数据新闻概论 课件 第3章 数据与选题

第三讲：数据与选题主讲人：***************目录CONTENTS理解数据选题策划行业PPT模板/hangye/理解数据01理解数据一、谈谈“数据”一词的翻译“data”一词最早出现于17世纪中叶，其是拉丁文“datum”（指“一条信息”）的复数形式，在哲学层面被视为“假定为事实的事物”。“data”在牛津词典中定义为“Factsandstatisticscollectedtogetherforreferenceoranalysis.”（收集的用以参考或分析的事实材料和统计资料的集合）“data”具有两重内涵：Thequantities,characters,orsymbolsonwhichoperationsareperformedbyacomputer,whichmaybestoredandtransmittedintheformofelectricalsignalsandrecordedonmagnetic,optical,ormechanicalrecordingmedia.

0102PhilosophyThingsknownorassumedasfacts,makingthebasisofreasoningorcalculation.

数据理解数据一、谈谈“数据”一词的翻译英文中的“data”具有几个关键特征：其一，它既包括我们所熟悉的统计数值，也包括其他事实材料；其二，它以数值、字符和符号的形式存在，并可被计算机处理，可通过电子信号的方式存储和传输，还可被一些记录介质记录；其三，从本质上看，它是构成推理和运算的基础。在《现代汉语词典》中，“数据”被认为是“进行各种统计、计算、科学研究或技术设计等所依据的数值”。由此可见两种定义的不对等，也容易因此窄化对“数据”的理解。

数字或数值理解数据二、计算机中的“数据”及相关概念计算机中的数据包括数值数据和非数值数据两类。数值数据是指可以参加算术运算的数据，而非数值数据则指不能参加算术运算的数据或者无值的数字。计算机中所有数据必须采用数字化编码的形式进行存储、处理和传输。而这种编码的形式就是采用“0”和“1”两个基本符号组成二进制数。数据的存储单位：位（比特），字节，字，字长

理解数据二、计算机中的“数据”及相关概念信息的数字化：信息如何编码构成计算机能够存储和处理的数据字符：ASCII码，汉字编码，Unicode编码图形和图像：位图（点阵图像、像素图或栅格图）和矢量图；常见的图片文件格式音频：常见的音频文件格式视频和动画理解数据数据集（datasets）是一组数据的集合，它由数据对象组成，每个数据对象代表一个实体。数据对象又称样本、实例、数据点或对象。属性（attribute）是一个数据字段，它表示数据对象的一个性质或特性，它因对象而异，或随着时间而变化。属性描述例子分类的（定性的）标称（定类变量）（=，≠）标称属性的值仅仅只是不同的名字，即标称值只提供足够的信息以区分对象。注意设计此类属性的各个类别时类与类之间要相互排斥且所有对象都有归属。邮政编码、雇员ID、眼球颜色、性别序数（定序变量）（<，>）序数属性的值提供足够的信息确定对象的等级次序。注意各个序数属性的值之间没有明确的间隔距离，无法用确切的尺度来衡量。矿石硬度、{好，较好，最好}、成绩、街道号码数值的（定量的）区间（定距变量（+，-）对于区间属性，值之间的差是有意义的，即存在测量单位。此类属性没有真正的零点，属性各类别之间的距离只能用加减的形式说明。日历日期、摄氏或华氏温度比率（定比变量）（*，/）具有相等单位和绝对零点的变量。对于定比变量，差和比率都是有意义的。定比变量是最高层次的变量。绝对温度、货币量、计数、年龄、质量、长度、电流（TanP-N,SteinbachM,KumarV.数据挖掘导论:完整版.北京:人民邮电出版社,2014:15.）

理解数据二、计算机中的“数据”及相关概念常见的数据集包括记录数据、基于图形的数据和有序的数据。在实际生活中，我们最常接触的是记录数据，这类数据集多以表格文件的形式存在，数据即为文件中的记录，而每个记录都对应固定的字段（即属性）。此类数据集也常被称为结构化数据。基于图形的数据：一些数据对象本身具有数据结构，那么以图形的方式来表示这类数据更有效率。如诸多化合物的结构都以图形的方式表示。有序的数据：属性具有涉及时间或空间序的联系的数据。如我们所熟知的基因组序列数据，标注股票价格变化走势的金融数据集，记录二维或三维空间点上测量数值的地理科学数据集。

理解数据三、数据新闻中常见的数据类型0103050204时序数据空间数据关系数据文本数据跨媒体数据理解数据三、数据新闻中常见的数据类型时序数据指随着时间变化、带时间属性的数据，人类社会的所有微观活动和历史事件都能构成随时间变化的数据。此类数据可以告知受众什么在伴随时间的改变成为过去，什么依然保持不变，变化的规律何在，有否循环模式或意外的波动。一般的，时序数据以记录数据的形式呈现。下一页表中呈现的是国家统计局对我国（除港澳台）的31个省、自治区和直辖市的历年的乡村医生和卫生员人数所做的统计数据集，时间跨度为2010-2018年。通过这份时序数据，你有哪些发现？

时序数据示例理解数据三、数据新闻中常见的数据类型空间数据指带有物理空间坐标的数据，数据对象大多来源于科学计算和实验探测。地理数据是空间数据中一种最常见的类型，地理数据的主要形式是记录数据和基于图片的数据。其中记录数据通常是指存储了经纬度等地理坐标相关信息的数据，在使用过程中大多会被处理成矢量数据，再进行展示；而基于图片的地理数据包括矢量数据和栅格数据，其中矢量数据是由一系列点构成的数据集，需存储在GeoJson（.json）、Shapefile、KML（.kml/.kmz）等特定格式的文件中，且点、线、面不能同时存在一个文件里，需单独存储在不同文件中，而栅格数据就是图片，其中每个图的像素映射上了地理坐标。理解数据三、数据新闻中常见的数据类型空间数据轨迹数据是一种兼具时序和空间数据特征的数据，指“具有时空特征的,通过对一个或多个移动对象运动过程的采样所形成的数据信息，一般包括采样点位置信息、采样时间信息、速度等。轨迹数据来源多样并且复杂，可以通过GPS定位器、手机服务、通信基站、信用卡、公交卡等，也包括射频识别、图像识别技术、卫星遥感和社交媒体数据等不同方式来获取。”

（高强等.轨迹大数据：数据处理关键技术研究综述.软件学报,2017,28(4).

）北京市某外卖平台的外卖员送餐路线轨迹（来源：相数科技）轨迹数据的类型大数据概述具体数据类型举例人类活动轨迹数据人们基于GPS定位技术主动分享位置信息或通过社交网络的照片分享、邮件来往等记录的活动轨迹；人们在无意间开启基于基站定位服务而暴露的具有时空特征的轨迹数据；运用动作捕捉技术，还原物体或人体在真实三维空间中的运动姿态和运动轨迹的数据。手机信令数据：记录手机用户在发生通话、收发短信、位置更新等事件时手机连接的基站位置信息。社交媒体签到数据：来源于社交平台，具有地理位置信息。动作捕捉数据；使用惯性测量单元、光学摄像机、深度摄像机等传感器来捕捉人体关节的位置、旋转和角度等数据。卫星遥感数据：利用卫星作为遥感平台获取的人类活动信息。交通工具活动轨迹在城市环境中基于车载GPS技术的移动轨迹数据。公共交通刷卡数据：记录乘客的卡号、上下车位置和时间等信息。出租车轨迹数据：记录地理位置、时间和是否载客等信息。动物活动轨迹数据为了研究动物迁徙特征、行为特征和生活习惯而通过传感器获取动物的活动轨迹数据。传感器数据：利用传感器装置来获取运动轨迹信息卫星遥感数据：利用卫星作为遥感平台获取的动物运动信息。自然现象活动轨迹数据通过收集的台风活动轨迹、海洋事件等来探索自然现象的活动规律。卫星遥感数据：利用卫星作为遥感平台获取的地球表面信息。综合高强等.轨迹大数据：数据处理关键技术研究综述.软件学报,2017,28(4).和杨廷杰等.基于大数据的流空间研究进展.地理科学进展.2020(8).

理解数据案例：轨迹数据在数据新闻中的应用2012年，《纽约时报》的报道《将音乐和姿势联系起来》（ConnectingMusicandGesture）尝试使用动作捕捉技术，用可视化的语言对指挥家的肢体动作展开解释。

理解数据案例：轨迹数据在数据新闻中的应用2023年5月，澎湃新闻结合动作捕捉技术与医学分析，在世界脊柱健康日推出了数据新闻《86万帧动捕画面告诉你，这样坐就是脖子挂西瓜》。作品揭示了普通人办公室坐姿中存在的主要问题：久坐、身体前倾、跷二郎腿、高低肩等。

理解数据案例：轨迹数据在数据新闻中的应用2023年7月底8月初，受台风杜苏芮的影响，华北地区出现强降雨天气。受到连续强降雨和上游洪水过境影响，河北涿州地区的灾情非常严峻。8月5日，央视新闻发布了一则《大数据发现：24小时，1.7万人来到涿州》的视频数据新闻。记者运用卫星遥感数据发现了河北涿州在暴雨之后受灾最严重的地区，同时运用手机信令数据发现在24小时内有1.7万人从外地赶往涿州。理解数据三、数据新闻中常见的数据类型关系数据指表达个体之间关系的数据。关系数据可以细分为层次数据和网络数据。如果个体之间存在包含和从属的层次关系，这类数据就属于层次数据；如果个体之间不具备层次结构，这类关系数据统称为网络数据。理解数据案例：关系数据在数据新闻中的应用2020年，德国媒体CORRECTIV发布作品《右侧无滤镜：右翼势力如何应用Instagram招募年轻人》，通过对4500余个Instagram账号的分析，发现了德国极端右翼势力正在利用这类社交媒体的漏洞招募年轻人

。通过数月的分析，团队绘制了Instagram上的德国右翼网络的关系图谱，并揭示了他们中的关键人物是谁。他们还找出了4501个账号中110个具有影响力的女性账号，以及这些账号背后的关系。

理解数据三、数据新闻中常见的数据类型文本数据一种在数据新闻作品中频繁出现的数据类型，这种数据遍布我们的生活，其可获取性比较好，且相对容易被分析。文本数据大致可以分为单文本、文档集合和时序文本三类。对这类数据的分析可以从词汇、语法和语义角度入手，采用分词算法、句法分析算法或主题抽取算法等方法展开对文本信息的挖掘。理解数据案例：文本数据在数据新闻中的应用数字杂志“布丁”（ThePudding）

创作的作品《甜美与苗条，油腻与冷酷：文学中这样定义男性和女性的身体特征》通过对2000本书的文本挖掘和数据分析，识别出提及身体部位的句子，从词汇的角度分析文学作品中如何描绘男性和女性的身体部位。作品揭示，女性角色的头发在文学作品中提及的可能性是男性角色的两倍，而文学作品中经常会描写偏向女性的臀部、腹部、腰部和大腿等身体部位。相对的，对男性身体的描绘也存在刻板印象，拳头、指关节、胸部和下巴这些身体部位会勾勒出一种威严而令人生畏的男性形象，而描绘这些身体部位的形容词也存在性别差异。

理解数据三、数据新闻中常见的数据类型跨媒体数据跨媒体数据指整合了不同媒体类型的多模态数据，它可以包括文本、图像、音频、视频等数据类型。严格意义上看，文本数据也属于跨媒体数据。跨媒体数据还包括人们在互联网留下的数字生活数据，前面谈及的轨迹数据中人类在社交媒体中留存的活动轨迹的数据实际上也属于跨媒体数据。图像、音频和视频都可被数字化，这就使分析和解读跨媒体数据具备了现实可操作性。理解数据案例：跨媒体数据在数据新闻中的应用《经济学人》杂志于2022年推出的作品《Spotify数据如何展现英语的衰落》根据全球知名的在线音乐流媒体播放平台的数据，调查分析全球流行音乐品味的变化。《经济学人》团队搜索了70个国家/地区每周在Spotify榜单上排名前100的共13000首热门歌曲，试图根据音乐相似性对国家/地区进行分组。在这个庞大的音乐数据集中，采用主成分分析来评估国家之间的音乐亲缘关系程度，然后使用聚类算法（k-means）对它们进行分组。结果发现全球听众出现了三大集群：英语占主导地位的集群；西班牙语占主导的集群；主要喜欢本地语言（非英语和西语的其他语言）歌曲的集群。总体而言，英语在流行音乐中一度拥有的霸权地位正在衰落，这一趋势在后两个集群中表现得尤为明显。

选题策划02选题策划从目前的国内外的实践中都可以发现：一方面数据新闻团队作为媒体中一个创新的独立的结构，需要以相对稳定的产出来作为投资的回报，因而数据新闻团队必须承担常规化的报道任务，同时需要探索出具有创新性的数据新闻作品；另一方面，这个创新的团队又经常在媒体处于比较尴尬的境地，会被视为是一个“技术部门”，所以还需要在一定程度上以协作的方式来与其他各个部门进行合作，这实际上增加了团队创新的压力。这种压力反馈到实践工作中就促成了一种日常选题和长线选题相结合的双线并行的选题策划机制。

一、双线并行的选题策划机制日常选题长线选题选题策划一、双线并行的选题策划机制日常选题中长线选题数据组每周两个编辑值班负责，确保稳定的产出。这类选题一般采用常规性和单切面操作方法，要求编辑对选题有比较清晰的预判。在报选题的时候要清楚三要素：选题的由头、切入角度和数据来源。其他的同事可以按中长线选题的节奏来操作。选题会不要求像日常选题那样细致地报题，可以比较开放地讨论一些可能性。相对的，团队的宽容度更高。中长线选题可能在话题上选择的是生命力更长的话题，或者在技术上值得突破和探索，需要更多跨部门的协作等等。

除了线下的选题会，线上的选题沟通也成为一种有益的补充。团队将报题、分工、写稿、改稿的整个流程都同步到了飞书里，如有日常补充报题，可以通过线上方式提交，以做及时沟通。

线上选题沟通选题策划二、数据新闻选题的判断标准公共性关注热点新鲜有数据支持判断其能否操作的一个基础要件。指选题应与大多数公众的利益相关，体现媒体为公众发声，维护公众利益的社会责任。选题需要兼具时效性和话题性，关注正在发生的重要的新闻事件或现象，且这些事件和现象已成为具有较高的公众讨论热度的话题。

新鲜意味着数据新闻选题除了报道新生的事物、现象、问题之外，还应该能在人们习以为常的领域提供新的视角和信息增量。

数据新闻独有的判断选题的标准。这意味着在操作数据新闻时，需要做好数据层面的预调研，对数据可能带来的结论做好预判。

选题策划三、常见的选题思路和方法1.对专业领域的数据展开新闻视角的解读；2.发现数据集中的新闻线索，调查潜藏在数据背后的故事。

数据-选题1.对新闻事件中涉及数据产生过程或数据构成等与数据相关的疑问作出相应的解释；2.从数据的维度对新闻事件的过程、成因、结果和影响展开调查；3.运用数据报道可预见的节日、活动和重大新闻事件的纪念日；

4.针对具有公共价值的现象、问题展开调研后发布独家数据；5.对公众熟知的事物进行新角度的开掘。

选题方向-数据-选题选题策划从数据出发的选题策划：1.对专业领域的数据展开新闻视角的解读数据新闻中有一类选题是以专业的数据研究为依据，挖掘其中的信息量，并通过可视化的方式呈现。

这种选题属于常规型选题，由于研究成果是现成的，省却了媒体自己找数据的时间和精力。不是所有的数据报告都适合做成数据新闻，你认为这些数据报告需满足怎样的条件？

三、常见的选题思路和方法选题策划案例：学术研究中的数据宝库2023年国际医学学术期刊《糖尿病、肥胖与代谢》刊出了一项研究报告《中国肥胖患病率及相关并发症：基于1580万成年人横断面调查的真实世界研究》，澎湃美数课和网易数读先后发布了数据新闻作品《中国肥胖地图出炉，为什么北方人比南方人更容易胖？》

和《中国最新肥胖地图，北方人看哭了》，对比两个作品，它们的选题角度有何差异？

选题策划从数据出发的选题策划：2．发现数据集中的新闻线索，调查潜藏在数据背后的故事

从事数据新闻工作的人应该对数据保持敏感性，经常关注不同渠道的数据，并对数据做多个维度的延展性的思考。

有时数据集本身看起来似乎没有多少新闻价值，但是一旦你将数据中的一些发现与其他数据进行比较和交叉分析之后，很有可能会发现数据背后隐藏的“故事”。

三、常见的选题思路和方法选题策划案例：从卫星图像数据中发现新闻故事2021年，路透社从一家名为地出媒体（EarthriseMedia）的分析卫星图像的机构获得一份独家数据，并据此制作了数据新闻《受到威胁的部落》（Thethreatenedtribe）。根据这份卫星图像数据，路透社发现，在过去的五年里，位于亚马逊雨林中心的巴西土著亚诺马米保留地的非法金矿开采活动急剧增加，矿区数量增加了20倍，保护区内确定的矿区总面积大约有1000多个足球场那么大。报道指出，尽管与大规模伐木和农业相比，采矿规模较小，但它对环境具有破坏性。

选题策划先有选题方向的选题策划：先有选题方向的选题策划需经过这样的步骤：先有大致的选题方向，提出具体的问题，然后针对这个问题展开数据调研，通过数据检验能否回答选题提出的疑问，从而发现新闻故事。一般此类选题策划分为时效性选题策划和非时效性选题策划两种。

时效性选题策划是基于正在或即将发生的新闻事件提出选题的大致方向，常见的思路包括：对事件中涉及数据产生过程或数据构成等与数据相关的疑问作出相应的解释；从数据的维度对事件的过程、成因、结果和影响展开调查；运用数据报道可预见的节日、活动和重大新闻事件的纪念日。非时效性选题策划并不依托于具体的新闻事件，而是媒体或数据新闻从业者通过数据来报道自身感兴趣且认为重要的话题。这类选题策划思路也包括两种：针对具有公共价值的现象、问题展开调研后发布独家数据，对公众熟知的事物进行新角度的开掘。

三、常见的选题思路和方法选题策划先有选题方向的选题策划：1．对新闻事件中与数据相关的疑问作出相应的解释

有些新闻事件本身与数据有很大的关系，这种事件为数据新闻选题提供了很好的空间。选题可以从做解释性报道的角度出发，力图为读者提供对事件中引发关注或争议的数据作出相应的解释，解释“数据是如何产生的”“数据的构成是怎样的”“数据能否科学和合理地描述数据对象”“数据有哪些历史变化趋势”“在同类对比中数据处于怎样的水平”等等一系列问题。三、常见的选题思路和方法选题策划案例：千年一遇的暴雨到底有多大？2021年7月18日开始，河南郑州出现历史罕见的暴雨，20日，雨量达到特大暴雨级别，积水一度造成郑州地铁5号线一列车500余名乘客被困，200多辆车被困京广北路隧道。7月21日2时30分起，河南省水利厅指出“7月18日8时至21日02:00分，河南省部分地区普降暴雨、特大暴雨，最大点雨量荥阳环翠峪雨量站854mm，尖岗818mm，寺沟756mm，重现期均超5000年一遇”，这一说法引发了公众对于“千年一遇”的疑惑和争议。网易数读和澎湃美数课先后于21日推出了数据新闻《千年一遇的郑州暴雨，到底有多大》《千年一遇不等于1000年才发生一次》，从不同角度对这场暴雨中的“异常的降雨量”数据展开解释，对公众的疑问做出了及时的回应。

选题策划先有选题方向的选题策划：2.从数据的维度对事件的过程、成因、结果和影响展开调查

当重大的新闻事件发生时，媒体往往会从多个角度切入对事件进行全方位的报道。但是，有时候由于各种主客观条件的限制，采用传统的报道方式可能难以接近真相，这时数据新闻团队可以从数据的角度切入调查，或是展现事件的原貌，还原事实的真相，或是探寻事件发生的背后原因，分析其造成的结果和影响，或是运用数据展开事实核查，揭穿谎言。数据新闻有别于传统新闻报道方式的一个重要区别在于此类新闻以数据作为其重要消息来源，在一定程度上拓宽了开展调查性报道的操作空间。

三、常见的选题思路和方法选题策划案例：采用视觉调查方式还原真相2022年6月24日，一群非洲寻求庇护者试图进入北非海岸西班牙飞地梅利利亚的一个边境哨所，在此过程中当地警方和人群发生了冲突，造成至少23人死亡、77人失踪。事后，西班牙和摩洛哥对于所发生的暴力事件没有给予回应，西班牙甚至继续否认在其领土上发生过任何死亡事件。《灯塔报道》（LighthouseReports）、西班牙《国家报》（ElPaís）、法国《世界报》（LeMonde）和德国《明镜周刊》（DerSpiegel）等机构展开了跨国合作，对该事件进行了视觉调查，并发表《边境的愤怒：揭露梅利利亚死亡事件的真相》（BorderOutrage:UncoveringthetruthaboutdeathsinMelilla）等系列报道，以还原事件的原貌。

选题策划先有选题方向的选题策划：3.运用数据报道可预见的节日、活动和重大新闻事件的纪念日对于媒体而言，重大节日、会议、赛事和活动、重大新闻事件的周年纪念日都属于常规型选题，这些事件可以提前策划，给媒体留足了充裕的报道时间。但是这类事件由于几乎年年都报道，因而创新的难度较高。案例：澎湃新闻在汶川地震十周年之际展开的“汶川记忆地图”项目

三、常见的选题思路和方法选题策划先有选题方向的选题策划：4.针对具有公共价值的现象、问题展开调研后发布独家数据选题有时未必来源于新闻事件，也来自我们对某个话题或领域的兴趣。这种兴趣可能源于阅读其他媒体的报道受到的启发，也可能源自对生活中某种现象和问题的持续关注产生的想法，还可能是受到某个新闻现象引发的热门话题的吸引……此类选题一般时效性较弱，但往往具有较多的重要、趣味和新鲜等其他新闻价值要素。相比由新闻事件触发的选题，针对具有公共价值的现象、问题展开调研后发布独家数据的选题思路更能体现媒体的个性。

三、常见的选题思路和方法选题策划案例：《粗暴的正义》澳大利亚广播公司的《粗暴的正义》(RoughJustice:HowPoliceareFailingSurvivorsofSexualAssault)是迄今为止唯一一个将澳大利亚所有八个司法管辖区和450多个警察指挥部的记录提炼成完整的全国情况的调查项目。

澳大利亚广播公司通过向该国犯罪统计机构提出数据请求来获取数据，他们与统计学家和犯罪报道标准专家协商，将这些结果分为五类（无根据、撤回、未解决、采取法律行动和未采取法律行动），并对数据展开分析，建立了一个可搜索数据库，其中包含240,973起性侵犯报告的警方调查结果。报道揭示，截至2017年的10年间，澳大利亚全国范围内警方驳回了9%的性侵举报，在澳大利亚全国范围内，向警方举报的性侵犯案件中，有五分之一的受害者撤回了举报。

选题策划先有选题方向的选题策划：4.针对具有公共价值的现象、问题展开调研后发布独家数据在这类选题中，有一种特殊的选题，它们不是基于历史的数据对已经出现的规律或问题展开分析和报道，而是通过历史数据的分析对未来可能的发展方向做出预测和示警。这类预测型选题早期主要运用于天气、选举、体育或金融领域，目前伴随计算能力的发展，这类选题也在向更广泛的领域拓展。

“未来的情景往往比过去或现在的数据驱动报道更不可靠、更不确定，甚至增加了对细致工作的需要。在进行预测时，需要额外的时间来妥善解决预测性新闻的缺陷。那时，预测性数据新闻不再是快速新闻，而是需要更加情境化和缓慢的新闻。它的产品内容丰富、精心设计、经过彻底研究，是数据新闻的典范，因此超越了方便的日常数据新闻。”（PentzoldC,FechnerD.ProbabilisticStorytellingandTemporalExigenciesinPredictiveDataJournalism,DigitalJournalism,2021,9(6),715-736.DOI:10.1080/21670811.2021.18