Teil I Einführung, Konzept und Grundlagen. Einführung.- CRISP-DM - Ein Konzept für die journalistische Datenanalyse?.- Data Literacy.- Datengrafiken zwischen Nutzwert und Design.- Algorithmen im Fokus.- Teil II Fallstudien. (Bedingte) Verteilung und statistische Tests.- Zusammenhangsanalyse: Klassifikation.- Zusammenhangsanalyse: Regression.- Zeitreihenanalyse: Modellentwicklung über die Zeit.- Gruppenbildung: Clusteranalyse.-  Sequentielle Daten: Analyse von Radverkehrsnetzen.- Datenerhebung: Verwendung von Vorwissen.- Geplante Studien.- Teil III Qualitätsstandards. Datenethik im Journalismus.- Qualitätsstandards: Checklisten als Hilfsmittel. Anhang: Daten und R-Programme.- A.6 Kapitel 6: Fallstudie 1: Altersstruktur von Parlamenten.- A.7 Kapitel 7: Fallstudie 2: AfD bei der Bundestagswahl 2017.- A.8 Kapitel 8: Fallstudie 3: Wählerstruktur: Bundestagswahl 2017.- A.9 Kapitel 9: Fallstudie 4: Corona (COVID-19) Pandemie.- A.10 Kapitel 10: Fallstudie 5: Buchbestsellerlisten.- A.11 Kapitel 11: Fallstudie 6: Radwege in Berlin.- A.12 Kapitel 12: Fallstudie 7: Professorenumfrage.-  Sachverzeichnis.

Dieses Buch zeigt anhand von journalistischen Fallbeispielen, warum und wie fortgeschrittene statistische Analysemethoden eingesetzt werden können, um aussagekräftige journalistische Informationen aus Daten zu extrahieren. Gleichzeitig setzt das Buch einen Anforderungsrahmen für die datenjournalistische Arbeit bezüglich Datenkompetenz und -visualisierung, dem Einsatz von Algorithmen sowie daten-ethischen Anforderungen und der Überprüfung externer Studien. Ziel ist es, die Qualität und Aussagekraft datenjournalistischer Arbeiten zu verbessern, welche, neben der angemessenen Erfassung und Aufbereitung von Daten, wesentlich von einer adäquaten Datenanalyse abhängen. Aber wie statistisch arbeiten Datenjournalist:innen heute eigentlich? Und wie statistisch können oder sollten sie arbeiten, um den Ansprüchen ihrer Leserschaft in Sachen Verständlichkeit gerecht zu werden, auch mit Blick auf deren unterschiedliches mathematisch-statisches Vorwissen? Das Buch zielt darauf ab, diese Fragen zu beantworten, indem es weiterführende statistische Methoden anhand von Fallstudien untersucht. Es verdeutlicht, warum diese Methoden auch im journalistischen Kontext oftmals problemangemessener sind und tiefer gehende Erkenntnisse liefern als vereinfachte Analysen und Basismethoden. Die Fallstudien decken dabei die wichtigsten statistischen Methoden ab: Verteilungen und Tests, Klassifikation, Regression, Zeitreihenanalyse, Clusteranalyse, Analyse von sequentiellen Daten ohne direkten Zeitbezug, Verwendung von Vorwissen und geplante Studien.Der AutorClaus Weihs ist emeritierter Professor für Computergestützte Statistik an der TU Dortmund. Seine besondere Expertise liegt im Bereich Klassifikationsverfahren und ihren vielfältigen Anwendungen. Er hat langjährige Erfahrungen in der Zusammenarbeit mit Journalist:innen, sowohl in Lehrveranstaltungen als auch in Datenanalysen.

Setzt einen Anforderungsrahmen für professionelle datenjournalistische Arbeit Vielfältige journalistische Fallbeispiele als konkretes Anschauungsmaterial Verbessert die Qualität und Aussagekraft datenjournalistischer Arbeiten