Як аналізувати дані й за допомогою них протидіяти дезінформації, можна дізнатися з методичних рекомендації для викладачів факультетів та кафедр журналістики.
Український інститут медіа та комунікації розробив серію методичних рекомендацій з інтеграції тем медіаграмотності та протидії дезінформації в освітні програми з журналістики. Рекомендації стосуються не лише практичних дисциплін з журналістики, але й ширшого переліку дисциплін.
Цю Тему розробив Денис Губашов, консультант із впровадження політики відкритих даних, аналітик в Texty.org.ua.
Анотація
В активному розвитку соціальних мереж, великих даних, штучного інтелекту, блокчейн технологій, інтернету речей кожному досліднику даних відкриваються просторі горизонти, але й очікують значні ризики. Використання новітніх технологій авторитарними та тоталітарними урядами, гібридні війни та інформаційні атаки, дедалі більший вплив популізму в політиці та корупція створюють додаткові виклики для дослідників у різних сферах — від екології та економіки до суспільних та гуманітарних наук. Найбільші виклики, звичайно ж, постають перед журналістами.
Data literacy дозволяє активно та обʼєктивно досліджувати світ, а отже, комунікувати із читачами виключно мовою фактів. Ба більше, дозволяє опрацьовувати теми, які обробити іншим способом було б просто неможливо: працювати із даними, великими даними.
В сучасному світі інформаційних технологій можуть бути створені цілі альтернативні «реальності», направлені на маніпулювання суспільною думкою. Особливо цьому сприяють соціальні мережі, анонімні канали в месенджерах та підконтрольні маніпуляторам медіа. Аналіз даних у сфері протидії дезінформації дозволяє встановити першоджерела вкидів, знайти закономірності, які виявляють маніпуляторів.
Проте аналіз даних може бути корисним не тільки для пошуку дезінформації, але й для встановлення обʼєктивних фактів — основного «щита» проти дезінформації та фейків, які дозволяють спиратись на факти обʼєктивної реальності, а не на оціночні судження.
Проте вміння працювати із даними треба здобувати. Нерозуміння даних, методології їхнього збору, обмежень в аналізі призводять до помилок та хибних висновків. Курс Data literacy покликаний надати базове розуміння роботи з даними та навчитись робити правильні висновки на основі їхнього аналізу.
Курс за запропонованою програмою можна впроваджувати окремо як додаткову дисципліну, або окремі теми із нього включати до інших предметів.
Базові поняття Теми
API (інтерфейс прикладного програмування) — набір готових функцій, що надається у формі сервісу для використання в зовнішніх прикладних програмах для забезпечення динамічного доступу до наборів даних.
OSINT (з англ. Open source intelligence) — технологія пошуку та аналізу інформації на основі відкритих джерел.
Zero-code — загальна назва програм, які дозволяють розв’язувати типові задачі без застосування програмування.
Агреговані дані — це дані, які були якимось чином згруповані, найкращим прикладом агрегованих даних є статистика.
Веб-скрейпінг (або просто скрейпінг) — техніка збору даних, яка дозволяє автоматично отримувати інформацію з вебсторінок.
Відкриті дані — це публічна інформація у форматі, що дозволяє її автоматизоване оброблення електронними засобами, вільний та безоплатний доступ до неї, а також її подальше використання.
Візуалізація — частина інфографіки, представлення даних у вигляді графіків та діаграм.
Геопросторові дані (геодані) — це дані, що містять інформацію про місцезнаходження обʼєктів на поверхні Землі.
Дашборд — інтерактивна аналітична панель, на якій розташовані всі ключові метрики, показники чи процеси. Дашборди зазвичай обʼєднують у собі кілька різноманітних графіків та мап і мають фільтри, які дозволяють глибше попрацювати із даними, краще їх зрозуміти.
Дезагреговані дані — це дані, які були розбиті на більш детальні компоненти. Це дозволяє проводити глибший аналіз і отримувати більш точну інформацію. Такі дані, наприклад, дають можливість побачити та проаналізувати гендерні розриви, дискримінацію та потреби різних груп жінок і чоловіків.
Журналістика даних (дата-журналістика) — це напрям у журналістиці, в основі якого лежить оброблення даних і їхнє використання для створення журналістського матеріалу.
Інфографіка — це комплексне представлення інформації у вигляді цифр, графіків та ілюстрацій.
Інформація — будь-які відомості та/або дані, які можуть бути збережені на матеріальних носіях або відображені в електронному вигляді.
Машиночитаний формат — формат, що дозволяє автоматизоване оброблення даних електронними засобами.
Неструктуровані дані — це інформація без чіткої організації або визначеної структури, що ускладнює її автоматичну обробку. Вона може включати текстові документи, відео, аудіо, зображення, пости в соціальних мережах та електронні листи.
Охайні (чисті) дані — це добре структуровані дані, що не потребують додаткового очищення чи маніпуляцій для їхньої обробки машиночитаним способом. Ці набори даних організовані так, що кожна змінна є стовпчиком, а кожне спостереження є рядком.
Публічна інформація — інформація, яка була отримана/створена розпорядником на законних підставах.
Розпорядники публічної інформації (даних) — коло суб’єктів, які мають визначені законом обов’язки щодо оприлюднення та надання публічної інформації, що перебуває в їхньому володінні.
Структуровані дані — таблиці та ієрархічні дані, які містяться в базах даних. Це найбільш цінний тип відкритих даних, оскільки їх легко автоматично обробляти.
Перелік компетентностей, які формуються у результаті роботи з темою
Пройшовши цю тему, студенти навчаться:
- знаходити достовірні та перевірені джерела даних;
- збирати, досліджувати дані, перетворювати їх та проводити підготовку до аналізу;
- аналізувати дані — знаходити в них причинно-наслідкові звʼязки, робити обґрунтовані висновки;
- розуміти контекст даних, методологію їх збору, передумови та обмеження;
- використовувати інструменти для аналізу та візуалізації даних;
- візуалізувати дані, уникати маніпуляцій під час візуалізації даних;
- працювати із різними типами інформації та даних.
Перелік предметів, в які може бути інтегрована тема
Тему бажано впроваджувати окремою додатковою дисципліною «Журналістика даних», проте частини теми можуть бути інтегровані у наступні навчальні дисципліни:
- Аналіз даних
- Статистика
- Теорія і практика онлайн-журналістики
- Вебтехнології
- Інформатика
- Фактчекінг
- Інтернет-журналістика
Вимоги до слухачів курсу та рекомендації
Курс пропонується для прослуховування студентами старших курсів навчального рівня «Бакалавр» або рівня «Магістр». Для найбільш ефективного прослуховування курсу бажано мати базові навички роботи з табличними редакторами, також бажаним буде проходження курсу після таких навчальних дисциплін як «Інформатика», «Аналіз даних», «Статистика», «Вебдизайн», «Дизайн», «Основи вебверстки», «Графічний дизайн» тощо.
Обсяг навчального навантаження
Орієнтовна кількість годин: загальна кількість годин курсу — 84 години:
- Аудиторні заняття (лекції) — 20 годин
- Аудиторні заняття практичні (семінари та лабораторні заняття) — 22 години
- Самостійна робота (домашні завдання) — 20 годин
- Робота над власним проєктом — 20 годин
- Підсумкове тестування — 2 години
Відповідно до структури курсу на кожну тему виділяється одне лекційне заняття, одне практичне заняття (для теми 5 пропонується 2 практичні заняття) та самостійна (домашня) робота. Також курс завершується підсумковим тестуванням, протягом курсу пропонується розробка власного аналітичного проєкту на основі даних, на який виділяється 20 годин самостійної роботи.
Структура навчального курсу
Для оптимального засвоєння інформації викладач пропонується наступний перелік тем для вивчення.
Тема 1: Що таке дані та інформація?
Тема передбачає ознайомлення із тим, що таке дані та машиночитані дані, чим дані відрізняються від інформації, а також огляд способів та практик оприлюднення відкритих даних, історії, підходів та концепцій відкритих даних, огляд інфраструктури відкритих даних.
Під час навчання слухачі отримують загальне уявлення та знання про те, що таке дані, машиночитані дані, відкриті дані.
Тема 2: Нормативно правова база доступу до даних та публічної інформації, запити на публічну інформацію, права інтелектуальної власності під час використання даних
Тема охоплює розгляд національної та міжнародної нормативно-правової бази публічної інформації та відкритих даних, прав громадян на доступ до публічної інформації, зокрема публічної інформації у формі відкритих даних. Практику написання запитів на машиночитані дані. Також під час вивчення теми розглядаються різні ліцензійні умови використання даних та програмного забезпечення.
Тема 3: Джерела даних
Тема включає детальний розгляд інфраструктури відкритих даних: Єдиного державного вебпорталу відкритих даних, місцевих порталів, сайтів галузевих розпорядників, інформаційних сервісів та систем, міжнародну інфраструктуру відкритих даних та міжнародні джерела.
Під час навчання студенти отримають знання щодо джерел даних, які вони можуть використовувати, інформації, яку можна знайти в цих джерелах, способів роботи з ними, зрозуміють, як побудована інфраструктура відкритих даних в Україні та світі, засвоять найкращі практики та приклади оприлюднення публічної інформації у формі відкритих даних. Також буде розглянуто інші, крім відкритих даних джерела: комерційні дані, вебскрейпінг, OSINT, комерційні дані, самостійний збір даних, волонтерські проєкти.
Тема 4: Поняття машиночитаності даних та основи роботи із машиночитаною інформацією
Під час навчання студенти вивчать типи, структури та формати даних, способи та інструменти роботи з різними типами даних, поняття «чистих даних» та приведення даних до вимог машиночитаності, а також способи використання машиночитаної, структурованої інформації.
За результатами навчання студенти опанують практики роботи з машиночитаними та структурованими даними, методи їхньої обробки — базові навички для подальшого навчання та роботи з відкритими даними.
Тема 5: Методи та інструменти роботи з даними
Під час навчання студенти засвоять поняття та засоби автоматизації роботи з даними, основні сучасні інструменти для роботи з даними, що потребують базових навичок програмування і для яких не потрібні специфічні навички. Тема включає також побудову алгоритмів роботи з даними, циклів обробки даних. Під час навчання, якщо у студентів відсутній відповідний рівень підготовки, варто зосередитись на табличних інструментах роботи з даними: Excel, Libre/Open office calc, Google Sheets тощо.
За результатами навчання студенти отримають базові навички обробки машиночитаних даних, автоматизації роботи з даними, побудови циклів роботи з даними.
Тема 6: Що таке журналістика даних?
Під час навчання будуть розглянуті основні поняття дата-журналістики, історії, філософії та концепції. Проведений огляд матеріалів з дата-журналістики світових та українських медіа, студенти засвоять найкращі практики та дізнаються про можливості, що їх дає журналістам аналіз даних.
За результатами навчання студенти отримають навички зі створення матеріалів на основі даних та навчаться знаходити історію в даних.
Тема 7: Робота з порталом відкритих даних та публічними реєстрами, автоматизація роботи.
У межах теми студенти опанують навички автоматизації роботи з Єдиним державним вебпорталом відкритих даних та місцевими порталами відкритих даних за допомогою АРІ. Під час навчання буде проведено огляд та дослідження структури АРІ основних систем та джерел: Prozorro, Spending, Inspections (за умови відкриття доступу), GTFS-формату (дані про рух громадського транспорту в режимі реального часу) тощо.
За результатами навчання студенти зрозуміють перспективи та можливості автоматизованої обробки даних, опанують навички практичного використання інструментів для роботи з машиночитаними даними.
Тема 8: Робота із геопросторовою інформацією, текстовими та графічними даними, супутниковими знімками
Слухачі ознайомляться із основними інструментами для роботи із геопросторовою інформацією, базовими інструментами для роботи із нею, наприклад Qgis. Також оволодіють теоретичними знаннями (методиками) та практичними навичками обробки текстів та візуальних зображень. Пропонується також зосередитись на способах обробки супутникових знімків, методам їх обробки.
Тема 9: Способи практичного використання відкритих даних журналістами
Тема включає практичні кейси використання відкритих даних: пошук інформації про фізичних та юридичних осіб, дослідження тенденцій, поєднання інформації з різних джерел.
За результатами навчання студенти опанують використання відкритих даних для пошуку інформації, стратегії пошуку, практичне використання джерел, розвідок та досліджень на основі даних. Також дізнаються про способи поєднуваності даних (інтероперабельності) та користі від поєднання даних.
Тема 10: Візуалізація даних
Тема включає основні принципи та підходи до візуалізації даних, інструменти для візуалізації, типи візуалізацій та випадки їх використання, практичні приклади візуалізації даних. Основи аналізу даних, способи аналізу, інструменти для аналізу.
За результатами навчання студенти отримають практичні навички аналізу та візуалізації даних, зрозуміють основні концепції та принципи візуалізації, навчаться обирати правильні інструменти для аналізу тієї чи іншої інформації. Для більш просунутого рівня також можна показати практику роботи із системи для аналізу даних: Power BI, Tableau, Google Looker Studio тощо.
Методи викладання та оцінювання
| Компетентності | Методи викладання | Опис |
| Знаходити достовірні та перевірені джерела даних | Огляд практичних кейсів Практичні вправи із пошуку інформації на задану тематику Робота над власним проєктом | Для напрацювання цієї компетенції пропонується показати слухачам широке коло джерел даних із різних сфер, це можуть бути і відкриті дані, і статистика, дані зібрані за допомогою OSINT тощо. А якості практичного закріплення пропонується самостійно пошукати дані на задану тематику та коротко їх охарактеризувати. |
| Збирати, досліджувати дані, перетворювати їх та проводити підготовку до аналізу | Лекція, демонстрація практичної обробки даних Практичні завдання із дослідження та опису даних, їхнє перетворення за допомогою табличних редакторів MS Excel, Libre/Open Office Calc, Google Sheets Робота над власним проєктом | Найголовніше навчити слухачів якісно збирати та готувати дані, а також поєднувати дані із різних джерел — це є запорукою якісного аналізу. В якості практичного закріплення – пропонується спочатку продемонструвати слухачам логіку збору та підготовки даних, а потім попросити повторити це, але на нових даних. |
| Аналізувати дані — знаходити в них причинно-наслідкові звʼязки, робити обґрунтовані висновки | Лекційне заняття Демонстрація аналізу даних Розгляд практичних кейсів Практичне заняття з аналізу даних Робота над власним проєктом | Для початку рекомендовано показати слухачам базові інструменти описової статистики: моду, медіану, середнє, на практичних кейсах продемонструвати, які ці обрахунки дозволяють зробити висновки з даних. На наступному етапі пропонується вже самостійно опрацювати набір даних та зробити висновки. |
| Розуміти контекст даних, методологію їхнього збору, передумови та обмеження | Лекційне заняття Розгляд практичних кейсів Дискусія Робота над власним проєктом | На лекції пропонується детально розглянути методологію збору різних типів даних, навчити слухачів «читати» та розуміти цю методологію. Практичні навички слухачі зможуть отримати під час роботи над власним проєктом |
| Використовувати інструменти для аналізу та візуалізації даних | Лекційне заняття Практична демонстрація прикладного програмного забезпечення Практичне заняття Робота над власним проєктом | На лекції пропонується розглянути основі принципи та прийоми для візуалізації даних, типи графіків та вибір типу графіку залежно від мети та даних. Також пропонується розглянути різні проєкти, в яких використовується візуалізація даних та закріпити отримані знання під час практичної роботи над власним проєктом |
| Візуалізувати дані, уникати маніпуляцій під час візуалізації даних | Лекційне заняття Розгляд практичних кейсів Практична демонстрація прикладного програмного забезпечення Практичне заняття з візуалізації даних Робота над власним проєктом | Мета надати практичні навички використання інструментів для візуалізації даних — закріпити отримані теоретичні знання. |
| Працювати із різними типами інформації та даних | Лекційне заняття Розгляд практичних кейсів Дискусія Робота над власним проєктом | Пропонується познайомитись із різними типами даних: аналізом текстів, візуальної інформації, геопросторових даних, супутникових знімків. |
Приклад практичної роботи зі студентами в аудиторії
Приклад завдання для лабораторної роботи до теми 5 «Методи та інструменти роботи з даними»:
- На Єдиному державному вебпорталі відкритих даних або на одному з місцевих чи галузевих порталів відкритих даних знайдіть датасет, який вас зацікавить. У наборі даних має бути не менше, ніж 50 записів та 5 атрибутів (стовпців): https://data.gov.ua/dataset
- Опишіть типи даних, які містяться в кожній змінній (вони можуть бути категорійними або метричними).
- Для кожної категоріальної змінної зробіть одновимірну таблицю, розрахуйте частоту та відносну частоту. На основі зроблених розрахунків зробіть висновки про різні атрибути вашого набору даних.
- Зробіть мінімум 2 крос-таблиці (двовимірні таблиці), поясніть наявність або відсутність звʼязку між різними змінними, які використані в таблицях.
- Для метричних змінних розрахуйте міри центральної тенденції: середнє арифметичне, моду, медіану. Опишіть результати, зробіть висновок про те, чи є цей атрибут нормально розподіленим.
- Побудуйте гістограму розподілу щонайменше для трьох метричних змінних, поясніть результати.
- Побудуйте щонайменше 2 скатерплоти (діаграми розсіювання), знайдіть залежності між вашими змінними, опишіть отримані результати.
- Для кожної метричної змінної обрахуйте максимальне та мінімальне значення, перший та третій квартиль (медіану ви вже маєте), на основі підрахунків зробіть висновки.
- За результатами всіх ваших обчислень зробіть висновки про ваш набір даних, схарактеризуйте його, опишіть, про що говорять результати.
Література та джерела
- A brief history of Open Data https://www.paristechreview.com/2013/03/29/brief-history-open-data/
- Alberto Cairo. How Charts Lie: Getting Smarter about Visual Information (2020)
- Alberto Cairo. The Truthful Art: Data, Charts, and Maps for Communication (2016)
- Andy Kirk. Data Visualisation. A Handbook for Data Driven Design (2016)
- Awesome Public Datasets https://github.com/awesomedata/awesome-public-datasets/tree/master
- Charting Tools for the Newsroom (datajournalism.com)
- Cole Nussbaumer Knaflic. Storytelling with Data (2015)
- Colin Ware. Information Visualization: Perception for Design (4th ed., 2020)
- Colin Ware. Visual Thinking for Information Design (2nd ed., 2021)
- Doing Journalism with Data: First Steps, Skills and Tools (datajournalism.com)
- Dona M. Wong. The Wall Street Journal Guide to Information Graphics: The Dos and Don’ts of Presenting Data, Facts, and Figures (2013)
- Edward Tufte. The Visual Display of Quantitative Information (1983)
- Edward Tufte: Envisioning Information
- Eric Schmidt: Every 2 Days We Create As Much Information As We Did Up To 2003 (MG Siegler, August 4, 2010) https://techcrunch.com/2010/08/04/schmidt-data/
- Giorgia Lupi, Stefanie Posavec. Dear Data (2016)
- Global offline population steadily declines to 2.6 billion people in 2023 (ITU) https://www.itu.int/itu-d/reports/statistics/2023/10/10/ff23-internet-use/
- Jack Dougherty, Ilya Ilyankou. Hands-On Data Visualization. Interactive Storytelling from Spreadsheets to Code (2021)
- Kennedy Elliott: 39 studies about human perception in 30 minutes
- Lisa Rost: Your Friendly Guide to Colors in Data Visualisation
- Managing Data Journalism Projects (datajournalism.com)
- Mapping for Journalists (datajournalism.com)
- Mistakes We Made So You Don’t Have To: Data Visualisation, Journalism and the Web (datajournalism.com)
- Mokkup.ai: How to select Colors for Data Visualizations?
- Naomi B. Robbins and Richard M. Heiberger. «Design of Diverging Stacked Bar Charts for Likert Scales and Other Applications». Journal of Statistical Software, 57(5), 2014.
- Open data 101: The history and principles of open data. Part 1 https://apolitical.co/solution-articles/en/open-data-101-the-history-and-principles-of-open-data-part-1
- Open data 101: The possibilities and limitations of open data. Part 2 https://apolitical.co/solution-articles/en/open-data-101-the-possibilities-and-limitations of-open-data-part-2
- Open data and AI: A symbiotic relationship for progress https://data.europa.eu/en/publications/datastories/open-data-and-ai-symbiotic-relationship-progress
- Open Data by default: історія, теорія і реальність https://oporaua.org/vybory/45274-open-data-by-default-istoriia-teoriia-i-realnist-15052
- Open Data for Official Statistics: History, Principles, and Implementation
- https://opendatawatch.com/publications/open-data-for-official-statistics-history-principles-and-implentation/
- Open Government Data: The Book https://opengovdata.io/
- Open Data Handbook https://opendatahandbook.org/
- R for Health Data Science https://argoshare.is.ed.ac.uk/healthyr_book/
- Rob Wells. Data Journalism. A Quick & Practical Guide (2021)
- Simon Rogers. Facts are Sacred: The Power of Data (2013)
- Stephen Few. Now You See It: Simple Visualization Techniques for Quantitative Analysis (2009)
- Stephen Few: «Practical Rules for Using Color in Charts».
- Tamara Munzner. Visualization Analysis and Design (2014)
- The Data Journalism Handbook 2 (друге видання) https://datajournalism.com/read/handbook/two
- Webinar with the history and insights from the 2016 Global Open Data Index https://okfn.org/en/who-we-are/our-history/global-open-data-index/
- What is Open Data? Practical Guide https://www.opendatasoft.com/en/what-is-open-data-practical-guide/
- When to hire a data journalist (datajournalism.com)
- William S. Cleveland and Robert McGill. «Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods». Journal of the American Statistical Association, 79(387), 1984.
- 10 порад запитувачу публічної інформації https://cedem.org.ua/analytics/10-porad-dostup/
- Актуальні питання імплементації принципів міжнародної хартії відкритих даних в Україні / Л. П. Горбата // Інвестиції: практика та досвід (2021, №4, с.109–115) http://nbuv.gov.ua/UJRN/ipd_2021_4_20
- Альберто Каїро. Функціональне мистецтво: вступ до інфографіки та візуалізації (2017)
- Відеокурс Cleaning Data in Excel на платформі datajournalism.com
- Відкриті дані для міст. Практичний аспект. Посібник (2019) https://drive.google.com/file/d/1e50WfCvStxZ9ZtC8SK93Ebr2G5jy_F0d/view
- Відкриті дані під час війни: що вони дають для розуміння теперішнього і майбутнього https://www.radiosvoboda.org/a/vidkryti-dani-pid-chas-viyny-vplyv-vykorystannya/32323255.html
- Відкриті дані та інші дані у публічному доступі: правові аспекти http://il.ippi.org.ua/article/view/273032
- Відкритий посібник відкритих даних (Український центр суспільних даних, 2016) https://socialdata.org.ua/manual
- Візуалізація даних (Prometheus.org.ua)
- Ганс Рослінг, Уля Рослінг, Анна Рослінг-Рьонлюнд. Фактологія. 10 хибних уявлень про світ… (2019)
- Глобальні принципи з національної безпеки та права на інформацію (Цванські принципи) https://cedem.org.ua/news/novi-globalni-pryntsypy-zbalansovuyu/
- Доступ до публічної інформації. Освітній серіал (платформа «Дія.Освіта») https://osvita.diia.gov.ua/courses/access-to-public-information
- Економічний ефект відкритих даних в Україні. Аналітичний звіт https://tapas.org.ua/wp-content/uploads/2022/08/Economic-impact_report.pdf
- Електронний навчальний курс про відкриті дані (TAPAS, 2018) https://tapas.learndata.info/
- Журналістика даних: Посібник (перше видання) https://texty.org.ua/archive-books/40161
- Інноваційні сервіси відкритих даних для забезпечення ефективного функціонування e-уряду https://dspace.univd.edu.ua/server/api/core/bitstreams/5e7d31d0-ee60-4215-9e23-f06ed9627161/content
- Інструкція: кібер- та інфогігієна в умовах війни https://diia.data.gov.ua/info-center/yak-povoditisya-v-kiber-ta-infoprostori-v-umovah-vijni
- Конвенції про доступ до інформації, участь громадськості в процесі прийняття рішень… (Орхуська конвенція) https://zakon.rada.gov.ua/laws/show/994_015#Text
- Конвенції Ради Європи про доступ до офіційних документів (Конвенція Тромсе) https://zakon.rada.gov.ua/laws/show/994_001-09#Text
- Конвенція про захист прав людини та основоположних свобод (Європейська конвенція з прав людини) https://zakon.rada.gov.ua/laws/show/995_004#Text
- Курс «Відкриті дані. Основи». Модуль 1 «Відкриті дані для суспільної користі» (платформа «ГУРТ») https://courses.gurt.org.ua/opendata/
- Курс «Відкриті дані для НУО та державних службовців» (zrozumilo.in.ua) https://courses.zrozumilo.in.ua/courses/course-v1:EEF+EEF-014+feb22/about
- Курс «Основи програмування CS50» від Гарвардського університету (Prometheus) https://prometheus.org.ua/course/course-v1:Prometheus+CS50+2019_T1
- Курс EdEra про використання описової статистики для аналізу економіки https://youtube.com/playlist?list=PL_zDp5rG6Hqv3f4Upxgw-rnIKHBjIhPSq
- Методи аналізу даних: навчальний посібник для студентів / В. Є. Бахрушин. Запоріжжя: КПУ, 2011. – 268 с. http://kist.ntu.edu.ua/textPhD/metDataManing.pdf
- Міжнародний пакт про громадянські та політичні права (ратифіковано 1973 р.) https://zakon.rada.gov.ua/laws/show/995_043#Text
- Національна інфраструктура геопросторових даних https://nsdi.gov.ua
- Основи економетрики в R https://aranaur.github.io/r_econometrics/index.html
- Офіційна документація OpenRefine https://openrefine.org/docs
- Оцінка громадянами ситуації в країні та дій влади… (січень 2024 р.) (Центр Разумкова) https://razumkov.org.ua/napriamky/sotsiologichni-doslidzhennia/otsinka-gromadianamy-sytuatsii-v-kraini-ta-dii-vlady-dovira-do-sotsialnykh-instytutiv-politykiv-posadovtsiv-ta-gromadskykh-diiachiv-sichen-2024r
- Очищення даних. OpenRefine (коротке відео від Українського центру суспільних даних) https://youtube.com/watch?v=Q3Xqz9VWNBE
- Очищення та структурування даних в OpenRefine (вебінар) [1 год. 28 хв.] https://www.youtube.com/watch?v=JWd9KnfD5v8
- Перелік порталів відкритих даних на Open Data Inception https://opendatainception.io/
- Розділ «Отримання, очищення, структурування даних» з Відкритого посібника з відкритих даних https://socialdata.org.ua/manual/manual3/
- Скотт Берінато. Хороші діаграми. Поради, інструменти та вправи для кращої візуалізації даних (2022)
- Стаття «How to Learn Data Journalism» https://www.datacamp.com/blog/quick-guide-to-data-journalism
- Строки розгляду запиту на інформацію: що кажуть Конвенція Тромсе та закон https://cedem.org.ua/consultations/stroky-rozglyadu-zapytu-tromso/
- Фрагмент книги «Using OpenRefine» (перший розділ безкоштовний) https://www.packtpub.com/product/using-openrefine/9781783289080
- Що таке геопортал і навіщо він пересічним громадянам https://softpro.ua/scho-take-geoportal-i-navischo-vin-peresichnim-gromadjanam
- Що таке суспільний інтерес і як він впливає на доступ до інформації? https://cedem.org.ua/consultations/suspilnyi-interes-dostup/
- Як не спонсорувати бізнеси країн-агресорів https://diia.data.gov.ua/info-center/yak-ne-sponsoruvati-biznesi-krayin-agresoriv
- Єдиний державний вебпортал відкритих даних: https://data.gov.ua
- Європейський портал даних: https://data.europa.eu/en
- Портал відкритих даних Верховної Ради: https://data.rada.gov.ua/open
- Єдиний державний реєстр декларацій (НАЗК): https://public.nazk.gov.ua/
- Open Budget (Державний вебпортал бюджету для громадян): https://openbudget.gov.ua/
- Курс «Є-data: можливості та ефективний контроль за публічними фінансами» (Prometheus)
- Курс «Публічні закупівлі: управління та оцінка ефективності» (Prometheus)
- Курс «Публічні закупівлі: від теорії до практики» (Prometheus)
Етичні правила роботи з Темою
Посилання на джерела. Під час публікації будь-якої дослідницької роботи на основі даних обовʼязковим є пряме посилання на джерела даних, також гарним тоном є надання самих даних, а якщо дані аналізуються за допомогою програмного коду, то і оприлюднення такого коду (у випадку, якщо проводяться складні дослідження).
Використання ШІ. Використання інструментів на основі штучного інтелекту стає дедалі розповсюдженішим, проте при аналізі даних використання ШІ може стати «чорною коробкою», коли аналіз даних покладається на сам інструмент. Наразі таке використання ШІ не рекомендовано, адже можуть виникати помилки, які буде важко визначити. Проте допускається використання ШІ, наприклад, для допомоги у написанні скриптів для обробки даних, або функцій для табличного редактора. Головне у використання ШІ є те, що процес має бути контрольованим, а відповідальність за отримані результати завжди несе дослідник.
Обʼєктивність висновків. При аналізі даних неприпустимим є їх «підлаштовування» під потреби дослідника (фільтрація, зайве групування тощо). Негативний результат дослідження, не підтвердження початкової гіпотези — теж результат. Дані необхідно досліджувати незаангажовано, навіть якщо результати не відповідають очікуванням дослідника.
Методичні рекомендації розроблені в межах проєкту «Інтеграція компонентів медіаграмотності та протидії дезінформації в освітні журналістські програми», який реалізує ГО «Український інститут медіа та комунікації». Проєкт здійснюється за підтримки Програми розвитку ООН (ПРООН) в Україні та за фінансування уряду Японії. Думки, висловлені в матеріалі, не обов’язково відображають позицію ПРООН або інших агенцій ООН та уряду Японії.