İSTANBUL ÜNİVERSİTESİ

AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ

VERİ GAZETECİLİĞİ

ORTAK DERS (UZAKTAN EĞİTİM)

DR. ÖĞR. ÜYESİ SÜLEYMAN TÜRKOĞLU

İSTANBUL ÜNİVERSİTESİ

AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ

İSTANBUL ÜNİVERSİTESİ

AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ

ORTAK DERS (UZAKTAN EĞİTİM) LİSANS PROGRAMI

VERİ GAZETECİLİĞİ

Dr. Öğr. Üyesi Süleyman TÜRKOĞLU

I

ÖNSÖZ ......................................................................................................................... V

YAZAR NOTU ........................................................................................................... VI

1. VERİ GAZETECİLİĞİNİN TARİHİ VE KAYNAKLARI ................................. 1

Bu Bölümde Neler Öğreneceğiz? ............................................................................... 2

Bölüm Hakkında İlgi Oluşturan Sorular..................................................................... 3

Anahtar Kavramlar ..................................................................................................... 4

Giriş ............................................................................................................................ 5

1.1. Veri Gazeteciliği Kavramının Ortaya Çıkışı ve Gelişimi .................................... 6

1.2. Değişen Gazetecilik Anlayışı ve Veri Gazeteciliği ........................................... 10

2. BİLGİSAYAR DESTEKLİ HABERCİLİĞİN DÖNÜM NOKTASI:

İNTERNET VE WİKİLEAKS .............................................................................................. 14

2.1. Veri Gazeteciliği Neden Önemli? ..................................................................... 19

Bölüm Soruları ......................................................................................................... 21

3. GAZETECİLİKTE VERİNİN KULLANIMI ..................................................... 22

3.1. Büyük Veri ........................................................................................................ 23

4. VERİ ........................................................................................................................ 32

Ham Veri .................................................................................................................. 33

Veri ........................................................................................................................... 33

Temel Kavramlar ...................................................................................................... 33

Veri Seti .................................................................................................................... 34

Veri Türleri ............................................................................................................... 35

Nitel Veri .................................................................................................................. 35

Nicel Veri ................................................................................................................. 35

Kategorik Veri .......................................................................................................... 36

Yapılandırılmamış Veriye karşı Yapılandırılmış Veri ............................................. 37

Yapılandırılmamış veri ............................................................................................. 37

Yapılandırılmamış Veriye karşı Yapılandırılmış Veri ............................................. 37

4.1. Uluslararası Veri ................................................................................................ 38

Uluslararası Veri Örnekleri ...................................................................................... 39

Uluslararası Veri Kaynakları .................................................................................... 39

Diğer Uluslararası Veri Kaynakları .......................................................................... 40

4.2. Ulusal Veri......................................................................................................... 41

II

Ulusal Veri Örnekleri ............................................................................................... 41

Ulusal Veri Kaynakları ............................................................................................. 42

5. Sivil Veri:Sosyal Medya, Kitle kaynak ................................................................. 44

Sivil Veri Örnekleri .................................................................................................. 45

Sivil Veri Kaynakları ................................................................................................ 47

Kitle kaynak (crowdsourcing) .................................................................................. 47

Kitle Kaynak Örnekleri ............................................................................................ 48

5.1. Türkiye’den Örnek Veri Haberciliği Çalışmaları .............................................. 49

5.2. Veri Arama Araçları .......................................................................................... 50

6. Açık Veri, Açık Toplum, Açık Devlet ve Veri Gazeteciliği ................................. 52

6.1. Neden Açık Veri? .............................................................................................. 53

Okuma Önerileri ....................................................................................................... 56

7. AÇIK VERİ VE TEMELLERİ ............................................................................. 59

7.1. Açık Veri ve Açık Bilgi ..................................................................................... 62

3 Mart Dünya Açık Veri Günü ................................................................................. 63

Veri Neden Açılmalıdır? .......................................................................................... 63

Veri Neden Açılır? ................................................................................................... 63

Veri Hangi Durumda Açık Sayılır? .......................................................................... 64

7.2. Açık Verinin Yapısı ........................................................................................... 64

Veri Nasıl Açılır ? .................................................................................................... 65

7.3. Açık Devlet Verisi, Açık Devlet ve Açık Yönetim Ortaklığı ........................... 66

Açık Devletin Bileşenleri ......................................................................................... 66

7.4. Türkiye’de Açık Devlet Kavramı ...................................................................... 70

7.5. Açık Yönetim Ortaklığı ..................................................................................... 73

7.6. Açık Veri Endeksi ............................................................................................. 78

8. AÇIK VERİ ENDEKSİNDE TÜRKİYE.............................................................. 80

9. VERİ GAZETECİSİ GİBİ DÜŞÜNMEK ............................................................ 94

Dünya Nasıl Tanımlıyor? ......................................................................................... 96

Neden şimdi önem kazanıyor? ................................................................................. 96

Veri Gazeteciliği Yapma Süreci ............................................................................... 97

Veri Gazetecisi / Veri Muhabiri Kimdir? ................................................................. 99

Veri Gazeteciliği Siteleri ve Veri Gazetecileri ......................................................... 99

Veri Gazeteciliği Araçları Nelerdir? ...................................................................... 100

III

Veri İşleme (Temizleme Süreci) ............................................................................ 101

Veri Gazeteciliği Ödülleri ...................................................................................... 101

10. VERİ ANALİZİ VE YORUMLAMA ............................................................... 107

Herkes İçin Temel İstatistik.................................................................................... 111

Veri Tipleri ............................................................................................................. 113

Popülasyon ve Örneklem ........................................................................................ 114

Merkezi Eğilimi Ölçmek ........................................................................................ 115

Aritmetik Ortalama ................................................................................................. 117

Ortanca / Medyan ................................................................................................... 117

Tepe değeri ............................................................................................................. 117

Video destekli örnek ............................................................................................... 118

Çalışma Soruları ..................................................................................................... 119

11. DAĞILIMI / FARKLILAŞMAYI ÖLÇMEK ................................................. 121

Standart Sapma Açık Formülü ............................................................................... 124

Excel & Özet Tablo ile Veri Analizi ...................................................................... 126

PDF'den ve Web'den Veri Kazıma ......................................................................... 131

Tabula ile PDF’den Veri Kazıma ........................................................................... 133

Web Sayfasından Veri Kazıma .............................................................................. 134

Dağınık Veri Temizleme ........................................................................................ 136

12. VERİ GÖRSELLEŞTİRME ............................................................................. 138

Diyagram neyi anlatıyor? ....................................................................................... 139

Veri Görselleştirme Nedir?..................................................................................... 140

Veri Görselleştirmenin Kökleri ve Tipleri ............................................................. 142

Veri Görselleştirme Süreci ..................................................................................... 142

Veri Görselleştirmenin Sınırları ............................................................................. 143

Görsel Etik .............................................................................................................. 143

Okuma Parçaları ve Forum ..................................................................................... 144

Veri Görselleştirme Kuralları ................................................................................. 144

Bazı Temel Veri Görselleştirme Kuralları ............................................................. 145

Veri Nasıl Sunulur .................................................................................................. 146

Veri Görselleştirmeyi Geliştirme Yöntemleri ........................................................ 147

13. VERİ GÖRSELLEŞTİRME ELEMENTLERİ............................................... 151

Füzyon Tablo ile Haritalandırma............................................................................ 157

IV

Coğrafi Bilgi Sistemi Nedir (CBS)......................................................................... 157

14. VERİ İLE HİKAYE ANLATMA ..................................................................... 159

Bulguları Gözden Geçirme ..................................................................................... 161

Araştırma ile ilgili bir ya da iki istatistiki noktaya odaklanma .............................. 162

V

ÖNSÖZ

Teknolojide yaşanan değişimler ve bunun sonucunda bir bilişim devriminin gerçekleşmesi

gazetecilerin haber elde etme yöntemlerini de geliştirmiştir. Bilgisayar ve internet alanında yaşanan

bu gelişmeler gazetecilik mesleğini de etkilemiş ve veri gazeteciliği kavramının ortaya çıkmasına

neden olmuştur. Veri gazeteciliği, açık verilerin kullanıldığı ve haberciliğin temelini oluşturan

hikâyenin kurulmasında çevrimiçi raporlamadan faydalanılan bir sistemi ifade etmektedir. Haber

dağıtım ortamının ve haber tüketim alışkanlarının değişimi, gerek haber kuruluşlarını gerekse

gazetecileri yeni bir alana doğru yöneltmiştir. Bu alan ücretsiz ve sınırsız kaynağı olan

yapılandırılmamış verinin bolca bulunduğu bir yer olan İnternet’tir. Günümüzde neredeyse her şeyin

sayılarla ifade edildiği bir başka deyişle sayısallaştığı ortamda, veri gazeteciliği için İnternet en önemli

mecra olmuştur.

Veri gazeteciliğinin etkili kullanılabilmesi için verinin temiz, analiz edilebilir olması ve

sonunda öyküye dönüştürülebilecek formata getirilmesi gerekmektedir. Bu nedenle veri

gazetecilerinin ilk görevi verinin gereksizlikten arındırılıp çeşitli teknikler ile birleştirilerek öykünün

oluşturulmasıdır. Habercilik alanının yeni bir yönü olan veri gazeteciliği kavramının ve süreçlerinin

açıklanması bu dersin temel amacıdır. Yöntem olarak betimsel araştırma yöntemi kullanılmış ve veri

gazeteciliği haber örnekleri değerlendirilmeleri üzerinden dersin pekiştirilmesine çalışılmıştır. Ders

kapsamında geleneksel gazeteciliğin veri gazeteciliğine dönüşümü ve veri gazeteciliği kavramının

gazetecilik anlayışına etkilerinin detaylıca ele alınması hedeflenmektedir.

Haberin veriler ile hikâyeleştirilerek sunulması yeni bir akım olarak görünmekle birlikte

haberin güvenilirliği ve açık kaynak verilerinin halkın bilgisine nasıl sunulacağı ile alakalı sorunları

da beraberinde getirmektedir. Bilişim sitemlerini kullanarak tutarlı bilgileri halkın anlayışına sunan

bu yeni habercilik anlayışının geleneksel habercilik anlayışında değişime neden olacağı

öngörülmektedir.

VI

YAZAR NOTU

Dünya bugün görülmemiş oranda veriyle sarılı ve bu, haber merkezleri için inanılmaz bir

kaynak anlamına geliyor. Verinin toplanması, işlenmesi, analiz edilmesi ve haberin bir parçası

haline gelmesi artan veri setleri ve geliştirilen araçlarla daha güvenilir içerikler oluşturulmasına

olanak sağlıyor. Haber içeriğinin raf ömrünü uzatan ve içerik üzerinden daha fazla değer

ayıklamayı sağlayan bu alan; 1990’lı yıllarda veritabanı gazeteciliği üzerinden şekillenmiştir.

Teknolojideki gelişmelerle medya endüstrisinde son yıllarda gerçekleşen dönüşüm eğilimleri,

haber merkezlerinde yeni iş tanımlarına ve istihdam yapılarının oluşumuna neden olmuş, çevrimiçi

gazeteciliği, çözüm gazeteciliği, ağ gazeteciliği, veritabanı gazeteciliği, veri gazeteciliği,

multimedya gazeteciliği, İnternet haberciliği, mobil gazetecilik gibi adlarla anılan yeni gazetecilik

uygulamaları ortaya çıkmıştır. Son on yılda, gelişmiş teknoloji ve açık İnternet haberin daha iyi

üretilebilip, dağıtılıp, okuyucuya ulaşmasında devrim yaratmıştır.

Bu dersin ve bu kitabın yeni medya alanının önemli aktöreleri haline gelen ve artık

mesleğini yapabilmek için yeni teknolojileri kullanabilmek, becerilerini arttırmak zorunda olan

gazetecilerin eğitimine katkı sağlayacağına inanıyorum.

1

1. VERİ GAZETECİLİĞİNİN TARİHİ VE KAYNAKLARI

2

Bu Bölümde Neler Öğreneceğiz?

İlk bölümde, veri gazeteciliğinin tanımı ve kavramsal çerçevesine ilişkin temel bilgileri

edinerek, açık verilerin kullanıldığı ve haberciliğin temelini oluşturan hikâyenin kurulmasında

başlangıç noktasını oluşturan bu yeni gazetecilik uygulamalarını irdeleyeceğiz. Haber dağıtım

ortamından haber tüketim alışkanlarına uzanan bir süreçte haber kuruluşları ile gazetecileri yeni

bir alana doğru yönelten, gazeteciliğin değişimine ve beraberinde gündeme gelen tartışmalara

etkisiyle “veri gazeteciliği”ni gözden geçireceğiz.

3

Bölüm Hakkında İlgi Oluşturan Sorular

1) Veri gazeteciliği uygulamalarının kökeni nereye dayanmaktadır?

2) Veri gazeteciliği kavramı ilk kez ne zaman kullanılmaya başlanmıştır?

3) Geleneksel habercilikten modernleşme sürecine geçişte neler etkili olmuştur?

4) Veri gazeteciliğinin ilk örnek çalışmaları nelerdir?

4

Anahtar Kavramlar

veri, veri gazeteciliği, internet, spreadsheet, information, data journalism, wikileaks

5

Giriş

20. yüzyılda hız kazanan bilim ve teknik alanındaki çalışmalar, bölgesel ve küresel

savaşlar gibi pek çok olayın etkisiyle bilgisayar ve iletişim teknolojilerine oldukça önem

verilmiştir. Teknolojik gelişim hemen hemen her alanda ciddi değişikliklere yol açarken,

bilgisayarların giderek ucuzlaması ve iletişim ağlarının daha fazla yaygınlık kazanması

dijitalleşme süreçlerinin başlamasına ve verinin daha hızlı bir şekilde dönüşüme uğrayıp

aktarılmasına yol açmıştır.

Verinin hızlı aktarımı ve dönüşümü bilişim araçları ve internet olgusu ile birleştiğinde

devasa bir veri akışı ortaya çıkmış ve günümüzde veri, başta bilgi ve iş süreçleri ile iletişim

ağlarında sıkça başvurulan bir meta haline gelmiştir.

Gittikçe daha fazla yaygınlık kazanan verinin çeşitli süreçlerden geçerek bilgiye

dönüşmesi, bilgiye olan ihtiyacı artırmış ve zaman içinde oluşan bilgi bolluğu da bilgi

toplumunun oluşmasının önünü açmıştır. Bilgi toplumu ile birlikte iletişim ve haber alma

süreçleri de değişikliğe uğramıştır. Değişen ve dönüşüme uğrayan haber alma, verme ve yayma

süreçleri sonucunda gazete ve gazeteciler de bu dönüşüme ayak uydurmak için geleneksel haber

elde etme ve yayma süreçlerinde değişikliğe gitmek zorunda kalmışlardır.

Geleneksel anlamda gazeteciliğin metaları olan basılı gazetelerden elde edilen haber,

bildiğimiz mecraların dışarısına çıkmış, habere erişim ve haber yaratım aracı olarak kullanılan

bilgisayarlar, yerlerini mobil cihazlara bırakmıştır. İnternetin sağladığı kişiselleştirme,

yöndeşme ve etkileşim kavramları ile haberin okunması ve yorumlanması süreçleri de insanlar

tarafından farklı algılanmıştır. Bu farklı algılanma ve internetin sağladığı avantajlar, okurların

haber alma davranışlarından, gazetecilerin haber verme ve medya kurumlarının da haberleri

sunma teknikleri kadar bütün çalışma şekillerinin farklılaşmasına yol açmıştır.

İnternetin iletişim üzerindeki etkileri konusunda çalışmalarıyla öne çıkan Manuel

Castells şu yorumda bulunmuştur:

İnternet, sahip olduğu çeşitli teknik özellikler sayesinde gazete, radyo ve televizyon gibi artık

geleneksel olarak tanımlanan iletişim araçlarından radikal bir şekilde farklılaşmaktadır. İnternetle

birlikte tarihte ilk defa, çeşitli iletişim biçimleri etkileşimli bir ağ içinde bütünleşmekte; insan

iletişiminin yazılı, sözlü, görsel-işitsel biçimlerini birleştiren bir hipermetin ve meta-dil oluşmaktadır.

Metnin, görüntünün ve sesin, seçilmiş bir zaman diliminde, açık, erişimin mâli bakımdan sorun olmadığı

küresel bir ağ içinde çok farklı noktalardan etkileşim içinde olarak aynı sistem içinde bütünleşme

potansiyeli, iletişimin karakterini de radikal olarak değiştirmektedir.1

Yirminci yüzyılın sonunda öne çıkarak toplumsal yaşamı en çok etkileyen kavramlar

arasında internet özel ilgi konusu olmuş ve beraberinde iletişim teknolojilerindeki gelişmelerin

baş döndürücü hızı sayesinde medya her zamankinden farklı ve güçlü yeni bir alan kazanmıştır.

1 Manuel Castells, Ağ toplumunun Yükselişi, İstanbul: Bilgi Üniversitesi Yayınları, s. 440

6

Bütün bunların sonucunda gazetecilik mesleğini yerine getiren insanların büyük bir

bölümü geleneksel haber elde etme yöntemlerini değiştirerek yeni yüz yıla damgasını vuran

internet mecrasına yönelmişlerdir. Günümüzde gazeteciler internet üzerinde yer alan sınırsız

veri ve veri tabanları üzerinden haber çıkarmaya çalışmakta eski arşivlere ulaşarak ya da diğer

çevrimiçi bilgi ve belgeleri elde ederek bu veriler arasından çıkarım yapma ve bunları

okuyuculara haber olarak aktarmaya çaba göstermektedir.

İnternet üzerinde yer alan sınırsız içerik, gazetecilere, geleneksel olarak yapacakları

haberler için yol gösterici ve kaynak olarak alabilecekleri bir alan olarak görünmektedir.

İnternet aracılığıyla alternatif kaynaklara sahip olan gazeteciler ellerinde olmayan bilgileri

diğer ajans ya da kurumların kaynaklarından elde ederek hızlı bir şekilde karşılaştırma yapma

avantajlarına sahiptir. Bu durum onları belirli kurum ya da görevlilerin bilgileriyle sınırlı

kalmaktan kurtarmıştır. İnternetin sayısız avantajı, sayısallaşma ile verinin iletişim süreçlerinde

kullanımı veri gazeteciliği kavramını doğurmuştur.

1.1. Veri Gazeteciliği Kavramının Ortaya Çıkışı ve Gelişimi

Veri Gazeteciliği El Kitabı’nın (Data Journalism Handbook) açıklama bölümünde

kitabın editörlerinden Liliana Bounegru’nun da belirttiği gibi veriyi haberin kaynağı olarak

görme fikri çok eskilere dayanıyor; gazeteciler haberi zenginleştirmek ve tartışmaya açmak

adına veriyi yüzyıllardır kullanıyor.2

Guardian Datablog’un veri gazeteciliği el kitabında Simon Rogers ilk veri gazeteciliği

örneğinden bahsederken veri gazeteciliğinin kökeninin 18.yüzyıla dayandığını anlatarak o

dönemde öğrencilerin kayıt yaptırma maliyetinin yer aldığı veri güdümlü bir haberden

bahsetmektedir. Bu örnekle aslında veri ve gazetecilik ilişkisinin çok eskilere dayandığını

anlatmaktadır. 3 Türkiye’de Cumhuriyet Gazetesi’nin 1930’lu yıllara dair sayfaları

incelendiğinde de veriye dayalı haberler ve elle hazırlanmış grafikler görülebilmektedir.

Kökü çok eskiye dayansa da veri gazeteciliğinin (data journalism) yapılanması 21.

yüzyıla ait bir tanım olarak karşımıza çıkmakta ve terminolojisi de böyle şekil almaktadır.

Nitekim Simon Rogers veri gazeteciliği terimini ilk olarak Washington Post’un genç yazılımcısı

ve EveryBlock’un kurucusu Adrian Holovaty4’den duyduğunu belirtmiştir. Bugün Avrupalı

gazeteciler, kökeni çok daha eskilere dayanan bu kavramı anlatırken de Holovaty’in ismini

kullanırlar. Holovaty, 2006 yılında yaptığı bir açıklamada gazetelerin web sitelerinin

değişikliğe ihtiyacı olduğundan bahsederek verinin medya kurumları tarafından nasıl

görüldüğüne ve veriye nasıl davranıldığına dikkat çeken açıklamalarda bulunmuştur.

Bu önemli açıklama Bill Adair ve Matt Waite’e “Doğruluk Payı” web sitelerinin

kurulması için ilham vermiş ve bu şekilde kurulan ilk web sitesi PolitiFact5, 2009 yılında

2 Liliana Bounegru, Lucy Chambers, Jonathan Gray, Data Journalism Handbook,

http://www.datajournalismhandbook.org/1.0/en/introduction.html 3 Guardian Blog Data Journalism, www.theguardian.com/data 4 Adrian Holovaty, “Database Journalism or Structured Journalism”,

https://en.wikipedia.org/wiki/Database_journalism 5 PolitiFact, www.politifact.com

7

Pulitzer Ödülü almıştır. Şimdilerde pek çok ülkede rastlanan, siyasetçilerin konuşmalarını ve

iddialarını günlük olarak analiz edip seçim vaatlerinin gerçekleşme oranlarını takip eden

Doğruluk Payı web sitelerinin Türkiye versiyonu “http://www.dogrulukpayi.com” da ilk kez

2014 yılında yayına başlamıştır.6

Küresel ölçekte veri gazeteciliğinin kullanımına ivme katan aşama ise World Wide

Web’in kurucusu Tim Berners-Lee7’nin 2010 yılında, veri analizi için “gazeteciliğin geleceği”

tanımında bulunmasının ardından başlatılan tartışmalar sonucunda devletlerin verilerini daha

fazla açması fikrinin ortaya çıkışı olmuştur. Günümüzde sık duyduğumuz açık veri ve açık

hükümet kavramları da ilk kez bu tartışmalarda kullanılmaya başlanmış ve Açık Hükümet

Ortaklığı (Open Government Partnership) oluşumu da bu sayede 2011 yılında kurulmuştur.

Türkiye’nin de 2012’de imza atan ülkeler arasında yer aldığı bu oluşum, ilerleyen

bölümlerde anlatılacağı üzere veri gazeteciliği ile ilişkili bir süreci de kapsamaktadır.8 Bu resmî

gelişmelerden henüz bir yıl öncesinde ise Guardian veri gazeteciliği olarak bugün şekillenen

ilk çalışmaların yapıldığı Datablog’u kurmuştur. Devletin ve siyasilerin, yapılan harcamaları

düzenli olarak yayımladığı pdf formatındaki verileri, analiz edilir bir hale getirerek

görselleştirmesi ile başlayan Guardian’ın bu girişimi, yerel kamuoyunda kısa sürede gündem

yaratmış ve bu harcamalar günümüzde de güncellenerek daha görünür olmayı sürdürürmüştür.

2014 Aralık ayında düzenlenen Uluslararası Açık Veri Endeksi’nde (Global Open Data Index)

Britanya; temel verilerde yüzde 97 ile en açık ülke konumunda iken Türkiye ise bu endekste

yüzde 53 olarak görülmektedir.9 2013 yılından itibaren İnternet’te online olarak yayınlanan bu

endeks her yıl güncellenmektedir.

2010 Temmuz ayında Guardian, Wikileaks tarafından sızdırılan binlerce Afganistan

savaş kayıtlarını bugün artık veri gazeteciliği araçları olarak kabul ettiğimiz araçları kullanarak

yayımlamaya başlamıştır. Bunu takip eden yılın ardından özellikle medya dünyasında (Batı ve

Amerikan medyası) veri gazeteciliği kavramı hızla yayılmaya başlamıştır.10

Aşağıdaki grafikte de görüleceği gibi “Data Journalism” tanımı 2009 yılının sonlarına

doğru İnternet’te araştırılan kavramlar arasına girmiştir. Bu verilere göre 2009’dan önce böyle

bir kavram bulunmuyor. (19 Şubat 2018 Google Trends, 13:22)

6 Radikal,“Doğruluk Payı'nda siyaset mercek altında”, http://www.radikal.com.tr/politika/dogruluk-

payinda-siyaset-mercek-altinda-1516280/ 7 “Analysing data is the future for journalists, says Tim Berners-Lee”,

https://www.theguardian.com/media/2010/nov/22/data-analysis-tim-berners-lee 8 Open Government Partnership, www.opengovpartnership.org 9 Global Open Data Indeks, http://global.census.okfn.org https://en.wikipedia.org/wiki/WikiLeaks 10 Guardian Datablog, https://www.theguardian.com/news/datablog/2010/jul/27/wikileaks-afghanistan-

data-datajournalism

8

Grafik 1: Google Trends verilerine göre Data Journalism kavramı 2009 yılının son aylarından itibaren

araştırılan popüler konular arasında. 2009’dan öncesine dair ise hiçbir veri yok.11

Veri gazeteciliği kavramının kullanımı Araştırmacı Gazetecilik Ağı tarafından da kabul

görmüş ve 2014 yılında Ulusal Bilgisayar Destekli Habercilik Enstitüsü (NICAR)’ın 20’den

fazla ülkeden binlerce gazetecinin katıldığı NICAR Baltimore toplantılarındaki katılımcıların

pek çoğu kendilerini tanımlarken veri gazetecisi tanımını kullanmıştır.12

Mesleki terminolojide kendine yer edinen ve giderek yaygın olarak kullanılmaya

başlandığı bir süreçte, 2014 yılında, istatistikçi ve yazar Nate Silver’ın günlük veri gazeteciliği

yapacağını belirterek FiveThirtyEight.com’u kurması; bunu Vox Media’nın takip etmesi

medyada büyük yankı yaratmıştır. Ardından New York Times; UpShot’ı, Washington Post veri

bölümü girişimlerini kurmuş ve böylece veri gazeteciliği alanında çalışmalar yapmaya başlayan

medya kurumlarının sayısı da artmıştır. Günümüze kadar giderek artan bu ilgiye zamanla

Asya’dan ve Afrika’dan çeşitli yayın organları da eklenmiştir.13 Bu alanda eğitim vermek için

hayata geçirilen ilk kurumlar arasında yer alan School of Data, Data Driven Journalism gibi,

dünyanın pek çok noktasında farklı dillerde kurulmaya başlanan benzer oluşumlar da

faaliyetlerine devam etmektedir.

Türkiye’de 2012 yılından bu yana hizmet veren www.verigazeteciligi.com da bunlardan

birisidir. Tüm bu gelişmelerin ışığında veri gazeteciliği araçları olarak artık, yer alan açık

kaynak veriyi filtrelemeye, temizlemeye, analiz etmeye, görselleştirmeye yarayan, kod bilgisi

gerektirmeyen araçlar da gelişmeye başlamıştır. Veri gazetecilerinin açık kaynak olarak

kullanımına sunulan ve her geçen gün yenilerinin eklendiği pek çok araca artık, ücretsiz olarak

ulaşmak mümkün. Çevrimiçi araçlar ve açık kaynak yazılımlar aracılığıyla; veriyi toplayabilen,

hızlı analiz eden, temizleyip etkileşimli (interaktif) haber olarak, mobil uygulamada, harita ve

grafik olarak kullanılabilen, sürekli gelişen bir dijital ortam sağlanmıştır. Bu iklimde veri

11 https://trends.google.com/trends/explore?date=2006-01-01%202018-02-19&q="Data%20Journalism" 12 www.ire.org/nicar www.nytimes.com/section/upshot www.washingtonpost.com/blogs/wonkblog 13 Dünya Genelinde Veri Gazeteciliği Siteleri,

www.verigazeteciligi.com/dunyagenelindeverigazeteciligisiteleri

9

gazetecilerinin böylesi bir çalışma disiplininin içine giriyor olması; temel istatistikten yola

çıkan web tabanlı elektronik tabloların (spreadsheet) kullanılarak karışık verilerin analiz

edilerek görselleştirildiği ve nihayetinde de programlamalı, hesaplamalı bir gazeteciliğin

yapılabilirliğini sağlamaktadır. Bu durum aynı zamanda gazetecilerin veri okuryazarlığı (Data

Literacy) alanında da gelişmelerine katkı sağlamaktadır.

International Data Corporation (IDC)’ın 2015 yılının başında yayımladığı raporda on

yıl içinde veri hacminin 40 kattan fazla büyüyeceğini duyurmaktadır. Tüm bu veri sirkülasyonu

ve bağlı ağlar yeni imkânlar doğururken beraberinde hem medyanın hem de veriye dayalı

gelişen her sektörün karşısına zorluklar da çıkarmaktadır.14 Haber akışının durdurulamadığı,

verinin de haberin bir kaynağı olarak giderek daha fazla önem kazanması, akan verinin

teknolojik alt yapıyla toplanıyor, kontrol edilebiliyor, doğrulanabiliyor olması; medya

kurumlarının veriyi habere en hızlı, en doğru şekilde dahil etmelerinin de yolunu açmaktadır.

Bu süreçte tabii ki hem hızlı olmanız, hem akan veride haberiniz ile ilgili olanı bulmanız, işinize

yarayanı ayıklayıp, düzenleyip, analiz edip, haberinizin kalitesinin artmasını sağlamanız

isteniyor.15 Ancak bu alanda çalışan gazetecilerin algoritmayı kullanması ya da bilgisayar

destekli çalışmasından öte, aslında veriyi nasıl, nerede, neden ve kim için kullandığı daha fazla

önem kazanmaktadır.

Grafik 2: Aşağıdaki grafik, Amerikalı gazetecilerin yüzde 28.1'nin veri gazeteciliği eğitimi almak istediğini,

yüzde 26,9'unun ise belge ve kayıtların kullanımına yönelik eğitilmek istediğini gösteriyor. 2013

tarihli bu araştırmanın şimdilerde daha da yükselmiş olacağını belirtebiliriz.16

14 https://dagmedya.net/2015/06/05/idc-verilerine-gore-on-yil-icinde-veri-hacmi-40-kattan-fazla-buyuyecek/ 15 idcverilerinegoreonyilicindeverihacmi40kattanfazlabuyuyecek/

3 Alexander Benjamin Howard, The Art and Science of Data Driven Journalism, http://towcenter.org/wp-

content/uploads/2014/05/Tow-Center-Data-Driven-Journalism.pdf 16 “Interview| Using data to transform journalism”, http://www.verigazeteciligi.com/interview-using-

data-to-transform-journalism/

10

Türkiye için yavaş gelişse de, veri gazetecileri (data journalist) dünyada pek çok haber

merkezinin son dönemlerde en fazla istihdam etmeye çalıştığı meslek grupları arasında. Veri

gazeteciliğine, ‘gazeteciliğin geleceği’ denildiğinde bu aslında ‘gazetecilerin de geleceği’

anlamına gelmektedir.

Veri gazeteciliği / açık veri gazeteciliği / araştırmacı veri gazeteciliği modelleri ile

tanımı sürekli zenginleşen bir alan. Gazeteciler bu alanı veri ile gazetecilik yapmak olarak

tanımlamaktalar. Günümüzde veri tabanlı gazetecilik; bilgisayar tabanlı habercilik ile evrilen

binlerce veri setinin, Wikileaks verilerinde olduğu gibi medyaya sızdırıldığı (bugün buna

Swissleaks, Luxleaks, Afrikaleaks gibi yenilerinin eklendiği), bu büyük sızıntı veriler ile gitgide

daha fazla büyüyen, daha fazla ihtiyaç ve uygulama alanı bulan bir alana uzanmaktadır. Veri

gazeteciliği, veri güdümlü gazetecilik, veriye dayalı gazetecilik olarak anılabilen bu çalışmalar

özellikle Amerikan ve Avrupa medyasında önemli bir yere oturmaktadır.17

Medya artık her şeyden biraz anlayan, veriyi olumlu anlamda maniple edebilen, analiz

edebilen ve yorumlayabilen muhabirleri haber merkezinin bir parçası yapıyor. Propublica’nın

tecrübeli yönetici editörü Scott Klein,“Haber merkezlerinde muhabirler artık veriyi anlamaya

başlamalı, eğer veriyi analiz edemiyor ve yorumlayamıyorsanız sizden daha hızlı olanlar çıkar.”

diyerek bu alanda kendiniz gelişmezseniz işinizi kaptırabileceğinize dair uyarıda bulunuyor.18

Klein açıklamasının devamında ise, “Bir spor muhabirinin temel yüzdelikleri

bilmediğini ya da kendi başına bir hesaplama yapamadığını düşünebiliyor musunuz?” sorusuyla

bu duruma dikkat çekiyor.

Propublica’dan bir başka isim haber uygulamaları ekibinden gazeteci Sisi Wei ise

Kolombiya Gazetecilik Okulu’ndan Alexander Howard’a verdiği röportajda, “Veri ile çalışma

becerileri sizi daha iyi bir gazeteci.” yapar demektedir. 19 Avrupalı veri gazetecileri

Journalism++ ekibi tarafından kurulan dünyanın pek çok bölgesinden veri gazetecilerinin

kendilerini ekledikleri Küresel Veri Gazetecileri Rehberi (Global Data Journalist Directory)

incelendiğinde ise 40 ülkeden 661 kişinin yer aldığı açık rehberde veri gazetecilerinin

profillerinde veri ile ilgili en az üç disiplini yapabildikleri görülüyor. Mesleki tanımlar arasında

veri muhabiri, veri gazetecisi, veritabanı gazetecisi, veri görselleştirme editörü, veri analisti,

açık veri gazetecisi, araştırmacı veri gazetecisi yer alıyor.20

1.2. Değişen Gazetecilik Anlayışı ve Veri Gazeteciliği

Tarih boyunca gazetecilik, teknolojinin çeşitli etkileriyle birçok kez yeniden

şekillenmek zorunda kalmıştır. Gazetecilik anlayışı ve gazetecilik uygulamaları sürekli yeni

17 https://tr.wikipedia.org/wiki/WikiLeaks

https://en.wikipedia.org/wiki/Swiss_Leaks

https://en.wikipedia.org/wiki/Luxembourg_Leaks

https://www.facebook.com/pages/AfrikaLeaksOrganisation/119409644822940 18 Alexander Benjamin Howard, The Art and Science of Data Driven Journalism,

http://towcenter.org/wp-content/uploads/2014/05/Tow-Center-Data-Driven-Journalism.pdf s.8 19 “Data skills make you a better journalist, says ProPublica’s Sisi Wei”

https://towcenter.org/data-skills-make-you-a-better-journalist-says-propublicas-sisi-wei/ 20 Global Data Journalist Directory, http://jplusplus.github.io/globaldirectory/

11

çalışma alanlarıyla etkileşim halindedir. Öyle ki, 20. yüzyılın sonlarında bilgisayar destekli

habercilik, grafik tasarım ile birleşen gazetecilik, dijital fotoğraf gazeteciliği gibi

örneklendirebileceğimiz pek çok yeni çalışma alanları ortaya çıkmıştı.21 Gazeteciliğin yapılış

tarzını değiştiren bu köklü gelişmelerle klasik habercilik anlayışı, 21.yüzyılda da internetin ve

bilgisayar teknolojilerinin sağladığı olanaklar sayesinde yeni bir habercilik formatı olan veri

gazeteciliği ile zenginleşmeye devam etmektedir. 2006 yılından beri kamuoyu gündemine

gelmesine rağmen akademik olarak detaylı şekilde araştırılmadığından, habercilik anlayışına

yeni bir boyut kazandıran “veri gazeteciliği” kavramının tam olarak tanımlanması yakın bir

zamanda yapılmıştır. 2012 yılı içerisinde “Veri Gazeteciliği El Kitabı” isimli kitap yayınlanmış

ve veri gazeteciliğinin ilk kez işlem aşamaları ayrıntılı olarak bu kitapta tasvir edilmiştir.22

İlk yazılan veri gazeteciliği el kitabında da anlam arayışına gidilirken "veri" ve

"gazetecilik" terimlerinin her birini kendi başına tanımlamak kolay olmamıştır. Muhtemelen

"veri"nin sadece bilgisayar ortamındaki tablolarda yer alan sayılardan oluştuğu düşünülecektir.

20 yıl öncesi için belki bu gerçekten de söylenebilirdi; yani gazeteciler için veri ile çalışmanın

tek yöntemi bu olabilirdi o zamanlar. Ama sayısallaşan bir dönemdeyiz ve bu zamanda her şey

sayılarla tarif edilebilir.

Günümüzde çeşitli araştırmacılar ve yazarlar da veri gazeteciliğinin değişik tanımlarını

ortaya koymuşlardır. Bu tanımlamalara geçmeden önce veri kavramının açıklanması önem arz

etmektedir. Veri, tek başına anlam ifade etmeyen ham sembollerdir. Türk Dil Kurumu’nun

sözlüğünde veri şu şekilde tanımlanmaktadır:

Veri: İngilizce; “data”/Osmanlıca; “malumat”/Fransızca “donnée”

1-Bir araştırmanın, bir tartışmanın, bir muhakemenin temeli olan ana öğe, muta, done: İstatistik

veriler.

2-Bir sanat eserine veya bir edebî esere temel olan ana ilkeler: Bir romanın verileri.

3-Bilgi, data.

4-Matematik: Bir problemde bilinen, belirtilmiş anlatımlardan bilinmeyeni bulmaya yarayan şey.

5-Bilişim: Olgu, kavram veya komutların, iletişim, yorum ve işlem için elverişli biçimli

gösterimi.

6-Sonuç çıkarmak, çıkarsama yapmak, ya da bir incelemeyi sürdürmek için gerekli olaylara,

ilişkilere ve sayısal ham bilgilere verilen ad.

7-Bir araştırmada sorunun çözümünü sağlamak amacıyla derlenen bilgiler.23

Verinin tek başına bir anlam ifade etmemesi, verinin ele alınıp işlenmesini,

enformasyona dönüştürülmesini ve son olarak da araştırma, öğrenme ve gözlem sonucu bilginin

ortaya çıkarılması süreçlerini gerektirmektedir. Tüm bu süreçlerin habercilik anlayışı

çerçevesinden işlenmesi bizleri veri gazeteciliği kavramına götürmektedir. Bu bağlamda en

temel tanımıyla veri gazeteciliği; birbirinden bağımsız ya da birbiri ile bağlantılı olan genellikle

21 Matthew Powers,“In forms that are familiar and yet-to-be invented”: American journalism and the

discourse of technologically specific work, January 2012, http://jci.sagepub.com/content/36/1/24.full.pdf 22 Liliana Bounegru, Lucy Chambers, Jonathan Gray, The Data Journalism Handbook (How Journalists

Can Use Data to Improve The News), Sebastopol, CA: O’Reilly Media, 2012. 23 TDK, 2015, http://tdk.gov.tr/index.php?option=com_gts&arama=gts&guid=

TDK.GTS.56600109dae8b2.72351502

12

büyük çapta veri setlerinin incelenmesi, bu setlerde yer alan bağlantılar arasındaki ince

noktaları analiz etme ve okuma, tüm bu işlemlerin sonucu bu verilerden hikâye çıkarma işidir.

Bradshaw (2012) veri gazeteciliğine daha farklı bir bakış açısı ile yaklaşmaktadır. Ona

göre, “Veri gazeteciliği, geleneksel haberin yeni olanaklara sahip olması ve ayrıca çok büyük

ölçekli kitlelere dijital bilgi ile oluşturulmuş hikâyeyi yayma fırsatıdır.” Ayrıca programlama

veri gazeteciliğinin çekirdeğini oluşturmaktadır. Bilginin toplanması ve birleştirilmesi

süreçleri, binlerce doküman arasındaki bağlantıların sağlanması, grafiklerden interaktif

hikâyelerin oluşturulması, hükümetin gündeminde yer tutan verilerin işlenmesi ve bunlar

arasındaki bireysel bağlantıları kullanıp hikâye yaratma işi de bu çekirdeğin süreçleridir.24

Kuzey Carolina Üniversitesi eski öğretim üyesi Philip Meyer, veri gazeteciliğinin

kullanımına yönelik şu tanımlamayı yapar: “Veri gazeteciliği, veri ile ne yapacağını bilen

kişilerin yönettiği yeni hassas gazeteciliğin özüdür.”25 Veri gazeteciliği üzerine çalışmalarını

sürdüren Simon Rogers (2013) ise veri gazeteciliği eğilimine göndermede bulunur:

“Veri gazeteciliği” veya “bilgisayar destekli raporlama” Bunlar nedir? Bunları nasıl tanımlarsın?

Bunlar gerçek gazetecilik midir? Bana göre bunlar son dönemin elektronik habercilik eğilimleridir. Son

iki yıl içerisinde haberlerin raporlanmasında kullanılan elektronik tablolar, grafikler, veri analizlerini

içeren kullanımlar bu tanımlara yöneliktir.26

Tüm bu tanımlamaların ışığında veri gazeteciliği, geliştirilen veri işleme teknikleri,

verinin daha etkili kullanılması ve veriden hikâye çıkarılması üzerine dayanmaktadır. Yakın

gelecekte haber işleyen gazetecilik organizasyonları bu teknikler sayesinde büyük fırsatlar

yakalayacaklardır. Zira “www” (World Wide Web) mucidi Tim Berners-Lee de yakın bir

gelecekte veriyi yönetme işi olan veri gazeteciliğinin büyük önem kazanacağını ifade

etmektedir.27

Veri gazeteciliği bir bilgi ayıklama sürecinin haber sonucuna dönüştürülmesindeki

teknikleri ifade etmektedir. Dikkat gerektiren bu süreçler aynı zamanda programlı çalışmanın

ne kadar önemli olduğunu tekrar gündeme getirmiştir. Gazetecilikte programın önemini

vurgulayan Robert Niles ise veri gazeteciliğinde bilginin kullanımının üç yönüne vurgu

yapmaktadır:28

1. Bilginin Toplanması (Gathering information): Dokümanların incelenmesi, kaynaklarla

konuşulması, görselleştirmelerden yararlanması vb. gibi basit raporlama tekniklerinin kullanımı.”

24 Liliana Bounegru, Lucy Chambers, Jonathan Gray, The Data Journalism Handbook (How Journalists

Can Use Data to Improve The News), Sebastopol, CA: O’Reilly Media, 2012. 25 Cindy Royal & Dale Blasingame “Data journalism: An explication”, Isoj International Symposium on

Online Journalism, 15 April,2015, https://isojjournal.wordpress.com/2015/04/15/data-journalism-an-explication/ 26 Simon Roger, Facts Are Sacred: The Power of Data, London: Faber and Faber, 2013 27 European Journalism Centre, Data Driven Journalism, Retrieved September 27, 2012,

http://datadrivenjournalism.net/about/faq. 28 Robert Niles, ‘The Programmer as Journalist: a Q&A with Adrian Holovaty’, Online Journalism

Review, 2006.

13

2. Bilginin Damıtılması (Distilling information): Editöryel aşama olan bilginin damıtılması,

bilginin hangi aşamasının önemli ve birbiriyle bağlantılı olduğuna karar verilmesi süreçlerini içermektedir.”

3. Bilginin Sunulması (Presenting information): Bilginin haber formatına getirilip yayınlanması.

Gazeteciliğin bilişim teknolojileri ile dönüşümünün günümüz habercilik anlayışındaki

yansıması olan veri gazeteciliği, okur kitlenin haber okuma deneyimindeki yeni boyutunu

temsil etmektedir. Yukarıda bahsi geçen bilgi kullanımının bu üç önemli yönü, veri

gazeteciliğini bir roman konsepti olmaktan kurtarıp medya organizasyonlarının kullandığı

bilginin, habercilik yapısına uygun hale gelmesine yardımcı olmaktadır. Verinin habere

dönüşüm sürecini betimleyen bu üç aşama veri gazeteciliğinin temelleridir.

Veri gazetecilerinin önemle üzerinde durdukları bazı bileşenler vardır. Bunlar;

analizlerde kullanılan metodoloji, veri gazetecilerinin kullandıkları ve araştırdıkları ham

verinin arka planının ne olduğu yani verinin doğruluğu, yayınlanan içeriğin sonuç analizinin

gerçekliği ve tabii ki teknik. Veri gazeteciliğinin özü sayılarla haber anlatmak/sayılardan haber

bulmak ve veriye kaynak olarak yaklaşmaktır.

Missouri Gazetecilik Okulu’ndan Profesör David Herzog veri gazetecisinin yaptığı işi

tanımlarken, “Bir veri gazetecisi günlük şiddet verilerini web tabanlı elektronik tabloda

inceleyen bir polis muhabiri olabilir, şehir haberleri hazırlayan bilgisayar destekli çalışan bir

muhabir olabilir ya da televizyonda araştırma bölümünden sorumlu bir yapımcı, gazeteciler

için analiz aracı uygulaması geliştiren yazılımcı gazeteci olabilir” demektedir.

Temple Üniversitesi’nden Profesör Meredith Broussard ise, “Veri gazeteciliği

sayılardan haber çıkarabilme pratiği ve sayıları haber yazmak için kullanma. İyi bir veri

gazetecisi olmak, iyi bir gazeteci olmanın da yolunu açar. Veri güdümlü habercilik / veri

gazeteciliği okuyuculara, izleyicilere içeriğin daha fazla filtrelenip, analiz edilip, olgular ve

gerçekler üzerinden yalanlara yer verilmeden verinin kullanımını sağlamak anlamına geliyor.

Medya organlarının o hedefe ulaşması için ise farklı düşünüp hareket etmesi gerekiyor.” diyor.

14

2. BİLGİSAYAR DESTEKLİ HABERCİLİĞİN DÖNÜM NOKTASI:

İNTERNET VE WİKİLEAKS

15

Gazetecilik var olduğundan ve yapılıyor olduğundan beridir

gazeteciler haberi daha etkin ve daha güvenilir kılmak için

veriyle her zaman ilgilenmiştir. Bilginin her formu yüzyıllar

boyunca gazetecilik mesleğini icra edenlerin içinde olduğu

bir dünyayı kapsar. Haberin, aktarılan bilginin güvenirliğine

olan ihtiyacın orijin noktasını ise gazeteci Alexander

Benjamin Howard 2014’te yayımladığı The Art and Science

of Data Driven Journalism raporunda; beş asır öncesine

Avrupa Rönesansına dikkat çekerek aktarıyor. Antik

gazeteler özellikle Roma İmparatorluğu’nun günlük gazetesi

Acta Diurna ve tipao’lar (resmi kurum raporları) Antik Çin

Gazetesi olarak hükümetin askeri kampanyaları, politika,

yasama ve yürütme gibi haberlerini içeriyor.

Raporun devamında 5. yüzyılda İtalyan tüccarların elleriyle yazdıkları ve dağıttıkları

özellikle ekonomik durumu ve ticarette yaşanan değişimleri, maliyet verilerini ve ayrıca

bunun yanında savaş, hastalık ve hava durumunu içeren verilerin düzenli bülten

şeklinde hazırladığına yer veriliyor.

Bunu 17. yüzyılda basılı versiyon takip

ediyor. Kâğıdın maliyetinin düşmesi,

baskı aletlerinin artması gibi unsurlar

devreye giriyor ve tüm bu gelişmelerin

gelecek yüzyıllarda bilginin üretilme ve

yayılma sürecine etkisi yansıtılıyor.

Devamında İsveçli ekonomist ve mühendis William Playfair’in 1787’de istatistiki

grafik metotlarının bulması ve devam eden periyotlarda grafik, çubuk grafikler, pasta

grafikler ve daire grafikler kullanması da bu süreci şekillendiriyor.

Teknoloji geliştikçe 18. yüzyılın sonlarına doğru okuyucular bilgiyi farklı formlarda

talep etmeye başlamış ve veri, haberlerde daha etkili ve daha çekici şekilde yer almaya

başlamıştır. Bu durum sadece beyaz yakalıların değil, orta sınıfın da karar alma

süreçlerine katılımını beraberinde getirmiştir. Önceki sayfalarda yer verdiğimiz

örnekteki gibi, Guardian editörleri Guardian’ın veri gazeteciliği tarihini anlatırken 18.

yüzyılda öğrencilerin okul kayıt masraflarına yer verildiğine yönelik büyük sarı

sayfalardaki rakamlara dikkat çekiyorlar. Aynı yüzyılda olmasa da Türkiye’nin de

yüzyıl öncesi arşivleri incelendiğinde sağlıkla ilgili verilere, ekonomi verilerine ham

şekilde rastlamak mümkün.

16

19. yüzyılın sonuna gelindiğinde ise istatistik, gazetelerde grafik, çizim, çizelge, ham

veri, harita vb. şekilde kullanılmaya başlanıyor ve artık gazetelerin bir parçası oluyor.

Devamında borsa verileri elektronik hale gelirken ekonomi sayfalarında, finans

bölümlerinde, emlak haberlerinde de yer alıyor. Down Jones gibi şirketler 1884 yılının

ortalarında borsa verilerini yayımlıyor ve günümüzde de bu veriler hem kağıt olarak

hem de çevrimiçi olarak Wall Street Journal üzerinden yayınlanmaya devam etmektedir.

20. yüzyılın ortalarına gelindiğinde ise araştırmacı gazetecilik yapan profesyonel

muhabirlerin devletlerin istatistiklerinin, mahkeme sonuçlarına yönelik raporların,

sızdırılmış devlet dokümanlarının, harcamalarının haberlerinde detaylı araştırma

dosyalarında yer almaya başladığı görülüyor. Dijital platforma taşınmadan önce de

bürokrasinin her zaman veri ürettiği, gazeteciler için her zaman bir kaynak olarak var

olduğu görülüyor.

Veri gazeteciliği/haberciliği olarak bugünkü ismini almasa da

bu alana yakın ilk çalışmalar 1950’lerde Bilgisayar destekli

habercilik / Computer-assisted reporting

(CAR) kavramıyla ortaya çıkmıştır. 1920’den

beri yayın yapan CBC televizyon kanalı

1950’de seçimlerden önce seçim simülasyonu

sistemi hazırlayarak veri toplayıp halka seçim

öngörüsünde bulunmuştur.

21. yüzyılın başlarına gelindiğinde ise mobil

bilgisayarlar, çevrimiçi bağlantılar, erişim, hız

ve verinin artması bilgisayar tabanlı

haberciliğin değişmesine neden olmuştur.

2012 yılından bugüne düzenlenen

yarışmalarda veri gazeteciliği ödülü alan ve

finale kalan projelerde etkileşimli seçim özel

projelerinin ağırlıklı olması da bu durumu

kanıtlar nitelikte.

Veri tabanına dayalı gazetecilik, 30 yıl öncesinde, mikrobilgisayarların

1980’li yıllarda haber merkezlerinde yaygınlaşmasıyla gelişmeye başlamıştır.

Bilgisayarları haber merkezlerinde kullanabilmek ve kolayca temin edebilmek

araştırmaların boyutlarını ve veriyle çalışma şeklini de değiştirmiştir. İnternet ile

başlayıp cep telefonları, tabletler, dizüstü bilgisayarlar ve bugün akıllı telefonlar

dediğimiz araçlarla devam eden bu değişim sürecinde bireyler, iletim ya da verinin

hem üreteni hem de yayanı haline geldi. Okuyucuların da içeriğe katılabilme

potansiyelinin bulunduğu, içeriğin yönlenebilme ve erişime geçmenin hızlı olarak

gerçekleşmesi, haber merkezleri için sonsuz bir değişimin her anlamda kapısını açtı.

Bilgi Edinme Hakkı (BEH)’ndan yararlanma ve açık devlet bilinci Türkiye’de yavaş

ilerlese de gelişmiş ülkelerde, bu iklimden etkilenerek altyapısının geliştirilmesi ve

devlet verilerine yapılandırılmış/ yapılandırılmamış formatlarda verilere ulaşmayı

kolaylaştırdı. Türkiye özelinde ise devlet kurumlarında verilerin iyi/kötü depolandığı

17

bir gerçek, ancak teknolojik altyapı, verilerin pdf gibi yapılandırılmamış formatlarda

yayımlanıyor olması verinin makine okunabilirliği açısından sorun yaratıyor.

2000’li yıllara gelindiğinde ise artık dünya veri gazeteciliğini/haberciliğini Wikileaks

(https://wikileaks.org) üzerinden tanıdı denebilir. Önceki sayfalarda da yer aldığı gibi

Wikileaks ile başlayan sızıntı veriler ve bu devasa verinin ne anlattığını birilerinin

analiz edip aktarması gerekiyordu. Wikileaks Olayı, 26 Temmuz 2010'da Amerikan

ordusunun 2004–2009 yılları arasında Afganistan Savaşı’nda tutmuş olduğu binlerce

belgeyi The Guardian, The New York Times ve Der Spiegel gazeteleriyle birlikte

açıklamasıydı. Belgeler bireysel olaylarla birlikte, savaşta ölen sivillerin bilgilerini de

içeriyordu. Sadece Irak savaşıyla ilgili 391 bin kayıt da aktarılmıştı. Haberciler bu

verilerden bir sonuç çıkarabilmek için haftalarca çalışmış, bilgisayar tabanlı her türlü

aracın desteğine ihtiyaç duymuştu. Sızdırılan binlerce belge vardı üstelik bunların

çoğu metindi, rapordu, adresti, ham belgelerdi. İşte o dönemde bu üç kuruluştan

gazeteciler bir araya gelerek bu kadar çok metni hem ölçülebilir bir veriye

dönüştürme, hem ayrıştırma hem analiz etme hem de doğruluğunu tespit etmek için

çalışmış, yeni bir gazetecilik alanı hiç olmadığı kadar görünür hale gelmişti. Çünkü

teknoloji, yeni medya dili, haberin tüketim şekli artık değişiyordu.

18

Nitekim sızan raporların Türkiye bölümü de Taraf gazetesine verilmişti fakat dosyalar

veri gazeteciliği açısından bakıldığında çok etkin şekilde kamuya aktarılamamıştı. Veri

gazeteciliğinin kökenleri çok eskilere dayansa da bu süreci bu çağda tekrar şekillendiren

Wikileaks dosyalarının medyaya sızmasıdır.

Binlerce dosya ile başa çıkma, bunu bilgisayar desteğini alarak habere entegre etme ve

bilgiyi tüm karmaşasına rağmen ham halinden en iyi filtrelenmiş, analiz edilmiş hale

dönüştürme ihtiyacı haber odalarını programcılar, veri mühendisleri, hackerlar,

yazılımcılar, tasarımcılarla daha fazla çalışır hale getirmişti ve getirmeye de devam

ediyor. Wikileaks hâlâ veri aktarmayı sürdürürken leaks (sızıntı)’ten esinlenerek yeni

sızıntılar ortaya çıkmaya devam ediyor; Swissleaks, Luxleaks, Afrikaleaks gibi.

Wikileaks’den sızdırılan büyük ham verilerle haftalarca mücadele eden gazeteciler bir

rehbere ihtiyaç duyarak Türkçe’ye de kazandırılan ilk kitabı (Data Journalism

Handbook) yazmaya karar verdiler. 2011 yılında Londra’da 48 saatlik MozFest2011

atölyesi sonucunca doğan kitap; ücretsiz, açık kaynak olarak gazetecilerin veriyi

kullanarak hikâyelerini geliştirmeleri için alanında uzman editörler, gazeteciler ve veri

gazeteciliği pratiği olan isimler tarafından hazırlanmış, Avrupa Gazeteciler Merkezi

(European Journalism Centre - EJC) ve Open Knowledge Foundation desteğiyle The

Australian Broadcasting Corporation, The BBC, The Chicago Tribune, Deutsche

Welle, The Guardian, The Financial Times, Helsingin Sanomat, La Nación

(Argentina), The New York Times, ProPublica, The Washington Post, The Texas

Tribune, Verdens Gang, Wales Online ve Zeit Online ile birlikte pek çok farklı

yayının katkısıyla oluşturulmuştu. Kitap açık kaynak elektronik olarak 14 dile çevrildi

ve farklı dillere de çevrilmeye devam ediyor.

19

Son dönemlerde ise çok farklı isimler ve yayınlardan yeni kitaplar yazılmaya

başladı. Veri gazetecisi Claire Miller’in, Getting Start with Data Journalism kitabı ve

Paul Bradshaw’ın, Data Journalism Heist de bu yeni kitaplar arasında gösterilebilir.

Bugün The Guardian Datablog, The New York Times UpShot, i100.independent,

ZeitOnline Datablog, The Washinton Post Data Post ve daha pek çok haber merkezi

veri gazeteciliği yapıyor. Daha önce de belirttiğimiz gibi bu alanda çalışma başlatan

ilk kurum Guardian gazetesidir. İlerleyen dönemlerde tartışmalara neden olsa da şu

anda tam zamanlı veri gazeteciliği /veri güdümlü gazetecilik / veri haberciliği yapan

kurumların başında eski New York Times blogger’ı yazar ve istatistikçi Nate Silver’ın

kurduğu FiveThirtyEight olmakla birlikte, Vox ve Propublica da var. Türkiye’de ise

doğrudan veri gazeteciliği disipliniyle çalışma yürüten büyük bir kurum yok ancak

haber analiz, interaktif haber bölümleri bulunan dijital yayınlar da veri gazeteciliği

örneklerine rastlanabiliyor artık. Aljazeera Türk’ün haber analiz, interaktif, kronoloji

bölümleri ve Solhaber’in interaktif.sol.org.tr sayfalarında veri güdümlü haberlere

ağırlıklı olarak yer verilirken, Dağ Medya’nın veri gazeteciliği bölümü de veri

gazeteciliği alanında dünyadaki son gelişmeleri Türkçe olarak duyurarak alana katkı

sağlıyorlar.

2.1. Veri Gazeteciliği Neden Önemli?

Veri gazeteciliği el kitabında (Data Journalism Handbook) Birmingham Şehir

Üniversitesi’nden, gazeteci ve akademisyen Paul Bradshaw veri gazeteciliği’ni basit

anlamıyla veri ile gazetecilik yapmak olarak tanımlıyor. Daha geniş anlamıyla da

oldukça büyük bir çalışma disiplini gerektiren, şeffaf gazetecilik, artırılmış gazetecilik

gibi pek çok tanımla birlikte dünya ölçeğinde dijitalleşen haber merkezlerinin veriyi

daha etkin kullanarak dönüştüren; aynı zamanda bilinç değişikliği yaratan bir

gazetecilik türü olarak açıklıyor. Ancak en önemlisi ise veri gazeteciliği ile artık çok

az şeyin saklanabildiği, devletlerin hesap verilebilirliğine ve yolsuzluklarla daha etkin

mücadele edilebildiğine özellikle dikkat çekiyor. Araştırmacı gazeteciliğin dijitalleşen

çağla uyumu, modern gazetecilik tanımının yapıldığı bu alan; bilgiyi/veriyi yeni

araçlar, yeni teknikler ile daha etkili bir süreçten geçirmek ve bu sürecin de veri

toplama, filtreleme, analiz etme, görselleştirme ve hikâyeleştirme aşamalarını

kapsayarak olgunlaşması anlamına geliyor. Bu daha fazla araştırma, istatistik,

programlama dili, yazılım, tasarım/dizayn demek.

Sayısal teknolojiler haber üretim anlayışını değiştiriyor. Medyanın dijital verilerin

aktığı bir havuza dönüşmesi hiç durmadan devam eden bir süreç,

bu sebepledir ki bu alanın tanımıyla birlikte etkileri de hâlâ tam olarak

anlaşılamamaktadır. Veri güdümlü gazetecilik, veri gazeteciliği, veriye dayalı

gazetecilik gibi tanımların çeşitliliği de bunun göstergesi. Peki, “araştırmacı

gazetecilik” temelli ise neden “veri gazeteciliği” deniyor? Ne değişti, fark nedir?” bu

soruların yanıtları ise değişen şartlar, sayısal teknolojiler ve İnternet üzerinden

şekilleniyor.

20

Kelime gazeteciliğinden, sıfırlar ve birler gazeteciliğine geçiş bu alanı farklı kılıyor.

Gazeteciliğin alet çantasına yeni araçlar, yeni meslek disiplinleri eklendi diyebiliriz.

Haber merkezleri artık, kod bilen, binlerce veri setini analiz edebilecek seviyede

elektronik tablo (excel) ya da farklı araçları etkin şekilde kullanabilen, yazılımdan,

programlamadan anlayan ayrıca temel istatistik bilgisi olan ve veri bilimciliğinden de

anlayan kişileri haberin bir parçası yapıyor. Çünkü, metinden daha güçlü hikaye/haber

anlatabilen teknikler gelişiyor. Üstelik veriler artık sadece “rakamlar” anlamına da

gelmiyor. Fotoğraf, video, ses kayıtları, metinler de artık programlama dilleriyle

ölçülebilir hale geliyor. Bu durum medya profesyonelleri için çoklu beceri anlamına

gelmekte. Sayısallaşmayla ortaya çıkan bu durum gazetecilerin beceri sayısının

arttığına işaret etmekte.

Etkileşimli haritalar (İnteraktif) yani iki yönlü veri sağlayan olanaklar, detaylı

grafikler, videolar, infografikler, tasarımlar, kodlama, üç boyutlu tasarımlar gibi

bilgiyi/haberi/hikâyeyi daha güçlü, daha dikkat çekici ve daha detaylı sunabilen bir

teknoloji var. Gazeteler ve dijital yayınlar tüm bu meslek gruplarından uzman kişileri

istihdam edemeseler de, haber merkezleri bilgi çağında gazetecilerin artık hiç olmadığı

kadar “her şeyden biraz bilme” dönemine girdiğini de gösteriyor.

Amerikan veri gazetecisi Eva Constantaras, çevrimiçi araçlara erişimin önceki yıllara

göre daha kolay ve her gün yenilerinin ekleniyor olmasının gazetecilerin çok fazla kod

bilgisine ihtiyaç duymadan, çok kolay görseller hazırlayarak, veriyi daha etkin

kullanabilme şansının artıyor olmasını önemli bir değişiklik olarak gördüğünü

belirtiyor.Devletlerin kamusal verileri herkesin kullanımına açması, açık veriye ve

veri tabanlarına erişimin kolaylaşması, doğruluğuna emin olunan verilerin haberde

kullanımının daha fazla şeffaflık sağlayarak gazeteciyle okuyucu arasında güveni

artırması da değişen şartlar

arasında yer alıyor.

Yandaki grafik School of Data’dan

Milena Marin’nin Nisan 2015’teki

sunumunda yer alan “Storytelling”

slaytından. Marin, gazeteciliğin

“5N1K” kuralına yeni bir yaklaşım

katıyor bu paylaşımıyla; “Bana

anlatma, göster” kavramını da

değişen şartlar arasında gösteriyor.

21

Bölüm Soruları

1) ABD merkezli kariyer planlama merkezi CareerCast'in çalışmasına göre, 2016'nın en

iyi mesleği "data bilimciliği"; en kötü meslek ise "gazete muhabirliği". Devletlerin

kamusal verileri herkesin kullanımına açması, açık veriye ve veri tabanlarına erişimin

kolaylaşması, doğruluğuna emin olunan verilerin haberde kullanımının daha fazla

şeffaflık sağlayarak gazeteciyle okuyucu arasında güveni artırması son yıllarda dünya

genelinde gazetecilere olan bakış açısını değiştirmede sizce etkili olabilir mi?

2) Çevre Haberciliği, Hak Odaklı Haberciliği, Yurttaş Gazeteciliği ve Barış Gazeteciliği

gibi alanların Veri Gazeteciliğiyle birleştiğinde daha başarılı yapılabileceğini

düşünüyor musunuz?

3) “Olay sadece haberi yapmakla bitmiyor. Olayı yazdığınız gibi çözümünü de yazmanız

gerekir” diye düşünen bir kişi gazeciliğin hangi yönüne dikkat çekmek istemiştir. Veri

Gazeteciliği bu tür habercilik anlayışının önünü açabilir mi?

22

3. GAZETECİLİKTE VERİNİN KULLANIMI

23

Diğer tüm sektörler ve kurumlar gibi gazetecilik pratikleri de veri bolluğu altındaki

internet ortamında anlamlı verileri depolama, değerlendirme ve onları analiz ederek

haberleştirme konusunda çeşitli yollar ve yöntemler denemektedir. Medya sektörü için

verinin doğru analizi her şeyden önce hedef kitlenin daha iyi anlaşılmasını, içeriğin

kişiselleştirilmesini ve veri gazeteciliği gibi yeni anlatı türlerinin dolaşıma girmesini

sağlamaktadır. Yakın zamanda büyük veri kavramının gazetecilik pratiklerinde

yarattığı temel dönüşümün veri gazeteciliği bağlamında sorgulaması önem

taşımaktadır.

Son on yılda, bilgisayar veri tabanları ve algoritmalar haber kuruluşlarına hızla girmiş

durumdadır. Her geçen gün daha fazla gazeteci, veritabanlarını ve algoritmaları

soruşturma yapmak için elverişli birer araç olarak görmekte ve kullanmaktadır.

3.1. Büyük Veri

Ana damar medyanın New York Times ve The Guardian gibi haber kuruluşlarının

yanı sıra, ProPublica gibi kâr amacı gütmeyen kurumlar ile daha az resmî olarak

nitelendirebileceğimiz araştırmacı gazeteci grupları veri işleme tekniklerine dayanan

çalışmalar üretmektedir. Bu girişimler, genellikle "büyük veri" olarak betimlenen

daha geniş bir fenomenden izole olarak değerlendirilmektedir. Bu popüler ifade

hükümet kayıtları, genetik diziler, internet kullanıcılarının bıraktığı izler gibi türlü

içeriklerden oluşan büyük miktardaki bilginin bilimsel araştırma, kamu politikaları

veya işletmeler gibi çeşitli platform ve alanlarda işlenmesi anlamına gelmektedir.

Büyük veri tartışmalarıyla birlikte gazetecilik alanında en çok yaygınlık kazanan ifade

yollarından biri veri görselleştirme olarak karşımıza çıkmaktadır. Veri görselleştirme

hacmi büyük veriyi anlamlı bir hale getirerek açığa çıkarmanın ve karmaşık

enformasyonu özetlemenin etkili bir yolu olarak, çağdaş gazeteciliğin önemli anlatı

türlerinden biri haline gelmektedir.

Büyük veri, yeni bir gazetecilik türü olarak veri gazeteciliğini ön plana çıkarırken,

haber odalarında da değişime neden olmaktadır. Örneğin, günümüzde Guardian

gazetesinin iki interaktif ekibi, BBC'nin çevrimiçi haber uzmanı ekibi ve Times'ın

görsel gazetecilik birimi bulunmaktadır. Yine Veri Gazeteciliği Ödülleri 2012 yılından

bu yana The Global Editors ağı tarafından düzenlenmekedir. Öte yandan, medya

sektörünün mevcut ödül kategorilerine dijital dünyada verinin işlenmesine dayalı yeni

kategorilerin de eklendiği görülmektedir. Bu kapsamda, Uluslararası Amnesty Medya

Ödülleri artık “dijital yenilik” kategorisine sahiptir. Benzer şekilde İngiliz Basın

Ödüllerinde de “dijital ödül” kategorisi oluşturmuştur. Tüm bu gelişmeler veriye ve

verinin işlenmesine dair potansiyel yeniliklerin artmasına ve alanın büyümesine

hizmet etmektedir.

Geçmişte ölçülemeyen, saklanamayan, analiz edilemeyen, paylaşılamayan ve belki de

“veri” olarak değeri anlaşılamayan türlü enformasyon parçaları, internet teknolojileri

ile birlikte verileştirilmeye başlamıştır. Daha basit bir anlatımla, büyük veri sosyal

medya platformlarında kullandığımız emojilerden gün içinde defalarca kez bastığımız

24

beğen tuşlarına; her türlü kullanıcı türevli içerikten insansız hava araçlarının topladığı

görüntülere dek uzanan çeşitlilikteki dağınık ve karmaşık enformasyon parçalarından

oluşur. İşte bu devasa veri setlerini betimlemede kullanılan büyük veri kavramı,

günümüzde modern bilimin ve işletmelerin temel enformasyon toplama ve analiz etme

yollarından biri olarak karşımıza çıkmaktadır.

Veri kaydetme ve depolama teknolojisinde benzeri görülmemiş ilerlemeler sonucunda

ticari kurumlardan tüketicilere, bilimden devlet yönetimine kadar hayatımızın her

boyutunda köklü değişiklikler meydana gelmektedir. Bu değişimle birlikte özellikle

endüstrinin büyük veriyi benimsemesi, kavramın popüler bir söylem haline gelmesine

sebep olmuştur. Akademik yayınlar da bu gelişmeyi takip etmeye başlamıştır.

Büyük veri, geleneksel veri tabanı sistemlerinin işleme kapasitesini aşan hacimdeki

veri setlerini tanımlamak için kullanılan bir kavramdır. Bu veri setleri çok büyüktür,

çok hızlı hareket etmektedir ve çoğunlukla veri tabanlarındaki altyapı alanında

saklanmaya ve incelenmeye uygun değildir. Başka bir anlatımla, bu veriden değer elde

etmek için onu işlemeye yarayacak alternatif yol ve yöntemlere ihtiyaç duyulmaktadır.

Bu nedenle, kurum ve kuruluşların büyük veriyi tespit edip depolayarak, düzenleyip

analiz edebilmeleri için öncelikle bilişim teknolojisinde donanım, yazılım ve hizmetler

için ek yatırım yapmaları gerekmektedir. Diğer bir anlatımla, büyük veri analizi yeni

yöntemlerin geliştirilmesi ve öğrenilebilmesi için eğitime, verinin kayıtlanabilmesi

için alt yapıya ve süreci yönetebilecek profesyonel iş gücüne ihtiyaç duymaktadır.

Büyük veri kavramı ilk kez Ağustos 2000’de, Seattle’da düzenlenen 8. Dünya

Ekonometri Kongresi’nde, Francis X. Diebold tarafından sunulan Makroekonomik

Ölçümler ve Kestirim İçin Büyük Veri Dinamik Faktör Modelleri (Big Data Dynamic

Factor Models for Macroeconomic Measurement and Forecasting) isimli bildiride

kullanılmıştır.

Francis X. Diebold, büyük veri kavramının ilk kez 90’lı yılların ortasında Silicon

Graphics (SGI)’ den John Mashey tarafından ortaya atıldığını belirtmektedir. Kavram,

ilk kez 90’lı yıllarda kullanılmış olsa da, aşağıda yer alan Tablo-1’de görüldüğü üzere

2011 yılında yaygınlık kazanmaya başlamıştır.

25

Şekil 1 ProQuest Araştırma Kütüphanesinde "büyük veri" terimini içeren belgelerin frekans dağılımı.

Büyük verinin akademi, endüstri ve medya arasında paylaşılan ortak bir kaynak

olması; her bir paydaşın çeşitli ve çoğunlukla birbiriyle çelişkili tanımlar sunmasına

neden olmaktadır. Bu nedenle büyük verinin ne olduğu konusunda genel ve tek bir

tanım bulunmamaktadır. Bu noktada alanda yapılmış farklı tanımları ele almak yararlı

olacaktır.

Öncelikle kavramı tanımlarken en çokkullanılan üç sözcüğün hacim (volume),

çeşitlilik (variety) ve hız (velocity) olduğu gözlenmektedir. Bu üç özellik ilk kez

Laney (2001) tarafından dile getirilmiş, ardından çok sayıda yazar tarafından

tekrarlanmıştır. Söz konusu özellikler verinin emsallerinden miktarca büyüklüğünü,

heterojen doğası nedeniyle çeşitli türlerde olduğunu ve hızı nedeniyle akışkan bir

doğası bulunduğunu ortaya koymaktadır.

Kavrama ilişkin literatür incelendiğinde, zaman içinde doğruluk (veracity) ile

değişkenlik ve karmaşıklık (variability&complexity) sözcüklerinin de tanımlamada

sıklıkla kullanılmaya başlandığı gözlenmektedir. Doğruluk, belirsiz verinin içindeki

değerli bilginin veri madenciliği ve veri yönetimi için geliştirilen araç ve yöntemlerle

değer kazanması olarak nitelenmektedir. Değişkenlik ise veri akış hızlarındaki

değişimi ifade etmektedir.

Bazı tanımlarda geleneksel yöntemlerle toplanıp depolanan verinin hacminin artan

doğası vurgulanırken; diğerlerinde hacimli verinin kurumlar, piyasalar, vatandaşlar ve

hükümetler arasındaki ilişki için içgörü sağlayarak karar verme davranışını

etkileyebileceği belirtilmektedir. Sonuç olarak büyük veri, çoğunlukla internet

ortamında yayıldığından ve büyük ölçüde yapılandırılmamış olduğundan, değeri ilk

26

bakışta anlaşılamayan hacimli enformasyon parçaları olarak tanımlanabilir. Büyük

veri analizi ise miktarca çok, dağınık ve karmaşık olan bu verilerin yeni yönemlerle

anlamlı hale getirilerek; mevcut durumun saptanması ve geleceğe yönelik

kestirimlerde bulunulması sürecidir.

Büyük Veri ve Yeni Medya

Büyük veri, her ne kadar üzerinde uzlaşılmış tek bir tanıma sahip olmasa da genel

olarak, gelişen ve yaygınlaşan internet, bilgisayarlar, akıllı telefonlar gibi yeni iletişim

teknolojileri üzerinden; Facebook, Twitter, YouTube, websiteleri ve bloglar gibi

sosyal medya uygulamaları aracılığıyla üre-tüketiciler(pro-consumer) tarafından

üretilen ve aynı zamanda tüketilen metinlerin, görsellerin ve videoların oluşturduğu

verilerin toplamı olarak tanımlanabilir.

Sosyal medyanın bireyler tarafından yaygın kullanımı, muazzam büyüklükteki verinin

ortaya çıkmasını sağlayan en önemli itici güç olmuştur. Görüldüğü üzere, büyük

verinin oluşturulduğu, depolandığı ve dağıtıma sokulduğu kanalların yeni medya

kanalları oluşu, kavramın iletişim disiplini ile olan organik bağını ortaya koymaktadır.

Diğer yandan, Facebook, Microsoft, Twitter, Linkedin gibi şirketlerin sahip olduğu

ortak özellikler; kalabalığın gücünden yararlanmaları, ortaya çıkan büyük veriyi

depolayacak veri merkezleri kurmaları, bilişim ve sosyal ağlarla ilgili teknolojik

yenilik üretmeleridir. Bu şirketler, elde ettikleri verileri analiz ederken salt kendi ticari

yararları açısından değil, aynı zamanda sosyal medya uygulamalarında da yenilikler

yaparak kullanıcıların ya da müşterilerinin beklentilerine karşılık vermektedir. Sosyal

ağ platformları kullanıcı bilgilerini verileştirmekte, bu verilerden yola çıkarak

uygulamalarını bireyler açısından daha verimli (örneğin, Linkedin’deki meslektaş

önerileri) hale getirmektedir.

Yeni medya-büyük veri ‘evliliğinin’ diğer bir önemli yönü ise kriz zamanlarındaki

işlevselliktir. Belirli bir bölgede yaşanan doğal afet durumlarında Twitter gibi bir

sosyal medya uygulaması hayat kurtarıcı olabilmekte; dahası afet bölgesinden atılan

Tweetler bölgedeki genel durumun anlaşılmasında ve kurumların acil durum

yönetiminde yararlı olabilmektedir. Örneğin büyük Japonya Depremi’nde

‘j_j_helpme’ etiketi kullanıma sunulmuş ve acil durum bölgesindeki bireyler

tweetlerini bu etiketi kullanarak atmıştır. Böylece, atılan tweetlerin tek bir ‘havuzda’

toplanması sağlanmış, ortaya çıkan ‘büyük veri’ çeşitli araçlarla analiz edilerek; genel

durumun anlaşılmasına dönük bilgi edinilmesine olanak sağlanmıştır.

Sonuç olarak, yeni medya büyük veriyi sürekli bir biçimde besleyen önemli kanallara

sahiptir. Büyük verinin analizi ise daha etkili ve doğru iletişim süreçlerinin

geliştirilmesinde önemli öngörüler sağlamaktadır. Bu bağlamda iki kavram birbiriyle

etkileşim halindedir.

27

Medya Kuruluşları Açısından Büyük Verinin Önemi

Büyük veri, birbirinden farklı pek çok alanda faaliyet gösteren kuruluşlar açısından

veri madenciliği ile doğru bir şekilde analiz edildiğinde son derece önemli

olabilmektedir. Sağlık hizmetlerinden, endüstriyel ürün tasarımlarına, bankacılık

hizmetlerinden pazarlama faaliyetlerine kadar pek çok alanda verinin gücünden hem

kuruluşların kendisi hem de müşterileri faydalanabilmektedir. Medya kuruluşları da

büyük verinin gücünü, veriyi toplamanın ve analiz etmenin önemini biraz yavaş ve

geç olsa da anlamaya başlamaktadır.

Medya ve eğlence şirketleri, geçmişte genellikle kendi sezgileri doğrultusunda karar

aldıkları için ve insanların paylaşmış oldukları içeriklerin bir tüketicisi olup

olmadığını anlamaya yarayacak bir ölçümü nasıl yapacaklarını bilmediklerinden

dolayı çok fazla başarılı olamamışlardır. Geleneksel medyada, örneğin televizyonlarda

sunulan dizilerin, filmlerin izlenme oranlarını ölçümlemek çoğu durumda zordur ve

hatalı sonuçlar verebilmektedir. Basılı gazetelerin tirajları ise çoğunlukla yalnızca satış

rakamlarına bakılarak değerlendirilmektedir.

Bugün itibariyle gelinen noktadaise dizilerin, filmlerin ve haberlerin internet

üzerinden sunulması, onları sunan medya kuruluşlarına bir dizi avantaj sağlamaktadır.

Hangi gazetenin ne kadar okunduğu -kaç tık aldığı-, okuyucuların sayfa üzerinde kalış

süreleri, haberlerle ve gazeteyle ilgili olarak yapılan kullanıcı yorumları, hangi dizinin

ya da filmin ne kadar izlendiği, dizideki karakterlerle ilgili olarak izleyicilerin

düşünceleri ile rahatsız edici sahneler ve karakterlerle ilgili kullanıcı yorumları

görülebilmektedir. Bu çok sayıdaki parametre sayesinde, izleyici/kullanıcı

araştırmalarında geleneksel kitle iletişim araçlarının ölçümlenmesine kıyasla doğruya

en yakın sonuçlar elde edilmektedir.

Elde edilen tüm bu veriler, medya kuruluşlarına sundukları ürünlerin zayıf

noktalarıyla ilgili fikir sunmakta; bu geri dönüşlerin veri madenciliği ile analizi

sayesinde sunmuş oldukları ürünlerde bazı düzeltmeler yapmalarına olanak

sağlanmaktadır. Dolayısıyla, büyük veri çağındaki medya kuruluşlarının elinde önemli

bir fırsat bulunmakta; bu fırsatın somut bir başarıya dönüşmesi medya kuruluşlarının

veri depolayabilme gücüne, verileri analiz etmelerini sağlayacak teknolojik araçlara

sahip olmalarına ve belki de en önemlisi bu verileri doğru bir şekilde analiz

edebilecek, veri analizi konusunda yetenekli insan kaynağına bağlı olmaktadır.

Büyük Veri, Gazetecilik Etiği ve Yeni Sorunlar

Büyük veri ve veri gazeteciliği temel olarak; kullanıcı gizliliğinin ihlal edilmesi, bilgi

güvenliğinin sağlanamaması, büyük verinin gazetecinin failliğini ortadan kaldırması ve

büyük veriye erişim olanaklarının herkes için eşit olmaması gibi çeşitli konularda

28

sorunlarla karşılaşmaktadır. Kullanıcı gizliliği konusu, büyük veriye ilişkin olarak

aşılması en zor etik sorunlardan biridir.

Büyük verinin etik sorunları beraberinde getirdiğini söylerler; çünkü verilerin kamuya

açık olması araştırmacıların kullanıcı türevli içeriği izin almaksızın kullanması gibi bazı

sonuçlar doğurur. Eğer sorulacak olsa, kullanıcıların çoğu ürettikleri içeriğin başka

yerlerde kullanılmasına izin vermeyecektir. Ayrıca, kullanıcıların çok büyük bir

çoğunluğu ürettikleri içeriği depolayabilen algoritmalardan da habersizdir. Bu nedenle,

araştırmacıların etik davranabilmeleri için, araştırmanın kaynaklarına hesap

verebilirliklerini kavramış olmalılardır. Akademisyenler, insana dayalı çalışmalar

yürütürlerken etik kurullardan onay almaktadır. Ancak pek çok etik kurul, büyük veri

madenciliği ve anonimleştirme süreçlerinin, verilerin kişisel olarak tanınabilir hale

gelmesi sorununa neden olabileceğini kavrayamamaktadır.

İnsanı konu alan araştırmalar ile gazetecilik mesleği arasında büyük veri kullanımına

dair farklılıklar olsa da, insanı konu alan araştırmalarda uyulması gereken kurallar

gazetecilik mesleği için de bir temel oluşturabilir. Çünkü gazeteciler de kitle iletişimi

söz konusu olduğu zaman bilgilendirilmiş rıza edinme konusunda zorluklarla

karşılaşmaktadır. Genellikle veriye katkı sağlayanların tamamıyla iletişime geçmek

mümkün değildir; çünkü çok fazla veri vardır. Büyük veriyi kullanan gazetecilerin ya

da araştırmacıların, bu veriye dahil olan kişilere belli bir ücret ödemesi gerekirse, çok

büyük bir verinin yalnızca çok küçük bir parçası olan bu kullanıcılara ödenecek ücret

çok düşük olacaktır; ama örneğin bir kişinin tüm arama geçmişinin dünyaya açılmasının

kişide yaratacağı hissin karşılığı çarpıcı olabilir. Ayrıca, gazeteciler çevrimiçi bir

topluluk hakkında bir çalışma yürütüyorlarsa, onların yalnızca gözlem yapmaları bile

topluluk ya da güvenlik hissini bozabilir.

Gazetecinin, sanal topluluğun tüm üyelerinden izin alarak araştırmasını yürütmesi

gizliliğe dair etik sorunu ortadan kaldıracaktır; ancak gazetecinin tek tek bireylere

ulaşması ve izin alması mümkün değildir. Bu nedenle gazetecilerin büyük veriyi

kullanımı oldukça sorunludur. Bu soruna neden olan faktörlerden birisi de, kullanım

sözleşmeleridir.

Kullanım sözleşmeleri kullanıcıların tüm kişisel enformasyonunu depolamayı

meşrulaştırmaya uygun zemin hazırlamaktadır. Sosyal medya uygulamalarına ya da

çeşitli sanal cemaatlere üye olmak isteyen kullanıcılar, üyeliklerini tamamlayabilmek

için son aşamada “kabul ediyorum” tuşuna basmak zorundalardır. Genellikle kabul

edilen kullanım sözleşmesi de gizlilik ihlali de dahil olmak üzere çeşitli sorunları

beraberinde getirir. Kullanıcılar da bu sözleşmeleri aslında istedikleri için değil, bu

platformlara dahil olmanın bir önkoşulu olduğu için mecburen kabul ederler. Kişisel

verilerinin kontrolünü bir başkasına devretmek, bu platformlara dahil olmak için

29

ödenmesi gereken bir bedeldir. Kısacası, kullanım sözleşmeleri kişisel verilerin

kontrolünün başkalarına devredilmesini yasal olarak mümkün hale getirmektedir.

Kullanıcıların yalnızca adı veya sosyal güvenlik numaraları gibi bazı kişisel

bilgilerinden yola çıkılarak ve çeşitli kişisel enformasyonları birleştirilerek onlar

hakkında bir dosya bile oluşturabilir. Üstelik, kişisel verileri elinde tutanlar, kişilere dair

çok daha özel bilgilere ulaşabilirler. Örneğin, şirketler eskiden yaz aylarında hangi

renkli otomobilin en çok satın alındığını bilmekten heyecan duyuyorlarken, günümüzde

ise geçen yıl ailenizin ne kadar diş macunu satın aldığını bilebilirler. Hatta kocanızdan

önce hamile olduğunuzu öğrenebilirler (Mateosian, 2013: 60). Büyük veri üzerine

çalışan kişiler, bir anlamda gözetim mekanizmasının kontrolünü de ellerinde tutuyor

hale gelirler. Böylece hem kullanıcıların gizliliği ihlal edilmiş olur, hem de büyük

verinin çok küçük bir parçası olan bu kişiler, kullanım sözleşmelerini mecbur oldukları

için onaylayarak, aslında bir gazetecinin çok da dahil olmak istemeyecekleri

araştırmasına katılmaya mecbur kalabilirler. Kısacası, kullanıcılar kullanım

sözleşmelerini onaylayarak kişisel verilerini platform sahiplerine devrederler ve

böylece mevcut güç ilişkilerinin sürmesine neden olurlar.

Büyük veri, deterministik bilginin insan davranışına uygulanmasından kaynaklanan

insan özerkliğinin kaybolmasıyla ilgili sorunları da ortaya çıkarmaktadır. Bu sorunlar,

bilgi karşısında özgür irade ve insan failliği hakkındadır. Kısacası büyük veri,

araştırmacıları ya da gazetecileri bireylerden uzaklaştırıyor gibi görünmektedir. Büyük

veri, bilgiyi yeni alanlara (çevrimiçi etkinliklerden gelen davranışları tahmin etme gibi)

genişletir; bireysel davranışları saptamada daha fazla doğruluğa erişir. Bilgiyi üretme

kabiliyeti, yeni aktörler ve daha güçlü araçlar yaratır. Tüm bu kabiliyetler de gazetecinin

etkinliğini azaltmaktadır, bu durum da yeni sorunlara neden olmaktadır.

Bilgisayarlar ve veri analizi kapasiteleri oldukça gelişmiştir; ancak hala büyük verinin

kendi başına bir gazetecilik değeri yoktur, bu nedenle de gazeteciler verinin içinde

gizlenmiş hikâyeyi bulup çıkarmalıdır (Parasie ve Dagiral 2012, 859). Bu anlamda,

büyük veriyi oluşturan, depolayan ve işleyen algoritmaların gazetecilerin yerine

geçtiğini söylemek zordur. Yine de makineler, haber seçimi ve haber değerlendirmeleri

gibi çeşitli konularda aktif olarak kullanılmaktadır.

Algoritmalar henüz gazetecilere olan gereksinimi ortadan kaldırmasa da oldukça önemli

roller üstlenmektedirler; ancak bu durum makinelerin etik olarak da hareket

edebileceğini gösterir mi? Kraemer buradan yola çıkarak makinelerin etik davranıp

davranamayacaklarını sorgular (Kraemer vd., 2011: 252). Matt Carlson da benzer

şekilde “otomatize gazetecilik” kavramı ile birlikte gazetecinin etkinliğinin

30

azaldığından bahseder. Bu durumun da gazetecilikte emek ve gazetecilik otoritesi gibi

konularda sorunlara neden olduğundan söz eder ve algoritmalara dayalı

değerlendirmelerin insan değerlendirmesinin otoritesinde bir düşüşe neden

olabileceğini söyler (Lewis, 2015: 326).

Gazetecinin failliğinin azalması da çeşitli etik sorunlara yol açabilir. Örneğin, bir

gazetecinin kamu yararını gözeterek bir olayı haberleştirmemeye karar vereceği

durumda bir algoritma nasıl davranacaktır?

Büyük veriye erişim olanaklarının tüm gazeteciler için eşit olmaması da büyük verinin

temel sorunlarından birisidir. Herkesin büyük verilere ulaşma imkânı yoktur; çünkü

büyük veri ile çalışabilmek bu veriyi işleyemeye uygun bilgisayarlar, depolamak için

geniş depolama kapasiteleri; kimi zaman da gerekli büyük veriye ulaşabilmek için ilgili

endüstri ile bağlantıda olmak gerekir. Bu nedenle, büyük veriye erişim imkânı da

üzerine düşünülmesi gereken bir konudur. Sermaye sahiplerinin ve büyük şirketlerin,

büyük veriye ulaşma, büyük veriyi depolama ve işleme imkânının daha fazla olması,

mevcut medya yapılanmasının ve eşitsizliklerin sürdürülmesine neden olacaktır ve

alternatif medya yapılanmaları büyük veriyi kullanma konusunda sıkıntılar

yaşayacaktır.

Ayrıca, herkesin büyük veriye ulaşma imkânın eşit olmadığı ve algoritmaları

oluşturanların güç sahipleri olduğu düşünüldüğünde, gazetecilerin büyük veriyi

yalnızca güç sahiplerinin çıkarlarına hizmet edecek şekilde kullanabileceği tehlikesi de

ortaya çıkmaktadır. Bunun da ötesinde, gazetecilerin karar verme görevini üstlenen

algoritmaların, toplumun çoğunluğunun yanı sıra azınlıkları da gerçekten temsil edip

etmeyeceği sorusu da ortaya çıkmaktadır. Medya sahipleri, gazeteciler ve iletişim

bilimciler, büyük veri, gazetecilik etiği ve gazeteciliğin geleceği hakkında düşünerek;

mevcut etik sorunların nasıl üstesinden gelinebileceği hakkında değerlendirmelerde

bulunmalıdırlar. Aksi halde büyük veri ile birlikte ortaya çıkan etik sorunlar geçmiş

sorunlara eklemlenerek var olmaya devam edecektir.

Yeni iletişim teknolojileri dolayımıyla ortaya çıkan ‘‘büyük veri’’, yalnızca içgörü ve

tahmin sağlamamakta, aynı zamanda gazetecilik mesleği ve uygulamaları üzerinde de

birtakım değişim ve dönüşümlerin yaşanmasına sebep olmaktadır. Teknolojik

altyapının verinin daha hızlı toplanıp, kontrol edilmesi ve doğrulanması gibi avantajlar

sağlaması; onun bir haber kaynağı olarak kullanılmasını da giderek daha önemli hale

getirmektedir. Diğer bir anlatımla, dünya daha dijital hale geldikçe; daha fazla bilgi veri

biçimlerinde depolanmakta, gazetecilerin verilere erişimi gittikçe kolaylaşmaktadır. Bu

verilerin belirli amaçlar doğrultusunda özetlenmesi amacıyla gerçekleştirilen veri

görselleştirme, en basit haliyle ham verinin kullanıcılar için anlaşılır hale getirilecek

şekilde görselleştirilmesi olarak tanımlanabilir. Veri görselleştirmeyi bir anlatı aracı

olarak kullanan veri gazeteciliği ise dijital dünyanın araştırmacı gazetecilik türleri

arasında son dönemde popülerleşen bir tür olarak karşımıza çıkmaktadır.

31

Veri gazeteciliği ve veri görselleştirme birbirleriyle ilişkili iki kavram olsa da aynı

anlama gelmemektedir. Çünkü veri gazeteciliği yalnızca veri görselleştirmeden

oluşmaz; ona indirgenemez. Veri analizine dayanan bir haber bazen en iyi imgeler ve

infografi ile anlatılabilirken; bazense sözcüklerle anlatılabilmektedir. Bu iki türün ortak

özelliği ise sayı ve istatistik içermeleridir. Özetleyecek olursak, veri görselleştirme veri

gazeteciliğinin temel anlatı unsurlarından biri olmakla birlikte, veri gazeteciliğinde

esnek anlatı biçimleri kullanılabilmektedir.

Veri gazeteciliği kazalar ve basın bültenleri gibi rutin haber akışının hâkim olduğu haber

odasındaki günlük çalışmaların aksine, hiç kimsenin hikayeleştirmediği bir alanda haber

bulmakla ilgilidir (Appelgren ve Nygren, 2014: 401). Bu anlamıyla veri gazeteciliği,

geleneksel gazeteciliğin yerine geçen değil aksine onu tamamlayan ve belki de

derinleştiren bir gazetecilik türü olarak değerlendirilebilecektir. Çünkü veri gazeteciliği

haber metni, fotoğraf ve video sunumundan oluşan bir haberciliğin çok daha ötesinde

bir habercilik biçimini ifade etmektedir.

Zotto, Schenker ve Lugmayr’a göre (2015), verinin haber içeriklerini geliştirme ve

habere konu olan bilgiyi zengileştirme anlamında kullanılması aslında 1800’lü yıllara

dayanmaktadır. Bu kapsamda, gazetecilerin zaten senelerdir bazı haberleri oluştururken

veri, görselleştirme ve istatistik kullandıklarını düşündüğümüzde; onların çalışma

pratikleri açısından neyin değiştiğini ve neyin “yeni” adledildiğini sorgulamak yerinde

olacaktır.

Bazı haber editörlerine göre “veri gazeteciliği” sözü anlamsızdır. Çünkü gazeteciler,

gazetecilik tarihi boyunca dijital araçları kullanmasalar da elle veri analizi yapmışlardır.

Bugün değişen şey ise, daha büyük veri kümlerinin dijital olarak ve daha hızlı analiz

edilebilmesidir. Yine geçmişte, izleyicilerin basılı bir haber ürününde yer alan verilere

kendi hikayelerini katma, haberleri filtreleme ve seçme olasılıklarının sınırlı olması

sebebiyle veri gazeteciliğinin Web'e bağlı bir doğası bulunmaktadır.

Yani iki asır öncesinde veriye erişim, veri kaynağının doğrulanması ve kullanıcı türevli

içeriğin aktarımı bugüne kıyasla çok daha zor olduğu için «veri gazeteciliği» tanımı,

içinde bulunduğumuz teknolojik çağın gazetecilik anlayışıyla daha uygun düşmektedir.

32

4. VERİ

33

Veri, bilginin yapılandırılıp kayıt

altına alınıp, kolay analiz

edilebilmesi için bir araya

getirilmesine denir. Bir veya

birden fazla bilgiden oluşan

kümedir. Veri genellikle

araştırma, gözlem, deney, sayım,

ölçüm yoluyla elde edilir. Yaş,

isim, telefon numarası, bir

toplama işleminin sonucu ya da

sınıfın yaş ortalaması birer

veridir.

Ham Veri

İngilizcesi “raw data” olan ham veri, düzenlenmemiş veri olarak ifade edilebilir. Ham

veri etkin şekilde bilgi üretme ve analiz için temel bir kaynak olarak görülebilir.

Örneğin, anketler aracılığı ile oluşturulan veriler (seçim verileri), bir oylama

yapıldığında (seçim sonuçları verileri), bir kayıt yapıldığında (doğum kayıtları verisi),

bir şey satın alındığında (çevrim içi satış kayıtları vb.) gibi. Bunu dışında veri, cep

telefonları, İnternet, uydu (GPS verisi gibi) ve birçok farklı teknolojiler tarafından

da oluşturulabiliyor.

Veri

Satır ve kolonlar bazında ifade edilen ve bir formata sahip olan veriler ölçüm, sayım,

deney, gözlem ya da araştırma yolu ile elde edilmektedir. Ölçüm ya da sayım yolu ile

toplanan ve sayısal bir değer bildiren veriler nicel veriler, sayısal bir değer

bildirmeyen veriler de nitel veriler olarak adlandırılmaktadır.

Yapısal olarak kategorik ve sürekli olarak iki gruba da ayrılabilen veri daha da derin

bir bileşen yapısına sahiptir.

Temel Kavramlar

Yeri gelmişken temel bazı kavramlara da değinmekte fayda var:

BİLGİ: İngilizcesi “information” olan olgudur. Sorgu ve raporlama fonksiyonları

sayesinde, veritabanındaki verinin çekilerek bilgiye dönüşümü sağlanır. Örneğin,

ürün, miktar ve fiyat toplamları, satılan ürünlerle bunların miktar ve hacimleri bilgiyi

sağlar.

34

NİTELİKLİ BİLGİ: İngilizcesi “knowledge” olan olgudur. Veri madenciliği

teknolojisi içeren uygulamalar sayesinde, veri içerisindeki gizli eğilim ve örüntülerin

belirlenmesi olarak düşünülebilir.

Veri Seti

Gündelik hayatımızda veriyi sıklıkla tablolarda düzenlenmiş buluruz.Tek bir tablonun

içeriği veri seti olarak ifade edilir. Veri setini analiz ederek ondan yeni bilgi - görsel

çalışmalar üretmek; karar alma, politika üretme süreci için önemlidir.

Veri seti örneği:

35

Veri Türleri

Fotoğrafta Ne görüyorsunuz? Golf topları.

Fotoğrafa yönelik ilk veri, topların golf için

kullanıldıkları. Golf; bir spor kategorisi. Bu

detay topu bir sınıflandırmaya koymamızda

yardımcı oluyor. Fakat bundan daha fazlası var

fotoğrafta. Topların “beyaz” renkte olduğu,

"kullanılmış" olduğunu da söyleyebiliriz.

Topların hepsinin bir ölçüsü de var, belirli bir

sayıdalar ve fiyatları da var. Önemsiz objelerde

bile onlarla ilişkili çok sayıda veri bulunur.

Verileri Nitel ve Nicel olarak 2 ana grupta

sınıflandırabiliriz.

Nitel Veri

Nitel veri (Qualitative data) Birimlere dayalı ölçümlerle değil sayımlarla değerleri

belirtilebilen, belli bir yapısal veya kurumsal özelliği taşımakla (veya taşımamakla)

simgelenen veriler. Cinsiyet, saç rengi vb. nitel özellikleri belirten veriler. Bir deneğin

niteliklerini belirten verilerdir. Eğitim durumu, ev sahibi olup olmama, vs… Nitel

veriler iki gruba ayrılır.

Sınıflanabilen Nitel Veri: Birbirinden bağımsız isim bildiren, kod ve numara ile

gösterilebilen, sınıflara ayrılan verilerdir. Taşıtların kara, hava ve deniz taşıtları olarak

ayrılması gibi…

Sıralanabilen Nitel Veri: Belirli bir miktar belirtmeyen, bir sıra ya da dereceye göre

elde edilen verilerdir. Öğrencilerin başarı durumu: pekiyi, iyi, orta… Ordu rütbeleri:

albay, yarbay, subay, astsubay…

Nicel Veri

Nicel veri (Quantitative data) birimlerin ölçüm ve tartım sonucu değerleri saptanan

sayısal özelliklerini belirten, aralıklı ölçekli veya orantılı ölçekli değişkenler. Bir

deneyin sayılabilir, ölçülebilir özelliğini veren verilerdir. Sürekli nicel veri ve kesikli

nicel veri olmak üzere iki türü vardır. Örneğin golf toplarının sayısı, ölçüsü, fiyatı, bir

testteki skor vs.

Sürekli nicel veri: Ondalıklı değerler alabilen nicel verilerdir. Boy uzunluğu, kilo,vs.

Kesikli nicel veri: Sayılarak elde edilen ve tam sayılı değerlerdir. Nüfus, öğrenci

sayısı, hane halkı sayısı.

36

Kategorik Veri

Kategorik veri (Categorical data) tanımladığınız veriyi bir kategoriye koyar:

Golf topu örneğimizde “kullanılmış olma” durumu kategoriktir. (“yeni”,

“kullanılmış”, “kırık” vb. kategorilerdir.)

Veriler toplanıp biçimlendirildiğinde daha fazla işimize yarar.

Yanda görelim:

Yukarıdaki tabloya rağmen her bir veri hâlâ tek başına çok anlamlı değil. Veriden

bilgi elde etmek için veriyi yorumlamamız gerekiyor. Golf topunun ölçüsünü ele

alalım: 43 mm çap bize çok şey anlatmıyor. Sadece diğer şeylerle

karşılaştırdığımızda anlamlı hale geliyor. Örneğin; sporda ekipmanlar için ölçü

yönetmelikleri vardır. Minimum golf müsabakası topunun ölçüsü 42,67mm’dir. Yani

topu bir müsabakada kullanabiliriz. Bu bir bilgi. Fakat hâlâ bilme değil.

Bilme, bilgi öğrenildiğinde, uygulandığında ya da anlaşıldığında yaratılır.

Renk

Kategori

Durum

Çap

Fiyat

Beyaz

Spor-Golf

Kullanılmış

43 mm

8 TL

37

Yapılandırılmamış Veriye karşı Yapılandırılmış Veri

İnsanlar için veri

‘Her biri 8 tl'den 43mm çapta, kullanılmış 5 beyaz golf topumuz var’ ifadesi bir insan

için anlaması kolay bir cümle. Ffakat aynı şeyi bilgisayarlar için söyleyemeyiz.

Yukarıdaki cümle yapılandırılmamış veriye örnek. Yapılandırılmamış verinin sabit

temelli bir yapısı bulunmuyor - cümle kolaylıkla değiştirilebilir ve hangi kelimenin

tam olarak neye gönderme yaptığı açık değildir. Aynı şekilde, pdf'ler, taranmış

fotoğraflar insan gözüne kolay, anlaşılır ve güzel hoş gelen bilgiler içerebilir ama

makineler için okunabilir değillerdir.

Yani bilgisayar dostu değillerdir.

Yapılandırılmamış veri

Yapılandırılmamış Veriye karşı Yapılandırılmış Veri

Bilgisayarlar için veri

Bilgisayarların insanlardan farklı tarafları var. Belirli kaynaklardan bilgi çıkarmalarını

sağlamak son derece güçtür. İnsanlar için kolay olan bazı şeyler, bilgisayarlar için hâlâ

zor olabiliyor. Bilgisayarın veriyi işleyip, analiz etmesi için onu okuyabilmesi

gerekiyor. Bu da verinin biçimlendirilmiş ve makine tarafından okunabilir formatta

olması gerektiği anlamına gelir. Bunu sağlamak için en sık kullanılan format

tiplerinden biri CSV'dir. CSV virgülle ayrılmış değerler demektir. Standart bir e-tablo

oluşturma formatıdır. Veri, yeni sıraların üstündeki her bir veri sırası ve virgüllerin her

38

bir sırada değerleri birbirinden ayırdığı boş bir metin dosyası ile temsil edilir. Çok

basit bir açık format olarak, kullanımı çok kolaydır ve genellikle açık verileri

yayımlamak için kullanılır.

Bir CSV dosyası içeriği aşağıdaki gibidir:

“adet”, “renk”, “durum”, “ürün”, “kategori”, “çap (mm)”, “birim fiyat (AUD)”,

“beyaz”, “kullanılmış”, “top”, “golf”, 43, 0.5

Ancak çok sayıda yapılandırılmış ve makine tarafından okunabilir format vardır.

4.1. Uluslararası Veri

Uluslararası veri kaynakları çok çeşitli veri kaynaklarından ve kurumlardan

yararlanılarak oluşturuluyorlar. Örneğin Dünya Bankası verilerini çok çeşitli

organizasyonlardan yararlanarak veri sağlıyor ve düzenli olarak güncelleniyor.

Uluslararası Araştırmacı Gazeteciler Konsorsiyumu (ICIJ)’nun dünya bankası

projelerini ele alarak yaptığı araştırmacı gazetecilik projeleri yakından incelediğinde

dünya genelinde pek çok kişinin projelerden zarar gördüğü belgeleniyor. 3 Milyondan

fazla kişinin 2003 - 2013 yılları arasında yaşam alanlarını terk etmek zorunda kaldığı

ve yerinden olduklarını anlaşılıyor.

39

Uluslararası Veri Örnekleri

Diğer önemli veri kaynağı ise şirketlerin bilgilerine ulaşabildiğiniz Open Corporates

sitesi. Bu açık veri tabanında 102 milyon şirkete ait bilgi, veri, kayıt mevcut.

Araştırdığınız şirket ve konu hakkında csv, xml, json,xls formatlarında verileri

indirme olanağınız da var. Platformunda ayrıca görselleştirme bölümü de var. BP,

Bank of America, Citigroup,Goldman Sachs, Morgen Stanley, JP Morgen, Wells

Fargo gibi önemli şirket bilgileri mevcut. Bu şirketlerle ülkelerin ilişkisini, vergi

ağlarını görselleştirerek görebiliyorsunuz.

Bir başka önemli uluslararası veri kaynağı ise Birleşmiş Milletler’e ait UNdata.

60 milyon kayıt, 34 veritabanı bulunan portaldan, araştırma konunuza göre ve

ihtiyacınız olan veri formatına göre filtreleme yaparak veri indirebilir,

yararlanabilirsiniz. UNdata verilerine göre yaklaşık 7 milyon kişi aşırı açlık sınırında.

Google tarafından halka açılan veriler hizmeti ise veri ile çalışanlar için oldukça

yararlı bir adres. Türkçe bölümü de mevcut. Ancak gelişmiş bölümünden daha fazla

yararlanılabilir. Filtreleme yapabilir, görselleştirebilir, bölgeler arasında karşılaştırma

yapabilir, erişime açarak, sitenize de yerleştirebilirsiniz. Tek dezavantajı

görselleştirdiğiniz çalışmanın veri setini indiremiyorsunuz. Orijinal kaynağına

gitmeniz gerekiyor.

armsglobe.chromeexperiments uluslararası veri kaynağı adresi ise 1992 - 2010

yılları arasında dünya genelinde küçük silah ve mühimmat ticareti verilerine,

ülkelerin ithalat ve ihracat trafiğine görsel olarak ulaşmanızı sağlıyor.

Düzenli olarak güncellenen Ekonomik Kalkınma ve İş birliği Örgütü Veri bölümü

de güncel, yararlı bir uluslararası veri kaynağı adresi. Filtreleme yapabilir,

görselleştirme ile analiz ettiğiniz konuyu daha net görebilir, veri setlerini dilediğiniz

formatta indirip, kullanabilirsiniz. Ayrıca çalışmanızı erişime açarak kendi sitenize de

ekleyebilirisiniz.

Uluslararası Veri Kaynakları

Video Destekli İçerik: https://www.youtube.com/watch?v=Vj-CT6DGJFI

Videoda yer alan ulusal veri kaynakları, örnekler & araçlar:

Dünya Bankası Veri http://data.worldbank.org/

Örnek: ICIJ - Yerinden Olma& Terk Edilmeye Zorlanma http://www.icij.org/project/world-

bank

40

Örnek: 3 milyondan fazla kişi Dünya Bankası’nın projeleri nedeniyle yerinden oldu

http://dagmedya.net/2015/05/12/2003-2013-yillari-arasinda-3-milyondan-fazla-kisi-dunya-

bankasinin-projeleri-nedeniyle-yerinden-oldu/

Dünya Genelinde Tüm Şirketlerin Bigilerinin Toplandığı Açık Veritabanı:

OpenCorporateshttps://opencorporates.com/

OpenCorporates görselleştirme https://opencorporates.com/viz/financial/index.html

OpenCorporates Hakkında: http://www.verigazeteciligi.com/daha-iyi-bir-gazeteci-olmaya-

yardimci-olan-14-veri-araci/

BM Veri http://data.un.org/

Örnek: UNDP Data|Yaklaşık 6.7 milyon kişi aşırı yoksul

http://dagmedya.net/2015/01/23/undp-raporuyaklasik-6-7-milyon-kisi-asiri-yoksul/

Google Halka Açık Veri Arama Bölümü: Public Data Explorer

https://www.google.com/publicdata/directory

Dünya Genelinde Ülkelerin Küçük Silah ve Mühimmat - İthal & İhracat trafiği:Small Arms

and Ammunition - Imports & Exports http://armsglobe.chromeexperiments.com/

Ekonomik Kalkınma ve İşbirliği Örgütü Veri: https://data.oecd.org

Örnek:OECD: Türkiye gelir eşitsizliğinde üçüncü http://dagmedya.net/2015/05/23/oecd-

turkiye-gelir-esitsizliginde-ucuncu/

Önemli bir uluslararası veri kaynağı Data Catalogs: Data Catalogs

Diğer Uluslararası Veri Kaynakları

World Health Organization

United Nations

World Bank

DataCatalogs.org

The Guardian’s world government data portal

Google’s public data directory

The data hub

DBPedia Datasets

Factual

41

Free GIS data

List of open data resources

Energy data repositories

Data wrangling

Quora thread: “Where can I find large datasets open to the public?”

Directory of APIs

Infochimps

Datamarket

Offshore Leaks

Investigative Dashboard

Open Corporates

Natural Earth data

4.2. Ulusal Veri

Ulusal veri kaynakları çeşitli veri kaynaklarından ve kurumlardan yararlanılarak

oluşturuluyor. Türkiye İstatistik Kurumu (TÜİK)’in veri yayımlama takvimi

bulunuyor ve düzenli olarak bu takvim ile raporları erişime açıyor. Bir filtreleme alt

yapısına sahip, veriler ağırlıklı olarak Excel ve pdf olarak paylaşılıyor. Kategorilerine

göre verilerin düzenli olarak güncellendiğini de söyleyebiliriz. Örnek olarak verilen

“2015 Yılında Dolaşım Sistemi Hastalıklarına Bağlı Ölümler Arttı” haberinde

kullanılan TÜİK raporunun Resmi İstatistik Programı (RİP) ile Ölüm Bildirim

Sistemi kaydı ile tutularak güncelendiğini görüyoruz.

Ulusal Veri Örnekleri

Önemli bir veri kaynağı olarak Resmi Gazete’nin 7 Şubat 1921 tarihinden itibaren

yayımlanan tüm sayılarına erişebilirsiniz. E- uygulama hizmeti de veren Resmi

Gazete'de ilanları, günlük yargı ilanlarını ve ihale duyurularını da takip etme olanağı

var.

Seçim dönmelerinde sıkça yararlanılan ancak güncelde de faydalanılan Yüksek Seçim

Kurulu seçim, oylama vb. verilerinin Seçim Sonuçları Paylaşım Sisteminde nasıl

illere, ilçelere göre filtrelenip, csv, excel formatlarında indirilebildiği gibi

görselleştirildiğini görüyorsunuz.

42

Türkiye Odalar ve Borsalar Birliği, T. C. Sosyal Güvenlik Kurumu, Türkiye Bankalar

Birliği, Bankacılık Düzenleme ve Denetleme Kurulu, T.C. Başbakanlık Sermaye

Piyasası Kurulu, T.C. Başbakanlık Hazine Müsteşarlığı, Merkez Bankası, Kalkınma

Bakanlığı, Maliye Bakanlığı web siteleri de belirli periyotlarla veri paylaşan ve

filtreleme alt yapılarına sahip web siteleri arasında.

4982 numaralı Bilgi Edinme Kanunu ile Bilgi Edinme Hakkı’ndan yararlanmak için

sıklıkla başvurulan Başbakanlık İletişim Merkezi(BİMER) de sık kullanılan sayfalar

arasında yer alıyor.

Ulusal Veri Kaynakları

Video destekli içerik: https://www.youtube.com/watch?v=b8Jw0oq6-I8

Videoda yer alan ulusal veri kaynakları, örnekler & araçlar:

Türkiye İstatistik Kurumu (TÜİK) http://www.tuik.gov.tr

Örnek: 2015 Yılında Dolaşım Sistemi Hastalıklarına Bağlı Ölümler Arttı

Resmi Gazete http://www.resmigazete.gov.tr/default.aspx#

Örnek: "Resmi Gazete" Konusu Meclis'te

Yüksek Seçim Kurulu http://www.ysk.gov.tr

Örnek:15 Kurumdan 10 Tanesi Ortalamanın Çok Altında

Örnek: Seçim sonuçlarına güvenilemeyeceğinin somut kanıtını buldum

Türkiye Odalar ve Borsalar Birliği http://www.tobb.org.tr

T. C. Sosyal Güvenlik Kurumu http://www.sgk.gov.tr

Türkiye Bankalar Birliği http://www.tbb.org.tr

Bankacılık Düzenleme ve Denetleme Kurulu http://www.bddk.org.tr

T.C. Başbakanlık Sermaye Piyasası Kurulu http://www.spk.gov.tr

T.C. Başbakanlık Hazine Müsteşarlığı http://www.hazine.gov.tr

Kalkınma Bakanlığı http://www.kalkinma.gov.tr

T.C. Merkez Bankası http://www.tcmb.gov.tr

Örnek:Merkez Bankasının Gerçek Faizini Birlikte Hesaplayalım

43

Maliye Bakanlığı http://www.bumko.gov.tr/

Örnek: 2016 Bütçe Tasarısı|Gelecek Yıl Bütçeden Bin 400 Araca Daha Harcama Yapacağız

Başbakanlık İletişim Merkezi http://www.bimer.gov.tr/Forms/pgMain.aspx

Örnek: “Türkiye’de Kamusal İletişim ve Bilgi Edinme:10 Yılın Ardından Panoramik Bir

İnceleme”

Veri Kataloğu: Türkiye

http://dataportals.org/

44

5. SİVİL VERİ:SOSYAL MEDYA, KİTLE KAYNAK

45

Önceki dersimizde yararlı olabilecek bazı ulusal-

uluslararası veri kaynaklarını, nerede, nasıl ve

hangi formatlarda indirilebildiğini gördünüz. Bu

bölümde ise kurumsal, resmî veri kaynaklarının

dışında insanların paylaşımları, katılımı ile oluşan

yurttaş verisini, sivil veri ve türlerini göreceksiniz.

Sosyal medya verisini, seçim, doğal afet gibi olaylarda paylaşılan verileri yakından

inceleyek, kitleleri sorunun çözümüne dahil etmek olarak bilinin "Kitle Kaynak"

kavramına Guardian Gazetesi örneği ile yakından bakacaksınız.

Sivil Veri Örnekleri

Bu bölümde sosyal medya verisi ile yani insanların fikirleri, tepkileri, takipçi bilgileri

ile şekillenen veri tabanlarına dikkat çekiyoruz.

Kılıçdaroğlu, Erdoğan gibi siyasetçilerin 6 milyonun üstünde takipçileri var. Bu veri

gazetecileri için de önemli bir sayı. Dönemsel olarak liderlerin takipçilerinin

gündemle birlikte nasıl tepki verdiklerini analiz etmeyi de sağlayabiliyor. Bir örnek

üzerinden gidelim; Çilek Ağacı portalı liderlerin Twitter takipçilerinin isim

istatistiklerini tutarak hangi liderin hangi isimde takipçiye yüzdelik olarak sahip

olduğunu analiz ediyor.

46

Sosyal medya verisine en iyi diğer örneklerden biri de seçim dönemleri seçmenlerin

tepkilerini, paylaşımlarını, fikirlerini gördüğünüz veriler.

Özellikle seçim dönemlerinde Twitter üzerinden açılan etiketlerin önemli bir veri

kaynağı olduğu gözlemlenmektedir. Canlı, video, hesap, fotoğraflar şeklindeki

bölümlerden de dilediğiniz içeriklere ulaşabiliyorsunuz ve tabii ki gelişmiş arama

teknikleri ile hem daha fazla detay araştırabiliyorsunuz hem de yararlanmak

istediğiniz veriyi kaydedip, embed ile bir editöre ekleyebiliyorsunuz. Bu bölümü etkin

araştırma teknikleri bölümünde daha detaylı öğreneceksiniz.

Diğer önemli bir örnek ise Özgecan Aslan cinayeti sonrası başlatılan #sendeanlat

etiketi ile atılan binlerce Tweet.

Oy ve Ötesi tarafından, tamamen halkın/seçmenin ve üye desteği ile seçim

dönemlerinde paylaşılan seçim verileri, sonuç raporları da önemli bir sivil veri

kaynağı olarak karşımıza çıkıyor.

Google Trend ise sivil veriye iyi bir örnek. İnternet kullanıcılarının gündeminde neyin

olduğunu ya da araştırdığınız şeyin ne kadar ilgi gördüğünü de grafiklerle, bölgesel

olarak da görebiliyorsunuz. Atatürk Airport örneği üzerinden incelersek patlamanın

olduğu günde ciddi bir arama olduğunu görüyoruz.

Küresel Haber Ajansı olarak kendini tanıtan, sosyal medyadaki etkili haberleri bulup

doğrulayarak dünyayla paylaşan Storyful.com da önemli bir adres.

Türkiye’den yine değerli bir örnek de http://nediyor.com

Bu adreste sosyal medya verisi üzerinden analiz yapmak isteyen, veri toplayanlar için

önemli bir platform. Siteye girdiğinizde haberlerin altına sadece ünlülerin Twitter

üzerinden yaptığı yorumları görüyorsunuz.

47

Sivil veri bölümünde yine önemli bir konu da kitlenin kaynağınız olması, sorunun

çözümün parçası olması. Felaket, deprem gibi olaylarda kitlenin gücüne ihtiyacınız

olduğunda sivil veri önemli bir kaynak olarak karşımıza çıkıyor.

Sivil Veri Kaynakları

Video Destekli İçerik: https://www.youtube.com/watch?v=8jKhHyWoaqE

Videoda yer alan veri kaynakları, örnekler & bahsedilen araçlar :

• Liderlerin Twitter Takipçilerinin İsim

İstatistikleri http://cilekagaci.com/2011/11/04/liderlerin-twitter-takipcilerinin-

isim-istatistikleri/

• Özegecan Arslan Cinayeti ve #sendeanlat twitter

etiketi http://www.bbc.com/turkce/haberler/2015/02/150212_sen_de_anlat

• Oy ve Ötesi http://oyveotesi.org/

• Google Trend & Atatürk Havalimanı https://www.google.com.tr/trends/?hl=tr

• Küresel Haber Ajansı (Sosyal medyadaki etkili haberleri bulup, doğrulayarak

dünyayla paylaşıyorlar):https://storyful.com/

• Haber altına sadece ünlülerin tweetlerinin ve yorumlarının yer aldığı

portal. http://nediyor.com/

• Kitle Kaynak: https://tr.wikipedia.org/wiki/Kitle_kaynak

• Guardian'ın, yüzlerce içeriği okuyucularıyla paylaşıp, "hangi konuyu

işleyelim?" dediği sorusu üzerine, okuyucuların milletvekillerinin harcamalarını

seçmesi ve onun

haberi https://www.theguardian.com/news/datablog/2009/jun/18/mps-expenses-

houseofcommons

• Ve diğerleri…

Kitle kaynak (crowdsourcing)

Aradığınız bilgiye resmi olarak ulaşamıyorsanız ve sosyal medyada da tartışılmıyor

ise Kitle Kaynak yöntemlerine başvurabilirsiniz.

Kitle kaynak (İngilizce: crowdsourcing), bir sorunun çözümünün hazırı yoksa, kendi

çalışanlarından veya piyasadaki seçme profesyonel danışman ya da uzmanlardan değil

48

de, kitlelerden, yani becerebilen herhangi birisinden sağlanması sürecine verilen isim

ya da sıfattır.

Kitle kaynak (crowdsourcing) örneği olarak Guardian gazetesinin veri gazeteciliği

bölümünde okuyucularına veriler sunarak, kendileri için bir haber konusu seçmelerini

istedikleri örneğini verebiliriz. Kitle kaynak bir insan ağına görev dağıtımı yaparak

sağlanan, bir paylaştırılmış problem çözme ve üretim süreci olarak tanımlanıyor.

Guardian’ın bu çalışması sonrasında okuyucuların «milletvekillerinin harcamalarına

yönelik» haberin oluşmasına, ve böylece gazetecinin, özellikle spesifik bir konuya

odaklanmasına yardımcı olduklarının örneğini görmekteyiz. Konuyla ilgili habere

erişmek için…

Kitle Kaynak Örnekleri

Kitle kaynak çözümlere İnternet aracılığıyla ulaşılabilir. Şu İnternet siteleri bu oluşuma

örnektir:

• Vikipedi: Bu site kitle kaynaklı çözümlere en güzel örnektir. Yazan ve

güncelleştirenler bu işi para almadan yaparlar.

• istockphoto.com: Grafik projelerinde kullanma amacıyla fotoğraf arayanlara amatör

fotoğrafçıların çektiklerini ucuza temin eden site. Örneğin profesyonel fotoğrafçılar

100 dolar istediği bir durumda bu site 1 dolar ile ayni gereksinimi karşılayabilir.

• Amazon Mechanical Turk: Makinelere zor, insanlara kolay cevapları para karşılığı

insanlara verdirtir. Bu cevaplar genellikle basit ama çok yüksek sayıda olur; o zaman

her küçük cevaba cüzi bir miktar ödenir.

• innocentive.com: Firmaların Ar-Ge bölümlerinin başa çıkamadığı bilimsel ya da

mühendislik sorunlarını çözene mükafat önerilebilen bir site. Burada bir çözüm on

binlerce dolar gelir getirebilir.

• yourencore.com: Firmaların bir kezlik projeler için emekli bilim adamları bulmalarını

sağlayan site.

• Emporis: Gönüllülerce bina verileri toplanmasını sağlayan site.

• ESP Game / Google Image Labeler: Resim aramada kullanılmak üzere resmi anlatan

yazıların bir İnternet oyununun yan etkisi olarak elde edilmesi için site.

• reCAPTCHA: Otomatik tanınması zor yazıların insan emeğiyle bilgisayar ortamında

aranır taranır hale getirilmesini sağlayan site.

• MoveOn.org: Kitle kaynak yöntemiyle siyasi faaliyetler örgütleyen bir site.

49

• Stardust@Home ve Galaxy Zoo: uzayın incelenmesine gönüllü insan gücü sağlayan

iki site.

• Innovation Exchange

• Foldit: Protein katlama stratejileri bulmak için kitlelerin yaratıcılığından yararlanan

İnternet oyunu.

• Birleşik Devletler'de Teksas eyaletinin polis teşkilatı Ocak 2008'de halktan

gönüllülerin elektronik nöbet beklemeleri için sınır boyu kameralar yerleştireceğini

açıkladı.

• FlipperTV (Kasım 2007) ve McCainpedia (Mayıs 2008): Amerikan başkanlık

seçiminde kullanılmak üzere halkın çektiği Cumhuriyetçi yanlısı videoların

kullanımını kolaylaştıran siteler.

5.1. Türkiye’den Örnek Veri Haberciliği Çalışmaları

Bu bölümde ise üç veri güdümlü haber ve proje örneğini inceleyeceğiz.

Birinci proje, soykırımı konu alıyor. Bosna'daki kurumların verilerinden

yararlanılarak oluşturulmuş.

İkinci proje, Suriye'deki son durumu kapsayan dinamik haritaların da olduğu

kapsamlı bir haber dosyası.

Üçüncü proje ise, Soma faciası sonrası geliştirilmiş olan 2012'den 2015'e kadar 20 iş

kolunda yaşanan iş kazalarının yer aldığı bir açık veritabanını içeriyor.

Video Destekli İçeriktir: https://www.youtube.com/watch?v=pYIw6hG6YK0

Videoda yer alan projeler & linkleri:

• Srebrenitsa Soykırımına Interaktif Müze-Tarik Dodiç

http://www.aljazeera.com.tr/haber/srebrenitsa-soykirimina-interaktif-muze

• SURİYE DOSYASI |Harita ve Rakamlarla Suriye'de Güncel Durum Erman Çete -

Turgut Yıldız http://interaktif.sol.org.tr/suriye-dosyasi/

http://interaktif.sol.org.tr/suriye-dosyasi/

İşçi Ölümleri Açık Veri tabanı - Pınar Dağ & Berkin Akkocaoğlu & Mustafa

Özsarıoğlu

• http://madencilik.dagmedya.net/

• http://community.globaleditorsnetwork.org/content/open-database-deceased-workers-

turkey-0

50

•

https://docs.google.com/viewerng/viewer?url=http://community.globaleditorsnetwork.

org/sites/default/files/open_database_of_deceased_workers_in_turkey.pdf

• http://www.dagmedya.net/2014/09/01/somada-herkes-birini-bekliyor/

• http://www.dagmedya.net/2014/09/01/konusmaya-ihtiyacimiz-var/

• http://www.dagmedya.net/2014/09/01/destek-parasina-dokunmadik/

Videoda Paylaşılan Projelerin Veri Kaynakları:

• Remembering Srebrenica-https://www.srebrenica.org.uk/

• BM Mülteciler Yüksek Komiserliği Verileri: http://www.unhcr.org/turkey/home.php

• BM Kalkınma Programı Verileri: http://www.tr.undp.org/content/turkey/tr/home.html

• Confronting Fragmentation, Syrian Center for Policy Research, 2015: http://scpr-

syria.org/publications/policy-reports/confronting-fragmentation/

• Al-Masdar Al-‘Arabi (The Arab Source):

https://www.almasdarnews.com/article/category/syria/

• Maden İşleri Genel Müdürlüğü: http://www.migem.gov.tr/

• Türkiye Taşkömürü Kurumu: http://www.taskomuru.gov.tr/

• Maden Tetkik ve Arama Genel Müdürlüğü:http://www.mta.gov.tr/v2.0/index.php

• Türkiye Kömür İşletmeleri Kurumu: http://www.tki.gov.tr/tr/Anasayfa

• Maden Mühendisleri Odası: http://www.maden.org.tr/

• Etimaden İşletmeleri Genel Müdürlüğü: http://www.etimaden.gov.tr/

• İş Sağlığı ve Güvenliği Genel Müdürlüğü:

http://www3.csgb.gov.tr/csgbPortal/isggm.portal

5.2. Veri Arama Araçları

Bu bölümde veri ararken ya da araştırma yaparken nasıl daha hızlı yol alırsınız,

istediğiniz formatta nasıl veriye daha hızlı ulaşırsınız hem video-uygulama, hem

sunum ile yer vereceğiz.

51

Video Destekli İçeriktir:

https://www.youtube.com/watch?v=dw0APztkcXo

Sunum Destekli İçeriktir:

https://docs.google.com/presentation/d/1GKKFzX1qu0jX0g4htn8e6z1nJNzoSbPJBRVCqPu

BepA/htmlpresent

Videoda bahsi geçen siteler:

- Google Arama

Operatörleri https://support.google.com/websearch/answer/2466433?hl=en

- Google Gelişmiş Arama https://www.google.com/advanced_search

- Twitter Gelişmiş Arama https://twitter.com/search-advanced

Daha fazla site

- Google'ın Araştırma Araçları ( Doğrulama araçları da

dahil) https://newslab.withgoogle.com/process/research

- Veri Stüdyosu http://www.verigazeteciligi.com/googledan-yeni-bir-arac-veri-studyosu-

360/

- Veri Gazetecilerinin En Sık Kullandığı Araçlar http://www.verigazeteciligi.com/medya-

dunyasi-veri-gazetecileri-hangi-araclari-neden-kullaniyor/

52

6. AÇIK VERİ, AÇIK TOPLUM, AÇIK DEVLET VE VERİ

GAZETECİLİĞİ

53

Vergilerinizin ne kadarının sokak lambaları veya kanser araştırmaları için harcandığını

tam olarak biliyor musunuz?

Evinizden işinize en kısa, en güvenli ve en manzaralı bisiklet yolu nedir? Ve yol

boyunca nefes aldığınız havada neler var?

Bölgenizde bulunabilecek en iyi iş olanakları ve kişi başına en çok meyve ağacının

düştüğü yer neresidir?

Derinden önemsediğiniz konularla ilgili kararları ne zaman etkileyebilir ve kimlerle

konuşmalısınız?

Yeni teknolojiler artık bu soruları otomatik olarak cevaplamaya yönelik hizmetleri

oluşturmayı mümkün kılıyor. Bu sorulara cevap bulmak için ihtiyaç duyacağınız

verilerin çoğu kamu kurumları tarafından üretilmektedir. Bununla birlikte, sıklıkla

ihtiyaç durulan veriler henüz kullanımı kolay bir biçimde bulunmamaktadır.

Açık veri kavramı, vatandaşların yaşamlarının geliştirilmesi ve devlet ile toplumun

daha iyi çalışması için resmî ve diğer bilgilerin potansiyelinin nasıl açılacağına dair

yeni hizmetlerle ilgili bir süreci kapsar. Açık verilerin ve özellikle açık hükümet

verilerinin - herkesin herhangi bir amaçla erişebileceği ve tekrar kullanabileceği, yani

«kamuya açık» kavramı birkaç yıldır var olmuştur.

2009'da açık verilerin genel olarak kamuoyunun bilgisine açılmasına yönelik yeni

girişimleri açıklayan ABD, İngiltere, Kanada ve Yeni Zelanda gibi hükümetlerin

girişimiyle, bu ülkelere ait veriler görülebilir hale geldi. Açık Veri kavramı özellikle

'hükümetle ilgili' açık verilerin temel kavramlarına gönderme yapmaktadır. Açık

verilerin nasıl değer yarattığını ve birçok farklı alanda nasıl olumlu bir etkisi

olabildiğini bu bölümde inceleyeceğiz. Bunun yanı sıra açık verilerin nasıl üretileceği

hakkında somut bilgilere de değineceğiz.

6.1. Neden Açık Veri?

Açık veriler, özellikle de açık hükümet verileri, henüz kullanılmayan, muazzam bir

kaynaktır. Pek çok kişi ve kuruluş, görevlerini yerine getirmek için çok çeşitli veri

türlerini toplamaktadır. Hem topladığı verilerin miktarı ve merkeziliğinden ötürü, hem

de verilerinin çoğunun kamuya açık veriler olması nedeniyle hükümet verileri

özellikle önemlidir.

Açık verilerin nerelerde değerli olduğu ve örneklerin nasıl kullanılabileceğini önceden

tahmin edebileceğimiz birçok alan vardır. Bunun yanı sıra devletin kendisi de dâhil

olmak üzere açık verilerin kullanılmasından istifade edebilecek birçok farklı grup ve

kişi vardır.

Bugünkü verilerin, gelecekte nasıl ve nerede değer yaratacağını tam olarak tahmin

etmek olanaksızdır. Yine de Hükümet verilerinin değer yarattığı çok sayıda alana

işaret etmek mümkündür.

Bu alanlardan bazıları şunları içerir:

54

Şeffaflık ve demokratik kontrol

Katılım

Kendi kendini güçlendirme

Geliştirilmiş veya yeni özel ürünler ve hizmetler

İnovasyon/Yenilik

Verimliliği artırılmış devlet hizmetleri

Devlet hizmetlerinin etkililiğinin iyileştirilmesi

Politikaların etki ölçümü

Birleştirilmiş veri kaynakları ve büyük veri hacimlerindeki modellerden yeni

bilgiler

Bu alanların çoğuna örnek bulmak mümkündür. Şeffaflık açısından, Finlandiya'nın

'vergi ağacı' ve İngilizlerin 'paralarım nereye gidiyor' projeleri, vergi masraflarının

hükümet tarafından nasıl harcanacağını göstermektedir.

Kanada’da hayır işleri üzerinden 3.2 milyar dolar tutarında nasıl vergi kaçırıldığına

dair açık veri örnekleri mevcuttur. Ayrıca, Danimarka'daki gibi çeşitli web siteleri

sayesinde, parlamentodaki faaliyetleri ve kanun yapma süreçlerini izleyerek, orada

tam olarak ne olduğunu ve hangi parlamenterlerin toplantılara katılmakta olduğunu

görebilirsiniz.

Açık devlet verileri, kendi hayatınızda daha iyi kararlar almanıza ya da toplumda daha

aktif olmanızı sağlamaya yardımcı olabilir. Danimarka'daki kamu tuvaletlerini

gösteren findtoilet.dk'yi kuran bir kadın, böylece mesane sorunları yaşayan insanların

artık daha fazla dışarı çıkmak için kendilerine güvenebildiklerini gösterdi. Hollanda'da

yaşayanları çevrelerindeki hava kalitesi belirlenen bir eşiğe ulaştığında, mesajla

uyaran hizmeti de başka bir örnek olarak verebiliriz.

New York'ta köpeğinizle nerelere gidebileceğinizi kolayca öğrenebilir ve aynı parkları

kullanan diğer insanları bulabilirsiniz. İngiltere'deki 'mapumental' ve Almanya'daki

'mapnificent' gibi hizmetler, işe gidip gelme sürenizi, konut fiyatlarını ve bir alanın ne

derece güzel olduğunu hesaba katarak yaşayacak yer bulmanızı sağlar. Bütün bu

örnekler açık hükümet verilerini kullanmaktadır.

Açık verilerin ekonomik açıdan da büyük önemi vardır. Sadece Avrupa Birliği’nde

açık verinin birkaç on milyar Avro ekonomik değeri olduğunu gösteren çalışmalar

mevcuttur.

Yeni ürünler ve şirketler de açık veriyi yeniden kullanmaktalar. Danimarkalı

husetsweb.dk, finansal planlama ve iş yapabilecek inşaatçılar bulma gibi evinizin

enerji verimliliğini artırmanın yollarını bulmanıza yardımcı olur. Bu sistem kadastro

55

bilgilerinin ve devlet sübvansiyonları ile yerel ticaret siciline ilişkin bilgilerin tekrar

kullanılması üzerine kuruludur.

Google çeviri, çeviri algoritmalarını eğitmek için tüm Avrupa dillerinde ortaya çıkan

muazzam miktarda Avrupa Birliği belgesini kullanır ve hizmet kalitesini böylece

geliştirir.

Açık verilerin hükümet için de değeri bulunmaktadır. Örneğin, hükümetin

verimliliğini artırabilir. Hollanda Eğitim Bakanlığı, eğitimle ilgili tüm verilerini tekrar

kullanım için çevrim içi olarak yayımladı. Bu sayede, o güne kadar aldıkları soruların

sayısı azalırken, iş yükü ve maliyetleri de azaltmış oldular. Geriye kalan soruları

yanıtlamak da, ilgili veriler açık olduğu için artık memurlar için daha kolay hale

gelmiştir.

Açık veriler devleti daha etkin hale getirmekte ve sonuçta maliyetleri de

düşürmektedir. Hollanda Kültürel Miras Birimi, görevlerini daha etkili bir şekilde

yürütmek için verilerini etkin şekilde yayımlamakta ve Wikimedia Vakfı gibi amatör

tarihsel topluluklar ve gruplarla işbirliği yapmaktadır. Bu, yalnızca verilerin

kalitesinde iyileşme sağlamayı değil, aynı zamanda bu birimi daha efektif hale

getirecektir.

Açık verinin hem toplumsal hem de ekonomik değer yaratma biçimlerinin sayısız

örneği olsa da, burada tam anlamıyla hangi şeylerin mümkün olabileceğini henüz

bilmiyoruz. Açık veri, yeni veri kombinasyonları, yeni uygulama alanları doğuracak

yeni bilgi ve kavrayışlar yaratabilir. Örneğin 19. yüzyıl Londra’sında kolera

ölümleriyle ilgili verileri su kuyularının verileriyle birleştirerek, içme suyu kirliliği ile

kolera arasındaki ilişkiyi keşfeden Dr. Snow, bu sayede Londra'daki kanalizasyon

sistemlerinin kurulmasına öncülük ederek nüfusun genel sağlığını geliştirilmesine etki

etmiştir.

Beklenmedik bilgiler farklı açık veri setlerinin birleşiminden kaynaklanabildiği için,

bu tür gelişmelerin zamanla oluşabileceğini göreceğiz. Kamu yönetimi verilerini açık

veriye çevirdiğimizde, bu kamunun kullanılamayan potansiyelini de açığa çıkarabilir.

Tabi bu durum veriler gerçekten açıksa, yani başkaları tarafından tekrar kullanılması

için herhangi bir kısıtlama (yasal, finansal veya teknolojik) yoksa gerçekleşecektir. Bu

konulardaki her kısıtlama, kullanıcıların kamusal verileri tekrar kullanmalarına engel

olur ve bunu yapmak için yararlı yollar bulmakta zorlanırlar. Potansiyelin

gerçekleşebilmesi için kamusal verilerin açık veri olması gerekir.

56

“Açık veriler, özellikle en

yoksullar başta olmak üzere,

milyonlarca çocuğun

yaşamının kurtarılmasını ve

iyileştirilmesini mümkün

kıldı." 2014, New York

"Açık devlet yapısı gazetecileri, araştırmacıları, devlet memurlarını ve halkı devlet yapısını

irdelemeye ve iyileştirmeye yöneltir. " - Açık Veri Tanımı El kitabı

Okuma Önerileri

"Veri becerisi sizi daha iyi bir gazeteci yapar"

Yukarıda verilen başlıklar ve makale alıntısı; açık veriyle çalışan bir sivil toplum

kuruluşunu, açık devlet politikaları ile iyileştirme yoluna nasıl

gidilebileceğini, Türkiye'nin veri sağlamadaki sorunlarına değinilmiş olan bir makale

alıntısını ve bir veri gazetecisinin veri ile çalışmanın etkilerine yönelik görüşlerini

içeriyor. Peki bu görüşler neden önemli?

57

Birkaç örnek ile detaylı görelim

Britanya'da 2015 yılında Traffod adlı

bir belediye, kalp krizlerinin sık

yaşandığı bölgeleri açık veri

yardımıyla tespit ederek, o bölgelere en

hızlı ulaştırılabilecek 15

adet elektroşok alet noktası oluşturdu.

Amaç ambülans ulaşıncaya kadar kalp

krizi geçiren birine en hızlı desteği

sağlayabilmekti. Belediye bunu açık

veri uzmanları, veri analizcileri,

sağlıkçılar, yerel

yönetimlerin desteğiyle hayata geçirdi.

Ve uzmanlar bu çalışmayı yürütürken

bölgede yaşanan ölüm oranlarını,

obezite oranını, hangi tür hastalıkların ağırlıkta olduğunu ve fiziksel aktivite

olanaklarının ne olduğunu tespit ve analiz ederek hayata geçirdi. Ancak projenin

önemli taraflarından biri elektroşok aletlerinin nerede olması gerektiği ya da hangi

bölgenin en iyi nokta olabileceğini yine o civarda yaşayanların belirleyebiliyor

olmasıydı. Proje haritasını

buradan inceleyebilirsiniz: www.infotrafford.org.uk/defibrillators

Açık Veri Enstitüsü (Open Data Institute)'nün

raporlarında açık veri ile bisikletli kazalarının en

sık görüldüğü noktaların tespitiyle önlem

alınabildiği, acil durumlarda deprem, sel felaketi vb.

gibi olaylarda oluşturulan kampanyalarla

sivillerin ilk yardım servislerine nasıl etkin şekilde

yardımcı olabildiklerine yönelik örnekler de yer

alıyor. Bu örnekler kapsamında belirtmek gerekir

ki, açık veriyi kullanan, açık verilerle etkin

çalışmalar yürütüp, uygulamalar geliştiren,

haberciliğin yapısını değiştirebilecek önemli veri

gazeteciliği projelerine imza atan, açık

devlet altyapısına destek olan kurum/kuruluş ve

kişilerin sayısı her geçen yıl artıyor dünyada.

Harita: Belediyenin yerleştirdiği elektroşok aletlerinin

bulunduğu noktaları gösteren İnteraktif harita

58

Örneğin, Unicef, 2014 yılının başlarında, büyük veri analizleri sonucunda verinin

tasniflenip anlamlandırılması ile milyonlarca çocuğun hayatının kurtarıldığını

açıklamıştı.

Başka bir örnek vermek gerekirse ölümcül sonuçlar doğurabilecek depremler büyük

veri ile tahmin edilebiliyor. Veriler, ölçülebilirlikleri doğrultusunda analiz edilerek

sorunun tespitinde ciddi bir destek sağlayabiliyor.

Fakat tersi de olabileceğinden, veriyle çalışırken her zaman şüpheci olmak gerektiği

de unutulmamalıdır. Çünkü kötü bir veriye dayalı analiz sonucunda hayatlar da

kararabilir. Bu noktada kötü/hatalı veriye dayalı gazetecilik yapmak da mümkün hale

gelir ki böyle bir durumda gazeteci bunun sonuçlarıyla tek başına baş etmek zorunda

kalacaktır.

59

7. AÇIK VERİ VE TEMELLERİ

60

Bu bölümde açık veri, açık devlet, açık devlet verisi, açık yönetim ortaklığı

kavramlarının tam olarak ne olduğuna değineceğiz. Verileri açmanın önemini,

sınırlarını, açık devlet olmanın standartlarını, yarattığı ekonomiyi, nasıl hayat

kurtarabildiğini, felaketleri nasıl önleyebildiğini örneklerle ele alacağız. Türkiye'nin

açık veri endeksi ve bunun önemi ile ilgili detaylara yer verip, veri gazeteciliğinin

dünya çapında ödül almış örneklerini, hangi haber siteleri tarafından etkin şekilde

yapıldığını görerek, açık veri ile ilişkisini inceleyeceğiz.

Açık Veri: “Herhangi bir telif hakkı, patent ya da diğer kontrol mekanizmalarına tabi

olmaksızın herkes tarafından ücretsiz ve özgürce kullanılabilen, tekrar kullanılabilen

ve dağıtılabilen veridir.” (Open Knowledge Foundation - OpenDefinition.org)

Görsel: Open Data Handbook

Açık Veri Sembollerinden biri.

Açık Veri Vakfı tarafından yayınlanan https://opendefinition.org/od/1.1/tr/ web

sitesinde toplam 40 ayrı dilde, bu tanımın ayrıntıları kesin bir dille 11 maddede

sıralanmıştır.

Bu sıralamada ele alınana maddelerin başlıcalarını özetlemek gerekirse;

• Uygunluk ve Erişim: Veriler, bir bütün olarak ve makul bir yeniden üretim

maliyetini aşmayacak şekilde, tercihen İnternet üzerinden indirilerek, ücretsiz olarak

temin edilebilecek bir şekilde sunulmalıdır. Verilerin ayrıca uygun ve değiştirilebilir

bir biçimde bulunması gerekir.

• Yeniden Kullanım ve Yeniden Dağıtım: Veriler, diğer veri setleri ile karıştırılması

da dâhil olmak üzere, yeniden kullanıma ve yeniden dağıtılmaya izin veren şartlar

altında sağlanmalıdır. Makine okunabilirliği (machine-readable) olmalıdır.

• Evrensel Katılım: Herkes kullanabilmeli, yeniden kullanabilir ve yeniden dağıtabilir

olmalıdır - çalışma alanlarına veya kişi ve gruplara karşı herhangi bir ayrımcılık

olmamalıdır. Örneğin, 'ticari' kullanımını veya belirli amaçlarla (örneğin yalnızca

61

eğitimde) kullanım gibi çeşitli kısıtlamalara izin verilmemektedir. Kısacası kısıtlama

olmadan, özgürce herkes tarafından kullanılabilmelidir.

Açık olmanın ne anlama geldiğini ve neden bu tanımın kullanıldığını açıklığa

kavuşturmanın neden bu kadar önemli olduğunu merak ediyorsanız, basit bir cevap

var: Birlikte çalışabilirlik. Birlikte çalışabilirlik, çeşitli sistemlerin ve kuruluşların

birlikte çalışabilme yeteneğini gösterir (işbirliği içerisinde çalışma). Bu durumda,

farklı veri setlerini birlikte kullanma veya karıştırma becerisi ön plandadır.

Birlikte çalışabilirlik önemlidir, çünkü açık veriler farklı bileşenlerin birlikte

çalışmasına izin verir. Büyük, karmaşık sistemler oluşturmak için, bileşen oluşturma

ve onları birbirine bağlama yeteneği gereklidir. Dolaysıyla birlikte çalışabilirlik

olmadan bu imkansız hale geliyor — Babil Kulesi'nin en ünlü efsanesinde anlatıldığı

ve günümüzde de bolca örneklerini yaşadığımız üzere, iletişim kurma

yetersizliği/becerisi (birlikte çalışmak için), kulenin inşası gayretinin tümüyle

parçalanmasına neden olmuştur.

Veriler açısından da benzer bir durumla karşı karşıyayız. Verilerin (veya kodun)

"ortak"larının özü, içerdiği bir "açık" malzemenin serbestçe diğer "açık" materyal ile

karışmasıdır. Birlikte çalışabilirlik, "açık olma"nın temel pratik faydalarını

gerçekleştirmek için kesinlikle önemlidir: Farklı veri setlerini bir araya getirme ve

dolayısıyla daha iyi ürün ve hizmetler geliştirme olanağı.

Açık olmanın net bir şekilde tanımlanması, iki farklı veri kaynağından iki açık veri

seti elde ettiğinizde onları bir araya getirebilmenizi ve kendi "Babil Kulesi"nden

kaçmamızı sağlar: Çok sayıda veri setini, gerçek değerlerinin bulunduğu büyük

sistemlerle birleştirmek için çok az yeterlilik vardır veya hiç yoktur.

Open Knowledge Foundation (OKFN) ve School of Data’yı son yıllarda “Açık veri”

kavramın geliştirilmesinde en etkili kurumlar arasında referans gösterebiliriz. School

of Data düzenli olarak veri türlerine yönelik açık sınavlar, açık eğitimler düzenliyor.

OKFN, Asya, Afrika, Avrupa’da ve bazı hassas ülkelerde özellikle (Kenya, Nijerya,

Jakarta, Tanzanya gibi bölgelerde) gazetecilerin desteği ile çalışmalar yapıyor. Ciddi

sorunlar yaşayan ülkelerde örneğin temiz suyun, sağlık, tuvalet ihtiyacı gibi önemli

ihtiyaçlara erişimi sağlayabilmek için bölgede gazetecileri yetiştirerek, bu konularda

detaylı veri teminini sağlayarak, sorun tespitine gitmenin yollarını deniyor, veri

gazeteciliği projeleri geliştiriyor ve geliştirmeye devam ediyor.

62

Bu kurumların katkılarıyla Açık Veri Sivil Toplum Ağı (Open Data Civil Society

Network) oluşturma çalışmaları da başladı ve bu konuda ilk çalışmalar Makedonya ile

yapıldı.

Peki tüm bunlar ne anlama geliyor?

Neden veri gazeteciliği için “açıklık” önemli?

Dijital çağda medya endüstrisi, halk

sağlığından halkın tüketim

alışkanlığına, özlük haklarından,

eğitimde yaşanan sıkıntılara ve gelir

eşitsizliğine kadar pek çok alanda

kamunun hesap verebilir oluşunun

haber merkezlerini dönüştürdüğünü

hatta hayat kurtarabildiğini

göstermeye çalışıyor.

7.1. Açık Veri ve Açık Bilgi

Açık bilgi, açık verinin erişilebilir, anlaşılabilir, anlamlı ve birinin gerçek sorununu

çözmeye yardımcı olmasıdır.

Açık veriden değer yaratmak sorun çözer, hayat kalitesine katkı sağlar. Verinin

açılması 2005'li yılların başında güçlü bir şekilde dünya gündemine

taşındı, üzerine konferanslar, çalıştaylar ve açık kaynak projeler ve açık kaynak araçlar

geliştirilmesi teşvik edildi.

63

3 Mart Dünya Açık Veri Günü

Uluslararası Açık Bilgi Vakfı her yıl 3

Mart’ta dünya genelinde Açık Veri

Günü etkinliği düzenlemektedir. Vakfın

her yıl ayırdığı mini hibeye dünya

genelinde kurumlar, şahıslar, sivil toplum

örgütleri başvuru yapabiliyor. Fondan

yararlanmak için özgün bir açık veri

faaliyeti yapabilirsiniz.

• 2017’de 3 Mart’ta İnsan Hakları için açık veri etkinliği yürüten Dağ Medya

ekibi, 2018’de ise Hayvan Hakları için açık veri etkinliği düzenledi.

• Etkinlik bilgisi için bu formu doldurup bu haritada görünür olmasını

sağlayabilirsiniz: http://opendataday.org/

Dağ Medya’nın 2017 Açık Veri Günü etkinliği için ise

tıklayınız: https://t.co/f108AWanFV

Veri Neden Açılmalıdır?

Devletler açık veri politikaları geliştirerek, açık

veri portalları açtı. Ancak açıklık tanımına göre

maalesef dünyada yayımlanan veri setlerinin

yüzde 89'u açık değil. Bir başka ifadeyle veri

setleri açıklık tanımına göre sadece yüzde 11

oranında açık.

Şeffaflık, sosyal ve ticari değerin serbestleşmesi

ve katılımın sağlanması için verilerin açık

olmasının önemi yadsınamaz.

Veri Neden Açılır?

Şeffaflık: Demokratik toplumlarda vatandaşlar devletinin neler yaptığını bilmeye

ihtiyaç duyar. Vatandaşlar, devlet verilerine özgürce erişebilmeli ve bu bilgiyi diğer

vatandaşlarla paylaşabilmelidir. Şeffaflık sadece erişmeyi değil, aynı zamanda

paylaşım ve tekrar kullanımı da kapsamaktadır. Bir şeyin anlaşılabilir olması için

64

analiz edilmesine ve görsel olarak sunulmasına ihtiyaç duyulur. Bu da verinin açık

olması ile mümkün olur. Bu sayede veri ve veriden elde edilen anlaşılır sonuçlar

özgürce kullanılabilir ve tekrar kullanılabilir.

Sosyal ve Ticari Değerin Serbest Bırakılması: Sayısal çağda veri, sosyal ve ticari

faaliyetler için ana kaynaktır. Yerel posta servisinin bulunmasından arama motoru

yapımına kadar her şey veriye erişimi gerektirir. Bu verinin çoğu devlet tarafından

oluşturulur ya da yönetilir. Devlet elindeki veriyi açarak, sosyal ve ticari değere

dönüşen yenilikçi iş alanları ve hizmetlerin oluşmasına olanak sağlamış olur.

Katılım ve Bağlılık: Katılımcı yönetişim ya da şirketler ve örgütler için kullanıcılarla

ve takipçilerle bağlılık. Çoğu zaman vatandaşlar devletleri ile örneğin 4-5 yılda bir

olan seçim zamanlarında olduğu gibi belirli bazı zamanlarda bir araya gelmektedir.

Veriyi açarak, vatandaşların doğrudan bilgilendirilmesine ve vatandaşın karar

verilirken içinde bulunmasına daha çok olanak sağlanır. Bu şeffaflıktan da öte bir

durumdur. Bu sadece yönetişimin işleyişinde neler yaşandığının bilinmesinden çok,

vatandaşın katkı sağlayabildiği bir durumdur.

Veri Hangi Durumda Açık Sayılır?

Veri, aşağıdaki durumları karşıladığında açık veri özelliğini kazanır:

Teknik olarak Açıklık: Makineler tarafından okunabilen (machine-readable) standart

yapıya uygunluk sağlamalıdır. Bilgisayar uygulamaları tarafından alınabilmeli ve

anlamlı bir şekilde işleme tabi tutulabilmelidir.

Yasal olarak Açıklık: Açık bir şekilde lisanslanmalıdır. Herhangi bir sınırlama

olmaksızın, ticari ya da ticari olmayan kullanım ve tekrar kullanıma izin vermelidir.

7.2. Açık Verinin Yapısı

Dünya Bankasına göre açık verinin yapısı 3 unsurdan oluşmaktadır.

Etkileşimli Yayıncılık: Buradaki düşünce, devletin veriyi etkileşimli olarak çevrimiçi

koymaları gerektiğidir. Verinin konulması için her defasında istenmesine gerek

kalınmamalıdır.

Makine Okunabilirliği: Buradaki düşünce, verinin sadece ekrandan okunmasından

ziyade, bilgisayarlar tarafından işleme tabi tutulmasına imkân sağlanması gerektiğidir.

Erişime sunulan veri aynı zamanda yüksek teknik engellere takılmadan

sınıflandırmaya (sort), elemeye (sift), süzgeçten geçirilmeye (fitler) de imkân

sağlamalıdır. Diğer taraftan pahalı yazılımlar kullanılmadan erişilebilen standart dosya

yapıları kullanılmalıdır.

65

Tekrar Kullanım İzni: Buradaki düşünce, erişime sunulan verinin herhangi bir kişi

tarafından tekrar kullanımı ya da paylaşımında yasal kısıtlamaların olmaması

gerektiğidir. Genellikle devlet verileri yeniden kullanılmayı yasaklayan telif veya IP

korumaları altına yerleştirilir ve veriyi tekrar kullanacak kişilerin veri kaynağına atıf

yapmasını gerektiren açık lisans bildirisi dışında başka bir sınırlama bulunmamaktadır.

Açık Veri Türleri Neler Olabilir?

Veri Nasıl Açılır ?

66

Basit tutularak: Küçük, basit ve hızlı şekilde işlenmesi. Tüm veri setlerinin hemen

açılması gerekmez

Veri seti/setleri seçimi yapılarak: Açılması düşünülen veri setinin seçilmesi

Açık lisans uygulayarak: Veride hangi fikri mülkiyet haklarının bulunduğunun

belirlenmesi ve en uygun açık lisansın uygulanması

Veri kullanılabilir yapılarak: Verinin herkes tarafından kullanılabilir bir yapıya

dönüştürülmesinin sağlanması

Veri bulunabilir yapılarak: Açılan veri setlerinin bir liste halinde İnternet üzerinden

yayınlanarak bulunması sağlanarak

7.3. Açık Devlet Verisi, Açık Devlet ve Açık Yönetim Ortaklığı

Açık Devlet Verisi: Devlet ya da devlet kontrolündeki birimlerin ürettiği, herkes

tarafından kullanılabilir, tekrar kullanılabilir ve dağıtılabilir olan veridir.

(Open Knowledge Foundation)

Açık Devlet: Verilerin açıkça paylaşılmasının ardından açık

devlet kavramı ortaya çıkmıştır. Halkın bilgilere erişebilmesinin

yanı sıra katılımına ve işbirliğine önem verilmesi de bu sürecin

önemli unsurları arasındadır. Açık devletin bileşenleri ise şeffaflık,

katılım ve işbirliğidir.

Açık Devletin Bileşenleri

ŞEFFAFLIK: Hükümetin halka devleti nasıl yönettiğine dair bilgiler sunmasıdır. Bu

sayede hesap sorulabilir bir yapı ortaya çıkacaktır.

Açıklık hesap sorulabilir devlet yapısını destekler.

Açık devlet yapısı gazetecileri, araştırmacıları, devlet memurlarını ve halkı, devlet

yapısını irdelemeye ve iyileştirmeye yöneltir.

KATILIM: Hükümet halktan bilgi, uzmanlık istemesidir. Politikacılar edindikleri

bilgiler sayesinde daha iyi politika üretebileceklerdir.

Devletin nasıl çalıştığı hakkında daha fazla bilgiye erişiliyor olması vatandaşın bu

yapıya daha fazla katılmasını beraberinde getirir.

En iyi fikirlerin çoğu halktan gelir

67

Halkın katılımı politikayı şekillendirir.

İŞ BİRLİĞİ: Devletin ulusal sorunları çözmek, problemlerin üstesinden gelebilmek

için halk ile işbirliği yapmasıdır.

Halkın katılımıyla edinilen bilgiler sayesinde idareciler daha bilinçli kararlar

alabilmektedir.

İş birliğinde hedef, problemleri çözmek için innovative stratejiler geliştirmektir.

Açık Devletin Riskleri

Güvenlik

Kişilik Haklarının İhlali

Verilerde Tutarsızlık

Açık Devletin Fırsatları

Kurumların Veri Odaklı Çalışması

Veri İşleme Teknolojisi Gelişimine Katkı

Kitlesel Kaynak Kullanımı (Crowdsourcing)

Açık Devlet Olası Adımları

Başarılı Örnek İncelemesi

Kamu Katılımının Teşviki

Üst Düzey Açık Devlet

Stratejisi

Sorumlu Merkezi Kuruluş

Kurum Bazında Açık

Devlet Stratejisi

Kamu Talep-Tedarik-

Teşvik Döngüsü

68

Açık Devlet Web Sitelerine Dünyadan Örnekler

Video Destekli İçerik: https://www.youtube.com/watch?v=xGOiBr3JAk8

Videoda yer alan açık devlet siteleri

• https://opendata.go.ke/

• https://www.data.gov/

• http://data.gov.be/en

• https://data.gov.uk/data/search

• https://opendatanederland.org/

• http://data.norge.no/

• http://geodata.gov.gr/

• https://opengovdata.ru/

• http://data.gov.au/

• http://open.canada.ca/en

• http://www.dati.gov.it/

• http://datos.gub.uy/

Dünyada Açık Devlet Yapısı

Birçok ulusal hükümet topladıkları verilerin bir kısmını halkla paylaşmak için web siteleri

oluşturmuştur.

data.gov - Amerika Mayıs 2009.

data.gov.uk - İngiltere Eylül 2009.

data.govt.nz – Yeni Zelanda Kasım 2009.

data.norge.no – Norveç Nisan 2010.

geodata.gov.gr - Yunanistan Temmuz 2010

opengovdata.ru – Rusya 2010

69

data.gov.au - Avustralya 2011.

data.gc.ca – Kanada Mart 2011.

opendata.go.ke – Kenya Haziran 2011.

data.gov.it – İtalya Ekim2011.

datos.gob.es – İspanya Ekim 2011.

datos.gub.uy – Uruguay Kasım 2011.

data.gouv.fr – Fransa Aralık 2011.

daten-deutschland.de – Almanya Şubat 2013.

Bazı Açık Veri & Devlet Uygulamaları

Birleşik Krallık Örneği

Bu proje Kasım 2009’da Birleşik Krallık Hükümeti tarafından düzenlenen “Bize En

İyi Yolu Gösterin” yarışmasında birinci olmuştur. Bu proje ile vatandaşlar,

devlet harcamaları ile ilgili bilgilere görsel olarak ulaşabilmektedir.

http://wheredoesmymoneygo.org/

70

7.4. Türkiye’de Açık Devlet Kavramı

ŞEFFAFLIK

Kamu idareleri hizmet sunabilmek için yürüttükleri faaliyetlerde şeffaflık ve hesap

verebilirlik ilkelerini dikkate almalı ve hizmetten yararlanan kesimlerin soru ve

taleplerine yönelik tatmin edici açıklamaları yapabilmelidir. Hizmetten yararlananların

71

kamuya ait bilgilere daha kolay ulaşabilmesini sağlamak amacıyla yapılan

çalışmaların artırılması ve bu alanlarda iyileştirmeler yapılması, şeffaflık ve hesap

verebilirliğin sağlanmasında önemli adımlar olarak görülmektedir.

Şeffaflık ve hesap verebilirlik ilkelerinin sağlanabilmesinin en önemli araçları

kamuoyunun doğru ve zamanında bilgilendirilmesini sağlayacak raporlama ve

bilgilendirme mekanizmalarının kurulmasından geçmektedir. Bu raporlar ve

bilgilendirmeler sayesinde kamuoyu, idarelerin yürüttükleri hizmetlere yönelik önemli

bilgiler elde edebilecek ve kamuoyu denetimi önemli mesafe kaydedecektir.

Vatandaşın bilgilendirilmesi, bilgisizlikten kaynaklanan yanlış anlamaları ve güven

açığını ortadan kaldıracaktır.

KATILIM

Bir ülkedeki karar alma süreçlerinde ve alınan kararların uygulanmasında ilgili tüm

paydaşların etkin rol oynaması olarak tanımlanan yönetişim olgusu, dünyada yaşanan

gelişmeler paralelinde Türk kamu yönetimi anlayışında da yer bulmuştur. Yönetişim

yaklaşımının temel amacı, karar alma süreçlerine, ilgili tüm tarafların katılımının

sağlanması suretiyle alınan kararların daha rasyonel ve etkili olmasının temin edilmesi

ve yönetimin tüm aşamalarında hesap verebilirliğin ve saydamlığın artırılmasıdır. Bu

bağlamda yerel, bölgesel, ulusal ve uluslar arası düzeyde pek çok aktörün karar alma

süreçlerine dâhil edilmesi ve diyalog ortamının tesis edilmesi öngörülmektedir.

Kaynak: Kamuda Stratejik Yönetim http://www.sp.gov.tr

Başbakanlık 2011–2015 Dönemi Stratejik Planı

A2- Vatandaşa daha hızlı, kaliteli ve güvenilir kamu hizmeti verilmesini

sağlamak.

• H2.2- Hizmetlerin verimliliğini, öngörülebilirliğini ve güvenilirliğini artırarak

vatandaş memnuniyetini yükseltmek.

Temel Stratejiler:

• Hizmet sunumunun basitleştirilmesi

• Kamu hizmet sunum sürecinde ağırlığı olan idari yüklerin tespit edilerek

azaltılmasına yönelik tedbirler alınması

• Kamu hizmet standartlarının belirlenerek duyurulmasının sağlanması

• Kamu hizmet yararlanıcısının memnuniyetini ölçecek sistemlerin tasarlanması

Başbakanlık 2011–2015 Dönemi Stratejik Planı

72

A3- Şeffaf, hesap verebilir, verimli ve etkili çalışan bir kamu yönetiminin

gerçekleştirilmesine öncülük etmek.

• H3.1- Şeffaflığı ve hesap verebilirliği artırarak kamuya önderlik etmek.

Temel Stratejiler:

• Şeffaflık ve hesap verebilirliği sağlayan uygulamaların tüm kamu yönetiminde

yaygınlaştırılmasına önderlik edilmesi

• Kamuoyunun bilgi edinmesini kolaylaştıran araçların niteliklerinin geliştirilmesi ve

bu tür araçların nicelik olarak artırılması

• Faaliyet sonuçlarının kamuoyuyla paylaşılması

• “İç Kontrol” konusundaki kurumsal farkındalığın artırılması

• Usulsüzlük ve yolsuzlukların bildirilmesine ilişkin yöntemler geliştirilmesi

• Yolsuzlukla mücadele alanında bilgi düzeyinin ve farkındalığın artırılması

• Etik değerler konusunda farkındalığın artırılması

Başbakanlık 2011–2015 Dönemi Stratejik Planı

A4- Karar alma süreçlerine toplumsal unsurların ve bireylerin katılımına imkân

veren dönüşümü sağlamak.

• H4.1- Karar alma süreçlerine katılımı teşvik edecek mekanizmaları güçlendirmek ve

yenilerini geliştirmek.

Temel Stratejiler:

• Karar alma süreçlerinin bütün aşamalarında katılımcılıkla ilgili adımların net bir

şekilde tanımlanması

• Vatandaşların ve sivil toplum kuruluşlarının katılımcılıkla ilgili olarak zamanında ve

yeterli düzeyde bilgilendirilmesi

• “Düzenleyici etki analizinin” danışmaya ilişkin süreçlerinin etkin bir şekilde

işletilmesine yönelik ortamlar oluşturulması

Başbakanlık 2011–2015 Dönemi Stratejik Planı

A4- Yerel yönetimlerde etkinliği, verimliliği, katılımcılığı, açıklığı ve hesap

verebilirliği sağlamak.

73

• H4.1- Yerel yönetimlerde halkın yönetime etkili katılımını ve açıklığı sağlayacak

düzenlemeler yapılacak ve yöntemler geliştirilecektir.

• H4.2- Mahalli idarelerin finansman imkânları ve hizmet kapasitesi

kuvvetlendirilecektir.

• H4.3- Mahalli idarelerde, mali disiplin anlayışı yerleştirilecek, hesap verebilirliğin

artırılması için düzenleme yapılacaktır.

• H4.4- Yerel yönetimlerin sundukları hizmetler için ülke çapında asgari hizmet

standartları belirlenecek, standartlara uygunluk ve performans denetimi Merkezi İdare

tarafından yapılacaktır.

• H4.5- Kırsal alan yönetiminde etkinlik sağlanması için düzenleme yapılacaktır.

• Devlete ait veriler özel sektör tarafından kopyalanmamalıdır. Bu veriler kullanılarak

devlete meydan okuma gibi durumların önüne geçilmelidir.

• Devlet halktan aldığı vergileri etkin bir şekilde kullanmalıdır. Örneğin devletin

paylaştığı açık verinin düzenlenmesi maliyetli ve bu veri sadece belli bir ticari kesimin

işine yarıyorsa devlet bu veriyi kullananlardan verinin maliyetini almalıdır.

• Data paylaşımından sağlanılan gelirler kar amacı gütmeyen kurumlara aktarılmalıdır.

• Her veriye herkesin ulaşması gibi bir durum söz konusu olamaz. Bu noktada veri

kısıtlı olarak paylaşılmalı ya da kısıtlı sayıda kişi ile paylaşılmalıdır.

• Açık verilerin ulaştırılmaya çalışıldığı hedef kitle bazı verileri ek süreçlerden

geçirmeden anlayamaz (Analizler, uygulamalar). Örneğin tıbbi, biyolojik ve ekolojik

veriler vb. Bu durumlar göz önünde bulundurulmalıdır.

7.5. Açık Yönetim Ortaklığı

Her şartta veri ile çalışmak habercilikteki bilincin değişmesine olanak tanıyor ayrıca

dijital çağın sağladığı olanaklarla bunu hiç olmadığı kadar etkin hale getiriyor.

Nitekim dünyada gazetecilik ve medya hareketleri, devletlerin şeffaflaşmasının önünü

hiç olmadığı kadar açmayı hedefleyen, açık toplum, açık devlet, açık bilgi, açık sağlık,

açık kültür, açık ders, açık bilim, açık kurs gibi pek çok yeni tanımları da beraberinde

getirdi. Öyle ki Open Knowledge küresel açık veri endeksleme anketi düzenlemeye

başladı. Ülkelerin resmî kurumlarının veriyi kamu yararı için gazetecilere,

araştırmacılara, halka ne kadar açık şekilde sunduklarını ya da bunu

sağlayıp/sağlamadığını ortaya koydu. www.opengovpartnership.org’da ülkeler

nezdinde aynı hizmeti ve aynı amacı hedefliyor. Türkiye incelendiğinde, Türkiye bu

74

oluşuma 2012’de imza atarak daha şeffaf olacağını, yolsuzluklarla mücadele edeceğini

beyan ediyor.

Açık Yönetim Ortaklığı: 20 Eylül 2011 tarihinde kurulmuş olan bir girişimdir.

Girişimin temel hedefi saydamlık ve hesap verilebilirliğin artırılması ile yolsuzlukla

etkin bir biçimde mücadele edilmesi, vatandaşların ve sivil toplumun kamusal karar

alma ve uygulama süreçlerine daha fazla katılımının sağlanması, açık ve etkin bir

kamu yönetimi için teknolojik imkânların daha fazla kullanılması ve vatandaşların

devlet karşısında daha güçlü konuma getirilmesidir.

Açık Yönetim Ortaklığına dâhil olmak isteyen ülkelerin öncelikle açık yönetimle ilgili

asgari yeterlilikleri karşılamaları ve Açık Yönetim Ortaklığı Bildirisini kabul etmeleri

gerekmekte. Ortaklık için ilk adım olan asgari yeterliliklerin karşılanması ile

kastedilen ise hükümetlerin dört temel alanda Mali Şeffaflık, Bilgi Edinme Hakkı,

Gelir ve Mal Bildirimi, Vatandaş Katılımı belirlenmiş olan kriterlere uyum

sağlamasıydı. Türkiye 20 Eylül 2011’deki resmi açılış töreninde Açık Yönetim

Ortaklığı Bildirisini kabul ederek ortaklığın bir parçası olmuştur. Bu süreçte yani

2011'den günümüze Türkiye, söz verdiği www.saydamlik.gov.tr, www.harcama.gov.tr

ve www.duzenleme.gov.tr sitelerini eylem plan takvimine göre henüz hayata

geçirememiştir.

22 Eylül 2016 tarihinde Türkiye’nin Açık Yönetim Ortaklığı Statüsü Pasif

duruma alınmıştır. Yolsuzlukla mücadele ve şeffaf yönetim anlayışının geliştirilmesi

kapsamında, Türkiye’nin de üyesi olduğu Açık Yönetim Ortaklığı’nın Yürütme

Komitesi Türkiye’nin 2014’ten bu yana bir eylem planı sunmamasına bağlı olarak

75

üyeliğinin pasif duruma alındığını açıkladı.

7 Nisan 2017 tarihi

itibari ile BİMER'e

yapılan başvuru

sonucunda

Türkiye'nin AYO

durumuna yönelik

aktarılan yanıt:

10 Ekim 2017 itibari ile Türkiye üyelikten çıkarıldı: Türkiye Açık Yönetim

Ortaklığı üyeliğinden çıkarıldı. Geçtiğimiz yıl Eylül ayında üyeliği pasif konuma

alınmıştı. Açık Yönetim Ortaklığı yürütme kurulu karar raporu dün yayımlandı.

Raporda Türkiye’nin 2016’da pasif konumu sonrası söz verdiği süreci yürütemediği,

standartlar ve kriterlere yönelik faaliyet yapmadığı ve konuyla ilgili bir bilgilendirme

yollandığı ama sonuç alınamadığına değiniliyor. Türkiye’nin bu sebeple üyelikten

çıkarıldığı raporlanıyor.

76

• Başbakanlığa Nisan ayında konu ile ilgili yapılan bilgi edinme başvurusunda ise

olağan üstü hal koşulları neden olarak gösterilmiş, yavaş bile olsa sürecin devam ettiği

belirtilmişti. Oluşum yolsuzlukla mücadele ve şeffaf yönetim anlayışının

geliştirilmesini

kapsıyor.

Türkiye 2011’de

ortaklığa

katılmıştır.

Ancak Türkiye

Türkiye’nin

2014’ten bu yana

bir eylem planı

sunamadı.

AYO Yürütme

Kurulu’nun Türkiye’nin

Amerika Büyükelçisi

Serdar Kılıç’a

aktardığı mektup şöyle:

OGP sayfasında yer alan

mektupta hiçbir eylem

planı yapılmadığı için

üyelikten Türkiye’nin çıkarıldığı, Türkiye’nin hesap verebilir ve şeffaf yönetim anlayışının

geliştirilmesi, yolsuzlukla mücadele edilmesi, vatandaşların ve sivil toplumun karar alma

süreçlerine aktif katılımının artırılması yolunda tekrar karar alması hakkında temenniye yer

veriliyor.

Açık Yönetim Ortaklığı (Open Government Partnership – OGP)

Açık Yönetim Ortaklığı (Open Government Partnership – OGP) politika yapım

süreçlerinde hesap verebilir ve şeffaf yönetim anlayışının geliştirilmesi, yolsuzlukla

mücadele edilmesi, vatandaşların ve sivil toplumun karar alma süreçlerine aktif

katılımının artırılması ve sivil toplum ile hükümet arasındaki diyaloğun

güçlendirilmesi gibi amaçlarla 2011 yılında kurulmuştu. Kurulduğu yıl Ortaklığa

katılan Türkiye, üç başlıktan oluşan bir Eylem Planı hazırlamıştı; Kamuoyu ile Bilgi

Paylaşımı, Politika Yapma ve Karar Alma Süreçlerine Katılım ve Etkin İşbirliği,

Farkındalık Artırıcı Faaliyetler Düzenlenmesi ve Taraflar Arasında Diyaloğun

Artırılması.

77

Şekil 2Açık Yönetim Ortaklığı (Open Government Partnership ) Yürütme Kurulu- 20 Eylül 2017 /New York

Şekil 3Görsel: http://www.igb.gov.tr ‘den alınmıştır.

78

Şekil 4Ekran Görüntüsü: http://www.opengovpartnership.org/country/turkey Turkey bölümünden alınmıştır.

7.6. Açık Veri Endeksi

Küresel Açık Veri Endeksi

Uluslararası Açık Bilgi Vakfı (International Open Knowledge Foundation (OKİ)

tarafından 2013 yılında yapılmaya başlanan Küresel Açık Veri Endeksi (Global Open

Data Index), dünya genelinde ülkelerin temel veri paylaşımında teknik ve yasal olarak

ne kadar açık olduklarını ölçmeyi hedeflemektedir. Ülkeler bilgiyi çeşitli formatlarda

sunmak zorunda değillerdir ancak son yıllarda büyük verilerden yaratılan değerler,

ülkelerin veri tabanlarına ulaşabilme olanakları bu konuyu küresel ölçekte bazı

ülkelerin gündemine taşımakta. Bu endekste ülkelerin kendilerini hem kıyaslama şansı

bulabildikleri hem de her yıl nasıl daha etkin şekilde açıklık kriterlerine

uyabileceklerine yönelik bir kolaylaştırıcı rol üstlenmekte. Endeks kitle kaynak

desteği ile hazırlanmaktadır.

79

Türkiye bölümü ise 2014'den bu yana Kadir Has Üniversitesi, Yeni Medya Bölümü

Veri Gazeteciliği dersi alan öğrencilerin katkılarıyla oluşturulmuştur. 2016 endeksi de

tamamlandı ancak sonuçlar henüz açıklanmadı.

Küresel Açık Veri Endeksi 2015 Sonuçlarına göre Tayvan birinci sıradadır.

Endeks Nasıl Oluşturuluyor?

Küresel Açık Veri Endeksi, hükümetler tarafından yayınlanan (veritabanları) içerikler

üzerinden hazırlanan kriterler baz alınarak ölçülüyor. Örneğin işsizlik verileri, GSYİH

verileri ulusal istatistik kurumunda yer alıyor mu, güncel mi, aylık olarak yükleniyor

mu, nüfus verileri yılda bir güncelleniyor mu? vb. kriterler üzerinden ölçülüyor

açıklık.Tabii ki teknik olarak açık mı bunlar da önemli kriterler arasında

(http://index.okfn.org/methodology)

Verisetleri kriterlere uygun ise aşağıdaki 9 soru üzerinden ne kadar açık olup

olmadığı puanlanıyor:

-Veri mevcut mu?

-Veri dijital formda mı?

-Kamuya açık mı?

-Veri ücretsiz olarak kullanılabilir mi?

-Veri çevrim içi olarak mevcut mu?

-Makine okunabilirlik mümkün mü?

-Veri toplu olarak mevcut mu?

-Veriler açık lisanslı mı?

-Veri güncel ve tarih bazlı güncelleniyor ve sağlanıyor mu?

80

8. AÇIK VERİ ENDEKSİNDE TÜRKİYE

81

Devletlerden bilgi edinme hakkı kapsamında devletin kamu verilerine erişimi kolayca

sağlaması Veri Gazeteciliği’nin sürdürülebilirliğini de destekliyor; çünkü Veri

Gazeteciliği projeleri çoğunlukla açık veriye ihtiyaç duyuyor. Yüksek kamu yararı

taşıyan gizli kaynakların kullanımı başka bir konunun başlığı olarak ele alınabilir ama

bu alanda üretilen projeler çoğunlukla herkesin rahatlıkla ulaşabildiği bir mantık ile

yürüyor.

Açık toplum olabilmek açık, şeffaf, hesap verilebilir, hukuk sisteminin de doğru

işlediği, gazeteciliğin de özgürce çalışma yapılabildiği, ifade özgürlüğünün olduğu,

yolsuzlukların da, hükümetlerin devlet hazinesinden ne kadar harcama yaptıklarının da

detaylarına kadar gösterebilen zincirleme bir ilişkiyi içeriyor. İnternet’i kontrol altına

alan devlet sayısı artarken, medya endüstrisinin kendi içinde “açıklık savaşı” vermesi

bu sebeple Veri Gazeteciliği’ni daha fazla önemli kılıyor.

http://global.census.okfn.org adresi üzerinden takip edebileceğiniz Küresel Açık Veri

Endeksinde, 2013-2016 yılları arasında Türkiye ve diğer ülkelerin yıllara göre «açık

veri» endeksini karşılaştırmak mümkün. Bu proje açık veriyi savunanlar ve bu konuya

dikkat çekenlerin katılımıyla gerçekleştirildi.

2013 yılına ait endekste Türkiye ile ilgili henüz bir veri girişi yok.

Open Knowledge tarafından dünya genelinde ülkelerin katılımıyla oluşturulan 2014

Küresel Açık Veri Endeksi’nin Türkiye editörlüğünü genç veri gazetecisi Berkin

Akkocaoğlu ve Pınar Dağ üstlenmişti.

Endeks verilerinin kapsamı incelendiğinde, ülkeler için yanıt verilmesi/temin

edilmesi/doğrulatılması gerekenler şöyle:

• Toplu Taşıma Saatleri, Devletin Bütçesi, Devletin Harcamaları, Seçim

Sonuçları, Şirket kayıtları, Ulusal Harita, Ulusal İstatistikler, Mevzuat/Kanun, Posta

Kodu/Zip Kod, Kirlilik ve Emisyon değerlerine yönelik veri setleri, açık verilerin

mevcut olup olmadığına yanıtlar aranıyor. Tüm bu bilgiler açık mı, erişilebilir mi?

Öyle ise nerede? Uzantı, kaynak, dosya vb.. vd.

• Bu ve benzeri tüm kategorilerdeki gelişimlerin kaynak göstererek ve doğrulatılarak

sistem üzerinde belirtilmesi gerekiyor.

82

Şekil 5Endeks değerlerinin ortalamaya etkisi (2013)

Açık Veri Endeksi

2015 Açık Veri Endeksi sonuçlarına göre, dünya genelinde pek çok ülkenin temel

bilgileri vatandaşlarına ve iş dünyasına açıklık standartlarına göre açmadığı görülüyor.

Açık verideki potansiyel faydanın 1 trilyon doların üzerinde olduğu öngörülüyor

ancak yavaş ilerleyen süreç bu önemli fırsatın yok olma riskini de doğuruyor. 2015

endeksine göre Tayvan açık veride birinci sırada.

Tayvan, 2014 yılı endeksinde 11. sırada yer alırken, 2015 yılında yüzde 78 ile birinci

sırada yer aldı. Britanya, Danimarka, Kolombiya ve Finlandiya da açıklıkta listenin

başında olan ülkeler arasında. Türkiye ise temel devlet verilerinde yüzde 37 açık ve

listede 47.sıraya yer alıyor. 2014 yılında ise 30.sırada ve yüzde 53 açıktı. Listenin en

altında ise Saint Kitts ve Nevis Federasyonu (Karayipler’deki Leeward Adalarında

bulunan iki adadan oluşan federal bir ülke), Libya, Suriye de yer alırken, en altta ise

verileri sadece yüzde 3 açık olan Myanmar yer alıyor.

83

Şekil 6 - 2015 Açık Veri Endeksinde Türkiye

Türkiye, temel devlet verilerinde yüzde 37 açık ve listede 47. sıraya yer alıyor.

2014 yılında ise 30. sırada ve yüzde 53 açıktı. (Veriler açıklandıkça sıralamalar da değişebilir)

>> Küresel Açık Veri Endeksi ülke karşılaştırmalarını buradan inceleyebilirsiniz…

Türkiye Küresel Açık Veri Dizini 2015

84

2016 Açık Veri Endeksi

5 Mayıs 2017'de yeni metodoloji ile açıklanan 2016 Açık Veri Endeksi 94 ülkede

gerçekleştirildi ve Türkiye yine 47. sırada yer aldı. Metodoloji değişikliği olduğu için

sitede yıllara göre yapılan karşılaştırılmalarda 2016 yılı bulunmuyor.

2016 yılı Açık Veri Endeksi’nin ilk sırasında Avustralya ve Tayvan bulunurken,

Türkiye 45.sırada yer aldı. Kuruluşun resmî sitesinde yayınlanan liste 94 ülkenin

tamamı incelenebilir.

Kadir Has veri gazeteciliği öğrencileri ve TÜİK’den de yardım alınarak tamamlanan

2016 endeksinin Türkiye bölümünde ise devlet harcamaları bölümü geçen yıl da

olduğu gibi yine yüzde 10 seviyesinde açık. Türkiye İstatistik Kurumu verileri ise

geçen yıl olduğu gibi yine yüzde 85 ile listede verilerin en açık olduğu devlet kurumu

olarak yer alıyor.

Endeks gazeteciler , sivil toplumcular, akademisyenler için oldukça yararlı bir veri

kaynağı konumunda. Ulaşılamayan ya da araştırması yapılan bir konu, habere yönelik

veri seti kaynağının açık olup olmadığına yönelik hızlı yanıt alabilmenin yollarından

biri. Ayrıca veri setleri CSV ve JSON formatlarında indirilebiliyor. Ayrıca API* da

mevcut.

* API (Application Programming Interface), bir uygulamaya ait işlevlerin başka bir

uygulamada da kullanılabilmesi için oluşturulmuş bir arayüzdür.

85

2016 Açık Veri Endeksinde Türkiye

Şekil 7https://index.okfn.org/place/tr/

Açık Veri Barometresi Raporu

Açık verilerin yaygınlaşmasını esas alan bir diğer vakıf olan World Wide Web Vakfı

Açık Veri Barometresi raporunu 2017 yılında yayınladı. Geçen yıl dördüncü edisyonu

yayınlanan raporda genel bulguları incelenen hükümetlerin/ülkelerin açıklık

hedeflerine doğru ağır adımlarla ilerlediklerini gösteriyor. Ülkemizin açık veri

konusundaki durumu ise pek iç açıcı değil.

Açık Veri ve Veri Gazeteciliği Derneği (AVVGD)

tarafından tamamı Türkçe’ye tercüme edilen rapor, 115

ülke ve yetki alanını kapsayan geniş bir çalışma. Son

baskından bugüne açık veri politikalarına yönelik

kapsamın yüzde 25 arttığını paylaşan WWW Vakfı, bölge

bölge çalışma yapılan etkin ülkelerin Kanada, İsrail,

Kenya, Kore, Meksika ve Britanya olduğunu paylaşıyor.

Raporun bulgularına göre bölgesel şampiyonlar

gösterdikleri istikrarlı ilerlemeyle öne çıkıyor ancak genel

olarak hükümetlerin veri açma taahhüdünde yavaşlama

ve durgunluk var. Hatta bazı durumlarda ilerleme

kaydedilmediği görülüyor.

86

Açık Veri Barometresi Raporu 2015

Şekil 8https://opendatabarometer.org/4thedition/detail-country/?_year=2015&indicator=ODB&detail=TUR

Açık Veri Barometresi Raporu 2016

Şekil 9https://opendatabarometer.org/4thedition/detail-country/?_year=2016&indicator=ODB&detail=TUR

87

Açık Veri Barometresinde Türkiye

Hükümet veri setlerinden yüzde 90’ı açık değil

2017 yılında yayımlanan 4.raporun önemli bulgularını sıralayacak olursak;

• Hükümet veri setlerinden yüzde 90’ı açık değil .

• Ankete katılan 115 hükümetten 79’unun açık hükümet veri portalı olmasına rağmen,

çoğu zaman en kapsamlı veriler resmi açık veri portalı dışındaki kaynaklarda

yayınlanıyor.

• Ukrayna, Arjantin, Filipinler, Burkina Faso ve Tanzanya gibi ülkeler bu sayıdaki

puanları ve sıralamalarında büyük ilerleme kaydettiler.

• Bütçe, şirket kayıtları, harcamalar, ihaleler, arazi mülkiyeti konularında gerçekte açık

verinin bulunduğu sınırlı sayıda hükümet bulunuyor. Bunlar yolsuzlukla mücadele ve

hükümetin hesap verebilirliğini sağlamak için kilit olan veri setlerinden oluşuyor.

• Mevcut verilerin üçte birinden daha azı günümüzde herhangi bir biçimde çevrimiçi

olarak kullanılmakta.

• Çalışmadaki veri setlerinin yalnızca yüzde 24’ü kolayca toplu olarak indirilebilir

durumda.

• WWW Vakfı, hükümetlerin/ülkelerin mevcut verileri çevrimiçi halde ve makine

okunabilirliğine uygun halde sunmasını öneriyor. Toplu halde ve ücretsiz olarak

sunulması gerektiğini de ekliyor.

Açık Veriye Zaman İçinde Gösterilen İlgi (Dünyada)

88

Türkiye’de Açık Veriye Zaman İçinde Gösterilen İlgi

Bölgesel İlgi

Search GoogleTrend

89

Google’da en çok aratılan Açık Veri kavramları

90

Dünya üzerindeki Veri Merkezleri

Küresel Açık Veri Endeksine göre dünya üzerinde 104 ülkede 3 bin 625 veri merkezi

bulunuyor- DataCenterMap

Şekil 10Türkiye’deki veri merkezleri

91

Türkiye’deki Veri Merkezleri

Açık Veri Pratiği: Türkiye

Bu bölümde Türkiye'nin 1800'lü yıllardan günümüze sosyal, ekonomik ve çevresel

gelişmelerini açık verileri kullanarak gözlemleyip, açık veri pratiğini

gerçekleştireceğiz. Bu pratikte, 2005 yılında Gap Minder Vakfı'nın geliştirdiği Gap

Minder aracından yararlanacağız.

Pratik 1:

Türkiye'de çocuk ölümleri düşüyor

mu?

Türkiye'de 1800-2015 yılları boyunca

değişiklik gösteren çocuk ölüm oranları

ve kişi başına düşen gelir sayısı. Yatay

eksen kişi başına düşen geliri, düşey

eksen ise 1000 doğumda görülen ölüm

oranını gösteriyor. Turuncu küre, yıllar

geçtikçe en tepedeki yerinden 2015'li

değerlere düşmüş durumda.

92

Dinamik grafiği Gap Minder'da inceleğiniz:

www.bit.ly/29IiQEO

Veri kaynağı:

https://docs.google.com/spreadsheets/d/1IbDM8z5XicMIXgr93FPwjgwoTTKMuyLfzU6

cQrGZzH8/pub?gid=1

Pratik 2: Türkiye'de beklenen yaşam süresi yıllar içinde artıyor mu?

Türkiye'de 1800-2015 yılları boyunca değişiklik gösteren beklenen yaşam süresi ile kişi

başına düşen gelir sayısı. Yatay eksen kişi başına düşen geliri, düşey eksen ise beklenen

yaşam süresini gösteriyor. Turuncu küre, beklenen yaşam süresinin yıllar geçtikçe 2015'li

değerlere yükseldiğini gösteriyor.

Dinamik grafiği Gap Minder'da inceleğiniz:

www.bit.ly/29ImDBY

Veri kaynağı:

https://docs.google.com/spreadsheets/d/1H3nzTwbn8z4lJ5gJ_WfDgCeGEXK3PVGcNj

Q_U5og8eo/pub?gid=1

93

Sıra sizde…

Yukarıdaki örnek pratiklerde olduğu gibi Gap Minder'ı kullanarak, Türkiye ile ilgili en az iki

konu hakkında pratik yapınız ve forumda linkini açıklamayla birlikte paylaşınız.

İsterseniz yeni geliştirilen Kabarcık Grafiği üzerinden de çalışabilirsiniz

94

9. VERİ GAZETECİSİ GİBİ DÜŞÜNMEK

95

96

Veri ile gazetecilik yapmak, haberi olabilecek en iyi şekilde anlatmaktır. Farklı

disiplinleri de kullanarak geliştirilen bu süreç geleneksel gazeteciliğe göre daha etkili

şekilde haberi anlatmaktır - ki bu zahmetli ve maliyetli bir çalışma biçimidir. Veri

Gazeteciliği dünyada gazeteciliğin tarihi kadar eskidir. Daha öncede değinildiği üzere

Guardian gazetesinin 18. yüzyılda basılmış arşiv yayınlarını incelendiğinizde de analiz

edilmiş verilerle, grafiklerle karşılaşıyorsunuz, Cumhuriyet Gazetesi"nin ilk

sayılarına baktığınızda da TÜİK verileri ile geliştirilmiş haberleri sarı sayfalarda

görüyorsunuz.

Yandaki örnek ise 1930 yılından

(11 Temmuz 1930),

Hakimiyeti Milliye Gazetesi bir

bankanın verilerini kullanarak

okuyuculara neden

tasarruf yapmaları

gerektiğini çizimle anlatıyor: "Hayat

Yokuşu" / Kaynak: Geçmiş Gazete

Dünya Nasıl Tanımlıyor?

“Veri Gazeteciliği bilginin düzenlenebilir, filtrelenebilir olarak kullanılabilmesi.”

Jeremy Gilbert, Washington Post

“Veri Gazeteciliği bilgiyi organize ederek, günümüz dünyası için anlamlı hale

getirmek”

Michelle Minkoff, Associated Press

“ Veri Gazeteciliği; veriyi gazetecilik için kullanmak”

Alberto Cairo, Miami Üniversitesi

* Dünya Nasıl Tanımlıyor? https://www.youtube.com/watch?v=i9-oFBAd0Xs

Neden şimdi önem kazanıyor?

Araç: Çevrimiçi araçlara erişimin kolaylaşması. Çok büyük teknik bilgi gerekmeden

kolayca etkileşimli haritalar, grafikler ve görsellerin yapılmasını sağlayan araçların

artması

Açık Veri: Devletlerin kamusal verilerini herkesin kullanımına açması,

veritabanlarına erişim kolaylaşması (Açık Devlet, Açık Devlet Verisi, Açık Yönetim

Ortaklığı Örneği)

97

Güven: Doğruluğuna emin olunan verilerin haberlerde kullanımı daha fazla şeffaflık

sağlayarak gazeteciyle okuyucu arasında güven sağlıyor

Farklı meslek gruplarının dahil olması: Gazeteciliğin/haberciliğin alet çantasına

yeni araçlar, yeni meslek disiplinlerinin ekleniyor olması (İstatistik, Veri Bilimi,

Programlama,Tasarım vb.vd)

Veri Gazeteciliği Yapma Süreci

Veri Toplama > Veri İşleme > Görselleştirme > Hikaye/Haber

Paul Bradshaw'ın piramidi de veri gazeteciliği yapma sürecini iyi anlatan örneklerden

biridir:

Derleme: Veri gazeteciliği iki şekilde başlar. Ya veri gerektiren bir sorunuz vardır ya

da soruya ihtiyaç duyan bir verisetiniz. Bunlardan hangisi geçerli olursa olsun onu

bir veri gazeteciliği hareketi olarak tanımlayan şey verinin derlemesidir.

Temizleme: Veriye sahip olmak sadece bir başlangıç. İçerdiği hikayelerden emin

olmak verinin kalitesine güvenebilmek anlamına gelir - ve bu da temizleme demektir.

Genel anlamda temizleme iki şekilde olur:

İnsan hatalarını kaldırmak ve veriyi kullandığınız başka bir veriyle tutarlı bir formata

çevirmek.

İçerik: Diğer kaynaklara olduğu gibi, veriye de güvenilemez. O da kendi geçmişi,

eğilimleri ve objektiflerini barındırır. Yani diğerleri gibi, verinize de sorular

sormalısınız: Kim biraraya getirdi, ne zaman, ne amaçla?

Nasıl oluşturuldu? Kim açıklayabilir?

Birleştirme: İyi hikayeler tek bir verisetinde bulunabilir, fakat sıklıkla iki verisetini

birleştirmeniz gerekecektir. Buna rağmen, tek kaynaklı ve çok-kaynaklı hikaye

seçenekleriniz olsa, hangisini tercih ederdiniz?

İletişim kurma: Veri gazeteciliğinde, bu noktada yapılacak en açık şey - bir haritada,

grafikte, bilgi grafiğinde ya da bir canlandırmada görselleştirmektir. Fakat burada,

98

- klasik anlatıdan, haber uygulamaları, olay incelemesi ve

kişiselleştirmeye, düşünülmesi gereken daha pek çok şey bulunuyor.

Örnekler…

#PanamaFiles #PanamaBelgeleri

Uluslararası Araştırmacı Gazeteciler Konsorsiyumu (ICIJ) Panama’da kayıtlı bir

hukuk firmasının 40 yılı aşkın süredir tuttuğu kayıtlara ve belgelere ulaştı. Kuruluş,

kamuoyuna ifşa edilen belgeleri, vergi cennetlerine bugüne kadar indirilmiş en büyük darbe

olarak görüyor.

99

Veri Gazetecisi / Veri Muhabiri Kimdir?

Gazeteciliğin Geleceği: Veri Gazeteciliği E-kitabında yer alan tanıma göre, veri

gazeteciliği araçlarını kullanabilen, veriyi habercilik için analiz edip, ondan etkin

şekilde hikaye anlatma yeterliliğine sahip kişilere veri gazetecisi (data journalist)

denir. Aşağıdaki linkte çeşitli basın kuruluşlarında çalışan veri gazetecileri yer alıyor.

Şekil 11 Görsel: Twitter ekran görüntüsüdür/2016

Veri Gazeteciliği Siteleri ve Veri Gazetecileri

Video Destekli İçerik:https://www.youtube.com/watch?v=t3HRwXVPk5Y

Videoda Yer Alan Siteler

Kenya.org, Kenya: http://internewskenya.org/dataportal/content?page=stories

Chinafile, Çin: http://www.chinafile.com/

Nacion, Kosta Rika: http://www.nacion.com/gnfactory/investigacion/periodismo-

datos/

Indiaspend,Hindistan:http://www.indiaspend.com/

Caixin, Çin: http://english.caixin.com/

Newvision, Uganda http://www.newvision.co.ug/

Propublica, ABD: https://www.propublica.org/data/

100

Dağ Medya, Türkiye : http://dagmedya.net/?s=Veri+Gazetecili%C4%9Fi

Fivethirtyeight, ABD: http://fivethirtyeight.com/

Washingtonpost, ABD:

https://www.washingtonpost.com/news/wonk/wp/category/data-visualization/

Zeit Online, Almanya: http://blog.zeit.de/open-data/

indy100 Independent, Britanya: http://indy100.independent.co.uk/

The Guardian Datablog, Britanya: https://www.theguardian.com/media/data-

journalism

Newyorktimes, Upshot, ABD: http://www.nytimes.com/section/upshot

Veri Gazeteciliği Araçları Nelerdir?

Veri gazetecileri çalışırken çok çeşitli araçlar kullanabilme şansına sahipler. Bunların

bazıları hem ücretsiz olabiliyor hem de kod bilgisi gerektirmiyor. En fazla kullanılan

araçlardan başında veriyi düzenlemek, temizlemek ve analiz etmek için, kullanılan

elektronik tablolar (Excel, Spreadsheet) yer alıyor. Bunun dışında;

SQL, veritabanı yönetim sistemi olup birden fazla veri setinin ya da daha büyük veri

kümelerinin sorgulanmasında yardımcı oluyor.

Open Refine, veriyi temizleme, dağınık veriyi düzenleme ve kötü formatları tespit

ederek dönüştürmeye yarıyor.

Şekil 12Görsel: http://gijn.org/2016/04/25/a-data-journalism-experts-personal-toolkit/

R kodu, Google Fusion tabloları veri görselleştirme açısından oldukça kullanışlı araçlar.

QGIS de haritalama araçları arasında yer alıyor. Bu araçlara yüzlercesi eklenebilir ancak veri

gazetecileri ile yapılan röportajlarda sıklıkla dile getirilen nokta; araçların değil, tekniğin

önemli olduğu, anlatılan hikayenin ne anlattığı ve nasıl anlatıldığının önemli olduğudur.

101

Veri İşleme (Temizleme Süreci)

Sıralama ve filtreleme/temizleme için farklı yazılımlar kullanılabilir. Aşağıdaki tablo

temizleme işlemi için kullanılan yazılımların işlevlerini gösteriyor.

(Spreedsheet, Google Spreadsheets, Open (libreoffice, Microsoft Excel, Google Refine ,

Data Wrangler, CometDocs, Ms Excel, Mr. Data Converter vb)

Veri gazeteciliği ekip işidir…

Tek Kişi - Bir kişi tek başına veri güdümlü projeler üretebilir. Çünkü

OpenRefine, Datawrapper, Tableau, Google Fusion Tables, CartoDB gibi bir dizi

ücretsiz araç var.

İki Kişilik Ekip - Guardian’ın Amerika’daki veri gazeteciliği ekibinin ödül alan

çalışması LGBTI hakları Rehberi

4-6 Kişilik Ekip - Oldukça etkili projeleri kısa sürede üretebilirler. WYNC’nin Sandy

Fırtınası örneği verilebilir.

Büyük Ekipler (20 üstü) - Stratejileri olan, haberi anlatmanın yöntemlerini en fazla

geliştiren, çevrimiçi haberciliğin çok farklı olabileceğini de gösteren ekiplerden

oluşuyor. New York Times’tan 2012 Olimpiyatları örneği gösterilebilir.

Veri Gazeteciliği Ödülleri

Veri gazeteciliği kavramı 2000'li yıllarda medya ve akademik dünyada terminoloji kazanmaya

başladığından beri hem bu alanı teşvik etmek hem de üretilen projelere bir standart

getirebilmek adına dünyanın ilk ulusal ve uluslararası veri gazeteciliği ödülleri verilmeye

başlandı.

Veri Gazeteciliği Ödülleri (Data Journalism Awards - DJA), Global Editors Network

(GEN) tarafından 2012 yılında başlatılan ve yönetilen, dünya çapında veri gazeteciliği

alanında en iyi çalışmaları inceleyen ilk uluslararası yarışmadır. Her yıl dünya genelinde

102

başvuruların çoğalarak arttığı yarışma, dünya medyası ve habercilerinin, veri ile çalışma

disiplinlerinin her geçen gün daha fazla artarak geliştiğini gösteriyor.

Ödüllü Bazı Veri Gazeteciliği Projeleri

Veri Gazeteciliği - En İyi Hikaye Dalında Ödül Alan Proje – 2014

The Migrants File

Proje, Paris, Stokholm ve Berlin merkezli Avrupa’nın en etkili ve en fazla kamu yararı

taşıyan veri güdümlü projelerini üreten Journalism++ ekibi dahil yaklaşık 15 Avrupa

ülkesinden gazetecinin katkısıyla hayata geçirildi. Proje, Avrupa Birliği (AB) üyesi

devletlerin göç politikalarının binlerce kadını, erkeği ve çocuğu nasıl ölüme sürüklediğini

ortaya koyuyor.

Çok çarpıcı sonuçları içeren veri güdümlü projenin çıktıları arasında, kayıp ve ölmüş

olanların tahmin edilenden, yüzde 50 daha fazla olduğu belirtiliyor; 2000 yılından günümüze

23 bin sığınmacının Avrupa’ya giderken öldüğünü ve hangi ülkelerden hangi şartlarda

yolculuk ederek hayatlarının son bulduğunu içeriyor. Her üç ayda bir düzenli olarak

güncellenen proje güzergahlarında Türkiye de var. Avrupa Birliği dahil pek çok Avrupa

ülkesinde yaptırımlar sağlansa da ölümler ve kayıplar devam ediyor.

103

# The Migrants File

Teknik açıdan bu tür veri gazeteciliği projelerinde en dikkat çekici unsurlardan biri de

verilerin çoğunlukta herkesin erişimine açık olmasıdır. Veri gazetecileri hem diğer

gazeteciler yararlanabilsin hem de bir eksiklik veya hata olması durumunda bunun

fark edilebilmesi için büyük emeklerle toplanan ve analiz edilen verileri kamuya açık

şekilde yayımlayabiliyorlar. Bu proje de onlardan biri. Proje açık veri tabanlı lisansa

sahip olup tüm veriler kamuoyuna açılmıştır.

#Swissleaks

Veri Gazeteciliği - En İyi Araştırmacılık Dalında Ödül Alan Proje – 2015

Swissleaks

2015 yılının Uluslararası Veri Gazeteciliği en iyi araştırma dalında ödül alan proje

SwissLeaks oldu. Uluslararası Araştırmacı Gazeteciler Konsorsiyumu tarafından, Britanyanın

Uluslararası Bankası HSBC'nin varlıklı müşterilerinin İsviçredeki hesapları üzerinden vergi

kaçırmalarına yardımcı olduğu ortaya çıkartılmış ve yapılan haberlerde bankanın, 10 ülkeden

30 binden fazla hesap aracılığıyla, zengin müşterilerin vergiden kaçmasına yardım ettiği

verilerine de yer verilmişti.

Türkiye'nin de olduğu birçok ülkeden binlerce müşterisinin vergi kaçırmasına olanak veren

yöntemler kullanıldığı detaylandırılıyordu. Bankanın İsviçre'deki merkezinde, İsviçre'den 11

bin 235,Fransa'dan 9 bin 187, Britanyadan 8 bin 844, Brezilya'dan 8 bin 667, İtalya'dan 7 bin

Görüntü: The Migrants File ekran görüntüsüdür. Avrupa'ya

giderken ölen/kaybolan insanların yolculuk etmeye

başladıkları ülkeler.

104

499, İsrail'den 6 bin 554, ABD'den 4 bin 183, Arjantin'den 3 bin 625, Türkiye'den 3 bin 105

ve Belçika'dan 3 bin 2 hesap bulunuyor. Yaklaşık hacmi 120 milyar doları aşan 30 bin hesap

içinde Türkiye'ye ait hesapların hacminin ise 3,4 milyar dolara yaklaştığı belirtiliyor.

Swissleaks, 47 ülkeden 157 gazetecinin ortak araştırması sonucunda ortaya çıkartıldı. Bu

projenin de tüm verileri herkesin erişimine açık.

Britanya merkezli HSBC Bankası’nın İsviçre’de, 1988 - 2007 yılları arasında 203

farklı ülkeden 106 bin müşterisinin vergi kaçırıp mal varlığını gizlemesine yardım

ettiği ortaya çıktı. Listede Türkiye’yle bağlantılı 3 bin 105 müşteri var.

www.theguardian.com/news/series/hsbc-files

http://dagmedya.net/2015/02/09/hsbcnin-musterileri-diktatorler-silah-tuccarlari-

ve-vergi-kacakcilariyla-baglantili-cikti/

https://dagmedya.net/2015/02/19/hsbc-dosyalari-10uncu-gununde-banka-10-

farkli-sorusturmayla-karsi-karsiya/

105

> 2016 Finalistlerini Forum’da İnceleyebilirsiniz…

Veri Görselleştirmesi (Büyük Haber Merkezi) Dalında Ödül Alan Proje - 2016

Wall Street Journal’dan Dov Friedman ve Tynan Debold’un projesi (New York City,

ABD) : “Battling Infectious Diseases in the 20th Century: The Impact of Vaccines” -

Amerika’nın 50 eyaletinde meydana gelmiş olan hastalıklardan etkilenmiş, hayatını

kaybetmiş kişiler ve aşının 70 yılı kapsayan piyasaya sürülmesi süreci.

Okuma Önerileri

• Avrupa Veri Gazeteciliği Manifestosu (Türkçe)

• Gelişen Dünyada Gelişen Veri Gazeteciliği - Eva Constantaras

• Küresel Veri Gazetecisi / Veri Gazeteciliği Sitesi Rehberi (İnceleme)

• Araştırma Sonuçları Bölüm 1: Veri Okuryazarlığını Tanımlama - Çeviren: Yasemin

Akbulut

• Araştırma Sonuçları Bölüm 2: Veri Okuryazarlığı Yöntemleri - Çeviren: Yasemin

Akbulut

• Araştırma Sonuçları Bölüm 3: Veri Okuryazarlık Çabalarının Etkisini Ölçme -

Çeviren: Yasemin Akbulut

• Veri Gazeteciliği Projelerinin İçerik Analizi | Ağırlıkta Finansal ve Coğrafi Veriler

Kullanılıyor - Pınar Dağ

• Veri Gazetecisi Ayşegül Engür'ün Ödüllü Veri Gazeteciliği Projesi, "Bolzano Halk

Cumhuriyeti" Ekibiyle Röportajı

106

• Veri Gazeteciliği Atölyelerine Katılım Araştırması|Katılımcıların % 63’ü daha önce

veri analizi eğitimi almamış -Sadettin Demirel & Pınar Dağ

107

10. VERİ ANALİZİ VE YORUMLAMA

108

Veri toplamanın, veri analizi yaparak karar almanın öneminin hızla arttığı bir çağda

yaşıyoruz. Veriye sahip olmak önemli bir güç olduğu gibi, bu veriyi kullanarak karar

vermek, ürün ya da hizmet geliştirmek; aktörlerin geleceğini belirleyen en temel unsur

olmaya başladı. Veri ile haber yaptığınızda daha yüksek kamu yararı taşıyor,

farkındalık yaratıyorsunuz.

Veriden yararlanıp analiz edip, yorumlayabildiğinizde artı değer yaratıp, önlem

alabiliyor, gerçek bir sorunu çözebiliyor ya da sorunu tespit edebiliyorsunuz. Gündelik

hayatımızda farkında olarak ya da olmadan sürekli olarak verinin kullanıcısı ve

üreticisi olarak rol alıyoruz. İnternet'in şekillenmesinde ve trendlerin belirlenmesinde

biz kullanıcılar etkiliyiz. Medyada, araştırma sonuçlarında, sosyal ağlarda ve webde

sürekli veri analizi sonuçları ile karşılaşıyoruz.

Şekil 13* School of Data yaz kampı - Mayıs 2016

109

Şekil 14Kaynak: http://wheredoesmymoneygo.org

Benim Param Nereye Harcanıyor?

http://www.bumko.gov.tr

110

Ne kadar alan orman kayboldu ve kazanıldı

Peki bu ifadeler, bu rakamlar, tablolar, grafikler ne ifade ediyor?

Nasıl bir hikayeyi aktarıyor, manipülasyonun ve yönlendirmenin bu kadar yoğun

olduğu çağımızda ne kadar doğru bu analizler?

Veri okuryazarlık neden önemli hale geliyor?

Yapılan çalışmalar, sayısal değerlendirmelerin, tablo ve grafiklerin olduğu analizlerin

anlatımı kolaylaştırdığı gibi güvenilirlik hissini de arttırdığını ortaya koyuyor. Öte

yandan veri ile çalışanların özellikle sık duyduğu bir söz var: "İstatistik yalan söyleme

sanatıdır".

Halbuki sorun ortaya konulan rakamlarda değil çoğu zaman, bu rakamların nasıl

yorumlandığında. Yani "İstatistik değil, insan yalan söyler".

Bu bölümde, temel istatistiksel kavramları tanıyarak, kolayca hesaplama ve uygulama

yapabileceğimiz araçlarla tanışacağız. Temel kavramlara da değineceğimiz bu

bölümde; merkezi eğilimi ölçecek, ortalama medyan ve tepe değeri öğrenerek, verinizi

filtreleyerek analiz edeceksiniz. Tipik eleman, merkezdeki eleman nasıl belirlenir

konusuna yer vererek, veri setlerinden nasıl bilgi çıkarılabileceğini uygulama, video

ve okumalarla detaylandıracaksınız.

Bir durumu ve veriyi anlamak için; tipik ve geneli bilmek tek başına yeterli olmaz.

Farklılaşmayı ölçmek de gerekir. Derslerin devamında farklılaşmaya da yer verilecek.

Üzerinde çalıştığımız veri büyüdükçe, ölçme işlemini, hesaplarını kağıt kalemle

111

yapmak zorlaşır. Dolayısıyla bir araç kullanarak, ki bu bölümde excel kullanacağız, bu

işlemleri yapmayı görecek, özet tabloları kullanarak veri analizi yapmanın ilk

adımlarını atacaksınız.

Devamında ise veri kazıma tekniklerini Tabula ve Import.io araçları ile öğrenecek,

kazınan verilerin nasıl yapılandırıldığını ve haberde kullanıldığını görecek,

uygulayacaksınız. Dersin son bölümünde ise veri gazetecilerinin çok sık kullandıkları

veri temizleme aracı Open Refine ile dağınık veriyi temizleyecek, uygulayacak,

forum ve okumalarla detaylı şekilde öğreneceksiniz.

Herkes İçin Temel İstatistik

İstatistik en genel yapılışı ile verinin toplanması,

analizi, yorumlanması, sunumu ve düzenlenmesi ile

ilgili çalışmaların tümü olarak tanımlanır.*

Bu tanıma bakınca istatistik ve veri bilimi

arasında önemli bir farklılık göze çarpmamakta,

halbuki her iki alanın çıktıları ve uygulamaları

değerlendirildiğinde bazı yaklaşım farklıkları

ortaya çıkmakta.

Bir veri bilimi projesinin / veri temelli projenin kabaca üç temel aşaması vardır:

Verinin toplanması

Analiz edilmesi

Sonuçların aktarılması.

İstatistik verinin toplanması aşamasında önemli rol oynar. Verinin toplanacağı grubun

(örneklem), genel (popülasyon) hakkında bilgi vermeye uygun seçilmesi (örneklem

seçilimi), deney tasarımı (istatistiksel olarak, tüm veri toplama süreçleri bir

deneydir) istatistiğin uzun süredir üzerinde çalıştığı alanlardır. Doğru soruların

sorulması ve gerektiğinde soruların revize edilmesi, çalışmada uygun verinin

toplanması için en önemli süreçlerdendir ki istatistik bu konular hakkında çok az şey

söyler.

Veri toplandıktan sonra analiz edilmek için uygun forma, şekle dönüştürülmelidir.

Önceki derslerimizde veri türlerini ve formatlarını incelemiştik. Bu dönüşümü

yapmadan veriyi analiz etmeye çalışmak veriyi sorgulamaktan çok kullanılan

araçlarla boğuşmaya dönüşür. Veri analizi veriyi düzenleme, görselleştirme ve

modelleme süreçlerini içerir.

112

Veriyi görselleştirmek anlamlı ilişkileri görmek için ilk adımdır. Farklı

görselleştirmeler (tablolar, grafikler...) verinin ne anlattığını görmek için en uygun

araç olabilir kimi zaman. Hatta bazen görselleştirmeler, sizi şaşırtabilir, veriden daha

önce fark edemediğiniz bilgileri / hikayeleri ortaya çıkarabilir. Veri görselleştirmesi

kişisel yorum ve tecrübeye dayalıdır ve istatistik biliminde yaygın bir araştırma alanı

değildir.

Modelleme ise istatistiğin daha yoğun olarak ilgilendiği, hesaplamaların işin içine

daha yoğun olarak girdiği bir aşamadır. Her modelin ön koşullarla belirlenmiş sınırları

vardır ve sizi şaşırtmaz. Ön koşullar kabul edildiğinde ne olacağını tanımlar ve

gösterir.

Veri analizinin sonucu bir model değildir. Gerektiğinde modeli de içeren bir

söylemdir. Eğer analiz sonuçlarının ortaya çıkardığı hikaye ilgili insanlara bir şey

ifade etmiyorsa, karar alma süreçlerini etkilemiyorsa başarılı değildir. Çalışma

sonuçlarının iletişimi, aktarımı ise istatistiğin belki de en az ilgilendiği alandır.

İstatistiki çalışmalara bakarsanız, her ne kadar veri görselleştirme unsurları olarak

tablolar ve grafikler kullanılsa da, uzman olmayan kullanıcının anlamakta zorlandığı,

çoğunlukla teknik sonuçlar görürüz. Ana akım istatistik araştırmalarında ya da

istatistik eğitim programlarında veri analiz sonuçlarının iletişiminin çok az yer aldığını

görürüz.

Bu sebeple veri bilimi / verinin analiz süreçlerinin hikayeleştirilmesi, iletişiminin etkin

şekilde kurulması açısından farklılık gösterir.

Veri bilimi ile istatistik arasındaki ilişkiden bahsettikten sonra, temel istatistik

kavramlarına değinmek isabetli olacaktır.

Video destekli örnek analiz

Bu dersin videosunda veri görselleştirmesinin hikaye anlatmada ne kadar güçlü bir

araç olabileceğini gapminder.org sitesi üzerinden deneyimleyerek göreceğiz. 8.

dersimizde açık veri pratiğinde kullandığınız aracı, bu bölümde de verilerin analizinde

kullanacağız.

Gapminder sürdürülebilir global kalkınmayı, sosyal, ekonomik ve çevresel kalkınma

hakkında lokal, ülkesel ve küresel seviyelerde bilgi ve istatistiklerin kullanımını

artırmayı ve anlaşılabilir kılmayı destekleyen, kâr amacı gütmeyen bir girişim.

www.gapminder.org sitesine bağlanarak, Gapminder World sekmesinden veri

görselleştirme ekranına ulaşabilirsiniz. Kısaca veri görselleştirme ekranındaki

değişkenleri inceleyelim. Grafiğin yatay ve dikey eksenlerinin yanında, bu eksenlerde

görüntüleyebileceğimiz parametreler menü olarak listelenmiş. Bu parametreler,

nüfustan, insani gelişmişlik endekslerine, ekonomiden altyapıya kadar pek çok farklı

alandan parametreler içeriyor.

113

Grafik ekranının hemen sağında ülkeler listelenmiş. Çalışmak istediğimiz ülkelerin

yanındaki kutucukları işaretleyerek bu ülkelerin grafik ekranında daha belirgin

olmasını sağlayabiliriz.

Yatay eksenin hemen altında zaman parametresi yer alıyor. Farklı yıllar için veri

kayan menüde (slider) istenilen yıl seçilerek görüntülenebiliyor. Ayrıca zaman

parametresinin hemen yanındaki play tuşuna basarak zamana bağlı olarak grafikteki

değişimleri hareket olarak görmek mümkün.

Şimdi örnek analize başlayabiliriz. Türkiye’nin milli gelir değişiminin farklı

parametrelerle ve ülkelerle ilişkisini incelemek istiyoruz.

Önce Türkiye'nin kişi başı milli geliri (Income per person (GDP/ per capita ....) ile 15

yaş üstü istihdam oranın (Aged 15+ employment rate) inceleyelim. İlk gözlem kişi

başı gelir artarken, istihdam oranının düştüğü. Gelir dağılımının zaman içerisinde

değişimi ya da gelir üreten faaliyetlerin yapısının değişimi hakkında bir şey

söyleyebilir mi bu bize?

İkinci olarak İran ve Türkiye’yi aynı parametreler açısından (kişi başı milli gelir ve

istihdam oranı) kıyaslayalım. Kişi başı milli geliri her iki ülkenin de oldukça yakın

değerde ve zaman içerisinde de bu ilişki korunuyor. Aynı değerlendirmeyi istihdam

oranları açısından söylemek mümkün değil. İran, Türkiye’ye göre daha düşük bir

istihdama sahipken, istihdam oranı İran’da artış Türkiye’de ise azalış gösteriyor.

İran’ın istihdam oranı bir noktadan sonra Türkiye’yi geçiyor.

İkinci bir kıyaslamayı Türkiye ile Güney Kore (Korea Rep.) arasında yapalım . Bu

sefer kişi başı milli gelir ile dünya çapında alınan patent sayısını (patents granded

total) kıyaslayalım. Güney Kore’nin milli geliri başlangıç yılı olan 1984 yılında

Türkiye’nin yaklaşık % 75’i oranındayken verinin olduğu son yıl olan 2002’de

Türkiye’nin değerinin 1.8 katına çımış durumda. Patent sayılarında ise Güney Kore

çok daha üstün. Türkiye ve Güney Kore’nin ekonomik büyüme sebepleri hakkında bir

fikir verebilir.

Diğer parametreleri kullanarak daha detaylı analizler yapabilir, yukarıda

geliştirdiğimiz fikirleri incelemeye devam edebilirsiniz.

Veri Tipleri

Önceki derslerimizde temel veri tiplerini öğrenmiştik.

Kısaca tekrarlamak gerekir ise:

Sayısal Veri: Sayısal olarak ifade edilebilen, üzerinde aritmetik işlemler yapılabilen

ve bu işlemlerin sonuçlarının anlamlı olduğu veri. Örneğin vize ve final sınavlarından

almış olduğunuz sınav notları belirli yüzdeler oranında hesaplanarak o derse ait

notunuzu oluşturuyor; 60,70,80 gibi…

114

Kategorik Veri: Bir duruma karşılık gelen, üzerinde aritmetik işlemlerin anlamlı

olmadığı veri. Örnek: Doğum yeri bilgisi (Doğum yeri bilgisi araç plakalarında olduğu

gibi sayısal olarak kodlanabilir Ankara = 06 , Adana = 01 gibi… Ancak aritmetik

işlemler yapmak burada anlamlı değildir: 06 (Ankara ) + 01 (Adana) = 07 (Antalya)

Kategorik veriyi kendi içerisinde nominal ve ordinal olarak ikiye ayırabiliriz. Ordinal

veri, nominalden farklı olarak sıralanabilir. Örnek: doğum tarihi ordinal veriye

örnektir. Doğum tarihine göre genç, yaşlı sıralaması yapılabilir. Doğum yeri ise

sıralanamaz, dolayısıyla nominal veridir.

Sayısal veriyi de kendi içinde oransal ve aralık verisi olarak ikiye ayırabiliriz.

Aralık verisi için farklar anlamlı iken oranlar ve çarpımlar anlamlı değildir.

Oransal veride ise bu işlemler anlamlıdır.

Aralık Örnek: Deprem ölçeği (Richter skalası): 6.0 büyüklüğündeki bir deprem 5.0

büyüklüğündeki bir depremden 10 kat daha güçlüdür. 6/5 =1,2 oranı deprem

büyüklüklerini kıyaslamak için anlamlı değildir.

Oran Örnek: Kamuoyu destek oranları belirli bir konu hakkında iki farklı zamanda

%20 ve %30 olsun. Araştırma yapıldığı ikinci zaman diliminde ilk zaman dilimine

göre 30/20 =1,5 kat olduğu değerlendirmesi doğrudur. Destek ilk zaman dilimine göre

(30-20) /10 = 0,5 (%50) artmıştır.

Sayısal veri için bir diğer ayrımda verinin sürekli ya da kesikli olması üzerinden

yapılır.

Örnek: Özellikle endüstriyel üretim süreçlerinde üretilen parçanın uzunluğu, kalınlığı,

derinliği, ağırlığı vb. değerler bir aralıkta değer alır ve sürekli veriye örnek teşkil eder.

Yaş, sınav sonuçları gibi ifadeler ise genelde tam sayı olarak ifade edilir ve kesikli

veriye örnektir.

Popülasyon ve Örneklem

Popülasyon, üzerinde yorumda

bulunmak istenilen, sonuçlar

çıkarılmak istenilen grubun

tamamını ifade eder. Popülasyon

genelde çok sayıda temsilci

içerir. Her bir temsilcinin

verisinin toplanması genelde

mümkün değildir, ya da çok zor

ve maliyetlidir. Popülasyonu

çalışmak için bu grubu temsil

eden daha küçük bir grup

seçilerek veri bu grup üzerinde

toplanır. Seçilen bu gruba örneklem adı verilir.

Örneklemi doğru seçmek yapılan çalışmanın gerçekçi olması için en önemli adımlardan

biridir. İstatistiksel olarak en uygun yöntem örneklemin popülasyondan rastgele seçilmesidir.

115

Örnek: Seçim öncesi sonuçları hepimiz merak ederiz. Seçim sonuçlarının popülasyonu; oy

verme iznine sahip tüm seçmenlerdir. Bu popülasyonun tüm verisini toplamak seçimi

gerçekleştirmeye eş değerdir. Araştırma kuruluşları seçim öncesi seçmen profilini yansıttığı

düşünülen daha küçük gruplara (2500-4000 kişi) seçim anketi uygular. Anket sonuçlarını

belirli bir hata payı doğrultusunda seçimin sonuçlarını tahmin etmek için kullanırlar.

Yukarıdaki örnek bizi istatistiğin farklı iki kavramına götürüyor:

Betimsel istatistik, var olan veriyi özetlemek, tasvir etmek, anlatmak için kullanılan

yöntemlerin tümünü içerir.

Çıkarımsal istatistik ise, var olan veriden gelecek ile ilgili, ya da seçim anketlerinde

olduğu gibi örneklemden popülasyon hakkında çıkarımlarda bulunmayı sağlayan

yöntemleri içerir.

Merkezi Eğilimi Ölçmek

İstatistik kelimesinin bir diğer anlamı da örneklemden hesaplanan her türlü sayısal

değer demektir. Başka bir anlatımla, sayısal veriden hesaplanarak elde edilen her türlü

ifadeye istatistik denilir. İstatistik bu bağlamda istatistik ölçütler yerine

kullanılmaktadır. Sağlık istatistikleri, nüfus istatistikleri gibi sıklıkla karşılaştığımız

ifadeler istatistiğin bu bağlamda kullanımına karşılık gelir. Bu derste bazı istatistik

ölçütlerine yer verilecek. Video ve okuma ile detaylandıracağız.

Aşağıda milletvekilliği.xlsx (TÜİK Milletvekiliği Genel Seçimleri 1923 -2011 Tablo

3 ve 4) dosyasının ekran görüntüsü yer alıyor.

Şekil 15Bu tablo yıllara göre Türkiye Büyük Millet Meclisi'ndeki milletvekili sayılarını ve cinsiyete göre dağılımını

gösteriyor.

116

Şu sorulara cevap arayalım öncelikle:

1935’ten 2011’e kadar

farklı sayılarda vekilin

mecliste olduğunu

görüyoruz. 1935’te

vekil sayısı 399 iken,

bu sayı 1965 - 69 - 73

- 77 - 87 - 91 yılarında

450; 1995 - 1999 -

2002 - 2007 ve 2011

yıllarında 550 değerini

almıştır.

Peki tipik bir mecliste

kaç milletvekili var?

Tek bir değerle bunu

ifade edebilir misiniz?

Ya da 1935 - 2011

yıllarında ortalama

kadın vekil sayısı kaç?

Yanda gördüğünüz tablo ise

Avrupa ülkelerindeki seçim

tarihlerini, toplam vekil

sayılarını ve kadın vekil

sayılarını gösteriyor.

Bu tabloya bakarak şu soruları cevaplayabilir misiniz?

Listedeki ülkelerde seçimler en sık hangi yılda yapılmış?

Avrupa ülkeleri geneli için kadın vekili sayısı için ne söyleyebilirsiniz?

Her iki örnekte de aslında veri kümesini özetlemeye, betimlemeye çalışıyoruz. Farklı değerler

alan parametreleri (yıl, vekil sayısı, kadın vekil sayısı) anlatan tek bir değer arıyoruz. Öyle bir

değer olsun ki bu veriden oluşturduğumuz hikayeyi okuyan kişinin aklında doğru çağrışımları

yapsın, tüm veriye bakmadan veri hakkında bilgi sahibi olsun. Burada sorduğumuz tüm

sorular «tipik elemanı», «geneli temsil eden elemanı», «en sık gözlenen elemanı» tarif

ediyor. Başka bir deyişle «verinin merkezini» arıyoruz. Verinin merkezini ölçmek için

kullandığımız değerlere merkezi eğilim ölçütleri denir.

117

Üç temel merkezi eğilim

ölçütü vardır:

• Ortalama (average /

mean)

• Ortanca / medyan

(median)

• Tepe değeri (mode).

Şimdi bu üç ölçütü, özelliklerini ve nerelerde kullanıldıklarını görelim. Her ne kadar bu

ölçütlerin formüllerinin basit birer uygulamasını vereceksek de, dersin videosunda excel

kullanarak bütün bu değerleri hesaplamayı izleyeceksiniz.

Aritmetik Ortalama

İlk ölçütümüz ortalama (aritmetik ortalama) şöyle tanımlanır:

'n tane sayının ortalaması sayıların toplamının n’e bölümüdür.

Örnek: 1995, 1999, 2002, 2007, 2011 seçimlerinde meclise sırası ile 13,23,24,50, ve 79 kadın

vekil girmiş, bu değerlerin ortalaması (13+23+24+50+79) / 5 = 37.8 "dir. Bu beş seçimde

meclise ortalama 38 kadın vekil girmiştir diyebiliriz. Hesapladığımız bu «ortalama değer»

tablodan seçilen son beş sayının merkezini göstermektedir.

Ortanca / Medyan

İkinci ölçütümüz verinin ortasını ifade eden ortanca/medyan (median) değeri

Veriyi sıraladığınızda (büyükten küçüğe, ya da küçükten büyüğe fark etmez) ortada

kalan değere medyan denir. Eğer verinin ortasında bir değil iki değer kalıyorsa

(toplamları çift sayıda eleman varsa böyle olacaktır), ortada kalan iki değerin ortası

(toplamlarının yarısı) medyan olacaktır.

Örnek: Bir önceki örnekteki veriyi değerlendirelim, kadın vekil sayıları 13, 23, 24, 50,

79. Sıraladığımızda ortada kalan değer 24, dolayısıyla bu beş sayının medyanı

24’tür. Sadece son dört seçimi hesaba katmış olsaydık; 23, 24, 50,79: ortada 24 ve 50

değerleri olacaktı. Bu değerin ortası (24+50) / 2 = 37 değeri medyan olacaktır.

Tepe değeri

Bir diğer merkezi eğilim ölçütü tepe değeridir (mod)

118

Ortalama ve medyan sadece sayısal verileri için tanımlı iken, tepe değeri kategorik veri içinde

tanımlıdır. Tepe değeri bir veri kümesinde en çok tekrar eden değer ya da değerlerdir. Örnek:

Avrupa’daki ülkelerin seçim istatistiklerinin bulunduğu dosyaya bakarsak eğer, farklı yıllarda

seçim yapılmıştır. Seçim yapılan yıllar arasında en sık gözlemlenen yıl 2011 yılıdır.

Listelenen 37 ülkenin 14’ünde 2011 yılında seçim yapılmıştır.

Şimdide yukarıda tanıttığımız 3 merkezi eğilim ölçütünün özelliklerini ve ne zaman

kullanıldıklarını kısaca tartışalım.

Ortalama ve medyan tek bir değer alabilirken, tepe değeri (mod) birden fazla değer

alabilir.

Kategorik veride kullanılabilecek tek ölçüt tepe değeridir.

Veri kümesindeki çok büyük ve küçük değerler ortalamada önemli sapmalara yol

açabilir. Medyan değeri ise çok büyük ve küçük değerlerden ortalama kadar

etkilenmez. Bu farklılık bu iki ölçütün nerede kulanılacağını da belirler. Eğer veri

kümesinde ekstrem değerler var ise medyan kullanmak daha doğrudur, aksi takdirde

ortama kullanmak yerinde olacaktır.

Ortalama değer, veri kümesindeki her bir elemanı hesaba katarak hesaplanır,

dolayısıyla uygun olan durumlarda medyandan daha fazla kullanılır. Ayrıca aritmetik

işlemler ortalamayla daha kolay yapılabilir. Farklı grupların ortalaması biliniyorsa bu

gruplar birleştirilerek oluşturulan büyük grubun ortalaması basit bir aritmetik işlemle

hesaplanabilir. Büyük grubun medyanını bulmak içinse tüm veri yeniden sıralanarak

ortadaki değer ya da değerler bulunmalıdır.

Video destekli örnek

Bu videoda merkezi ölçütleri excel kullanarak nasıl hesaplayabileceğinizi

göreceksiniz. Sizler de milletvekiliği.xlsx dosyası üzerinde benzer hesaplamaları

yapabilirsiniz.

Bu videoda temel merkezi eğilim ölçütlerini excel yardımı ile nasıl yapacağımızı

göreceğiz. Bunun yanı sıra excelde sıralama ve yeni değişkenler tanımlamayı da pratik

olarak uygulayacağız. Örneğimizde Microsoft Excel 2003 ile bu işlevlerin nasıl

yapılacağını açıklamaya çalışacağım. Sizin kullandığınız program versiyonlarında

ufak değişiklikler olmakla birlikte, menüler benzer olacaktır.

Milletvekilliği.xlsx dosyasını açarak başlayalım. Bu dosyanın alt kısmında iki ayrı

sayfa olduğunu göreceksiniz. Türkiye ismiyle kayıtlı dosyada Türkiye Genel Seçim

sonuçlarının 1935 - 2011 yılları arasındaki istatistikleri, Avrupa ülkeleri dosyasında

ise Avrupa ülkelerinde 2008 - 2011 yılları arasında yapılan genel seçim istatistiklerini

bulabilirsiniz

119

Önce Türkiye seçim istatistikleri sayfasında çalışalım. Genel seçimlerin yılları, toplam

milletvekili sayıları, erkek ve kadın vekil sayıları var bu tabloda. Erkek ve kadınların

temsil oranlarını gösteren E. Temsil oranı ve K. Temsil oranı kolonları ise boş

bırakılmış, bu değerleri biz tamamlayacağız.

Önce sıralama ve filtreleme ile başlayalım. Her ne kadar bu tabloda çok fazla veri

olmasa da aklımızdan bu veriyi sıralamamız oldukça zor. Bunun için veri

kategorilerini belirleyen ilk satırı farklı bir renkle boyayayalım önce. İlk satırdaki

kolon isimlerini seçtikten sonra HOME menüsü altındaki CHECKBOX opsiyonu

seçerek bu işlemi yapabilirsiniz.

DATA menüsü altındaki FİLTER opsiyonununu seçerek filtre ekleyebilirsiniz. Artık

kolon isimleri gri renk ile gösteriliyor ve kutucuklarının yan tarafında birer ok işareti

var. Bu işarete bastığınızda açılan menüden SORT SMALLEST TO LARGEST ve

SORT LARGEST TO SMALLEST opsiyonlarını seçerek veriyi sırası ile küçükten

büyüğe ya da büyükten küçüğe sıralayabilirsiniz. Artık en çok ve en az vekilin

seçildiği, kadın vekil sayısını en az ve en çok olduğu seçim yıllarını bulmak çok daha

kolay.

Bu farkı görebilmek için erkek ve kadın vekil temsil oranları tanımlayalım. Erkek

vekil temsil oranını erkek vekil sayısını toplam vekil sayısına bölerek elde

edebilirsiniz.

Kadın vekil sayısını da benzer şekilde elde edebilirsiniz. Excel’de erkek temsil oranı

hesaplatmak için 1935 yılına karşılık gelen satırdaki boş hücreye ‘= C2/B2’ yazmanız

yeterlidir. C2 hücresinde 1935 yılındaki erkek vekil sayısı B2 hücresinde ise aynı yıla

ait toplam vekil sayısı var. Diğer yıllar için teker teker ilgili hücreleri seçip benzer bir

bölüm ifadesi yazmaya gerek yok. Temsiliyet oranını hesapladığımız ilk hücreyi sağ

alt köşesinden tutup aşağıya uzatarak aynı hesabın diğer yıllar içinde otomatik

yapılmasını sağlayabilirsiniz.

İkinci olarak Avrupa ülkeleri sayfasını açalım. Filtreleri ekleyip kadın vekil sayısına

göre sıralama yaparsanız Almanya’nın en fazla sayıda (204) kadın vekile sahip

olduğunu Lihteştayn, Kıbrıs ve Malta’nın ise en az sayıda (6) kadın vekile sahip

olduğunu göreceksiniz. Temsiliyet oranlarını hesaplayıp, bu orana göre sıralarsanız

ülkelerin sıralamasının nasıl değiştiğini videoda görebilirsiniz.

Çalışma Soruları

Avrupa ülkeleri sayfasında ortalama, medyan ve tepe değerlerini siz de

hesaplayabilirsiniz.

Kadınların mecliste temsiliyet oranları değerlendirildiğinde, Türkiye Avrupa

ortalamasının ne kadar altındadır?

Listedeki ülkelerin meclislerindeki kadın temsiliyet oranlarının ortalaması ile

medyanı arasında yaklaşık ne kadar fark vardır?

120

Listedeki ülkelerin meclislerinde ortalama kaç kadın vekil vardır?

Listedeki ülkelerin meclislerinde ortalama kaç vekil vardır?

Okuma Parçaları

• Bir Veritabanı İle Röportaj - Çeviri: Zerrin Yarbay Şahin

• Veri Denetleme aracı (İnceleme)

• (Açık Ders) merkezi eğilim ölçüleri

121

11. DAĞILIMI / FARKLILAŞMAYI ÖLÇMEK

122

Geçen derste merkezi eğilimin üç temel eğilim ölçütünü, ortalama, ortanca ve tepe

değerini uygulamalarını ele almıştık. Bu bölümde ise veri setlerindeki dağılımı ve

farklılaşmayı ölçmeyi öğreneceğiz.

Pek çok veri setinin ortak özelliği, aldığı değerlerin birbirinden farklı olmasıdır. Bu

farklılaşmayı ölçmek de istatistiğin temel önceliklerinden biridir. Bu derste bir veri

kümesinin kendi içindeki farklılaşmasını nasıl ölçebileceğimizi göreceksiniz. Basit bir

örnekle başlayalım. İki hayali ülkenin yıllık büyüme oranları aşağıdaki tablodaki gibi

verilmiş olsun.

Her iki ülkenin de verilen yıllar için ortalama büyüme oranı 2.5 değerini alıyor.

Ortalamaya göre karşılaştırma yaptığımızda bu ülke benzer büyüme oranlarını

yakalamış gözüküyor. A ülkesinin değerlerine baktığımızda incelenen 7 yıl için

büyüme oranlarının 0.8 ile 4.2 arasında farklı değerler aldığını görüyoruz. B ülkesinin

büyüme değerleri ise 2,1 - 2,9 arasında farklı değerler alıyor. A ülkesinin büyüme

oranlarının farklılaşmasının B ülkesinin büyüme oranlarının farklılaşmasından daha

fazla olduğunu bu basit gözlem ile kolayca ortaya çıkartabiliriz.

Veri setinin en büyük ve en küçük değerleri arasındaki farka (A ülkesi için 4.2 - 0.8 =

3.4, B ülkesi için 2,9-2.1) açıklık (range) adı verilir. Açıklık bir veri setinin

farklılaşmasını değerlendirmek için kullanılan en temel ve basit ölçütlerden biridir.

123

Şimdi biraz daha farklı ve daha uzun bir zaman dilimini kapsayan aşağıdaki veri setini

değerlendirelim;

Her iki ülkeyi şu ana kadar öğrendiğimiz istatistiksel ölçütler açısından kıyaslayalım.

Tepe değeri sayısal verinin değerlendirilmesinde nadiren kullanıldığından listede yer

verilmedi. Bu tabloyu oluşturmak için kullandığımız ölçütler, iki ülkenin büyüme oranları

arasındaki farklılığı göremiyor. D ülkesinin büyüme oranları ortalama değeri olan 1.0

etrafında yoğunlaşırken, C ülkesinin büyüme oranları ortalamadan uzak ekstrem değerlerde

yoğunlaşıyor. Yani üst satırdaki veriler ‘tipik’ , ‘genel’ eleman etrafında yoğunlaşırken, alt

satırdaki veriler marjinal, ekstrem değerlerde kümeleniyor.

Bu örnekte incelediğimiz farklılaşmayı istatistiksel olarak ölçmek için varyans ve

standart sapma ölçütleri kullanılır. Varyans değeri sayısal olarak standart sapmanın

karesidir [Varyans = (Standart Sapma)2]. Dolayısıyla birini biliyorsak diğerini

kolaylıkla hesaplayabiliriz. Standart sapma adından da anlaşışacağı gibi bir veri

setinin standart değerinden (ortalamasından) ne kadar saptığını ölçen tek bir değerdir.

Örneğin C ülkesinin büyüme oranı 2005 yılında -1.5’tur (ekonomi küçülmüş), yani

ortalamadan 2.5 puan sapmıştır. Standart sapmayı hesaplamak için her değerin

ortalamadan farkı hesaplanır, hesaplanan değerlerin karesi alınır, alınan karelerin

ortalaması alınır, hesaplanan değerin karekökü alınır. Biraz karışık değil mi?

Excel'de diğer tüm temel istatistiksel ölçütler gibi standart sapma da hazır bir

fonksiyon olarak sunuluyor, dolayısıyla uzun uzun hesap yapmak zorunda

kalmayacağız ancak bu ifadenin anlamını biraz daha açıklamakta fayda

olacaktır. Standart sapmayı hesalamak için her bir değerin ortalamadan uzaklığını

alıyoruz önce. Yani her bir değerin tipik, genel temsilciden ne kadar farklılaştığını

ölçüyoruz. Değerlerin önce karesini almak daha sonra başka hesapmalamalar

yaptıktan sonra karekökünü almak teknik sebeplerden dolayı ihtiyaç duyduğumuz,

aynı zamanda biribirini dengeleyen operasyonlar. Standart sapma en basit ifadesi ile

tüm değerlerin ortalamadan farklılaşmalarının ortalaması, bir çeşit ortalama

farklılaşma değeri.

124

Standart Sapma Açık Formülü

S= standart sapma

x_1 , x2 , ......, xn veri setindeki değerler (yukarıdaki örnek için büyüme oranları)

o= Ortalama değer

Ortalamaları aynı olan iki verinin farklılaşmalarını standart sapma yardımı ile

hesaplamayı öğrendik.

Peki ortalamaları farklı olan veri setlerinde farklılaşmayı nasıl ölçebiliriz? Hangi

veri setinin daha stabil olduğuna nasıl karar veririz?

İki hayali ülkemiz; E ve F aynı zaman diliminde, sırası ile ortalama yüzde 2.5 ve 3.0

büyüme oranı göstermiş olsun. Büyüme oranlarının standart sapmaları da E ülkesi için

0.2, F ülkesi içinse 0.3 olsun. Hangi ülke daha istikrarlı bir büyüme göstermiştir? 2.5

büyüme ortalamasında 0.2’lik standart sapmamı yoksa 3.0 büyüme ortalamasında 0.3

lük bir standart sapmamı daha büyük bir değişkenliğe karşılık gelir?

Bu ve benzeri kıyaslamaları yapmak için kullandığımız ölçüte değişim katsayısı adı verilir.

Değişim katsayısı standart sapmanın ortalamaya olan oranıdır;

Yukarıdaki örneğe geri dönersek E ülkesinin değişim katsayısı 0.2/2.5 = 0.04, F

ülkesinin değişim katsayısı ise 0.3/3.0 = 0.1’dir. E ülkesinin F ülkesine göre daha

istikrarlı büyüme oranlarına sahip olduğunu söyleyebiliriz.

Hayali ülkeler üzerinden tartıştığımız istatistiksel ölçütleri gerçek veri üzerinde excel

yardımı ile tartışmaya hazırız artık. Videoda kullanacağımız veri dünya

bankasının http://data.worldbank.org/indicator/NY.GDP.MKTP.KD.ZG

sayfasından indirilmiş ve daha rahat çalışmanız için düzenlenmiş olan verisidir.

Verinin düzenlenmiş haline Ekonomi.xlsx dosyasından ulaşabilirsiniz.

Video Destekli İçerik: https://www.youtube.com/watch?v=G53AUtjCBDY11

125

Video Açıklamaları

Bu dosyada 216 ülkenin 1961’den 2015’ e kadar yıllık büyüme oranları var. Bazı

ülkelerde bütün bu zaman aralığı için veri olmadığı görülüyor. Bu ülkeler için verinin

olduğu yılları çalışacağız.

Bu tabloya maksimum (max), minimum (min) , açıklık (range), ortalama (average),

standart sapma (standart deviation) ve değişim katsayısı (coefficient of varaiton)

kolonlarını ekleyelim.

Açıklığı hesaplamak için maksimum ve minimum değerlerine ihtiyacımız var. Daha

önce ortalama, medyan ve tepe değerini hesaplarken yaptığımıza benzer şekilde MAX

ve MIN fonksiyonlarını çağırarak bu işlemi yapabiliriz. Açıklık maksimum ve

minimum arasındaki fark olduğundan yeni bir değişken yaratıp bunu daha önce

hesapladığımız max ve min değerlerinin farkına eşitleyelim.

Bir ülke için herhangi bir değeri hesapladıktan sonra, hesapladığımız değerin

bulunduğu kutucuğu sağ alt köşesinden aşağı doğru çekerek diğer ülkelerin ilgili

değerlerini de otomatik olarak hesaplayabiliriz.

Değişim kat sayısını hesaplamak içinse ortalama ve standart sapmaya ihtiyacımız var.

Ortalamayı nasıl hesaplayacağımızı geçen ders görmüştük. Standart sapmayı

hesaplamak içinse STDEV (standart deviation’ın kısaltması) fonksiyonu çağırmak

yeterli olacaktır.

Son olarak değişim kat sayısını hesaplamak için yeni bir değişken yaratarak bu

değişkeni standart sapmanın ortalamaya bölümüne eşitleyelim.

Filtreleri ekledikten sonra tablomuz analize hazır.

NOT 1: Bazı hücrelerde #DIV/0! uyarısını aldık bunun sebebi bu hücrelerde

hesaplama için kullanılan değerlerin bazılarının 0 olması. Herhangi bir sayının 0’a

bölümü tanımsızdır. Bu uyarı mesajında sıfıra bölme hatası yaptığımız uyarısını

alıyoruz. Bu hatayı aldığımız ülkelere baktığınızda çoğunluğu küçük ada ülkeleri

olduğunu görürüz ve tabloda bu ülkelerin büyüme değerleri yok. Bu ülkeleri

belirlemek için, bu ülkelerin olduğu satırları farklı bir renkle boyadık.

NOT 2: Yeni tanımladığımız değişkenleri Excel’e hesaplattığımızda noktadan sonra

çok rakamlı ifadeler elde ettik. Excel aritmetik işlemlerde eğer hücreler önceden

biçimlendirilmemişse otomatik olarak 8 ondalıklı bir ifade verir. Sayısal ifadelerde

kaç ondalık kullanacağınızı hücreleri biçimlendirerek belirleyebilirsiniz (SAĞ klik,

FORMAT CELLS, NUMBER, DECIMAL PLACES)

NOT 3: Sayısal fonksiyonları çağırırken ‘’=’’ işaretini kullanmayı unutmayın. =

MAX (A1:A5) ifadesi yazdığınızda bir hücreye, Excel bu ifadeyi hücrenin değerinin

A1 ve A5 hücreleri arasındaki hücrelerde değerlerin maksimumuna eşit olacağını

anlayacak ve bu değeri hesaplayacaktır. "=" işareti koymazsanız Excel yazdığınız

126

ifadeyi metin olarak algılayacak ve herhangi bir sayısal işlem yapmayacak, bu ifadeyi

gösterecektir.

Dinleme Önerisi: Data Madenciliği ve Oscar Tahminleri

Excel & Özet Tablo ile Veri Analizi

Bu derste Excel'de istatistiksel ölçütleri hesaplamanın farklı bir yöntemini

göreceksiniz. Ayrıca özet tabloları (pivot table) yardımı ile veriyi düzenleyerek analiz

yapmayı inceleyeceksiniz.

(Konu video ve okuma önerileri ile detaylandırılmıştır.)

Daha önceki derslerde Excel'de tanımlı fonksiyonları kullanarak istatistiksel ölçütleri

hesaplamayı gördünüz. Bu derslerde gördüğünüz istatistiksel ölçütler veri analizinin

en temel kavramlarından bazıları. Sıklıkla kullanılan bu ölçütlerin

tümünü Excel'de hesaplamayı sağlayan bir eklenti (Analysis ToolPak) mevcut.

Bu linkteki videoda, eklentiyi nasıl etkin hale getirebileceğiniz ve nasıl kullanacağınızı

izleyebilirsiniz.

Video Açıklamaları

127

Excel’de istatistiksel pek çok yöntem ve aracı kolaylıkla kullanmak için geliştirilmiş

bir eklenti (Analysis ToolPak) var. Bu eklentiyi aktif hale getirmek için aşağıdaki

adımları takip edebilirsiniz.

Sırası ile FILE> OPTIONS> ADD-INS menülerine girin, karşınıza çıkan ekranda

Manage: Excel Add-ins opsiyonunu seçip Go butonuna basın.

Manage: Excel Add-ins opsiyonunu seçip Go butonuna basın.

Karşınıza çıkan ekranda Analysis ToolPak

opsiyonunun yanındaki kutucuğu işaretleyip, OK

butonuna basın.

DATA sekmesinin en sağında, Data Analysis

opsiyonun eklendiğini göreceksiniz.

128

Bu eklentiyi kullanmak için

yeni eklenen Data analysis

butonuna basın.

Karşınıza çıkan menüden

Descriptive Statistics’i

(Betimsel İstatistik) seçin

Input Range kısmına

analiz etmek istediğiniz

veri kesitini girin

(daha önce gördüğümüz

excel fonksiyonlarında

olduğu gibi)

Grouped by kısmına

veriyi nasıl gruplamak

istediğinizi girin:

Columns (kolonlar) ya

da Rows (satırlar)

Output options: Elde

edeceğiniz tablonun

nerede

görüntüleneceğini

seçmenizi sağlar.

Summary Statistics (Özet İstatistikler) opsiyonun yanındaki kutucuğu işaretleyin.

OK butonuna bastığınızda özet istatistikler tablosu otomatik olarak oluşturulacaktır.

129

Skewness ve Kurtosis bu derste işlemediğimiz verinin dağılımının şekli hakkında

bilgi veren iki istatistiksel ölçüttür. Tablodaki diğer değerler daha önce gördüğümüz

ölçütler.

Böylelikle tüm istatistiksel ölçütleri tek bir işlemle elde edebiliyoruz.

Özet Tablo ile Veri Analizi

«Dağılımı/ Farklılaşmayı Ölçmek» bölümünde ülkelerin büyüme oranlarını

incelmiştik. Bu incelemeyi yaparken ülke bazında değerlendirme yapmıştık.

Kullandığımız tabloda ülkeler, bölgesel olarak (region) ve gelir seviyesine (income

status) göre de sınıflandrılımıştı. Bu veriyi incelerken aşağıdaki konularara yönelik

sorular sorulması da muhtemel:

Bölgelere göre büyüme nasıl değişmekte?

Gelir seviyesine göre büyüme nasıl değişmekte?

Bölgeler içerisinde gelir seviyesi nasıl bir dağılım gösteriyor?

Her bir bölgede kaçar ülke var?

Her bir gelir seviyesinde kaçar ülke sınıflandırılmış?

Bu ve benzeri pek çok soru, daha önce öğrendiğimiz filtreleme ve hesaplama

yöntemleri kullanılarak cevaplanabilir. Bu soruları cevaplamak için veriyi uygun

şekilde sıralamak, düzenlemek, istatistiksel ölçütleri hesaplamak için kullandığımız

fonksiyonları uygun veri kesitleri üzerinde çalıştırmak gerekir.

Bu işlemleri pratik bir şekilde gerçekleştirmek için Excel’in Pivot Tables (özet

tablolar) özelliğini kullanmak mümkün. Aşağıdaki videoda pivot tables (özet tablolar)

özelliğinin veri analizinde nasıl kullanıldığını göreceksiniz.

Video Destekli İçerik:

www.youtube.com/watch?v=wy2Q5gmIFCQ

Bu videoda pivot tables (özet tablolar) özelliğini kullanmayı göreceğiz.

INSERT > PIVOT TABLE özelliğini seçin.

Karşınıza çıkan ekranda;

Analiz etmek veri tablosunu yada kesitini seçin (diğer Excel fonksiyonlarında olduğu

gibi)

130

Özet tabloyu görüntülemek

istediğiniz yeri seçin (New worksheet’i

seçtiğinizde aynı Excel dosyasında

yeni bir sayfada oluşturacaktır özet

tablosunu)

Özet tablo

boş bir şekilde

yeni bir sayfa

oluşturulacaktır

Sağ taraftaki menünün yukarısında veri

kategorileri listelenecektir. Bu

kategorilerden analiz etmek

istediklerinizi rows (satırlar), columns

(kolonlar), filters (filtreler) values

(değerler) isimleri ile ayrılmış bölgelere

sürükleyip bırakarak özet tablonuzu

oluşturabilirsiniz.

Values kısmında seçmiş olduğunuz

parametrenin üzerine tıkladığınızda

açılan menüden VALUE FIELD

SETTINGS opsiyonunu kullanarak seçtiğiniz parametrenin istatistiksel ölçütlerini

tabloya ekleyebilirsiniz.

131

Seçmiş olduğunuz filtreler özet tablosunun en üst satırlarında görüntülenecektir.

Okuma Parçaları

Veriyle Başla, Hikayeyle Bitir

Veri Analizi - Veri Kalitesi ve Bütünlüğü

Kötü veriyi düzeltmenin 5 yolu

PDF'den ve Web'den Veri Kazıma

Bu bölümde verinin ayıklanmasının zor olduğu PDF formatındaki dosyalardan nasıl

kazındığı yer alıyor. Ayrıca webden verinin nasıl kazınarak e-tablolara aktarılıp

kullanıldığını örneklerle işleyeceğiz. Video, okuma ve forum ile bu pratikleri de

pekiştirmiş olacaksınız.

PDF'den Veri Kazıma

Veri formatının makine okunabilir olması, erişiminin zor olmaması ondan yararlanma

hızını arttırıyor. Açık formatlı verinin kamusal alanda ve habercilikte değer yaratma

potansiyelini önceki derslerimizde anlatmıştık. Veriler kapalı formatta ve

yapılandırılmamış şekilde mevcut olduğunda ise işler zorlaşabiliyor.

132

PDF de bu formatlardan biri.

Örnek 1:

Örnek:1

2014 yılında Arjantin yönetimi 2004-2013 yılları arasında yapılan harcamaların

verilerini ham PDF dosyaları ve görsel olarak paylaşmıştı. Yığınlar dolusu

yapılandırılmamış ve bilgiyasalar tarafından (makine okunabilirliği olmayan)

okunamayan ve analizi oldukça güç dosyalardı bunlar.

Veri gazeteciliği siteleri arasında yer alan La Nacion gazetesi bu verileri kazımayı,

dönüştürmeyi (PDF'den excel'e , excel'den CSV'ye, TSV'ye) başarmış, veriyi

kullanılabilir, yapılandırılmış veri setlerine dönüştürmüş; bu sayede harcamalar daha

detaylı görülebilmiş ve manşet haber olarak yer almıştı.

Haber her anlamda o dönemde hem yönetimin şefffalığına yönelik etkiler yaratmış

hem de yasal sürece yönelik araştırmaların daha etkin şekilde yürütülmesinin yolunu

açmıştı. Ayrıca veri gazetecileri bu dönüştürülmüş yığınla, veriden çok sayıda farklı,

veri güdümlü haber de çıkarmışlardı. Ödül alan bu projeyi buradan detaylı olarak da

inceleyebilirsiniz: http://blogs.lanacion.com.ar/projects/data/argentina%C2%B4s-

senate-expenses-2004-2013/

133

Örnek 2:

23 Temmuz 2016 tarihli Resmi Gazete'de yer alan 58 sayfalık OHAL'in Kanun

Hükmünde Kararnamesi. Taranmış bir PDF dosyası. Açık format değil,

yapılandırılmış değil, makine okunabilirliği ise yok. PDF dosyasının tamamı:

http://dagmedya.net/wp-content/uploads/2016/07/kapatilan-okullarin-tam-listesi-

.pdf

Tabula ile PDF’den Veri Kazıma

Veriseti : 2015 -2016 yılı MEB Eğitim İstatistikleri Raporu

(Bilgi Edinme Hakkın"dan yararlanılarak temin edilmiştir)

Araç hakkında kısa bilgi / url: http://tabula.technology Tabula açık kaynaklı pdf"den

veri kazıma aracıdır. Yukardaki adresten cihazınıza indirebilirsiniz.

Araç sadece elektronik pdf dosyalarından veri kazıyabilir. Taranmış rapor veya

dökümanlar Tabula ile kazınamaz. Ayrıca aracı kurmadan önce Java yazılımı

cihazınıza kurulmalı. Bu adresten edinebilirsiniz: https://java.com/tr/download/ Eğer

Tabula yazılımı cihazınıza yüklemekte sorun yaşıyorsanız, aşağıdaki beta sürümlerini

deneyebilirsiniz.

Beta veya diğer sürümler için: https://github.com/tabulapdf/tabula/releases

134

Video Destekli İçerik: www.youtube.com/watch?v=GjhwKLVzm5M

Tabula ile PDF’den Veri Kazıma Video Açıklamaları

00:05 pdf’ten veri kazımak için kullanacağımız açık kaynak araç Tabula

00:09 sağdaki bölümden yazılımı indirebilirsiniz

00:31 uygulama cihazımızda bu şekilde görülüyor uygulamayı başlatırsak tarayıcı

sekmesinde yeni bir sayfa açılıyor

00:50 tüm kazıma işlemlerini bu sayfa üzerinden yapabiliriz

01:00 Tabula ile kazıyacağımız pdf tablosu MEB'in toplam eğitim bütçesi verileri

01:11 Bunun için Tabula'ya ihtiyacımız var. Uygulamayı başlattığımızda yeni bir

tarayıcı sekmesinde karşımıza işlem yapacağımız arayüz çıkıyor.

01:23 Sonrasında kazımak istediğimiz dokümanı Tabula'ya yüklüyoruz ve import

butonuna tıklıyoruz

02:03 Dokümanı Tabula'ya yükledik, yapmamız gereken kazıyacağımız verileri

seçmek

02:10 kazımak istediğimiz veri setini fare ile seçiyoruz

02: 27 Preview & Export butonuna tıklıyoruz.

02:47 Görüldüğü gibi veriler satır ve sütun olarak ayrıldı.

02:57 Ve veri seti doğru bir şekilde kazındı.

03:05 Son olarak veriyi CSV olarak indiriyoruz.

03:26 Tabula ile kazıyıp indirdiğimiz CSV dosyasını Google E-tablolarla Excel (xls)

formatına çevirebilir, kolay bir şekilde analiz edebiliriz.

Web Sayfasından Veri Kazıma

Bu bölümde html tabanlı web sitelerinden; veri

kazıma aracı olan import.io yardımıyla nasıl veri

kazınacağını göreceğiz. Import.io ile kazınan veri

ise,Türkiye’de iktidara gelen hükümetler listesini

içeriyor (link). Wikipedia sayfasında yer alan

yapılandırılmamış veriler import.io aracılığıyla

kazınacak. Kazınan veri CSV dosya formatında

PC'ye indirilecek. Sonrasına Google e-tablolar

135

aracılığıyla excel (xls) dosya formatına dönüştürülüp, analiz edilir ve makine

okunabilir hale getirilecek.

Video Destekli İçerik: www.youtube.com/watch?v=c3ja_IyTRrU

Import.io İle Webden Veri Kazıma Video Açıklamaları

00:05 Kazımak istediğimiz veri, Türkiye’yi yöneten hükümetler listesi.

00:18 wikipedia sayfasındaki veriyi Excel formatına dönüştürmek ve daha kolay

analiz edilebilir hale getirmek istiyoruz.

00:25 bunun için ımport.io veri kazıma aracını kullanacağız.

00:31 ilk olarak kazıyacağımız sayfanın url’sini kopyalıyoruz.

00:39 Adresi Import.io arama çubuğuna yapıştırıyoruz ve try it out butonuna

tıklıyoruz.

01:07 görüldüğü gibi veri sütunlara bölünerek kazındı.

01:19 bu aşamada aynı zamanda sütun isimlerini düzenleyebiliriz.

01:59 düzenledikten sonra “done” butonuna tıklayarak indirme sayfasına

gidebilirsiniz.

02:01 son olarak kazıdığımız veriyi CSV formatında indiriyoruz.

02:17 indirdiğimiz veriyi google e-tablolar aracılığıyla kolay bir şekilde excel (xls)

formatına çevirebiliriz.

02:45 Görüldüğü üzere import.io ile wikipedia’dan kolay bir veri kazıma işlemi

gerçekleştirdik. Aynı işlemi birçok site için deneyebilirsiniz.

Araç url: www.import.io

Kullanılan veri seti kaynağı:

https://tr.wikipedia.org/wiki/T%C3%BCrkiye_h%C3%BCk%C3%BBmetleri_listesi

Okuma Parçaları ve Forum

Okuma

- Veri Gazeteciliği ve Web Kazımanın Etiği Üzerine - Çeviri: Veri Gazetecisi

Ayşegül Engür

- Web"den Veri/İçerik Kazıma:Gazeteciler İçin Rehber - Çeviri: Faruk Aydıner

136

Forum

- Tabula aracını kullanarak bir PDF'den kazıma yapınız ve paylaşınız.

(PDF'in orjinal olması önemli)

- Import.io'yu kullanarak bir web sayfasından veri kazıyınız ve paylaşınız.

- http://www.avvg.org.tr/fg-veri-kazima-katilimci-pratikleri-/68-veri-kazima-

katilimci-pratikleri-forum.html

Dağınık Veri Temizleme

Dağınık xml dosyası örneği:

Kaynak: http://stackoverflow.com/questions/23247323/how-to-read-messy-xml-data-row-by-

row-in-javascript-in-sencha-touch

Veriler kazındığında ya da bilgi edinmeden temin edildiğinde istenen yapıda ve

kalitede olmayabiliyor. Boşluklar, satır ve sütünlar birbirine geçmiş olabiliyor, bazı

hücreleri ayırmak gerekebiliyor. Veriler, Excel ile de temizlenip analiz edilebilir,

ancak Open Refine aşağıdaki sunumda da yer aldığı gibi Excel'den daha fazla

fonksiyonu olan bir araç. Bu sebeple bu bölümde bir açık kaynak araç olan Open

Refine'ı kullanarak dağınık veriyi temizleyeceğiz. Araç web tarayıcısında çalışır.

Video Destekli İçeriktir: https://www.youtube.com/watch?v=qwCAWvW6gHw

Sunum için tıklayınız:

https://docs.google.com/presentation/d/1oGiOp8xUV5g5vbhYHP1S1lCYiSDGPz

OJZuk1eIdhKuQ/edit#slide=id.p4

Videoda temizlenen veri seti: 2015 yılı müze ve ören yeri istatistikleri:

https://docs.google.com/spreadsheets/d/12M0PXlFFZqj-

gPfQLB3Zw41EgTStfI2Baux2AuHHYdw/edit?usp=sharing

Araç buradan indirilebilir: http://openrefine.org/download.html

137

Open Refine Video Açıklama Metni

00:06 Bu videoda Open Refine ile dağınık veri temizleme pratiği yapacağız

00:17 Open Refine şu adresten ücretsiz olarak indirebilirsiniz, kurduktan sonra

uygulama; tarayıcı penceresinde açılacaktır.

01:05 Uygulama açıldığında dosyamızı sisteme nasıl yükleyeceğimize dair seçenekler

sunuluyor. (En iyi performans için kendi cihazınızdan yükleyiniz)

01:25 Veri setini yüklüyoruz. Temizleyeceğimiz veri seti 2015 yılı Müze ve Ören yeri

ziyaretçi sayıları ( Uyarı: veri seti video için dağınık veri haline getirildi)

01:55 Görüdüldüğü gibi ilk sütundaki veriler düzensiz, şehir adları, büyük küçük

harfli, ayrı, eksik yazılmış ve boşluklar var. Ayrıca adresler de müzelerle aynı sütuna

yazılmış

02:36 İlk olarak küçük harflerle yazılmış öğelerden kurtulalım: edit cells > common

transform > To uppercase. Görüldüğü gibi küçük harflerle yazılmış öğeler düzeltildi

03:15 İl adlarından önce boşluklar yer alıyor. Boşlukları da düzeltelim: edit cells >

common transform > Trim leading and trailing white space. Görüldüğü gibi

boşluklar düzeltildi.

03:53 Yanlış yazılmış illeri belirlemek için “Text Facet” fonksiyonunu kullanacağız.

Facet > Text Facet

4:07 Sol tarafta bir pencere açıldı ve birbirine benzeyen il adları gösteriliyor. Bu

kısımda il adlarını düzenleyebiliriz. İl adına imleci sürüklersek; kolayca “edit”

butonuna tıklayarak düzenliyoruz.

4:50 Eğer büyük bir veri temizliyorsanız, bu işlem vaktinizi alabilir. Bu yüzden

“Cluster” fonksiyonu ile yazım hatalarını kolay bir şekilde düzeltebiliriz.

5:04 Üstteki Cluster butonuna tıklıyoruz ve karşımıza çıkan pencereden birleştirilecek

grupların adını değiştiriyoruz.

06:17 Görüldüğü üzere Cluster fonksiyonu Text facet’den daha çok ve daha kolay

temizleme işlemi yapıyor

08:03 Ayrıca adres ve müze isimleri 2. sütunda birleşik yazılmış. Open refine ile bu

sütunu ikiye ayırabiliriz. edit column > split into several column. Sonrasında ise edit

column > rename this column diyerek ayrıdığımız sütunu adlandırabiliriz.

09:23 Eğer hata yaparsanız veya geriye dönmek isterseniz sol üst köşedeki “undo /

redo” butonuyla kolaylıkla geriye dönüş yapabilirsiniz

09:40 Veriyi temizledikten sonra, sağ üstteki export butonuyla istediğimiz

formatta indirebiliriz.

138

12. VERİ GÖRSELLEŞTİRME

139

Bu bölümde görselleştirmenin karar verme sürecinde etkisini, önemini, gelişimini

göreceksiniz. Kırım Savaşı örneği bu konudaki ilkler arasında önemli bir

görselleştirmedir. Şöyle düşünelim diyelim ki binlerce, yüzbinlerce ya da milyonlarca

ham veriyi anlamaya ihtiyacınız var. Ama bunu yapmak için zamanınız kısa. Veriye

belki aşinasınız, kaynaklarını biliyorsunuz, belki çoktan ne hakkında olduğunu ve neyin

analiz edileceğini de biliyorsunuz. Yani elinizde mevcut olan veriye yabancı değilsiniz.

Bu durumda biraz daha hızlı ilerleyebilirsiniz. Ama bir de tersini düşünelim. Veri

setlerine dair her hangi bir fikriniz yok, başka bir ekip/kaynak tarafından sizin

elinize geçiyor ve veriye dair hiçbir fikriniz yok. Her ne durumda olursanız olun

kullanacağınız veri; yürütüyor olduğunuz faaliyetlerinizde / karar almanıza etki ediyor.

Bu sebeple veriyi kullanmadan ne anlattığını anlamak, veri görselleştirmeye neden

ihtiyaç duyulduğunu da açıklayan sebeplerden biri.

Yukarıdaki şekil, 1843 Kırım Savaşı döneminde hemşire ve istatistikçi Florence

Nightingale’in savaş sırasında orduda ölenlere ilişkin topladığı veriyi polar diyagram ile

görüntülediği çalışmayı gösteriyor. Üsküdar Selimiye Kışlası hastanesindeki ölümleri

gösteren bu şeklin başlığı "Doğu'daki ordudaki ölümlerin sebepleri diagramı" olarak

geçmekte.

Nightingale’in, bu istatistiksel aracı kullanarak gösterdiği sonuçlar ve bunları açıkça ve

anlaşılır bir rapor ile İngiliz Kralliyet Komisyonu araştırmasına sunması, o dönmede

büyük etki yaratmıştır.

1853-1856 yılları arasında gerçekleşen Kırım Savaşı sırasında, Üsküdar, Selimiye

Kışlası, İngilizler tarafından kullanılmıştı. Florence Nightingale de, 1854'te kışlaya

gelerek yaralı İngiliz askerlerinin tedavisinde görev almıştır.

Diyagram neyi anlatıyor?

Kırmızı bölgeler savaş yaralanmalarını gösteriyor, mavi bölgeler önlenebilir

hastalıklardan ölen askerleri gösteriyor ve siyah bölümler ise diğer nedenlerden

ölen askerleri göstermekte. Diyagram aynı zamanda, Rusya'nın o dönemdeki

saldırılarının karşısında kolera, tifo ve dizanteriden çok daha fazla askerin

öldüğünü belgeliyordu. (Aylar üzerinden sağdaki 1. yılı -54/55-, soldaki 2.yılı

55/56-ifade ediyor) Bu da hastanelerde daha fazla önlem alınması gerektiğine

yönelik dönemin karar vericilerini ikna etmişti.

140

Veri görselleştirme, bilginin

etkin şekilde kullanılarak karar

alma sürecini etkilemede önemli

araçlardan biridir. Haberin daha

etkin anlaşılmasına yardım eder.

Ancak, her görselleştirme

dikkatli olunmadığında yarardan çok ciddi bir yanılgıya neden de olabilir. Bazen en iyi

kafa karıştıran kaynağa da dönüşebilir. Öte yandan dikkatli yapılmış görselleştirme

çalışmaları gerçek çözüm üretebilir, karar alma mekanizmasını harekete

geçirebilirler. En iyi veri görselleştirme; veri setinde ipucu bulmak, bulgular keşfetmek

yani yeni şeyler anlatarak, bir ilişki bağı oluşturabilmektir. Bu ilişkileri anlamak ve

yorumlayıp, gözlemlemeyi başarmak, iyi karar alabilmenin anahtarıdır. Bu sebeple

belirtmek gerekir ki eğer görselleştirme doğru yapılır ise minik bir veriseti bile olsa çok

şey ifade edebilir.

Bu bölümde veri görselleştirmenin estetik, etkileyici ve dikkat çekici yönlerinin dışında,

neden günümüz için önemli olduğunu, nasıl yapılması gerektiğini, geliştirmenin

yöntemlerini, kurallarını, görsel etiğin ne olduğunu ve sınırlarını kapsamlı şekilde ele

alarak, verilen veri setleri ile e-tablolar (çizgi, sütun, pasta grafik ve nüfus piramidi) ile

haritalandırma çalışmaları yapmanızı sağlayacak teknikler aktarılmaktadır.

Veri Görselleştirme Nedir?

Veri Görselleştirme: Ham verilerin hızlı ve etkili karar almada kolayca anlaşılır

görüntülere / fotoğraflara dönüştürülme sürecidir.

141

Örnek-1

Grafik: (M.Ö 950-Avrupa) Bilinen

ilk nicel gösterge - gezegenlerin ve

ayların değişen konumunu gösteren

bir çoklu zaman serisi grafiği.

Örnek- 2

Harita: Bilinen en eski harita.

Çatalhöyük/Konya Müzesi-Türkiye

(m.ö 6500)

20.yüzyılın başlarında Gestalt Psikologları, elementlerin bir şekle / sembole

dönüştürüldüğünde algısal olarak çıktısının beklenenden daha etkin olduğunu

gözlemlemiştir.

Veri görselleştirmenin yeni değil, teknoloji ile zaman içinde geliştiğini belirtmek

yanlış olmaz. Bilgisayar tabanlı görselleştirme çalışmaları da 1984'den itibaren hız

kazanmıştır.

“Grafikte mükemmellik;

izleyiciye/okuyucuya

en kısa sürede, en az

mürekkeple, sonsuz sayıda

fikir verir” - Edward Tufte,

1983”

142

Veri Görselleştirmenin Kökleri ve Tipleri

Veri Görselleştirmenin Kökleri

Kartografya/Haritacılık

İstatistik

Veri

Görsel Düşünme

Teknoloji

Veri Görselleştirme Tipleri

Doğrusal Görselleştirme

Düzlemsel Görselleştirme

Hacimsel Görselleştirme

Çok-Boyutlu Görselleştirme

Hiyerarşik Görselleştirme

Zamansal Görselleştirme

İletimsel Görselleştirme

Veri Görselleştirme Süreci

Ham veriyi bulma, toplama, doğrulama / güncelliğinden emin olma, temizleme, analiz

etme ve verisetinin özelliğine göre görselleştirme / sunma süreçlerini kapsar.

143

Veri Görselleştirmenin Sınırları

Veri Kalitesi: Görselleştirme için kullanılan verinin kalitesi iyi bir görselleştirme

çalışmasının öncelikli konusudur. Ham veri yeterince iyi kalitede değil ise

görselleştirmek de mümkün olmayabilir. Önceki bölümde dağınık verinin nasıl

temizlendiğine yer verilmişti. Verinin temizlenerek kullanılır hale getirilmesi

görselleştirme öncesi için önemli bir süreç.

Neden-Sonuç İlişkisi: Veri görselleştirme sıklıkla ilişkileri göstermede kullanılır.

Neden-sonuç ilişkisinin olmadığı, bir şeyin sadece olmuş gibi gösterilmesinden

kaçınılması gerekiyor. Bu nedenden ötürü görselleştirilen şey ciddi yanlışlara neden

olabiliyor.

Doğrulanabilir - Kanıtlanabilir Olma: Veri görselleştirme; anlamlandırma, ham veriyi

toplama, doğrulama, temizleme, analiz etme, sunma sürecini kapsıyor mu? Eğer

kapsamıyor ise ne işe yaradıkları sorgulanmalı. Hangi açıdan ölçme / analiz etme /

karara verme gibi detayları içinde barındırıyor? Yoksa sadece güzel görsellerden mi

ibaret?...bunları bilmek önemlidir.

Görsel Etik

Görseller ve fotoğraflar: düşüncelerimizin, duygularımızın, davranışlarımızın iyi ve

kötü yönde şekilenmesine etki etmektedir.

Görsel etik sadece dijital etik ya da görsel gazetecilik, reklamcılık, halkla ilişkiler ya

da tv gazeteciliği değildir ya da insanları görsellere maruz bırakarak tektipçi bir

şey yapmak da değildir. Görsel etik iletişimin sinir sistemidir, iletişimin "ruhudur".

Yani, "Gözler kalbin aynasıdır" ve bu bir ironi barındırmamaktadır.

Görsel Etik Neden Önemlidir?

Görmek inanmaktır.

Görselleştirilen şey kelimelerden daha güçlüdür ve daha fazla alternatif sunar.

144

Okuma Parçaları ve Forum

Okuma/İnceleme

Veriyi Kavramak İçin Veri Görselleştirmeyi Kullanmak

Açık Yayınlanmış Haberleri Görselleştirme (İnceleme)

Forum

Yıllara göre gazete ve dergi sayısı, 2011 - 2015 grafiğini yorumlayınız:

www.avvg.org.tr/fg-grafik-yorumlama-/101-grafik-yorumlama-2-forum.html

Veri Görselleştirme Kuralları

Bu bölümde veriyi görselleştirirken hangi kurallara dikkat edilmesi gerektiğini

öğreneceğiz.

Veri Görselleştirme Yöntemleri Periyodik Tablosu

Üretilen görselleştirmelerin pek çoğu periyodik tabloda yer alan yöntemlerden yararlanılarak

geliştiriliyor. Tablo, hangi veri seti için hangi görsel seçilmeli, yöntem ne olmalı gibi sorulara

yanıtlar vermekte. Tabloya interaktif olarak aşağıdaki linkten ulaşılabilir: www.visual-

literacy.org/periodic_table/periodic_table.html

145

Periyot tablosunda sarı bölümlerde yer alan bazı harfler; C (süreç), T (tablo), Pi (Yuvarlak

Diyagram), L (Çizgi Grafik), B (Çubuk Grafik) vb. gibi veri ile görselleştirme yaparken

önerilen grafikleri kapsıyor. Cy, Hy ve harfler üzerinde yer alan semboller

ise yapılan görselleştirmenin neye yanıt verebileceğini içeriyor. Tablo henüz Türkçeye

kazandırılmış olmasa da, link üzerinden interaktif kısmını inceleyerek ve üzerinde biraz

zaman geçirerek görselleştirme yöntem tablosunu daha iyi anlama şansı bulabilirsiniz.

Bazı Temel Veri Görselleştirme Kuralları

Gereksiz Biçimlendirmeden Uzak Durma

Gereksiz Dağınıklıkların Kaldırılması

146

Grafik Yapmadan Önce Filtrelenmesi

Gereksiz Renk Kullanılmaması

Veri Nasıl Sunulur

147

Verisetiniz ile değişik kategorilerden değerleri karşılaştırmak için çubuk grafik, bir

değeri zaman içinde takip etmek için çizgi grafik, iki veri arasındaki etkileşimi

göstermek için serpilme grafik, coğrafyayla ilgili veriyi görselleştimemek için ise

haritalandırma çalışması yapabilirsiniz.

Veri Görselleştirmeyi Geliştirme Yöntemleri

Veriseti için doğru görselleştirme aracı seçildiğinden emin olmalı ve rahat kullanılan,

pratik yapma şansının en fazla olduğu araç seçilmeli.

Bilginin doğru sunulduğundan emin olunmalı, şüpheci yaklaşılmalı (Görselleştirme

aracının veride çarpıklıklar, verinin yanlış sunulmasına / yorumlanmasına neden

olması gibi.)

Bilgiyi mantık çerçevesinde analiz etme / sıralama / kullanma (Kategoriye dikkat

etmek, alfabetik sıralamak vb.) Bunu yapmak okuyucunun veri ile daha fazla iletişime

geçmesini sağlar.

Karşılaştırılması kolay olmalıdır (İzleyen / okuyan için kolay filtrelenmeli /

karşılaştırılmalı, kolay anlam çıkartılmalı ve bilgi alınmalı.

Verinin gereken dikkati çekmesi sağlanmalı (Gereksiz ikonlar, semboller, ek

görselleştirmeler ile izleyicinin dikkati dağıtılmamalı)

Uygun renk paletleri ve simgeleri kullanılmalı (Gereksiz etiketlemeleri kaldırarak

anlamın artırılması önemlidir) ColorTab

Bazı Veri Görselleştirme Araçları

148

Excel

• Spreadsheet (e-tablo)

• Google Chart

149

• Tableau

• DataWrapper

150

Okuma Parçaları ve Forum

Okuma

Diyagram ve grafik yapmanın 7 temel yolu -Nathan Yau-

Çeviri: Dersu Ekim Tanca

Veri Gazeteciliği ve Salgın: Grafiklerde Ebola -Simon Roger-

Çeviri: Dersu Ekim Tanca

Forum

Bir iyi bir kötü görselleştirme örneği/linki paylaşınız.

www.avvg.org.tr/fg-bir-iyi-bir-kotu-gorsellestirme-ornegilinki-paylasiniz-/102-bir-iyi-

bir-kotu-gorsellestirme-ornegilinki-paylasiniz-2-forum.html

Görselleştirme Örnekleri ve İncelemeler

Kötü Veri Görselleştirme (Dosya)

İyi Veri Görselleştirme Örnekleri (Gerçek Projeler Üzerinden)

Kötü Veri Rehberi İçin Tıklayınız:

(https://docs.google.com/document/d/1uNM2HtlzH3uXOtdUQGrA6EWz8664HWL4

QJT8zuOFtSc/edit)

İncelemeler:

Veri Görselleştirme Kataloğu

Veri Görselleştirmek ( 1 ) - ( 2 )

Türkçe Altyazılı Video: "David McCandless: Veri Görselleştirmenin Güzelliği"

151

13. VERİ GÖRSELLEŞTİRME ELEMENTLERİ

152

Veri görselleştirme beş elementten oluşmaktadır:

Veri > Görünüm/Tasarım > Bulgu > Hikaye >Etkileşim

Bu elementler görselleştirmenin başarılı olmasını da sağlayan önemli ana

başlıklardır.

Başarılı bir görselleştirmenin 5 elementini kısaca açıklayacak olursak:

1. Veri: Verisiz hiçbir şey sunamazsınız. (Etkileşim için veri gereklidir)

2. Görünüm: Veriyi analiz etmenin en iyi yöntemidir görünüm/tasarım.

(Görmek inanmaktır)

3. Bulgular: İyi bir haber/hikaye için gerekli olabilecek görsel trendleri, farklılıkları, vb.

keşfetmek.

4. Hikaye/Haber: Veriden çıkan bulgular hikayenin gelişmesini güçlendirir.

Bulunan hikaye verinin önemini de gösterir.

5. Etki: Görselleştirilen verinin etki yaratması, farklı olanı ortaya koyabilmesi.

E-Tabloda Grafik Yapma

(Çizgi, Çubuk, Pasta-Nüfus Piramidi)

Bu bölümde web tabanlı olan e-tabloyu kullanarak çizgi, sütun, pasta grafiği ve nüfus

piramidi pratiğini gerçekleştireceğiz.

153

Grafik: Görüntünün bir yüzey üzerinde temsil

edilmesidir. Fotoğraflar, çizimler, diyagramlar, haritalar ve diğer resimler birer

grafiktir.

Grafikler genelde yazı, illüstrasyon ve renkten oluşur.

Video Destekli İçerik: https://www.youtube.com/watch?v=JrpmBWxSczM

Google E-Tablo Video Altyazı Dökümü (Grafikler)

> Çizgi Grafik

00:06 Bu videoda Google e-tablolar kullanarak grafik oluşturma pratiği yapacağız.

Veri seti: TÜİK’in istatistiklerle kadın bülteninden, 1935-2015 arası cinsiyet

dağılımına göre vekil sayısı

00:21 İlk olarak çizgi grafik pratiği oluşturacağız, çizgi grafik genelde dönemsel

olarak değişen olguları görselleştirmede kullanılıyor

00:35 ilk olarak görselleştireceğimiz veri setini seçiyoruz

00:45 Sonrasında sağ üst köşedeki grafik ekle butonuna tıklıyoruz. Karşımıza

elimizdeki veriyi düzenleyeceğimiz bir editör çıkıyor. Çizgi grafiği seçip,

"özelleştirmeye" tıklayarak grafiği düzenliyoruz

01:11 Grafik başlığını değiştirebiliriz.

01:46 Sonrasında grafiğin yatay ve dikey düzlemini adlandırıyoruz

02:08 Grafiğin renklerini belirliyoruz.

03:00 Grafiği jpeg olarak indirebiliriz

03:18 Grafiği interaktif bir şekilde web sitenize ekleyebilirsiniz

05:37 Grafiği yaptıktan sonra veri seti güncellenir veya değişirse grafik de veri setine

göre güncellenecektir.

Video Destekli İçerik: https://www.youtube.com/watch?v=JrpmBWxSczM

Google E-Tablo Video Altyazı Dökümü (Grafikler)

> Sütun grafik

05:53 İkinci grafiğimiz sütun grafik, yine görselleştirilecek verileri fare ile seçip grafik

ekle butonuna tıklıyoruz

06:06 Sütun grafiği seçip, düzenleyebiliriz.

08:05 Grafiği yayımlayarak yine interaktif bir görselleştirme elde edebiliriz

154

> Pasta grafik

09:03 Son olarak yaş gruplarına göre mahkum verileriyle pasta grafik oluşturacağız.

Öncelikle görselleştireceğimiz veri setini seçiyoruz

09:12 Öneriler bölümünden pasta grafiği seçip "özelleştirme" bölümünden kolay bir

şekilde düzenleyebiliriz

10:10 Grafiği jpeg formatında indirebiliriz

10:38 Aynı zamanda grafiği interaktif olarak da yayımlayabiliriz.

Google E-Tablo Video Altyazı Dökümü (Grafikler)

> Nüfus piramidi

11: 27 Son olarak nüfus piramidi oluşturma pratiği yapacağız. Bunun için TÜİK 2015

yılı nüfus veri setini kullanacağız. İlk olarak 2015 yılı erkek-kadın nüfus verilerini yaş

gruplarına ayrılmış şekilde başka bir sayfaya yapıştıralım

12:09 Sonrasında erkek veya kadın nüfus verilerinden birini negatif değer haline

getiriyoruz (rakamların önüne eksi (-) ekleyerek) (ÖNEMLİ)

12:54 Görselleştireceğimiz veriyi seçip grafik ekle butonuna tıklayalım ve çubuk

grafiği seçelim.

13:25 Özelleştirme menüsünden "yığınla" ve "ters" kutularını işaretleyelim )

(ÖNEMLİ) ve grafiği düzenleyelim.

15:17 Son olarak grafiği interaktif olarak yayımlayabiliriz.

Videoda yer alan görselleştirme çalışmalarının veri setleri ve açıklamaları:

1-2-3) "İstatistiklerle Kadın" veri seti üzerinden Google grafik aracılığıyla çubuk,

çizgi ve pasta grafik pratikleri yapıldı. Grafik düzenleme ve interaktif olarak paylaşma

detayları verildi, bir editöre nasıl yerleştirildiği gösterildi.TÜİK İstatistiklerle Kadın

2015: https://docs.google.com/spreadsheets/d/1WTNbwsFlSJO00BjGPXBGjZ1ceZA

uexCHleICIPBI6uw/edit?usp=sharing

Ceza Tevkif Evleri web sayfasında yer alan veriler Google Spreadhseet importHtml

fonksiyonu kullanarak kazındı.

Yaş gruplarına göre mahpus sayısı 2016 (Ceza ve Tevkif Evleri)

https://docs.google.com/spreadsheets/d/1WTNbwsFlSJO00BjGPXBGjZ1ceZAuexCH

leICIPBI6uw/edit?usp=sharing

Çizgi-Sütun-Pasta Grafikler

155

Çizgi-Sütun-Pasta Grafikler

Çizgi-Sütun-Pasta Grafikler

156

4) "2015 TÜİK Yaş ve Cinsiyet" dağılımına göre nüfus istatistikleri kullanılarak

nüfus piramidi görselleştirme pratiği yapıldı.

Nüfus Piramidi

Okuma Parçaları ve Forum

Okuma / İnceleme

Bilginin Görselleştirilmesinde Sosyal Ağ Analizinin Kullanımı-Umut Al

298 Veri Görselleştirme Aracı ve Kaynak

Görselleştirme araçları için Harvard Üniversitesi

157

Forum

Öğrendiğiniz görselleştirme çalışmalarından (çizgi, sütun, pasta grafiği ve nüfus

piramidi) bir ya da iki tanesini farklı veri setlerini kullanarak yapınız ve forumda

paylaşınız:

www.avvg.org.tr/fg-ogrendiginiz-gorsellestirme-calismalarindan-en-az-iki-tanesini-farkli-

veri-setini-kullanarak-yapiniz/104-ogrendiginiz-gorsellestirme-calismalarindan-en-iki-

tanesini-yapiniz-2-forum.html

Füzyon Tablo ile Haritalandırma

Bu bölümde ise füzyon tabloları kullanarak haritalandırma çalışmasını video, okuma

ve forum desteğiyle öğreneceksiniz. Coğrafi Bilgi Sistemini (CBS/GİS)'i öğrenecek,

videoda yer alan haritalandırma çalışmasını inceleyerek farklı haritalandırmaları

göreceksiniz.

Coğrafi Bilgi Sistemi Nedir (CBS)

Karmaşık sosyal, ekonomik, çevresel vb. sorunların çözümüne yönelik

mekana/konuma dayalı karar verme süreçlerinde, kullanıcılara yardımcı olmak üzere,

büyük hacimli coğrafi verilerin; toplanması, depolanması, işlenmesi, yönetimi,

mekansal analizi, sorgulaması ve sunulması fonksiyonlarını yerine getiren donanım,

yazılım, personel, coğrafi veri ve yöntem bütünüdür.

Google haritalar, Carto DB, Fusion Tablolar ve Masaüstü CBS uygulamaları (QGIS

gibi), Coğrafi Bilgi Sistemini kullanan araçlardan bazılarıdır. Bu derste açık kaynaklı

bu araçlardan «Füzyon Tablolar» aracıyla yapılan haritalandırma yer almakta. Ancak

çok sayıda araç, haritalandırma için kullanılabilir.

Video Destekli İçerik: https://www.youtube.com/watch?v=i9Zm71tGjoc

Videoda yer alan görselleştirme çalışmalarının veri setleri ve açıklamaları:

2014 yılı tiyatro gösteri sayısı verileri Füzyon haritalar aracılığıyla görselleştirildi. Füzyon

haritalar yardımıyla harita paylaşımı, legend ekleme ve sembol değiştirme pratikleri yapıldı.

Veri seti: 2014 Yılı İllere göre Tiyatro Gösteri Sayısı (MEDAS /TÜİK) Füzyon Haritası

Kullanılan veri setinin kaynağı:

https://docs.google.com/spreadsheets/d/1nlsLwAEDUvSDLIgEC1AVUfOpIpYfeVcB_tFQv

C-37Qo/edit#gid=1446484294

158

Okuma Parçaları ve Forum

Okuma /İnceleme

Editörler Hangi Görselleşitirme Aracını Kullanıyor

Forum

Öğrendiğiniz haritalandırma çalışmasını farklı veri seti ile yaparak forumda

paylaşınız:

www.avvg.org.tr/fg-ogrendiginiz-haritalandirma-calismasini-farkli-veri-seti-ile-

yaparak-forumda-paylasiniz/105-ogrendiginiz-haritalandirma-calismasini-farkli-veri-

seti-ile-yaparak-forumda-paylasiniz-2-forum.html

Türkçe Altyazılı Video: "Eric Berlow ve Sean Gourley: Haritalandırarak

Yaymaya Değer Fikirler"

159

14. VERİ İLE HİKAYE ANLATMA

160

Bundan önceki bölümlerde veriyi, açık veriyi, veri gazeteciliğini, veri analizini,

veri görselleştirmeyi öğrendiniz. Bu son bölümde ise iyi hikaye anlatmanın

önemini, özellikle veriyle çalışırken bize neden yeni bir şeyler anlatması

gerektiğini göreceksiniz.

Ek olarak «öğrendiklerimizden ne anlıyoruz, nasıl anlatıyoruz ve nasıl anlatmalıyız»

gibi soruların yanıtlarını da bulacaksınız.

Bu bölümün amacı veriyle nasıl etkin haber/hikaye anlatıldığına değinmek, anlatırken

neden dikkatli olmak gerektiğini kavramaktır.

Yandaki

fotoğraf 2013 yılında

Akdeniz'de şiddetli

yağmur sonrası bir

restorant masasının

üstünde unutulmuş

domatesin farklı

açılardan çekilmiş

fotoğraflarından

oluşan bir kolaj. İyi

hikaye anlatıcılığı da

böylesi bir kolaj

gibidir, ancak her

açıdan

görülebildiğinde

mümkündür farklı

şeyleri anlayabilmek.

Veriyle hikaye

anlatmak ve

anlattığınız

hikayenin ilginç

tarafları bu açıdan

önemlidir.

Şekil 16* Şiddetli yağmur sonrası bir restoranda masanın üstünde unutulmuş bir domatesin kolajı (pd-2013)

Hikayeyle Başlama, akış şemasını kullanma

161

Açıklamalı akış şeması: www.verigazeteciligi.com/veri-gazeteciligi-projelerinde-

tikanmayi-onlemek-icin-akis-semalari-kullanin/

Hikaye formu: https://docs.google.com/spreadsheets/d/1r-

Jl1XpzFWJmOnorlCmOUZwSy6zdvn0bG7yUZ7KtVTk/edit#gid=224561306

Bulguları Gözden Geçirme

Verinin birden fazla gözden geçirilmesi, denetlenmesi, karşılaştırılması, teknik olarak

kontrol edilmesi. Verinin doğrulanması.

Açıklamalı veri denetleme aracı:

http://www.verigazeteciligi.com/veri-denetleme-araci-data-proofer/

162

Araştırma ile ilgili bir ya da iki istatistiki noktaya odaklanma

Elinizde büyük, dağınık bir veri var. Bu noktada en önemli detay veri ile mülakat

tekniğini kullanarak dikkat çekici noktaların üzerinde durmak.

Bu pratik okuyanların daha fazla dikkatini çektiği gibi daha fazla paylaşım, daha fazla

erişim etkisi yaratabiliyor.

Örnek-1| "16 bombalı saldırının 13’ünde kadınlar canlı bomba/1996-2015)

Haberin detayları: http://dagmedya.net/2015/01/07/15-bombali-saldirinin-11inde-

kadinlar-canli-bomba/

Açık veri seti:

https://docs.google.com/spreadsheets/d/1zfcUVmd0qfQ_7ewNclHB-

UPO5urs7f7NrTSRibVNi0A/edit#gid=0

Örnek-2 Dünyanın en zengin 6 ülkesi dünyadaki toplam mültecilerin sadece %9'una kapılarını

açtı. Almanya, Amerika, Fransa, Çin, Britanya ve Japonya 2.1 milyon mülteciye ev sahipliği

yapıyor.

Grafiği webde gör: https://infogr.am/cddd5b81-8eb4-42bb-9917-c5282b4f17f9

163

Veri kaynağı: www.weforum.org/agenda/2016/07/richest-countries-fewest-refugees-

oxfam?utm_content=bufferc3bd7&utm_medium=social&utm_source=twitter.com&utm

_campaign=buffer

Bulduğunuz bulguyu

görselleştirme, hangi veri

görselleştirme aracının ve grafik

türünün kullanılacağını belirleme,

görselleştirmeler için kullanılacak

başlıkları belirleme.

Araç:

https://datavizcatalogue.com/TR/

164

Verinin İnsanların Dikkatini Çekmesi (İnsansılaştırma)

Kullanılan verilerin insanla

ilişkisi kurulabilmeli.

İnsanların önemsemesini

sağlama ve birinin gerçek

bir sorununa ışık tutabilmesi

önem taşıyor.

Örnek| "Türkiye’de

Suriyelilere sağlanan “geçici

koruma” statüsü, mülteci

haklarının çok uzağında"

Haberin detayları:

http://dagmedya.net/2015/06/14/ozel-dosyaturkiyede-suriyelilere-saglanan-gecici-

koruma-statusu-multeci-haklarinin-cok-uzaginda/

Yararlı ve Bilgilendirici Olma

165

Kullanılan veri bir başkasının işine yarıyor mu? Yaptırım uyguluyor mu? Bir başkası

yaptığınız analizden yaralanarak farklı olarak ne yapabilir? Eğer bunları

yaptırabiliyorsanız hikayeniz/haberiniz güçlü demektir. Bir başka anlatımla

kullandığınız

veriyle anlatmayı

başardığınız

haber/hikaye

insanların daha

iyi karar

almalarına

yardımcı

olabiliyor.

Öngörü

insanların

dikkatini çeker.

Kararlarını

etkiler.

Örnek: Veri

gazetecisi Simon

Roger’ın, Irak

Savaşında ölen

siviller haritası

haberi sonrasında, haberin en altına eklediği veri setleri, detayları ile "bu veriyle bir

şey yapabilir misin?" diye soruyor adeta.

Forum

Forum

• 'Brüt ve Asgari Ücret ve Hesaplanışı' başlıklı iki sayfada yer alan veri setlerini analiz

ederek dikkat çekici taraflarını yazınız, hikayeleştirip forumda paylaşınız. Paylaşmak

için: http://www.avvg.org.tr/fg-veri-ile-hikaye-anlatma/107-veri-ile-hikaye-anlatma-

pratigi-2--forum.html (En az 150 sözcük)

Açık Kaynak Araçlarla Uygulama

Önceki bölümde veri ile hikaye anlatmayı, hikayeyle başlama ve akış şeması

kullanma, veri denetimi detaylarını ve örneklerini sunumlarla öğrendiniz. Bir veri

setini inceleyerek verinin çarpıcı taraflarını forumda paylaştınız. Bu derste ise açık

kaynak araçlardan Infogr.am, Cartodb, Tableau ve Knoema araçlarını kullanmayı

öğrenerek, uygulayacaksınız.

166

Infogr.am

Açıklamalı Dosya:

https://docs.google.com/document/d/1eowjLv6a1pfbmHAIr2217iCZuK29PFuC0HgOhA

Pi2eI/edit

Url: infogr.am

Cartodb

Açıklama dosyası: https://docs.google.com/document/d/1QzcVPSY-

whU0KcT2i1ygmizYqcrdgWg-HDBsmFU3PEU/edit

Url: https://cartodb.com/

167

Tableau

Açıklama dosyası:

https://docs.google.com/document/d/1-YOQfsMrOZMKk8SzOPUEVAYSAM-

UkK1SsokbIDmzihA/edit

İndir: https://public.tableau.com/s/download/

Knoema

Açıklama dosyası için:

https://docs.google.com/document/d/1mO5o0QmzRjqQHIjWSSPGksGyqdd6WC72-

168

i58lYqZBzk/edit

Url:https://knoema.com/

Forum

Forum

• Infogr.am, Cartodb, Tableau ve Knoema araçlarından en az iki tanesini hikayesini

yazdığınız veri seti için kullanınız ve forumda paylaşınız: http://www.avvg.org.tr/fg-

acik-kaynak-araclarin-uygulanmasi/108-acik-kaynak-araclarin-uygulanmasi-2-

forum.html

169

YARARLANILAN KAYNAKLAR

Aslan, Alaattin; Bayrakçı, Serkan; Küçükvardar, Mert (2016). “Bilişim Çağında

Geleneksel Gazeteciliğin Dönüşümü: Veri Gazeteciliği”, Marmara İletişim

Dergisi, sayı 26, (s.55–70), http://dergipark.gov.tr/download/article-file/267619

Dağ, Pınar (2015). Gazeteciliğin Geleceği: Veri Gazeteciliği,

https://www.academia.edu/16286677/GAZETECİLİĞİN_GELECEĞİ_VERİ_GA

ZETECİLİĞİ_-Pınar_Dağ_Ekitap_