Prüfungsfragen

Sequenzielle:

• geeignet für metrisch oder ordinal skalierte Variablen

• Farbverlauf mit einer oder zwei Farben

• Hellere Werte normal kleinere Zahlen

-> zeigen eine graduale Zu- oder Abnahme

Divergente:

• ist wie eine sequenzielle Farbskala, mit dem Unterschied, dass die Skala einen Mittelpunkt besitzt

• nur sinnvoll, wenn Mittelpunkt inhaltlich interpretierbar ist

-> Betonen Abweichungenvon einem Mittelpunkt

Qualitative:

• um verschiedene Kategorien zu visualisieren

• Farben sollen sich möglichst deutlich unterscheiden und haben keine eigene Zuordnung

-> Unterscheiden Kategorien klar und ohne Reihenfolge

• Tidydata wichtig! (im Tidyverse)

• Bedeutet:

  • jede Variable bekommt eine Spalte

  • jede Beobachtung eine Reihe

  • in jeder zeile steht nur ein einzelner Messwert

• Liniengraphen eignen sich für Daten, die miteinander zusammenhängen. Bedeutet, zeitliche Daten, die in einer direkten Beziehung zueinander stehen und etwa einen Verlauf angeben

  
  

1. braucht man ein ggplot Objekt und muss definieren welcher Datengrundsatz verwendet wird.

2. Aesthetics müssen angegegebn werden, also welche Werte auf der X/Y Achse erscheinen sollen

3. weitere Einstellungen: mit + die Funktionen hinzufügen

• Durch Zahlen können vergleichbare Ereignisse und Entwicklungen zueinander in einen Kontext gesetzt werden

• Zahlen ermöglichen Anschlusskommunikation

• durch Quantifizierung werden komplexe Sachverhalte auf wenige Zahlen und Einzelangaben reduziert

• Zahlen wirken unpersöhnlich und scheinbar objektiv

Fidelity (Detailtreue) und der Effort (Arbeit um den Prototypen zu entwickeln) sind bei Skizzen relativ niedrig (wir hatten keine händischen Skizzen, sondern haben über das Tool)

Insgesamt gibt es das Phänomen des Fidelity-Effort-Trade-Of

Bedeutet, je höhere Detailtreue man erreichen möchte, desto mehr Arbeit muss man in die Erstellung des Prototypen steken.

Wireframes, Mockups sind zwar Detailtreurer aber der Aufwand steigt auch stark an

• Unterschiede der Organisation zwischen der Deutschen und Internationalen

  Deutschen:

  • In Dt. viele Tageszeitungen und Rundfunkanstalten die datenjournalistische Projekte durchführen

  • Bei den Ressorts häufig die investigativen Datenressources, gefolgt von Politik und lokalem.

  • Meistens ist in Dt. nur eine Person zuständig und sehr selten sind es mehr als 4

  • Je größer das Medium, gibt es auch mehr Teams

  • häufigster Autraggeber von datenj. Projekten sind Online-Abler von Medienmarken

  Internationalen:

  • Datenjournalismus eingebettet in eigene Datendesks/Investigativressorts

  • oder auch verbunden mit der IT Graphikabteilung

  • teilweise sieht man auch einzelne Datenjournalist*innen

  • häufig Arbeit in Projektteams

  • gibt auch viel Kooperation über einzelne Organisationsgrenzen hinaus

• Grundsätzlich sieht man eine Zweiteilung des Datenjournalismus in den meisten Ländern

• Zwischen Leuchtturmprojekten/Leuchtturmredationen (z.B. Guardian, NYTimes,..) und normalen Redaktionen/Journalist*innen

a) Kernanliegen ist eine neue Spalte zu erstellen. Beim Erstelllen neuer Spalten benutzt man die Funktion “mutate”. Wichtig bei mutate: es wird eine neue Spalte erstellt, die benannt werden muss mit “average speed”. Inhalt der Spalte ist das Ergebnis einer Berechnung. Durchschnitt wird errechnet durch das Teilen der Entfernung durch die Zeit die man braucht (time)

b) Funktion rename. Spalte löschen -> mit Funktion select() und definieren welche Spalten erhalten bleiben sollen oder definieren, dass alles behalten werden soll außer bestimmte Spalten

= Konzept um Grafiken formal zu beschreiben

• Umsetzung in R durch ggplot

• Grafik wird aus ihren Elementen zusammengebaut: Grafiktyp, Daten, Achsen, Legenden, …

1. ggplot() Basisfunktion für Plots. Hier werden die Daten ausgewählt oder per Pipe-Operator übergeben

2. + Weitere Funktionen für den Plot werden nicht mit dem Pipe-Operator angehängt, sondern mit dem Plus

3. geom_XYZ Hier wird der Grafiktyp angegeben. Mehrere können in einer Grafik kombiniert werden, nicht alle Kombinationen sind sinnvoll (line, bar,…)

4. aes() Die Aesthetics mssen in ggplot() global oder in geom_XYZ spezifisch angegeben werden. In der Funktion wird festgelegt welche Variablen des Datensatz für welchen Teil der Grafik eingesetzt werden, z.B. X-Achse, Y-Achse oder farbliche Gruppierungen

labs() Achsenbeschriftungen und Überschriften

1. geom_point() → Streudiagramm (Scatterplot)

2. geom_line() → Liniendiagramm

3. geom_histogram() → Histogramm (benötigt binwidth)

4. geom_bar() → Balkendiagramm für kategoriale Daten

5. geom_boxplot() → Boxplot zur Visualisierung von Verteilungen

6. geom_tile() → Heatmaps (Rechteckige Kacheln)

7. geom_polygon() → Polygonformen (z. B. für Karten)

1. facet_wrap(~ Variablenname, nrow = n) Statt einer Gruppierung in einer Grafik werden kleine Grafiken pro Gruppierung erzeugt

2. coord_flip() vertauscht X- und Y-Achse

3. coord_fixed() Der Abstand auf den Achsen wird vereinheitlicht

4. labs() Achsenbeschriftungen und Überschriften

5. scale_y_continuous() scale_x_discrete() scale_x_date() Einstellungen für verschiedene Achsentypen

6. theme() Auswahl verschiedener Themen, Legendenposition, …

7. scale_colour_brewer(palette = ) Auswahl der ColorBrewer Farbskalen

8. ggsave() Grafiken speichern