Де шукати теми для журналістики даних під час пандемії.
Ярина Серкез ― українська дата-журналістка, яка працює у відділі Opinion The New York Times. Вона починала в Texty.org.ua, коли про дата-журналістику в Україні знали зовсім небагато. Для проєкту StayAtHome Media Stories від LMF Ярина розповіла про тренди дата-журналістики, свій досвід стажування в The Wall Street Journal та роботу в The New York Times під час пандемії.
Головна подія року
Є загальна практика планувати висвітлення основних подій заздалегідь. Очевидно, спланувати все неможливо, але треба бути готовими до основних подій року ― мати розклади чергувань, підготувати дані, стилі подачі, щоб бути на крок попереду інших видань. У 2020 ми в The New York Times передбачали, що основними подіями будуть Олімпійські ігри, передвиборчі дебати, праймеріз і власне вибори.
Ми з самого початку знали, що рік буде насиченим, але кілька місяців тому все змінилося. Життя, яке ми знали раніше, зупинилося, мільйони людей втратили роботу, тисячі померли через COVID-19. Багато важливих подій ― наприклад, літню олімпіаду ― відклали або скасували. Головною подією до кінця року щоденно в плані лишається коронавірус. Ми переглянули всі наші плани й підходи. Природно, що при змінах таких масштабів у медіа з’явилося значно більше тем, ніж просто рівень зараженості чи пошук вакцини. Пандемія вплинула на кожен аспект життя і наше завдання — це знайти інструменти, щоб якнайкраще зрозуміти це явище. Тепер час дивитися на звичні речі з нової перспективи.
Відкриті дані
Дані, що є відкритому доступі, лежать на поверхні і чекають, поки з ними почнуть працювати. Іноді для хорошої історії не потрібно вигадувати велосипед ― достатньо віднайти загублений пазл. Так було з одним з останніх матеріалів, що став моїм першим соло-проектом для The New York Times (зазвичай я працюю у команді з профільним репортером). Коли COVID-19 тільки з’явився на території США, про нього говорили як про велику зрівнялівку ― great equalizer. Мовляв, імунітету не має ніхто, захворіти може кожен і кожна. Спершу хворіли переважно люди з середнім і вище статком, що подорожували, але все змінилося буквально через кілька тижнів. Тепер же найвищий рівень смертності фіксують у найбідніших районах, де мешкають афроамериканці та латиноамериканці. Центр Мангеттену опустів ― власники та власниці відпочинкових будиночків, наприклад, у Флориді чи Масачусетсі, переїхали туди чи самоізолювалися вдома. Натомість бідніше населення, що працює у сфері послуг ― у доставці чи транспорті ― лишилося сам-на-сам з пандемією.
Вищі шанси померти від нового коронавірусу мають ті, у кого є хронічні хвороби ― діабет, гіпертонія, захворювання дихальних шляхів чи нирок. Серед фахівців є цікавий термін «соціо-економічний градієнт здоров’я». Він позначає явище, коли люди з більшими статками можуть дозволити собі стиль життя, що покращує здоров’я і відтерміновує старість: мають кращу дієту, більше відпочивають і гуляють, займаються спортом з персональним тренером і живуть у більш комфортних районах, у них менший рівень стресу в житті. Чого не скажеш про людей, яким щодня доводиться мати справу з расовою дискримінацією і заледве зводити кінці з кінцями.
Я вирішила поєднати ці два фактори ризику і показати різницю між 10% найбагатших і 10% найбідніших американців. Виявилося, що бідні хворіють майже в два рази більше, ніж багаті. Ситуація виглядає ще гіршою, коли додати расові дані: афроамериканці страждають більше. Найвищі показники захворюваності та смертності ми спостерігаємо в сегрованих районах великих міст США.
Наприкінці березня ми опублікували історію про мобільність. Було цікаво порівняти патерни того, як люди дотримуються обмежень пересування відповідно до того, у республіканському чи демократичному штаті вони мешкають. Історія виявилася успішною, а за кілька днів наші колеги з ньюзруму опублікували ще крутіший проєкт, врахувавши ще й статки людей. Виявилося, що бідні люди зараз просто фізично не можуть не пересуватися і лишатися вдома, якщо їхня робота ― це розвозити піцу.
Так само варіантом інтерпретації пандемії була наша історія про заощадження. Мене шокувало, що кожен третій американець не має заощаджень для того, щоб прожити без роботи більше місяця. Так відбувається тому, що рівень витрат перевищує рівень доходів ― люди живуть у борг, платять кредит за навчання чи нерухомість. Щоб показати цю проблему, ми зобразили, скільки часу треба працювати, щоб заощадити на три місяці життя. Виявилося: отримуючи менше 50 тисяч доларів на рік, доведеться заощаджувати більше 2 років. І таке не кожному під силу.
Також ми робили історію про віддаленість госпіталів у США від населених пунктів ― тема доволі банальна, але важлива. Усі говорять про переповненість госпіталів, але значно глибшим є питання про те, чи правильно сформована інфраструктура медичної системи. А щоб передбачити ситуацію з пошуком вакцини, мої колеги проаналізували досвід розробки препаратів для попередніх епідемій. Ми також працювали з «вічнозелено» історією про поширення дезінформації.
Ще один дуже кмітливий підхід до інтерпретації ― відображення рівня шуму в Нью-Йорку. Він значно знизився, адже люди сидять вдома, і протягом дня був лише один пік шуму ― виявилося, що його створюють оплески лікарям на балконах. Це дуже людське відображення життя у часи коронавірусу за допомогою відкритих даних.
Прихована інформація
Крім відкритих даних, є ще й такі, про існування яких у нас ми не здогадуємося. Їх немає у відкритому доступі, але їх можна отримати через наукові інститути або міжнародні організації. Комерційні прагнутимуть показати свій масштаб роботи, а некомерційні просто не мають сенсу, якщо не надають свою інформацію.
Наприклад, з самого початку всіх цікавило, скільки людей помирає від коронавірусу. Кожна країна має різної якості статистику, але за нею складно оцінити, скільки дійсно людей померли від перевантаження медичної системи. Колеги з ньюзруму підійшли до цього питання креативно і порівняли рівень смертності у попередні роки з теперішнім. Виявилося, все не так очевидно, як здавалося. Адже люди, що потрапили до госпіталю і не хворі на COVID-19, усе одно не отримують потрібної медичної допомоги і це може призвести до летальних наслідків.
Друге цікаве питання: куди поділися всі багатії з Мангеттену? У певний момент місто просто стало порожнім, але як прослідкувати, куди зникли люди? У відкритому доступі цих даних немає. Проте ми можемо розраховувати на проксі-дані ― вони не є стовідсотковим відображенням відповіді, але показують суть проблеми. Мої колеги з ньюзруму подивилися, куди почали перенаправляти посилки і так відслідкувати, куди переїхали люди з Нью-Йорка. Ці дані ми отримали від Descartes Labs ― великої компанії, що працює з геоданими.
Також дані можна збирати самостійно. Наприклад, коли почався карантин у США, відразу ж почалися розмови про те, що його варто припиняти. Ніхто не знав, як вчинити правильно, тож ми зібрали дані про попередні спалахи SARS чи MERS і показали, що буде, якщо скасувати карантин раніше, ніж потрібно. Це була інтерактивна модель. Інший приклад ― дослідження найбільш небезпечних громадських місць (тобто таких, де люди перебувають найдовше і найбільше взаємодіють один з одним). Це дало відповідь на фундаментальне питання коли і як відкривати громадські заклади.
Важливо пам’ятати, що поза цифрами є справжні історії і люди. Іноді ми так далеко занурюємося в ці абстрактні дан й забуваємо, що вони стосуються конкретних людей. Щоб нагадати про це, ми зробили проєкт про людей, які загинули від пандемії ― феноменальний за обсягом роботи. Журналісти та журналістки прослідкували історії 1000 людей, які загинули, і змогли відтворити масштаб людської трагедії. У The Washington Post був інший підхід, який, напевно, навіть ближчий українцям ― вони візуалізували на чорній карті США променями світла різної інтенсивності найбільш постраждалі від коронавірусу міста.
Як потрапити у дата-журналістику
На щастя ― і на жаль ― ми не маємо стандартних шаблонів подачі інформації. Іноді хотілося б мати більш врегульований робочий графік. Але все залежить від проєкту, його розвитку та масштабу. Наприклад, проєкт про соціальну нерівність і коронавірус ґрунтується на чистих і чітких даних, що є в публічному доступі. На роботу з ними ми витратили тиждень ― це було дуже легко. Є значно складніші проєкти, у яких треба будувати і тренувати алгоритми або створювати значно складніші презентації.
Тенденції у дата-журналістиці незмінні: чим детальніші дані, тим кращий аналіз. Сфера рухається до створення власних моделі й симуляції розвитку подій, тренування нейромереж.
Я починала роботу в дата-журналістиці з видання Texty.org.ua і досі захоплююся їхніми проектами. Тоді не було ніяких ресурсів для навчання, мені дивовижним чином пощастило потрапити на першу школу дата-журналістики в Києві, здається, шість років тому. У той час про дата-журналістику в нас знали мало, на мою відповідь про те, чим я займаюся, і батьки, і найбільш прогресивні друзі тільки здивовано дивилася й мовчали. Я й сама мала дуже зелене уявлення про те, чим хочу займатися. Просто мала кілька прикладів з іноземних медіа і хотіла робити так само.
Моїм першим американським стажуванням було літо в The New York Times. Мені здається, тоді я не була до цього готова і той час став потрясінням. Але вже наступного року я потрапила в The Wall Street Journal ― меншу команду, де могла краще себе проявити і мені приділяли більше уваги. Того літа вдалося створити кілька технічно цікавих і складних проектів, тож після двох місяців стажування редакція очікувала, що я лишуся працювати. Та я мала повертатися до Європи, тож попросила про дистанційну роботу. Ніхто з нас у цей формат не вірив, але ми нічого не втрачали, тож спробували. Як не дивно, не виникло жодних проблем з часовими поясами чи дедлайнами, я навіть могла координувати проекти бюро в Нью-Йорку, Лондоні та Гонконгу ― так тривало три роки.
Тож головне, що я можу порадити ― вчитися. Можна, наприклад, на стажуванні у Texty.org.ua. Можна на онлайн-курсах, на сайтах ― наприклад, Scrimba. Але ніхто ці знання вам у голову не покладе. Тож яким би не був ваш рівень зараз, вчитися треба багато і щодня.
