Buenas Prácticas en Periodismo de Datos Por Sandra Crucianelli – Knight International Journalism Fellowship
Verificación de datos con otras fuentes. Chequeo aleatorio de datos, sobre una muestra basada en el universo bajo estudio, al menos 3 veces. Narrativa no demasiado extensa ni sobrecargada con información numérica. Remitir conclusiones a la visualización y mencionar el respaldo documental sobre el que se trabajó Uso adecuado del hipertexto: Compartir fuentes primarias y secundarias, no remitiendo a las fuentes Web desde sus páginas de inicio sino a la URL permanente desde dónde se obtuvieron los datos utilizados. Visualización interactiva. Destacada. Usar una gama de recursos no demasiado extensa, pero sí lo suficientemente versátil como para que pueda dar solución a cada tipo de variables bajo estudio. Compartir datos abiertos con la audiencia a través de Google Spreadsheet Mostrar a la audiencia la documentación de respaldo original completa a través de la plataforma Document Cloud. Mantener comunicación interna fluida incluyendo a todos los miembros del equipo involucrado y muy en especial, a los editores. Mantener abiertos los canales de comunicación con la audiencia a través de canales participativos mediante comentarios y difusión en redes sociales. Se sugiere no cerrar la vía de comentarios. Los Tableau u otros sistemas de visualización interactiva deberían tener siempre la opción de descarga No preocuparse por la competencia en la decisión de compartir documentos
Criterios para añadir Tags (etiquetas) y/o Metadatos Cuando las notas tengan alguno o varios de estos componentes: 1) Datos abiertos a disposición de la audiencia (descargables o en Document Cloud, Google Drive, Junar, etc.) 2) Data Viz interactiva (Tableau abiertos, GFT, Many Eyes, etc) 3) Un mashup (que es un híbrido) como en el del cacerolazo en que se cruza data de Twitter posicionando esa información en Google Maps. 4) Trabajo de data mining (minería de datos) 5) Scraping de datos (extracción de datos automatizada) 6) Uso de bases de datos propias o ajenas 7) Trabajo de recuperación documental web: búsqueda en la internet profunda o invisible. 8) Casos de acceso a la información, pero no cuando es uno aislado, sino cuando hay un conjunto de peticiones importante (más de 10 por ejemplo y sistematizadas 9) Trabajo de campo propio: es decir cuando la data no está (caso anterior, pero en vez de basarse en peticiones se basa en análisis de webzines del gobierno, hay que construirla y crear un Excel propio, sobre la base de un análisis de información web, como este trabajo realizado en 2007: http://alianzaregional.net/site/acceso/inv/index.html