數(shù)據(jù)新聞與信息可視化 課件全套 第1-8章 數(shù)據(jù)新聞與可視化概論、數(shù)據(jù)來源與生成邏輯- 可視化實(shí)戰(zhàn)

數(shù)據(jù)新聞與信息可視化數(shù)據(jù)新聞與可視化概論第一章目錄CONTENT01.數(shù)據(jù)新聞的概念與分類02.數(shù)據(jù)新聞與可視化的發(fā)展歷程03.理解數(shù)據(jù)：數(shù)據(jù)的概念與分類04.數(shù)據(jù)新聞的工作流程與能力要求數(shù)據(jù)新聞的概念與分類1.1數(shù)據(jù)新聞的概念與特征1.2數(shù)據(jù)新聞的分類第一節(jié)“數(shù)據(jù)新聞”的基本定義是指基于數(shù)據(jù)量化與計(jì)算分析的新聞報(bào)道實(shí)踐和新聞報(bào)道產(chǎn)品。在當(dāng)代數(shù)字化傳播環(huán)境下，數(shù)據(jù)新聞呈現(xiàn)越來越強(qiáng)的與計(jì)算機(jī)技術(shù)相結(jié)合的特征，通常以可視化為呈現(xiàn)形態(tài)，并強(qiáng)調(diào)面向公眾的開放性、透明性、參與性與服務(wù)性。數(shù)據(jù)新聞是新聞報(bào)道、數(shù)據(jù)分析、計(jì)算機(jī)編程與可視化設(shè)計(jì)的交叉融合產(chǎn)物。第一、數(shù)據(jù)新聞是以數(shù)據(jù)量化與計(jì)算分析為基礎(chǔ)的新聞報(bào)道和新聞實(shí)踐。數(shù)據(jù)新聞是一個“傘狀概念”1.1數(shù)據(jù)新聞的概念與特征第二、數(shù)據(jù)新聞包括對小數(shù)據(jù)的分析，也包括對大數(shù)據(jù)的挖掘。第三、數(shù)據(jù)新聞往往包括計(jì)算機(jī)技術(shù)的運(yùn)用。第四、數(shù)據(jù)新聞往往以可視化的形式呈現(xiàn)。第五、數(shù)據(jù)新聞強(qiáng)調(diào)面向公眾的開放性、透明性、參與性與服務(wù)性。新聞的題材新聞報(bào)道的深度1.傳統(tǒng)的新聞分類方式小數(shù)據(jù)新聞vs.大數(shù)據(jù)新聞2.數(shù)據(jù)新聞的數(shù)據(jù)特征（1）文字報(bào)道（2）靜態(tài)可視化圖表（3）動態(tài)交互性可視化（interactivevisualization）（4）視頻或動畫（5）數(shù)據(jù)新聞產(chǎn)品應(yīng)用3.數(shù)據(jù)新聞的數(shù)據(jù)特征圖

網(wǎng)易數(shù)讀《B站課程排行榜，這屆大學(xué)生最愛學(xué)什么》圖財(cái)新“數(shù)字說”《周永康的人與財(cái)》圖騰訊新聞疫苗接種點(diǎn)查詢H5截屏1.2數(shù)據(jù)新聞的分類數(shù)據(jù)新聞與可視化的發(fā)展歷程2.1數(shù)據(jù)新聞與可視化的早期案例2.2從“精確新聞”到“數(shù)據(jù)新聞”2.3在新聞業(yè)變革的框架中理解數(shù)據(jù)新聞的發(fā)展2.4數(shù)據(jù)新聞與可視化的當(dāng)代發(fā)展及趨勢第二節(jié)數(shù)據(jù)新聞概念雖然生長于21世紀(jì)，但數(shù)據(jù)在新聞中的應(yīng)用卻由來已久。英國《衛(wèi)報(bào)》1821年5月5日的創(chuàng)刊號：曼徹斯特和薩爾福德各個學(xué)校的學(xué)生人數(shù)和收費(fèi)標(biāo)準(zhǔn)的數(shù)據(jù)表格圖

約翰·斯諾“倫敦霍亂地圖”圖

南丁格爾“東征軍士兵死亡原因圖”2.1數(shù)據(jù)新聞與可視化的早期案例

精確新聞計(jì)算機(jī)輔助新聞報(bào)道數(shù)據(jù)新聞大數(shù)據(jù)新聞計(jì)算新聞、算法新聞出現(xiàn)時代1960-1970年代1980年代2000年代2010年代2010年代概念重點(diǎn)量化社會科學(xué)方法計(jì)算機(jī)技術(shù)輔助數(shù)據(jù)分析、編程、設(shè)計(jì)等交叉融合大數(shù)據(jù)計(jì)算思維、算法生產(chǎn)主體機(jī)構(gòu)媒體機(jī)構(gòu)媒體開放生產(chǎn)開放生產(chǎn)開放生產(chǎn)數(shù)據(jù)形態(tài)抽樣數(shù)據(jù)抽樣數(shù)據(jù)抽樣數(shù)據(jù)、大數(shù)據(jù)大數(shù)據(jù)大數(shù)據(jù)強(qiáng)調(diào)開放不強(qiáng)調(diào)不強(qiáng)調(diào)強(qiáng)調(diào)強(qiáng)調(diào)不強(qiáng)調(diào)連接受眾被動被動主動主動主動覆蓋環(huán)節(jié)新聞生產(chǎn)新聞生產(chǎn)新聞生產(chǎn)新聞生產(chǎn)新聞生產(chǎn)、消費(fèi)全過程第一、傳統(tǒng)新聞業(yè)專業(yè)取向的影響。

第二、新聞生產(chǎn)的開放透明性。第三、認(rèn)識論上基于抽樣數(shù)據(jù)或大數(shù)據(jù)。

第四、與公眾的連接程度。四個維度區(qū)分?jǐn)?shù)據(jù)新聞與相關(guān)概念：2.2從“精確新聞”到“數(shù)據(jù)新聞”數(shù)據(jù)開放運(yùn)動促進(jìn)公共數(shù)據(jù)的有效供給。技術(shù)變革帶來在線數(shù)據(jù)的大量供給。人類生活的各個方面都產(chǎn)生大量的數(shù)字足跡（digitalfootprints），提供了基礎(chǔ)與土壤。處于危機(jī)之中的新聞業(yè)本身亟待新聞創(chuàng)新。開源軟件運(yùn)動促進(jìn)技術(shù)工具的有效供給?！伴_放數(shù)據(jù)”（OpenData）運(yùn)動于2000年后興起，強(qiáng)調(diào)公民有權(quán)利從政府等公共部門獲得公共數(shù)據(jù)。我國在《政府信息公開條例》等制度推動下，也在逐步探索政府開放數(shù)據(jù)。數(shù)據(jù)新聞是新聞業(yè)量化轉(zhuǎn)向（quantitativeturn）的一部分，其通過基于數(shù)據(jù)的分析報(bào)道、配以直觀、交互的可視化表達(dá)形式，革新了新聞內(nèi)容的呈現(xiàn)方式，促進(jìn)了與受眾的溝通。低成本、免費(fèi)的軟件共享、源代碼公開與開源社區(qū)建設(shè)（如GitHub）促進(jìn)了數(shù)據(jù)新聞與可視化的發(fā)展。2.3在新聞業(yè)變革的框架中理解數(shù)據(jù)新聞的發(fā)展第一、數(shù)據(jù)新聞的角色從“創(chuàng)新”到“常規(guī)”。第二、參與主體增多并呈現(xiàn)多元化發(fā)展。第三、數(shù)據(jù)內(nèi)容主題日益多元化、垂直化。

第四、技術(shù)變革與時俱進(jìn)。媒體業(yè)界的數(shù)據(jù)新聞實(shí)踐圖“數(shù)據(jù)新聞”的百度指數(shù)搜索趨勢（2011-2020）2.4數(shù)據(jù)新聞與可視化的當(dāng)代發(fā)展及趨勢“數(shù)據(jù)新聞”在2013年后得到了快速增長2.4數(shù)據(jù)新聞與可視化的當(dāng)代發(fā)展及趨勢《數(shù)據(jù)新聞手冊》的編寫數(shù)據(jù)新聞獎的組織行業(yè)共同體的建設(shè)圖《數(shù)據(jù)新聞手冊》中譯本：手冊的內(nèi)容概覽業(yè)界：工作坊、內(nèi)部培訓(xùn)、學(xué)習(xí)社區(qū)等學(xué)界：數(shù)據(jù)新聞或相關(guān)課程、本碩項(xiàng)目數(shù)據(jù)新聞研究也已得到開展數(shù)據(jù)新聞教育與研究理解數(shù)據(jù)：數(shù)據(jù)的概念與分類3.1數(shù)據(jù)的概念3.2數(shù)據(jù)的分類第三節(jié)主要特征1主要特征2主要特征3數(shù)據(jù)，英文是Data，源自拉丁語dare，其含義是“給予”(togive)。數(shù)據(jù)是“通過將世界抽象為類型、測量或其他表征性形式——數(shù)字、字符、符號、形象、聲音、電磁波、比特等而產(chǎn)生的原材料，從而構(gòu)成信息和知識得以創(chuàng)造的基石”（

Kitchin，2014）。數(shù)據(jù)是源自外部世界的原材料。圖知識金字塔模型（Kitchin，2014：10）數(shù)據(jù)不等于數(shù)字，而是多形態(tài)的。數(shù)據(jù)是有價值的。數(shù)據(jù)是可記錄、可獲取的關(guān)于外部世界的多種形態(tài)、富有價值的原材料與要素。3.1數(shù)據(jù)的概念1.量化與質(zhì)化數(shù)據(jù)圖

財(cái)新傳媒《非平裝煙盒》截圖圖《漢密爾頓算法》聲音可視化作品截圖2.結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)3.數(shù)據(jù)的具體形式（數(shù)字、文字、符號、圖片、地圖、視頻、音頻等）4.小數(shù)據(jù)與大數(shù)據(jù)5.薄數(shù)據(jù)與厚數(shù)據(jù)“大數(shù)據(jù)”的特征包括多（異）源、非結(jié)構(gòu)化、以及“4V”等?！?V”：海量（Volume）、快速（Velocity）、多樣（Variety）、價值（Value）?！按髽颖?、少變量”VS.“多變量、小樣本”3.2數(shù)據(jù)的分類數(shù)據(jù)新聞的工作流程與能力要求4.1數(shù)據(jù)新聞的工作流程4.2數(shù)據(jù)新聞工作的能力要求和團(tuán)隊(duì)構(gòu)成第四節(jié)圖

勞倫茲（MirkoLorenz）的數(shù)據(jù)新聞生產(chǎn)流程圖圖

布拉德肖（PaulBradshaw）的數(shù)據(jù)新聞倒金字塔圖數(shù)據(jù)采集數(shù)據(jù)清理數(shù)據(jù)分析可視化發(fā)布與傳播新聞選題新聞敘事圖

數(shù)據(jù)新聞工作流程（作者自制）數(shù)據(jù)新聞的主要目的是講述準(zhǔn)確而形象的數(shù)據(jù)故事?！肮适隆睆?qiáng)調(diào)新聞價值，“準(zhǔn)確”強(qiáng)調(diào)數(shù)據(jù)分析的專業(yè)性，“形象”強(qiáng)調(diào)可視化。4.1數(shù)據(jù)新聞的工作流程數(shù)據(jù)采集數(shù)據(jù)清理數(shù)據(jù)分析可視化發(fā)布與傳播新聞選題新聞敘事圖

數(shù)據(jù)新聞工作流程（作者自制）4.1數(shù)據(jù)新聞的工作流程新聞選題新聞價值+數(shù)據(jù)來源+獨(dú)特性（原創(chuàng)、獨(dú)家）=數(shù)據(jù)新聞選題新聞敘事（貫穿數(shù)據(jù)新聞工作流程的六個環(huán)節(jié)始終的核心要素）“馬提尼杯型”（MartiniGlass）“互動幻燈型”（InteractiveSlideshow）“鉆取型”（Drill-Down）新聞敘事能力（數(shù)據(jù)記者/編輯）數(shù)據(jù)分析與挖掘能力（程序員）數(shù)據(jù)新聞團(tuán)隊(duì)可視化能力（設(shè)計(jì)師）ExcelSPSSRPythonTableauEChartsHtml5CSSJavaScript

圖數(shù)據(jù)新聞工作能力要求與團(tuán)隊(duì)構(gòu)成（作者自制）新技術(shù)環(huán)境下新聞從業(yè)者所應(yīng)具備的九項(xiàng)基本素養(yǎng)（美國哥倫比亞大學(xué)Tow研究中心）“軟技能”（1）良好的心態(tài)和精神狀態(tài)，成為具有企業(yè)家精神的記者；（2）成為網(wǎng)絡(luò)化的個體；（3）培育具有正直和良好判斷力的的公眾形象?！坝布寄堋保?）專家型記者；（2）熟悉數(shù)據(jù)和統(tǒng)計(jì)知識；（3）會講故事；（4）項(xiàng)目管理；（5）了解用戶分析工具，更好地理解受眾；（6）熟悉編碼知識。數(shù)據(jù)新聞工作中的八大角色（AndyKirk）發(fā)起者或項(xiàng)目負(fù)責(zé)人、數(shù)據(jù)科學(xué)家、新聞記者、計(jì)算機(jī)科學(xué)家、設(shè)計(jì)師、認(rèn)知科學(xué)家、聯(lián)絡(luò)人、以及項(xiàng)目經(jīng)理。數(shù)據(jù)新聞工作主要需要如下四種能力——第一、新聞敘事能力。

第二、數(shù)據(jù)統(tǒng)計(jì)與分析能力。第三、可視化設(shè)計(jì)能力。

第四、計(jì)算機(jī)編程能力。4.2數(shù)據(jù)新聞工作的能力要求和團(tuán)隊(duì)構(gòu)成THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化數(shù)據(jù)來源與生成邏輯第二章目錄CONTENT01.數(shù)據(jù)新聞與可視化的數(shù)據(jù)來源02.數(shù)據(jù)的生成邏輯：研究設(shè)計(jì)與方法數(shù)據(jù)新聞與可視化的數(shù)據(jù)來源1.1獲取數(shù)據(jù)來源的入口1.2主要數(shù)據(jù)來源和獲取方式1.3數(shù)據(jù)來源的質(zhì)量評估和報(bào)告規(guī)范第一節(jié)使用搜索引擎。了解并熟悉數(shù)據(jù)來源的“地圖”。首先，需要建立在新聞選題與數(shù)據(jù)的關(guān)聯(lián)認(rèn)知上。其次，需要了解不同數(shù)據(jù)來源的特點(diǎn)和潛在價值。從已經(jīng)發(fā)表的數(shù)據(jù)新聞作品中獲取線索。工作中的日積月累。探索百度、谷歌等通用搜索引擎常常是獲取數(shù)據(jù)的第一步。使用“高級搜索”功能和一些搜索小技巧可以提高搜索效率?？梢允紫炔樵円幌乱酝l(fā)表的作品所引用的數(shù)據(jù)來源，并進(jìn)一步探索該數(shù)據(jù)如何可以得到新的運(yùn)用。除了“收藏”數(shù)據(jù)源，還應(yīng)當(dāng)多“探索”數(shù)據(jù)源，熟悉其構(gòu)成和特點(diǎn)，最好形成筆記。1.1獲取數(shù)據(jù)來源的入口1.2主要數(shù)據(jù)來源和獲取方式

原則含義1完整（complete）除非涉及國家安全、商業(yè)機(jī)密、個人隱私或其他特別限制，所有的政府?dāng)?shù)據(jù)都應(yīng)開放，以開放為原則，不開放為例外2一手（primary）開放從源頭采集到的一手?jǐn)?shù)據(jù)，盡可能保持?jǐn)?shù)據(jù)的高顆粒度，而不是開放被聚合、修改或加工過的數(shù)據(jù)3及時（timely）數(shù)據(jù)盡可能以最快速度發(fā)布，以保持?jǐn)?shù)據(jù)的價值4可獲?。╝ccessible）數(shù)據(jù)盡可能地拓寬用戶范圍和利用目的5可機(jī)器處理（machineprocessable）數(shù)據(jù)進(jìn)行合理的結(jié)構(gòu)化，使之可以被計(jì)算機(jī)處理6非歧視（non-discriminatory）數(shù)據(jù)對所有人都平等開放，無需注冊登記7非專屬（non-proprietary）數(shù)據(jù)以非專屬格式存在，從而使任何實(shí)體都不能獨(dú)占和排他8免授權(quán)（license-free）除非有合理的隱私、安全和特別限制，數(shù)據(jù)不受版權(quán)、專利、商標(biāo)或貿(mào)易秘密規(guī)則的約束1.政府與國際組織的公開數(shù)據(jù)1.2主要數(shù)據(jù)來源和獲取方式類型示例國際組織聯(lián)合國的數(shù)據(jù)搜索引擎：世界銀行的數(shù)據(jù)銀行：/home.aspx世界衛(wèi)生組織的數(shù)據(jù)平臺：/data國際電信聯(lián)盟的數(shù)據(jù)：/en/ITU-D/Statistics/Pages/stat/default.aspx外國政府美國政府的開放數(shù)據(jù)：英國政府的開放數(shù)據(jù)：.uk中國國家統(tǒng)計(jì)局收集的國外官方統(tǒng)計(jì)網(wǎng)站列表：http:///tjgz/wzlj/gwtjw/201311/t20131104_452221.html中國政府中國政府網(wǎng)數(shù)據(jù)：/shuju/中國國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)：中國國家統(tǒng)計(jì)局“國家數(shù)據(jù)”：中國裁判文書網(wǎng)：中國生態(tài)環(huán)境部發(fā)布的生態(tài)環(huán)境數(shù)據(jù)：/hjzl/中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的網(wǎng)絡(luò)發(fā)展數(shù)據(jù)：地方政府上海市公共數(shù)據(jù)開放平臺：北京市政務(wù)數(shù)據(jù)資源網(wǎng)：/index.htm可以直接通過政府網(wǎng)站下載存儲或抓取采集，也可以通過信息公開申請、采訪等方式聯(lián)系獲取。1.2主要數(shù)據(jù)來源和獲取方式圖運(yùn)用企業(yè)數(shù)據(jù)揭示公司關(guān)系案例（來源：澎湃新聞）2.其他社會機(jī)構(gòu)、企業(yè)與社會組織的數(shù)據(jù)類型示例長期型美國綜合社會調(diào)查數(shù)據(jù)（GSS）：中國綜合社會調(diào)查數(shù)據(jù)（CGSS）：專題型霍普金斯大學(xué)的新冠疫情數(shù)據(jù)：/map.html聚合型密歇根大學(xué)校際政治和社會研究聯(lián)盟（ICPSR）：中國學(xué)術(shù)調(diào)查數(shù)據(jù)資料庫：/index.php中國知網(wǎng)學(xué)術(shù)論文數(shù)據(jù)庫：3.學(xué)術(shù)科研機(jī)構(gòu)的數(shù)據(jù)4.新聞媒體、社會化媒體與其他網(wǎng)絡(luò)平臺的數(shù)據(jù)1.2主要數(shù)據(jù)來源和獲取方式圖社會化媒體數(shù)據(jù)運(yùn)用案例（來源：澎湃新聞）圖

網(wǎng)絡(luò)平臺用戶行為數(shù)據(jù)的應(yīng)用案例（來源：新一線）5.通過調(diào)查、采訪、實(shí)驗(yàn)等方式自建數(shù)據(jù)庫1.2主要數(shù)據(jù)來源和獲取方式圖

問卷調(diào)查數(shù)據(jù)應(yīng)用案例（來源：澎湃新聞）圖

現(xiàn)場采集數(shù)據(jù)案例（來源：澎湃新聞）圖仿真模擬應(yīng)用案例（來源：嗶哩嗶哩）6.利用“眾包”方式獲取數(shù)據(jù)1.2主要數(shù)據(jù)來源和獲取方式眾包最大的優(yōu)勢是充分利用集體智慧，降低了任務(wù)由單一機(jī)構(gòu)完成的成本。在數(shù)據(jù)新聞生產(chǎn)中，采用“眾包”方式獲取數(shù)據(jù)指動員網(wǎng)民的力量共同參與數(shù)據(jù)的提供、查驗(yàn)和匯流，從而能夠聚合群體智慧，產(chǎn)生傳統(tǒng)方法無法獲得的效果。眾包是一種協(xié)作的群體生產(chǎn)行為圖

網(wǎng)民“眾包”的歷史記憶書寫（來源：澎湃新聞）關(guān)注數(shù)據(jù)的生成邏輯：質(zhì)量評估。關(guān)注數(shù)據(jù)的來源背景：公信力。公信力是由數(shù)據(jù)來源長期建立的品牌與口碑。對數(shù)據(jù)來源進(jìn)行交叉驗(yàn)證。規(guī)范地報(bào)告數(shù)據(jù)來源和采集過程。（1）數(shù)據(jù)的生產(chǎn)目的是什么，是否公正；（2）數(shù)據(jù)的生成設(shè)計(jì)和方法（樣本、測量、執(zhí)行）是否符合科學(xué)研究規(guī)范；（3）數(shù)據(jù)的法律和倫理規(guī)范：是否遵守法律、是否遵循知情同意程序、是否侵犯公民個人隱私等。對于存在多個來源的數(shù)據(jù)，應(yīng)比較其數(shù)據(jù)生產(chǎn)的邏輯、過程和結(jié)果；或者通過查詢權(quán)威機(jī)構(gòu)、專家同行、以及人工重新計(jì)算等方式校正數(shù)據(jù)結(jié)果；并在分析、解釋中告知讀者數(shù)據(jù)交叉驗(yàn)證中發(fā)現(xiàn)的問題，給予讀者透明的態(tài)度。透明、開放的重要操作路徑就是真實(shí)、準(zhǔn)確、清晰地報(bào)告數(shù)據(jù)來源和采集過程。1.3數(shù)據(jù)來源的質(zhì)量評估和報(bào)告規(guī)范數(shù)據(jù)的生成邏輯：研究設(shè)計(jì)與方法2.1研究設(shè)計(jì)的主要內(nèi)容2.2主要的研究方法：質(zhì)化、量化與計(jì)算第二節(jié)預(yù)測：在對一個議題缺乏了解前所進(jìn)行的先期性、摸索性研究描述：“是什么”描述對象的基本分布、比例等情況，“怎么樣”則細(xì)致描述事物的細(xì)節(jié)。預(yù)測：根據(jù)已知信息，預(yù)測未知信息。2.1研究設(shè)計(jì)的主要內(nèi)容1.研究目的例如，在計(jì)劃運(yùn)用問卷調(diào)查方法采集數(shù)據(jù)之前，可以通過小范圍的意見征詢對調(diào)查問題進(jìn)行探索。例如，報(bào)告新冠肺炎感染人數(shù)的增長。解釋：主要解釋事物形成的原因（causalexplanation），即“為什么”。例如，了解哪些因素影響疫情發(fā)展的狀況。例如，對疫情發(fā)展的未來趨勢做出預(yù)測。分析單位：數(shù)據(jù)采集和測量對象的單位類型。分析層次：研究所聚焦的社會現(xiàn)實(shí)（socialreality）的層次。2.1研究設(shè)計(jì)的主要內(nèi)容2.分析單位與層次個體（既可以是個人、也可以是一篇文章或一條帖子）、群體（如家庭、朋伴團(tuán)體）、組織（如企業(yè)、大學(xué)）、地區(qū)（如某個省份）、國家等。從微觀（如分析個體心理和行為）到宏觀（如分析社會結(jié)構(gòu)的影響）的連續(xù)性變換體系，是人數(shù)規(guī)模、空間大小、活動范圍和時間長度等的混合?；诓煌瑔挝粩?shù)據(jù)形成的分析結(jié)論不能簡單地相互轉(zhuǎn)化：個體層次的分析結(jié)論不一定適用于集合層次，反之亦然。否則就犯“生態(tài)謬誤”（ecologicalfallacy）的錯誤。單一時間點(diǎn)的橫截面數(shù)據(jù)（cross-sectionaldata）。多個時間點(diǎn)的縱貫數(shù)據(jù)（longitudinaldata）。2.1研究設(shè)計(jì)的主要內(nèi)容3.時間維度只有一個觀測和采集數(shù)據(jù)的時間點(diǎn)，每個對象只擁有一次數(shù)據(jù)。主要用于描述和分析一個時間點(diǎn)（一般是近期）的狀況。包括多個不同的時間點(diǎn)，研究對象總體或個體擁有多次數(shù)據(jù)。允許分析研究對象隨著時間變化的演變過程。趨勢（trend）數(shù)據(jù)：對多時點(diǎn)的數(shù)據(jù)采集針對總體進(jìn)行，可以對總體進(jìn)行歷時性變化的分析。同期群（cohort）數(shù)據(jù)：對多時點(diǎn)的數(shù)據(jù)采集針對特定的群體進(jìn)行，主要關(guān)注同齡人群體（世代）的歷時性變化，因此需要保持追蹤這一人群不變（但并不要求該群體內(nèi)部的個體保持不變）。固定樣組（panel）數(shù)據(jù)：對多時點(diǎn)數(shù)據(jù)采集的要求則最高，不但要求總體及人群不變，而且需要保持對同一批樣本的固定跟蹤。內(nèi)部效度：研究設(shè)計(jì)架構(gòu)能使我們根據(jù)結(jié)果得出清晰結(jié)論的程度。外部效度：則指研究結(jié)果能被推廣至特定研究之外的程度。2.1研究設(shè)計(jì)的主要內(nèi)容4.內(nèi)部與外部效度主要受到分析單位、時間維度、研究方法、測量質(zhì)量等的影響。例如，“生態(tài)謬誤”就有損研究效度，單一時間點(diǎn)的橫截面研究無法有效推論因果關(guān)系（發(fā)現(xiàn)兩個變量之間的相關(guān)，無法從時間性上排除雙向影響）、非實(shí)驗(yàn)性研究也無法有效推論因果關(guān)系（無法控制其他變量、排除替代性假設(shè)）、以及測量缺乏信度或效度對研究結(jié)論形成威脅等。主要受到研究方法、特別是抽樣的影響。例如，小規(guī)模的實(shí)驗(yàn)室實(shí)驗(yàn)、非隨機(jī)抽樣調(diào)查的外部效度顯著低于基于嚴(yán)格隨機(jī)抽樣的大樣本問卷調(diào)查、或基于全量數(shù)據(jù)的計(jì)算分析。2.1研究設(shè)計(jì)的主要內(nèi)容5.研究方法

質(zhì)化方法量化方法計(jì)算方法目標(biāo)建構(gòu)社會現(xiàn)實(shí)與文化意義測量客觀事實(shí)測量客觀事實(shí)焦點(diǎn)互動過程、事件變量變量價值明顯中立中立研究者角色置身其中保持中立保持中立數(shù)據(jù)形式文字或圖片形式數(shù)字形式多模態(tài)形式（轉(zhuǎn)化為數(shù)字形式計(jì)算）采集方式人工為主人工為主機(jī)器為主樣本少數(shù)個案多個個案海量（全量）個案分析方式主題分析統(tǒng)計(jì)分析統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)非隨機(jī)抽樣：總體中的個案被抽中的概率并不相等2.1研究設(shè)計(jì)的主要內(nèi)容6.抽樣方式含義舉例方便型用任何方便的方式隨意抽取個案街頭攔截采訪目的型用不同方法獲取符合特定標(biāo)準(zhǔn)的個案通過詢問、請人介紹等方式聯(lián)系符合要求的訪談對象志愿者型采用招募方式獲得個案的主動參與在網(wǎng)上發(fā)布報(bào)名通知滾雪球型通過一些初始被選個案不斷介紹新的個案先訪問一位農(nóng)民工，再請他（她）介紹幾位老鄉(xiāng)配額型從能反映總體多樣性的各個子群體中隨意選取預(yù)定數(shù)目的樣本將問卷分配到多個不同院系，回收足夠數(shù)量的問卷隨機(jī)抽樣：總體或代表總體的“抽樣框”中每個個案都有同等的概率被抽中2.1研究設(shè)計(jì)的主要內(nèi)容6.抽樣簡單隨機(jī)抽樣：通過“抽簽”（針對少量個案）或隨機(jī)數(shù)（針對更多個案，可通過電腦生成隨機(jī)數(shù)、或根據(jù)隨機(jī)數(shù)表）的方式從總體的抽樣框中直接抽取出符合目標(biāo)樣本量的個案。系統(tǒng)隨機(jī)抽樣：由抽樣框中的第k個個案組成樣本，即將抽樣框中的所有個案排列編號（或者依據(jù)地理自然分布），根據(jù)總體與目標(biāo)樣本量的比值計(jì)算抽樣間距（samplinginterval）、并隨機(jī)選擇起點(diǎn)后，基于抽樣間距進(jìn)行抽樣。分層隨機(jī)抽樣：首先根據(jù)事先獲得的信息將總體劃分為若干個次總體（層），然后再根據(jù)簡單或系統(tǒng)隨機(jī)抽樣的方法從各個層中抽取出符合比例的樣本。整群隨機(jī)抽樣：針對分散的總體等無法編制一個完整的抽樣框的情況，需要先采取將總體中的某些群（clusters）先整體抽取出來，然后在被抽中的群內(nèi)再進(jìn)行簡單或系統(tǒng)隨機(jī)抽樣。質(zhì)化研究的非隨機(jī)抽樣：主要的評估標(biāo)準(zhǔn)是“理論飽和”或“信息飽和”。隨機(jī)抽樣：主要取決于研究精度、總體內(nèi)部差異、以及研究成本之間的平衡。2.1研究設(shè)計(jì)的主要內(nèi)容“理論飽和”指所抽取的樣本對于理解研究問題已經(jīng)達(dá)到的飽和程度，當(dāng)再增加新的樣本卻不能為研究問題增加新的理解時，就可以認(rèn)為達(dá)到了“理論飽和”；“信息飽和”與之類似，指引入新的樣本不再能增加新的信息供給。研究精度是主要因素，它意味著：在95%的置信度下，如果設(shè)定允許的最大抽樣誤差為5%，則最低樣本要求為384；如果允許的最大抽樣誤差為4%，則最低樣本要求為600；如果允許的最大抽樣誤差為3%，則最低樣本要求為1067。在置信度水平固定的情況下，抽樣誤差的下降與樣本量的增長是非線性的負(fù)相關(guān)關(guān)系。6.抽樣概念化與操作化2.1研究設(shè)計(jì)的主要內(nèi)容操作化（operationalization）：將需要表達(dá)、但又無法直接觀測的概念轉(zhuǎn)化為可觀察、可測量的東西。7.操作化與測量“信度：測量的可靠性和穩(wěn)定性在相同或類似條件下（意味著沒有實(shí)際變化），運(yùn)用某個測量工具能夠得出相同的結(jié)果。再測法、次總體分析、多重指標(biāo)法等。“效度”：測量指標(biāo)與希望測量的概念之間的吻合程度對概念的操作化和測量多大程度上“真實(shí)”地反映了概念。表面效度、內(nèi)容效度、效標(biāo)效度、建構(gòu)效度（包括趨同效度及區(qū)別效度）訪談法（interview）觀察法（fieldobservation）通過（通常是在自然情境下的）觀看、傾聽和感受來認(rèn)識周圍世界（包括物理空間、環(huán)境和人的活動）。實(shí)驗(yàn)室觀察vs.自然環(huán)境下的觀察；線下觀察vs.在線觀察；參與觀察vs.非參與觀察；結(jié)構(gòu)型觀察vs.無結(jié)構(gòu)型觀察；靜態(tài)觀察vs.動態(tài)觀察；直接觀察vs.間接觀察等。（1）準(zhǔn)備階段：主要是確定觀察問題、制訂觀察計(jì)劃（提綱）；（2）實(shí)施階段：進(jìn)入現(xiàn)場、觀察的順序、方位、與被觀察者的互動；（3）記錄：主要圍繞觀察目的和觀察提綱。通過有目的的訪問與談話去收集資料。結(jié)構(gòu)型訪談vs.無結(jié)構(gòu)型、半結(jié)構(gòu)型；正規(guī)型訪談vs.非正規(guī)型訪談；直接訪談vs.間接訪談；個別訪談vs.集體訪談。（1）準(zhǔn)備階段：確定研究問題、設(shè)計(jì)訪談提綱；抽樣并聯(lián)系訪談對象；（2）實(shí)施階段：提問（或追問）、傾聽（或回應(yīng)）、記錄。2.2主要的研究方法：質(zhì)化、量化與計(jì)算1.主要的質(zhì)化方法內(nèi)容分析法（contentanalysis）問卷調(diào)查法（survey）隨機(jī)抽樣，根據(jù)調(diào)查目的（概念）設(shè)計(jì)問卷，并由被訪者自我報(bào)告產(chǎn)生回答，對回答結(jié)果進(jìn)行統(tǒng)計(jì)分析?？刂茖?shí)驗(yàn)法（experiment）對檔案資料或其他統(tǒng)計(jì)資料的二手分析（existingfilesorstatistics）對文本內(nèi)容或圖片、影音作品隨機(jī)抽樣，根據(jù)設(shè)計(jì)的編碼表（codebook）進(jìn)行人工編碼并記錄，對編碼結(jié)果進(jìn)行統(tǒng)計(jì)分析。隨機(jī)分組、控制其他條件不變，測量實(shí)驗(yàn)處理（treatment）的效果；通常在實(shí)驗(yàn)室環(huán)境中，少量樣本。對已經(jīng)存在的來自政府部門等的集合層面的歷史檔案、統(tǒng)計(jì)資料等根據(jù)新的目的進(jìn)行收集整理和統(tǒng)計(jì)分析。2.2主要的研究方法：質(zhì)化、量化與計(jì)算2.主要的量化方法文本挖掘（textmining）用戶分析（Useranalytics）類比量化方法的問卷調(diào)查，但區(qū)別是：無需進(jìn)行介入式的自我報(bào)告數(shù)據(jù)收集；基于自發(fā)產(chǎn)生的行為日志（如登錄、下載、瀏覽、購買記錄）。在線實(shí)驗(yàn)（onlineexperiment）在線檔案和統(tǒng)計(jì)數(shù)據(jù)（Onlinearchive）類比量化方法的內(nèi)容分析，但區(qū)別是：無需進(jìn)行人工的內(nèi)容編碼；對網(wǎng)絡(luò)文本進(jìn)行自動化的文本挖掘，含詞頻分析、主題分析、情感分析等。類比量化方法的實(shí)驗(yàn)法，但區(qū)別是：行為反應(yīng)無需進(jìn)行介入式的自我報(bào)告收集，相比傳統(tǒng)實(shí)驗(yàn)法所能包括的參與樣本更多，在實(shí)驗(yàn)成本、實(shí)施便利性、以及長期跟蹤的時間自由度上也有較大的優(yōu)勢。類比量化方法的檔案資料分析，但區(qū)別是：數(shù)據(jù)覆蓋時間更長、顆粒更細(xì)；包括更多用戶自發(fā)產(chǎn)生的數(shù)據(jù)（如谷歌趨勢、百度指數(shù)等）。2.2主要的研究方法：質(zhì)化、量化與計(jì)算3.主要的計(jì)算方法THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化網(wǎng)絡(luò)數(shù)據(jù)獲取第三章目錄CONTENT01.

認(rèn)識網(wǎng)頁結(jié)構(gòu)02.

網(wǎng)絡(luò)高級搜索03.

使用工具軟件抓取網(wǎng)絡(luò)數(shù)據(jù)04.

使用Python編程語言抓取網(wǎng)絡(luò)數(shù)據(jù)認(rèn)識網(wǎng)頁結(jié)構(gòu)1.1調(diào)閱源代碼1.2探索源代碼1.3認(rèn)識源代碼第一節(jié)網(wǎng)頁是構(gòu)成網(wǎng)站的基本要素，前端網(wǎng)頁呈現(xiàn)與后端數(shù)據(jù)存儲共同構(gòu)成了網(wǎng)站。網(wǎng)頁通常由超文本標(biāo)記語言創(chuàng)建。HTML語言搭建起網(wǎng)頁基本結(jié)構(gòu)，確立了網(wǎng)頁的“骨架”。CSS級聯(lián)樣式表定義了網(wǎng)頁的樣式，也即裝飾了網(wǎng)頁的“皮膚”。JavaScript腳本規(guī)定了網(wǎng)頁的行為方式，也即構(gòu)建了網(wǎng)頁的“肌肉”。1.1

調(diào)閱源代碼1.1

調(diào)閱源代碼1.2

探索源代碼1.3認(rèn)識源代碼表HTML常用標(biāo)簽及含義網(wǎng)絡(luò)高級搜索2.1理解網(wǎng)址結(jié)構(gòu)2.2高級搜索命令第二節(jié)

[協(xié)議]://[服務(wù)器地址]:[端口]/[文件路徑]?[查詢]（端口或不顯示）

2.1

理解網(wǎng)址結(jié)構(gòu)圖網(wǎng)址結(jié)構(gòu)加號（+）邏輯“與”或“并”，連接兩個及以上搜索條件。減號（-）邏輯“非”，排除特定搜索條件。標(biāo)題（intitle）對網(wǎng)頁標(biāo)題欄進(jìn)行搜索。網(wǎng)站（site）將搜索范圍限定于特定網(wǎng)站。網(wǎng)址（inurl）專題內(nèi)容搜索。文件類型（filetype）搜索特定類型的文件。精確匹配（“”）精確匹配搜索內(nèi)容。2.2

高級搜索命令使用工具軟件抓取網(wǎng)絡(luò)數(shù)據(jù)第三節(jié)數(shù)據(jù)抓取工具可在Windows系統(tǒng)和Mac系統(tǒng)中使用。表網(wǎng)絡(luò)數(shù)據(jù)抓取工具介紹通過讀取網(wǎng)頁源代碼，可以獲知數(shù)據(jù)的存儲路徑，進(jìn)而通過不同方式獲取網(wǎng)絡(luò)數(shù)據(jù)。HTML語言搭建起網(wǎng)頁基本結(jié)構(gòu)，確立了網(wǎng)頁的“骨架”CSS級聯(lián)樣式表定義了網(wǎng)頁的樣式，也即裝飾了網(wǎng)頁的“皮膚”

JavaScript腳本規(guī)定了網(wǎng)頁的行為方式，也即構(gòu)建了網(wǎng)頁的“肌肉”。詳情頁采集使用Python編程語言抓取網(wǎng)絡(luò)數(shù)據(jù)4.1Python語言基礎(chǔ)簡介4.2使用Selenium庫抓取數(shù)據(jù)4.3使用BeautifulSoup庫進(jìn)行抓取4.4向?yàn)g覽器發(fā)送信息獲取特定數(shù)據(jù)第四節(jié)Python運(yùn)行環(huán)境4.1

Python語言基礎(chǔ)簡介Python書寫規(guī)范4.1

Python語言基礎(chǔ)簡介Python語法規(guī)則基本概念

輸出：內(nèi)置函數(shù)print（）。

變量：為數(shù)據(jù)命名。

表達(dá)式：由運(yùn)算符連接起不同類型的數(shù)據(jù)。語句：完整地執(zhí)行了一項(xiàng)任務(wù)的代碼。4.1

Python語言基礎(chǔ)簡介通過縮進(jìn)來控制代碼模塊4.1

Python語言基礎(chǔ)簡介Python語法規(guī)則數(shù)據(jù)類型

數(shù)值與布爾型：前者表示數(shù)值，后者有True和False兩個值。

字符串：由任意字符構(gòu)成，用引號標(biāo)識。

元組：有序的、不可更改的數(shù)據(jù)序列，使用小括號“（）”創(chuàng)建。列表：有序的，可更改的數(shù)據(jù)序列，使用“[

]”創(chuàng)建。字典：映射類型的數(shù)據(jù)，使用“{

}”創(chuàng)建。4.1

Python語言基礎(chǔ)簡介Python語法規(guī)則函數(shù)、模塊和庫

函數(shù)：可以重復(fù)使用，用來實(shí)現(xiàn)一定功能的代碼段。模塊：依據(jù)一定邏輯將代碼組織在一起。庫（也稱包）：具有相同功能的模塊的集合。4.1

Python語言基礎(chǔ)簡介Python語法規(guī)則執(zhí)行條件命令4.1

Python語言基礎(chǔ)簡介執(zhí)行循環(huán)命令4.2

使用Selenium庫抓取數(shù)據(jù)4.3

使用BeautifulSoup庫抓取數(shù)據(jù)driver.find_element(By.CLASS_NAME,‘J-search-input’).send_keys(‘小龍蝦’)drive.find_element(By.CLASS_NAME,'J-all-btn').click()4.4

向?yàn)g覽器發(fā)送信息獲取特定數(shù)據(jù)THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化數(shù)據(jù)清理第四章目錄CONTENT01.

數(shù)據(jù)清理的必要性與分類02.

釋放PDF文件中的數(shù)據(jù)03.

使用EXCEL清理數(shù)據(jù)04.使用OpenRefine清理數(shù)據(jù)05.使用Python編程清理數(shù)據(jù)數(shù)據(jù)清理的必要性與分類1.1數(shù)據(jù)清理的必要性1.2文件格式與數(shù)據(jù)類型1.3數(shù)據(jù)清理的分類1.4數(shù)據(jù)清理日志第一節(jié)1.1數(shù)據(jù)清理的必要性干凈的數(shù)據(jù)輸入是高質(zhì)量數(shù)據(jù)分析的前提1.2

文件格式與數(shù)據(jù)類型文件格式文本文件分隔格式JSON格式HTML格式二進(jìn)制文件1.2

文件格式與數(shù)據(jù)類型數(shù)據(jù)類型數(shù)字類型日期與時間數(shù)據(jù)字符串?dāng)?shù)據(jù)1.3數(shù)據(jù)清理的分類缺失數(shù)據(jù)不完整的數(shù)據(jù)。可進(jìn)行數(shù)據(jù)補(bǔ)全或標(biāo)記為NULL。重復(fù)數(shù)據(jù)

序號不同的數(shù)據(jù)，但其屬性和值都一致，很可能是重復(fù)數(shù)據(jù)?？刹捎煤喜⒒蚯宄姆椒ㄌ幚怼ｅe誤數(shù)據(jù)無效數(shù)據(jù)，格式不正確、包含非正規(guī)字符或邏輯錯誤等。應(yīng)依據(jù)錯誤類型進(jìn)行人工清理。1.4數(shù)據(jù)清理日志樣例

2022年4月12日

(1)執(zhí)行命令VALUE.REPLACE(“/”，“”)附上截圖原始數(shù)據(jù)中有多余字符“/”，使用REPLACE函數(shù)將“/”去掉。

(2)執(zhí)行命令，全部轉(zhuǎn)換為數(shù)字附上截圖原始數(shù)據(jù)中年齡一列應(yīng)為數(shù)字格式釋放PDF文件中的數(shù)據(jù)2.1使用OCR軟件進(jìn)行格式轉(zhuǎn)換2.2使用Tabula獲取PDF文件中的表格第二節(jié)2.1使用OCR軟件進(jìn)行格式轉(zhuǎn)換2.2使用Tabula獲取PDF文件中的表格使用Excel清理數(shù)據(jù)3.1導(dǎo)入數(shù)據(jù)3.2數(shù)據(jù)格式轉(zhuǎn)換3.3字符串清理第三節(jié)3.1導(dǎo)入數(shù)據(jù)3.2數(shù)據(jù)格式轉(zhuǎn)換3.3

字符串清理使用OpenRefine清理數(shù)據(jù)4.1創(chuàng)建新項(xiàng)目4.2清理數(shù)據(jù)第四節(jié)4.1創(chuàng)建新項(xiàng)目4.2清理數(shù)據(jù)處理缺失數(shù)據(jù)4.2清理數(shù)據(jù)處理重復(fù)、相似數(shù)據(jù)4.2清理數(shù)據(jù)清除無效數(shù)據(jù)4.2清理數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換使用Python編程清理數(shù)據(jù)5.1查閱數(shù)據(jù)5.2處理數(shù)據(jù)缺失5.3轉(zhuǎn)換數(shù)據(jù)類型5.4清理重復(fù)數(shù)據(jù)5.5清理數(shù)據(jù)實(shí)戰(zhàn)第五節(jié)5.1查閱數(shù)據(jù)表Pandas函數(shù)查閱數(shù)據(jù)5.2處理數(shù)據(jù)缺失5.3轉(zhuǎn)換數(shù)據(jù)類型5.4清理重復(fù)數(shù)據(jù)5.5清理數(shù)據(jù)實(shí)戰(zhàn)添加表頭拆分列統(tǒng)一單位處理缺失值處理重復(fù)數(shù)據(jù)處理字符THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化數(shù)據(jù)分析之基礎(chǔ)統(tǒng)計(jì)第五章目錄CONTENT01.

新聞中的數(shù)據(jù)應(yīng)用與統(tǒng)計(jì)邏輯02.數(shù)據(jù)分析軟件的種類與設(shè)置03.單變量描述04.多變量分析新聞中的數(shù)據(jù)應(yīng)用與統(tǒng)計(jì)邏輯1.1新聞報(bào)道為何需要數(shù)據(jù)分析1.2數(shù)據(jù)分析的基本邏輯：統(tǒng)計(jì)推論與假設(shè)檢驗(yàn)1.3數(shù)據(jù)分析的注意事項(xiàng)第一節(jié)當(dāng)今新聞傳播的學(xué)生與從業(yè)者都亟需掌握一定的數(shù)據(jù)分析知識。只有通過系統(tǒng)而科學(xué)的數(shù)據(jù)分析，我們才能夠從海量數(shù)據(jù)中發(fā)掘獨(dú)特的意義與全新的敘事角度，揭示數(shù)據(jù)中隱含的社會現(xiàn)實(shí)，最終形成兼具數(shù)據(jù)邏輯與新聞價值的報(bào)道。

1.1新聞報(bào)道為何需要數(shù)據(jù)分析數(shù)據(jù)反映了網(wǎng)絡(luò)社會中普遍的聯(lián)系狀態(tài)，通過分析數(shù)據(jù)記者得以理解更復(fù)雜的因果機(jī)制。數(shù)據(jù)可以幫助新聞記者用全新的視角或手法來闡述的復(fù)雜問題或經(jīng)典議題。尤其當(dāng)報(bào)道中涉及的議題含有對普通讀者來說較為抽象的概念時，數(shù)據(jù)可視化呈現(xiàn)可使讀者理解起來更加輕松。數(shù)據(jù)新聞不止于解釋，更可為讀者提供具有現(xiàn)實(shí)意義的幫助和指導(dǎo)。

1.2數(shù)據(jù)分析的基本邏輯：統(tǒng)計(jì)推論與假設(shè)檢驗(yàn)統(tǒng)計(jì)學(xué)的一個重要目標(biāo)，就是通過研究一個相對較小體量的“局部數(shù)據(jù)”（即樣本），來了解總體的情況。這時候，我們需要統(tǒng)計(jì)推論（statistical

inference）幫助我們通過有限的樣本信息，來判斷樣本中觀察到的模式在總體中依然成立的可能性。

我們可以通過平均數(shù)這個基本的統(tǒng)計(jì)模型來理解統(tǒng)計(jì)推論的邏輯。中心極限定律是一個經(jīng)典的統(tǒng)計(jì)學(xué)理論，其指出任何從任一分布總體中隨機(jī)抽取出n個樣本，當(dāng)抽取的樣本數(shù)量n足夠多時，樣本的平均數(shù)分布將趨近正態(tài)分布。

圖

正態(tài)分布的曲線

1.2數(shù)據(jù)分析的基本邏輯：統(tǒng)計(jì)推論與假設(shè)檢驗(yàn)推論所得的范圍稱為置信區(qū)間（confidenceinterval），將95%或99%這個百分比稱為置信水平（levelofconfidence）。置信區(qū)間為我們推測真實(shí)統(tǒng)計(jì)值可能出現(xiàn)的范圍。

在量化社會科學(xué)研究中，研究者通經(jīng)?！凹僭O(shè)驗(yàn)證”方法進(jìn)行推論。當(dāng)研究者獲得樣本后，會對其數(shù)據(jù)進(jìn)行分析，得到一些解釋數(shù)據(jù)關(guān)系的統(tǒng)計(jì)值。我們當(dāng)然想知道在樣本中觀察到的關(guān)系在真實(shí)總體中是否成立。這就涉及到假設(shè)驗(yàn)證的方法。

在推論統(tǒng)計(jì)中，我們可以通過比較P值與顯著性水平α，來對統(tǒng)計(jì)顯著性進(jìn)行判斷。1.2數(shù)據(jù)分析的基本邏輯：統(tǒng)計(jì)推論與假設(shè)檢驗(yàn)關(guān)于p值1.

P值反映了一種統(tǒng)計(jì)分析的顯著性程度。P值間接指向零假設(shè)成立的概率。2.

P值越小，我們就越有把握拒絕零假設(shè)，接受研究假設(shè)。較小的P值，意味著更高的統(tǒng)計(jì)顯著性。3.

P值需要與事先設(shè)定的α比對。當(dāng)P<α的時候，意味著具有“統(tǒng)計(jì)上顯著性”的結(jié)果。4.

P值所比照的α值并不是客觀標(biāo)準(zhǔn)，而是社會研究者在長期實(shí)踐中約定俗成的一些標(biāo)準(zhǔn)。

5.

以P值為核心的假設(shè)驗(yàn)證體系存在局限和問題

追問樣本來源明確分析層級數(shù)據(jù)分析的分組與合并（辛普森悖論）排除干擾變量避免太過復(fù)雜的模型1.3

數(shù)據(jù)分析的注意事項(xiàng)數(shù)據(jù)分析軟件的種類與設(shè)置2.1主要數(shù)據(jù)分析軟件2.2R語言的安裝與基本設(shè)置2.3安裝R語言功能包第二節(jié)在社會科學(xué)領(lǐng)域，最為常見的專業(yè)數(shù)據(jù)分析軟件有SPSS、STATA、SAS、R語言和Python等等

。近年來，R語言和Python語言為代表的編程語言漸漸成為主流的分析工具。以下是二者的特色對比。2.1主要數(shù)據(jù)分析軟件面對多元技術(shù)空間與復(fù)雜的數(shù)據(jù)形態(tài)，研究者很難依靠某一種工具或一套固定的技術(shù)方法來應(yīng)對所有的數(shù)據(jù)分析工作。很多時候我們需要協(xié)同使用多種工具來完成一個任務(wù)。在長期的實(shí)踐中，我們需要發(fā)展出一個具有個人特色的工具箱以及一整套工作流程去應(yīng)對復(fù)雜的數(shù)據(jù)分析任務(wù)。

R語言Python語言運(yùn)行速度較慢較快語法規(guī)則較為簡潔但一致性低簡潔、可讀性與一致性高數(shù)據(jù)抓取能力較差較強(qiáng)社會統(tǒng)計(jì)更強(qiáng)較弱機(jī)器學(xué)習(xí)各有所長各有所長可視化能力更強(qiáng)較強(qiáng)應(yīng)用行業(yè)學(xué)術(shù)研究、金融互聯(lián)網(wǎng)研發(fā)、商業(yè)部門主流包/庫dplyr/ggplot2/data.tableNumpy/Pandas/Matplotlib/Scikit-learn安裝好R和RStudio首先選擇一個連接速度良好的CRAN鏡像設(shè)置一個工作目錄

2.2

R語言的安裝與基本設(shè)置R語言為開源程序，可在官方站免費(fèi)下載。CRAN（TheComprehensiveRArchiveNetwork）網(wǎng)站為各種R相關(guān)資源的官方網(wǎng)站，用戶可以在上面找到相關(guān)的下載資源和教程。R語言界面比較簡單，可以考慮使用IDE。RStudio是一款廣受好評的R語言開發(fā)環(huán)境。

圖

Rstudio的用戶界面使用R語言進(jìn)行數(shù)據(jù)分析時，我們會用到很多功能包（Packages）。在R語言中，絕大多數(shù)的分析和功能實(shí)現(xiàn)需要通過函數(shù)來實(shí)現(xiàn)。R的功能包就是一系列特定函數(shù)的集合。換言之，R功能包就是一些實(shí)現(xiàn)相關(guān)功能的工具箱。

安裝ggplot2包

install.packages("ggplot2")啟動ggplot2包

library(ggplot2)呼出ggplot2包的介紹

help(ggplot2)呼出geom_bar這個函數(shù)的使用說明

help(geom_bar)2.3

安裝R語言功能包

每次啟動RStudio的時候會自動加載，如base，datasets，graphics，stats包。

在R用戶中非常受歡迎，例如優(yōu)秀的作圖功能包ggplot2，高效的數(shù)據(jù)處理包dplyr，綜合統(tǒng)計(jì)應(yīng)用包Hmsic，文本分析工具tm等等。

單變量描述3.1數(shù)據(jù)描述的基本知識3.2數(shù)據(jù)描述的軟件操作3.3通過圖形描述數(shù)據(jù)第三節(jié)頻數(shù)與百分比集中趨勢：平均數(shù)、中位數(shù)、眾數(shù)平均數(shù)計(jì)算離散趨勢：方差與標(biāo)準(zhǔn)差3.1數(shù)據(jù)描述的基本知識圖

正偏分布（上圖）與負(fù)偏分布（下圖）Excel操作篩選排序利用函數(shù)計(jì)算：頻數(shù)與百分比/集中趨勢/離散趨勢數(shù)據(jù)透視表R語言操作載入數(shù)據(jù)：read.csv()檢視數(shù)據(jù)篩選數(shù)據(jù)：subset()排序:order()3.2數(shù)據(jù)描述的軟件操作

R語言操作統(tǒng)計(jì)頻數(shù)與百分比：table(),prop.table()平均數(shù)：mean()中位數(shù)：median()標(biāo)準(zhǔn)差：sd()分組數(shù)據(jù)統(tǒng)計(jì)函數(shù)：aggregate()3.2數(shù)據(jù)描述的軟件操作

表R語言中常用的操作符號（operators）ggplot2操作基本語法：ggplot(data=,aes(x=,y=))+geom_xxx()柱狀圖/條形圖:

geom_bar()直方圖：geom_histogram()箱線圖:geom_boxplot()3.3通過圖形描述數(shù)據(jù)圖

樣本來源（城市/農(nóng)村）與擁有小汽車情況的堆積柱狀圖（比例）圖

基于樣本來源和性別進(jìn)行分面的身高直方圖圖

區(qū)分男女性別的身高分布直方圖圖

箱線圖中線條所代表的統(tǒng)計(jì)值多變量分析4.1交叉分析與卡方檢驗(yàn)4.2均值比較：t檢驗(yàn)與方差分析4.3相關(guān)分析4.4回歸分析第四節(jié)交叉分析可用于分析兩個類別型變量之間的關(guān)系。在數(shù)據(jù)分析時，我們經(jīng)常需要處理類別變量。類別型變量只描述對象的類型分別，類和類之間并不存在算數(shù)關(guān)系，所以計(jì)算類別變量的平均數(shù)或方差是沒有意義的。因而，分析兩個類別變量仍然要著眼其頻數(shù)。具體而言，我們需要將變量中的類別組合成不同條件，在統(tǒng)計(jì)落入各種條件的個案頻數(shù)，以此來觀察兩個變量之間的關(guān)系。卡方計(jì)算公式：創(chuàng)建交叉表格：table()函數(shù)計(jì)算卡方值：chisq.test()函數(shù)4.1交叉分析與卡方檢驗(yàn)

表不同艙位乘客的幸存情況（括號中為理論值）當(dāng)分析一個類別變量與一個數(shù)值型變量之間的關(guān)系時，則需要使用均值比較的策略。t檢驗(yàn)只適用于含有兩個類別的分類變量（如性別或城市/農(nóng)村戶籍人口）的均值比較，而方差分析適用于含有兩個或以上類別的分類變量的均值比較。R語言操作

T檢驗(yàn)：t.test()

方差分析:anova()4.2均值比較：t檢驗(yàn)與方差分析

圖比較男女年收入平均數(shù)的t檢驗(yàn)結(jié)果圖方差分析結(jié)果相關(guān)分析（correlation）用以計(jì)算兩個數(shù)值型變量關(guān)聯(lián)強(qiáng)度的統(tǒng)計(jì)方法。兩個數(shù)值型變量都可以在區(qū)間內(nèi)連續(xù)波動，因而我們可以計(jì)算出一個統(tǒng)計(jì)值來衡量兩個變量協(xié)同變化的程度。這里我們介紹一種最常用的相關(guān)分析方法皮爾遜相關(guān)系數(shù)（Pearson’scorrelationcoefficients）。R語言函數(shù)：cor.test()4.3相關(guān)分析表皮爾遜相關(guān)系數(shù)表明的相關(guān)性強(qiáng)度回歸是分析若干自變量如何“影響”另一個因變量的統(tǒng)計(jì)方法。回歸分析還能夠明確自變量對因變量的解釋力以及自變量間相對影響力的大小。包含很多種類型。這里介紹其最常見的形式：多元線性回歸模型（multiplelinearregressionmodel）。首先，介紹回歸的最簡單形式——簡單線性回歸（simplelinearregression)。簡單線性回歸旨在用一個數(shù)值型自變量去預(yù)測另一個數(shù)值型因變量。將一個變量定為自變量（X），將另一變量定為因變量（Y），自變量X對因變量Y產(chǎn)生影響?；貧w分析預(yù)測因變量yY的公式如下：最小二乘法（ordinaryleastsquares）是一種常用的回歸估計(jì)方法，可以找到所產(chǎn)生殘差平方和（sumofsquaredresiduals）最小的一條直線作為回歸線，并計(jì)算出其具體的系數(shù)。R語言函數(shù)：lm()4.4

回歸分析

回歸分析結(jié)果返回很多信息：殘差的分布（residuals）回歸系數(shù)（regression

coeffients）回歸系數(shù)對應(yīng)的標(biāo)準(zhǔn)誤差、t檢驗(yàn)和P值模型擬合指標(biāo)（MultipleR-squared/AdjustedR-squared）模型顯著性指標(biāo)（F-statistic）4.4

回歸分析

圖用身高預(yù)測體重的簡單線性回歸結(jié)果多元線性回歸用若干自變量預(yù)測一個因變量。這些自變量既可以是數(shù)值型變量，也可以是分類變量。

我們將自變量計(jì)作x1，x2，x3，…,xn，將因變量計(jì)作y，則因變量與自變量滿足如下線性關(guān)系：解析多元回歸根據(jù)回歸分析估計(jì)的參數(shù)，寫出回歸方程解讀回歸系數(shù)區(qū)分回歸系數(shù)與標(biāo)準(zhǔn)化回歸系數(shù)解讀回歸中的虛擬變量的系數(shù)解讀回歸分析的模型擬合程度指標(biāo)4.4回歸分析

圖身高、出生年份與體重的三維散點(diǎn)圖回歸分析的注意事項(xiàng)對多元線性回歸要求因變量為數(shù)值型變量，自變量要存在充分的變化量。要警惕數(shù)據(jù)中的離群值，它們可能會對回歸系數(shù)產(chǎn)生較大改變，進(jìn)而影響解讀多元回歸中，各自變量之間不宜有過高的相關(guān)性，否則會造成多重共線性現(xiàn)象回歸分析對殘差也有一些假設(shè)：每個自變量的殘差呈正態(tài)分布，且回歸預(yù)測產(chǎn)生的殘差之間彼此獨(dú)立，不能具有相關(guān)性；回歸分析還需要滿足同方差性（homoscedasticity）條件：回歸預(yù)測所產(chǎn)生的誤差的方差應(yīng)該在自變量的各個區(qū)間內(nèi)保持恒定；多元線性回歸假設(shè)自變量與因變量之間為線性關(guān)系。

4.4

回歸分析

THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化數(shù)據(jù)分析之文本挖掘第六章目錄CONTENT01.

文本挖掘在數(shù)據(jù)新聞中的應(yīng)用02.文本預(yù)處理03.

詞頻與關(guān)鍵詞分析04.主題發(fā)現(xiàn)、情感分析與語義網(wǎng)絡(luò)05.

數(shù)據(jù)分析與數(shù)據(jù)新聞敘事文本挖掘在數(shù)據(jù)新聞中的應(yīng)用第一節(jié)1.1文本挖掘在數(shù)據(jù)新聞中的應(yīng)用傳統(tǒng)的社會科學(xué)研究方法其實(shí)已經(jīng)形成了一系列分析“文本”的策略，如內(nèi)容分析、文本分析、符號分析、對話分析、話語分析等方法去闡釋各種文本的意義隨著數(shù)據(jù)科學(xué)的發(fā)展，使用計(jì)算機(jī)代替人工來分析文本數(shù)據(jù)的技術(shù)應(yīng)運(yùn)而生，例如利用計(jì)算機(jī)識讀、解析人類語言的的自然語言處理（naturallanguageprocessing）技術(shù)。今天的數(shù)據(jù)新聞記者也可以使用計(jì)算機(jī)輔助方法來高效地分析文本數(shù)據(jù)。這類方法被稱為電腦輔助文本分析（computer-assistedtextanalysis）或文本挖掘（textmining）。我們可以通過簡單的編程語言操作或更加直觀的軟件程序來調(diào)用文本挖掘方法。圖

澎湃新聞報(bào)道中呈現(xiàn)的主題分布與關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)文本預(yù)處理2.1原理與步驟2.2中文分詞2.3文檔—詞項(xiàng)矩陣第二節(jié)處理自然語言最簡便也是最常見的方法是詞袋模型（bagofwords）。詞袋是一個比喻的說法，該方法將語料中的詞語拆散后，混合在一起進(jìn)行分析，就仿佛將拆開的詞語混裝進(jìn)一個口袋再來統(tǒng)計(jì)。詞袋模型不考慮詞語之間的先后順序以及語法，僅以詞語在文檔中出現(xiàn)的頻次權(quán)重來考察文本的意義。因此，詞袋模型是一種對文本內(nèi)容極度簡化的方案。詞袋模型的好處就是適用范圍較廣，實(shí)現(xiàn)起來也比較容易。

2.1

原理與步驟

主要步驟分詞（wordsegmentation或wordtokenization）去除停用詞（droppingcommonwords）詞語標(biāo)準(zhǔn)化（normalization）圖

詞袋模型表現(xiàn)文本的方法示意這里介紹中文分詞的工具結(jié)巴中文分詞（jieba）。該分詞器在中文分詞領(lǐng)域較為流行，技術(shù)成熟，使用簡單。R語言操作設(shè)置分詞器：worker()分詞操作：segment()設(shè)置停用詞詞典與用戶詞典2.2

中文分詞左圖為原文右圖為分詞結(jié)果我們所要分析的全部文檔的總和被稱為語料庫（corpus）。文檔-詞項(xiàng)矩陣非常類似我們熟悉的二維數(shù)據(jù)集，其中的行代表文檔，欄代表語料庫（所有文檔的集合）中的每一個詞項(xiàng)，而數(shù)據(jù)項(xiàng)中的數(shù)值則代表某一詞項(xiàng)（縱向）在某一個文檔（橫向）上出現(xiàn)的頻數(shù)（如下圖）。這樣，文檔-詞項(xiàng)矩陣就將一個個文檔轉(zhuǎn)換成數(shù)字表達(dá)的形式，很多挖掘方法都以該矩陣為重要基礎(chǔ)。使用tmcn包創(chuàng)建dtm：createDTM()使用tm包檢視矩陣：inspect()2.3

文檔—詞項(xiàng)矩陣（dtm）詞頻-逆文檔頻率算法（termfrequency-inversedocumentfrequency，簡稱tf-idf）:如果一個詞在某個文檔中出現(xiàn)頻率很高，同時這個詞在所有其它文檔中也是高頻詞，那么這個詞的相對重要性可能沒有詞頻顯示出來的那么高。換句話說，我們應(yīng)該根據(jù)某個詞在整個文本中出現(xiàn)的頻率去調(diào)整這個詞的詞頻權(quán)重。tf-idf是文本挖掘中最常見的加權(quán)技術(shù)，在關(guān)鍵詞提取、文本聚類等方法中應(yīng)用廣泛。詞頻與關(guān)鍵詞分析3.1詞頻統(tǒng)計(jì)3.2詞頻統(tǒng)計(jì)的可視化第三節(jié)詞頻統(tǒng)計(jì)分析文本關(guān)鍵詞的方法。從最基本的思路出發(fā)，當(dāng)一個詞在文本中出現(xiàn)的越多，它的重要性就越高。1.

使用jiebaR進(jìn)行詞頻統(tǒng)計(jì)：

統(tǒng)計(jì)詞頻：freq()

對詞語進(jìn)行過濾filter_segment()2.通過tf-idf算法提取前10關(guān)鍵詞keys<-worker("keywords",topn=10)

keywords(XXX,keys)3.根據(jù)文檔-詞項(xiàng)矩陣也可以統(tǒng)計(jì)高頻詞。該矩陣的欄代表語料庫中的詞項(xiàng)，那么將矩陣按照每一欄對數(shù)值加總，就求得了每一個詞的總頻率：

colSums(as.matrix(dtm))3.1詞頻統(tǒng)計(jì)圖

文檔—詞項(xiàng)矩陣示意3.2詞頻統(tǒng)計(jì)的可視化

圖《流浪地球》評論前10名高頻詞的條狀圖圖《流浪地球》評論前30個關(guān)鍵詞的散點(diǎn)圖（根據(jù)tf-idf值計(jì)算）圖《流浪地球》豆瓣影評高頻詞詞云圖示例之一圖《流浪地球》豆瓣影評高頻詞詞云圖示例之二3.2詞頻統(tǒng)計(jì)的可視化

詞云在數(shù)據(jù)新聞中的應(yīng)用。例如，“復(fù)數(shù)實(shí)驗(yàn)室”的作品《原生家庭之殤：從5243條數(shù)據(jù)看家庭語言暴力》，就使用了詞云呈現(xiàn)原生家庭中針對身材長相的語言暴力（左圖）。澎湃新聞“美數(shù)課”的作品《分析完2萬條數(shù)據(jù)，我們發(fā)現(xiàn)海外中餐館重塑了“中餐”的定義》通過爬取點(diǎn)評網(wǎng)站Yelp內(nèi)容呈現(xiàn)海外中餐廳名稱的關(guān)鍵詞（右下圖）。主題發(fā)現(xiàn)、情感分析與語義網(wǎng)絡(luò)4.1主題發(fā)現(xiàn)4.2情感分析4.3語義網(wǎng)絡(luò)第四節(jié)文本分析經(jīng)常需要處理為數(shù)較多的文本。有些文本可能會涉及同一類議題，因而比較相近。那么一個簡單的想法是，我們能不能根據(jù)文本的主題將眾多文本歸入若干類別？通過文本主題分類，我們就能形成對所分析文本的整體性理解。

第一種方法：利用聚類分析（clusteranalysis）

首先對語料做預(yù)處理，生成文檔-詞項(xiàng)矩陣使用as.matrix函數(shù)將dtm轉(zhuǎn)換成一般的矩陣使用dist()函數(shù)計(jì)算距離選擇不同的聚類方法進(jìn)行分析4.1主題發(fā)現(xiàn)圖

對文檔進(jìn)行層次聚類分析的樹狀圖圖K-means聚類結(jié)果的可視化呈現(xiàn)方法2:基于非監(jiān)督機(jī)器學(xué)習(xí)算法的隱狄利克雷主題模型（LDA，LatentDirichletallocation）

LDA模型將所有待分析文檔看成是若干主題混合體，同時將主題看成是一些列詞語的集合。LDA模型將主題看成是一些列詞語的集合。

LDA通過多項(xiàng)分布假設(shè)和

計(jì)算方來同時估計(jì)文檔-模型組合的情況以及主題-詞項(xiàng)組合的情況。在R語言中我們可以使用topicmodels()函數(shù)進(jìn)行LDA主題分析4.1主題發(fā)現(xiàn)圖

使用LDAvis對主題模型進(jìn)行可視化呈現(xiàn)（上圖λ=1，下圖λ=0.5）情感分析可以幫助研究者量化一個文本單位所包含的情感特征，可以計(jì)算出一個文本單位的正面情緒與負(fù)面情緒數(shù)值，并對其進(jìn)行比較，也可以量化地呈現(xiàn)更為細(xì)致的情緒元素，如喜悅、憤怒、焦慮等等。

電腦輔助情感分析通常采取兩種路徑：基于詞典的情緒分析與基于機(jī)器學(xué)習(xí)的情緒分析。4.2情感分析

圖

三類情緒的影評數(shù)量分布餅狀圖圖

影評中若干情緒特征的平均值雷達(dá)圖圖

不同日期影評正負(fù)面情緒分布（比例）圖我們可以借助社會網(wǎng)絡(luò)分析（socialnetworkanalysis）的基本方法，來對文本中出現(xiàn)的詞對進(jìn)行分析。社會網(wǎng)絡(luò)分析是一種經(jīng)典的用以描述和理解社會關(guān)系的數(shù)據(jù)分析技術(shù)。與我們熟悉的屬性數(shù)據(jù)不同，社會網(wǎng)絡(luò)分析聚焦關(guān)系型數(shù)據(jù)，其分析的對象是節(jié)點(diǎn)之間的聯(lián)系。從網(wǎng)絡(luò)分析的視角來審視文本，文本中的詞語可被看成網(wǎng)絡(luò)中的節(jié)點(diǎn)（node或vertex）；當(dāng)一個詞語出現(xiàn)在另一個詞語附近一定距離范圍內(nèi)時，則認(rèn)為兩個詞語形成了具有關(guān)系的詞對，二者之間建立了聯(lián)系，在網(wǎng)絡(luò)分析中被稱作邊（tie或edge）。通過統(tǒng)計(jì)文本中的詞頻及詞對的頻率，我們就可以將文本轉(zhuǎn)換為一個網(wǎng)絡(luò)狀的關(guān)系型數(shù)據(jù)，并通過分析這個由詞對構(gòu)成的網(wǎng)絡(luò)來闡釋文本的語義結(jié)構(gòu)。我們介紹使用WORDij與igrah()包進(jìn)行語義網(wǎng)絡(luò)分析的方法。4.3語義網(wǎng)絡(luò)圖

使用plot函數(shù)對《報(bào)告》進(jìn)行語義網(wǎng)絡(luò)繪圖圖

度中心性與邊權(quán)重的語義網(wǎng)絡(luò)圖形圖

使用標(biāo)簽散播算法發(fā)現(xiàn)社群示意圖數(shù)據(jù)分析與數(shù)據(jù)新聞敘事5.1以數(shù)據(jù)分析呈現(xiàn)新聞事實(shí)5.2以數(shù)據(jù)分析輔助新聞分析與解釋5.3以數(shù)據(jù)分析驅(qū)動新聞敘事5.4交代數(shù)據(jù)分析方法提高新聞的透明性5.5整合應(yīng)用數(shù)據(jù)分析與信息可視化第五節(jié)在對事實(shí)的描述與呈現(xiàn)上，數(shù)據(jù)分析有很大優(yōu)勢。數(shù)據(jù)對事實(shí)的刻畫更加精確，也更容易排除主觀性因素。在報(bào)道過程中，對數(shù)據(jù)的總結(jié)與基本描述，本身就是一種非常實(shí)用的事實(shí)報(bào)道策略。例如，在“上觀”數(shù)據(jù)新聞的報(bào)道《史上關(guān)注度最高的一屆冬奧會，到底憑什么？，就利用匯總數(shù)據(jù)與信息圖對奧運(yùn)會帶動中國冰雪產(chǎn)業(yè)、中國冬奧歷史成績等基本事實(shí)進(jìn)行了呈現(xiàn)。5.1以數(shù)據(jù)分析呈現(xiàn)新聞事實(shí)圖

數(shù)據(jù)新聞通過數(shù)據(jù)分析呈現(xiàn)新聞事實(shí)新聞報(bào)道常涉及對新聞背景的調(diào)查或?qū)κ录脑?、走勢等進(jìn)行解釋，以幫助讀者更好地理解現(xiàn)實(shí)。數(shù)據(jù)分析是對數(shù)據(jù)信息中隱含關(guān)系的揭示，因而可以幫助我們進(jìn)行新聞分析或解釋。運(yùn)用統(tǒng)計(jì)模型透視數(shù)據(jù)，往往會幫助記者看到線性思維難以發(fā)覺的模式。利用數(shù)據(jù)和統(tǒng)計(jì)來進(jìn)行新聞分析，也可以一定程度上減小新聞工作的主觀偏向。網(wǎng)易新聞的“數(shù)讀”的報(bào)道《中國哪個城市通勤時間最長，特別好猜》則利用數(shù)據(jù)對不同城市的公共交通狀況進(jìn)行對比分析，從而呈現(xiàn)城市因素對于交通狀況的影響。5.2以數(shù)據(jù)分析輔助新聞分析與解釋圖

數(shù)據(jù)新聞分析我國不同城市的通勤時間當(dāng)我們所分析的數(shù)據(jù)信息量比較豐富，且可發(fā)掘的維度較多時，采用不同的分析方法對數(shù)據(jù)進(jìn)行解讀，就可以構(gòu)建一個敘事邏輯。在這種情況下，數(shù)據(jù)新聞記者通過數(shù)據(jù)分析建立的邏輯，就可以成為新聞敘事的重要驅(qū)動力。例如，“復(fù)數(shù)實(shí)驗(yàn)室”的數(shù)據(jù)新聞作品《寶貝回家：7萬條數(shù)據(jù)解讀兒童拐賣與遺棄》就體現(xiàn)出數(shù)據(jù)驅(qū)動新聞的特征。該報(bào)道主要利用裁判文書網(wǎng)相關(guān)的文書數(shù)據(jù)，首先利用文本分析交代了失蹤兒童的外表特征、性別分布、遺失地點(diǎn)等信息，接著從法律和犯罪的角度分析了相關(guān)案件的特征。5.3

以數(shù)據(jù)分析驅(qū)動新聞敘事

圖

數(shù)據(jù)新聞構(gòu)建兒童拐賣與遺棄的敘事邏輯記者必須清晰交代所有數(shù)據(jù)的來源，詳述數(shù)據(jù)收集、整理的方式，并將數(shù)據(jù)分析中的操作化方式和分析方法全部向讀者呈現(xiàn)。理論上，任何讀者都可以用這些方法重復(fù)（replicate）數(shù)據(jù)分析的過程并取得一致性結(jié)果。交代數(shù)據(jù)分析的全過程，實(shí)際上構(gòu)成了一種新聞透明性的儀式，反過來可增強(qiáng)讀者對新聞客觀性的感受，進(jìn)而提高新聞報(bào)道的權(quán)威，贏得讀者的信賴。下圖是澎湃“美數(shù)課”對其報(bào)道《數(shù)說兩會｜1978年到2022年政府工作報(bào)告關(guān)鍵詞盤點(diǎn)》的數(shù)據(jù)分析方法說明。5.4

交代數(shù)據(jù)分析方法提高新聞的透明性

圖

數(shù)據(jù)新聞中交代數(shù)據(jù)分析方法在數(shù)據(jù)新聞報(bào)道中，應(yīng)當(dāng)將數(shù)據(jù)分析與可視化整合起來看待。如前所述，數(shù)據(jù)分析過程中也涉及到利用圖形來幫助我們理解數(shù)據(jù)結(jié)構(gòu)。

數(shù)據(jù)分析與可視化天然就有著密不可分的聯(lián)系，數(shù)據(jù)分析的邏輯與結(jié)構(gòu)就蘊(yùn)含著數(shù)據(jù)新聞可視化的走向。這要求我們在數(shù)據(jù)報(bào)道過程中避免將數(shù)據(jù)分析與可視化割裂開來，而是將二者有機(jī)地統(tǒng)一，利用數(shù)據(jù)分析邏輯去設(shè)計(jì)可視化方案，同時根據(jù)可視化的結(jié)果來調(diào)整數(shù)據(jù)分析策略。5.5整合應(yīng)用數(shù)據(jù)分析與信息可視化THANKS謝謝觀看數(shù)據(jù)新聞與信息可視化可視化的概念、原則與流程第七章目錄CONTENT01.

可視化的歷史、概念與功能02.

可視化的分類03.

可視化的原則要求與流程可視化的歷史、概念與功能1.1可視化的歷史演進(jìn)1.2可視化的概念界定1.3可視化的功能第一節(jié)1.1

可視化的歷史演進(jìn)1.1

可視化的