數(shù)據新聞概論 課件 第5-7章 編輯室里的數(shù)據分析、數(shù)據新聞的文案、數(shù)據新聞的設計

第五講：編輯室里的數(shù)據分析目錄CONTENTS數(shù)據清理數(shù)據分析數(shù)據清理和分析過程中的倫理問題行業(yè)PPT模板/hangye/數(shù)據清理01數(shù)據清理一項對比數(shù)據科學家和數(shù)據記者的數(shù)據準備工作的研究發(fā)現(xiàn)，數(shù)據記者在接受深度訪談時，反復提及他們在做數(shù)據準備工作時會面臨的四個挑戰(zhàn)：區(qū)域性：由于不同地區(qū)的數(shù)據收集者在收集數(shù)據時具有獨立性和空間的分散性，這導致相同主題的數(shù)據在不同區(qū)域結構不一致。

歷時性：關于同一現(xiàn)象的統(tǒng)計數(shù)據可能隨著時間的演變而發(fā)生變化。

碎片化：關于相似主題的不同表格包含邏輯相關卻內容不同的項目。

不同的數(shù)據集：尋找不同數(shù)據集中的關聯(lián)——找到其中相同的數(shù)據實體，是一個充滿不確定性的工作。KasicaS,BerretC,MunznerT.DirtyDataintheNewsroom:ComparingDataPreparationinJournalismandDataScience.CHI'23:Proceedingsofthe2023CHIConferenceonHumanFactorsinComputingSystems.(2023-04-19)[2024-01-20].https://www.cs.ubc.ca/group/infovis/pubs/2023/dirty-data-in-the-newsroom/dirty-data-in-the-newsroom.pdf.

數(shù)據清理數(shù)據清理（DataWrangling）也被稱為數(shù)據清洗、數(shù)據補救或數(shù)據轉換，指把原始數(shù)據轉換為可更好地進行分析的數(shù)據格式的一系列過程。這是我們在進行數(shù)據分析前一個必要的工作環(huán)節(jié)。大多數(shù)時候我們采集的數(shù)據未必是理想數(shù)據，可能存在或多或少的問題，有人形象地稱此為“壞數(shù)據”（baddata）或“臟數(shù)據”（dirtydata）。數(shù)據清理既是采用適當?shù)姆椒ㄌ幚頂?shù)據中存在的問題的過程；也是對采集的數(shù)據進行匯總整理和結構化的過程。數(shù)據清理可以是一個人工或機器自動完成的過程，

它包含觀察數(shù)據、結構化數(shù)據、清洗數(shù)據、擴充數(shù)據、驗證數(shù)據和發(fā)布數(shù)據六個步驟。數(shù)據清理0102030405觀察數(shù)據結構化數(shù)據清洗數(shù)據擴充數(shù)據驗證數(shù)據06發(fā)布數(shù)據數(shù)據清理一、觀察數(shù)據觀察數(shù)據是數(shù)據清理的第一步，指熟悉數(shù)據，構思如何使用數(shù)據的過程。這一過程中需要對數(shù)據質量做出觀察和判斷，其中包括辨別數(shù)據呈現(xiàn)的趨勢和模式，發(fā)現(xiàn)其中存在的明顯問題，例如數(shù)據缺失、不準確的數(shù)據值等。對數(shù)據的五個新聞要素做分析，可以幫助我們發(fā)現(xiàn)數(shù)據中的問題，明確最終需要清理的數(shù)據范圍。數(shù)據清理Who數(shù)據是誰提供的

What你想用數(shù)據告訴人們什么

When數(shù)據是何時采集的

Why這組數(shù)據有何意義Where數(shù)據的地理屬性

數(shù)據清理二、結構化數(shù)據結構化數(shù)據是一個將數(shù)據轉換為可被分析的數(shù)據格式的過程，要轉換成怎樣的數(shù)據表取決于使用怎樣的分析模型來解釋數(shù)據。機器可讀的數(shù)據文件，即為了便于計算機進行讀取和處理而生成的數(shù)據文件，而不是為了向人類用戶展示。這些數(shù)據的結構與其內容相關，但與數(shù)據的最終展示形式不同。常見的機器可讀數(shù)據文件格式包括CSV、XML、JSON和xls/xlsx文檔等等。與機器可讀的數(shù)據相反，另一類數(shù)據文件格式側重視覺呈現(xiàn)，承擔向用戶展示數(shù)據的功能，但不便于計算機讀取數(shù)據和處理分析。常見的側重視覺呈現(xiàn)的數(shù)據文件格式包括Word文檔、HTML網頁和PDF文檔。數(shù)據清理二、結構化數(shù)據從PDF中提取數(shù)據的三種方法：通過人工復制粘貼，這種方法能簡單入手，但耗時耗力，且容易導致數(shù)據提取不穩(wěn)定、易出差錯；采用PDF轉換器，這類轉換軟件或在線轉換網站可以相對快捷高效地提取數(shù)據，但不太方便處理批量數(shù)據提??；由程序員編寫自動化腳本，通過Python等程序語言調用轉換PDF的工具包，從而實現(xiàn)批量數(shù)據提取的任務。案例：“笨方法”做出的好新聞韓國報紙《京鄉(xiāng)新聞》發(fā)布作品《平均每天有三個工人永遠不會下班》數(shù)據清理三、清洗數(shù)據清洗數(shù)據是指消除數(shù)據中存在的錯誤，以免它們影響數(shù)據分析和數(shù)據價值。清洗數(shù)據包括刪除空白單元格或行/列，移除異常值，使所有輸入都標準化。這個過程的目標是確保數(shù)據中不會有影響分析的差錯。識別和消除任何影響數(shù)據清理后續(xù)過程的壞數(shù)據。參考Quartz網站發(fā)布的《壞數(shù)據指南》你怎么看：在計算機科學領域，有一句俗語“Garbagein,garbageout”，指輸入垃圾數(shù)據會導致垃圾結果，你如何理解這種觀點？數(shù)據清理三、清洗數(shù)據清洗數(shù)據時需要注意的事項：做好數(shù)據備份，另存數(shù)據并合理命名備份存檔。檢查數(shù)據是否完整、規(guī)范、一致，尤其是手動錄入、匯總的數(shù)據。檢查是否有合并單元格，如果有合并單元格需將其拆分、并做好數(shù)據填充。檢查是否有異常值：包括重復值、錯誤值、空白行、列/單元格等。檢查數(shù)據格式是否正確、一致：如文本、數(shù)字、日期應對應相應的格式。對缺失的數(shù)據進行填補，包括單元格的空值和零值的處理?！罢麧嵉臄?shù)據”應該符合三個規(guī)則：每一列是一個變量；每一行代表一個觀測值/記錄；不要把不同類型的數(shù)據堆在一個數(shù)據表里面。（WickhamH,RStudio.TidyData.JournalofStatisticalSoftware.2014,59(10),1-23.DOI:10.18637/jss.v059.i10.

）數(shù)據清理四、擴充數(shù)據判斷數(shù)據是否足以做分析，如果不夠充足，則需要從其他數(shù)據集中找相應的數(shù)值來填充和擴展數(shù)據。案例：RUC新聞坊的作品《暴雨再襲，臺風對華北、東北影響在加劇嗎？》

數(shù)據清理五、驗證數(shù)據進一步檢查在前面所完成的數(shù)據準備階段的工作，確認數(shù)據是否一致，質量是否足夠且安全。數(shù)據驗證可以通過機器或人工來完成。常見的數(shù)據驗證類型包括以下幾種：數(shù)據類型驗證：確認每個字段、列、列表、范圍或文件中的數(shù)據與指定的數(shù)據類型和格式匹配。

約束驗證：檢查給定的數(shù)據字段輸入是否符合特定范圍內的指定要求。例如，它驗證數(shù)據字段是否具有最小或最大字符數(shù)。

結構化驗證：確保數(shù)據符合指定的數(shù)據格式、結構或模式。

一致性驗證：確保數(shù)據樣式一致。例如，它確認所有值均保留兩位小數(shù)。

代碼驗證：類似于一致性檢查，并確認用于不同數(shù)據輸入的代碼是正確的。例如，檢查國家/地區(qū)代碼。（KernerSM.DataValidation.(2022-01)[2023-12-13],/searchdatamanagement/definition/data-validation.）數(shù)據清理六、發(fā)布數(shù)據經過驗證后的數(shù)據就可以發(fā)布了，這里的發(fā)布數(shù)據不是指直接對公眾發(fā)布，而是將數(shù)據提供給機構內的其他人進行分析。在數(shù)據清理階段，數(shù)據科學家或數(shù)據記者需要采用機構內合適的共享格式來發(fā)布數(shù)據，例如，有些機構采用在線電子表格的方式進行項目內不同人員的共享。

數(shù)據分析02數(shù)據分析統(tǒng)計分析大數(shù)據分析新聞編輯室里的數(shù)據分析包含兩大類：一類是采用社會統(tǒng)計學領域的數(shù)據分析方法所做的處理和分析，另一類則是采用將傳統(tǒng)的數(shù)據分析方法與處理大量數(shù)據的復雜算法相結合的數(shù)據挖掘（datamining）方法所做的大數(shù)據分析。

數(shù)據分析一、新聞中常見的統(tǒng)計學概念與統(tǒng)計分析方法統(tǒng)計學是應用數(shù)學的一個分支，是收集、分析、表述和解釋數(shù)據的科學。統(tǒng)計分析分為統(tǒng)計描述和統(tǒng)計推論兩類，統(tǒng)計描述是指將所觀察的數(shù)據、資料，進行整理、歸納和分析，以期找出某種規(guī)律。而統(tǒng)計推論則指根據不完全數(shù)據對全體做出正確推論的方法，它要求根據統(tǒng)計資料的統(tǒng)計規(guī)律性，運用概率論，正確地從局部推論到整體。（盧淑華.社會統(tǒng)計學(第五版).北京:北京大學出版社.2021,16-20.

）

數(shù)據分析（一）統(tǒng)計描述在數(shù)據新聞中的應用統(tǒng)計描述可以提供關于一組定量數(shù)據特征的簡單描述，在數(shù)據新聞中，常用的統(tǒng)計方法有頻次分布、集中趨勢測量法、離散趨勢測量法和相關等。1.頻次分布（frequencydistribution）社會統(tǒng)計學里的頻次分布指一個概念或變量的全部取值及其頻次的集合。例如，將一組變量分為不同組段，然后將各組段對應的觀察值歸納到各組段中，最后清點各組段觀察值個數(shù)（頻次），就可以形成該變量的頻次分布。傷亡類型人數(shù)輕傷890重傷396死亡1106數(shù)據來源：《中國林業(yè)統(tǒng)計年鑒》統(tǒng)計時段：1998-2017年表：森林火災人員傷亡統(tǒng)計表數(shù)據分析與頻次分布相關的概念百分比（percent）相對數(shù)中的一種，所謂相對數(shù)，即表示一個數(shù)是另一個數(shù)的百分之幾，也稱為百分率或百分數(shù)。只有明確基數(shù)的百分比才具有意義，如果不知道具體的基數(shù)是多少，百分比數(shù)據就缺乏了可參照的基礎。

百分點一個很容易與百分比混淆的概念，它指不同時期以百分數(shù)的形式表示的相對指標的變化幅度，1個百分點=1%。

百分比變化用新數(shù)值減去舊數(shù)值，所得的差再除以舊數(shù)值，就得到了百分比變化。百分比變化能夠讓讀者清楚地了解到數(shù)值隨著時間的發(fā)展產生了怎樣的變化趨勢。環(huán)比和同比是兩個常見的不同的描述百分比變化的術語。數(shù)據分析（一）統(tǒng)計描述在數(shù)據新聞中的應用正態(tài)分布是變量概率分布的一種形態(tài)，在平均值中央點的概率最高，兩側的概率逐漸降低，其曲線圖形類似鐘形。正態(tài)分布又稱常態(tài)分布，這是我們身邊很多現(xiàn)象的正常狀態(tài)。例如人們身高、體重、智力水平的分布，都呈現(xiàn)出正態(tài)分布的趨勢。

正態(tài)分布可以用來檢驗數(shù)據是否合理。如果依照常識，某組數(shù)據理應出現(xiàn)正態(tài)分布，但實際數(shù)據卻并不吻合，這時就需要數(shù)據記者、編輯對數(shù)據展開核查，首先核查是否在數(shù)據整理分析的過程中出現(xiàn)了差錯，如確認無誤，則需要調查是何原因導致這組數(shù)據出現(xiàn)了異常情況，或許這些異常背后就蘊含著新聞。

數(shù)據分析案例：從正態(tài)分布圖中發(fā)現(xiàn)網戀的身高謊言克里斯蒂·魯?shù)拢–hristianRudder）的作品《有關網戀的大謊言》（TheBigLiesPeopleTellinOnlineDating）

數(shù)據分析案例：從正態(tài)分布圖中發(fā)現(xiàn)網戀的身高謊言數(shù)據分析2.集中趨勢（Centraltendency）也被稱為集中值，指用某一個典型的變量值或特征值來代表變量的全貌。與集中趨勢相關的統(tǒng)計概念包括以下三個：均值（mean，即平均數(shù)）：是最常用到的統(tǒng)計量，表示某變量的所有變量值的集中趨勢或平均水平，它適用于分析定距變量。中位值（median）:如果一組數(shù)據中恰好使累積概率取1/2的變量值，即將一組數(shù)據按大小排列，取最中間的那個數(shù)值，這就是中位值或中位數(shù)。

眾值（mode）：指在一組數(shù)據中出現(xiàn)頻次最高的數(shù)值。眾值適用于分析定類、定序和定距變量。

（一）統(tǒng)計描述在數(shù)據新聞中的應用數(shù)據分析3.離散趨勢（Dispersiontendency）

離散趨勢是指一組數(shù)據背離分布集中值的特征，反映了各變量值遠離其集中值的程度。離散趨勢可以通過異眾比率（非眾數(shù)組的頻數(shù)占總頻數(shù)的比率）、極差（觀察的最大值與觀察的最小值的差數(shù)）、四分互差（用75%位點數(shù)據和25%位點數(shù)據相減而得的差數(shù)）、方差與標準差來測量。方差（variance）是各個數(shù)據與平均值之差的平方和的平均值，表示一系列數(shù)據或統(tǒng)計總體的分布特征的值。標準差（standarddeviation）也稱均方差，是各數(shù)據偏離平均值的距離的平均值，它是方差的算術平方根。

（一）統(tǒng)計描述在數(shù)據新聞中的應用數(shù)據分析案例數(shù)據分析統(tǒng)計推論是指根據樣本數(shù)據去推斷總體數(shù)據特征的統(tǒng)計分析方法。統(tǒng)計推論大體可分為兩部分：一是通過樣本對總體的未知參數(shù)進行估計，簡稱參數(shù)估計（parameterestimation）；二是通過樣本對總體的某種假設（例如參數(shù)或分布情況）進行檢驗，簡稱假設檢驗（hypothesistest）

（二）統(tǒng)計推論在數(shù)據新聞中的應用數(shù)據分析1.參數(shù)估計

參數(shù)估計可以細分為點估計和區(qū)間估計，其中點估計是用樣本計算出來的一個數(shù)來估計未知參數(shù)，而區(qū)間估計則是通過樣本計算出一個范圍來對參數(shù)進行估計。一般的，點估計的精度較難判斷，而區(qū)間估計則既要給出一定的參數(shù)區(qū)間，還要求給出所給區(qū)間未知參數(shù)的概率。

置信度也被稱為置信概率、置信系數(shù)，指以測量為中心，在一定范圍內，真值出現(xiàn)在該范圍內的幾率。置信度表示用置信區(qū)間估計的可靠性，一般置信度是根據實際情況預先被設定的，常給定為0.95。置信區(qū)間指在某一置信度下，以測量值為中心，真值出現(xiàn)的范圍，即一定概率下真值出現(xiàn)的取值范圍，這里的概率就是置信度。

與置信度相關，顯著性水平表示的是用置信區(qū)間估計不可靠的概率。置信度和顯著性水平之和為1，因而假設給定的置信度為0.95，那么就意味著顯著性水平為0.05。（二）統(tǒng)計推論在數(shù)據新聞中的應用數(shù)據分析2.假設檢驗統(tǒng)計學意義上的假設檢驗是指“經過抽樣獲得一組數(shù)據，即一個來自總體的（隨機）樣本，如果根據樣本計算的某個統(tǒng)計量（或幾個統(tǒng)計量）表明在原假設H0成立的條件下幾乎是不可能發(fā)生的，就拒絕或否定這個原假設，并繼而接受它的對立面——備擇假設。反之，如果在原假設H0成立的條件下，根據樣本所計算的某個統(tǒng)計量發(fā)生的可能性不是很小的話，那么就接受原假設?！?/p>

這里H0也被稱為“零假設”，而顯著性水平α是在零假設成立條件下，統(tǒng)計檢驗中所規(guī)定的小概率的標準，即規(guī)定小概率的數(shù)量界線，常用的標準為α=0.10、α=0.05或α=0.01。p值是根據樣本計算得出的概率，如果p值小于α，說明零假設被拒絕，繼而接受備擇假設；反之則原假設成立。（二）統(tǒng)計推論在數(shù)據新聞中的應用數(shù)據分析案例數(shù)據分析數(shù)據挖掘出現(xiàn)于20世紀80年代，指“通過仔細分析大量數(shù)據來揭示有意義的新的關系、趨勢和模式的過程”。它是一種將傳統(tǒng)的數(shù)據分析方法與處理大量數(shù)據的復雜算法相結合的技術，是在大型數(shù)據存儲庫中自動地發(fā)現(xiàn)信息的過程。

（王光宏,蔣平.數(shù)據挖掘綜述.同濟大學學報.2004(2).）數(shù)據挖掘吸納了多個學科的給養(yǎng)，不僅利用了來自統(tǒng)計學的抽樣、估計和假設檢驗等思維與工具，還包括了人工智能、模式識別和機器學習的摸索算法、建模技術和學習理論，并借助于數(shù)據庫技術、并行計算、分布式計算等領域的最新成果發(fā)展而成。（

TanP-N,SteinbachM,KumarV.數(shù)據挖掘導論(完整版).范明,范宏建(譯).北京:人民郵電出版社.2010:2-6.

）

二、數(shù)據新聞中的數(shù)據挖掘

數(shù)據分析二、數(shù)據新聞中的數(shù)據挖掘

1234預測建模predictivemodeling以說明變量函數(shù)的方式為目標變量建立模型。預測建模任務包含分類和回歸兩種，分類用于預測離散的目標變量，回歸則用于預測連續(xù)的目標變量。關聯(lián)分析associationanalysis用于發(fā)現(xiàn)描述數(shù)據中強關聯(lián)特征的模式。由于搜索空間是指數(shù)規(guī)模的，關聯(lián)分析的目標是以有效的方式提取最有趣的模式。聚類分析clusteranalysis旨在發(fā)現(xiàn)緊密相關的觀測值組群，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能類似。異常檢測anomalydetection識別其特征顯著不同于其他數(shù)據的觀測值，這樣的觀測值成為異常點或離群點。TanP-N,SteinbachM,KumarV.數(shù)據挖掘導論(完整版).范明,范宏建(譯).北京:人民郵電出版社.2010:2-6.

數(shù)據分析案例：《穆魯羅瓦檔案》

2021年9月，美國普林斯頓大學、英國和挪威的建筑師團體Interprt以及法國調查媒體Disclose共同開展了兩年之久的調查項目《穆魯羅瓦檔案》發(fā)布，該項目在數(shù)千份解密軍事文件、數(shù)百小時的計算和數(shù)十份未發(fā)表的證詞的幫助下，揭示了1966年至1974年間法國在波利尼西亞群島上空的數(shù)次核爆炸實驗對當?shù)仄矫駧淼暮宋廴颈裙俜焦嫉臄?shù)據要嚴重得多的事實。項目中的最具挑戰(zhàn)性的部分是團隊開發(fā)了一種技術模型，利用普林斯頓大學的計算機在實驗室中虛擬重現(xiàn)了法國的核試驗。完成計算后，設計師和建筑師對法屬波利尼西亞群島上的放射性云及其沉降物的軌跡進行3D建模，并模擬了村莊受到的輻射影響以及食物和居民受到污染的精確程度。

數(shù)據分析案例：《53027條留言背后，網絡樹洞里絕望者的自救與互助》》國內數(shù)據挖掘方法最為集中的應用在文本挖掘領域。文本挖掘可以是對單文檔的數(shù)據挖掘，也可以是對文檔集的數(shù)據挖掘。文本挖掘需要先采用分詞、特征表示和特征提取等技術對數(shù)據做預處理，然后才可展開挖掘分析，常見的文本挖掘分析技術有文本結構分析、文本摘要、文本分類、文本聚類、文本關聯(lián)分析、分布分析和趨勢預測等。

2019年9月，澎湃新聞發(fā)表的作品對因抑郁而自殺的女大學生“走飯”的3276條微博文本展開了情感分析，并對這些微博后的53027條留言文本做了主題分析和社會網絡分析。

對“走飯”的所有微博（包括小號）進行文本的情感分析后生成的“情感樂章”

數(shù)據分析0102分組分析指根據數(shù)據分析對象的特征，按照一定的標準（指標），把數(shù)據分析對象劃分為不同的部分和類型來進行研究，以揭示其內在的聯(lián)系和規(guī)律性。

030405結構分析指總體內的各部分與總體之間進行對比的分析方法，即總體內各部分占總體的比例，屬于相對指標。

平均分析指運用計算平均數(shù)的方法來反映總體在一定時間、地點條件下某一數(shù)量特征的一般水平。綜合評價分析是一種多變量評價分析，運用多個指標對多個參評單位進行評價的方法。

06對比分析是指將兩個或兩個以上的數(shù)據進行比較，分析它們的差異，從而揭示這些數(shù)據所代表的事物的發(fā)展性狀和變化規(guī)律。

三、實用的數(shù)據分析思路

相關分析即通過相關表或相關圖等方式來判斷兩個變量是否存在不確定的統(tǒng)計關系的數(shù)據分析方法。

數(shù)據分析0102缺乏代表性的均值

030405僅供參考的趨勢

缺乏可比性的對比

將相關關系等同因果關系

06忽略基數(shù)的百分比

四、警惕“數(shù)據陷阱”

將抽樣樣本直接等同于全樣本

數(shù)據清理和分析中的倫理問題03數(shù)據清理和分析中的倫理問題記者需要時刻警惕，對數(shù)據錯誤的處理和倫理問題可能會損害數(shù)據新聞的準確和嚴謹。在操作數(shù)據新聞的過程中，倫理問題遍布各個環(huán)節(jié)：數(shù)據采集中需注意不能片面選擇數(shù)據源，注重多源交叉核實和驗證；文案寫作環(huán)節(jié)需注意交代數(shù)據的背景信息，描述數(shù)據時不能故意歪曲，需闡明數(shù)據的局限；數(shù)據可視化環(huán)節(jié)中需注意視覺設計如何準確地展現(xiàn)數(shù)據，而不能用視覺規(guī)律誤導受眾等。一般的新聞報道倫理也適用于數(shù)據新聞領域，同時，數(shù)據新聞因其涉及數(shù)據和可視化，其倫理規(guī)范上還存在一定的特殊性。

數(shù)據清理和分析中的倫理問題2012年，美國康涅狄格州的一所小學發(fā)生了校園槍擊案，紐約懷特普萊恩斯的《期刊新聞》（JournalNews）的一位記者撰寫了一篇關于槍擊事件可能擴大化的報道，公開可獲取槍支許可證的數(shù)據，并附有三張帶有槍支許可證持有者位置的在線地圖，這些地圖上還公布了一些郊縣槍支許可證持有者的姓名與地址。此舉引發(fā)了當?shù)毓姷目棺h，同時也使該國記者在社群中展開廣泛討論。有研究發(fā)現(xiàn)，記者社群關于該事件的討論主要圍繞新聞倫理展開，涉及“自由與責任”“新聞目的”“隱私”“驗證”“后果”“替代方案”等主題框架。該研究對數(shù)據新聞從業(yè)者提出了如下的建議：一、隱私數(shù)據處理數(shù)據清理和分析中的倫理問題1.每當數(shù)據包含個人信息時，新聞編輯室必須討論是否將其發(fā)布到網上。2.新聞編輯室需要考慮的問題包括：第一，該信息是否服務于新聞和公共目的？到什么程度？數(shù)據必須至少滿足這兩個目的才能發(fā)布到網上。第二，這些信息可能會傷害誰？到什么程度？數(shù)據元素是否會給個人的私生活帶來風險？可能錯誤或過時的數(shù)據會產生什么潛在影響？第三，是否有其他方案可以最大限度地減少傷害，例如匯總個人數(shù)據而不是使用個人姓名和地址？第四，數(shù)據可以驗證嗎？是否采取了合理的步驟來驗證數(shù)據的準確性？在發(fā)布之前可以通知數(shù)據庫中涉及的人員嗎？可以采取哪些措施來糾正發(fā)布后發(fā)現(xiàn)的數(shù)據錯誤？3.最終決定應考慮所有這些因素，以新聞目的和盡量減少傷害為最高優(yōu)先級。

CraigD,KettererS,YousufM.ToPostorNottoPost:OnlineDiscussionofGunPermitMappingandtheDevelopmentofEthicalStandardsinDataJournalism.Journalism&MassCommunicationQuarterly.2017,94(1),168-188.DOI:10.1177/1077699016684796.

數(shù)據清理和分析中的倫理問題在一項針對前述全球數(shù)據新聞獎和SIGMA數(shù)據新聞獎的獲獎項目的研究中，研究者發(fā)現(xiàn):關于隱私數(shù)據處理是他們調查的三個倫理問題中表現(xiàn)最不完善的，盡管大多數(shù)項目都采用例如隱藏元數(shù)據和使用虛構來源名稱等方法來保護其數(shù)據來源和故事中出現(xiàn)的個人來源，但是幾乎沒有一個項目解釋了它們是出于何種原因而排除姓名、地址和其他相關信息等個人數(shù)據，所有研究的項目都沒有提及知情同意，后者被視為保護新聞報道中出現(xiàn)的個人隱私的一項基本權利。

Chaparro-DomínguezM-á,Díaz-CampoJ.DataJournalismandEthics:BestPracticesintheWinningProjects(DJA,OJAandSigmaAwards),JournalismPractice,2023,17(6),1321-1339,DOI:10.1080/17512786.2021.1981773.

數(shù)據清理和分析中的倫理問題“我們采集不到跟個人隱私相關的數(shù)據，可能最近也就是信令數(shù)據了，但是信令數(shù)據本來就是脫敏的，已經過濾掉任何跟個人隱私相關的東西了，都是去ID化的處理。你能分析到的是這個用戶有什么行為，他的年齡、他用的手機，但不能知道他是誰。我們有的時候也想聯(lián)系到個人，由信令出發(fā)，其實想找到屬于這一個批次數(shù)據的真實個人，然后有利于講故事，但根本就拿不到?！?中央廣播電視總臺新聞中心經濟新聞部記者劉佳昕

)“如果和互聯(lián)網平臺合作挖掘數(shù)據，給我們提供的數(shù)據都是脫敏的、沒有個人的信息。如果是我們在網上公開平臺采集的話，其實也很少涉及到個體的行為的情況?！?南都大數(shù)據研究院秘書長凌慧珊

)

數(shù)據清理和分析中的倫理問題“在設計問卷的時候就會注意不問敏感的隱私數(shù)據，如果是爬數(shù)據的話，平臺都會對用戶數(shù)據做保護，也不太能爬到別人的隱私數(shù)據，只能爬到用戶發(fā)了什么帖子、帖子內容是什么。如果是明顯地引用用戶的留言和圖片，一般編輯或作者會去找他們要授權，得到許可后再使用?！?/p>

(網易數(shù)讀主編巫雨松)“在爬取數(shù)據的時候，或者錄入數(shù)據的時候，以及在找其他組織要數(shù)據的時候，我們會有意識地隱去一些和個體比較密切、能鎖定到個體的信息，其他組織也會因為數(shù)據隱私問題考慮不給我們這些數(shù)據，或者給我們一個脫敏后的版本。感覺現(xiàn)在對數(shù)據隱私的規(guī)范確實比幾年前更敏感?！?財新傳媒的數(shù)據記者張梅婷)

數(shù)據清理和分析中的倫理問題一、隱私數(shù)據處理“數(shù)據脫敏”主要是指數(shù)據去隱私化，即運用一定的脫敏規(guī)則使某些敏感信息數(shù)據變形，從而保護報道對象的隱私。

案例：澎湃新聞“美數(shù)課”欄目發(fā)布的《我們去了相親角6次，收集了這874份征婚啟事》《轉角遇到愛》系列報道在數(shù)據結構化的過程中排除了收集數(shù)據中指向過于精細的“聯(lián)系方式”“家庭住址”等個人隱私數(shù)據；對結構化的數(shù)據中具有個人隱私的數(shù)據做相應的模糊化處理。

數(shù)據清理和分析中的倫理問題在數(shù)據工作中，創(chuàng)建并遵循一個數(shù)據保護計劃，該項計劃旨在降低泄漏數(shù)據的概率，并且在數(shù)據泄漏發(fā)生后能夠降低傷害。英國數(shù)據服務中心（UKDataService）歸納的數(shù)據保護計劃必備的五項要素（也被稱為“5個安全”）：項目安全：對涉及道德倫理的項目數(shù)據采取限制措施對象安全：訪問僅限于可信任的數(shù)據人員（例如，經過道德培訓的人）數(shù)據安全：盡可能將數(shù)據標識并匯總設置安全：對儲存于計算機中的數(shù)據采取適當?shù)奈锢恚ɡ?，鎖閉的房間）和軟件（例如，密碼保護、加密）保護成果安全：審查研究成果以防止意外隱私泄漏

[美]馬修·薩爾加尼克.計算社會學:數(shù)據時代的社會研究.趙紅梅,趙婷譯.中信出版集團.2019:280-289.

數(shù)據清理和分析中的倫理問題二、透明性透明性一直被視為新聞業(yè)的重要職業(yè)準則。2001年，比爾·科瓦齊和湯姆·羅森斯蒂爾在《新聞的十大基本原則》中較早系統(tǒng)性地提出“透明性原則”（ruleoftransparency）。“透明”意味著記者和編輯需在新聞報道中做出必要的說明，解釋新聞是如何獲得的，為什么要用特定的方式處理和表達，以及坦誠報道中尚未解決的問題和局限。他們認為這一原則能夠替代飽受爭議的客觀性原則。（比爾·科瓦奇，湯姆·羅森斯蒂爾.新聞的十大基本原則.劉海龍,連曉東,譯.北京:中國人民大學出版社,2011.）邁克爾·卡爾森(MichaelKarlsson)對透明性原則做了分類，將之區(qū)分為“公開的透明性”和“參與的透明性”。公開的透明性指新聞選擇和制作方式的公開，而參與的透明性則涉及受眾參與新聞選擇和制作的程度。（KarlssonM.RitualsofTransparency:EvaluatingOnlineNewsOutlets’UsesofTransparencyRitualsintheUnitedStates,UnitedKingdomandSweden.JournalismStudies.2010,11(4),535–545.DOI:10.1080/14616701003638400.）數(shù)據清理和分析中的倫理問題總體上看，透明性作為一種原則，已經成為數(shù)據新聞從業(yè)者的共識。

“向公眾開放數(shù)據來源和數(shù)據獲取的渠道與方法”“盡可能地將公眾吸納進報道的過程中來”是較早就確立的普遍規(guī)范。（方潔,高璐.數(shù)據新聞：一個亟待確立專業(yè)規(guī)范的領域——基于國內五個數(shù)據新聞欄目的定量研究.國際新聞界.2015,37(12).

）“我們的數(shù)據源是完全公開透明的，媒體的新聞產品決定了數(shù)據源一定公開透明。一方面是要確保數(shù)據的權威性，另一方面也要充分尊重別人的勞動成果。如果數(shù)據是二次數(shù)據，它的來源、計算方法都要標記清楚?！?/p>

（《新京報》數(shù)據新聞記者陳華羅

）二、透明性數(shù)據清理和分析中的倫理問題對于透明性的認知和實踐仍存在差異，在很大程度上，透明性似乎正在淪為一些研究者所稱的“策略性儀式”，這一在數(shù)據新聞領域的發(fā)現(xiàn)與其他新聞領域的研究發(fā)現(xiàn)是一致的。對“公開的透明性”和“參與的透明性”實踐程度不盡相同。例如，國內大多數(shù)數(shù)據新聞項目仍以圖文類作品為主，交互類作品很少。這不僅是媒體基于投入產出所做出的價值判斷，也體現(xiàn)出這個領域的從業(yè)者仍習慣采用相對封閉的敘事方式，給予受眾有限的權利。這或是長期以來新聞業(yè)積累的傳統(tǒng)“慣例”。即使是“公開的透明性”，媒體在實踐中也未達到理想的狀態(tài)。

一項針對《紐約時報》和《華盛頓郵報》日常數(shù)據新聞的研究發(fā)現(xiàn)：絕大多數(shù)報道（87.4%，n=139）沒有提供任何明確的途徑來下載文章中使用的任何數(shù)據，而8.2%（n=13）的報道提供了鏈接，公開了部分數(shù)據，只有4.4%（n=7）的報道能鏈接到所有數(shù)據。（ZamithR.Transparency,Interactivity,Diversity,andInformationProvenanceinEverydayDataJournalism.DigitalJournalism,2019,7(4),470–489.DOI:10.1080/21670811.2018.1554409.

）

二、透明性數(shù)據清理和分析中的倫理問題思考：造成透明性實踐出現(xiàn)困境的原因在哪里？透明性對于數(shù)據新聞受眾意味著什么？他們如何看待透明性？這會否影響數(shù)據新聞的傳播效果？二、透明性學習與思考1．找到生態(tài)環(huán)境部發(fā)布的“城市空氣質量狀況月報”數(shù)據，做一份近五年的結構化數(shù)據表。2．采用不同的數(shù)據分析方法對上一題的數(shù)據做分析，說說你得到哪些數(shù)據發(fā)現(xiàn)？3.你如何看待數(shù)據新聞的透明性？如果公眾對透明性感知并不明顯，我們還需要遵循這一原則嗎？4.對你在前兩章中所做的項目的數(shù)據集展開分析，你得到的分析結果是否具有新聞價值？謝謝第六講：數(shù)據新聞的文案主講人：***************目錄CONTENTS數(shù)據新聞的三種敘事形式數(shù)據新聞的敘事結構數(shù)據新聞寫作中的注意事項行業(yè)PPT模板/hangye/數(shù)據新聞的三種敘事形式01數(shù)據新聞的三種敘事形式數(shù)據新聞的三種敘事形式視覺敘事：數(shù)據可視化信息圖交互可視化動畫/視頻數(shù)據敘事：新聞應用共享數(shù)據庫新聞測試新聞計算器文字敘事：融合報道數(shù)據新聞的三種敘事形式案例：共享數(shù)據庫作品《北京公園地圖》《北京公園地圖》是繼《北京文物地圖》后帝都繪開放的第二個數(shù)據庫。原始數(shù)據為北京市園林綠化局于2022年發(fā)布的《北京市公園名錄（第一批）》，由帝都繪在Maptable平臺上完成地圖標注。數(shù)據庫包含1050個公園條目，涵蓋所屬區(qū)/單位、類型、級別、地址、坐標、咨詢服務電話、主管單位等信息。帝都繪不但采用該數(shù)據制作了可視化作品《帝都公園大全》，他們允許公眾和媒體在知識共享署名-非商業(yè)性使用4.0國際許可協(xié)議框架內探索這個數(shù)據庫，公眾也可用留言方式對數(shù)據庫中的內容進行糾錯。數(shù)據新聞的三種敘事形式三種主流的數(shù)據新聞敘事形式代表著當下數(shù)據新聞發(fā)展的三種方向以設計師為主導的數(shù)據可視化的方向將數(shù)據可視化視為數(shù)據新聞興起最重要的標志,將數(shù)據新聞生產的重心放在可視化的設計上,主要注重視覺傳達。

以程序員為主導的數(shù)據挖掘和應用方向認為新聞未必要講述記者編輯已經梳理完邏輯的故事,也可以是一系列對數(shù)據進行采集清理后所開發(fā)的程序,鼓勵用戶通過自己的探索和分析獲取個性化的信息和資訊。

以傳統(tǒng)新聞從業(yè)者為主導的報道方向將數(shù)據新聞視為調查性報道、解釋性報道等在大數(shù)據時代的新形式,數(shù)據是新的報道資料,數(shù)據源就是消息來源,數(shù)據新聞可以采用新的形式呈現(xiàn),但仍是以記者編輯的新聞價值判斷和采訪調查過程為主導的報道。數(shù)據新聞的三種敘事形式三種主流的數(shù)據新聞敘事形式代表著當下數(shù)據新聞發(fā)展的三種方向以設計師為主導的數(shù)據可視化的方向偏向“視覺敘事”,從可視化的適宜形態(tài)和結構關系的角度出發(fā),通過對數(shù)據的信息層次和分布做設計，以視覺傳達故事的要點和驅動敘事的邏輯。以程序員為主導的數(shù)據挖掘和應用方向傾向于“數(shù)據”敘事，不是以講述完整的結構化的故事為目的，而是以呈現(xiàn)數(shù)據統(tǒng)計分析或數(shù)據挖掘的結果為目的，通過構建個性化的篩選項等交互功能設計，從而達到用數(shù)據驅動用戶自主探索故事的效果。

以傳統(tǒng)新聞從業(yè)者為主導的報道方向屬于傳統(tǒng)的“文字敘事”的范疇，是從思維邏輯和敘事線索推進的角度展開,敘事結構則更遵循報道者的主觀判斷,是報道者根據自身對數(shù)據的發(fā)現(xiàn)來講述和定義故事。數(shù)據新聞的三種敘事形式文案的作用在“文字敘事”作品中，文案無疑是主導，起著主要的敘事推進的作用，但在“視覺敘事”和“數(shù)據敘事”作品中，文案雖退位給可視化呈現(xiàn)和新聞應用的界面，但仍在其中起著定調、導航、串聯(lián)和補充解釋等作用。例如，作品的標題對于圈定新聞報道的對象，展現(xiàn)媒體的態(tài)度和風格起著關鍵作用；作品中的導語部分需要對報道的對象和目的做必要的說明；作品中各章節(jié)間的小標題能標識不同板塊的內容要點及之間的邏輯關系；作品中的可視化內容和新聞應用的交互界面也需要文字的串聯(lián)和補充解釋，刻度、圖例、數(shù)據來源、數(shù)據分析的主要發(fā)現(xiàn)、篩選窗口、交互指南等內容都需要相應的文字說明。數(shù)據新聞的敘事結構02數(shù)據新聞的敘事結構對于報道而言,敘事形式是外在的表現(xiàn)形態(tài),而敘事結構則是展現(xiàn)內在邏輯的素材組織方式。不同形式的新聞可能存在或相同或不同的敘事結構,而探討數(shù)據新聞的敘事結構有助于我們謀篇布局,組織架構素材,并形成最終的報道成品。在《數(shù)據驅動敘事》一書中，編者總結分析了18種核心的敘事模式，并將之梳理歸納到“論證、流程、框架、同理心和情感、參與”這五個大類中。他們認為“敘事模式是一種服務于特定意圖的底層敘事手段，模式可以單獨使用，也可以與其他模式結合使用，以形成故事的形式。具體意圖和可能的模式組合應由敘述者（或講故事的人）定義?！保≧icheNH.etal.(ed.)Data-DrivenStorytelling.CRCPress.2018:107-134.

）敘事結構是建立在敘事模式基礎上的一種中觀的敘事手段，它是作者結合敘事模式等底層敘事手段后對整體敘事框架的謀篇布局，作者需結合作品的敘事意圖、素材類型、發(fā)布渠道對作品的講述順序、節(jié)奏、邏輯層次做全面的設計，從而達到更好的傳播目的。數(shù)據新聞的敘事結構開頭主體結尾從結構上分析，一個完整的數(shù)據新聞作品一般包含開頭、主體、結尾三個部分。數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

數(shù)據新聞的開頭大致包含三個部分：其一是由頭，旨在告訴受眾我們要關注什么議題以及為何需要關注；其二是介紹“我們”為此做了怎樣的數(shù)據工作；其三是揭示最重要的數(shù)據發(fā)現(xiàn)或者文案要解決的主要問題。案例：路透社的報道《印度東部火車相撞事故是如何發(fā)生的》

6月2日晚，科羅曼德快車客運列車以128公里/小時（80英里/小時）的速度行駛，前往南部城市金奈，接近印度東部奧里薩邦的巴哈納加·巴扎爾車站。

隨后發(fā)生了印度二十多年來最嚴重的鐵路事故，火車沖向靜止的貨運列車，導致三列火車相撞并出軌，造成288人死亡、千余人受傷。

路透社分析了無人機鏡頭、火車的車廂布局和示意圖，發(fā)現(xiàn)最便宜和最擁擠的車廂在這場奧里薩邦巴拉索爾地區(qū)的火車相撞事故中受損最嚴重。印度鐵路部門的一位發(fā)言人證實：最便宜的車廂是受災難影響最嚴重的車廂之一。

數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

時效性強的選題，新聞事件自身已具備吸引受眾的要素，所以只要在由頭中以概述的方式交代新聞事件即可。澎湃新聞這個開頭除了交代新聞事件及其影響，還從事件中找到了一個具體的切入角度，提出了明確的問題，使作品的問題導向更清晰，也更易激發(fā)讀者的求知欲。案例：澎湃新聞的《已致百人遇難，5組數(shù)據看甘肅積石山地震何以至此？》

據中國地震臺網測定，2023年12月18日23時59分，甘肅臨夏州積石山縣發(fā)生6.2級地震，震源深度10公里。截至12月19日13時，這場級地震已造成甘肅113人死亡，青海13人死亡、20人失聯(lián)。

20世紀以來，中國先后發(fā)生過約800次6級以上地震，但傷亡如此慘重的地震并不多見，這是為什么？

我們總結了“6.2級地震威力并不小”“淺源地震破壞力極大”“逆沖型地震的震動更強”“震中離居民區(qū)太近”“地震烈度超過當?shù)亟ㄖO計抗震能力”等多方面原因，為你梳理出造成甘肅積石山6.2級地震傷害這么高的影響因素。

數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

很多數(shù)據新聞的選題并不依托具有時效性的新聞事件，而是涉及一些非時效性的話題、現(xiàn)象或趨勢，這時寫作開頭的方法就要更加靈活。例如，用恰如其分的引語、用描述采訪個體的故事、用數(shù)據等背景材料、用懸念吸引讀者探尋答案等來引出主題都是常見的寫作技巧。

案例：

財新傳媒的報道《大片時長動輒3小時，電影越來越長了嗎？》

電影大師阿爾弗雷德·希區(qū)柯克（AlfredHitchcock）曾表示，“一部電影的長度應該與人類膀胱的耐受程度保持一致?！辈贿^，近些年來，電影導演和制片廠們在為觀眾帶來視聽盛宴的同時，也在不斷挑戰(zhàn)著觀眾們的膀胱極限。數(shù)據新聞的敘事結構案例：

RUC新聞坊的作品《自殺干預在中國》

2019年5月13日上午11時48分，“跳河嗎？我有群”，一條約死留言出現(xiàn)在博主“走飯”的評論區(qū)中，并很快得到了回應。

次日下午1時41分，發(fā)這條評論的女孩坐上了從蘭州到武昌的直達列車，而她在網上約到的赴死同伴也將從襄陽趕到武昌，在約定的15日與她在武昌火車站匯合，然后一起通過“跳江”的方式結束生命。

但他們的計劃因為一個名為“樹洞行動”的自殺干預組織介入而未能實施。

以線上干預和實地行動相結合的方式，15日上午9時許，樹洞救援團的成員在武昌火車站“攔截”了這兩位約死的網友，此時距離留言發(fā)出不到45小時。

案例：

RUC新聞坊的作品《分娩之后，母親們還要經歷哪些“隱秘的痛楚”》

“我就是骨盆前傾了，彎腰腰疼，抱孩子也腰疼。肚子大得收不回去?！?/p>

“我生完孩子后不敢大笑、咳嗽，害怕漏尿?！?/p>

“后遺癥腹壁子宮內膜異位癥，產后已反復三次手術了?！?/p>

成為母親的不易從懷孕那一刻便開始，但往往并不會在孩子出生后宣告結束。陰道撕裂、骨盆前傾、腹直肌分離、盆底肌松弛、產后抑郁……“卸貨”之后，許多寶媽并未迎來期待已久的輕松。但對于產后的痛楚，人們似乎缺乏關注，更缺乏理解。

一、數(shù)據新聞的開頭

數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

在開頭部分引入數(shù)據等背景資料，能體現(xiàn)作者即將講述的話題的重要性或凸顯趨勢的普遍性，增強受眾對問題的關注。

案例：

《南華早報》的報道《香港鞋盒屋的生活》

香港光鮮亮麗的外表背后其實有一個貧窮的底層，超過22萬人居住在狹窄的劏房、床位和籠屋里。香港是一座擁有近750萬人口的繁華城市，以昂貴的房地產市場而聞名，被認為是世界上最難以負擔的市場。對于大約22萬人來說，家位于該市11萬多個細分單元中。這些鞋盒式住宅是在現(xiàn)有公寓的基礎上建造的單元，通常位于舊唐樓內，居住條件糟糕且狹窄。數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

以設置懸念的方式開啟數(shù)據新聞也是一種頗為有效的敘事技巧。新加坡《海峽時報》的作品《越來越多的妻子比丈夫掙得更多——盡管大多數(shù)男性仍然是養(yǎng)家糊口的主要經濟來源》中，開頭設計了一個交互場景，頁面左邊是文案，右邊是交互設計，文案請讀者猜謎，并通過交互設計一步步揭示答案，引導讀者繼續(xù)探尋。數(shù)據新聞的敘事結構案例：新加坡《海峽時報》的交互類數(shù)據新聞《越來越多的妻子比丈夫掙得更多——盡管大多數(shù)男性仍然是養(yǎng)家糊口的主要經濟來源》的開頭這是布萊恩和克拉爾，他們是同一崗位的同事。布萊恩和克拉爾各收入4534美元，這個收入相當于2020年的收入中位數(shù)。這個數(shù)據使兩人處于4500美元-4999美元的收入階層。你能猜猜相對克拉爾，她的丈夫收入多少嗎？拖放來猜測他的收入。根據2020年的普查數(shù)據，有55%的可能性克拉爾丈夫處于比她更高水平的收入階層。那么，猜猜相對布萊恩，他的妻子收入怎樣？即使克拉爾和布萊恩賺的一樣多，只有34%的可能性布萊恩妻子的收入處于比他更高的水平。盡管克拉爾的丈夫有更多可能性比她收入高，但布萊恩的妻子則更可能比他收入低。這種趨勢在近幾十年中是如何變化的，它怎樣影響家庭？滾動展開去找到答案。數(shù)據新聞的敘事結構一、數(shù)據新聞的開頭

一些數(shù)據新聞作品會在開頭省略“我們?yōu)榇俗隽四男?shù)據工作”這一點，而在文中主體部分相應的數(shù)據分析內容中一并交代。這樣的開頭從由頭直接過渡到要討論的問題，節(jié)奏更加簡潔明快。這樣處理的原因有三：一是力求開門見山，快速進入主題，少兜圈子；二是涉及的數(shù)據來源比較多，且數(shù)據往往是二手數(shù)據，非自采數(shù)據，因此不必要一一羅列；三是為了設置懸念，調整敘事的節(jié)奏，使整個敘事產生逐步推進的效果，而不是在開篇時就將所有疑問都解開。如果在數(shù)據新聞中，有一手的獨家數(shù)據，或是這份數(shù)據得來不易，則建議在開頭部分保留“我們?yōu)榇俗隽四男?shù)據工作”的簡單描述，以突出這種獨家性。數(shù)據新聞的敘事結構思考：對比以下兩則數(shù)據新聞的開頭

，他們如何交代數(shù)據工作？案例1:網易數(shù)讀的作品《擠爆寺廟的年輕人，上香比上學還認真》

當大家還在為玲娜貝兒的擁抱苦苦排隊時，一波年輕人已經義無反顧地投向了佛祖的懷抱。學習、工作使人疲憊，年輕人選擇來一場“佛系”的出游。攜程數(shù)據顯示，今年以來，寺廟相關景區(qū)門票訂單量同比增長310%；2月以來預訂門票的人群中，90后、00后占比接近50%[1]。只要你想，天天都可以是瘋狂星期“寺”。漫步在紅墻黃瓦之下，早起n小時只為請到第一柱頭香，攢“功德”再也不用只依靠電子木魚和電子佛珠。但是，選擇燒香拜佛的年輕人們，都在求什么？他們真的靜下心來、變得“佛系”了嗎？數(shù)據新聞的敘事結構案例2:“布丁”網站的作品《當女性成為新聞標題》

如今，研究已經表明：與男性相比，女性上新聞的可能性要小得多。全球媒體監(jiān)測項目(GMMP)是全球新聞媒體中規(guī)模最大、運行時間最長的性別研究項目，在其最新發(fā)布的報告中，發(fā)現(xiàn)女性僅占報道的新聞主題和消息來源的24%。根據這份報告，這個數(shù)字自2010年以來沒有變化。在新聞背景下，新聞標題介紹、構建和背景化新聞報道。此外，教育和實驗心理學領域的研究表明，新聞標題會對讀者的思想產生影響，并且誤導性的標題可能會使讀者偏向某種特定的解釋。那么，如果女性在新聞中的代表性不足，當新聞標題報道女性時會是什么樣子呢？隨著時間的推移，有關女性的新聞標題發(fā)生了怎樣的變化？為了探索這些問題，我們可視化了以女性為中心的新聞標題中使用的語言，以及這種語言隨著時間的推移如何發(fā)生變化（或沒有發(fā)生變化）。使用與“女人”（woman）一詞相關的關鍵詞（例如女孩、母親和女士），我們收集并分析了2005年至2021年間由四個國家的頂級英語新聞出版物和新聞機構發(fā)布的382139個新聞標題。這四個國家為美國、印度、南非和英國，共有186種出版物（南非24種、印度51種、英國57種和美國54種）。數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

并列式結構：指以“總-分”的方式展開,報道者圍繞某個數(shù)據分析對象,將主要的分析結果一一呈現(xiàn)的報道結構。在這種并列式結構中,報道者首先會簡介數(shù)據分析對象和報道初衷,告知數(shù)據集的基本特征,然后就從多個維度呈現(xiàn)分析結果。在并列式結構中,不同的分析結果之間不存在明顯的時序或者邏輯順序,各板塊之間屬于并列關系。對比式結構：指在報道中以呈現(xiàn)數(shù)據分析對象A和參照對象B的差異為敘述主線展開,從而清晰地展現(xiàn)A的特征的敘事結構。遞進式結構：指報道者敘述的邏輯及其呈現(xiàn)的數(shù)據分析結果呈現(xiàn)邏輯上層層深入的關系，前一個環(huán)節(jié)的敘述是后一個環(huán)節(jié)的前提和基礎,后一個環(huán)節(jié)的敘述是對前一個環(huán)節(jié)內容的深化。

并列式結構對比式結構遞進式結構數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

案例：財新傳媒的《反腐·187張面孔》作品先介紹了報道對象為十八大以來因反腐而落馬的高官,同時說明數(shù)據收集的時限;然后分頁面對收集的187個落馬高官的數(shù)據進行多維度剖析,其中包括干部級別、地域分布、落馬時間、違紀信息表述、罪名、刑期等。這個報道屬于并列式結構,以視覺敘事為主,根據數(shù)據分析,通過并列呈現(xiàn)的多個維度數(shù)據展現(xiàn)了落馬高官的群像。數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

并列式結構也經常出現(xiàn)在交互式作品中，這些交互式作品重在為讀者提供根據他們的興趣個性化的數(shù)據和故事，因而作品以并列式結構來布局，可以滿足不同讀者對數(shù)據展開不同維度探索的意愿，并給他們更多敘事的主導權。案例：澎湃新聞的《沸騰之夏》在開頭就設計了允許用戶探索當前位置或在搜索欄中鍵入其他城市的設計，將近700個城市的70年氣候變化并列分布，用戶可以從其中某個城市的切口進入觀看有關這個城市的氣候變化數(shù)據，生成相應的海報，而不同城市之間的文案則屬于并列關系。數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

對比式結構是運用對比分析的思路展開報道的一種敘事結構，可以分為橫向對比和縱向對比兩種類型。在橫向對比式結構中，參照對象B可以是某一個具體的比較對象，也可以是多個同類的具有一定可比性的比較對象。案例：“布丁”網站作品《分析漫畫書中的34476個女性角色》從ComicVine數(shù)據庫中找到了來自DC和漫威兩大漫畫公司的34476個女性漫畫人物,分析命名規(guī)則、超能力的種類、英雄聯(lián)盟的組成等。在整個報道中,作者一直將女性漫畫角色和男性漫畫角色進行對比分析,由此發(fā)現(xiàn)女性漫畫角色的特征。

數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

多個對象之間的橫向對比式結構，通過不同維度切入對同類對象展開對比分析，從而發(fā)現(xiàn)在各項對比中均表現(xiàn)突出的個體。案例：網易數(shù)讀作品《對社畜最友好的城市，我們找到了》

數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

對比式結構的另一種類型為縱向對比式結構，將數(shù)據分析對象A放在時間的維度上，與歷史數(shù)據進行比較，也可以展現(xiàn)出事物發(fā)展變化的規(guī)律。案例：財新傳媒的作品《大片時長動輒3小時，電影越來越長了嗎？》

數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

在以調查或解釋為目的的數(shù)據新聞中,遞進式結構采用得較為普遍。案例：騰訊新聞谷雨數(shù)據的《3.5億抑郁癥人群背后，她們?yōu)楹纬蔀槌聊母甙l(fā)者》

作品的四個部分在敘事關系上層層深入、由表及里,其位置不能顛倒。這種結構設計恰恰符合讀者由淺入深逐步認知問題的思維特點。數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

案例：《委內瑞拉，走私者的天堂》

作品的五個小標題分別對應“有組織犯罪控制委內瑞拉的黃金開采”“招募的難民攜帶黃金穿越哥倫比亞邊境”“亞馬遜地區(qū)的淘金熱讓原住民土地陷入恐懼”“加勒比黃金自助洗衣店”“委內瑞拉黃金秘密流入國際市場”五個部分，每個部分記錄一段記者調查的路線和在這一區(qū)域的調查發(fā)現(xiàn)，五條調查線連接在一起就構成了完整的黃金走私路線。讀者可以循著這條記者調查走訪的路線逐步深入地了解報道揭示的社會問題。數(shù)據新聞的敘事結構二、數(shù)據新聞的主體

除了思維邏輯上的遞進,有些選題與時間要素相關,也可采用時間維度上的遞進方式來結構報道。案例：《海峽時報》的報道《日本前首相安倍晉三遭槍擊：事情是如何發(fā)生的》

作品第二部分“事件是如何發(fā)生的”以時間線的方式展開，結合各種視覺和報道資源對事件發(fā)生發(fā)展過程做完整還原。數(shù)據新聞的敘事結構三、數(shù)據新聞的結尾

相比開頭部分，數(shù)據新聞的結尾沒有一定的模式，處理方式更加靈活。好的結尾能產生余音繞梁的效果，讓人看完新聞后仍有所感悟和思考，甚至久久難以忘懷，糟糕的結尾則可能狗尾續(xù)貂，畫蛇添足，消減了報道的傳播效果。案例：路透社作品《印度東部火車相撞事故是如何發(fā)生的》

結尾部分采用類似消息寫作的自然式結尾，交代最新進展和新聞背景后戛然而止。

鐵路線在三天內恢復了聯(lián)通，但6月6日的衛(wèi)星圖像和6月4日的無人機鏡頭顯示鐵路線兩側仍有多節(jié)車廂。

事故發(fā)生地點在農村。很少有火車在巴哈納加·巴扎爾車站?？浚@是奧里薩邦巴拉索爾區(qū)一個寂靜的小鄉(xiāng)村車站。

數(shù)據新聞的敘事結構三、數(shù)據新聞的結尾

在傳播意見性信息的數(shù)據新聞作品的結尾處，作者可以直接發(fā)表議論，表明立場和態(tài)度。案例：搜狐四象工作室的《內地演唱會狂吸65億：票價超國外4位數(shù)坐看臺》

對于城市來說，演唱會是一筆穩(wěn)賺不賠的買賣。

如今很多歌迷都會跨城、跨省追演唱會，這成為了拉動當?shù)芈糜问袌龅纳虣C。據報道周杰倫今年的巡演太原站60%的觀眾都來自外地，而呼和浩特站吸引觀眾18.4萬人次，帶動旅游收入28.8億。周杰倫甚至被媒體稱為“行走的GDP”。

在一份份漂亮的成績單背后，是為此買單的歌迷。國內多家主辦方認為今年票價上漲是因為成本上升、不得已為之。不過主辦方不想虧錢有歌迷兜底，歌迷頂著高企的價格、甚至黃牛票，能值回票價的只有演出質量。今年早先的演出中就出現(xiàn)了觀眾投訴買到了“柱子票”，全程視線被遮擋。

歌迷付出了情懷與熱愛，如今忙著漲價的主辦方與歌手們準備好回應觀眾的期待了嗎？數(shù)據新聞的敘事結構三、數(shù)據新聞的結尾

呼應開頭的回環(huán)式結尾，在文案結束處再次回到開頭曾提及的人物、事件或場景中，用適當重復加深讀者印象。案例：復數(shù)實驗室的作品《311個受害案例、4場網暴模擬告訴你，誰該“保你平安”》

（開頭）1月23日，被網暴的粉色頭發(fā)女孩鄭靈華在“積極抗抑”3個月后，選擇了離開。小紅書上，她的記錄停留在“住院Day9”這一篇。鄭靈華不是第一個，也不會是最后一個網絡暴力受害者。（結尾）三月，華師大的櫻花開了，這個把微博背景設置成燦爛櫻花的粉發(fā)女孩，應當會喜歡。在春天來臨前的寒冬里，一片粉色花瓣悄悄地落下了，希望永遠不要有下一片。數(shù)據新聞的敘事結構三、數(shù)據新聞的結尾

用文中出現(xiàn)人物的直接引語來結尾，如果選用得當，能給讀者更強的帶入感，也比作者直接抒情議論顯得更加客觀和克制。案例：《粗暴的正義》結尾部分分別引用了警方發(fā)言人和一位嘗試舉報強奸案的女性的話來結尾，通過反差突出了這篇報道的主題，也比作者直接點評顯得更意味深長。

維多利亞州警方發(fā)言人告訴澳大利亞廣播公司，由于澳大利亞兒童性虐待調查皇家委員會和米兔運動等社區(qū)運動的興起，舉報性犯罪的數(shù)量有所增加。

發(fā)言人表示，維多利亞州警方“做出了巨大努力”鼓勵舉報，即使投訴人不愿意上法庭、不相信投訴可以得到證實或無法識別罪犯，“此類舉報的增加在一定程度上解釋了為什么導致逮捕的投訴較少”。

勞倫在三次嘗試舉報自己的強奸案后放棄了司法系統(tǒng)，她說警方應該少考慮他們的工作量，而更多地考慮幸存者需要付出什么才能坐在他們前面的座位上。

“他們不需要說這對他們來說會很困難。那是他們的工作。這就是他們成為警察的原因，”她說。

“如果太難了，你就不應該從事這份工作。數(shù)據新聞的敘事結構三、數(shù)據新聞的結尾

把作者的總結評價與人物的直接引語相結合，能形成另一種文案風格。案例：騰訊新聞谷雨數(shù)據的《3.5億抑郁癥人群背后，她們?yōu)楹纬蔀槌聊母甙l(fā)者》

傾聽，聊天，運動，看書，裝病，忙起來，參加集體活動從生活的細枝末節(jié)中，幫助母親一點點找回失去的安全感，信任感，以及被需要的滿足感。這不僅僅是一個對抗疾病的過程，更重要的是，許多患病家庭中的兩代人，在這個陡峭的情感動態(tài)變化中，一直找尋著屬于他們的最合適的相處點?！安蝗テ诖?，堅持關懷，不糾結終點。就這樣吧?！睌?shù)據新聞的敘事結構三、數(shù)據新聞的結尾

數(shù)據新聞需要社交化傳播，在作品結尾處增加一些和讀者互動的設計，往往能達到較好的傳播效果。這種交互設計可以是提供數(shù)據集，讓讀者對文中涉及的數(shù)據做個性化的探索?！督?0年來最難的買房時節(jié)到了：看看你居住地區(qū)的住房負擔能力怎樣》結尾的交互設計（來源：CNN）數(shù)據新聞寫作中需注意的事項03數(shù)據新聞寫作中需注意的事項0102保持敘事的聚焦：快速進入主題，確保邏輯主線的連貫性。

030405突出數(shù)據發(fā)現(xiàn)和記憶要點：主動調節(jié)敘事節(jié)奏的手段，適應當下越來越快節(jié)奏的傳播環(huán)境，使數(shù)據新聞更易讀。用細節(jié)使“人”的故事更豐滿：善于從采訪觀察和數(shù)據中尋找“細節(jié)”。注意表達的分寸和尺度：表達需有理有據，保持理性、冷靜和克制，

語言講究平實和嚴謹

。

06明確報道的目的。匹配不同的呈現(xiàn)形式與機構風格。

07規(guī)范參考文獻和引用格式。

學習與思考1.談談你如何理解數(shù)據新聞的視覺敘事、文字敘事和數(shù)據敘事的差異。2.從你熟悉的數(shù)據新聞欄目中分別找出不同敘事結構的作品，并思考作者為什么這樣寫？3.找出不同數(shù)據新聞欄目針對同一話題的報道，分析和比較文案的差別并做出評價。4.完成你在前面幾章學習中推進的數(shù)據新聞項目的文案部分的寫作。謝謝第七講：數(shù)據新聞的設計目錄CONTENTS認識數(shù)據可視化數(shù)據可視化的構成要素行業(yè)PPT模板/hangye/新聞中數(shù)據可視化的常見類型數(shù)據可視化的設計要點認識數(shù)據可視化01認識數(shù)據可視化一、數(shù)據可視化的定義從計算分析的角度定義可視化“可視化是一種計算方法。它將符號轉化為幾何，使研究人員能夠觀察他們的模擬和計算。可視化提供了一種看到看不見的事物的方法。它豐富了科學發(fā)現(xiàn)的過程，并培養(yǎng)了深刻和意想不到的見解。”（McCormickBH.etal.(ed).VisualizationinScientificComputing.ComputerGraphics.1987,21(6).NewYork:ACMSIGGRAPH.

）“可視化是生成數(shù)據的視覺表示的計算過程。”（TominskiC,SchumannH.InteractiveVisualDataAnalysis.NewYork:CRCPress.2019.）從視覺呈現(xiàn)的角度定義可視化“表示所有結構化的信息表現(xiàn)方式,包括圖形、圖表、示意圖、地圖、故事情節(jié)圖以及不是很正式的結構化插圖?！保?/p>

NoahIliinsky.論美//JelieSteele,等.數(shù)據可視化之美.北京:機械工業(yè)出版社,2011:7.

）

“將大量數(shù)據組合構成數(shù)據圖像,同時將數(shù)據的各個屬性值以多維數(shù)據的形式表示,使人們能夠以更直觀的方式從不同的維度觀察數(shù)據及其結構關系,發(fā)現(xiàn)數(shù)據中隱含的信息?！保n衛(wèi)國,王勁峰,王海起,等.基于數(shù)據可視化的交通流量分析.武漢理工大學學報,2004(5).

）認識數(shù)據可視化一、數(shù)據可視化的定義“可視化,在第一個人眼里是圖形圖表和投資回報率;在第二個人眼里卻是插圖、生動的隱喻以及畫廊開幕;在第三個人眼里它只是奇妙的冗余的復合詞:信息圖形?？梢暬?這個術語就像一個抽象的太妃糖一樣需要人們不斷咀嚼、反復品位”。可視化“既是整個馬賽克,也是單個閃閃發(fā)光的鑲嵌物。它不僅僅是圖表,也不僅僅是視覺隱喻;它不僅僅是取代子彈點的可工作的圖形設計,也不僅僅是描繪思想;同樣,它不僅僅是數(shù)據分析。這些都是更大的概念中的一小片”。

（JessicaHagy.帶索引的可視化//JelieSteele,等.數(shù)據可視化之美.北京:機械工業(yè)出版社,2011:337.）

可視化是否只用于分析數(shù)據?還是用于定量認識?抑或是用于喚起情感?什么時候可視化可深深扎根于視覺領域成為一門藝術呢?回答者的身份不同,答案也不盡相同。（邱南森.數(shù)據之美:一本書學會可視化設計.北京:中國人民大學出版社,2014:44.

）“現(xiàn)在可視化已不僅僅是一種工具,它更多的是一種媒介:探索、展示和表達數(shù)據含義的一種方法?！薄翱梢暬且环N應用廣泛的媒介,在某一范圍內有不同類型的可視化,但它們并沒有明確清晰的界限(也沒有必要)?！梢暬髌芳瓤梢允撬囆g的,同時又是真實的?！保ㄇ衲仙?數(shù)據之美:一本書學會可視化設計.北京:中國人民大學出版社,2014:44,76.）認識數(shù)據可視化一、數(shù)據可視化的定義數(shù)據可視化是一種訴諸視覺傳播的探索、展示和表達數(shù)據含義的方法?？梢暬翘剿骱屠斫獯笮蛿?shù)據集的有效途徑。人類對圖形的理解能力很強,將數(shù)據置于視覺空間,可以激發(fā)大腦去發(fā)現(xiàn)和探索更深刻的意義和內涵，帶給人們意料之外的見解。在統(tǒng)計學中,統(tǒng)計圖形的應用已經廣泛地證明了這一觀點。數(shù)據以可視化方式呈現(xiàn)不僅僅可服務于研究,更有助于讀者理解,圍繞新聞故事設計的可視化帶有很強的娛樂和藝術因素,能使信息的傳遞更加高效?？梢暬皇抢浔墓ぞ?視覺傳達已經超出了工具的范疇發(fā)展為傳達理念的媒介。通過各種可視化組件的設計,媒體不僅能讓讀者看懂新聞故事,還能在其中傳達情感和理念、表達媒體的觀點。

認識數(shù)據可視化可視化與信息圖的區(qū)別信息圖是一種將數(shù)據與設計結合起來的圖,有利于個人或組織直觀有效地向用戶傳播信息?？梢暬托畔D之間并非涇渭分明,從廣義的可視化概念入手,信息圖是隸屬于可視化范疇的，且是可視化發(fā)展早期產生的一種主要形態(tài)?？梢暬⒉痪窒抻趫D形,可視化的外延更廣。并且，人們正在借助不同的手段與方法拓展可視化的方式,這使可視化的未來呈現(xiàn)出更大的可能性,而不僅僅是信息圖。

如果將可視化的定義限制在數(shù)據可視化的范疇,信息圖和數(shù)據可視化之間的差異就在于它們聚焦的對象不同。信息圖處理的對象是“信息”,它不需要對數(shù)據進行結構化和分析;而數(shù)據可視化處理的對象是“數(shù)據”,其即可作為一種對數(shù)據展開分析的手段，也可對數(shù)據進行分析后呈現(xiàn)主要的數(shù)據發(fā)現(xiàn)?！靶畔D”是根據人的理解邏輯將信息傳播給受眾，目的在于傳播，而非探索，但可視化具有探索、洞察、證明和發(fā)現(xiàn)的功能,所以兩者也存在一定的差別。認識數(shù)據可視化二、數(shù)據可視化的由來16世紀,伴隨著人類觀察和測量技術、工具的進步,人們開始嘗試用圖像、表格來記錄信息,這成為早期可視化的雛形。

19世紀是現(xiàn)代數(shù)據圖表技術突飛猛進的時代,在這個時期,統(tǒng)計圖表中所有展示數(shù)據的形式——條狀圖、餅圖、直方圖、折線圖、時間序列圖和等值線圖等都已出現(xiàn),且被廣泛用于經濟、社會、醫(yī)學、物理學等諸多領域。

20世紀下半期的60-80年代，“數(shù)據可視化”概念真正興起并逐步發(fā)展為一門學科。在法國,制圖師和圖形理論家雅克·貝爾廷(JacqueBertin)于1967年出版了具有里程碑意義的《圖形符號學》(Semiologie

Graphique)一書。書中提及根據數(shù)據的聯(lián)系和特征,來組織圖形的視覺元素,為數(shù)據可視化提供了理論基礎。

認識數(shù)據可視化二、數(shù)據可視化的由來美國的約翰·托奇（JohnW.Tukey）開創(chuàng)了統(tǒng)計學新的分支——探索性數(shù)據分析(EDA),并在一篇名為《數(shù)據分析的未來》(TheFutureofDataAnalysis)的論文中號召將數(shù)據分析視為統(tǒng)計的一個分支,與高度抽象化的數(shù)理統(tǒng)計學區(qū)別開來。隨后,他投身于發(fā)展新的、簡單有效的統(tǒng)計圖形分析中,創(chuàng)造了莖葉圖、箱線圖,并于1977年出版了《探索性數(shù)據分析》（ExploratoryDataAnalysis）一書，重新喚起了統(tǒng)計學界對數(shù)據圖形分析的興趣。1983年，耶魯大學的統(tǒng)計學教授愛德華·塔夫特（EdwardR.Tufte）發(fā)表了著作《定量信息的可視化呈現(xiàn)》（TheVisualDisplayofQuantitativeInformation），進一步豐富了數(shù)據可視化的理論體系。

與此同時,計算機科學的快速發(fā)展推動了計算機圖形學的產生,專門的統(tǒng)計計算和圖形軟件工具問世,適合圖形的輸入和顯示技術逐步成熟。認識數(shù)據可視化案例：約翰·斯諾的倫敦霍亂地圖約翰·斯諾醫(yī)生是現(xiàn)代流行病學的奠基人之一。他對1854年倫敦西部西敏市蘇活區(qū)霍亂爆發(fā)的研究被認為是流行病學研究的先驅,而這個研究也是歷史上一個數(shù)據可視化的經典案例。數(shù)據可視化的構成要素02數(shù)據可視化的構成要素一、可視化的靜態(tài)視覺變量最早提出可視化視覺元素概念的是法國的雅克·貝爾廷，在其著作《圖形符號學》中,貝爾廷總結出一套圖形符號的變化規(guī)律,提出了“視覺變量”(visualvariables)的概念,用來指那些能引起視覺差別的圖形和色彩變化的因素：位置、尺寸、形狀、亮度、色彩、方向、紋理等。1984年,克利夫蘭(Cleveland)和麥吉爾(McGill)通過實驗計算對定量的視覺變量進行準確度的排序。他們認為,位置和長度的視覺變量相對準確度更高,而角度、斜度次之,面積和體積更次,排在最后的是色彩和密度。（Cleveland,WS,McGillR.GraphicalPerception:Theory,Experimentation,andApplicationtotheDevelopmentofGraphicalMethods.JournaloftheAmericanStatisticalAssociation,1984,79(387),531–554.DOI:10.2307/2288400.

）1986年,麥金利(JockMackinlay)指出克利夫蘭和麥吉爾的上述排序只考慮到定量的視覺變量,遺漏了貝爾廷所說的“紋理”。他將數(shù)據分為定量型(quantitative)、定序型(ordinal)和類別型(nominal)三類,在此基礎上進行各類別視覺變量的排序。數(shù)據可視化的構成要素一、可視化的靜態(tài)視覺變量麥金利的視覺變量排序圖

注:圖中標注深灰色模塊的視覺變量屬于與該類型數(shù)據不相關的視覺變量。資料來源:

MackinlayJ.AutomatingtheDesignofGraphicalPresentationsofRelationalInformation.ACMTransactiononGraphics,1986