VVOJ2012 Verslag: Working with data (Part I & II)

Conferentie

Titel: Working with data (Part I and Part II)
Datum: 16 november 2012
Tijd: 14:00-15:15 uur (Part I) en 15:45-17:00 uur (Part II)
Sprekers: Nils Mulvad en Brant Houston (Part I) en David Donald en Jennifer LaFleur (Part II)
Aantal deelnemers: circa 50

Verslag: Petra Jacobs

Tikken, klikken, bookmarken, escapen, selecteren, zuchten, ploeteren, roepen… Van zoeken tot vinden in de wondere wereld van databases op het internet. Nils Mulvad en Brant Houston verklappen je waar en hoe. David Donald en Jennifer LaFleur vertellen je wat ermee te doen.

“Who’s using Google Advanced?”

Met het magere aantal opgestoken handen toont Brant Houston al van meet af aan dat er hier nog heel wat te leren valt. Bekend met Google, Excel, Word en spreadsheets zijn we echter allemaal.

De vroegere journalistiek was immers vooral véél interviewen en veldwerk verrichten, en af en toe werd je dan beloond met een documentje belangrijke cijfers. Maar daar gingen in de eerste plaats dus oneindig veel telefoontjes en tussenpersonen aan vooraf.

Houston getuigt dat hij het nog goed weet toen in 1980 de eerste elektronische documenten verschenen. Plots stond de informatie die je pas verkreeg na 10 maanden mensen lastigvallen, online voor het grijpen.

Klinkt allemaal veelbelovender dan het is. Er zijn helaas zeer weinig goede databases. Veel te vaak is het zoeken naar een speld in een hooiberg. De cijfers zijn het merendeel van de tijd erg onoverzichtelijk opgelijst en onleesbaar voor een onwetende die aan onderzoek doet.

Om dat probleem omtrent datajournalistiek voor een deel de wereld uit te helpen, stellen onze gasten enkele wel goed gebouwde databanken voor. Gevolg: een heel resem nuttige sites over allerhande onderwerpen, gaande van gezondheidszorg tot overheidsinstanties.

En dan een tip: “If you don’t find it, built it!”

Daarmee bedoelt Houston dat het altijd een goed idee is om zelf, en met anderen, een databank te bouwen. Het betekent namelijk dat je exclusieve informatie hebt. Zorg dat het een toekomst uitstraalt, dat mensen eraan willen toevoegen en dat het een referentie is. Zo kom je veel meer te weten dan je denkt.

Nils Mulvad pakt het woord over en vervolgt Houston’s uiteenzetting van betrekkelijke sites met hoe je ze moet “scrapen”. Scrapen betekent elimineren op het net, schrappen van wat niet van toepassing is.

“Sometimes you’re lucky that somebody got there before you and sorted everything out, but most of the time it’s SHIT!”

Houston noemt dit “The Zoo Theory”.

Waar vind je de dieren in de zoo? Hoe vind je alle relevante dingen en verzamel je die netjes bij elkaar? Dit doe je het best met programma’s als Python, Google Refine of op documentcloud.org.

Dè grote evolutie in het presenteren van data, is het visualiseren ervan.

Als vooruitstrevende voorbeelden worden twee sites naar voren geschoven: floatingsheep.org en theyrule.net.

Bij eerstgenoemde speelt humor een aparte rol. Creatief omgaan met data is volgens Houston iets wat we meer moeten doen. Het werkt veel efficiënter om de lezer te animeren terwijl je hem een hoeveelheid cijfers voorschotelt.

Maar wat doen we eens dat we die cijfers in handen hebben?

David Donald en Jennifer LaFleur doen een poging om ons te laten begrijpen wat je zoal met data kan doen. Een eerste logische stap is dan ook: “understand your data”.

Cijfers worden geregeld dichotoom voorgesteld. Er zijn dan maar twee mogelijkheden.

Onderzoek vervolgens hoe vaak een bepaald fenomeen voorkomt. Vergelijk bijvoorbeeld ook twee kenmerken uit de cijfertabellen met elkaar en leg de link. In de VS is er kennelijk een verband tussen cardiale zorg en het gezinsinkomen. “Correlation” en “regression” zijn hier de twee woorden die blijven hangen.

Wat volgt is nog een toelichting over hoe je een index maakt. Een zeer technische workshop waarover de sprekers achteraf zeggen dat ze niet verwachten dat we nu weten hoe het moet. Als je iets niet weet, vraag hulp. Belangrijkste noot in dit verhaal: “We can empower each other.”