新闻室中的脏数据：比较新闻业和数据科学中的数据准备

视频

DOI

收集、整理、清洗和以其他方式准备数据以供分析的工作通常是数据工作中最耗时且乏味的部分。尽管许多研究在数据科学工作流程的背景下描述了数据准备，但在数据新闻领域对数据准备的研究却很少。我们通过一种结合了从现有数据科学工作流程中得出的演绎代码和来自对36名专业数据记者的访谈研究中产生的归纳代码的混合主题分析形式来解决这一空白。我们扩展了一个先前的数据科学工作模型，以纳入数据准备的详细活动。我们从16个脏数据分类法和我们的访谈数据中综合了60个脏数据问题，并提供了一个新的分类法来将这些脏数据问题表征为心理模型之间的差异。我们还确定了记者面临的四个挑战：历时性、区域性、碎片化和异质性数据源。