I et tidligere innlegg skrev jeg om fire av vinklene som oftest brukes til å fortelle historier om data. I denne andre delen ser jeg på de tre øvrige vinklene: historier som fokuserer på sammenhenger; ‘metadata’-vinkler som fokuserer på dataenes fravær, dårlige kvalitet eller innsamling — og utforskende artikler som blander flere vinkler eller gir en mulighet til å bli kjent med selve dataene.

Data-vinkel 5. ‘Utforsk’: Reportasjer, interaktivitet, verktøy — og kunst

Det er to brede kategorier av utforskende historier:

Interaktive historier kjennetegnet av en eksplisitt ‘handlingsoppfordring’ som “utforsk”, “spill” eller “Ta quizen” — eller en mer implisitt invitasjon til brukere om å utforske det som har blitt “Kartlagt” eller “Hver X som noensinne har skjedd”.Utforskende elementer som reiser (og deretter besvarer) et spørsmål. Disse elementene kombinerer ofte mer enn én av de første tre vinklene (skala, endring, rangering) eller anvender vinkelen på mer enn ett mål eller kategori. Kjerneegenskapen er at det sentrale perspektivet i elementet er ‘vi utforsker’ flere aspekter, i motsetning til ‘vi avslører skala/rangering/endring’ for én hovedting.

En interaktiv forklarende historie inviterer ofte lesere til å utforske data for å generere en personlig versjon av den. Dataene kan presenteres i form av quiz (som BBCs ‘7 billion people and you: What’s your number?‘ og New York Times’ ‘Take the Quiz: Could You Manage as a Poor American?‘) eller kart som LA Times’ ‘Every shot Kobe Bryant ever took. All 30,699 of them‘.

Denne kategorien omfatter også simulatorer som Washington Posts rekordbrytende ‘Why outbreaks like coronavirus spread exponentially, and how to “flatten the curve”‘ og Matt Korostoffs ‘Wealth shown to scale‘, samt spill, kalkulatorer og chatbots, blant andre formater.

Utforskende elementer kan se på “hvorfor”, “hvordan” eller “hvor” noe skjedde eller skjer, “hvem” som er involvert eller berørt, eller “hva” man trenger å vite.

The Guardians ‘Who is dying from coronavirus and in which NHS trusts?‘ er utforskende ved å tilby brede innsikter og et statisk kart, for eksempel, og Bloomsbergs fremragende fortalte visualiseringer som ‘How Americans Die‘ tillater noe interaksjon med diagrammene, men er sterkt forfatterdrevne.

De kan også være ganske eksentriske — nesten en form for kunst. ‘Sweet Love: Popular Wedding Songs Reimagined As Cupcakes‘ er for eksempel ganske enkelt en utforskning av hva som skjer når spillelister tolkes som data og den dataen visualiseres på en bestemt måte.

Data-vinkel 6. Relasjoner og avkreftelse: når ting er forbundet — eller ikke En fortelling om relasjoner – eller fraværet av dem: Channel 4 News’s Faktasjekk

Journalister forsøker ofte å fastslå relasjoner ved å se på data, men dette kan være problematisk: korrelasjon er selvsagt ikke det samme som årsakssammenheng, så selv om to ting kan øke eller avta samtidig, betyr det ikke at de to er forbundet — slik The Guardian utforsker i ‘Is rise in violent crime due to cuts to neighbourhood policing?‘.

Av den grunn vil du kanskje like ofte se en historie som avkrefter en sammenheng mellom to datapunkter som en som forsøker å etablere at X forårsaker Y.

Channel 4 News’ FactCheck undersøkte for eksempel data for å besvare spørsmålet ‘Er migranter årsaken til akuttmottakskrisen?‘ og fant ingen sammenheng mellom størrelsen på den ikke-britiske befolkningen i et område og akuttmottakets ytelse.

På samme måte kan du finne at det er bedre å bytte fra en vinkel som primært fokuserer på å avsløre en sammenheng, til istedet å lede med en forklarende vinkel som lar deg grave i kompleksiteten rundt flere variabler som er involvert, sammen med ekspertkommentarer om i hvilken grad disse sammenhengene kan være kausale eller ikke.

The Economists ‘How an obsession with home ownership can ruin the economy‘ er for eksempel en utforskende historie snarere enn en relasjonshistorie: den bruker over 12 minutter på å utforske forholdet mellom disse to variablene i stedet for å fremstille historien som en ‘avsløring’ av at boligeierskap faktisk ødelegger økonomien.

Relasjonshistorier trenger ikke å handle om korrelasjon: nettverksanalyse tilbyr en annen måte å fortelle historier som er forankret i faktisk etablerte relasjoner som donasjoner, styreverv, familieforbindelser, følgere i sosiale medier eller andre interaksjoner.

A journalist’s introduction to network analysis

Prosjektet ‘Investigating Google’s revolving door‘, bruker for eksempel data til å avdekke antallet personer som beveger seg mellom teknologigiganten og offentlige organer, mens The Seattle Times’s ‘In Seattle art world, women run the show‘ bruker en nettverksdiagramvisualisering for å fortelle historien om forbindelser innen den lokale kunstscenen.

Denne Seattle Times-saken leder deg gjennom forbindelsene i et lokalt nettverk, men lar deg også utforske dem selv

Men selv nettverksanalyse kan mangle konkrethet: en forbindelse mellom to personer eller en bevegelse mellom organisasjoner er sjelden bevis i seg selv på korrupsjon eller ‘årsak’ til mistenkelig utseende beslutninger.

Av den grunn presenteres nettverksanalyse også ofte som en utforskende historie (‘Australian political donations 2016-17: who gave what to which parties‘), som del av en forklarende artikkel (‘Radiohead’s corporate empire: inside the band’s dollars and cents‘), eller prosessen brukes til å identifisere et enkelt datapunkt (en historieføring) basert på dets relasjoner, som deretter informerer videre rapportering (‘Top Tory has family link with offshore banker who gave party £800,000‘).

Mange av historiene som kom fra Panama Papers, for eksempel, faller inn under denne siste kategorien, og ICIJs The Power Players er en utforskende vinkel på de forskjellige historiene som dokumentene hjalp med å avdekke.

Reuters’s Connected China er et av de beste eksemplene på å navigere utfordringene med nettverksbasert historiefortelling, som leder deg omhyggelig gjennom maktstrukturene den har kartlagt og lar deg utforske underveis.

Data-vinkel 7. Dataproblemer og løsninger: dårlige data, ‘ingen data’, og ‘skaff datene’-historier Denne Tampa Bay Times-historien avslører mangler i offisielle data

Den siste historiekategorien kan føles litt ‘meta’ — historier om selve dataene: mangelen på dem, problemene med dem, eller ganske enkelt deres tilgjengelighet — men det betyr ikke at det ikke kan være en god historie.

Makt utøves, penger brukes, og liv påvirkes på grunnlag av data, så hvis dataene er mangelfulle, er sannsynligvis også maktutøvelsen mangelfull.

Historier om algoritmisk ansvarlighet (nevnt i variasjonsavsnittet i forrige innlegg) kan fokusere på de mangelfulle dataene som ligger til grunn for disse algoritmene. Der Spiegels ‘Increased Risk‘ rapporterer for eksempel at et kredittopplysningsbyrå “vet langt mindre om mange mennesker enn man skulle tro – og likevel våger å beregne en eksakt score.”

Dårlige data kan brukes av personer i maktposisjoner for å villede befolkningen, så disse historiene kan også brukes til faktasjekk: underrapporterer et politidistrikt kriminalitet, rapporterer et orkanrammet land dødsfall unøyaktig, eller telles utsendte tester som ‘gjennomførte tester‘?

Ideer til historier om dårlige data kan komme fra påstander fra myndighetspersoner, fra samtaler med noen som har vært gjennom systemet og sett manglene, eller fra å simpelthen granske eksisterende data for problematiske trekk: både denne Guardian-artikkelen om hjemløshetsdata som er “ikke egnet for formålet”, og denne BBC-artikkelen om bekymringer rundt kjønnsbaserte lønnsdata kom fra journalister som la merke til ‘røde flagg’ i dataene.

En beslektet ‘dataproblem’-vinkel er ‘ingen data‘-historien: ofte representerer mangelen på data om et problem en mangel på politisk interesse for problemet, eller vilje til å adressere det. En undersøkelse av utslipp fra gårdsbruk bemerker for eksempel at “Myndighetene overvåker kun ammoniakkutslipp fra de største intensive fjærfe- og svinegårdene, og overser dermed de største forurenserne helt — storfé- og melkegårder.”

‘Ingen data’-historier rapporterer typisk om bekymringer som blir reist angående mangelen på informasjon eller åpenhet. BMJs undersøkelse ‘Are medical schools turning a blind eye to racism?‘, begynner med setningen “Medisinske fakulterer i Storbritannia er dårlig forberedt på å håndtere rasismen og de rasistiske trakasseringene som studenter med minoritetsbakgrunn opplever”.

Iblant kan mangelen på data drive en nyhetsorganisasjon, journalist eller aktivist til å samle sine egne data — og da har du en ‘skaff dataene’-historier.

Giving a voice to the (literally) voiceless: data journalism and the dead

Disse prosjektene dreier seg ofte om data som mektige institusjoner burde samle inn, men ikke gjør: for eksempel antall personer drept av rettshåndhevende myndigheter, dødsfall blant hjemløse, helsearbeidere som har gått tapt på grunn av COVID-19, eller miljøpåvirkningen fra en stor industri. ‘Ingen data’-historier kan rapportere om aktivistene som forsøker å løse problemet — og de kan involvere hackathons for å engasjere et bredere fellesskap av eksperter og utviklere med dataene som er blitt samlet inn.

Ikke en vinkel, men en ledetråd: å finne historier gjennom, ikke i, data

Instead of combing through numbers for what's getting worse, look for the positive deviant. It's a gateway to great solutions journalism. https://t.co/nlBkMCuPNJ

— Solutions Journalism Network (@soljourno) February 14, 2021

Disse syv vinklene er alle innfallsporter til en historie som kan fortelles om data — men det finnes også en annen type datadrevet historie som ikke innebærer noen vinkel på selve dataene.

Dette er historier der data leder deg til noe: en person, et sted eller en organisasjon; en hendelse, et dokument eller en forbindelse, som gjør at du kan finne og fortelle historien rundt det.

Du kan kalle dette for “historie basert på enkeltfunn” eller “nålen i høystakken“-historien. Det er ofte en historie om avvik, men kan også være en historie om noe som er spesielt gjennomsnittlig eller typisk.

It’s not all about numbers: 6 ways that data can give you a story lead

Mange gravejournalistiske saker bruker for eksempel datajournalistiske teknikker for å styre sine intervjuer og innsynsbegjæringer, eller for å velge hvilke steder de skal besøke, mens de bygger opp et større bilde av et systemisk problem.

Forklarende reportasjer kan også bruke dette: The Washington Posts Pulitzer-vinnende 2°C: Beyond the limit bruker New Jersey, og deretter Rhode Island, for å fortelle en historie om klimaendringenes konsekvenser fordi: “det er høyere vintertemperaturer som har gjort New Jersey og nærliggende Rhode Island til de raskest oppvarmende av de 48 sammenhengende statene.” Med andre ord ga dataene ledetrådene — og begrunnelsen — for valget av casestudie.

Så selv om disse syv vinklene er nyttige for å vekke ideer og redaksjonell idémyldring når man står overfor et datasett, bør de ikke være grensen for dine muligheter: enhver historie kan ha nytte av datajournalistiske teknikker.

Denne saken ble oversatt ved hjelp av Claude (Sonnet 4) og kontrollert med ChatGPT (GPT-5). Hvis du ser noen feil, gi meg beskjed på LinkedIn.