データジャーナリズム

データ ジャーナリズムまたはデータ駆動型ジャーナリズム( DDJ ) は、ニュース記事の作成や向上を目的として、大規模なデータ セットのフィルタリングと分析に基づいた ジャーナリズムです。

データジャーナリズムは、デジタル時代の情報の生成と配信における数値データの役割の増大を反映しています。データ視覚化、コンピュータサイエンス、統計などの他の分野とジャーナリズムを融合し、「異なる分野から引き出された重複する能力のセット」です。^[1]

データジャーナリズムは、いくつかの概念を統合し、ジャーナリズムに結び付けるために広く利用されてきた。これを、ジャーナリズムのプロセスにおける新しいテクノロジーのより単純な使用からより複雑な使用へと導くレベルまたは段階と見なす人もいる。^[2]

データ駆動型ジャーナリズムの多くは、オープンソースソフトウェア、オープンアクセス出版、オープンデータなどの新たに利用可能になったリソースから始まり、その他は公的記録の要求や漏洩した資料から生まれます。ジャーナリズムに対するこのアプローチは、古い慣行、特に米国で数十年にわたって主に使用されてきたラベルであるコンピュータ支援報道（CAR）に基づいています。部分的に同様のアプローチに対する他のラベルには、「プレシジョンジャーナリズム」があります。これは、1972年に出版されたフィリップ・マイヤーの書籍に基づいています^[3]。この本でマイヤーは、ストーリーの調査に社会科学の手法を使用することを提唱しました。データ駆動型ジャーナリズムは、より幅広いアプローチを採用しています。このプロセスの中核は、オンラインで無料で入手でき、オープンソースツールで分析されるオープンデータの可用性の向上に基づいています^[4]。データ駆動型ジャーナリズムは、一般の人々または特定のグループや個人がパターンを理解し、調査結果に基づいて決定を下せるように支援することで、公共に対するサービスの新たなレベルに到達することを目指しています。このように、データ駆動型ジャーナリズムは、ジャーナリストを新しい方法で社会に関連する役割に就かせるのに役立つ可能性があります。

データに基づいてストーリーを伝えることが主な目的です。データから得られた知見は、あらゆる形式のジャーナリズム ライティングに変換できます。視覚化を使用すると、複雑な状況を明確に理解できます。さらに、ストーリーテリングの要素を使用して、開発の影響を受ける人の視点から、知見が実際に何を意味するのかを説明することができます。データとストーリーのこのつながりは、関連性はあるもののあまり理解されていない開発と、検証可能で信頼性が高く、関連性があり、覚えやすいストーリーとの間のギャップを埋めようとする「新しい弧」と見なすことができます。

ヴェグリスとブラツァスはデータジャーナリズムを「データから有用な情報を抽出し、その情報に基づいて記事を書き、記事に視覚化（場合によっては相互作用）を埋め込むことで、読者がストーリーの重要性を理解したり、関連するデータを特定したりするプロセス」と定義しました^[5]

アントノプロスとカリョタキスは、データ ジャーナリズムの実践を「統計の使用と調査によって報道とニュース執筆を強化し、ニュース記事へのより深い洞察を提供し、関連データを強調する方法」と定義しています。デジタル時代のジャーナリズムの 1 つの傾向は、表、グラフ、地図、インフォグラフィック、マイクロサイト、ビジュアル ワールドなどのデータ視覚化ツールを使用したインタラクティブなオンライン コンテンツを介して一般の人々に情報を発信することです。このようなデータ セットを詳細に調査すると、タイムリーな関心のあるトピックに関するより具体的な結果と観察につながる可能性があります。さらに、データ ジャーナリズムは、ニュース報道では優先事項ではなかったと思われる隠れた問題を明らかにする可能性があります」。^[6]

建築家でマルチメディアジャーナリストのミルコ・ロレンツによると、データ駆動型ジャーナリズムは、主に以下の要素で構成されるワークフローです。データをスクレイピング、クレンジング、構造化して深く掘り下げ、特定の情報をマイニングしてフィルタリングし、視覚化してストーリーを作成します。^[7]このプロセスは、個人の関心やより広い大衆に応える結果を提供するために拡張することができます。

データジャーナリズムのトレーナー兼ライターのポール・ブラッドショーは、データ駆動型ジャーナリズムのプロセスを同様の方法で説明しています。データを見つける必要があり、これにはMySQLやPythonなどの専門的なスキルが必要になる場合があります。次に、専門用語や統計の理解が必要となるデータを調べ、最後にオープンソースツールの助けを借りて視覚化およびマッシュアップする必要があります。^[8]

より結果重視の定義は、データ記者でウェブ戦略家のヘンク・ファン・エス（2012）によるものです。^[9]「データ駆動型ジャーナリズムにより、記者は、オープンツールの有無にかかわらず、大量のデータ（任意の形式）を検索、処理、提示するワークフローを通じて、語られていないストーリーを伝えたり、新しい角度を見つけたり、ストーリーを完成させたりすることができます。」ファン・エスは、データ駆動型ワークフローの一部は、問題の説明ではなく問題の表示に重点が置かれているため、「優れたストーリーテリングの法則に沿わない」製品を生み出すと主張しています。「優れたデータ駆動型制作にはさまざまなレイヤーがあります。関連する部分にドリルダウンすることで、自分にとってのみ重要なパーソナライズされたものを見つけることができますが、ズームアウトして全体像を把握することもできます。」

^{2013年、ヴァン・エスは[10]}で、視覚化そのものを含まないより短い定義を提示しました。「データジャーナリズムは、関連するストーリーが可能になる前にツールで処理する必要があるあらゆるデータに基づくことができます。視覚化そのものは含まれません。」

しかし、データジャーナリズムを定義する上での問題の1つは、多くの定義が十分に明確ではなく、情報の最適化、分析、視覚化の計算方法の説明に焦点を当てていることです。^[11]

「データジャーナリズム」という用語は、1960年代半ばから政治評論家のベン・ワッテンバーグが、アメリカが黄金時代に入ったという理論を裏付けるために統計と物語を重ねた研究を通じて作り出したものである。^{[12] [13]}

ジャーナリズムにコンピュータが使われた最も古い例の一つは、1952年にCBSがメインフレームコンピュータを使って大統領選挙の結果を予測しようとした試みに遡りますが、データ分析にコンピュータを使うことが広く採用され始めたのは1967年になってからでした。^[14]

当時デトロイト フリー プレスに勤務していたフィリップ マイヤーは、メインフレームを使用して、市内に広がる暴動に関する報道を改善しました。ジャーナリズムにおけるデータ分析の新しい前例となったマイヤーは、ドナルド バーレットとジェームズ スティールと協力し、1970 年代のフィラデルフィアにおける有罪判決のパターンを調査しました。マイヤーは後に「Precision Journalism」というタイトルの本を執筆し、データ分析をジャーナリズムに組み込むこれらの手法の使用を提唱しました。

1980年代の終わりごろ、コンピュータ支援報道の分野を正式に組織化するのに役立つ重要な出来事が起こり始めました。アトランタ・ジャーナル・コンスティテューション紙の調査報道記者ビル・デッドマンは、1988年に連載した記事「The Color of Money」で1989年にピューリッツァー賞を受賞しました。これは、CAR技術を使用して、中所得層の黒人居住地区における銀行やその他の住宅ローン貸し手による人種差別を分析したものです。^[15]国立コンピュータ支援報道研究所（NICAR）^[16]は、ミズーリ大学ジャーナリズム学部で調査報道記者編集者協会（IRE）と共同で設立されました。CARに特化した最初の会議は、NICARがインディアナ大学のジェームズ・ブラウンと共同で企画し、1990年に開催されました。NICAR会議はそれ以来毎年開催されており、現在ではデータジャーナリストの最大の集まりとなっています。

データジャーナリズムは、コンピュータ支援報道の専門家によって何十年も非公式に使用されてきましたが、大手報道機関による最初の使用記録は、2009年3月にデータブログを開始したガーディアン紙^{です。 [17]}また、この用語の起源については議論がありますが、 2010年7月にウィキリークスのアフガニスタン戦争文書が漏洩して以来、広く使用されています。 ^[18]

ガーディアン紙の戦争記録の報道では、データジャーナリズムのもう一つの一般的な側面であるGoogle Fusion Tablesなどの無料のデータ視覚化ツールが活用されました。ガーディアン紙のデータブログ編集者サイモン・ロジャーズによる「Facts are Sacred ^」[19]では、データジャーナリズムを次のように説明しています。

「コメントは自由だ」とガーディアン紙の編集者C.P.スコットは1921年に書いた。「だが、事実は神聖だ」。それから90年経った今、そうした神聖事実を公表すること自体が、新しいタイプのジャーナリズム、つまりデータジャーナリズムとなった。そして、急速に体制の一部になりつつある。

調査データジャーナリズムは、データジャーナリズムの分野と調査報道を組み合わせたものです。調査データジャーナリズムの例としては、大量のテキストデータや金融データの調査が挙げられます。調査データジャーナリズムは、大規模なデータセットを処理するビッグデータ分析の分野にも関連しています。 ^[20]

この概念が導入されて以来、多くのメディア企業がニュースルームの視覚化を開発する「データチーム」を創設した。最も有名なのは、ロイター^[21] 、プロパブリカ^[22]、ラ・ナシオン（アルゼンチン）^[23]などのチームである。ヨーロッパでは、ガーディアン^[24]とベルリン・モルゲンポスト^[25]が非常に生産性の高いチームを擁しており、公共放送局も同様である。

国会議員経費スキャンダル（2009年）や2013年の「オフショア漏洩」の公開などのプロジェクトが示すように、データ主導のジャーナリズムは、時には「あまりオープンではない」、つまり秘密データを扱う調査の役割を担うことができます。

毎年開催されるデータジャーナリズム賞^{[26]は、データジャーナリズムの分野における優れた報道を表彰する}賞であり、近年では、2018年の国際報道部門のピューリッツァー賞^[27]や2017年の公共サービス部門のピューリッツァー賞[28]など、データに基づいたストーリーテリングに数多くのピューリッツァー賞が授与されてい^ます。

多くの学者がデータジャーナリズムプロジェクトのさまざまな分類法を提案しています。メガン・ナイトは、データジャーナリズムプロジェクトを作成するために必要な解釈と分​​析のレベルに基づいた分類法を提案しました。具体的には、この分類法には、数字の引用、静的マップ、リストとタイムライン、表、グラフとチャート、動的マップ、テキスト分析、インフォグラフィックが含まれています。^[29]

サイモン・ロジャースは、データジャーナリズムのプロジェクトとして、事実のみを伝える、データベースのニュース記事、ローカルデータによるストーリー、分析と背景、そして深掘り調査の5つのタイプを提案した。^[30]マーサ・カンは、時間経過による変化を語る、大きく始めてドリルダウンする、小さく始めてズームアウトする、対比を強調する、交差点を探る、要因を分析する、そして外れ値をプロファイルする、という7つのタイプのデータストーリーについて論じた。^[31]

ヴェグリスとブラツァスは、情報を聴衆に提示する方法に基づいた別の分類法を提案した。彼らの分類法は階層構造を持ち、以下のタイプが含まれていた。数字だけのデータジャーナリズム記事、表付きの記事、視覚化（インタラクティブと非インタラクティブ）付きの記事。また、インタラクティブな視覚化を伴う記事の場合、彼らは伝達型、協議型、会話型の3つの異なるタイプを提案した。^[32]

多くの調査では、見つかったデータに欠落があったり、誤解を招く可能性があります。データ駆動型ジャーナリズムの 1 つのレイヤーとして、データ品質の批判的な調査が重要です。他のケースでは、データが公開されていなかったり、さらに分析するには適切な形式ではなかったりする (たとえば、PDFでのみ利用可能) ことがあります。この場合、データ駆動型ジャーナリズムのプロセスは、データ品質に関するストーリーや、機関によるデータ提供の拒否に変わる可能性があります。全体としてこの実践は開発の初期段階にあるため、データ ソース、データ セット、データ品質、データ形式の調査は、この作業の同様に重要な部分です。

事実と出来事の要因をより深く調べるという観点から、メディア戦略の変更が提案されています。この考え方では、「注目から信頼へ」という考え方です。メディアビジネスモデルの柱となってきた注目の創出は、新しい出来事の報告が従来のメディアチャネルよりもTwitterなどの新しいプラットフォームを介してより速く配信されることが多いため、重要性を失っています。一方、信頼は希少なリソースとして理解できます。Webを介して情報を配信することははるかに簡単で迅速ですが、提供されるものが多すぎると、ストーリーの内容を検証およびチェックするためのコストが発生し、機会が生まれます。メディア企業を信頼できるデータハブに変えるという考え方については、2011年2月にOwni.eu ^[33]とNieman Lab ^{[34]で共同出版された記事で説明されています。}

生のデータをストーリーに変換するプロセスは、洗練と変換に似ています。主な目標は、受信者が行動できる情報を抽出することです。データ ジャーナリストの任務は、隠されたものを抽出することです。このアプローチは、金融、健康、環境、その他の公共の関心分野など、ほぼすべてのコンテキストに適用できます。

2011 年、ポール・ブラッドショーは「データ ジャーナリズムの逆ピラミッド」と呼ばれるモデルを発表しました。

これを達成するには、プロセスをいくつかのステップに分割する必要があります。結果に至るステップはそれぞれ異なりますが、次の 6 つのフェーズに着目すると基本的な区別ができます。

1. 検索: ウェブ上のデータを検索する
2. クリーン: データをフィルタリングおよび変換し、視覚化の準備を行うプロセス
3. 視覚化: パターンを静的またはアニメーションのビジュアルとして表示する
4. 公開: ビジュアルを統合し、ストーリーにデータを添付する
5. 配布: ウェブ、タブレット、モバイルなどのさまざまなデバイスでのアクセスを可能にする
6. 測定: 時間の経過とさまざまな用途にわたってデータ ストーリーの使用状況を追跡します。

データは、 data.gov、data.gov.uk、World Bank Data API ^[35]などの政府データベースから直接取得できるほか、政府機関に情報公開請求を行うことによっても取得できる。一部の請求は、英国のWhat Do They Knowなどのウェブサイトで行われ、集約されている。世界的にデータ公開の傾向があるが、その情報が使用可能な形式でどの程度自由に利用できるかについては国によって差がある。データがウェブページにある場合は、スクレイパーを使用してスプレッドシートを生成する。スクレイパーの例としては、WebScraper、Import.io、QuickCode、OutWit Hub、Needlebase（2012年に廃止^[36]）などがある。その他の場合には、OCRソフトウェアを使用してPDFからデータを取得できる。

2012年3月にハンブルクで開催されたデータジャーナリズム会議でヘンク・ファン・エッス氏が示したように、クラウドソーシングを通じて一般の人々によってデータが作成されることも可能です。^[37]

通常、データは視覚化しやすい形式ではありません。例としては、データポイントが多すぎる場合や、行と列を異なる方法で並べ替える必要がある場合などが挙げられます。もう1つの問題は、調査後、多くのデータセットをクリーンアップ、構造化、変換する必要があることです。OpenRefine （オープンソース）、Data Wrangler、Google Spreadsheets ^[38]などのさまざまなツールを使用すると、データのアップロード、抽出、フォーマットが可能です。

データをグラフやチャートの形で視覚化するには、Many EyesやTableau Publicなどのアプリケーションが利用できます。Yahoo ! PipesやOpen Heat Map ^[39]は、データスプレッドシートに基づいてマップを作成できるツールの例です。オプションとプラットフォームの数は増えています。新しいサービスの中には、データの検索、表示、埋め込みのオプションを提供するものもあり、その一例としてTimetricがあります。^[40]

意味のある関連性のある視覚化を作成するために、ジャーナリストが使用するツールはますます増えています。現在までに、何を探すべきか、どのように行うべきかについての説明がいくつかあります。最も注目すべき公開記事は次のとおりです。

• ジョエル・ガンター：「#ijf11: ニューヨーク・タイムズから学ぶデータジャーナリズムの教訓」^[41]
• スティーブ・マイヤーズ：「データ視覚化をレポートツールとして使うことでストーリーの形を明らかにすることができる」サラ・コーエンによるチュートリアルへのリンクを含む^[42]

2011年現在、キャンバスタグを使用するHTML 5ライブラリの使用が普及しつつあります。データをグラフ化できるライブラリは数多くあり、その形式も多様化しています。一例としてRGraphが挙げられます。^[43] 2011年現在、データを視覚化できるJavaScriptライブラリは増え続けています。^[44]

データと視覚化を公開するには、さまざまなオプションがあります。基本的なアプローチは、Web ビデオを埋め込むのと同様に、データを単一のストーリーに添付することです。より高度なコンセプトでは、単一のドシエを作成できます。たとえば、1 ページに複数の視覚化、記事、データへのリンクを表示できます。多くのコンテンツ管理システムは、公開日に基づいて単一の投稿を表示するように設計されているため、このような特別な機能は、個別にコーディングする必要があります。

既存のデータへのアクセスを提供することは、重要性が増しているもう 1 つの段階です。サイトを「マーケットプレイス」(商用または非商用) と考えてください。そこでは、データセットを他の人が簡単に見つけることができます。特に、記事の洞察がオープン データから得られた場合、ジャーナリストは、他の人が調査できるように、使用したデータへのリンクを提供する必要があります (別の調査サイクルが開始され、新しい洞察につながる可能性があります)。

データへのアクセスを提供し、グループがどのような情報を抽出できるかを議論できるようにすることが、Buzzdata ^[45]の背後にある主なアイデアです。Buzzdataは、共有やフォローなどのソーシャルメディアの概念を使用して、データ調査のためのコミュニティを作成するサイトです。

その他のプラットフォーム（データの収集と配布の両方に使用可能）：

• ヘルプ・ミー・インベスティゲイト（ポール・ブラッドショー作）^[46]
• タイムメトリック^[47]
• スクレイパーウィキ^[48]

プロセスの最後のステップは、データセットまたは視覚化がどのくらいの頻度で表示されるかを測定することです。

データ駆動型ジャーナリズムの文脈では、ユーザーデータやマーケティング目的、またはユーザーの制御を超えたその他の用途に使用できるその他の情報の収集など、そのような追跡の範囲は問題視されるべきです。^{[誰が？ ]}使用状況を測定するための新しい非侵入型のオプションの1つは、PixelPingと呼ばれる軽量トラッカーです。このトラッカーは、ProPublicaとDocumentCloudによるプロジェクトの結果です。^[49]データを収集するための対応するサービスがあります。ソフトウェアはオープンソースであり、GitHubからダウンロードできます。^[50]

データ駆動型ジャーナリズムの応用例は増え続けています。この分野の先駆的なメディア企業の一つであるガーディアン（「ガーディアンにおけるデータジャーナリズム：それは何であり、どのように行うのか？」[ ^51]を参照）は、データストーリーの広範なリストをまとめています。「私たちのデータジャーナリズムのすべてを1つのスプレッドシートに」^{[52]を参照。}

データ駆動型ジャーナリズムの他の顕著な使用法は、内部告発組織ウィキリークスによるアフガニスタン戦争日記の公開に関連している。これは、2004年から2010年までのアフガニスタン戦争に関する91,000件の秘密軍事報告書の集大成である。^[53]世界的な大手新聞3社、すなわちガーディアン、ニューヨークタイムズ、デアシュピーゲルは、この文書に長いセクションを割いた。 ^{[54] [55] [56]}ガーディアンの報道には、16,000件のIED攻撃の種類、場所、犠牲者を示すインタラクティブマップが含まれていた。^[57] ニューヨークタイムズは、下線付きの文字にマウスを合わせると軍事用語の説明が表示されるレポートのセレクションを掲載した。^[58]一方、デアシュピーゲルは、反乱軍の爆弾攻撃に関連する死者数などのトピックについて、ハイブリッドな視覚化（グラフと地図の両方を含む）を提供した。^[59]イラク戦争の記録公開にあたり、ガーディアン紙はグーグルフュージョンテーブルを使って、死者が出た事件のインタラクティブマップを作成した。^[60]この手法は2011年のイギリス暴動でも再び使用された。 ^[61]

• 自動化されたジャーナリズム
• データベースジャーナリズム
• 計算ジャーナリズム
• オープンサイエンスデータ
• オープンソース
• オープンな知識
• 情報公開法
• 情報の視覚化

• Hahn, Oliver; Stalph, Florian (2018).デジタル調査報道：国際報道におけるデータ、ビジュアル分析、革新的な方法論（第1版）。シャム、スイス：Palgrave Macmillan。ISBN 9783319972824. OCLC  1050782792.

• 国立コンピュータ支援報告研究所のウェブサイト
• DataJournalism.comでは、読んだり、見たり、議論したりしてデータジャーナリズムを学ぶことができます。
• 世界中のデータジャーナリズムの大学コースとプログラムのリスト
• データ ジャーナリズム ハンドブック: 重要なデータ実践に向けて - 世界中のデータ ジャーナリズムに関するオープン アクセス ハンドブック
• awesome-data-journalism - 「データ ジャーナリズムの学習と実践に役立つ、公開されている無料/オープン ソースおよびオープン アクセス リソースの厳選リスト」