Statistische Datenanalyse im Journalismus - Fallstudien und wissenschaftliche Anforderungen zum Einsatz fortgeschrittener statistischer Methoden

Dieses Buch zeigt anhand von journalistischen Fallbeispielen, warum und wie fortgeschrittene statistische Analysemethoden eingesetzt werden können, um aussagekräftige journalistische Informationen aus Daten zu extrahieren. Gleichzeitig setzt das Buch einen Anforderungsrahmen für die datenjournalistische Arbeit bezüglich Datenkompetenz und -visualisierung, dem Einsatz von Algorithmen sowie daten-ethischen Anforderungen und der Überprüfung externer Studien.


Ziel ist es, die Qualität und Aussagekraft datenjournalistischer Arbeiten zu verbessern, welche, neben der angemessenen Erfassung und Aufbereitung von Daten, wesentlich von einer adäquaten Datenanalyse abhängen. Aber wie statistisch arbeiten Datenjournalist:innen heute eigentlich? Und wie statistisch können oder sollten sie arbeiten, um den Ansprüchen ihrer Leserschaft in Sachen Verständlichkeit gerecht zu werden, auch mit Blick auf deren unterschiedliches mathematisch-statisches Vorwissen? Das Buch zielt darauf ab, di ese Fragen zu beantworten, indem es weiterführende statistische Methoden anhand von Fallstudien untersucht. Es verdeutlicht, warum diese Methoden auch im journalistischen Kontext oftmals problemangemessener sind und tiefer gehende Erkenntnisse liefern als vereinfachte Analysen und Basismethoden. Die Fallstudien decken dabei die wichtigsten statistischen Methoden ab: Verteilungen und Tests, Klassifikation, Regression, Zeitreihenanalyse, Clusteranalyse, Analyse von sequentiellen Daten ohne direkten Zeitbezug, Verwendung von Vorwissen und geplante Studien.

Inhaltsverzeichnis:

Teil I Einführung, Konzept und Grundlagen. Einführung.- CRISP-DM - Ein Konzept für die journalistische Datenanalyse?.- Data Literacy.- Datengrafiken zwischen Nutzwert und Design.- Algorithmen im Fokus.- Teil II Fallstudien. (Bedingte) Verteilung und statistische Tests.- Zusammenhangsanalyse: Klassifikation.- Zusammenhangsanalyse: Regression.- Zeitreihenanalyse: Modellentwicklung über die Zeit.- Gruppenbildung: Clusteranalyse.- Sequentielle Daten: Analyse von Radverkehrsnetzen.- Datenerhebung: Verwendung von Vorwissen.- Geplante Studien.- Teil III Qualitätsstandards. Datenethik im Journalismus.- Qualitätsstandards: Checklisten als Hilfsmittel. Anhang: Daten und R-Programme.- A.6 Kapitel 6: Fallstudie 1: Altersstruktur von Parlamenten.- A.7 Kapitel 7: Fallstudie 2: AfD bei der Bundestagswahl 2017.- A.8 Kapitel 8: Fallstudie 3: Wählerstruktur: Bundestagswahl 2017.- A.9 Kapitel 9: Fallstudie 4: Corona (COVID-19) Pandemie.- A.10 Kapitel 10: Fallstudie 5: Buchbestsellerlisten.- A.11 Ka pitel 11: Fallstudie 6: Radwege in Berlin.- A.12 Kapitel 12: Fallstudie 7: Professorenumfrage.- Sachverzeichnis.