Deník datového žurnalisty – sběr dat

Po první hodině datové žurnalistiky jsme měli za úkol vytvořit seznam co největšího počtu sladkých nápojů a zjistit jejich kalorické hodnoty. Zatímco spolužáci se většinou snažili získat data online cestou, já jsem si vzala k srdci radu, že pro datového žurnalistu je nejdůležitější propiska a zápisník, a vydala jsem se do nejbližšího supermarketu.

Sice jsem mezi regály strávila asi nejdelší čas, co jsem kdy v supermarketu pobyla, ale dat jsem získala hodně. Záměrně jsem vybírala nejrůznější druhy sladkých nápojů – od vod s příchutí až po džusy a limonády.

Vznikla mi následující tabulka:

	kalorie na 100 ml	kalorie na 0,5l	chůze
Pfanner 100%	53	265	2,0
Granini	50	250	1,9
Mirinda	48	240	1,8
Cappy orange	46	230	1,7
Relax	45	225	1,7
Pfanner nektar	43	215	1,6
Coca Cola	42	210	1,6
7up	42	210	1,6
Pepsi	41	205	1,6
Hello nektar	40	200	1,5
Fanta	37	185	1,4
Bonny tea	33	165	1,3
Rio se sníženým obsahem cukru	32,5	162,5	1,2
Kofola	32	160	1,2
Top drink Aloe vera	31	155	1,2
Schwapes	30	150	1,1
Lipton ice tea	30	150	1,1
Sun Gold ice tea	29,3	146,5	1,1
Sprite	29	145	1,1
Aquila team čaj	28,5	142,5	1,1
Cappy ice fruit	28	140	1,1
Aquila tea	27,8	139	1,1
Pfanner Ice tea	27	135	1,0
K classic light nektar	25	125	0,9
K classic puralis	25	125	0,9
Jupík	24	120	0,9
Nestea	19	95	0,7
Rauch Nativa	18,8	94	0,7
Bon Aqua	17	85	0,6
Magnesia	16,5	82,5	0,6
Top topic	16	80	0,6
Jupí	16	80	0,6
Rajec	16	80	0,6
Hanácká kyselka	12,8	64	0,5
Ondrášovka	10	50	0,4
Kofola bez cukru	0,3	1,5	0,0
Poděbradka mineral drink	0,3	1,5	0,0
Toma natura neslazená	0,25	1,25	0,0
Coca Cola light	0,2	1	0,0
Coca Cola zero	0,2	1	0,0
Toma natura plus	0,2	1	0,0
Poděbradka Pro Linie	0,1	0,5	0,0

Kalorická hodnota je na obalech uváděna na 100ml. Do tabulky jsem zpočátku uvedla i podíl cukrů, protože jsem původně chtěla porovnávat množství cukrů u různých výrobců džusů či ledových čajů. Nakonec jsem však s touto hodnotou už dále nepracovala. Naopak jsem si zjistila, kolik kalorií člověk spálí při chůzi, a spočítala jsem si čas, za který kalorickou hodnotu daného nápoje spálí (žena o váze 55 kg).

Povídání o hafíkovi s micinkou

To bylo kdysi, když hafík a micinka spolu hospodařili; vlastnili u hájku svou malou chatku a tam spolu žili a toužili fungovat tak, jak to konají lidičky. Avšak oni to vždycky tak trochu kazili, vždyť mají pidi tlapičky a nikoliv prsty, jako mají človíčci, a na tlapičkách mají mini polštářky a na nich drápky. A tak byli povinni to vykonávat jinak a nikoliv tak, jak to činí lidičky, a škola byla pro oba tabu, vždyť zvířátka mají vstup do školy zakázán, ba ano, to ano! Co vy na to? Ta bývá totiž pro prcky.

Tak to u nich v obydlí vypadalo kdovíjak. Část zvládli a část nikoliv, a tak tam mívali občas trochu svinčík. A tak si v určitý čas všimli, jak mají nadmíru zapatlanou podlahu chatky...

V tomto bodě s vyprávěním končím, ale pro ty, kdo se při čtení dostali do doby svého dětství a chtějí si Povídání o hafíkovi s micinkou dočíst, je pokračování zde.

A proč toto Povídání o pejskovi a kočičce bez písmena „e“?

To abychom si uvědomili, jak jsme omezeni vyjadřovacími prostředky, které používáme.

Přepsání článku bez písmena „e“ se zdá jako docela lehký úkol. Ve skutečnosti jsem si při psaní uvědomila, že písmeno „e“ je pro češtinu zásadním písmenem. Vytvořit totiž zápor bez jeho použití je dost obtížné.

Tentokrát i o Napoleonovi

V další hodině jsme se bavili o různých druzích grafů a vizualizací. U jakéhokoliv typu vizualizace je třeba se nejprve zamyslet, jakou informaci chceme předat, a podle toho graf vybírat.

Uvedu příklad vizualizace dat očekávaného věku dožití. Je pro nás důležitější informovat o tom, v kterých zemích přesáhly hodnoty určitou věkovou hranici? Nebo informovat o tom, která země je na tom nejlépe? Tyto grafy prezentují stejná data jinak:

http://data.karmi.cz/d3/life-expectancy-panel-chart/

http://data.karmi.cz/d3/life-expectancy-slopegraph/

Každý z nich má své výhody. V prvním případě je zřetelné, v kterých zemích přesáhl předpokládaný věk dožití 70 let a v kterých zemích je předpokládaný věk velice nízký. Avšak u těchto grafů můžeme jen těžko porovnávat hodnoty jednotlivých zemí mezi sebou. Tato informace je však zřetelná z druhého typu grafu. V něm je také daleko lépe vidět, v kterých zemích nenastala žádná změna či kde se předpokládaný věk dožití dokonce snížil.

Můžeme se také zamyslet, zda neexistuje způsob, jak data prezentovat tak, aby výsledná vizualizace obsahovala co nejvíce informací (avšak současně si zachovala jednoduchost a přehlednost).

Kolik různých informací může vizualizace obsahovat? Dobrým příkladem je Minardova vizualizace Napoleonova pochodu do Moskvy z roku 1869. Přehledně obsahuje:

1) údaje o počtu členů armády

2) údaje o směru pochodu

3) údaje o rozdělení a spojení částí armády

4) geografické údaje

5) teplotní údaje a informace o počasí

6) údaje o délce pochodu

zdroj obrázku: http://en.wikipedia.org/wiki/Charles_Joseph_Minard

Ještě jednou o věku...

Již v předchozím příspěvku jsem se zmínila o nízkém věku moderátorů zpráv u nás oproti zahraničí.

Průměrný věk všech moderátorů zpráv na našich největších televizních stanicích (ČT, Nova, Prima) je 35 let. Z těchto 16 moderátorů je šest ve věku 25-30 a pouze čtyři nad 40 let.

Na Slovensku je průměrný věk moderátorů o něco vyšší – 39 let. Sedm moderátorů je nad 40 let, pouze jedna moderátorka je pod hranicí 30 let.

A jak je tomu tedy v zahraničí? Průměrný věk moderátorů je o něco vyšší. Například na rakouské televizní stanici ORF dosahuje průměrný věk 43 let, ani jeden z moderátorů není mladší 30ti let. Na Švédském SVT dosahuje průměrný věk 47 let, nejstaršímu moderátorovi je 67 let. Ve Velké Británii dosahuje průměrný věk 51 let a v USA 50 let.

Vypozorovali jsme, že věk moderátorů je na západě vyšší a na východě nižší. Průměrný věk moderátorů východních zemí je 38 let, zatímco západních 44 let.

Nyní si můžeme položit otázku, čím to je a co z toho plyne. Při hodině jsme si vytvořili pracovní hypotézu, že důvodem je delší tradice televizního vysílání a odlišná žurnalistická tradice v západních zemích. V těchto zemích je tedy i větší počet zkušených moderátorů. Mladí, začínající nováčci se na tyto pozice dostávají až po letech praxe. Na východě byli naopak moderátoři z dob socialismu vystřídáni především mladšími tvářemi.

Toto je však pouze hypotéza a správnou odpověď zatím neznáme.

DIKW pyramida

DIKW pyramida obsahuje čtyři stupně – data, information, knowledge, wisdom (tedy data, informace, znalosti a moudrost)

zdroj obrázku: http://en.wikipedia.org/wiki/File:DIKW-diagram.png

Nejprve se zmíním o datech. Data jsou nějaké základní údaje tvořící základ informace. V informaci jsou data dána do kontextu. Na základě několika informací získáme znalost. Znalost může být tacitní nebo explicitní. Explicitní znalost je taková, kterou lze snadno zaznamenat a předat. Naopak tacitní znalost může být definována jako know-how získané ze zkušeností. Zvyšuje se s věkem. Pro moudrost musíme mít především právě tuto tacitní znalost, až díky ní dokážeme naše znalosti správně uplatňovat.

DIKW pyramidu si nejlépe můžeme přiblížit na příkladu datové žurnalistiky. Řekněme, že máme množství dokumentů obsahujících tisíce různých dat ze zaznamenaných kriminálních případů. Tyto dokumenty jsou pro nás v této fázi nepřehledné. Někdo se jimi však začne zabývat a z dokumentů dokáže vytřídit informace (uplatní svou tacitní znalost). Setříděním a zvizualizováním těchto informací můžeme snadno získat (explicitní) znalost o určitém jevu – dozvíme se například, jaká oblast má nejvyšší a nejnižší kriminalitu a o jaký typ kriminality se jedná. Až díky moudrosti dokážeme pochopit příčiny a důsledky tohoto jevu.

ImageJ a ImagePlot

Na další hodině Digital Humanities jsme pracovali s programem ImageJ. Je to program vyvinutý společností National Institutes of Health, a tedy původně určen pro vědecké a medicínské výzkumy (to vysvětluje, proč mezi sample images najdete obrázek lidského srdce, rentgeny páteře a fotku NASA zákrutů Nilu). Tento program však má možnost rozšíření o řadu pluginů – my jsme použili ImagePlot Lva Manoviche.

ImagePlot lze použít pro zvizualizování obrazového materiálu podle určitých hodnot – například seřazení obrazů Vincenta van Gogha podle stupně jasu.

obrazy Vincenta van Gogha podle stupně jasu

Dalším programem, se kterým jsme pracovali, je Shotdetect. Jedná se o jednoduchý program, který vygeneruje z filmu počáteční a koncový obrázek jednotlivých scén. Obrázky scén pak tvoří perfektní vizuální materiál právě pro ImageJ.

Na následujícím obrázku můžete vidět zvizualizovaný film Fontána. Na ose x je čas, na ose y jas jednotlivých snímků z filmu. Můžete si tak všimnout, jak postupně celý film přechází do jasnějších barev.

změna jasu v průběhu filmu Fontána

Televizní zpravodajství aneb o frekvenci střihů a věku moderátorů

Na další hodinu srovnávacích mediálních studií jsme měli za úkol sledovat televizní zpravodajství a všímat si počtu zpráv obsahujících násilí, frekvence střihu zpráv, věku, pohlaví a etnika lidí, kterých se reportéři ptají na názor.

Já jsem měla za úkol analyzovat Televizní noviny na Nově ze středy 27.11. Celkově Televizní noviny trvaly 38 minut a obsahovaly 21 reportáží – průměrná délka reportáže byla tedy necelé dvě minuty. Celkový počet střihů ze všech reportáží byl něco okolo 362. Na počítání střihů jsme použili program Cinemetrics, který je určen pro statistiku délky filmových scén. Program za vás zvládne spočítat množství střihů, zatímco vy při sledování jen mačkáte mezerník.

Sledovat frekvenci střihů reportáží je poměrně zajímavé. Doteď jsem si neuvědomila, jak moc se některé reportáže svým počtem střihů blíží akčním filmům. O tom jsme se také přesvědčili na přednášce, kdy jsme si pouštěli reportáže z roku 2010 o střelci z Devínské Nové Vsi. Muž tehdy zabil sedm lidí, dalších několik postřelil a pak spáchal sebevraždu. Zpráva se objevila na všech televizních kanálech, dokonce i zahraničních. Co nás na jednotlivých reportážích z dané události také zaujalo, byla právě frekvence střihů. Reportáž z TV Nova by opravdu akčním filmům mohla klidně konkurovat.

Vrátím se zpět k analýze Televizních novin – zpráva obsahující násilí se vyskytla pouze jedna, a to o vraždě Češky v Indii. Věk komentujících se pohyboval nejvíce okolo 50 let, u žen dosahoval přibližně 35 let. Osoby nad 60 let se objevily pouze tři, z toho jeden muž a dvě ženy. Všichni komentující byli běloši, pouze v jedné zahraniční reportáži se objevili dva Hispánci.

Věk komentujících nás vedl k tomu, abychom také zkoumali věk moderátorů zpráv. Zatímco v komentářích se na všech televizních kanálech pohybuje věk dotazovaných kolem 30 – 50 let, věk moderátorů zpráv je čím dál tím nižší. Oproti zahraničním televizním zprávám, kde nejsou výjimkou moderátoři starší 50 let, se věk našich moderátorů pohybuje okolo 35 let.