A pirâmide invertida do jornalismo de dados mapeia o processo de utilização de dados na reportagem, desde a geração de ideias, passando pela limpeza, contextualização e combinação, até à comunicação. A fase final — a comunicação — apresenta uma série de opções: desde a visualização e sonificação até à personalização e ferramentas. Mas quais são as melhores práticas para cada uma?
(Também disponível em inglês, alemão e espanhol, russo e ucraniano).
1. Visualização
A visualização é normalmente a forma mais rápida de comunicar os resultados do jornalismo de dados: ferramentas gratuitas como Datawrapper e Flourish muitas vezes exigem apenas que você carregue os seus dados e escolha entre várias opções de visualização.
Quando utilizada corretamente, a visualização pode aumentar significativamente o engajamento — mas a velocidade não garante qualidade. O aumento do “chart junk” — elementos gráficos supérfluos que distraem do conteúdo — demonstra que a visualização é tão suscetível a efeitos superficiais quanto outras formas de jornalismo.
Existe uma longa tradição de princípios úteis da visualização impressa que continuam relevantes para gráficos, mapas e infográficos online:
- Concentre-se em poucos pontos de dados relevantes
- Evite efeitos 3D
- Garanta que o gráfico seja compreensível mesmo sem texto adicional
Muitas redações também desenvolveram as suas próprias diretrizes — desde o Visual Vocabulary do Financial Times e o Visual and Data Journalism Cookbook da BBC até ao Audiences Tableau Style Guide. Autores especializados como Dona Wong (The Wall Street Journal Guide to Information Graphics) e Alan Smith (How Charts Work) também oferecem dicas valiosas.
A visualização pode ser extremamente eficaz — mas é precisamente por isso que é importante agir de forma estratégica e, por exemplo, garantir que cada gráfico inclua um link para a sua fonte.
2. Narrar
Qualquer história de dados também pode ser contada com palavras. Para uma notícia simples, concentre-se no que os dados “revelam”: a dimensão de um problema; quem ou onde está melhor ou pior; desigualdade; relações; ou mudança.
Decida antecipadamente quais números são mais importantes para a sua história e use o menor número possível: o princípio do “menos é mais” aplica-se à escrita sobre dados tanto quanto à visualização.
Tente intercalar os parágrafos baseados em dados com secções que contenham citações ou informações de contexto. Isso evita a monotonia e pode fornecer contexto fundamental.
Boas histórias não nos dão apenas os factos do que está a acontecer, mas também por que acontece (através de especialistas) e por que é relevante (impacto humano). As seguintes perguntas ajudarão a fornecer contexto:
- O número representa uma grande proporção do total?
- É superior ao do ano passado ou comparado com outras localidades?
- Para que seria usado esse valor? Torne os números mais tangíveis convertendo-os numa base per capita ou diária.
Lembre-se de que números adicionais podem sempre ser disponibilizados aos leitores através de uma tabela, gráfico ou link para os dados completos.
Em alguns casos, os números podem ser omitidos completamente: os dados podem levá-lo a um estudo de caso que se torna a história em si…
3. Humanizar
Estudos de caso colocam um rosto humano nos números. Para o jornalismo audiovisual em particular, isso é essencial: histórias baseadas em dados em plataformas de vídeo e áudio normalmente começam com um rosto, ou uma voz no centro da história, não apenas para fornecer material audiovisual fundamental. Mas isso também pode funcionar bem online e nas redes sociais.
Quando a BBC Shared Data Unit trabalhou numa história sobre as falhas no tratamento de drogas para jovens, por exemplo, optou por iniciá-la com: “Três mulheres cujos filhos adolescentes morreram após se tornarem dependentes de drogas disseram à BBC que o sistema falhou com os seus filhos.”
Os dados podem ajudar a conduzir-nos a estudos de caso: ordenar uma folha de cálculo para encontrar a organização ou o local mais afetado por um problema pode mostrar-nos para onde direcionar as nossas investigações ou onde filmar.
4. Tornar social
A comunicação é um ato social, mas não são apenas as palavras e os elementos visuais que são sociais: os próprios dados também podem ser sociais. O Guardian demonstrou isso com particular sucesso ao cultivar uma comunidade ativa em torno do seu Data Blog (que registou maior engajamento do que o artigo médio do Guardian) e em torno da sua API. Também aproveitou as propriedades sociais da visualização com um grupo no Flickr.
Iniciativas de crowdsourcing destinadas a recolher dados também podem conferir uma dimensão social aos dados. O projeto de despesas dos deputados do Guardian e a tentativa de Charles Arthur de usar crowdsourcing para prever as especificações do iPad são exemplos disso. Mas há outros exemplos também — especialmente quando é difícil obter os dados de outra forma.
A narrativa social exige pensar em como capacitar e inspirar o público a contar as suas próprias histórias. Isso pode ser feito fornecendo uma plataforma, como o grupo Flickr do Guardian; pode ser fornecendo dados brutos; ou pode ser fornecendo uma forma de os leitores criarem e partilharem histórias personalizadas descobertas através da interatividade (veja abaixo). O 7 billion and you da BBC, por exemplo, permitiu aos utilizadores partilhar o seu próprio número nas redes sociais. Isso gerou milhares de histórias simples individuais, além da história interativa personalizada no site da BBC.
5. Sonificação/materialização
Em formatos de rádio ou podcast onde gráficos não são possíveis, os dados podem ser representados como som (sonificação) — o que muitas vezes torna o conteúdo mais fácil de compreender. Por exemplo:
- Planet Money: “U.S. Home Prices, Sung As Opera“
- The World: Música para ilustrar apagões numa reportagem
- Reveal: Estatísticas de sismos traduzidas em som
O podcast “Loud Numbers” usa esta técnica em todos os episódios, para histórias que vão desde a época de incêndios florestais no Canadá até à degustação de cerveja e à economia dos EUA. Também acolhe uma comunidade para “sonificadores”. Pode encontrar ferramentas para converter dados em música no Data Sonification Toolkit.
Alternativamente, os dados podem ser transformados — materializados — em algo tangível que possa ser experienciado fisicamente. As duas formas mais comuns são como objetos num espaço expositivo — por exemplo, uma pilha de grãos de arroz simbolizando um determinado número de pessoas — e objetos decorativos ou de vestuário, como uma pulseira ou trabalho de crochet.
6. Personalizar/utilizar
Os dados abrem todo o tipo de possibilidades em torno da interatividade em geral — e da personalização em particular.
Pelo menos quatro tipos de personalização podem ser identificados na narrativa de dados:
- Personalização demográfica (por exemplo, personalização geográfica ou financeira)
- Correspondência de crenças (por exemplo, políticas partidárias)
- Personalização de interesses (por exemplo, páginas iniciais personalizadas)
- Personalização de conhecimento (por exemplo, nível de detalhe, extensões de navegador e jogos)
A personalização demográfica permite que um utilizador veja como “pessoas como eu” são afetadas por um problema ou política. A personalização geográfica é o exemplo mais comum: pode ser fornecida através de mapas interativos — mas também pode ser feita através de menus dropdown ou caixas de pesquisa onde o utilizador é convidado a inserir o seu código postal ou outras informações geográficas para descobrir como uma determinada questão está a desenrolar-se na sua cidade. Dados de geolocalização ou de redes sociais também podem ser utilizados.
As calculadoras personalizam a narrativa em torno de outras variáveis demográficas: salário, estado civil e padrões de consumo, por exemplo, podem ser usados para contar uma história sobre como um novo orçamento afetará o utilizador. O formato de calculadora também foi usado para personalizar histórias sobre inflação, obesidade, os ganhos de estrelas desportivas e celebridades, e término de relacionamentos.
A correspondência de crenças é mais frequentemente utilizada durante eleições, quando muitas equipas de dados produzem questionários interativos para ajudar a identificar o partido cujas políticas correspondem às suas.
A personalização de interesses tende a ocorrer ao nível do site, em vez do nível da história, onde uma página inicial pode ser personalizada para se concentrar nos interesses do utilizador (como a sua equipa desportiva favorita).
Mas também é possível ao nível da história, fornecendo diferentes níveis de detalhe com base no grau de interesse do utilizador no assunto. No passado, o “jornalismo estruturado” tornou isso possível. A IA agora torna esta abordagem muito mais fácil do ponto de vista técnico.
A personalização de conhecimento é muito semelhante: envolve personalizar a informação com base no conhecimento existente de uma pessoa. Um questionário é um exemplo simples: no final, as lacunas no conhecimento do utilizador são identificadas e preenchidas. Ou os sites podem pedir ao utilizador que descreva o seu nível de conhecimento — ou usar o seu histórico de leitura — antes de apresentar uma versão da história adequada a esse nível.
Os jogos muitas vezes fornecem implicitamente este tipo de personalização, pois o conhecimento e as crenças do utilizador moldam as decisões que toma, que por sua vez moldam a história. Decisões sobre um orçamento, ou no papel de um motorista da Uber, ajudam a “preencher as lacunas” sobre como poderiam ser as experiências resultantes dessas escolhas.
As extensões de navegador e a realidade aumentada (RA) são exemplos mais raros: ambas adicionam uma camada de conhecimento ao mundo do utilizador. Quem navega na Amazon com a extensão do The Markup instalada, por exemplo, verá os produtos de marca própria da plataforma “revelados”. E quem usa uma ferramenta de RA verá uma camada virtual adicionada aos seus arredores físicos.
Algumas destas formas têm sido subdesenvolvidas devido aos limites de tempo de desenvolvimento e de informação sobre os utilizadores, mas a IA generativa reduz as barreiras em ambos os casos: a vibe coding torna mais fácil do que nunca desenvolver páginas web interativas, dashboards e ferramentas; e os grandes modelos de linguagem podem agora “traduzir” facilmente informação com base no conhecimento, interesses ou demografia de um utilizador. O principal desafio ético da personalização é como equilibramos duas tensões concorrentes: envolver o público com o que é importante e garantir que as pessoas não fiquem isoladas das experiências de quem é diferente delas.
Se tiver exemplos interessantes de narrativa de dados para acrescentar aos listados acima, informe-me nos comentários ou no LinkedIn.
Traduzido com Claude Sonnet 4.5. Por favor, diga-me se encontrar algum erro nos comentários ou através do LinkedIn.
Online Journalism Blog 