新闻室中的脏数据：比较新闻学与数据科学的数据准备

收集、清理、处理数据以及为分析做准备的工作往往是数据工作中最耗时且最繁琐的环节。虽然许多研究在数据科学工作流程的背景下描述数据准备，但关于数据新闻学中数据准备的研究却寥寥无几。我们采用混合形式的主题分析，结合来自数据科学工作流程现有叙述中推导的代码，以及对36名专业数据记者进行的访谈中归纳的代码，来填补这一空白。我们扩展了之前的数据科学工作模型，纳入数据准备的详细活动。我们将60个脏数据问题来自16种脏数据分类法以及访谈数据的分类汇总，并提供一种新颖的分类方法，将这些脏数据问题表述为心智模型之间的偏差。我们还识别出记者面临的四大挑战：时序性、地区性、碎片化和不一致的数据来源。