データジャーナリズム

🔄 Quick Recall: 前のレッスンでAIを執筆・編集パートナーとして使う方法を学んだ。もう1つの強力な能力を加える——手動分析なら何週間もかかるデータセットからストーリーを発掘するAI活用。

データはどこにでもある。ストーリーは隠れている

政府機関は何千ものデータセットを公開している——予算、犯罪統計、環境報告、検査記録。企業は四半期報告書で財務の詳細を開示。NPOは成果データを公開。国勢調査はすべてのコミュニティの人口統計を描く。

これらのデータの大半は報道されない。面白くないからではなく、分析に時間と専門知識が必要で多くの報道機関がリソースを割けないから。AIはその方程式を変える。スプレッドシートの中のストーリーを見つけるのに、データサイエンティストである必要はない。

データをAIに読み込ませる

以下のデータセットを分析して：

[CSV/テーブルを貼り付け or ファイルをアップロード]

1. 最も重要な3つのトレンドを平易な言葉で説明
2. 外れ値や異常値を特定（記事になる可能性）
3. データから浮かぶ疑問を5つ挙げる
4. データの品質評価（欠損値、不整合など）
5. このデータを記事にする場合のリード案を2つ

パターンの検証

AIが「パターンがある」と言ったら、記者は3つを確認する：

1. データは正確か？

• 欠損値やエラーはないか
• 計測方法は一貫しているか
• 異なる時期のデータを比較していないか

2. パターンは統計的に有意か？

• 相関と因果を混同していないか
• サンプルサイズは十分か
• 期間を変えてもパターンは維持されるか

3. 原因は何か？

• パターンの背後にある「なぜ」は何か
• 専門家はどう説明するか
• 当事者に話を聞いたか

日本のデータジャーナリズム

ビジュアライゼーションの指示

以下のデータに最適なビジュアライゼーションを提案して：

データの内容：[概要]
読者に伝えたいポイント：[メインメッセージ]
掲載先：[Web/紙面/SNS]

1. 最適なチャートの種類と理由
2. 軸のラベルとタイトルの提案
3. ハイライトすべきデータポイント
4. 読者が誤解しないための注意点

✅ Quick Check: AIが「過去5年間でXが200%増加」と見つけた。記事にする前に何を確認する？ 1）絶対数——2件が6件になっても200%増。2）期間設定——なぜ5年？ 3年なら結論が変わるか。3）原因——増加は何によるものか。

エクササイズ：データからストーリーを探す

1. e-Statまたは公開データから自分の担当分野のデータセットを1つ取得
2. AIにトレンドと異常値を分析させる
3. 最も面白い発見を1つ選び、別のソースで検証
4. 記事のリード案をAIに2つ生成させる
5. 「記事にするために何を追加取材すべきか」をリスト化

Key Takeaways

• AIはコーディングなしでデータ分析を可能にする——自然言語でデータに質問できる
• パターンの発見は出発点。データ品質の確認、統計的有意性の検証、原因の調査が必須
• 方法論の透明性（データ出典、分析方法、制約）はデータジャーナリズムの信頼性の基盤
• 日本にはe-Stat、EDINET、情報公開制度など豊富な公開データ源がある
• データセットの相関はリード（手がかり）であって記事ではない——取材が記事にする

次のレッスン： ここまでのスキルを倫理の観点から再検証する——バイアス、開示、AIの「支援」と「執筆」の境界線。