教學大綱 Syllabus

科目名稱：資料新聞學

Course Name: Data Journalism
  • 學年學期：112-2 Spring Semester, 2024
  • 科目代碼：401143001 Course No.401143001

修別：群

Type of Credit: Partially Required

3.0

學分數

Credit(s)

15

預收人數

Number of Students

課程資料Course Details
  • 開課單位：新聞四 Course Department:Journalism/B/4
  • 授課老師：鄭宇君 Instructor: CHENG YU-CHUNG
  • 先修科目：無Prerequisite(N/A)
  • 上課時間：二D56 Session: tue13-16

課程簡介Course Description

本課程是新聞系大三大四之選修課程，主要在介紹當代資料新聞的發展趨勢，瞭解各類型資料與資料分析工具對於新聞報導的啟發與影響，透過資料新聞經典個案的分析探討，並與業師合作開設工作坊，教導學生完成資料新聞專題的實作。

授課時間：星期二D56 （13:10-16:00，視當天討論情況，有可能延後下課）

課程主要分為以下兩大部分。

（一）介紹當代資料新聞學（data journalism）的源起與發展，帶領學生瞭解資料新聞學的基本概念與操作流程，從探索性的資料新聞到深入挖掘資料的調查性資料報導，從中建立運算思維，協助學生結合新聞專長與資料分析方法來進行資料新聞報導，以因應當前新聞專業所面臨的各種挑戰。

（二）資料新聞專題實作：由教師帶領學生探索各類開放資料，建立資料新聞報導的問題意識，搭配不同的資料實作工作坊，教導學生透過資料收集、清洗、分析、視覺化與詮釋來建構資料新聞報導，同時結合專家訪談以解釋資料分析的意義，最終完成一篇資料新聞報導。

本課程以專案實作學習（Project-Based Learning）為基礎，與資料新聞專業媒體 READr進行機構合作，希望修課同學帶著自己想做的題目或與教師在學期初共同商議一個可完成的題目，在後續工作坊中，業師會教導資料新聞所需要使用的Ｒ語言及相關工具，以及如何使用LLM於資料新聞分析，帶領同學一步步完成資料新聞所需的資料收集、清洗、分析、視覺化等步驟，最後結合採訪與文字報導，以完成一篇資料新聞報導。學生專案的最終作品，包含資料視覺化圖表及文字報導內容，需符合新聞報導需求，將在相關媒體網站發表。

修課同學第一周務必參與課程介紹，每周上課皆有討論及資料分析實作部分，請自備筆電。第二周開始就會請同學提出構想的專案題目，有意修課同學請預先構思有興趣的資料新聞題目，可參閱相關的資料新聞報導進行發想，你想做的題目構想愈多愈好，不要只準備一個題目。

核心能力分析圖 Core Competence Analysis Chart

能力項目說明

    課程目標與學習成效Course Objectives & Learning Outcomes

     

    當代傳播環境快速變遷產製出各類型數位化資料，造成新聞生產的重大改變，其中一個重要因素是資料科學（data science）的興起，政府開放資料（open data）的釋出、社交媒體上大量使用者創作內容的產出、大量史料的數位化等，這些大量的數位資料都是新型態新聞素材的源頭，需要結合跨領域的人才與技術，透過鉅量資料（big data）的知識生產與處理流程，加上資訊視覺化工具的成熟，提供新聞專業及非專業人士透過資料打造另一種新的新聞生產方式，透過資料分析所產製的新聞報導稱之資料新聞。

    大約從2012年起，歐洲及美國開始出現資料新聞，最初稱為data-driven journalism，先驅者包含英國衛報、美國紐約時報、維基解密

    # data science

    # open data

    # big data

    # data visualization

    # data journalism

    因此，新聞產製流程隨之轉變，新聞專業也未必依附於傳統的媒體機構之下，能夠接近資料或消息來源、使用資料說故事，不再是新聞記者所擁有的特權，其他人或組織也可創造資料新聞，如：g0v零時政府、資料科學家，以及不附屬特定機構的獨立記者。新聞專業追求真實性的方式已與過去不同，透過資料分析挖掘出大量資料中所隱含的真相，也是另一種透過資料進行報導真相的方式。

    本課程的目標在於介紹當代資料新聞學（data journalism）的源起與發展，以及資料新聞學的基本概念與操作流程，教導學生如何透過資料收集、清洗、分析與詮釋來建構資料新聞報導，從探索性的資料新聞到深入挖掘資料的調查性資料報導，協助學生結合新聞專長與資料分析方法來創造資料新聞報導，讓新聞報導不再侷限用文字、聲音、影像來說故事，同時能夠結合開放資料（open data）、社交媒體資料（Twitter、Facebook）、新聞或歷史資料、地理資訊服務（Google Map, Google Earth）、影音相片分享服務（YouTube、Flickr）等傳播科技的混搭，以因應當前新聞專業所面臨的各種挑戰。

    本課程架構主要分為以下六個部分：

    1. 資料新聞學與當代新聞挑戰：介紹何謂資料新聞學？
    2. 資料素養與資料處理：介紹data literacy及資料處理的基本流程
    3. 資料從哪裡來？：介紹政府開放資料、新聞資料、社交媒體資料的特色及應用
    4. 資料分析及用資料說故事：介紹資料分析工具，及建立資料新聞的觀點與問題意識
    5. 資訊視覺化與呈現：介紹資訊視覺化工具及應用
    6. 資料新聞專案實作：由業師帶領，協助每組同學完成一件資料新聞專案作品

     

    本學期課程與業界師資合作，採取專案實作方式，每位同學（個人或二人一組）需完成一個專案作品，專案題目可以來自教師提供的資料集， 或是同學自行提報題目並找尋資料集 。每周上課第一部分講授資料新聞的基本概念與運作模式，並由業師帶領學生使用資料分析實作及視覺化工具，第二部分由同學提報預計的專案題目後，教師及同學參與討論各個資料新聞專案進度，預計讓各組同學在學期末完成一個資料新聞專題報導。

     

    每周課程進度與作業要求 Course Schedule & Requirements

    教學週次Course Week 彈性補充教學週次Flexible Supplemental Instruction Week 彈性補充教學類別Flexible Supplemental Instruction Type

    Readr授課業師：總編輯簡信昌、新聞製作人李又如

     

    課程進行方式：第一部分前2小時由教師講授、個案討論、資料集實作分析等，第二部分1小時由同學報告專案進度討論 ，之後視情況調整，若有需要專案討論增加為2小時。實際授課進度在修課名單確認後 ，在第二周由老師們與同學們共同討論之。


     

    日期

    課程內容

    授課教師

    第1週

    2/20

    課程介紹

     

    指定閱讀：

    1. 《圖表會說謊 》。導論及第一章 （資訊視覺化的基本素養）
    2. 《臺灣數據百聞》介紹台灣開放資料初步應用 
    3. 《揭穿假新聞教戰守則》Chap1,4,7 說明社交媒體資料結構

    鄭宇君

    第2週

    2/27

    資料新聞是什麼（1）：

    big data, open data and data journalism

    提報資料新聞專案構想

    • 請事先準備好你想做的題目構想，愈多愈好，不要只準備一個
    • 題目構想可以參考以下思考方式：
      • 請以一句話說明題目構想內容
      • 你目前對這個議題的暸解？
      • 這個題目有什麼問題是可以用資料解決的？
      • 沒辦法用資料解決的問題，可以怎麼處理？
      • 有沒有參考的專題形式（選填）？

    鄭宇君、簡信昌、李又如

    第3週

    3/5

    資料新聞是什麼（2）

    資料新聞專案進度討論：資料集來源與分析角度

    鄭宇君、簡信昌、李又如

    第4週

    3/12

    【工作坊1】挖掘資料問題與資料集之關係

    • 如何發想題目
    • 題目與資料的關係
    • 什麼是好題目

    資料新聞專案進度討論：資料集來源與分析角度

    鄭宇君、簡信昌、李又如

    第5週

    3/19

    自主學習（不上課）

    		  

    第6週

    3/26

    【工作坊2】資料清洗與正規化處理

    • 基礎資料分析工具教學（Google Spreadsheet、OpenRefine 等線上開源工具）
    • 其他可自學替代工具：Tableau、PowerDB

    資料新聞專案進度討論：資料集來源與分析角度

    • 若自選題目在第6周還無法執行，就從老師提供的指定資料集中找題目發展。

    鄭宇君、簡信昌、李又如

    第7週

    4/2

    【工作坊3】尋找資料集的新聞價值

    • R 基礎教學（R 語言）
    • 其他可自學替代語言：Python

    資料新聞專案進度討論：資料集來源與分析角度

    鄭宇君、簡信昌、李又如

    第8週

    4/9

    資料新聞經典個案分析：探討資料素養及資料處理流程 （1）

    資料新聞專案進度討論：資料集來源與分析角度

    鄭宇君、簡信昌、李又如

    第9週

    4/16

    資料新聞經典個案分析：探討資料素養及資料處理流程 （2）

    資料新聞專案進度討論：資料集來源與分析角度

    鄭宇君、簡信昌、李又如

    第10週

    4/23

    資料新聞經典個案分析：探討資料素養及資料處理流程 （3）

    資料新聞專案進度討論：根據資料分析結果採訪專家意見與撰寫報導

    鄭宇君、簡信昌、李又如

    第11週

    4/30

    【工作坊4】資料視覺化基礎

    • 視覺化對資料新聞工作的幫助
    • 什麼時候應該視覺化？什麼是不該使用的圖表？

    資料新聞專案進度討論：根據資料分析結果採訪專家意見與撰寫報導

    鄭宇君、簡信昌、李又如

    第12週

    5/7

    【工作坊5】資料新聞形式呈現基礎

    • 如何決定呈現形式
    • 線上開源工具介紹

    資料新聞專案進度討論：根據資料分析結果採訪專家意見與撰寫報導

    鄭宇君、簡信昌、李又如

    第13週

    5/14

    根據資料分析結果採訪專家意見與撰寫報導

    資料新聞專案進度討論：根據資料分析結果採訪專家意見與撰寫報導

    鄭宇君、簡信昌、李又如

    第14週

    5/21

    校慶運動會放假

    		  

    第15週

    5/28

    資料新聞專案進度與資料視覺化呈現討論 (1)

    鄭宇君、簡信昌、李又如

    第16週

    6/4

    資料新聞專案進度與資料視覺化呈現討論 (2)

    鄭宇君、簡信昌、李又如

    第17週

    6/11

    自主學習：資料新聞專案製作（不上課）

    		  

    第18週

    6/18

    資料新聞專案期末發表會

    鄭宇君、簡信昌、李又如

         

    ※每週學習投入時數：課堂3小時，課程前後6小時

     

    授課方式Teaching Approach

    20%

    講述 Lecture

    60%

    討論 Discussion

    20%

    小組活動 Group activity

    0%

    數位學習 E-learning

    0%

    其他： Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    • 出席和參與討論（20%）
    • 平日報告與作業（30%）
    • 期末報告與作品呈現（50%）
    • 期末報告為小組作業(可一人一組)，需完成一件資料新聞專案作品，會參考同組組員互評給分。
    • 碩士生需另外繳交三篇資料新聞經典個案分析報告。

    請假規定：

    1. 每次上課都需簽到，記錄學生出缺席及遲到情況，曠課次數達3次，扣學期總分30分；曠課達4次，即以不及格計算。
    2. 有事由請假的請假程序，請依照政治大學學生請假辦法辦理，要有書面證明，不能只用口頭說明，並於課前以email向老師說明請假原因，未依此處理，一律以曠課計算。如非特殊原因，超過3次以上，也會加重扣分。
    3. 工作坊為業師手把手帶你操作軟體，盡量不要請假，若缺課將嚴重影響你對工具的學習能力。

    指定/參考書目Textbook & References

     

    七、參考書目及資料來源

    資料素養／資料新聞學基礎

    1. 林麗雲 編（2013）。《資料好神，敘說故事千百樣：資料新聞學開講》。台北：優質新聞發展協會。
    2. 胡毓容 譯 （2018）。《揭穿假新聞教戰守則》。台北：優質新聞發展協會。
    3. 麥爾荀伯格、庫基耶，林俊宏 譯 （2013）。《大數據》。台北：天下文化。
    4. Cairo, A. 洪夏天 譯（2020）。《圖表會說謊》。台北：商周。
    5. Gray, J., Biunegru, L. & Chamber, L.(eds.).(2012). The Data Journalism Handbook. O’ Reilly Media. http://datajournalismhandbook.org/ 簡體中文版 第二版編輯中
    6. Herzog, D. (2016). Data literacy: A user’s guide. London: Sage.
    7. Mair, J., Keeble, R. L.,Lucero, M. & Morre, M.. (2017). Data Journalism: past-present and future. UK: Abramis academic publishing.
    8. Mair, J., Keeble, R. L., Bradshaw, P. & Beleage, T. (2013). Data Journalism: Mapping the future. Suffolk, UK: Abramis academic publishing.

    資訊視覺化

    1. Cole Nussbaumer Knaflic著、徐昊 譯（2016）。《Google必修的圖表簡報術》。台北：商業周刊。
    2. Krum, R. 著、胡為君 譯（2014）。《資訊視覺圖表：讓資料變好看的大數據時代資料表達術》。台北：碁峰資訊公司。
    3. 永原康史 著，李柏黎、嚴可婷 譯（2018）。《資訊視覺化設計的潮流：資訊與圖解的近代史》。台北：雄獅美術。
    4. Cairo, A. (2016). The truthful art: Data, charts, and maps for communication. New Riders.
    5. Riche, N.H., Hurter, C., Diakopoulos, N. & Carpendale, S. (Eds.) (2018). Data-driven storytelling. AK Peters Visualization Series.

    進階資料新聞學

    1. Hahn, O. & Stalph, F. (eds.) (2018). Digital Investigative Journalism: Data, Visual Analytics and Innovative Methodologies in International Reporting. Springer eBooks. 政大圖書館下載
    2. Prodromou, T. (2017). Data Visualization and Statistical Literacy for Open and Big Data (pp. 1-365). Hershey, PA: IGI Global. doi:10.4018/978-1-5225-2512-7 政大圖書館下載
    3. Kitchin, R. (2014). The data revolution: Big data, open data, data infrastructures and their consequences. London: Sage.
    4. Neuman, W., Guggenheim, L., Jang, S. & Bae, S. (2014). The Dynamics of Public Attention- Agenda-Setting Theory Meets Big Data. Journal of Communication, 64: 193–214.

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    書名 Book Title 作者 Author 出版年 Publish Year 出版者 Publisher ISBN 館藏來源* 備註 Note

    維護智慧財產權，務必使用正版書籍。 Respect Copyright.

    課程相關連結Course Related Links

    1.	政府資料開放平台 http://data.gov.tw/ 
2.	開放知識基金會https://tw.network.okfn.org/
3.	Google data search　https://toolbox.google.com/datasetsearch　
4.	Data journalism awards https://datajournalismawards.org/
5.	Data journalism https://datajournalism.com/

    課程附件Course Attachments

    課程進行中，使用智慧型手機、平板等隨身設備 To Use Smart Devices During the Class

    其他: Other regulation

    列印