Předmět Datová žurnalistika (ASGV00746)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu ASGV00746 - Datová žurnalistika, Filozofická fakulta, Univerzita Karlova v Praze (UK).

Materiál	Typ	Datum	Počet stažení

Sylabus

VZHLEDEM K MNOŽSTVÍ HOSTUJÍCÍCH VYUČUJÍCÍCH JE MOŽNÉ, ŽE SE BUDE MĚNIT POŘADÍ PŘEDNÁŠEK A MOŽNÁ I NĚKTERÁ TÉMATA 1) Úvodní a organizační hodina (Jaromír Mazák, Kristýna Chábová)Teoretická část: Struktura kurzuPraktická část: Zdroje dat, čištění dat (logické operace v SPSS, práce s textovými proměnnými v Excelu, krátká ukázka OpenRefine)Cvičení (dobrovolné, nikoliv jeden z pěti úkolů): Splňte několik úkolů s daty v SPSS a Excelu. Úkol č. 1a: Zaregistrujte se na Českém sociálněvědním datovém archivu. Najděte si v jeho databázích jednu nebo několik proměnných, které jsou pro Vás zajímavé a pro které existují alespoň čtyři měření v různých časových bodech. Stáhněte příslušné datové soubory. 2) Co je to datová žurnalistika? (Honza Boček)Teoretická část: Historie a vývoj vizualizace, vizualizace dnes, datová žurnalistika: zásady, zajímavé příklady, nejčastější chyby, good story. 3) Jak z běžných vizualizací vytáhnout maximum? (Petr Bouchal)Teoretická část: Proč je u vizualizace potřeba přemýšlet? Přehled nejběžnějších typů matoucích a chybných vizualizací.Praktická část: Ukázky, jak lze z běžných defaultních grafů vytáhnout víc.Úkol č. 1b: Použijte data stažená v rámci úkolu 1a a vizualizujte je v libovolném softwaru na základě rad a tipů z praktické části. Je potřeba předložit alespoň tři vizualizace, z nichž každá bude vyprávět odlišný příběh (lze například použít třídění podle sociodemografických proměnných). Vizualizace krátce interpretujte. 4) Úvod do jazyka R, jednoduché vizualizace v R (Jaromír Mazák)Teoretická část: R jako nástroj pro práci s daty. Jaké grafy jsou vhodné pro jaká data - zopakování základních konceptůPraktická část: Představení jazyka R a jednoduchých vizualizací v něm 5) Pokročilejší vizualizace v R (Jaromír Mazák)Na úvod: Prezentace vybraných úkolů 1b studentyPraktická část: Další možnosti vizualizace v RÚkol č. 2: Předělejte své vizualizace z úkolu č. 1b pomocí R. Dohledejte si k Vašemu tématu další zdroje (články na internetu, studie apod.). Napište krátký článek, který bude dávat dohromady vyhledané zdroje a Vaše vizualizace včetně Vašich interpretací. 6) Data v mapách (Jan Cibulka)Teoretická část: Vizualizace dat v mapách, ukázky dobré praxe a na co si dát pozorPraktická část: Krok za krokem jednoduchou vizualizací na mapěÚkol č. 3: Obstarejte si data z libovolného zdroje a vytvořte vlastní vizualizaci na mapě a doplňte ji interpretací. 7) Vybrané nástroje pro vizualizaci bez programování (Jaromír Mazák)Na úvod: Prezentace vybraných úkolů č. 3 nebo č. 4 studentyPraktická část: Ukázka práce s Info.gram; datawrapper.de; "triky" s Excelem a další podle času. 8) Jak svou vizualizaci dostat na web? (Marcel Šulek) Teoretická část: Jak funguje internetPraktická část: Jaké jsou možnosti pro publikování svých vizualizací na internetuÚkol č. 4: Svůj úkol č. 2 případně č. 3 rozpracovaný do příběhu publikujte formou blogu na webu. 9) Social network analysis, SNA (Tomáš Diviák)Teoretická část: Představení principu SNA s důrazem na vizualizaciPraktická část: Ukázka vizualizace sítě v UciNET/Netdraw a Gephi.Úkol č. 5: Obstarejte si síťová data, vizualizujte je, síť interpretujte (za využití měr centrality) 10) BUDE UPŘESNĚNOTeoretická část:Praktická část: 11) Klasifikace pomocí klastrové analýzy (Tomáš Diviák)Na úvod: Prezentace vybraných úkolů na SNA (úkol č. 6) studenty, diskuse o možnostech zlepšeních.Praktická část: Klasifikace pomocí klastrové analýzy a kontingenčních tabulek. 12) BUDE UPŘESNĚNO

Garant

Mgr. Jaromír MazákBc. Kristýna Chábová, M.Sc.

Vyučující

Bc. Kristýna Chábová, M.Sc.Mgr. Jaromír Mazák