Scheda programma d'esame
DATA JOURNALISM
ANDREA MARCHETTI
Anno accademico2022/23
CdSINFORMATICA UMANISTICA
Codice686AA
CFU6
PeriodoSecondo semestre
LinguaItaliano

ModuliSettore/iTipoOreDocente/i
DATA JOURNALISMINF/01LEZIONI42
ANGELICA LO DUCA unimap
ANDREA MARCHETTI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Obiettivo del corso è quello di preparare gli studenti alla realizzazione di un caso di giornalismo basato sui dati. Durante il corso saranno presentati esempi recenti di data journalism e spiegate le tecniche informatiche per raccogliere, pulire, esplorare, analizzare, visualizzare e comunicare i dati. Infine saranno descritte tecniche per la redazione di storie basate su numeri.

Knowledge

The aim of the course is to prepare students for the realization of a case of journalism based on data. During the course they will be introduced to recent examples of data journalism and computer techniques to collect, clean, analyze and display data sources.

Finally, techniques for drafting stories based on numbers will be described

Modalità di verifica delle conoscenze

Realizzazione di un articolo di data journalism da pubblicare su un quotidiano nazionale svolto possibilmente in gruppo.

Assessment criteria of knowledge

Creation of a data journalism article to be published in a national newspaper.

Capacità
  1. Raccolta dati da web, da social web, da open data
  2. Pulizia dei dati e loro integrazione
  3. Analisi dei dati
  4. Visualizzazione dei dati
  5. Redazione di storie basate su numeri
  6. Composizione di una storia di data journalism
Modalità di verifica delle capacità

Le cacapcità saranno verificate con incontri ciclici e nella discussione finale del progetto.

Prerequisiti (conoscenze iniziali)

Basi di dati e progettazione web

Prerequisites

Databases and web design

Indicazioni metodologiche

Saranno fornite le indicazioni per un insieme di tool da installare sul proprio portatile 

 

Data Collection:

Python + jupyter + librerie specifiche

Data Cleaning:

Open Refine + Python + pandas

Data Exploration:

Tableau

Data Analysis:

Python + jupyter + scikit-learn

Data Visualization:

jupyter + D3.js

Story Packaging:

XAMPP (opzionale), HTML + js

Programma (contenuti dell'insegnamento)

Introduzione al data journalism e allo story telling

    1. Che cosa è
    2. Un po’ di storia
    3. Come cambia il giornalismo: il problema strategico: disciplina che si avvicina alla ricerca
    4. Esempi

Casi di studio di data journalism e story telling

    1. Salute: Mortality Causes, Avvelenamento acque, Inquinamento discariche, ...
    2. Scuola: Dispersione scolastica, Educazione informale tra i millenials

Progettare un caso di data journalism

    1. Mettersi dal punta di vista dei lettori
    2. Ciclo dinamico - Ipotesi, verifica

Raccogliere i dati

    1. Rights
    2. Autenticità dei dati
    3. Raccogliere dati da web: web api, scraping
    4. Open Government Data
      1. Richiesta di trasparenza dal giornalismo
    5. Open Tools

Analizzare i dati

    1. Cleaning the data
    2. Data Linking, Data Fusion
    3. NLP
    4. Network Analysis
    5. Visual Analytics
    6. Open Tools: Google Refine, Tableau

Visualizzare i dati

    1. Concetti di Information visualization
    2. D3, HighCharts, GoogleMaps
    3. Open tools: Google Fusion, Visual Investigative Scenarios

Confezionare una storia

    1. Investigative Journalism: attacco, problematizzazione, percorso, conclusione
    2. Come riportare una storia
      1. Web App
      2. Web Reportage (Long Form Journalism)
    3. Open Tools: (ex Creatavist)
Syllabus

Introduction to data journalism and story telling

  1. What is it
  2. A bit of history
  3. How journalism changes: the strategic problem: a discipline that approaches research
  4. Examples

Case studies on data journalism and story telling

  1. Health: Mortality Causes, Water Poisoning, Landfill Pollution,
  2. School: School dropout, informal education among the millenials
  3. Design a case of data journalism
  4. Understanding the readers' point of view
  5. Dynamic cycle - hypothesis, verification

Data collection

  1. Rights
  2. Authenticity of data
  3. Collect data from the web: web api, scraping
  4. Open Government Data
  5. Request for transparency from journalism
  6. Open Tools

Analyze the data

  1. Cleaning the data
  2. Data Linking, Data Fusion
  3. NLP
  4. Network Analysis
  5. Visual Analytics
  6. Open Tools: Google Refine, Tableau

Data Visualization

  1. Concepts of Information visualization
  2. D3, HighCharts, GoogleMaps
  3. Open tools: Google Fusion,Visual Investigative Scenarios

Pack a story

  1. Investigative Journalism: attack, problematization, path, conclusion
  2. How to report a story
  3. Web App
  4. Web Reportage (Long Form Journalism)
  5. Open Tools: (ex Creatavist)
Bibliografia e materiale didattico

The Data Journalism Handbook 2  - Jonathan Gray, Liliana Bounegru
Storytelling with Data: A Data Visualization Guide for Business Professionals - Cole Nussbaumer Knaflic
The Functional Art: An Introduction to Information Graphics and Visualization - Alberto Cairo
The Truthful Art: data charts and maps for communication - Alerto Cairo

Bibliography

The Data Journalism Handbook  - Jonathan Gray, Liliana Bounegru, Lucy Chambers
Storytelling with Data: A Data Visualization Guide for Business Professionals - Cole Nussbaumer Knaflic
The Functional Art: An Introduction to Information Graphics and Visualization - Alberto Cairo
The Truthful Art - Alerto Cairo

Indicazioni per non frequentanti

Ogni lezione viene trasmessa in streaming, registrata e pubblicata sulla pagina web del corso insieme ai lucidi

Modalità d'esame

Realizzazione di un progetto di data journalism su web in gruppo

Note

Le lezioni dell’anno accademico 2022-2023 si svolgono in presenza, ma sarà garantita la possibilità di seguirle a distanza tramite streaming e con relativa registrazione

Ultimo aggiornamento 13/09/2022 16:28