstehung der genutzten Daten hat.[47] Die Fähigkeit, Quellen zu kritisieren kann daher als wichtigste Kompetenz eines Datenjournalisten genannt werden.[48]

Um aktuelle Geschichten in Datensätzen zu finden, empfiehlt sich die Anlegung eines Newswires.[49] Damit gemeint sind recht verlässliche Datenquellen wie statistische Ämter, Open Data-Initiativen und Nonprofit-Organisationen, die ein Datenjournalist regelmäßig kontrollieren und Interessantes sortieren und abspeichern sollte.[50] „Once you have your data newswires, you will start setting datasets which aren`t necessarily newsworthy but which you think might come in useful later.“[51] Zu einem Problem bei der Datensuche wird nicht selten die nur langsame Verbreitung der Open Data.[52] Zu einigen vertraulichen Daten kann Zugang erreicht werden, indem öffentliches Interesse nachgewiesen wird.[53] Oft scheitern Datenjournalisten aber an Bürokratie und fehlender Unternehmenskooperation.[54] Liegen die Rohdaten aus einer verlässlichen Quelle dann endlich vor, sind sie in den seltensten Fällen passend zur Analyse aufbereitet.[55] Daher sind für den nächsten Schritt das Beherrschen und richtige Einsetzen von Analysewerkzeugen unabdingbar.[56] Welche Analysekompetenzen für einen Datenjournalisten von Bedeutung sind, ist wie weiter oben angeführt umstritten.[57] Es gibt Stimmen, welche die Ansicht vertreten, Datenjournalisten müssen gar nicht Programmieren können,[58] andere zählen gleich mehrere Programmiersprachen und Kompetenzen in Webdesign und Umgang mit Programmier-Bibliotheken zu den Must-Haves.[59] Dritten reicht es auch, wenn ein Datenjournalist mit vorprogrammierten Werkzeugen und Online-Anwendungen umgehen kann.[60] „A big part of a data journalist`s job is equipping oneself with tools to clean, structure and analyse the primative form of data eking out of crumbling bureaucratic systems.“[61]

Dieselben Ansätze finden sich bei der Frage nach Visualisierungsweisen. Viele setzen auf eine möglichst einfache Darstellung der Daten, die sich mit einfachen Werkzeugen ohne Vorerfahrung schnell erstellen lässt.[62] Wichtiger als das Werkzeug für die Erstellung der Bilder ist jedoch die Auswahl der Visualisierungsform.[63] „Data visualisations experts will always say: allow the data to choose the visualisation, that it`s crucial for the visualisation to fit the numbers – and not the other way around.“[64] Zudem sollte ein Datenjournalist bei der Datendarstellung die Eigenschaften der Rezipienten stets im Hinterkopf behalten.[65] So sollte trotz der Internationalität von Daten darauf geachtet werden, dass die westliche Welt von links nach rechts, die östliche von rechts nach links ließt.[66] Außerdem sollte das visuelle System des Menschen ausgenutzt und ihm entgegen gekommen werden, indem der Grafik durch Farben, Positionierung, Form und Bewegung eine nachvollziehbare Struktur gegeben wird.[67] Eine Infografik muss einen komplizierten Sachverhalt einfach darstellen, was eine große Sorgfalt im Detail fordert.[68] Um das Kurzzeitgedächtnis und die Aufnahmefähigkeit nicht zu überfordern, sollten zudem alle Infografiken auf einen Blick zu erfassen sein.[69] Um all diese Punkte einhalten zu können, setzen viele Experten auch bei der Visualisierung auf eigenständiges Programmieren.[70]

Doch egal, ob selbst Programmiert wird oder nicht: ein Datenjournalist muss in jedem Falle etwas von Statistik verstehen.[71] „When asked which technical skills journalists should have in an ideal world, all respondents emphasised analysing and cleaning up data and a good knowledge of statistics.“[72] Keiner der in 3.1 genannten Fehler wäre passiert, hätte sich der Autor mit den Grundlagen der Statistik ausgekannt. Denn selbst, wenn der Datenjournalist bei der Datenauswahl gewissenhaft vorgegangen ist; auch eine Infografik, die auf harten Fakten beruht, lässt sich durch einfache Tricks in eine bestimmte Richtung biegen.[73] Vor allem beim Arbeiten mit vorprogrammierten Werkzeugen sollte ein Datenjournalist zumindest nachvollziehen können, nach welchen statistischen Prinzipien ausgewertet und dargestellt wird und wie das Werkzeug so die Geschichte formen und begrenzen könnte.[74] So kann mit oder ohne Absicht aus einem eigentlichen Minus ein dickes Plus gemacht werden,[75] durch eine falsch gewählte Bezugsbasis und naive Interpretation völlig falsche Aussagen getroffen werden.[76] Das Fehlerspektrum ist sehr breit gefächert, Statistikprofessor Walter Krämer konnte sogar ein ganzes Buch zu diesem Thema füllen.[77] Welche Tragweite solche statistischen Fehlgriffe im Journalismus haben können, zeigt die bekannte Aussage Fliegen ist sicherer als Bahnfahren, die auch im Hinblick auf die aktuellen Unglücke wieder aufgegriffen wird.[78] Die Aussage stimmt, bezieht man die Anzahl Verkehrstoter auf die Anzahl zurück gelegter Kilometer: pro zehn Milliarden Passagier-Kilometer sterben neun Bahnfahrer, aber nur 3 Flugzeuginsassen.[79] Wählt man als Basis der Rechnung aber die Passagier-Stunden, so kehrt sich der Flugvorteil um: auf sieben Verkehrstote pro 100 Millionen Stunden in der Bahn kommen 24 tote Flugzeugpassagiere.[80]

 

  1. Fazit

Was müssen Datenjournalisten nun können? Eine exakte Aufzählung der geforderten Kompetenzen kann an dieser Stelle nicht erfolgen, denn die Meinungen gehen weit auseinander. Problem bei der Formulierung eines Profils könnte die Uneinigkeit darüber sein, was genau unter Datenjournalismus zu verstehen ist. Doch ob Datenjournalisten nun eng mit Statistikern kooperieren oder selbst mehrere Programmiersprachen beherrschen: die Fähigkeit zur Quellenkritik und ein grundlegendes Verständnis der Statistik bilden die Schnittmenge der Expertenaussagen. Die Qualität eines datenjournalistischen Artikels kann nicht an dem Aussehen, dem Unterhaltungsfaktor oder dem Nutzen festgemacht werden. Wo die Daten herkommen, wie sie generiert wurden und auf welche Weise die Auswahl, Analyse und Interpretation erfolgen sind wichtige Qualitätskriterien, die dem Betrachter des Endprodukts meist gänzlich verborgen bleiben. Der verantwortungsbewusste und mathematisch korrekte Umgang mit Daten sollte daher eine größere Rolle spielen als Programmier- und Visualisierungskünste. Eine Datenanwendung, die toll aussieht, jedoch auf falschen Fakten oder fehlerhafter Interpretation beruhen, hat keinen Wert. Beherrscht ein Mensch diese Grundkenntnisse von Daten und Statistik, qualifiziert er sich zum Datenjournalisten und ist in der Erweiterung seiner Fähigkeiten recht frei. Ob er darüber hinaus autark mit großen Datensätzen umgehen können möchte oder in einem bunten Team nur für Thema, Interpretation und Text verantwortlich sein will, bleibt ihm selbst überlassen.

 

  1. Quellverzeichnis

Bund der Steuerzahler Nordrhein-Westfalen e.V. 162 Euro für eine Theaterkarte – zuviel? BdSt NRW vergleicht die Zuschüsse für die Schauspiel- und Opernhäuser. URL: http://www.steuerzahler-nrw.de/162-Euro-fuer-eine-Theaterkarte-zuviel/63740c73792i1p137/index.html. (Stand: 19.10.2014; abgerufen am 23.03.2015, 19:17 Uhr.)

Statistisches Jahrbuch Nordrhein-Westfalen 2013. IV: Bildung und Kultur. 27. Öffentliche Theater in der Spielzeit 2011/2012 nach Gemeinden. URL: https://webshop.it.nrw.de/details.php?id=18718&id2=18477&source=ssearch. (Stand: 2013; abgerufen am 23.03.2015, 19:32 Uhr.) S. 182.

 

  1. Literaturverzeichnis

BELEAGA, Teodora: In a decade or less, could not all reporters be required tob e data literate? IN: MAIR, John [u.a.]: Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 26 – 34.

 

BRADSHAW, Paul: Data journalism workflow: Confronting the myths. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 37 – 42.

 

BRADSHAW, Paul: What Is Data Journalism? IN: BOUNEGRU, Liliana / CHAMBERS, Lucy / GRAY, Jonathan (Hrsg.): The Data Journalism Handbook. O`Reilly. Kalifornien 2012. S. 2 – 3.

 

CAIRO, Alberto: Data journalism needs to up ist own standards. Niemanlab. URL: http://www.niemanlab.org/2014/07/alberto-cairo-data-journalism-needs-to-up-its-own-standards/. (Stand: 09.07.2014, 13:08 Uhr; abgerufen am: 07.12.2014, 18:21 Uhr.)

 

CRUMBACH, Conny / LEOWALD, Leo / MÜLLER, Michael: Was ist Big Data? WDR. URL: https://www.youtube.com/watch?v=o_QLcmykRz0 . (Stand: 09.03.2014; abgerufen am: 21.03.2015, 14:56 Uhr.)

 

DAPP, Thomas-Frank: Open Data – kaum diskutiertes Datenpotential. Aktueller Kommentar. Deutsche Bank Research. URL: https://www.dbresearch.de/PROD/DBR_INTERNET_DE-PROD/PROD0000000000351011/Open+Data+%E2%80%93+kaum+diskutiertes+Datenpotenzial.PDF. (Stand: 18.02.2015; abgerufen am: 22.03.2015, 11:34 Uhr.)

 

DENKER, Philip / KLESSMANN, Jens / SCHULZ, Sönke E. [u.a.]: Die Grundlagen von Open Government Data. Zusammenfassung. IN: Bundesministerium des Innern: Open Government Data Deutschland. Eine Studie zu Open Government in Deutschland im Auftrag des Bundesministeriums des Inneren. URL: http://www.bmi.bund.de/SharedDocs/Downloads/DE/Themen/OED_Verwaltung/ModerneVerwaltung/opengovernment.pdf?__blob=publicationFile. S. 17. (Stand: Juli 2012; abgerufen am 23.03.2015, 13:28 Uhr.)

 

DIETRICH, Daniel / GRAY, Jonathan / MCNAMARA, Tim [u.a.]: Was ist Open Data? Open Data Handbook. URL: http://opendatahandbook.org/de/what-is-open-data/index.html . (abgerufen am: 21.03.2015, 23:53 Uhr.)

 

GLATTHAAR, Boris: Erschreckend kritiklos: Vorsicht bei Datenjournalismus, Teil 1. Research, Report and Journalism. URL: http://researchandreport.wordpress.com/2012/08/27/erschreckend-kritiklos-vorsicht-bei-datenjournalismus/ . (Stand: 27.08.2012; abgerufen am: 07.12.2014, 18:25 Uhr.)

 

GROTHE, Friederike: Spurensuche: Digitale Daten als publizistische Herausforderung. IN: BECKER, Lee B. / HOLTZ-BACHA, Christina / REUS, Gunter (Hrsg.): Wissenschaft mit Wirkung. Beiträge zu Journalismus- und Medienwirkungsforschung. VS Verlag für Sozialwissenschaften. Wiesbaden 2009.

 

HAARKÖTTER, Hektor: In 80 Fehlern um die „Welt“. Antimedien. URL: http://www.antimedien.de/in-80-fehlern-um-die-welt/ . (Stand: 20.04.2012; abgerufen am: 07.12.2014, 18:27 Uhr.)

 

HANNAFORD, Liz: Recalculating the newsroom: The rise oft he journo-coder? IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013.S. 175 – 187.

 

HEWETT, Jonathan: Learning in progress: From computer-assisted reporting to data journalism, via freedom of information, open data and more. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 3 – 14.

 

HIRSCH, Martin: Infografik. IN: PÜRER, Heinz / RAHER, Meinrad / REITAN, Claus (Hrsg.): Praktischer Journalismus. Band 9. UVK Verlagsgesellschaft. 5. Auflage. Lavis 2004. S. 279 – 286.

 

HIRST, Tony: So what is a data journalist exactly? A view from the job ads… OUseful.Info, the blog… URL: http://blog.ouseful.info/2013/05/31/data-journalism-jobs-in-the-air/. (abgerufen am: 20.03.2015, 16:12 Uhr.)

 

HUGHES, Nicola: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 43 – 50.

 

HURRELL, Bella / WALTON, John: How does that affect me? Making data personally relevant for your audience. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 19 – 25.
KASPER, Lena: Urheberrecht, komplizierte Strukturen und Bürokratie. Datenjournal: Hürden. URL: http://www.datenjournal.de/dossier/konflikte.html. (abgerufen am: 20.03.2015, 16:01 Uhr.)

 

KAUTE, Sonja: Datenjournalismus & Open Data: Überblick, Beispiele und Quellen für Journalisten. Stift und Blog. URL: http://stift-und-blog.de/datenjournalismus-opendata/. (Stand: 06.11.2011; abgerufen am 22.03.2015, 02:38 Uhr.)

 

KING, Stefanie: Big Data. Potential und Barriere der Nutzung im Unternehmenskontext. Springer. Wiesbaden 2014. S. 19.

 

KRÄMER, Walter: So lügt man mit Statistik. Piper. 4. Auflage. München [u.a.] 2013.

 

NEIßENDORFER, Michael: Nur Fliegen ist sicherer als Bahnfahren. Süddeutsche Zeitung. URL: http://www.sueddeutsche.de/auto/unfallrisiko-von-transportmitteln-nur-fliegen-ist-sicherer-als-bahnfahren-1.1730361. (Stand: 25.07.2013; abgerufen am 23.03.2015, 11:23 Uhr.)

 

PATER, Monika: Ein besserer Journalismus? Informationsflut und Komplexität als Probleme und Chancen aktueller Medienberichterstattung. IN: FISCHER, Heinz-Dietrich (Hrsg.): Bochumer Studien zur Publizistik- und Kommunikationswissenschaft. Band 75. Universitätsverlag Dr. N. Brockmeyer. Bochum 1993.

 

REICHERT, Ramon: Einführung. IN: Ebd. (Hrsg.): Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. Transcript. Bielefeld 2014. S. 9 – 34.

 

ROGERS, Simon: Why data journalism ist he new punk. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 15 – 18.

 

SCHWENTKER, Björn: Müssen Datenjournalisten programmieren können? Datenjournalist. URL: http://datenjournalist.de/muessen-datenjournalisten-programmieren-koennen/ . (Stand: 06.08.2014; abgerufen am: 20.03.2015, 13:54 Uhr.)

 

SPILLER, Ralf / WEINACHT, Stefan: Datenjournalismus in Deutschland: Eine explorative Untersuchung zu Rollenbildern von Datenjournalisten. IN: Publizistik. 59.2014, Heft 4. S. 411 – 433.

 

TAYLOR, Jacqui: Data visualisation: Now for the science. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. Abramis. United Kingdom 2013. S. 51 – 61.

 

  1. Abbildungsverzeichnis

Abbildung 1: Städtische Subventionierung von Theaterkarten A

Quelle: WAZ: Bühnen kommen Steuerzahler teuer zu stehen. Tagesthema. 25.10.2014.
Abbildung 2: Städtische Subventionierung von Theaterkarten B

Quelle: Bund der Steuerzahler Nordrhein-Westfalen e.V. 162 Euro für eine Theaterkarte – zuviel? BdSt NRW vergleicht die Zuschüsse für die Schauspiel- und Opernhäuser. URL: http://www.steuerzahler-nrw.de/162-Euro-fuer-eine-Theaterkarte-zuviel/63740c73792i1p137/index.html. (Stand: 19.10.2014; abgerufen am 23.03.2015, 19:17 Uhr.)

 

[1] Vgl. CAIRO: Data journalism needs to up ist own standards. Niemanlab. URL: http://www.niemanlab.org/2014/07/alberto-cairo-data-journalism-needs-to-up-its-own-standards/. (Stand: 09.07.2014, 13:08 Uhr; abgerufen am: 07.12.2014, 18:21 Uhr.)

[2] Vgl. Ebd.

[3] Zitiert nach KING: Big Data. Potential und Barriere der Nutzung im Unternehmenskontext. S. 19.

[4] Vgl. GROTHE: Spurensuche: Digitale Daten als publizistische Herausforderung. IN: BECKER / HOLTZ-BACHA / REUS (Hrsg.): Wissenschaft mit Wirkung. Beiträge zu Journalismus- und Medienwirkungsforschung. S. 227.

[5] Vgl. Ebd. S. 20.

[6] Vgl. Ebd. S. 19.

[7]Vgl. CRUMBACH / LEOWALD / MÜLLER: Was ist Big Data? WDR. URL: https://www.youtube.com/watch?v=o_QLcmykRz0 . (Stand: 09.03.2014; abgerufen am: 21.03.2015, 14:56 Uhr.)

[8] Vgl. REICHERT: Einführung. IN: Ebd. (Hrsg.): Big Data. Analysen zum digitalen Wandel von Wissen, Macht und Ökonomie. S. 9 .

[9] Vgl. PATER: Ein besserer Journalismus? Informationsflut und Komplexität als Probleme und Chancen aktueller Medienberichterstattung. IN: FISCHER (Hrsg.): Bochumer Studien zur Publizistik- und Kommunikationswissenschaft. S. 50 – 51.

[10] Vgl. BRADSHAW: What Is Data Journalism? IN: BOUNEGRU / CHAMBERS / GRAY (Hrsg.): The Data Journalism Handbook. S. 2 .

[11] Vgl. BELEAGA: In a decade or less, could not all reporters be required tob e data literate? IN: MAIR [u.a.]: Data Journalism: Mapping the future. S. 27.

[12] Zitiert nach Ebd.

[13] Vgl. HURRELL / WALTON: How does that affect me? Making data personally relevant for your audience. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 19 .

[14] Vgl. HEWETT: Learning in progress: From computer-assisted reporting to data journalism, via freedom of information, open data and more. IN: MAIR, John [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 3.

[15] Vgl. DIETRICH / GRAY / MCNAMARA [u.a.]: Was ist Open Data? Open Data Handbook. URL: http://opendatahandbook.org/de/what-is-open-data/index.html . (abgerufen am: 21.03.2015, 23:53 Uhr.)

[16] Vgl. Ebd.

[17] Vgl. DAPP: Open Data – kaum diskutiertes Datenpotential. Aktueller Kommentar. Deutsche Bank Research. URL: https://www.dbresearch.de/PROD/DBR_INTERNET_DE-PROD/PROD0000000000351011/Open+Data+%E2%80%93+kaum+diskutiertes+Datenpotenzial.PDF. S. 1. (Stand: 18.02.2015; abgerufen am: 22.03.2015, 11:34 Uhr.)

[18] Vgl. Ebd.

[19] Vgl. KASPER: Urheberrecht, komplizierte Strukturen und Bürokratie. Datenjournal: Hürden. URL: http://www.datenjournal.de/dossier/konflikte.html. (abgerufen am: 20.03.2015, 16:01 Uhr.)

[20] Zitiert nach DAPP: Open Data – kaum diskutiertes Datenpotential. Aktueller Kommentar. Deutsche Bank Research. URL: https://www.dbresearch.de/PROD/DBR_INTERNET_DE-PROD/PROD0000000000351011/Open+Data+%E2%80%93+kaum+diskutiertes+Datenpotenzial.PDF. S. 1. (Stand: 18.02.2015; abgerufen am: 22.03.2015, 11:34 Uhr.)

[21] Vgl. DENKER / KLESSMANN / SCHULZ [u.a.]: Die Grundlagen von Open Government Data. Zusammenfassung. IN: Bundesministerium des Innern: Open Government Data Deutschland. Eine Studie zu Open Government in Deutschland im Auftrag des Bundesministeriums des Inneren. URL: http://www.bmi.bund.de/SharedDocs/Downloads/DE/Themen/OED_Verwaltung/ModerneVerwaltung/opengovernment.pdf?__blob=publicationFile. S. 17. (Stand: Juli 2012; abgerufen am 23.03.2015, 13:28 Uhr.)

[22] Vgl. KASPER: Urheberrecht, komplizierte Strukturen und Bürokratie. Datenjournal: Hürden. URL: http://www.datenjournal.de/dossier/konflikte.html. (abgerufen am: 20.03.2015, 16:01 Uhr.)

[23] Vgl. Ebd.

[24] Vgl. KAUTE: Datenjournalismus & Open Data: Überblick, Beispiele und Quellen für Journalisten. Stift & Blog. URL: http://stift-und-blog.de/datenjournalismus-opendata/. (Stand: 06.11.2011; abgerufen am 22.03.2015, 02:38 Uhr.)

[25] http://www.multiplejournalism.org/

[26] http://www.zeit.de/datenjournalismus

[27] Vgl. HUGHES: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 44.

[28] Vgl. BRADSHAW: What Is Data Journalism? IN: BOUNEGRU / CHAMBERS / GRAY (Hrsg.): The Data Journalism Handbook. S. 2 .

[29] Vgl. Ebd. S. 46

[30]Vgl. HAARKÖTTER: In 80 Fehlern um die „Welt“. Antimedien. URL: http://www.antimedien.de/in-80-fehlern-um-die-welt/. (Stand: 20.04.2012; abgerufen am: 07.12.2014, 18:27 Uhr.)

[31] Zitiert nach Ebd.

[32] Vgl. Bund der Steuerzahler Nordrhein-Westfalen e.V. 162 Euro für eine Theaterkarte – zuviel? BdSt NRW vergleicht die Zuschüsse für die Schauspiel- und Opernhäuser. URL: http://www.steuerzahler-nrw.de/162-Euro-fuer-eine-Theaterkarte-zuviel/63740c73792i1p137/index.html. (Stand: 19.10.2014; abgerufen am 23.03.2015, 19:17 Uhr.)

[33] Für eine Definition von Mittelwerten siehe KRÄMER: Manipulierte Mittelwerte. IN: Ebd.: So lügt man mit Statistik. S. 69.

[34] Für eine Definition des arithmetischen Mittels siehe KRÄMER: Manipulierte Mittelwerte. IN: Ebd.: So lügt man mit Statistik. S. 69 – 72.

[35] Für eine Definition des gewichteten arithmetischen Mittels siehe KRÄMER: Manipulierte Mittelwerte. IN: Ebd.: So lügt man mit Statistik. S. 72 – 74.

[36] Vgl. Statistisches Jahrbuch Nordrhein-Westfalen 2013. IV: Bildung und Kultur. 27. Öffentliche Theater in der Spielzeit 2011/2012 nach Gemeinden. URL: https://webshop.it.nrw.de/details.php?id=18718&id2=18477&source=ssearch. (Stand: 2013; abgerufen am 23.03.2015, 19:32 Uhr.) S. 182.

[37] Vgl. SPILLER / WEINACHT: Datenjournalismus in Deutschland: Eine explorative Untersuchung zu Rollenbildern von Datenjournalisten. IN: Publizistik. 59.2014, Heft 4. S. 417.

[38] Vgl. Ebd.

[39] Vgl. HIRST: So what is a data journalist exactly? A view from the job ads… OUseful.Info, the blog… URL: http://blog.ouseful.info/2013/05/31/data-journalism-jobs-in-the-air/. (abgerufen am: 20.03.2015, 16:12 Uhr.)

[40] Vgl. Ebd.

[41] Vgl. SPILLER / WEINACHT: Datenjournalismus in Deutschland: Eine explorative Untersuchung zu Rollenbildern von Datenjournalisten. IN: Publizistik. 59.2014, Heft 4. S. 412.

[42] Vgl. HURRELL / WALTON: How does that affect me? Making data personally relevant for your audience. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 19 .

[43] Vgl. GROTHE: Spurensuche: Digitale Daten als publizistische Herausforderung. IN: BECKER / HOLTZ-BACHA / REUS (Hrsg.): Wissenschaft mit Wirkung. Beiträge zu Journalismus- und Medienwirkungsforschung. S. 235 – 236

[44] Vgl. Ebd. S. 235.

[45] Vgl. GLATTHAAR: Erschreckend kritiklos: Vorsicht bei Datenjournalismus, Teil 1. Research, Report and Journalism. URL: http://researchandreport.wordpress.com/2012/08/27/erschreckend-kritiklos-vorsicht-bei-datenjournalismus/ . (Stand: 27.08.2012; abgerufen am: 07.12.2014, 18:25 Uhr.)

[46] Zitiert nach GROTHE: Spurensuche: Digitale Daten als publizistische Herausforderung. IN: BECKER / HOLTZ-BACHA / REUS (Hrsg.): Wissenschaft mit Wirkung. Beiträge zu Journalismus- und Medienwirkungsforschung. S. 236.

[47] Vgl. CAIRO: Data journalism needs to up ist own standards. Niemanlab. URL: http://www.niemanlab.org/2014/07/alberto-cairo-data-journalism-needs-to-up-its-own-standards/. (Stand: 09.07.2014, 13:08 Uhr; abgerufen am: 07.12.2014, 18:21 Uhr.)

[48] Vgl. GLATTHAAR: Erschreckend kritiklos: Vorsicht bei Datenjournalismus, Teil 1. Research, Report and Journalism. URL: http://researchandreport.wordpress.com/2012/08/27/erschreckend-kritiklos-vorsicht-bei-datenjournalismus/. (Stand: 27.08.2012; abgerufen am: 07.12.2014, 18:25 Uhr.)

[49] Vgl. BRADSHAW: Data journalism workflow: Confronting the myths. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 37.

[50] Vgl. Ebd.

[51] Vgl. Ebd. S. 38.

[52] Vgl. Vgl. KASPER: Urheberrecht, komplizierte Strukturen und Bürokratie. Datenjournal: Hürden. URL: http://www.datenjournal.de/dossier/konflikte.html. (abgerufen am: 20.03.2015, 16:01 Uhr.)

[53] Vgl. BRADSHAW, Paul: Data journalism workflow: Confronting the myths. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 39.

[54] Vgl. Ebd.

[55] Vgl. HUGHES: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 44.

[56] Vgl. Ebd.

[57] Siehe S. 10.

[58] Vgl. ROGERS: Why data journalism ist he new punk. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 16.

[59] Vgl. SCHWENTKER: Müssen Datenjournalisten programmieren können? Datenjournalist. URL: http://datenjournalist.de/muessen-datenjournalisten-programmieren-koennen/. (Stand: 06.08.2014; abgerufen am: 20.03.2015, 13:54 Uhr.)

[60] Vgl. HUGHES: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 43.

[61] Zitiert nach Ebd.

[62] Vgl. ROGERS: Why data journalism ist he new punk. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 17.

[63] Vgl. HURRELL / WALTON: How does that affect me? Making data personally relevant for your audience. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 19 .

[64] Zitiert nach ROGERS: Why data journalism ist he new punk. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 17 – 18.

[65] Vgl. TAYLOR: Data visualisation: Now for the science. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 53 – 56.

[66] Vgl. Ebd. S. 54

[67] Vgl. Ebd. S. 55 – 56.

[68] Vgl. HIRSCH: Infografik. IN: Heinz / RAHER / REITAN (Hrsg.): Praktischer Journalismus. Band 9. S. 283.

[69] Vgl. TAYLOR: Data visualisation: Now for the science. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 59.

[70] Vgl. SCHWENTKER: Müssen Datenjournalisten programmieren können? Datenjournalist. URL: http://datenjournalist.de/muessen-datenjournalisten-programmieren-koennen/. (Stand: 06.08.2014; abgerufen am: 20.03.2015, 13:54 Uhr.)

[71] Vgl. HUGHES: A beginner`s guide to data journalism and data mining/scraping. IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 47.

[72] Vgl. HANNAFORD: Recalculating the newsroom: The rise oft he journo-coder? IN: MAIR [u.a.] (Hrsg.): Data Journalism: Mapping the future. S. 181.

[73] HIRSCH: Infografik. IN: PÜRER / RAHER / REITAN (Hrsg.): Praktischer Journalismus. Band 9. S. 283.

[74] Vgl. BRADSHAW: What Is Data Journalism? IN: BOUNEGRU / CHAMBERS / GRAY (Hrsg.): The Data Journalism Handbook. S. 3.

[75] Vgl. KRÄMER, Walter: So lügt man mit Statistik. S. 33.

[76] Vgl. Ebd. S. 35.

[77] Vgl. KRÄMER, Walter: So lügt man mit Statistik.

[78]   Vgl. NEIßENDORFER, Michael: Nur Fliegen ist sicherer als Bahnfahren. Süddeutsche Zeitung. URL: http://www.sueddeutsche.de/auto/unfallrisiko-von-transportmitteln-nur-fliegen-ist-sicherer-als-bahnfahren-1.1730361. (Stand: 25.07.2013; abgerufen am 23.03.2015, 11:23 Uhr.)

[79] Vgl. Ebd. S. 76.

[80] Vgl. Ebd. S. 77.

Facebooktwitter

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *