Objektivität und Instrumentalisierung - die zwei Seiten von Data Journalism

Missing Link zwischen Open Data und Journalism

Ich hatte in früheren Blogposts bereits das Problem erwähnt, dass Open Data zwar in unterschiedlicher Weise sehr anschaulich graphisch dargestellt werden können, die Verbindung aber zum Journalismus bisher nur sehr unzureichend hergestellt werden konnte (hier und hier). Das Grundproblem ist die unbeantwortete Frage, wie aus den Daten eine entsprechende Storyline werden kann. Entweder müssten Journalisten (oder auch Blogger) ohne spezifische Fragestellung die Datenplattform nutzen und beim Stöbern zufällig auf interessante Kontexte stoßen. Oder aber die Verfasser eines Artikels würden mit einer speziellen Fragestellung die Plattform nutzen, um mit den Daten dann die Storyline zu bestätigen. Dies würde aber voraussetzen, dass die Tool und die Indikatoren der Plattform passgenau zur Fragestellung vorab passen müssten - das ist aber nicht sehr wahrscheinlich. Zudem ginge es in diesem Fall nicht um Objektivität sondern um die Bestätigung der eigenen Position.

Dieses Problem konnten wir heute auch in Gesprächen mit Clement vom Sharism Lab nicht lösen. Auch die Website Datamarket bietet interessante Tools zum Einbetten von Daten in Artikel oder Blogposts, kann aber die Frage noch nicht beantworten, wie eine user-orientierte Nutzbarkeit einer Datenplattform aussehen könnte. Wie sieht die Logik der Umsetzung von Daten in Stories aus?

Anwendungsbeispiel: Nachweis von Diskriminierung?

Dieses Problem verdeutlicht auch sehr schön der aktuelle Artikel auf der Website der National Women´s Law Center, der momentan nicht nur auf anderen Blogs wiedergegeben wird (New York Post: "Men have scored 97 percent of new jobs since mid-2009") sondern auch entsprechend fleißig getwittert wird.


Unter der Überschrift "2011 and the Recovery: Women’s Unemployment in Pictures" wird anhand der Beschäftigtenzahlen der Jahre 2009-2011 "nachgewiesen", dass die Erholung auf dem US-Arbeitsmarkt nach der Finanzkrise zu 97% den Männern zugute kam - Skandal! Die Geschichte klingt griffig und verkauft sich dem entsprechend gut in Teilen der sozialen Medien.

Was steckt aber hinter den Zahlen?

Werden nicht nur die 3 Jahre nach sondern auch die 3 Jahre vor der Krise berücksichtigt, ergibt sich nach den Zahlen des Bureau of Labor Statistics folgendes Bild (Abs. Zahl der Erwerbstätigen ohne Landwirtschaft auf dem US-Arbeitsmarkt, Daten gerundet und in Mio.):

Im Ergebnis hat die Zahl der männlichen Erwerbstätigen durch die Krise um 3,7 Mio. und die der weiblichen Erwerbstätigen nur um 0,5 Mio. Personen verringert. Dadurch hat sich der Anteil der Frauen an allen Erwerbstägigen von 48,1% auf 49,7% erhöht. Frauen sind demnach die relativen Gewinner der Krise. Man kann diese Betrachtung natürlich durchaus mit Blick auf den gewählten Zeitraum, den Industriesektor und den Umfang der geleisteten Arbeitsstunden weiter ausdifferenzieren. Dies macht aber aber eben sehr schön die Problematik von Data Journalism deutlich: Daten können selektiv genutzt werden, um griffige Überschriften zu erzeugen - ein etwas erweiterter Blick auf die Daten kann jedoch genau das gegenteilige Bild und die gegenteilige Überschrift ergeben.

Methodenkompetenz!

Es gab zwar schon vor den Zeiten des Internets das Bonmot "Glaube keiner Statistik, die du nicht selbst gefälscht hast", die Bedeutung von Daten hat jedoch seit der allgemeinen Verfügbarkeit durch das Netz sehr expansiv zugenommen. Daher ist sehr viel mehr Sorgfalt und Methodenkenntnis als ehemals notwendig - ansonsten kehrt sich der Vorteil der größeren Datenverfügbarkeit in sein negatives Gegenteil der willkürlichen oder auch unbeabsichtigten Instrumentalisierung um.