Syllabus
1) Úvodní a organizační hodina • Teoretická část: Struktura kurzu; Zdroje dat • Praktická část: Čištění dat
2) Co je to datová žurnalistika? • Teoretická část: Historie a vývoj vizualizace, zajímavé příklady, nejčastější chyby. • Praktická část: Úvod do tvorby grafů v kancelářském tabulkovém editoru typu MS Excel a v programovacím prostředí typu R.
3) Tvorba grafů v kancelářském tabulkovém editoru typu MS Excel • Pouze praktická část: Tipy a triky jak na grafy v tabulkovém editoru
4) Jak z běžných vizualizací vytáhnout maximum? • Teoretická část: Proč je u vizualizace potřeba přemýšlet? Přehled nejběžnějších typů matoucích a chybných vizualizací. • Praktická část: Ukázky, jak lze z "defaultních" grafů vytáhnout víc.
5) Úvod do jazyka R, jednoduché vizualizace v R • Teoretická část: R jako nástroj pro práci s daty. • Praktická část: Představení jazyka R a jednoduchých vizualizací v něm
6) Vizualizace v R a seznámení s ggplot27) Vizualizace v R II • Pouze praktická část: Další možnosti vizualizace v R
8) Vybrané nástroje pro online vizualizace bez programování • Praktická část: Ukázka práce s Info.gram; datawrapper.de; nástroje Google-drive, případně další
9) Jak svou vizualizaci dostat na web? • Teoretická část: Jak funguje internet • Praktická část: Jak é jsou možnosti pro publikování svých vizualizací na internetu
10) Social network analysis, SNA • Teoretická část: Představení principu SNA s důrazem na vizualizaci • Praktická část: Ukázka vizualizace sítě v Gephi
11) a
12) Podle potřeb studentů a vývoje kurzu Použitý software: MS Office (studenti mohou použít libovolný tabulkový editor podobného typu)R a balíček ggplot2OpenRefineGephiInfo.grama další podle potřeby
Annotation
This hands-on course introduces students to selected visualization and data presentation techniques. Students will become acquainted with both advanced "scientific" visualizations and "attractive" visualizations that become more relevant at the time of online journalism.
Most of the meetings are divided into a theoretical and practical part, while the practical part aims to acquire specific skills in data visualization. The greatest attention is paid to the practical handling of data visualization in various software tools.