۱۰ نکته جالب که از کنفرانس روزنامه‌نگاری داده‌محور (DataJConf) یاد گرفتم.

9 اوت 2017

کنفرانس روزنامه‌نگاری دادهمحور اروپا روزهای شش و هفت ژوئیه ۲۰۱۷ در دوبلین برگزار شد، و حضور بسیاری از فعالان حوزه داده باز، چهره‌های دانشگاهی و روزنامه‌نگاران همفکر باعث شد اوقات بسیار خوبی را در آنجا بگذرانم. در جریان سخنرانی‌های روز اول، جلسات غیررسمی‌تر روز دوم، و گفتگوهای خودمانی فراوان بین آنها، با ایده‌های الهامبخش زیادی آشنا شدم. در این مطلب میخواهم ١٠ ایدهای که بیشتر از بقیه به ذهنم نشست را برایتان بازگو کنم (البته انتخاب تنها ١٠ ایده از بین آنها کار سختی بود!). امیدوارم این ایده‌ها برایتان جالب باشد و گفتگوهای به‌درد بخوری در مورد روزنامه‌نگاری و روایت مطلب داده‌محور به راه بیندازند.

خیلی دوست دارم نظر شما را در مورد آنها بدانم، پس لطفا نظرات و ملاحظاتتان را زیر مطلب به اشتراک بگذارید!

 

 

کنفرانس روزنامهنگاری دادهمحور اروپا، دوبلین، ۶ و ٧ ژوئیه ٢٠١٧

١. روزنامه‌نگاری داده‌محور "عمیق‌تر" واقعا تأثیرگذار است

ماریان بوشار - مدیر مراسم اهدای جوایز روزنامه‌نگاری داده‌محور - بعضی از هیجان انگیزترین برنده‌های سال ٢٠١٧ را معرفی کرد، و در مورد برخی از مهمترین روندهای روز در روزنامه‌نگاری داده‌محور صحبت کرد. با توجه به انتخابات‌های پرماجرای سال گذشته، شاید چندان جای تعجب نباشد که بخش زیادی از بهترین نمونه‌های روزنامه‌نگاری داده‌محور به حوزه انتخابات و دیگر حوادث سیاسی مربوط میشد. ماریان گفت که "تأثیر" عمده‌ترین موضوعی بود که در آثار برگزیده جلب توجه می کرد، و ماریان روی نقش کلیدی روزنامه‌نگاری تحقیقی در تولید اخبار داده‌محور با کیفیت تأکید کرد. او گفت که روزنامه‌نگاری تحقیقی موثر به شکل فزایندهای در حال ادغام با روزنامه‌نگاری داده‌محور است، و مصداق آن پروژه‌هایی است که بر اقدامات ضد شفافیت و سوالبرانگیز سیاستمداران برزیلی، تحقیقات در مورد احتکار دارایی‌ها به دست سیاستمداران صرب، و افشای رفتار غیرمسئولانه پلیس کانادا در برخورد با جرائم جنسی نوری میتاباند.

٢. یادگیری ماشین میتواند در روزنامه‌نگاری داده‌محور انقلابی ایجاد کند

دو چهره دانشگاهی در مورد آخرین رویکردها در زمینه روزنامه‌نگاری محاسباتی سخنرانی کردند. - روزنامه‌نگاری محاسباتی یعنی نوعی از روزنامه‌نگاری که از روش‌های یادگیری ماشین برای بررسی یک موضوع استفاده میکند. مارسل برورسما از دانشگاه خرونینگن هلند تحلیلی ماشینی از استفاده سیاستمداران از شبکه‌های اجتماعی ارائه کرد. الگوریتم پیشنهادی او ٨٠ هزار توئیت سیاستمداران هلندی، بلژیکی، و بریتانیایی را برای شناسایی الگوهای آنچه او (مثلث ارتباط سیاسی میان سیاستمداران، روزنامهنگاران، و شهروندان) خواند، تجزیه و تحلیل کرد. البته این پروژه دشواری‌های خاص خودش را هم داشت؛ شناسایی کنایه‌های زبانی به کمک الگوریتم کار آسانی نیست، و محدودیت طیف کاربران توئیتر از نظر جمعیت‌شناختی باعث میشود که این نوع تحقیقات تنها بتواند رویکردهای ارتباطی بخش‌های کوچکی از جامعه را بررسی کند.

جنیفر استارک از دانشگاه مریلند به امکان جانبدارانه بودن الگوریتم‌ها پرداخت؛ او بهخصوص جستجوهای تصویری در گوگل در مورد دو نامزد اصلی انتخابات ریاست جمهوری اخیر آمریکا، یعنی هیلاری کلینتون و دونالد ترامپ، را در حین کارزارهای انتخاباتیشان بررسی کرد. او با استفاده از یک رابط برنامهنویسی کاربردی (API) مخصوص شناسایی تصویر که احساسات و عواطف را شناسایی میکند، نتیجه گرفت که عکسهای کلینتون سعی میکردند او را شادتر نشان دهند، در حالی که برای ترامپ شادی و خشم او هردو قدری اغراق شده بود. با آنکه هنوز ابتدای کار روزنامهنگاری محاسباتی است، سخنرانیهایی مثل اینها از رسیدن روش‌های تازه و هیجانانگیزی برای روزنامه‌نگاری دادهمحور خبر میداد!

٣. برای یاد گرفتن مهارتهای جدید راههای فراوانی وجود دارد!

کنفرانس در ساختمان زیبای کالج یونیورسیتی دوبلین برگزار شد؛ دانشگاهی که امسال یک دوره کارشناسی ارشد در رشته روزنامه‌نگاری دادهمحور راهاندازی کرده است. همچنین از یکی از دست اندرکاران کنفرانس بهنام مارتین چورلی شنیدیم که دانشگاه کاردیف هم دوره کارشناسی ارشدی در رشته روزنامه‌نگاری محاسباتی و داده‌محور ایجاد کرده، که سه سال است در حال ارائه است، و فارغ التحصیلان آن در شغلیابی توفیق بسیار بالایی داشتهاند. اما آموزش رسمی دانشگاهی تنها راه دستیابی به این مهارتهای روزنامهنگاری درجه اول نیست! یکی از برگزارکنندگان کنفرانس هم نتایج یک نظرسنجی جهانی را در مورد روزنامه‌نگاران دادهمحور ارائه داد که در آن پاسخهای ١٨٠ روزنامه‌نگار از ۴۴ کشور در نظر گرفته شده بودند. یکی از قابلتوجهترین یافتههای این مطالعه این بود که تنها نیمی از پاسخدهندگان در زمینه روزنامه‌نگاری دادهمحور آموزش دانشگاهی دیده بودند؛ بقیه خودشان مهارت‌های لازم را یاد گرفته بودند. همچنین، وقتی در مورد تمایلشان به افزایش این مهارت‌ها از آن‌ها سوال شده بود، بیشتر پاسخدهندگان گفته بودند که ترجیح میدهند به جای تحصیل تمام وقت به کمک دوره‌های آموزشی کوتاه مدت مهارتهایشان را افزایش دهند.

۴. میخواهید به داده‌های دولتی دسترسی داشته باشید؟ زیرک و دلنشین باشید!

یکی از جذابترین بخش‌های کنفرانس برای من آشنایی با راههای مختلفی بود که روزنامه‌نگاران به کمک آن‌ها برای پروژه‌هایشان داده جمع‌آوری میکنند. کاترین تورنی از موسسه The​ ​Detail​ ​in​ ​Northern​ ​Ireland معتقد بود که درخواست‌های رسمی برای دسترسی به اطلاعات (FOI) مفید هستند، اما ایرادشان این است که برای رسیدن به بهترین نتیجه باید ساختار داده‌هایی که دنبالشان هستید را بشناسید. کاترین معتقد بود که پیش از ارائه درخواستهای FOI، باید ابتدا تحقیقات لازم در مورد ساختارهای کلی پایگاه‌های داده دولتی انجام شود و سعی شود فرمهایی که دولت برای جمعآوری داده از آنها استفاده میکرده، بررسی شوند. به این ترتیب میشود مطمئن بود که هیچ ابهامی درباره آنچه از سوی دیگر دریافت میشود، وجود نخواهد داشت! کانر رایان از موسسه RTE ایرلند معتقد بود که برای کار تحقیقی عمیق نیازی به درخواستهای FOI نیست، چون همین حالا هم حجم زیادی داده دولتی در دسترس عموم قرار دارد. نکته اصلی این است که دسترسی به این دادهها معمولا رایگان نیست، و آنها پشت لایههای اداری متعددی پنهان شدهاند.

کانر تأکید کرد که هر منبع دادهای که RTE موفق به دستیابی به آن شده، در دسترس کاربران احتمالی دیگر هم قرار گرفته است. مثالش امکان دسترسی به دادههای ثبت ابنیه در ایرلند بود که متقاضی قبلا برای هر درخواست باید ۵ یورو میپرداخت. کانر و تیمش توجه مقامات مسئول را به این مانع جلب کردند و آنها را ترغیب کردند که مقررات را تغییر دهند تا در آینده دادهها همه یکجا قابل دسترسی باشند.

یک داستان از بلغارستان هم در آخر و در حین جلسات غیررسمی، تجارب قبلیام را در مورد دسترسی به دادهها در جوامع بسته برایم تداعی کرد. گروهی از متخصصان حوزه فناوری به دولت بلغارستان پیشنهاد کردند که در طیفی از مسائل فنی به آن کمک کنند. با برقراری ارتباط با کارکنان میدانی - و نیز جلب همدلی تصمیمگیران سیاسی - آنها توانستند به حجم عظیمی از داده دست پیدا کنند که اگر از کانالهای (استاندارد) عمومی برای دسترسی به آنها اقدام میشد، برای همیشه دور از دسترس باقی میماندند.

۵. اصول اخلاقی به اشتراکگذاری داده پیچیده هستند

بهترین لحظات این کنفرانس آنجاهایی است که با خودتان میگویید: آهان ... من هیچوقت از این زاویه به این مسأله فکر نکرده بودم! کانر رایان در سخنرانیاش تأکید کرد که روزنامه‌نگارانی که کارشان داده‌محور است باید حتما اصول اخلاقی لازم را در به اشتراک‌گذاری داده‌هایی که جمع‌آوری یا تحلیل کرده‌اند، رعایت کنند. او اشاره کرد که بین تحلیل داخلی داده و تهیه گزارش در مورد مجموعه‌ای گزینش شده از نتایج قابل راستی آزمایی از یک طرف، و انتشار عمومی کل مجموعه داده‌های تحلیلتان از طرف دیگر تفاوت زیادی وجودی دارد. در مورد دوم، تک تک داده‌های خام میتوانند مصداق افترا و مستوجب پیگرد قانونی باشند. این مسأله بهخصوص در مواقعی مصداق پیدا میکند که مجموعه داده مورد نظر تا جایی تجزیه میشود که اطلاعات مربوط به افراد در آن فاش میشود!

۶. همکاری مهمترین چیز است

به عنوان یک فعال حوزه داده‌باز، سناریوی رویایی من وضعیتی است که در آن کارشناسان فناوری، روزنامه‌نگاران و گروه‌های جامعه مدنی روی پروژه‌های مبتنی بر داده با هم همکاری میکنند. در نتیجه شنیدن حرفهای مگان لوسرو Megan​ ​Lucero برایم خیلی الهام بخش بود. او درباره این حرف میزد که چطور The​ ​Bureau​ ​Local در دفتر روزنامه‌نگاری تحقیقی Bureau​ ​of​ ​Investigative​ ​Journalism در سراسر بریتانیا حلقه‌ای از کارشناسان فناوری، روزنامه‌نگاران محلی، و گروه‌های جامعه مدنی ایجاد کرده است.

چه کسی مرا هدف میگیرد؟

ابتکار "چه کسی مرا هدف میگیرد؟" تلاش میکند دادههای مربوط به انواع تبلیغات و آگهیهای سیاسی را که کاربران شبکه‌های اجتماعی را هدف میگیرند، جمع‌آوری و تحلیل کند.

با آنکه The​ ​Bureau​ ​Local تنها چند ماه پیش تأسیس شده، خیلی زود در آستانه انتخابات سراسری سال ٢٠١٧ بریتانیا این حلقه را به جنب و جوش درآورد، و چهار پروژه مختلف در زمینه روزنامه‌نگاری تحقیقی داده‌محور و مشارکتی به راه انداخت. یک نمونه از آن مقاله‌ای است که در مورد تبلیغات هدفمند در حین کارزار انتخاباتی تهیه کردند، و در آن برای جمعآوری و تحلیل دادهها درباره

نوع تبلیغاتی که کاربران شبکههای اجتماعی را هدف میگیرند، با یک گروه مدنی فناوری بنام Who​ ​Targets​ ​Me همکاری کردند. خیلی دوست دارم تجربههایی مثل The​ ​Bureau​ ​Local در کشورهای دیگر هم شکل بگیرد! در واقع یکی از اهداف اصلی باز و بسته دقیقا ساختن همین نوع حلقهها برای آن دست از افراد ساکن جوامع بسته است که میخواهند در تحقیقات مبتنی بر داده با دیگران همکاری کنند. پس لطفا با این پروژهها همراه شوید!

٧. روزنامهنگاری دادهمحور پول لازم دارد - اما پول از کجا بیاوریم؟

این روزها لازم به گفتن نیست که روزنامه‌نگاری حال و روز خوشی ندارد. درآمدهای ناشی از تبلیغات و آبونمان اصلا به اندازه سابق نیست. با توجه به اینکه روزنامهنگاری دادهمحور در سطح بالا به زمان و کار خیلی زیادی نیاز دارد، سوالی که طبعا مطرح میشود این است: پول همه این کارها را از کجا بیاوریم؟ شاید جای تعجب نباشد که هیچکس در کنفرانس DataJConf جواب سرراستی برای این سوال نداشت. خیلی از گفتگوهای خودمانی در بین جلسات به بحث در مورد تأمین مالی روزنامهنگاری دادهمحور کشیده شد، و بسیاری از شرکتکنندگان ابراز نگرانی میکردند که در حال حاضر کار خلاقانه در این حوزه بیش از حد به کمکهای مالی بنیادها وابسته است. با وجود این، شرکتکنندگان داستانهایی هم در مورد تجربیات جالبشان در سراسر جهان تعریف میکردند. در این بین، رویکرد مرکز روزنامهنگاری تحقیقی کره جنوبی که از جذب حمایتهای مالی همگانی استفاده کرده بود توجه بعضیها را جلب کرد.

٨. آیا روزنامه‌نگاری دادهمحور توقع ما را برآورده نکرده؟

در این دوران اخبار جعلی و حقایق جایگزین، یکی از موضوعاتی که در گفتگوهای مختلف مطرح میشد این بود که آیا روزنامه‌نگاری داده‌محور واقعا تأثیر مثبت قابل توجهی دارد یا نه. در جریان مباحثات کنفرانس، بعضی از ما نهایتا در دام این سوال بی جواب افتادیم که اصلا روزنامه‌نگاری واقعی به چه معناست؟. البته همه وقت هم به ذکر مصیبت و بحث‌های فلسفی نگذشت، و ما قطعا چند عامل ملموس را شناسایی کردیم که میتوان آنها را بهتر کرد. یکی از آنها نیاز به نمایش بهتر عدم قطعیت در روزنامه‌نگاری داده‌محور بود. این مسأله با موضوع ارتقاء دانش عموم در مورد داده پیوند خورده، ولی علاوه بر آن، مسأله گرایش روزنامه‌نگاری سنتی به ارائه سرخطهای خبری جالب و نتیجه‌گیری‌های فاقد دقت لازم در رساندن پیچیدگی و ظرافت موضوعات را هم در بر میگیرد. حاضران مرتبا به صفحه پیشبینی نتیجه انتخابات آمریکا در وب سایت FiveThirtyEight اشاره میکردند که در آن عدم قطعیت پیشبینیهای مدل ریاضی مورد استفاده وب سایت با دقت زیادی ذکر شده بود، اما این کار پایینتر از خرواری از اطلاعات انجام شده بود؛ تصمیمی از سردبیران سایت که به ادعای برخی باعث شد خوانندگان به اشتباه بیفتند و فکر کنند که اعداد بزرگی که در بالای صفحه میدیدند، تنها دادههای دارای اهمیت بوده‌اند.

پیش بینی‌های وب سایت FiveThirtyEight از نتایج انتخابات ریاست جمهوری آمریکا در سال 2016 حاوی جزئیات زیادی درباره عدم قطعیتهای ناشی از مدل ریاضی مورد استفاده بود، اما بیشتر خوانندگان تنها به درصدهای بزرگی که در بالای صفحه دیده میشدند، نگاه میکردند.

چالش دیگری که شرکت‌کنندگان در کنفرانس به آن اشاره کردند حجم عظیم منابعی است که صرف تهیه مطالبی میشود که خوانندگانش از قبل با تهیهکنندگان هم عقیدهاند، و اینکه تلاش کافی برای برقراری ارتباط با گستره وسیعتری از خوانندگان نمیشود. شرکتکنندگان در جلسات غیررسمی متذکر شدند که بسیاری از مقالات سطح بالاتر روزنامه‌نگاری داده‌محور که در آستانه انتخابات سال ٢٠١۶ آمریکا نوشته شد سلیقه مخاطبانی را در نظر داشت که از قبل جناح خود را انتخاب کرده بودند. ما با هم موافق بودیم که باید مطالب دادهمحور موثر و قابل دسترسی بیشتری تولید شوند که تا این حد هم درگیر سیاستورزی حزبی نباشند؛ مثلا مقاله پرمغز وب سایت ProPublica درباره افزایش مرگومیر مادران باردار در آمریکا.

٩. روزنامه‌نگاری داده‌محور میتواند در کشورهای توسعه نیافته بسیار پرقدرت باشد

بخش زیادی از صحبت‌ها در مورد شکلی از روزنامه‌نگاری دادهمحور بود که در غرب رواج دارد؛ اما یک استثنای شایان توجه هم وجود داشت. ِاوا کونستانتاراس که در کشورهای توسعه نیافته تیمهایی را در زمینه روزنامه‌نگاری تحقیقی دادهمحور آموزش میدهد، سخنرانی بسیار خوبی درباره تأثیرگذاری روزنامهنگاری دادهمحور در کشورهای در حال توسعه کرد. او وب سایتهای IndiaSpend در هند و The​ ​Nation در کنیا را مثال زد، و توضیح داد که چطور مطالب داده‌محور آنها به شناسایی مشکلاتی که مردم با آنها همدل هستند، کمک میکند، و آنها را به شکلی قابل دسترسی و اثرگذار تشریح میکند. پوشش انتخابات در دو نمونهای که ِاوا مثال زد روی تحقیق درباره پیامدهای سیاستهای پیشنهادی سیاستمداران متمرکز بود، و شامل بررسی صحت اطلاعات موجود و شناسایی انواع مسائلی میشود که رأی دهندگان در عالم واقع با آنها روبهرو هستند. در نبود فضاهای حزبی و جناحی که در آنها فقط سخنان موافق شنیده میشود، و به لطف اینکه روزنامهنگاری دادهمحور در بسیاری نقاط جهان هنوز پدیده تازه و نوین است، این نوع روزنامهنگاری میتواند نهایتا در کشورهای توسعه نیافته تأثیر بسیار بزرگی روی روایت و گفتگوی عمومی بگذارد. تحولات این حوزه را دنبال کنید!

وب سایت The​ ​Nation در کنیا بیش از پیش مطالب دادهمحور تولبد میکند؛ مثلا مقاله ای که در اوت 2017 درباره یازدهمین انتخابات کنیا منتشر کرد.

١٠. روایت داستان باید با افراد ارتباط برقرار کند

اگر بخواهیم درباره اینکه چه چیزی روزنامه‌نگاری داده‌محور را اثرگذار میکند به یک موضوع که در تمام طول کنفرانس به تناوب تکرار میشد اشاره کنیم، آن موضوع این بود که یک مطلب مبتنی بر داده باید با خواننده ارتباط برقرار کند. ِاوا در سخنرانیاش اسلایدی داشت که روی آن نقل قولی از جان اشتاین بک درباره مشخصات یک مطلب خوب آمده بود: اگر یک مطلب به شنونده ربط نداشته باشد او به آن گوش نخواهد کرد... یک مطلب عالی و ماندگار درباره همه است؛ وگرنه ماندگار نمیشود. غریبه و اجنبی جالب نیست - تنها آنچه عمیقا شخصی و آشناست جذابیت دارد. کانر از RTE هم همین مسأله را بیان کرد. بعد از اینکه تحقیقات داده‌محور و گسترده تیم او وجود فساد در عرصه سیاست ایرلند را نشان داد، مطلب اصلی که بسیار خبرساز شد مصاحبهای بود که به کمک یک دوربین مخفی با یکی از سیاستمداران دخیل در ماجرا

 

تهیه شده بود. این ویدئو تنها یکی از یافتههای مبتنی بر داده تیم تحقیقی را به شکلی تمام عیار بیان میکرد، و همین بود که نهایتا بیشتر از هر نوع تصویرسازی از دادهها مخاطبان را همراه کرد.

“من پول زیادی میخواهم" - هیو مک الوانی، عضو شورا، در دام دوربین مخفی RTE افتاد

می توانم همچنان ادامه دهم، ولی احتمالا همین قدر برای یک ُپست طولانی کافیست! ممنون که تا اینجا مطلب را خواندید، و امیدوارم توانسته باشید از تجربیات من در کنفرانس DataJConf اطلاعات خوبی کسب کنید. دو روز خیلی جذاب را گذراندم، و حالا امیدوارم که این ایده‌های نو و هیجان انگیز را در ماههای آینده بکار بگیرم! اگر این افکار و ایدهها شما را هیجان زده یا کنجکاو کرده یا حتی عصبانیتان کرده خیلی خوشحال میشویم که نظراتتان را برایمان بنویسید.