• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Проектный семинар

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус: Курс обязательный (Журналистика данных)
Направление: 42.04.02. Журналистика
Когда читается: 1-й курс, 1-4 модуль
Формат изучения: Full time
Прогр. обучения: Журналистика данных
Язык: русский
Кредиты: 5

Программа дисциплины

Аннотация

Практики цифровой верификации и статистические методы сбора, обработки и анализа информации являются составляющей проектного семинара первого года обучения магистратуры «Журналистика данных» и позволяют студентам расширить арсенал умений и навыков, необходимых современному дата-журналисту в цифровых медиа.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знакомство с принципами и инструментами forensic journalism.
  • Освоение навыков доказательного цифрового расследования в журналистике, поиска первоисточников.
  • Освоение принципов и логических моделей цифровой валидации и верификации.
  • Выработка навыка использования онлайн-инструментов цифровой валидации и верификации.
  • Знакомство студентов с основными статистическими методами сбора, обработки и анализа информации.
  • Формирование у студентов научного представления о статистических методах исследования с применением IBM SPSS Statistics.
  • Формирование навыков работы с данными и приобретения опыта группового взаимодействия в командных проектах дата-журналистики
  • Формирование знаний и практических навыков в области информационной безопасности для осуществления профессиональной деятельности дата-журналиста
  • Формирование навыков работы с данными и приобретения опыта группового взаимодействия в командных проектах дата-журналистики
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Глубокое понимание структуры индустрии цифровых новостей и новостных медиа, влияния особенностей психологии на производство и восприятие контента.
  • Продемонстрировать, как критический подход к нарративу способствует формированию культуры валидации и верификации контента.
  • Понимание бизнес-моделей публикации видео, понимание взаимосвязи систем валиции и верификации со снижением риска для издателей и повышения целостности источников.
  • Практические знания рабочего процесса валидации и верификации, практик применения в ньюсруме.
  • Знание этикета и протоколов работы в цифровой журналистике.
  • Знание и практические навыки использования онлайн-инструментов проверки локации, временных маркировок и связанных метаданных.
  • Знание практик применения верификации в новостных агентствах, сравнительных характеристик бизнес-моделей, паттернов валидации и верификации, лучших практик в этой сфере.
  • Знает основные категории и понятия статистики, задачи статистики, статистические показатели.
  • Знает основные способы сбора, обработки, анализа и представления статистической информации.
  • Знает принципы первичной обработки статистических данных, умеет построить и проанализировать статистическую таблицу на основе наблюдений.
  • Знает корреляционные и регрессионные методы статистического анализа, умеет использовать факторный анализ.
  • Знает принципы работы IBM SPSS Statistics, умеет настраивать переменные.
  • Умеет отобрать необходимые для анализа данные, преобразовать данные, вычислить новые переменные.
  • Проводит анализ статистических данных с помощью IBM SPSS Statistics (факторный анализ, кластерный анализ, корреляционно-регрессионный анализ).
  • Понимает принципы работы с данными в Microsoft Excel
  • Владеет навыками ввода данных из различных источников
  • Умеет загружать данные в таблицы Excel
  • Может проводить базовую статистическую аналитику средствами Microsoft Power Query
  • Умеет конвертировать и очищать данные
  • Умеет строить интерактивные аналитические отчёты (дашбоарды) в Power Pivot и Power BI
  • Владеет основными понятия ИБ, терминами и определениями
  • Знает свойства информации в ИБ, охраняемую законодательством РФ информацию
  • Владеет навыками сбора информации
  • Оценивает достоверность информации
  • Владеет навыками выявления fake news
  • Владеет инструментами для организации личной ИБ
  • Понимает особенности работы с данными на разных этапах
  • Способен реализовать разные этапы работы с данными
  • Способен планировать работу с данными, избегая основных ошибок обработки
  • Может рефлексировать трудности, возникшие при работе с данными
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Пост-модернистский медиаландшафт.
    Горизонт новостей онлайн. Психология социальных медиа.
  • Индустрия фейковых новостей.
    Конструкция нарратива. Контекст и фейковые новости. Source hacking. Зачем нужна верификация.
  • Скрейпы.
    Что такое скрейп? Кто делает скрейпы и зачем? Скрейпы срочных новостей. Выявление скрейпов и создание брендов.
  • Столпы валидации и верификации.
    Источник, дата, локация. Инструменты валидации и верификации.
  • Первоисточник.
    Цифровой след. Формирование представления об источнике. Создание сообщества при помощи доказательной журналистики. Язык общения и профессионализм.
  • Дата и локация.
    Дата: цифровые метки, EXIF. Локация: отличительные особенности, виды улиц, тени.
  • Инновации в верификации.
    Workflow, newsflow. Бизнес-модели. Как быть не неправым.
  • Статистика как отрасль практической деятельности и общественная наука.
    Предмет познания статистической науки. Его основные стороны. Роль статистики в социальном познании, в изучении проявления закономерностей развития общества в конкретных условиях места и времени на основе массового обобщения фактов. Различные взгляды на предмет статистики в трудах русских ученых и в литературе зарубежных стран. Теоретические основы статистики как науки. Исходные понятия и категории статистики. Статистическая совокупность и единица совокупности. Понятие признака. Различные формы выражения признаков. Классификация признаков. Взаимосвязь статистики с другими науками. Принципы организации государственной статистики в Российской Федерации.
  • Понятие о статистическом наблюдении, его содержание и задачи.
    Понятие о статистической информации. Основные ее свойства. Первичная и вторичная информация. Источники информации. Основные организационные формы статистического наблюдения. Отчетность как форма статистического наблюдения. Принципы организации статистического наблюдения на основе отчетности. Специально-организованное наблюдение. Классификация видов статистического наблюдения по признакам(времени, полноты охвата, по источнику сведений). Текущее, периодическое и одновременное наблюдение.
  • Понятие о статистической таблице.
    Макет таблицы. Виды таблиц по характеру подлежащего: таблицы простые, групповые и комбинационные. Разработка сказуемого статистических таблиц. Число показателей сказуемого. Простая и сложная разработка показателей сказуемого. Основные правила построения таблиц. Система таблиц. Разработочные и вспомогательные таблицы. Таблицы и матрицы. Таблицы сопряженности. Чтение и анализ таблиц. Понятие о статистическом графике. Роль графического способа изображения в статистике. Элементы статистического графика и правила его построения. Виды графиков по форме графического образа. Приемы графического изображения структуры совокупности, рядов распределения, взаимосвязи между явлениями, изменений явлений во времени, территориальных сравнений.
  • Статистические методы изучения взаимосвязи.
    Графический метод. Точечные графики. Аналитические группировки. Корреляционная таблица и ее роль в изучении взаимосвязи. Метод приведения параллельных данных. Закон сложения дисперсии и его использование для оценки взаимосвязи. Корреляционный и регрессионный методы анализа связи. Этапы корреляционно-регрессионного анализа. Параметрические методы определения тесноты и направления связи. Линейный коэффициент корреляции. Оценка значимости линейного коэффициента корреляции на основе t-критерия Стьюдента и z-распределения Фишера. Эмпирическое и теоретическое корреляционное отношение. Множественный коэффициент корреляции. Частные коэффициенты корреляции. Проверка значимости множественного и частных коэффициентов корреляции. Уравнение регрессии как форма аналитического выражения статистической связи. Парная и множественная регрессия. Выбор уравнения. Отбор факторных признаков. Использование метода наименьших квадратов и других методов для определения параметров регрессивного уравнения. Оценка существенности связи. Критерий Стьюдента и Р.Фишера. Интерпретация уравнения регрессии. Частные коэффициенты детерминации. Множественный коэффициент детерминации и Q-коэффициент. Коэффициенты эластичности. Методы изучения связи социальных явлений. Корреляционные плеяды. Анализ взаимосвязи качественных признаков. Показатели тесноты связи на базе сопряженности знаков отклонений, вариантов признака, величины отклонений. Непараметрические показатели связи. Ранговые коэффициенты связи.
  • Основные принципы работы в IBM SPSS Statistics.
    Ввод и хранение данных. Анализ данных с помощью IBM SPSS Statistics. Создание файлов данных. Настройка переменных.
  • Преобразования данных.
    Построение диаграмм при проведении исследований. Редактирование мобильных таблиц. Управление параметрами работы. Использование результатов SPSS в других приложениях. Полезные возможности в SPSS. Слияние файлов по переменным. Агрегирование данных.
  • Факторный анализ.
    Использование факторного анализа для исследования рынка. Факторный анализ и метод главных компонент в SPSS. Дискриминантный анализ. Формулировка задачи. Основная модель. Предположения, лежащие в основе дискриминантного анализа. Применение дискриминантного анализа в SPSS. Регрессионный анализ. Корреляционный анализ.
  • Инфраструктура и инструменты работы с данными в Microsoft Excel
    Настройка инфраструктуры Microsoft Excel для работы с данными. Изучение возможностей и особенностей Microsoft Excel. Что такое таблицы в Microsoft Excel и чем они отличаются от листов, областей и книг. Табличное преставление данных в Microsoft Excel, работа с таблицами. Загрузка данных из модельных локальных данных в Microsoft Excel.
  • Управление данными на стеке Microsoft
    Что понимается под управлением данными? Изучение возможностей Microsoft Power Query, форматы данных и источники данных. Практическая работа по базовой аналитике данных средствами Microsoft Power Query.
  • Основы запросов к данным на языке M в Microsoft Power Query
    Язык запросов к данным M, изучение синтаксиса запросов, особенности построения запросов, практика конвертации и очистки данных средствами Microsoft Power Query.
  • Интерактивные аналитические отчёты и язык DAX
    Знакомство с языком DAX. Что такое аналитические отчёты, каково их назначение. Практика подготовки аналитических отчётов при помощи Power Pivot и Microsoft Power BI
  • Основы информационной безопасности
    Основные понятия Основные понятия ИБ Свойства информации в ИБ Свойства информации Модели и методы обеспечения ИБ Охраняемая законом информация Классы угроз ИБ
  • Безопасность и приватность при работе в интернет
    Анонимность Social Mining Deep web Атрибуция - как источник информации об авторстве Безопасность и приватность при работе в Интернет
  • Достоверность информации
    Восприятие информации Быстрая и медленные системы анализа информации Особенности восприятия информации Информационное программирование Техники Fake news Проблематика Fake news Современные технологии подделки информации (аудио, видео, тексты) Оценка достоверности информации
  • Цифровая гигиена и приватность в журналистике
    «10 ИБ-татуировок» журналиста; PR в кризисных ситуациях
  • Этапы работы с данными
    Ретроспектива этапов работы с данными: сбор данных, очистка данных, подготовка данных, обработка и анализ. Знакомство с инструментами командной работы над проектом на примере Microsoft Teams. Практика группового проекта по анализу данных в формате дата-экспедиции, репетиционный проект с обратной связью
  • Основные ошибки при работе с данными (кейс-стади)
    Рефлексия ошибок и результатов репетиционной дата-экспедиции. Обзор основных ошибок при работе с данными, как избежать, предотвратить и исправить. Кейс-стади на примере “живых данных”.
  • Представление результатов проекта анализа данных в виде журналистского текста
    Оформление результатов анализа данных. Практика группового проекта по анализу данных в формате дата-экспедиции. Особенности дата-журналистских текстов и визуализаций
Элементы контроля

Элементы контроля

  • неблокирующий Created with Sketch. Посещение занятий 1 модуля
  • неблокирующий Created with Sketch. Работа на семинарах 1 модуля
  • неблокирующий Created with Sketch. Итоговая работа по темам 1 модуля
  • неблокирующий Created with Sketch. Посещение занятий 2 модуля
  • неблокирующий Created with Sketch. Работа на семинарах 2 модуля
  • неблокирующий Created with Sketch. Домашнее задание 2 модуля
  • неблокирующий Created with Sketch. Контрольная работа по темам 2 модуля
  • неблокирующий Created with Sketch. Тест 1 по блоку "Информационная безопасность"
  • неблокирующий Created with Sketch. Проект 1 по блоку "Информационная безопасность"
  • неблокирующий Created with Sketch. Проект 2 по блоку "Информационная безопасность"
  • неблокирующий Created with Sketch. Тест 2 по блоку "Информационная безопасность"
  • неблокирующий Created with Sketch. Лабораторная работа
  • неблокирующий Created with Sketch. Репетиционная дата-экспедиция
  • неблокирующий Created with Sketch. Командная оценка за итоговую дата-экспедицию
  • неблокирующий Created with Sketch. Средняя оценка взаимного оценивания членами команды друг друга за участие в итоговой экспедиции
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.24 * Домашнее задание 2 модуля + 0.2 * Итоговая работа по темам 1 модуля + 0.18 * Контрольная работа по темам 2 модуля + 0.08 * Посещение занятий 1 модуля + 0.06 * Посещение занятий 2 модуля + 0.12 * Работа на семинарах 1 модуля + 0.12 * Работа на семинарах 2 модуля
  • Промежуточная аттестация (4 модуль)
    0.09 * Командная оценка за итоговую дата-экспедицию + 0.072 * Лабораторная работа + 0.018 * Проект 1 по блоку "Информационная безопасность" + 0.027 * Проект 2 по блоку "Информационная безопасность" + 0.55 * Промежуточная аттестация (2 модуль) + 0.108 * Репетиционная дата-экспедиция + 0.09 * Средняя оценка взаимного оценивания членами команды друг друга за участие в итоговой экспедиции + 0.027 * Тест 1 по блоку "Информационная безопасность" + 0.018 * Тест 2 по блоку "Информационная безопасность"