Datajournalistiek: de techniek is er, nu de ideeën nog

“Sorry dat ik het vraag, maar wat is datajournalistiek eigenlijk?” vroeg iemand uit het publiek bij een sessie over nieuwe technieken in de journalistiek op de conferentie The Future of Journalism in Cardiff. De dame die de vraag stelde wist heel goed wat datajournalisten doen. Waar ze naar op zoek was, was het idee achter de datajournalistiek. Waarom doen we het eigenlijk? Wat verwachten we ervan? Is het journalistiek, informatica, design, of een mix van dat alles? En wat betekent het antwoord op die vragen voor de ethiek van het vak? Wat betekent deze ontwikkeling voor de manier van informatie verspreiden in onze samenleving?

Grote vragen, maar wel zinnig. Het leidde in ieder geval tot een aardig debat. Want je kunt wel datajournalistiek bedrijven, maar als je niet weet wat je doet en waarom je het doet, dan blijft de blij-verbeide toekomst in nevelen gehuld.

Een van de opmerkingen die naar aanleiding van de vraag werd gemaakt is dat we misschien beter over ‘computational exploration in journalism’ (CEJ) kunnen spreken. Op het eerste gezicht een onnodig complex begrip. We hebben toch al de term computer assisted journalism. Afgekort: CAR. Waarom nu dan CEJ?

De term komt van Noorse onderzoekster Astrid Gynnild. In een recent artikel legt ze uit waarom zo’n begrip kan helpen de journalistiek te vernieuwen.

Loze belofte

Er wordt veel gesproken over de belofte van datajournalistiek, zegt Gynnild, maar als we niet begrijpen wat datajournalisten precies doen, dan blijft het debat over de waarde van datajournalistiek steken op het welles-nietes niveau van voor- en tegenstanders. Om over de betekenis van datajournalistiek te kunnen praten moet je begrijpen hoe er wordt gedacht over de waarde van data, de methode van onderzoek, de manier van presenteren, en het nut van dat alles voor het publiek.

Om daar zicht op te krijgen, kijkt Gynnild naar de opvattingen van mensen die zich met deze vorm van journalistiek bezig houden en wat deze vorm van journalistiek precies voor een vernieuwing tot stand brengt.

Het eerste dat opvalt is dat er een  tweedeling lijkt te bestaan tussen hoog gemotiveerde voorlopers van deze vorm van journalistiek en behoudende redacteuren die niet geneigd zijn om geld uit te geven aan onzekere digitale avonturen.

Wil je het gesprek over datajournalistiek verder helpen dan zul je met begrippen moeten werken die zowel voor voorlopers als sceptici betekenis hebben. Allereerst de vraag: waar hebben we het precies over?

CAR

In de jaren zestig werd er al gesproken over Computer Assisted Reseach. Een term die steeds nietszeggender is geworden omdat alle journalistiek tegenwoordig met behulp van computers tot stand komt. Destijds ging het om journalistiek producties op basis van gegevens over verkiezingen, gezondheidszorg, en de besteding van belastinggeld. Philip Meyer was de grote wegbereider van deze vorm van journalistiek. Hij pleitte voor het toepassen van wetenschappelijke methoden bij het doen van journalistiek onderzoek. Zijn boek Precision Journalism (1973) was verplichte kost op veel universitaire opleidingen journalistiek. Toch verzuchtte Meyer in 2002 dat het toepassen van wetenschappelijke methodes in de journaistiek nog tot weinigen was doorgedrongen.

NICAR

Ondertussen waren er door het in 1989 opgerichte NICAR (National Insitute of Computer-Assisted Reporting) duizenden journalisten geschoold in het gebruik van computers bij het verwerken van gegevens. Toch kwamen er maar weinig grote projecten tot stand. Het kostte te veel tijd en menskracht. Volgens Gynnild kwam deze vorm van journalistiek vooral niet van de grond omdat het om een manier van denken vroeg die bij journalisten niet sterk was ontwikkeld. Het ontbrak de meesten aan de vaardigheid van computational thinking: een vorm van abstract en systematisch denken waarbij je vragen weet om te zetten in algoritmes voor computers. Om tot een goed verhaal op basis van data te komen, moet je de context begrijpen van actuele gebeurtenissen, weten welke data relevant zijn om daar iets meer over te kunnen vertellen en vervolgens ook nog in staat zijn om die data zinvol te analyseren. Dat kun je allemaal niet alleen. Het vraagt op openheid voor nieuwe ideeën, de wil om samen te werken met deskundigen uit andere disciplines, en de bereidheid om nieuwe wegen in te slaan.

Computationele journalistiek

Wat wij doorgaans datajournalistiek noemen wordt volgens Gynnild dus niet gedefinieerd door het gebruik van data, noch door het gebruik van computers, maar door een specifieke manier van denken, namelijk computationeel denken. We zouden dan ook beter over ‘computational journalism’ of, om preciezer te zijn, over computational exploration in journalism kunnen spreken.

‘Computationeel denken’ is geen ingeburgerd begrip in Nederland en Vlaanderen. Ik vond 9 hits op Google (tegenover 185.000 voor de Engelse term). De universiteit Leiden en die van Maastricht noemen het als vaardigheid die je nodig hebt voor informatica. En dan is er nog een tweet van de Leuvense hoogleraar computerwetenschap Philip Dutré die computationeel denken de belangrijkste vaardigheid van de 21e eeuw noemt.

PD

Einde van het verhaal

Het journalistieke denken zal volgens Gynnild verschuiven van verhaalgericht naar abstract redeneren, zelfstandig onderzoek doen en vermogen om kwantitatieve gegevens te visualiseren. Moderne kwaliteitsjournalistiek vraagt volgens haar om nieuwe vormen van onderzoek en samenwerken. Het belangrijkste daarbij is om de mensen met verschillende vaardigheden bij elkaar te brengen en samen te laten werken met het gezamenlijk doel om belangrijke informatie naar buiten te brengen. Of je dat nu journalistiek noemt of niet, dat doet er niet veel toe, zegt Gynnild in navolging van wat Adrian Holovaty al in 2006 zei.

Is dit de taal van hoogdravende nieuwlichters? Mogelijk. Maar zoals Gynnild aan het eind van haar verhaal zegt: het heeft geen zin om over nieuwe verdienmodellen te spreken als je niet met nieuwe ideeën komt.

****

Literatuur: Astrid Gynnild, (2013) Journalism innovation leads to innovation journalism: The impact of computational exploration on changing mindsets. Journalism doi:10.1177/1464884913486393