|
|
|
||
|
Předmět, vyučovaný ve spolupráci s odborníky z praxe, nabídne vhled do analýzy zpracování žurnalistických obsahů. Seminář bude veden analytiky Newton media, bude představena aplikace a možnosti práce s ní. Budou diskutovány možnosti analýz vycházejících z dat dostupných v aplikaci, možnosti rozhraní jako takového, i limity analytické práce.
Studující se naučí identifikovat klíčová témata a analyzovat je tak, aby to bylo přínosné pro jejich další žurnalistickou či mediální praxi. Poslední úprava: Turková Kateřina, Mgr. Ing., Ph.D. (03.02.2025)
|
|
||
|
Studující musí k úspěšnému zakončení přemětu splnit následující požadavky: 1) Účast na první hodině 18. 2. 2026 (11:00 - 12:20) v m. č. 108 na Hollaru (omluva pouze předem z vážných důvodů doložených garantce předmětu) 2) Aktivní účast na blokové výuce (omluva pouze předem z vážných důvodů doložených garantce předmětu) a plnění průběžných úkolů s tím souvisejících 3) Odevzdání písemné verze seminárního úkolu do 6. 5. 2026 23:59 (prostřednictvím e-mailu garantce předmětu: katerina.turkova@fsv.cuni.cz) (max. 70 bodů, nutnost splnit alespoň na 50 %, tj. 35 bodů) 4) Osobní prezentace seminárního úkolu na hodině v náhradním výukovém týdnu 20. 5. (11:00 - 12:20) v m. č. 108 na Hollaru (nebo v alternativních termínech nabídnutých vyučujícími; omluva/náhradní termín pouze předem z vážných důvodů doložených garantce předmětu) (max. 30 bodů, nutnost splnit alespoň na 50 %, tj. 15 bodů)
Klasifikace proběhne podle systému ECTS grading na stupnici A-F. Pokud studující začne plnit předmět, tj. dorazí na první blok blokové výuky, a neodevzdá seminární úkol, bude dle studijního řádu hodnocen stupněm F. Celkový výkon studenta/ky bude uveden v procentech (1 % = 1 bod; 0-100 %) a dle nich stanovena klasifikace: 0-50 % = F, 51-60 % = E, 61-70 % = D, 71-80 % = C, 81-90 % = B a 91% a více = A). Studující mohou při přípravě seminárního úkolu využívat nástrojů umělé inteligence (AI) jako jsou ChatGPT, Copilot nebo Claude. Použití AI je nutné transparentně uvést (jaký nástroj, v jaké fázi přípravy a jakým způsobem byl využit). Pro kritický komentář nebo kompletní analýzu není použití AI povoleno, stejně jako není povoleno sdílet s nástroji generativní AI osobní či citlivá data. Apelujeme však na studující, aby využití nástrojů generativní umělé inteligence pro tvorbu seminárního úkolu zvážilii vzhledem k faktu, že se jedná o nácvik dovedností. Přejímání výsledků generovaných AI v jejich doslovné nebo mírně upravené podobě a jejich vydávání za vlastní dílo je považováno za plagiátorství. Více informací o využívání AI na FSV UK viz Stanovisko UK a Doporučení pro studující. Poslední úprava: Turková Kateřina, Mgr. Ing., Ph.D. (20.01.2026)
|
|
||
|
Doporučené knižní tituly: Bounegru, L., & Grey, J. (2021). The data journalism handbook: towards a critical data practice. Amsterdam University Press. https://doi.org/10.1515/9789048542079 Hermida, A., & Young, M. (M. L. ). (2019). Data journalism and the regeneration of news. Routledge. Lee, M. (2024). Hacks, leaks, and revelations: the art of analyzing hacked and leaked data. No Starch Press. Parasie, S. (2022). Computing the news: data journalism and the search for objectivity. Columbia University Press. Pavlik, J. V. (J. V. ). (2024). Milestones in digital journalism. Routledge. Reilley, M. (2023). The journalist's toolbox: a guide to digital reporting and AI. Routledge. Reilley, M., & Sunne, S. (2023). Data + journalism: a story-driven approach to learning data reporting. Routledge. Richards, A. (2023). Foundations of data and digital journalism. Routledge. Tong, J. (2023). Data for journalism: Between Transparency and Accountability. Routledge, Taylor & Francis Group. Tong, J. (2025). Data Journalism and the COVID-19 Disruption. Routledge. Zhang, C. (2024). The power of data: data journalism production and ethics studies. Routledge. Doporučené odborné články a kapitoly: Arrese, A. (2022). "In the Beginning Were the Data": Economic Journalism as/and Data Journalism. Journalism studies (London, England), 23(4), 487-505. https://doi.org/10.1080/1461670X.2022.2032803 Bhaskaran, H., Kashyap, G., & Mishra, H. (2024). Teaching Data Journalism: A Systematic Review. Journalism practice, 18(3), 722-743. https://doi.org/10.1080/17512786.2022.2044888 Bradshaw, P. (2024). Data journalism. In The Online Journalism Handbook (3rd ed., Vol. 1, pp. 250-291). Routledge. https://doi.org/10.4324/9780429321566-10 Graßl, M., Schützeneder, J., Robles, F. A., García-avilés, J. A., Lugschitz, R., Porlezza, C., Meier, K., Kaltenbrunner, A., Wyss, V., & Klinghardt, K. (2024). Data journalism: From a niche competence to a key feature. In Innovations in Journalism (Vol. 1, pp. 118-125). Routledge. https://doi.org/10.4324/9781032630410-15 Montaña-niño, S. X., & Burgess, J. (2024). Beyond the ‘critical incident’: COVID-19, data journalism and the slow road to editorial automation in Australian newsrooms. New media & society, 26(3), 1315-1332. https://doi.org/10.1177/14614448231201644 Stalph, F. (2018). Classifying Data Journalism: A content analysis of daily data-driven stories. Journalism practice, 12(10), 1332-1350. https://doi.org/10.1080/17512786.2017.1386583 Stalph, F., Thurman, N., & Thäsler-kordonouri, S. (2024). Exploring audience perceptions of, and preferences for, data-driven ‘quantitative’ journalism. Journalism (London, England), 25(7), 1460-1480. https://doi.org/10.1177/14648849231179606 Wu, S. (2024). An Asian version of data journalism?: Uncovering “Asian values” in data stories produced across Asia. Journalism (London, England), 25(1), 180-197. https://doi.org/10.1177/14648849221133298 Young, M. L., Hermida, A., & Fulda, J. (2018). What Makes for Great Data Journalism?: A content analysis of data journalism awards finalists 2012-2015. Journalism practice, 12(1), 115-135. https://doi.org/10.1080/17512786.2016.1270171 Doporučené doplňující výukové materiály / užitečné odkazy: https://www.bellingcat.com/ https://datajournalism.com/ https://www.newtonmedia.cz/ https://sicss.io/overview Poslední úprava: Turková Kateřina, Mgr. Ing., Ph.D. (03.02.2025)
|
|
||
|
Předmět bude vyučován ve spolupráci s odborníky z Newton media. Bloková výuka bude probíhat na Hollaru v místnosti H110 (10:00-10:50) a H108 (11:00-12:20). Předběžný rozvrh (výuka probíhá v místnosti H108): St 18. 2. 2026 (H108, 11:00 - 12:20): Úvodní hodina, představení předmětu 3 bloky (á 2,5 hod.) vyučované odborníky Newton media: St 25. 2. 2026 (10:00 - 12:20, H110 + H108): Školení do aplikace Newton One a jejich funkcí (Mgr. Jan Červenka) St 18. 3. 2026 (10:00 - 12:20, H110 + H108): Praktické cvičení na základě zadání reflektující předchozí blok a jeho zhodnocení (Mgr. Jakub Říman) - zadání vyhledávání – pokládání dotazů a možnosti dalšího filtru, zakládání témat a štítků, výstup/export dat, práce s grafy/dashboard St 8. 4. 2026 (10:00 - 12:20, H110 + H108): Analytika, metriky, práce s daty a jejich prezentace (Mgr. Ivan Vodochodský, Ph.D.) Do pá 10. 4. 2026: Upřesnění seminárního úkolu písemnou formou (e-mail)
St 22. 4. 2026 (H108, 11:00 - 12:20): Přednáška hostky: Nelly Quemener (Sorbonne Université) - Corpus analysis St 29. 4. 2026 (H108, 11:00 - 12:20): Přednáška hostky: Mgr. Veronika Příbaň Žolnerčíková, Ph.D. - Právní aspekty digitální a datové žurnalistiky Do st 6. 5. 2026 (23:59): Odevzdání písemné formy seminárního úkolu St 20. 5. 2026 (H108, 11:00 - 12:20) nebo alternativní termíny: Prezentace seminárního úkolu, zakončení - termín zapsat do 14. 5. 2026 Poslední úprava: Turková Kateřina, Mgr. Ing., Ph.D. (12.02.2026)
|