Digital kompetanse for journalister

På dagens frokost­møte med Medi­Are­na var temaet “Vinn eller forsvinn: Dig­i­tal kom­petanse”.
Jeg var invitert som innled­er (blant flere) og holdt en kort pre­sen­tasjon om hva en data­jour­nal­ist bør kunne. Avs­lut­ningsvis holdt vi en pan­elde­batt med spørsmål fra salen, helt til sist kom et spørsmål fra en journaliststudent: 

vi vil lære og vi er nys­g­jer­rige, men hva må vi kunne nå som vi ikke måtte før?

Det spørsmålet fikk ikke den opp­merk­somheten det fort­jen­er, for det er et godt spørsmål (og jeg fikk ikke svare på det), så her forsøk­er jeg å gi et svar.

Råma­te­ri­ale til fak­ta er data. For å komme fra data til infor­masjon må data tolkes. Fak­ta er doku­mentert infor­masjon, infor­masjon med sannhets­ge­halt. Så langt er ingent­ing nytt under solen. Ingent­ing her trenger å være digitalt.

Men så vis­er det seg at data i dagens sam­funn ofte er dig­i­tale. Årsak­en til dette er mange, men ofte for­di noen egen­skaper ved dig­i­tale medi­er er svært forde­lak­tige for å effek­tivis­ere, måle og avh­jelpe (saksbehandlings-)prosesser. En del pros­ess­er i dig­i­tale medi­er kan automa­tis­eres ved hjelp av dat­apro­gram­mer, og å ha “rett infor­masjon til rett tid” kan bli let­tere. At vi går fra et analogt til et dig­i­talt infor­masjon­ssam­funn kalles dig­i­talis­er­ing, og betyr at data­basel­ogikk og automa­tis­er­bare pros­ess­er favoris­eres. Alt mate­ri­ale kan søkes i og pub­lis­eres på nett, det er fint. Resul­tatet er at dataene som skapes i sam­fun­net er dig­i­tale, med noen iboende dig­i­tale egen­skaper*. Å kunne utnytte dette er dig­i­tal kompetanse.

Noe er nytt, mye er det samme. Dataene er nesten utelukkende digitale.

I infor­masjonsviten­skapen snakker vi om “sense-mak­ing”, pros­essen å gi mening til erfaringer. Let­tere sagt; det å gjøre noe forståelig. Det er også en av hov­ed­funksjonene til jour­nal­is­tikken – å gi oss rel­e­vant infor­masjon om omver­den i et for­mat vi kan forstå. Fra mitt per­spek­tiv er pressen (++) den sen­trale aktøren i infor­masjons­bran­sjen, og en av jour­nal­is­tikkens hov­ed­funksjon­er er å bek­jempe infor­masjon­sasym­metri. Dette sikr­er harde nyheter, ’nyheter som noen ikke vil at du skal pub­lis­ere’ (Arthur McEwen) eller ’som vil ha materiell inn­fly­telse på folks liv’ (Franklin et al). Ikke all jour­nal­is­tikk opp­når dette, men at en passe andel jour­nal­is­tikk gjør det sikr­er medie­in­sti­tusjonenes plass og dom­i­nans i infor­masjons­bran­sjen. Vi vet hvem vi kan gå til for å få den typen infor­masjon. Sense-mak­ing og infor­masjon­sasym­metri fantes før data­mask­inene, og tilhør­er i teorien verken det dig­i­tale eller analoge.

I prak­sis sit­ter vi med dig­i­tale data om ver­den, og vi skal tolke dette til infor­masjon og formi­dle det videre til et forestilt pub­likum av “van­lige folk”. Den pros­essen, gitt dig­i­tale data, kan utnytte egen­skapene ved dig­i­tale medi­er. Sam­men­likninger, rangeringer, grup­peringer, målinger av ulike slag kan gjøres i større skala, raskere, med data­mask­in­er. Analyser (nettverk­s­analyse, regresjon­s­analyse, innhold­s­analyse, frekven­s­analyse, osv) kan gå raskere med hjelp av dig­i­tale verk­tøy (bare å teg­ne en graf over noen få hun­dre noder er nesten uoverkom­melig på papir, men en smal sak med rik­tige dig­i­tale verk­tøy**). Ved å forstå teoriene bak slike analy­sev­erk­tøy er det let­tere å finne rik­tig verk­tøy til rik­tig data og story.

Disse analy­sene jeg beteg­n­er her likn­er på forskn­ing. Det betyr ikke at jeg men­er at jour­nal­is­tikk og forskn­ing er det samme. Forsknin­gen har de samme store mulighetene med datastøt­tede metoder, men det stilles helt andre krav til disse to grup­pene. For forsknin­gens del han­dler det om å utforske ny grunn, benytte større datasett og å kvalitetssikre metoder ved å kunne repetere og jus­tere dem oftere. For jour­nal­is­tikken han­dler det om å gjøre seg min­dre avhengige av “ekspert­er”. Ekspert­er er både en vel­signelse og en for­ban­nelse for jour­nal­is­tikken, men ved å ha gjort noen små analyser på kon­toret før et inter­vju kan jour­nal­is­ten stille bedre spørsmål og kreve bedre fork­laringer av ekspert­er eller andre mak­t­per­son­er. Det er fint å leve i et sam­funn der vi kan ta hveran­dre på ordet, men det er også fint at noen fak­tas­jekker. Slike små analyser er fak­tas­jekking eller rett og slett pro­duk­sjon av fak­ta, som kan kom­menteres eller bestrides av ekspert­er og ansvarlige.

Eksempel: Hva med å slå sammen noen kommuner, dere?

Vi har 429 kom­muner i Norge etter at Inderøy og Mosvik i Nord-Trøn­de­lag slo seg sam­men. Hvorvidt det er en god idé å ha færre kom­muner er et poli­tisk tema som split­ter par­tiene, tid­vis også innad i par­tiene. Dette er med andre ord et godt tema for pressen å diskutere. Tidligere i år gjorde analy­se­fir­maet NyAnalyse sam­men med Geo­da­ta en analyse av kjø­reav­s­tand mel­lom kom­mune­sen­tre (råd­hus), for å se hvor tett admin­is­trasjonene for alle disse kom­munene lig­ger. Meto­den finner du her på Helge Astads blogg.

- Kunne en jour­nal­ist ha gjort dette? Er dette en for tid­krevende og teknisk opp­gave til å være journalistikk?
Første gang, kan­skje. Ikke? 

Men nå vet vi hvor­dan det ble gjort for råd­hus, hva med avs­tanden mel­lom fengsler og barne­hager, eller avfallsstasjon­er og ball-løkker, høyspent­mas­ter og tur­is­tat­trak­sjon­er? Når vi vet hvor­dan en slik analyse gjøres, og svakhetene med en slik analyse (Astad fra Geo­da­ta kom­menter­er for­billedlig dette) – så kan dette gjøres raskere og raskere for hver gang. Verk­tøyene og pros­essene blir raskere og bedre og jour­nal­is­ten får spørsmål som kan lede til gode saker. 

Analy­sen over gir et argu­ment for hvilke kom­muner som kan­skje kan diskutere sam­menslåing (uansett om man men­er det er en god idé eller ikke). Analy­sen hadde vært mulig å gjøre før data­mask­i­nen, men det hadde involvert mye bilkjøring, tid­tak­ing, bereg­ninger, admin­is­trasjon og tålmodighet. At dataene er dig­i­tale tillater datastøt­tede analyser, som går mye fortere enn en pre-dig­i­tal analyse. At VG kjørte sak­en på for­si­den av papirut­gaven bør være et tegn på at dette er bra stoff. 

Ting en må kunne

Kom­mune­sam­menslåing er en case der en datastøt­tet analyse ble brukt. Jeg men­er dette er under­ut­nyt­tet i norsk presse, og det jour­nal­is­ter bør kunne i dag som de ikke trengte før, er hvor­dan datastøtte kan gjøre denne typen min­dre analyser så små og raske at de fort­satt kan levere på dead­line. Dig­i­tal kom­petanse i denne sam­men­hen­gen han­dler alt­så om å la dig­i­tale verk­tøy senke terske­len for å ta i bruk metoder som kan hjelpe oss å kon­vert­ere data til sam­funnsnyt­tig infor­masjon. Meto­dene er ofte “vanske­lige”. De må læres. Hvis overnevnte Astad ikke vis­ste hva han drev med, så kunne dette gått veldig galt. Men når meto­den er forstått kan dataverk­tøy senke tid­skravet til slike analyser og da snakker vi om å utnytte noen av egen­skapene ved dig­i­tale data. Vi kaller det “Com­pu­ta­tion­al think­ing” – å forstå hva som kan bereg­nes i en data­maskin og utnytte dette i problemløsning. 

PS: Til jour­nal­ist­stu­den­ten som stilte spørsmålet. Godt spørsmål. Jeg stilte det samme spørsmålet du kom med, dog indi­rek­te, i en inter­vjus­tudie som ikke er pub­lis­ert ennå. De mest teknisk avanserte jour­nal­is­tene (de som lager bl.a. nyhet­sap­p­likasjon­er) svar­er blant annet: 

• Lær excel,
• data­base­te­ori (å kunne hente ut data fra en data­base i SQL er gull verdt for disse),
• Script­ing (å kunne loope gjen­nom mil­lion­er av ulykker fra Veg­vesenet, doku­menter fra Wik­ileaks eller skat­te­be­talere i skat­telis­tene for å lage sta­tis­tikk åpn­er for spen­nende jour­nal­is­tikk). Eksem­pler på språk er python, php, ruby eller c++. (Jeg anbe­faler python hvis du er ny, det er lett å lære og finnes på nesten alle datamaskiner).

Jeg vil legge til to egen­skaper etter eget ver­dens­bilde, og et verktøy:

• Samar­beid på tvers av spe­sialom­råde. Å forstå hvor­dan designere, pro­gram­merere, økono­mi-jour­nal­is­ter, pro­gram­ledere, sta­tis­tikere, osv. job­ber er et for­trinn. Å forstå hva som er vik­tig for de ulike nis­jene kan du utnytte til å bli en bra samar­bei­dspart­ner, og alle lik­er gode samar­bei­dspart­nere. Finn ven­ner også uten­for egen avdeling.
• Bli en primus motor. Hvis du kan levere et arbei­de uten at noen (les: sje­fen) trenger å bekym­re seg for hvor­dan det går, men vet at du ikke stanger hodet i veg­gen aleine i et kott, så er du en — slik jeg blir for­t­alt — redak­tørene ønsker seg.

Dette er ikke dig­i­tal kom­petanse, men men­neske-kom­petanse. Den bør aldri under­vur­deres. Så et verk­tøy: lær Google refine. Det er Excel på steroi­der, og på tross av at jeg argu­menter­er for at verk­tøy kom­mer og går mens meto­dene består, så er dette mitt beste forslag til et verk­tøy som både er tilgjen­gelig, nyt­tig og har poten­sial til å gi sto­ries i hopetall. Å lære framti­dens vari­ant av slike verk­tøy blir let­tere hvis du kan noe lik­nende i dag.

* Se for eksem­pel Lev Manovichs fem prin­sip­per for dig­i­tale medi­er i The lan­guage of new media.
** Vi har fått et nytt fag på insti­tut­tet som ser på de teo­retiske aspek­tene av bl.a. slike grafer: info207. Kan vi bruke slik teori til å finne inhab­ile parter, mak­t­sen­tre eller kor­rup­sjon? Helt klart.