PředmětyPředměty(verze: 825)
Předmět, akademický rok 2017/2018
   Přihlásit přes CAS
Datová žurnalistika - ASGV00745
Anglický název: Data journalism
Zajišťuje: Katedra sociologie (21-KSOC)
Fakulta: Filozofická fakulta
Platnost: od 2017
Semestr: letní
Body: 0
E-Kredity: 3
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/0 Z [hodiny/týden]
Počet míst: neomezen / neurčen (15)
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Úroveň:  
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
Garant: Mgr. Jaromír Mazák
Vyučující: Mgr. Jaromír Mazák
Rozvrh   Nástěnka   
Anotace -
Poslední úprava: Mgr. Jaromír Mazák (29.01.2018)

Tento prakticky orientovaný kurz seznámí studenty s vybranými technikami vizualizace a prezentace dat. Studenti se seznámí jak s pokročilými "vědeckými" vizualizacemi, tak s "atraktivními" vizualizacemi, které v době online žurnalistiky nabývají na významu. Většina setkání je rozdělena na teoretickou a praktickou část, přičemž praktická část má za cíl osvojit si konkrétní dovednost v oblasti vizualizace dat. Největší pozornost je věnována praktickému zvládnutí vizualizace dat v různých softwarových nástrojích.


Podmínky zakončení předmětu
Poslední úprava: Mgr. Jaromír Mazák (29.01.2018)

Odevzdání alspoň 5 domácích úkolů v dostatečné kvalitě. Zadáno bude minimálně 7 domácích úkolů.

Sylabus
Poslední úprava: Mgr. Jaromír Mazák (11.02.2018)

1) Úvodní a organizační hodina • Teoretická část: Struktura kurzu; Zdroje dat • Praktická část: Čištění dat
2) Co je to datová žurnalistika? • Teoretická část: Historie a vývoj vizualizace, zajímavé příklady, nejčastější chyby. • Praktická část: Úvod do tvorby grafů v kancelářském tabulkovém editoru typu MS Excel a v programovacím prostředí typu R.
3) Tvorba grafů v kancelářském tabulkovém editoru typu MS Excel • Pouze praktická část: Tipy a triky jak na grafy v tabulkovém editoru
4) Jak z běžných vizualizací vytáhnout maximum? • Teoretická část: Proč je u vizualizace potřeba přemýšlet? Přehled nejběžnějších typů matoucích a chybných vizualizací. • Praktická část: Ukázky, jak lze z "defaultních" grafů vytáhnout víc.
5) Úvod do jazyka R, jednoduché vizualizace v R • Teoretická část: R jako nástroj pro práci s daty. • Praktická část: Představení jazyka R a jednoduchých vizualizací v něm
6) Vizualizace v R a seznámení s ggplot2
7) Vizualizace v R II • Pouze praktická část: Další možnosti vizualizace v R
8) Vybrané nástroje pro online vizualizace bez programování • Praktická část: Ukázka práce s Info.gram; datawrapper.de; nástroje Google-drive, případně další
9) Jak svou vizualizaci dostat na web? • Teoretická část: Jak funguje internet • Praktická část: Jaké jsou možnosti pro publikování svých vizualizací na internetu
10) Social network analysis, SNA • Teoretická část: Představení principu SNA s důrazem na vizualizaci • Praktická část: Ukázka vizualizace sítě v Gephi
11) a 12) Podle potřeb studentů a vývoje kurzu

Použitý software:

MS Office (studenti mohou použít libovolný tabulkový editor podobného typu)
R a balíček ggplot2
OpenRefine
Gephi
Info.gram
a další podle potřeby

Vstupní požadavky
Poslední úprava: Mgr. Jaromír Mazák (29.01.2018)

Je vyžadávána předchozí zkušenost s prací s datovým souborem (datovou maticí) a schopnost jednodých transformací dat (recode, čištění dat, konstrukce nové proměnné atp.). 

Předmět rozhodně není doporučen studentům prvního ročníku (s výjimkou studentů, kteří mohli potřebné schopnosti získat např. během jiného předchozího studia).

 
Univerzita Karlova | Informační systém UK