Визуализация данных в индийских печатных СМИ: сравнительное исследование газет на английском языке и хинди

Обложка

Цитировать

Полный текст

Аннотация

Передовые технологии влияют на все аспекты жизни, журналистика не остается в стороне от этих процессов. Благодаря цифровизации генерируется огромное количество данных, при этом значимую информацию теперь можно хранить, получать и анализировать. Термин «журналистика данных» стал популярным за последнее десятилетие. Анализ наборов данных, извлечение заслуживающей внимания информации и передача ее общественности - это и есть журналистика данных. Визуализация данных также занимает очень важное место в этом процессе. Визуализация используется для того, чтобы передать информацию, извлеченную из баз данных, наглядным и интересным способом. Объем контента на основе данных начал расти в СМИ, поэтому важность визуализации данных также возросла. Использование визуализации данных обогащает пользовательский опыт и помогает лучше понять контент на основе данных. Настоящее пилотное исследование посвящено визуализации данных в газетах Индии, издающихся на двух государственных языках - английском и хинди. Сравнительное изучение различных аспектов использования визуализации данных было проведено с помощью контент-анализа. В результате выявлен существенный разрыв в уровне использования визуализации данных в газетах: СМИ на английском используют визуализацию данных значительно чаще и эффективнее, чем СМИ на хинди.

Об авторах

Амит Кумар

Национальный открытый университет имени Индиры Ганди

Email: amitkumar@ignou.ac.in
доктор философии, доцент школы журналистики и медиаисследований Республика Индия, 110068, Нью-Дели, Майдан Гархи, шоссе Майдан Гархи, 93

Пунам Гаур

Университет Амити в Ноиде

Email: pgaur1@amity.edu
доктор философии, доцент школы коммуникаций Амити Республика Индия, 201303, Уттар-Прадеш, Ноида, шоссе Амити, Сектор 125

Список литературы

  1. Michailidis, G. (2008). Data visualization through their graph representations. Handbook of data visualization (pp. 103-120). Springer, Berlin, Heidelberg.
  2. Gray, J., Chambers, L., & Bounegru, L. (2012). The data journalism handbook: How journalists can use data to improve the news. O'Reilly Media, Inc.
  3. Uskali, T.I., & Kuutti, H. (2015). Models and streams of data journalism. The Journal of Media Innovations, 2(1), 77-88.
  4. RNI. (2019). Press in India 2017-2018. Retrieved January 12, 2020, from http:// rni.nic.in/pdf_file/PIN2017-18/CONTENTS.pdf
  5. Department of Official Language. (2020). Languages Included in the Eighth Schedule of the Indian Constitution. Retrieved April 1, 2020, from https://rajbhasha.gov.in/en/ languages-included-eighth-schedule-indian-constitution
  6. Kumar, A. (2014). The Jan Lokpal Andolan and alternate politics: Symbiotic interactions, vernacular publics, and news media in the Jan Lokpal Andolan. Democratic Transformation and the Vernacular Public Arena in India (pp. 111-128). Routledge.
  7. Joseph, M. (2011, February 16). India Faces a Linguistic Truth: English Spoken Here. Retrieved October 25, 2019, from https://www.nytimes.com/2011/02/17/world/asia/ 17iht-letter17.html
  8. Arthur, C. (2010). Journalists of the future need data skills, says Berners-Lee. Retrieved February 1, 2020, from https://www.theguardian.com/technology/organgrinder/ 2010/nov/19/berners-lee-journalism-data
  9. Glover, A., & Beard, D. (2017, September 18). Study shows data reporting gaining hold in newsrooms. Retrieved February 3, 2020, from https://www.poynter.org/tech-tools/2017/study-shows-data-reporting-gaining-hold-in-newsrooms/
  10. Kirk, A. (2016). Data visualisation: A handbook for data driven design. Sage.
  11. Weber, W., Engebretsen, M., & Kennedy, H. (2018). Data stories: rethinking journalistic storytelling in the context of data journalism. Studies in Communication Sciences, 2018(1), 191-206.
  12. Lorenz, M. (n.d.). Why Journalists Should Use Data. Retrieved March 2, 2020, from https://datajournalism.com/read/handbook/one/introduction/why-journalists-should-use-data
  13. Stalph, F. (2018). Classifying Data Journalism: A content analysis of daily data-driven stories. Journalism Practice, 12(10), 1332-1350. doi: 10.1080/17512786.2017.1386583
  14. Loosen, W., Reimer, J., & De Silva-Schmidt, F. (2017). Data-driven reporting: An on-going (r)evolution? An analysis of projects nominated for the Data Journalism Awards 2013-2016. Journalism, 1464884917735691.
  15. Young, M.L., Hermida, A., & Fulda, J. (2018). What makes for great data journalism? A content analysis of data journalism awards finalists 2012-2015. Journalism Practice, 12(1), 115-135.
  16. Krippendorff, K. (1980). Content Analysis: An Introduction to Its Methodology. Newbury Park, CA, Sage.
  17. Berelson, B. (1952). Content analysis in communication research. Glencoe, IL, Free Press.
  18. Wimmer, R.D., & Dominick, J.R. (2011). Mass media research: An Introduction. Boston, Wadsworth Cengage Learning.
  19. Riffe, D., Aust, C.F., & Lacy, S.R. (1993). The Effectiveness of Random, Consecutive Day and Constructed Week Sampling in Newspaper Content Analysis. Journalism Quaterly, 70(1), 133-139. Retrieved January 21, 2020, from http://www.aejmc.org/home/ wp-content/uploads/2012/09/Journalism-Quarterly-1993-RiffeAustLacy-133-391.pdf
  20. Hester, J.B., & Dougall, E. (2007). The efficiency of constructed week sampling for content analysis of online news. Journalism & Mass Communication Quarterly, 84(4), 811-824.
  21. John, B.K. (2015, August 19). Hijacking the front page. Retrieved March 2, 2020, from http://asu.thehoot.org/opinion/hijacking-the-front-page-8872

© Кумар А., Гаур П., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах