filmeu

Disciplina Jornalismo Visual e de Dados

  • Apresentação

    Apresentação

    O jornalismo visual e de dados tem conhecido um crescimento exponencial nas redações de todos os tipos de meios de comunicação. A UC visa dotar os estudantes das ferramentas necessárias para pesquisar, compilar e analisar dados quantitativos, enquadrando-os numa narrativa jornalística. 
  • Conteúdos Programáticos

    Conteúdos Programáticos

    1. Introdução ao Jornalismo de Dados 1.1 História e evolução do jornalismo de dados 1.2 7 tipos de histórias de dados 1.3 Exemplos: Público, The Pudding, Guardian, ProPublica 1.4 "Data mindset" - desenvolver curiosidade e ceticismo 2. Fundamentos de Dados 2.1 Formular hipóteses jornalísticas 2.2 Entrevistar uma base de dados - primeiras explorações 2.3 Tipos de dados e proxy fields 2.4 Ética e verificação 3. Competências Técnicas  3.1 Excel/Google Sheets 3.2 Limpeza de dados e análise básica - ordenação, filtros, tabelas dinâmicas 3.3 Estatística aplicada - média, mediana, percentagem, taxa 4. Visualizar Dados 4.1 Princípios de design e ferramentas - Flourish e Datawrapper 4.2 Acessibilidade e clareza 5. Narrativa com Dados 5.1 Transformar números em histórias humanas 5.2 Estrutura narrativa - do lead aos dados 5.3 Contextualização de estatísticas 5.4 Integração de fontes  6. Ferramentas Avançadas (Intro) 6.1 Web scraping  6.2 APIs públicas 6.3 Panorama R/Python (demonstração) 6.4 Quando o Excel não chega
  • Objetivos

    Objetivos

    Entender os fundamentos do jornalismo de dados, incluindo a História desta prática Pesquisar, compilar e analisar dados para contar histórias numa lógica editorial jornalística. Avaliar e verificar a credibilidade das fontes de informação e bases de dados Domínio de conceitos básicos de estatística e métodos quantitativos. Conhecimentos básicos de programação para recolha, processamento e apresentação de dados em trabalhos online Criar peças interativas em função de pressupostos indicados pelo leitor (sexo, idade, geolocalização,...). Desenvolver estratégias visuais e de “storytelling” para ilustrar realidades sociais refletidas pelas estatísticas, sabendo integrar as conclusões dos dados na narrativa jornalística. Dominar o uso de bibliotecas de análise e as ferramentas de transparência para o jornalismo de dados.
  • Metodologias de ensino

    Metodologias de ensino

    Recurso à gamificação como método de heteroavaliação de trabalhados produzidos em contexto de aula; aprendizagem através da análise e discussão de estudos de caso; abordagem prática e progressiva, com trabalhos bi-semanais.
  • Bibliografia principal

    Bibliografia principal

    Bounegru, L., & Gray, J. (2021). The Data Journalism Handbook: Towards a Critical Data Practice Amsterdam University Press. Cairo, A. (2013). The Functional Art - An Introduction To Information Graphics And Visualization. New Riders. Felle, T., Mair, J., Radcliffe, D., eds. (2015). Data Journalism: Inside the global future. Abramis Publishing. Garcia, R, Rosa, M. J., Barbosa, L. (2016). Que Número É Este? Um Guia Sobre Estatísticas Para Jornalistas. Fundação Francisco Manuel dos Santos. Gray, J., Chambers, L., & Bounegru, L. (2012). The data journalism handbook: How journalists can use data to improve the news. O'Reilly Media. Huff, D. (2013). Como Mentir com a Estatística. Gradiva. Miller, C. (2016). Getting Started with Data Journalism. Writing data stories in any size newsroom. Rogers, S. (2013). Facts Are Sacred. Faber & Faber. Usher, N. (2016). Interactive Journalism - Hackers, Data and Code. University of Illinois Press
  • Avaliação

    Avaliação

    Descrição dos instrumentos de avaliação (individuais e de grupo) ¿ testes, trabalhos práticos, relatórios, projetos... respetivas datas de entrega/apresentação... e ponderação na nota final.

    Exemplo:

    Descrição

    Data limite

    Ponderação

     Trabalhos quinzenais (trabalhos * 6% cada)

    dd-mm-yyyy

    30%

     Projeto Final (Investigação jornalística completa)

    dd-mm-yyyy

    50%

    Participação/Peer Review (Participação ativa e feedback aos colegas) 

      20%
         
         
     
    • Trabalhos quinzenais focam em competências específicas e progressivas
    • Projeto final deve incluir investigação original com dados
    • Obrigatória documentação metodológica completa
    • É obrigatória uma assiduidade mínima a 75% das aulas;
    A entrega de trabalhos além do prazo estipulado só será possível se autorizada pelo docente e implica uma penalização de 25% na classificação do trabalho se entregue até 24h após o prazo indicado e de 50% na classificação do trabalho se entregue entre 24h e 72h após o prazo.
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios