Zusammenfassung
Das folgende Kapitel behandelt die Frage, inwiefern sich Methoden des industriellen Data Mining sinnvoll auf Arbeitsabläufe im Datenjournalismus übertragen lassen. Der Data-Mining-Standardprozess „CRISP-DM“ weist viele Gemeinsamkeiten mit für den Datenjournalismus typischen Arbeitsschritten auf. Ein wesentlicher Unterschied besteht jedoch in der Wahl der Analysemethoden: Im Datenjournalismus sind diese in der Regel wesentlich simpler als im Data Mining. Das zeigen sowohl die Literatur als auch Experteninterviews zum Thema. Eine starre Datenjournalismus-Leitlinie im Stil von „CRISP-DM“ sehen die meisten befragten Experten kritisch. Dafür sind die Projekte und Arbeitsabläufe zu divers. Damit ein inhaltlich richtiges und relevantes Endprodukt entsteht, wird zusätzlich vom Datenjournalisten viel eigenes Einschätzungsvermögen und Fachwissen verlangt, welches er in seiner Ausbildung – vielleicht mit Hilfe einer Leitlinie – erlernt und verinnerlicht hat.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literaturverzeichnis
Ausserhofer, J., Gutounig, R., Oppermann, M., Matiasek, S., Goldgruber, E. (2017): The datafication of data journalism scholarship: Focal points, methods, and research propositions for the investigation of data-intensive newswork. Journalism (open access). https://doi.org/10.1177/1464884917700667
Behrend, A. (2013): Ein Standardprozess für den Datenjournalismus? Journalistische Arbeitsweisen und Data-Mining-Standardprozess im Vergleich. Bachelorarbeit an der TU Dortmund
Bons, K. (2012): Datenjournalismus - Neither Rocket Science, nor the Silver Bullet. Eine qualitative explorative Untersuchung in Deutschland und Großbritannien. Diplomarbeit an der TU Dortmund, S. 24
Bradshaw, P., Rohumaa, L. (2011): The Online Journalism Handbook. Skills to survive and thrive in the digital age. Routledge, S. 51.
Coddington, M. (2015): Clarifying Journalism’s Quantitative Turn: A typology for evaluating data journalism, computational journalism, and computer-assisted reporting. Digital Journalism 3:3, 331–348, DOI: https://doi.org/10.1080/21670811.2014.976400
Elmer, C. (2013): Kleine Einführung Datenjournalismus. Vortragsfolien WPK-Workshop: Data Stories I, Berlin.
Ester, M., Sander, J. (2000): Knowledge discovery in databases: Techniken und Anwendungen. Springer
Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. (1996): From Data Mining to Knowledge Discovery in Databases. AI Magazine 17, S. 37–54
Göpfert, T., Breiter, A. (2015): Knowledge Discovery in Big Data: Herausforderungen durch Big Data im Prozess der Wissensgewinnung am Beispiel des CRISPDM. 45. GI Jahrestagung, 28.9.2015, Cottbus
Leßmöllmann, A. (2012): Datenjournalismus: Chance für den Journalismus von morgen. Journalistik Journal, http://journalistik-journal.lookingintomedia.com/?p=843
Meyer, P. (2002): Precision journalism. Rowman & Littlefield Publishers
Rager, G. (1994): Dimensionen der Qualität. Weg aus den allseits offenen Richterskalen? In: Bentele, G. und Rühl, G. (Hrsg.): Publizistik in der Gesellschaft. UVK-Universitätsverlag Konstanz
Rogers, S. (2013): Facts are sacred: the power of data. Faber & Faber, S. 10
Thibodeaux, T. (2011): 5 tips for getting started in data journalism. Poynter, October 6, https://www.poynter.org/news/5-tips-getting-started-data-journalism
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Behrend, A. (2022). CRISP-DM - Ein Konzept für die journalistische Datenanalyse?. In: Weihs, C. (eds) Statistische Datenanalyse im Journalismus. Springer VS, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-64693-9_2
Download citation
DOI: https://doi.org/10.1007/978-3-662-64693-9_2
Published:
Publisher Name: Springer VS, Berlin, Heidelberg
Print ISBN: 978-3-662-64692-2
Online ISBN: 978-3-662-64693-9
eBook Packages: Social Science and Law (German Language)