ISKM16

Rok 2025

Komplexně vypracované okruhy témat

Obsah a struktura portfolia

 

1. V portfoliu představte, kdo jste. Představení může mít 1-2 odstavce. Představení je typicky
na úvodní stránce či na podstránce typu “O mně”.

 

2. V portfoliu mějte snadno přístupné příspěvky, které budou pokrývat alespoň všechny
absolvované A předměty. Příspěvky o dalších předmětech a zkušenostech ve studiu jsou
výhodou. Příspěvek obsahuje především: o výstup z učení – Co jste se naučili? Co jste vytvořili?
o a sebereflexi – Jak jste poznatky a zkušenosti integrovali do svého myšlení, tvorby,
práce? Jak a kde byste je mohli využít? Jak byste v tématu chtěli/mohli pokračovat?

 

3. V portfoliu mějte
– příspěvek o svém plánu a očekávání od studia, který jste tvořili v prvním semestru.
– příspěvek o naplnění plánu, který vytvoříte v posledním semestru jako ohlédnutí za
studiem. Např. jakou profilaci jste zvolili? Jakou praxi jste absolvovali? Jaké tři
předměty pro vás byly nejdůležitější? Co jste přečetli? Kam vás studium posunulo?
Kam se chystáte po státnicích? Na tuto stránku také umístěte odkazy na všechny
reflexe předmětů z bodu 2.

 

Prezentace portfolia

1. Při vašem příchodu do zkušební místnosti bude nachystáno vaše portfolio na počítači a
projektoru. Začněte stručným představením, uveďte například část toho, co máte v portfoliu.
2. Přejděte na příspěvek z bodu 3 b a představte svoji cestu studiem. Vyberte jen několik
stěžejních bodů. (cca 5 min)
3. Diskuze s komisí o portfoliu.

Dobrý den, děkuji za prostor představit své portfolio.
Budu k Vám mluvit jako datová novinářka – ale také jako někdo, kdo se celý život pohybuje na rozhraní různých světů. Mezi humanitními a přírodními vědami, mezi jazykem a čísly, mezi interpretací a analýzou. A právě v této schopnosti spojovat, překračovat a překládat mezi různými doménami vidím i největší přínos svého studia na KISKu.

Moje cesta k informacím byla od začátku transdisciplinární. Vždycky mě bavily jazyky, ale také biologie, chemie, matematika. Maturovala jsem z češtiny, angličtiny, biologie a chemie – a to na gymnáziu v Děčíně, kde jsem vyrostla. Později jsem studovala na Filosofické fakultě Univerzity Karlovy, na Kalifornské univerzitě v San Diegu i na Literární akademii Josefa Škvoreckého, odkud jsem odjela na Erasmus do Walesu. A právě tam, v Bangoru, jsem poprvé objevila datovou žurnalistiku – obor, který mě okamžitě nadchl, protože mi konečně dovolil spojit všechno, co mě bavilo: práci s textem, analytické myšlení, vizualizaci a technologii.

Od té doby jsem vytvořila stovky datových analýz, založila web datovazurnalistika.cz, vedla datové projekty v ČTK a spolupracovala s médii jako Seznam Zprávy, Aktuality.sk, SME.sk, APA, DPA a dalšími. Získala jsem tři nominace na Novinářskou cenu, dvakrát jsem ji vyhrála – naposledy letos s kolegou Michalem Škopem v kategorii ekonomické žurnalistiky.

Studium na KISKu pro mě bylo logickým i odvážným krokem. Přišla jsem sem jako etablovaná profesionálka, ale také s velkou chutí učit se a s potřebou své dosavadní zkušenosti teoreticky ukotvit. Fascinovalo mě, jak široce pojatý obor informační studia vlastně je. Dotýká se všeho, co dělám – dat, médií, designu, vzdělávání, literatury i informační etiky. A to všechno se v mém portfoliu přirozeně propojuje.

Velmi si cením toho, jak mě studium donutilo vystoupit ze své profesní i generační bubliny. Ocitla jsem se mezi studenty, kteří byli často o deset i více let mladší – a bylo to nesmírně osvěžující. Přinášeli nové pohledy, témata, styl práce i myšlení. Měla jsem možnost učit se s nimi i od nich – a díky tutoringu i s nimi spolupracovat na jejich vlastní studijní cestě.

Za jednu z největších hodnot KISKu považuji jeho schopnost organicky propojovat teorii s praxí. V mém portfoliu najdete projekty zaměřené na vizualizaci dat, ale také kritické reflexe nad mediální gramotností, informační chudobou nebo smyslem digitálního vzdělávání. KISKu se podařilo to, co se podle mě daří jen málokteré akademické instituci: vytvořit otevřený prostor pro učení, sdílení, experimentování, ale i zpochybňování a přehodnocování. A právě to je pro mě učící se společnost v praxi.

Zejména bych chtěla vyzdvihnout přístup k poskytování zpětné vazby – něco, co se stalo naprosto klíčovým i v mé vlastní práci. Naučila jsem se ji dávat i přijímat, přemýšlet nad svými výstupy v dialogu, a díky tomu se zlepšovat – ne jen sbírat známky, ale opravdu růst. A totéž platí i o práci tutorky, kterou jsem si mohla vyzkoušet – a která pro mě byla důležitým momentem.

Celé studium vnímám jako jeden velký designový projekt – výzkumný proces, v němž jsem se snažila pojmenovat, jaké znalosti mi chybí, jaké dovednosti potřebuju rozvinout, a co mě zajímá tak silně, že to chci zkoumat do hloubky. A to vše jsem mohla realizovat. Ne v teoretickém vakuu, ale v konkrétním kontextu – své práce, své komunity, svých hodnot.

Získala jsem tu obrovské množství inspirace, nové kontakty, otevřela se mi nová témata i příležitosti. Dnes lépe chápu, jak učit a učit se, jak vytvářet informační prostředí, které je srozumitelné a vstřícné, jak pracovat s daty eticky i vizuálně přitažlivě, jak propojit design, žurnalistiku a vzdělávání. A jsem za to opravdu vděčná.

Děkuji.

Úvodní řeč (2 minuty)

Dobrý den, děkuji za slovo. Ráda bych na úvod shrnula hlavní cíle a přínosy své diplomové práce. Téma srozumitelnosti datových vizualizací v online zpravodajství jsem si zvolila proto, že propojuje oblast mé profesní zkušenosti jako datové novinářky s teoretickým zájmem o informační chování a kognitivní zpracování vizuálních informací.

Cílem práce bylo ve dvou rovinách:

  • výzkumné: ověřit hypotézy o chování čtenářů při scrollování a interakci s datovými vizualizacemi;

  • praktické: navrhnout implementovatelná doporučení pro tvorbu čtenářsky srozumitelných, poutavých vizualizací využitelných v reálné mediální praxi.

V práci se snažím skloubit tři různé pohledy: zaprvé pohled na to, co považujeme za poznání a jak s informacemi nakládáme – tomu se říká epistemologický rámec. Zadruhé pracuji s představou, že myšlení není jen v hlavě, ale je rozprostřené mezi námi, naším zařízením a prostředím – tomu říkáme distribuovaná kognice. A zatřetí zohledňuji samotnou designovou praxi datových vizualizací, tedy jak se tvoří, jak vypadají a jak na uživatele působí v online prostředí. Tyto přístupy propojuji proto, abych co nejlépe porozuměla tomu, jak čtenář vizualizaci vnímá a jak s ní pracuje.

Tato kombinace nám umožňuje dívat se na vizualizaci nejen jako na samostatný grafický výstup, ale jako na součást širší interakce mezi čtenářem, textem, médii a jejich technologickým prostředím. Práce přináší nejen vhled do toho, co ovlivňuje srozumitelnost a věnovanou pozornost, ale také metodologický nástroj pro měření tohoto chování, který jsem navrhla, implementovala a použila v reálném prostředí.


Odpovědi na otázky komise

1. Jak vypadala data, která jste sbírala, a jak jste je zpracovala?

Každá datová vizualizace byla vložena jako iframe a obalena dvěma neviditelnými HTML prvky (divy) před a za vizualizací. Můj měřicí skript zaznamenával čas, kdy se horní div dostal do viewportu a kdy ho opustil spodní div. Tímto způsobem vznikaly záznamy s timestampy o tom, jak dlouho měl čtenář vizualizaci v zorném poli.

Tyto záznamy se ukládaly do jednoduché databáze, kde každý řádek odpovídá jedné instanci vizualizace ve viewportu u jednoho uživatele. Pro účely analytického pohledu jsem pak tyto události agregovala podle vizualizace a čtenářské relace, vypočítala délku zobrazení, podíl čtenářů, kteří se k jednotlivým vizualizacím dostali, a jiné metriky.


2. Proč jste použila vlastní nástroj místo běžných systémů (Matomo, Google Analytics)?

Vlastní nástroj jsem použila, protože běžné systémy nejsou dostatečně flexibilní pro tento typ mikroměření.

Například Matomo nenabízí granularitu pro sledování konkrétního iframe, zvláště pokud je embedovaný v dynamickém obsahu. Také jsme chtěli testovat rozdíl mezi opakováním téže vizualizace v různých částech článku, a to běžné analytické nástroje neumožňují. Navíc jsme potřebovali plnou kontrolu nad strukturou dat a jejich ukládáním pro pozdější export a analýzu.

Máme také zkušenost, že například hostované Matomo nezvládlo velký provoz u starších projektů (např. volební kalkulačky), zatímco náš vlastní nástroj měl jednodušší zátěžový profil a větší stabilitu. Náš nástroj byl testován opakovaně v testovacím i ostrém prostředí. Navíc jsme měření zdvojili – iframe byl obalený neviditelnými prvky před a za vizualizací, takže jsme mohli porovnat konzistenci záznamů z různých částí článku. Tím jsme získali větší důvěru v přesnost i robustnost dat.


3. Proč jste nakonec použila data jen z jednoho webu? Jsou reprezentativní?

Původně jsme sběr dat nasadili i na Seznam Zprávy, ale vzhledem k organizačním změnám nebylo možné tato data analyzovat a publikovat v rámci diplomové práce.

Použila jsem tedy data z webu datovazurnalistika.cz, který má srovnatelné publikum. Z vlastních zkušeností i starších měření vím, že chování čtenářů obou webů je velmi podobné. Už v minulosti se ukazovalo, že datová žurnalistika už není více vnímána jako specializovaný žánr, ale jako standardní součást novinářské praxe, a čte ji široká škála čtenářů.

Zároveň jsem při výběru článků dávala pozor na žánrovou rozmanitost i typy vizualizací (statické, interaktivní, opakované). Data tedy podle mého názoru poskytují reprezentativní vzorek chování čtenářů v prostředí českého zpravodajství.


Reakce na výtky z posudků

K transparentnosti dat (výtka vedoucího):

Ve zkrácené podobě popisuji sběr dat v hlavní části práce, ale podrobný technický popis je uveden v příloze. Zahrnuje schéma měření, použité proměnné, ukázku záznamu a vysvětlení logiky skriptu. Zároveň bych chtěla zdůraznit, že jako datová novinářka se pohybuji v prostředí, kde je transparentnost a replikovatelnost klíčová. V práci jsem se snažila držet stejných zásad jako při běžné redakční činnosti – včetně dokumentace datových operací, validace skriptů a archivace exportních souborů.

K distribuované kognici (výtka oponenta):

Souhlasím s tím, že tento koncept zůstává v práci spíše inspirací než plně rozvinutým analytickým rámcem. Vědomě jsem jej ale použila jako výchozí bod pro reflexi vztahu mezi čtenářem, zařízením a strukturou obsahu. Rozumím výtce, že distribuovaná kognice není v práci rozpracovaná jako dominantní analytický rámec. Vnímám ji spíše jako inspirační východisko, které mi pomohlo promýšlet vztah mezi technologickou formou (iframe, design článku), mediální strukturou a chováním čtenáře. Pro plné uchopení by bylo třeba zapojit také rozhovory nebo kvalitativní etnografii čtení, což přesahovalo rámec této kvantitativně zaměřené práce. Téma ale vnímám jako důležitý směr pro další výzkum.

K formátu práce:

Rozhodla jsem se pro strukturu, která respektuje akademický charakter (včetně citací, hypotéz a příloh), ale zároveň udržuje čtivost a srozumitelnost textu pro potenciální uživatele v mediální praxi. Tento kompromis odpovídá povaze transdisciplinární práce.


Závěr

Přínos mé diplomové práce vidím v tom, že propojuje akademické koncepty s praktickým sběrem a vyhodnocením dat o čtenářském chování. Nabízí návrh na analytický model srozumitelnosti vizualizací a ukazuje cestu, jak lépe integrovat datovou žurnalistiku do uživatelsky přívětivé podoby.

Děkuji za pozornost a ráda zodpovím dotazy.

Informační vědy

1. Informační vědy na rozhraní transdisciplinarity
2. Od technologizace společnosti k socializaci technologií
3. Role dat ve vědě
4. Informační podpora vědy
5. Síť, činnost a interakce – význam a role pojmů informační vědě
6. Informace a politika vědy

Úvod – Historický kontext a vznik oboru

Informační vědy jako samostatný obor vznikly v roce 1945, kdy Vannevar Bush publikoval revolucionární esej “As We May Think” a představil koncept Memexu – prototypu hypertextu. Bush reagoval na dva zásadní problémy: problém literatury (příliš mnoho publikací, orientace v nich) a problém informačních systémů (mnoho systémů s různými formáty, potřeba jednotného vyhledávání).

Tento vznik nebyl náhodný – informační vědy vznikly jako transdisciplinární odpověď na komplexní problémy, které nemohla vyřešit žádná jednotlivá disciplína. A právě tato transdisciplinarita zůstává jejich klíčovou charakteristikou dodnes.


1. Informační vědy na rozhraní transdisciplinarity

Definice a podstata

Podle KISK paradigmatu informační věda studuje životní cyklus informace – od vzniku přes zpracování až po využití. Nejde však o pouhé mezioborové spojení, ale o něco mnohem hlubšího.

Transdisciplinarita překračuje klasickou interdisciplinaritu tím, že nevytváří jen společné projekty různých oborů, ale novou epistemologii – nové způsoby poznávání a kritéria určování pravdivosti poznatků.

Praktická ilustrace

Jako datová novinářka vidím tuto transdisciplinaritu každý den. Datová žurnalistika není jen průnikem žurnalistiky, programování a vizualizace – je to nová metodologie, která mění způsob, jak ověřujeme a prezentujeme informace. Když analyzujeme volební výsledky, nepotřebujeme jen statistické výpočty, ale i porozumění politickým institucím, médiím a schopnost vizuálně srozumitelné prezentace.

Informační věda jako metavěda

Informační vědy fungují jako metavěda – zkoumají organizaci znalostí ostatních oborů. Překrývají se s humanitními vědami (psychologie, sociologie), technickými (informatika, kybernetika) i ekonomií. Tato hybridní povaha umožňuje řešit komplexní problémy současnosti.


2. Od technologizace společnosti k socializaci technologií

Překonání technologického determinismu

Klíčový posun v informačních vědách představuje překonání mýtu o technologické neutralitě. Dříve se věřilo, že technologie jsou neutrální nástroje. Dnes víme, že každá technologie v sobě nese hodnoty svých tvůrců a reprodukuje mocenské vztahy.

Socio-technické systémy

Tavistocký institut v 50. letech ukázal, že samotné technologie nezvýší produktivitu – je nutná synergie sociálních a technologických znalostí. Technologie musí být implementována i sociálně, ne jen technicky.

Praktický příklad

Když vyvíjím volební kalkulačky, každé designové rozhodnutí má politické důsledky: Které otázky zařadím? Jak formuluji odpovědi? Jakým způsobem vizualizuji výsledky? Tyto zdánlivě technické volby určují, jak lidé porozumí politickému spektru – a možná i jak budou volit.

Conwayův zákon (1968) to vystihuje přesně: struktura softwaru odpovídá struktuře komunikačních potřeb lidí, kteří ho vytvářejí.


3. Role dat ve vědě

Data jako konstrukt

Zásadní poznatek: “Neexistují žádná čistá, surová data”. Data jsou vždy instrumentální – existují v kontextu a získávají význam z perspektivy pozorovatele. Nejsou přírodními objekty, ale reprezentacemi skutečnosti.

Data Scholarship a vědecké paradigmy

Data Scholarship řeší komplexně vztahy mezi daty a vědou. Rozlišujeme:

  • Malá věda: tradiční, flexibilní, neformální vazby
  • Velká věda: výzkumná infrastruktura, mezinárodní spolupráce, big data

Data epistemology v praxi

Geoffrey Bowker a Susan Leigh Star ukazují, že data nejsou neutrální záznam reality – vždy jsou výsledkem rozhodnutí o tom, co měřit a jak kategorizovat.

Když analyzuji statistiky kriminalitý, musím se ptát: Kdo a jak data sbíral? Jaké případy se dostaly do statistik? Jaká kategorizace byla použita? Tyto otázky mají přímý dopad na vnímání bezpečnosti a spravedlnosti ve společnosti.


4. Informační podpora vědy

Vědecké infrastruktury

Informační podpora vědy znamená vytváření vědeckých výzkumných infrastruktur pro efektivní realizace výzkumu, sdílení dat a interdisciplinární spolupráci.

Digital Humanities jako příklad

Digital Humanities představují “digitální obrat” – poznávání reality pomocí výpočetních technologií. Roberto Busa už v roce 1949 spolupracoval s IBM na digitalizaci díla sv. Tomáše Akvinského. Dnes DH kombinují tradiční humanitní metody s digitálními nástroji.

Informační infrastruktura jako veřejný statek

Christine Borgman ukazuje, že informační infrastruktura není jen technická, ale politická záležitost. Způsob organizace přístupu k informacím určuje, kdo může participovat na veřejné debatě.

Prakticky to vidím v rozdílech mezi zeměmi: Ve Finsku mají občané přístup k detailním datům o veřejných financích, což umožňuje kvalitní investigativní žurnalistiku. Jinde jsou tytéž informace nedostupné nebo zpoplatněné.


5. Síť, činnost a interakce

Věda o sítích

Sítě jsou dynamické, stále se vyvíjející struktury. Rozlišujeme:

  • Náhodné sítě: každý uzel má stejnou pravděpodobnost spojení
  • Bezškálové sítě: s centrálními uzly a slabými vazbami

Actor-Network Theory v praxi

Bruno Latour ukazuje, že informace nevznikají izolovaně, ale v síti vztahů mezi různými aktéry – lidmi, technologiemi, institucemi.

Když sleduji šíření fake news o volbách, vidím komplexní síť: tvůrci dezinformací → algoritmy sociálních sítí → kognitivní zkreslení uživatelů. Efektivní fact-checking proto není jen o ověření faktů, ale o intervenci na různých úrovních sítě.

Serendipita a třetí místa

Důležité je i náhodné setkávání s informacemi – serendipita. “Třetí místa” umožňují náhodné objevy informací. Výzva je, jak tuto serendipitu simulovat ve virtuálních prostředích.


6. Informace a politika vědy

Epistemické autority

Klíčová otázka: Je přístup k informacím základní lidské právo? Informační vědy se zabývají tím, jak ve společnosti vzniká poznání a jaké jsou epistemické autority.

Politické spektrum technologií

Existují tři základní postoje k technologiím:

  • Neoludismus: odpor k technologiím (Ned Ludd, Ted Kaczynski)
  • Extropianismus: technologický optimismus (Max More)
  • Transhumanismus: kyborgizace lidstva (FM-2030)

Data epistemology a demokracie

Kdo určuje, co je považováno za platné poznání? Jaká data mají autoritu? Jak jsou strukturována?

“Politika informací je politika demokracie” – nejde jen o efektivitu, ale o hodnoty, moc a spravedlnost. Kdo rozhoduje o důvěryhodných zdrojích? Jak fungují algoritmy určující, jaké informace lidé uvidí? Kdo má přístup k nástrojům pro ověřování faktů?

Kritické informační studia

Upozorňují na nebezpečí “falešné objektivity” – tendence stavět proti sobě dva protikladné výroky jako rovnocenné, bez ohledu na jejich empirickou oporu.


Závěr

Informační vědy vznikly jako transdisciplinární odpověď na komplexní problémy informační společnosti. Jejich síla spočívá v schopnosti integrovat různorodé přístupy – technické, společenské i estetické – do nových rámců poznání.

Moje profesní motto říká: “Tvrdí-li někdo, že venku prší, a tvrdí-li někdo jiný, že svítí slunce, novinář nemá slepě citovat oba. Má otevřít okno a ověřit, co se skutečně děje.”

Právě toto motto vystihuje podstatu informačních věd – kritické ověřování reality s využitím transdisciplinárních metod, které respektují sociální konstruovanost poznání, ale zároveň usilují o důvěryhodné informační struktury sloužící demokratickým hodnotám.

Informační vědy tak nejsou jen akademickou disciplínou, ale kritickým nástrojem pro fungování demokratické společnosti v digitálním věku.

Design informačních služeb

1. Design služeb jako přístup ke službám, jako proces návrhu služeb a jako sada metod
2. Dvojitý diamant a další designérské přístupy
3. Kompetenční rámec výzkumníka a designera služeb
4. Designová zralost organizací; design a agilní vývoj
5. Kritické přístupy k designovému myšlení a etika v designu
6. Design veřejných služeb a sociální inovace

Úvod – Design služeb v kontextu informační společnosti

Design služeb se vyvinul jako odpověď na transformaci ekonomiky – služby dnes tvoří 60% ekonomiky a představují novou podnikatelskou logiku. Na rozdíl od produktů jsou služby nehmatatelné, skládají se z procesů existujících v daný čas, a jejich hodnotu neurčuje poskytovatel, ale uživatel.

V kontextu datové žurnalistiky design služeb znamená navrhování způsobů, jak zpřístupnit složité informace prostřednictvím vizualizací a analýz – služby pro demokratickou společnost.


1. Design služeb jako přístup ke službám, jako proces návrhu služeb a jako sada metod

Definice a podstata

Design služeb je multidisciplinární a uživatelsky orientovaný přístup, který se zaměřuje na uživatelskou zkušenost a kvalitu služby jako klíčovou hodnotu úspěchu. Kombinuje metody z různých oborů – manažerských, webdesignu, sociologie, marketingu.

Klíčové nástroje

Service Blueprint – nejdůležitější nástroj, vizuální schéma služby s “line of visibility”:

  • Onstage: co uživatel vidí (frontend)
  • Backstage: interní procesy (backend, systémy, lidé)

Touchpointy – kontaktní body, kde se “zhmotňuje” kontakt uživatele se službou. Každá interakce s touchpointem je “moment pravdy”.

Praktická aplikace

Jako datová novinářka designuji informační služby při tvorbě volebních kalkulaček nebo datových vizualizací. Musím myslet na celou cestu uživatele – od prvního kontaktu s článkem přes pochopení vizualizace až po praktické využití informací při rozhodování o volbě.

Wicked Problems

Buchanan rámuje design služeb jako odpověď na “wicked problems” – komplexní problémy, které nelze formulovat jednoznačně, nejsou testovatelné v laboratoři a nemají jasné řešení. Například boj proti dezinformacím nebo zpřístupnění otevřených dat občanům.


2. Dvojitý diamant a další designérské přístupy

Dvojitý diamant (British Design Council)

Modelový proces střídající fáze divergence (rozšíření znalostí) a konvergence (definice):

  1. Explore (poznávání) – kvalitativní výzkum, hloubkové rozhovory
  2. Define (definování) – sense-making sessions, analýza
  3. Develop (navrhování) – co-creation, prototypování
  4. Deliver (ověřování) – testování, iterace

Design Thinking vs. Human Centered Design

D.school Stanford: Empatie → Definování → Ideace → Prototypování → Testování

IDEO: Inspirace → Ideace → Implementace

Human Centered Design se liší zapojením uživatele už od raných fází – nestavíme jen na svých dojmech, ale na skutečných potřebách.

Praktická aplikace

Při vývoji datových projektů používám iterativní přístup – nejprve zkoumám, jaké informace občané potřebují (explore), pak definuji konkrétní problém (define), navrhuji řešení (develop) a testuji s uživateli (deliver). Proces je cyklický – feedback vede k novým iteracím.


3. Kompetenční rámec výzkumníka a designéra služeb

Organizační modely designu

Centralizovaný tým: 1 tým pro celou organizaci

  • Výhody: design na vysoké úrovni, sdílení zdrojů
  • Nevýhody: vyjednávání o budgetu, nepochopení potřebnosti

Decentralizovaný: designéři v produktových týmech

  • Výhody: vyšší důvěra, lepší integrace
  • Nevýhody: každý designér musí zastávat všechny role

Hybridní: kombinace různých rolí

Designérský mindset

  1. Participace a týmovost
  2. Empatie – upřímný zájem o lidi
  3. Sebevědomá kreativita – demokratizace designu
  4. Rychlé prototypování – snižování rizika
  5. Holismus – širší kontext, teorie změny
  6. Designérský leadership – překonávání bariér

Role v datové žurnalistice

Jako datová novinářka kombinuji role UX designérky (zaměření na uživatelské potřeby), UI designérky (tvorba rozhraní) a service designérky (optimalizace celé služby zpřístupnění informací).


4. Designová zralost organizací; design a agilní vývoj

Service Design Network model (5 stupňů)

  1. Explore – jedinci aplikují service design
  2. Prove – design získal důvěru
  3. Scale – rozšiřování napříč organizací
  4. Integrate – zapojení na úrovni celé organizace
  5. Thrive – designový leadership

Design Ladder (6 stupňů)

  1. Bez designu
  2. Design dávající formu – na závěr procesu
  3. Design jako proces – integrovaný do vývoje
  4. Design jako strategie – klíčový element business modelu
  5. Design jako systematická změna – řešení sociálních problémů
  6. Design jako kultura – budování kultury organizace

Agilní přístup

Agile = iterativní přístup se sprinty, požadavky se mění. Opakem je waterfall (klasické postupné fáze).

V datové žurnalistice používám agilní principy – rychlé prototypy vizualizací, testování s čtenáři, iterativní vylepšování na základě feedbacku.


5. Kritické přístupy k designovému myšlení a etika v designu

Konkrétní kritické body

Hlavní kritiky Design Thinking a HCD:

  • Zaměření na jednu skupinu komplikuje službu pro ostatní
  • Falešná neutralita – designéři implicitně vpisují vlastní postoje
  • Paradoxní konflikt: zaměřený na člověka × primární cíl = zisk
  • Slouží kapitalismu – neudržitelný model prohlubující problémy
  • Omezuje inovativnost – pohledy uživatelů jsou omezené
  • Wicked Problems – řešení jednoho problému způsobí několik nových

Alternativní směry

Kritický a spekulativní design (Anthony Dunne, Fiona Raby):

  • Klasické designové přístupy podporují současné ekonomické systémy
  • Příklady problémů: klimatické změny (automobilový průmysl), Uber, Airbnb

Tranzitivní design (Terry Irwin):

  • Zaměření na komplexní globální problémy
  • Vymýšlení budoucnosti mimo dominantní ideologické rámce
  • Design má být kritický, angažovaný a reflektivní

Etická pravidla

  • Respektovat uživatele stejně jako sebe
  • Přemýšlet o možném zneužití produktu
  • Design nesmí ublížit, ale pomáhat

Aplikace v datové žurnalistice

Při tvorbě vizualizací musím zvažovat etické důsledky – jak může být moje prezentace dat zneužita? Nezkresluje můj výběr metrik realitu? Neposiluje nějaké předsudky? Design informačních služeb má přímý dopad na demokracii.


6. Design veřejných služeb a sociální inovace

Specifika veřejných služeb

Výzvy:

  • Obrovské aparáty
  • Silná regulace (byrokracie)
  • Sektorovost
  • Kulturní a politické závislosti
  • Konzervativní kultura

Dva přístupy:

  1. Zlepšování přístupnosti redesignem touchpointů
  2. Vytvoření alternativních kanálů

Bariéry zapojení občanů

  • Občan jako diktátor
  • Vysoké nároky na zdroje
  • Nerealistická očekávání
  • Prototypování – lidé nechtějí vidět nehotové věci

Sociální inovace

= proces vytváření nových sociálních praktik posilujících občanskou společnost

Příklady: Preventivka, Volební kalkulačka, Nedlužím státu

Aplikace v knihovnách

  • Dokumentová gramotnost
  • Asistence při hledání zaměstnání
  • Spolupráce s charitou
  • Práce se seniory a mládeží
  • Čtení v domovech pro seniory

Inkrementální inovace

Postupná, drobná zlepšení – řada malých vylepšení existujících služeb.

Moje praxe v sociálních inovacích

Datová žurnalistika je sama o sobě sociální inovací – vytváří nové způsoby, jak občané mohou přistupovat k informacím o veřejných záležitostech. Volební kalkulačky nebo interaktivní vizualizace rozpočtů měst představují nové formy civic tech služeb.


Závěr

Design informačních služeb představuje transdisciplinární přístup k vytváření služeb, které skutečně slouží lidem. V kontextu informační společnosti to znamená navrhování způsobů, jak zpřístupnit složité informace a posílit demokratickou participaci.

Klíčové je pochopení, že design není jen o estetice, ale o komplexním systémovém myšlení. Service blueprint musí zohlednit nejen to, co uživatel vidí, ale i celou infrastrukturu služby.

Kritické přístupy nás upozorňují, že design není neutrální – má politické a sociální důsledky. Proto je důležité přemýšlet o etice a dlouhodobých dopadech našich designových rozhodnutí.

V oblasti datové žurnalistiky design služeb znamená vytváření informačních služeb pro demokracii – služeb, které umožňují občanům pochopit složité společenské procesy a činit informovaná rozhodnutí. To je služba veřejnosti v nejlepším slova smyslu.

Literatura, knihovní procesy a trh

1. Literární komunikace, její principy a podmínky
2. Vznik a vývojové proměny autorství a literárního pole
3. Role a význam knihoven z perspektivy strategických dokumentů
4. Knihovní procesy a jejich  fungování v kontextu klíčových prováděcích dokumentů
5. Kulturní a kreativní průmysly v informační společnosti
6. Vzájemné působení gramotizace společnosti a knihovního trhu v diachronním a synchronním pohledu

Úvod – Literatura a informace v digitální době

Literatura, knihovny a trh s kulturními statky procházejí v informační společnosti zásadními proměnami. Jako datová novinářka sleduji, jak se mění způsoby tvorby, distribuce a konzumace obsahu – od tradičních knih přes digitální platformy až po nové formy storytellingu prostřednictvím dat a vizualizací.

Knihovny se proměňují z pouhých úložišť knih na komunitní centra podporující gramotnost a demokratický přístup k informacím, zatímco kulturní a kreativní průmysly čelí výzvám digitalizace.


1. Literární komunikace, její principy a podmínky

Základní model – Jacobsonův komunikační model

Roman Jacobson vytvořil model literární komunikace se šesti složkami:

  • Autor/mluvčízpráva/sdělenípříjemce/adresát
  • Kontext (mimojazyková skutečnost)
  • Kód (prostředky a pravidla pro přenos informací)
  • Kontakt (fyzický kanál a psychické spojení)

Šest komunikačních funkcí

Podle zaměření komunikace rozlišujeme funkce:

  1. Expresivní (na autora) – vyjádření pocitů a postojů
  2. Estetická (na zprávu) – zvýraznění charakteristik textu
  3. Konativní (na příjemce) – vliv na chování čtenáře
  4. Referenční (na kontext) – poskytování informací
  5. Metajazyková (na kód) – dotýká se podstaty komunikace
  6. Fatická (na kontakt) – vytváření sociálních vazeb

Sémiotika a konstrukce významu

Propojení s Peircovým modelem (znak, objekt, interpretant) a Saussaurovým modelem (označující, označované) ukazuje, že literatura není jen přenos informací, ale komplexní systém tvorby významů.

Aplikace v datové žurnalistice

Když vytvářím datové příběhy, používám podobné principy – musím zvážit všechny složky komunikace: jak data prezentovat (estetická funkce), jak ovlivnit čtenáře k informovanému rozhodnutí (konativní funkce) a jak vytvořit spojení s publikem (fatická funkce).


2. Vznik a vývojové proměny autorství a literárního pole

Historický vývoj autorství

Období bez autorů4. století př.n.l. (první knihovny) → středověk (orální tradice) → 15. století (knihtisk)

Klíčový předěl: Gutenbergův knihtisk (1447)

Vynález knihtisku změnil:

  • Sebeobraz autora – možnost sebestylizace a budování image
  • Vztah k publiku – rozšíření dosahu, ale i cenzura
  • Ekonomické podmínky – autoři získávají nezávislost

Captatio benevolentiae – “dělám se malým, abych se velkým nezprotivil” – rané formy autorské strategie.

16.-17. století: První profesionální autoři

  • William Shakespeare a Molière – první autoři živící se psaním
  • Literatura stále hodnotově ovlivněna církví a aristokracií

18. století: Autonomizace literatury

Literatura si vytváří vlastní kritéria a hodnoty. Vznikají mechanismy na uživení vlastních názorů:

  1. Manifest – programové prohlášení
  2. Časopis – publikační prostor a ekonomický zdroj
  3. Síťování – hledání vydavatelů a ovlivňování trhu

19.-20. století: Literární trh a ceny

  • 1919 – první knihovní zákon v Československu
  • Vrchol “literární anarchie” – štěpení směrů
  • Vzrůst úlohy vydavatelů – investice do jednotlivců místo hnutí
  • Literární ceny – náklady francouzských románů se zvyšují mnohonásobně po získání prestigního ocenění

Současnost a datová žurnalistika

V digitální době vznikají nové formy autorství – kolaborativní tvorba, open source obsahy, data storytelling. Jako datová novinářka jsem součástí této proměny – moje práce kombinuje autorství textu s kurátorováním dat a designem vizualizací.


3. Role a význam knihoven z perspektivy strategických dokumentů

Mezinárodní rámec – IFLA

Mezinárodní federace knihovnických sdružení (IFLA) definuje strategické směřování:

IFLA Vision 2018 identifikovala:

  • 10 problémů: především financování, role ochránců paměti světa
  • 10 příležitostí: zejména zlepšení přístupu k dokumentovému dědictví

Strategie IFLA 2019-2024 na tomto základě buduje dlouhodobé cíle.

Evropský kontext – Knihovnický manifest pro Evropu

Tři základní pilíře:

  1. Celoživotní učení – kdokoliv v jakémkoli období života
  2. Jádro kulturních aktivit – přístup ke kultuře, vědě a informacím
  3. Udržitelný rozvoj – podpora cílů OSN

Český kontext – Koncepce rozvoje knihoven 2021-2027

Zapojení do Strategického rámce Česká republika 2030 se třemi vizemi:

  1. Pilíře občanské společnosti – přirozená centra komunit
  2. Vzdělávací instituce – podpora vzdělanosti
  3. Správci kulturního bohatství – ochrana kulturního dědictví

SWOT analýza současného stavu

Silné stránky: bezplatný přístup k informacím, spolupráce na centrálních projektech Slabé stránky: absence systémové spolupráce s veřejnou správou, legislativní zakotvení Příležitosti: pozitivní vnímání společností, nové technologie Hrozby: degradace nosičů, konkurence online vzdělávání, nízké financování

Knihovny v digitální transformaci

Jako datová novinářka vidím knihovny jako klíčové partnery v boji proti dezinformacím a podpoře informační gramotnosti. Poskytují nejen přístup k ověřeným zdrojům, ale i prostory pro komunitní diskuzi o důležitých tématech.


4. Knihovní procesy a jejich fungování v kontextu klíčových prováděcích dokumentů

Model AKSODS – 6 základních procesů

1. AKVIZICE – plnění fondu

  • Metody: povinný výtisk, nákup, dar, výměna
  • Standard pro dobrý knihovní fond: 2-3 jednotky na obyvatele, minimum 2500 jednotek
  • Zlaté fondy: české, světové literatury a literatury pro děti
  • Licencované databáze pro VŠ knihovny – vznik konsorcií

2. KATALOGIZACE A ZPRACOVÁNÍ

  • Zanesení informací pomocí standardů (autor, název, ISBN…)
  • Metodiky vydává Národní knihovna ČR

3. SPRÁVA A ORGANIZACE FONDU

  • Mezinárodní desetinné třídění, revize, aktualizace

4. OCHRANA FONDU

  • Staré tisky, ochrana před katastrofami

5. DIGITALIZACE

  • Manuscriptorium, Kramerius, Europeana

6. SLUŽBY

  • Fyzické i elektronické služby

Legislativní rámec

Historický vývoj českých knihovních zákonů:

  • 1919 – první knihovní zákon (prvorepublikový)
  • 1959 – druhý zákon (socialistické fondy)
  • 2001 – současný zákon č. 257/2001 Sb.

Klíčové organizace a pojmy

  • DILIA – zastupuje autory a vydavatele
  • Osiřelá díla – autor neznámý, autorská práva neuplynula
  • Díla nedostupná na trhu – chráněná, ale komerčně nedostupná

Digitalizace a přístupnost

V kontextu datové žurnalistiky vnímám digitalizace jako klíčovou pro demokratizaci přístupu k informacím. Národní digitální knihovna umožňuje zpřístupnění děl, která by jinak zůstala nedostupná.


5. Kulturní a kreativní průmysly v informační společnosti

Definice a struktura KKP

Kulturní a kreativní průmysly = odvětví založená na lidské kreativitě, zručnosti a talentu.

Evoluce termínu: kulturní průmysl → kulturní průmysly → kreativní průmysly

12 oblastí KKP v České republice

  1. Knihy a tisk – Česko v první desítce světa
  2. Reklama – stádový efekt, paralýza z výběru
  3. Televize a rozhlas – ČT největší zaměstnavatel v KKP
  4. Architektura – problémy s veřejnými zakázkami
  5. Film – dlouhá tradice, ucelená podpora
  6. Hudba – první pocítila problémy digitalizace
  7. Design – komplexní, problematické vyčíslení
  8. Videohry – vývoj digitálních služeb
  9. Trh s uměním – v Česku málo rozvinutý
  10. Scénická umění – různorodá infrastruktura
  11. Kulturní dědictví – knihovny, muzea, archivy
  12. Umělecká řemesla – většina jako OSVČ

Specifika českého trhu

  • Limitace: malost trhu, menšinový jazyk
  • Nadnárodní firmy vs. místní znalosti
  • Chybí strategická podpora – pouze Účet kultury

Rizika podnikání v KKP

  • Hodnota známa až po “konzumaci”
  • Nejistota spotřebitelského vkusu
  • Těžká předvídatelnost úspěchu
  • Více životních cyklů produktu
  • Vysoké počáteční investice

Řešení: kreativní klastry, inkubátory (KUMST)

KKP a datová žurnalistika

Datová žurnalistika sama představuje novou formu kreativního průmyslu – kombinuje tradiční žurnalistiku s designem a technologiemi. Čelí podobným výzvám – nejistota ohledně úspěchu, vysoké počáteční investice do technologií, potřeba kontinuálního vzdělávání.


6. Vzájemné působení gramotizace společnosti a knihovního trhu v diachronním a synchronním pohledu

Terminologické rozlišení

  • Diachronní pohled – sleduje proměny v čase
  • Synchronní pohled – zkoumá současnost

Vzájemná závislost

Základní vztah: růst gramotizace → růst poptávky po knihovních službách

Diachronní perspektiva

Historicky knihovny reagovaly na měnící se úrovně gramotnosti:

  • Středověk – omezená gramotnost, knihovny v rukou církve
  • Renesance – rozšíření gramotnosti, rozvoj knihovnictví
  • 19. století – povinná školní docházka, rozvoj veřejných knihoven
  • 20. století – masová gramotnost, specializace knihovních služeb

Synchronní perspektiva – současné výzvy

Digitální transformace gramotnosti:

  • Informační gramotnost
  • Počítačová gramotnost
  • Mediální gramotnost
  • Digitální gramotnost
  • Finanční gramotnost
  • Sociální gramotnost

Dopad digitálních technologií

  • Změna čtenářských návyků – od lineárního ke fragmentovanému čtení
  • Nové formy obsahu – e-knihy, audioknihy, interaktivní média
  • Knihovny jako digitální centra – Wi-Fi, počítače, digitální vzdělávání

Role knihoven v digitální gramotnosti

Klíčová funkce: rozvoj gramotnosti přizpůsobený digitální době

  • Vzdělávací programy pro seniory
  • Podpora digitálních dovedností
  • Boj proti dezinformacím
  • Zprostředkování přístupu k technologiям

Datová žurnalistika jako most

Moje práce představuje propojení různých gramotností – kombinuji tradiční žurnalistickou gramotnost s datovou, vizuální a technologickou gramotností. Knihovny jsou přirozenými partnery při zpřístupňování těchto nových forem gramotnosti široké veřejnosti.


Závěr

Literatura, knihovní procesy a trh procházejí v informační společnosti fundamentální transformací. Zatímco se mění formy tvorby a distribuce obsahu, základní principy komunikace a potřeba přístupu k informacím zůstávají konstantní.

Knihovny se proměňují z úložišť na aktivní centra podporující demokratickou společnost. Kulturní a kreativní průmysly hledají nové obchodní modely v digitálním prostředí. Gramotnost se rozšiřuje o nové dimenze přizpůsobené digitální době.

Jako datová novinářka vidím svou roli v tomto kontextu jako mediátorku mezi komplexními daty a občany, kteří potřebují informace pro demokratické rozhodování. Využívám principy literární komunikace pro efektivní storytelling, spoléhám na knihovní infrastrukturu pro ověřené zdroje a přispívám k rozvoji nových forem gramotnosti.

Klíčové poselství: V informační společnosti nejde jen o technologie, ale o kvalitní obsah, ověřené zdroje a gramotné občany. Literatura, knihovny a nové formy kulturní tvorby hrají v tomto procesu nezastupitelnou roli.

Učící se společnost

1. Role a smysl vzdělávání v informační společnosti
2. Význam formálního, neformálního a informálního učení
3. Sociální, ekonomické a kulturní determinanty vzdělávání
4. Digitální technologie transformující společnost a edukaci
5. Kritický přístup ke vzdělávání skrze technologie a odpověď na něj
6. Reflexe učící se společnosti v knihovnické praxi

Dobrý den, děkuji za slovo. Téma “Učící se společnost” bych ráda uchopila nejen teoreticky, ale především skrze svou novinářskou praxi. Pracuji v oboru, který se mění každým dnem – nové nástroje, technologie, způsoby práce s daty. A právě schopnost se neustále učit je to, co rozhoduje o přežití v této profesi.

1. Role a smysl vzdělávání v informační společnosti

Představte si, že by tesař musel každé dva roky používat úplně nové nástroje. Nebo že by lékař musel každý měsíc překládat své znalosti do nového jazyka. Tak nějak vypadá práce s informacemi dnes.

Informační společnost je charakteristická exponenciálním nárůstem dat, digitalizací služeb a proměnou způsobů komunikace. Vzdělávání zde už neslouží jen k získání kvalifikace “na začátku života”, ale stává se trvalou součástí adaptace na proměnlivý svět. Společnost se tak proměňuje v učící se společnost, jak ji popisuje Jarvis – společnost, kde je učení rozprostřeno napříč všemi oblastmi života.

V datové žurnalistice to vidím každý den. Před pěti lety jsem neuměla programovat, před třemi jsem neznála umělou inteligenci, před rokem jsem nevěděla, jak funguje strojové učení. Univerzita mi dala analytický rámec, ale konkrétní dovednosti jsem si musela osvojit průběžně.

Podle UNESCO a OECD stoupá důraz na klíčové kompetence – schopnost učit se, kriticky myslet, pracovat s informacemi. Vzdělávání se stává základní občanskou kompetencí. Pokud čtenář neumí číst graf, nerozumí statistikám, neví jak ověřit informaci – není vybaven k orientaci v současném světě.

2. Význam formálního, neformálního a informálního učení

Tahle trojice pojmů zní akademicky, ale ve skutečnosti popisuje, jak probíhá učení v reálném životě, kdy se různé formy vzájemně doplňují a překrývají.

Formální učení je strukturované vzdělávání v institucích – školy, univerzity, certifikované kurzy. Já jsem vystudovala žurnalistiku, což mi dalo teoretický základ a analytické myšlení.

Neformální učení je organizované, ale dobrovolné – workshopy, online kurzy, knihovní programy. Když jsem se učila Python, dělala jsem kurz na Codecademy. Když jsem potřebovala pochopit statistiku, šla jsem na workshop do knihovny.

Informální učení je to nejběžnější – učíme se mimoděk, každý den. Když si přečtu komentáře pod článkem a pochopím, co čtenáři nechápali. Když kolegyně ukáže nový nástroj. Když experimentuji s vizualizací a vidím, co funguje.

V učící se společnosti se hranice mezi těmito formami rozostřují. Všechny jsou legitimní a potřebné. Při psaní článků často tvořím vzdělávací mosty pro čtenáře – vysvětluji kontext, pojmy, vztahy. Jsem současně studentka i učitelka.

3. Sociální, ekonomické a kulturní determinanty vzdělávání

Tady se dostávám k něčemu, co mě jako novinářku štve. Často slyším: “Dnes si přeci může každý najít kurz online, všechno je dostupné.” Není to pravda. Učení není jen individuální aktivita, ale hluboce společensky podmíněná.

Sociálně záleží na podpoře okolí, kulturním kapitálu, očekávání rodiny. Jestli vás podporují nebo říkají “na co ti to je”. Jestli máte kolem sebe lidi, kteří se vzdělávají, nebo ty, kteří to považují za ztrátu času.

Ekonomicky jde o čas, peníze, technologie. Matka samoživitelka se těžko přihlašuje na večerní kurzy programování. Senior s minimálním důchodem si nekoupí počítač. Coursera nebo edX nabízí přístup k nejlepším univerzitním kurzům zdarma – ale pokud nemám počítač, angličtinu nebo stabilní připojení, je mi to k ničemu.

Kulturně jde o hodnoty. V některých rodinách je zvědavost ceněna, v jiných podezřelá. Někde je změna příležitost, jinde hrozba. Z dat OECD víme, že lidé s nižším socioekonomickým statusem se méně zapojují do celoživotního učení, což posiluje nerovnosti.

I v mé profesi vidím, jak těžké je dostat mezi novináře lidi z jiného než vysokoškolského prostředí. Ne proto, že by nebyli schopní, ale protože brány k tomuto světu jsou kulturně kódované.

4. Digitální technologie transformující společnost a edukaci

Digitalizace není jen nové nástroje – mění celou logiku vzdělávání. Technologie zásadně proměňují jak, kdy a od koho se učíme.

Mění se časoprostorové rámce. Vzniká asynchronní a hybridní výuka – můžu se učit kdykoli, kdekoli. Ale taky se očekává, že budu dostupná kdykoli, kdekoli. Univerzities reagují zaváděním HyFlex modelu, který kombinuje online a prezenční formy.

Mění se role učitele. Z přednášejícího se stává průvodce, facilitátor, kurátor informací. Učitel už není ten, kdo má znalosti a rozdává je, ale ten, kdo pomáhá orientovat se v záplavě informací.

Mění se povaha znalostí. Místo zapamatování je důraz na vyhledávání, selekci, kritické myšlení. Proč si pamatovat faktografii, když ji najdu za tři sekundy? Důležitější je umět poznat, kterému zdroju věřit.

Existují masivní otevřené online kurzy (MOOC), které zpřístupňují vzdělání milionům lidí, ale mají nízkou míru dokončení a vysoké nároky na sebeřízení. Proto se objevují SOOC (Small Open Online Courses) – menší komunitní kurzy s důrazem na podporu. Novým fenoménem jsou mikrocertifikáty – krátké kurzy zaměřené na konkrétní kompetence.

Z vlastní zkušenosti vidím, jak se učení fragmentuje do malých kousků, jak klesá trpělivost s hlubokým, pomalým myšlením. Výzva je spojit efektivitu technologií s hloubkou poznání.

5. Kritický přístup ke vzdělávání skrze technologie

Technologie nejsou neutrální – formují způsob, jak myslíme, a ne vždy k dobrému. Využívání umělé inteligence ve vzdělávání umožňuje rychlou syntézu textů, ale zároveň hrozí ztrátou porozumění a černou skříňkou algoritmů.

Co technologiím uniká? Empatie, schopnost sedět s nejistotou, radost z náhodného objevu, ticho potřebné k hlubokému přemýšlení. Tělesnost – to, že se učíme i rukama, pohybem, smysly.

Koho vylučují? Digitálně méně zdatné, starší generace, lidi bez spolehlivého internetu, lidi s handicapy.

Jak nás algoritmy formují? YouTube rozhoduje, co se naučím. Google ovlivňuje, jak formuluji otázky. Facebook filtruje informace, které dostávám.

Stommel a další autoři upozorňují na potřebu kritické pedagogiky – reflexe, proč používáme daný nástroj, komu slouží, co potlačuje. Odpovědí není odmítnutí technologií, ale digitální humanismus – technologie mají sloužit člověku, ne naopak.

V mé praxi to znamená: automatizuji rutinní úkoly, ale lidsky interpretuji výsledky. Používám AI nástroje, ale ověřuji jejich výstupy. Píšu pro algoritmy, ale především pro čtenáře.

6. Reflexe učící se společnosti v knihovnické praxi

Knihovny prožívají fascinující proměnu. Ze “skladišť knih” se stávají učebními centry komunity, vzdělávacími prostory a technologickými laboratořemi.

Podporují neformální učení – kurzy digitální gramotnosti pro seniory, workshopy pro nezaměstnané, programování pro děti, diskuzní kluby o aktuálních tématech. Nabízejí přístup ke vzdělávacím databázím, MakerSpaces, jazykové lekce.

Jsou místy komunitního života – prostor, kde se potkávají různé generace a sociální skupiny. Kde si můžete sednout, přemýšlet, diskutovat. V době práce z domova je to neocenitelné.

Bojují za digitální inkluzi – poskytují bezplatný internet, pomáhají s úředními formuláři online, učí orientaci v digitálním světě. Jsou demokratizující silou.

Reflexe učící se společnosti je patrná i v koncepčních dokumentech (Koncepce rozvoje knihoven ČR) – důraz na otevřenost, dostupnost, spolupráci, inkluzi a podporu celoživotního vzdělávání. Z knihovníků se stávají průvodci ve světě informací, ne jen ti, kdo “hlídají regály”.

Knihovny jsou často posledním bezplatným veřejným prostorem. V době, kdy se vzdělávání komercializuje a technologické firmy sbírají data o tom, jak se učíme, knihovny zůstávají místem, kde je služba veřejným zájmem, ne obchodním modelem.

Závěr: Učíme se všichni, učíme se pořád

Učící se společnost není vzdělávací móda, ale nutnost. V rychle se měnícím světě se učit neznamená “se vracet do školy”, ale nepřestávat rozvíjet porozumění, přehodnocovat poznatky a sdílet zkušenosti.

Každý z nás je student i učitel zároveň. Učím se od svých čtenářů, od kolegů, od lidí, které interviewuji. A zároveň učím – když píšu články vysvětlující složité témata.

Klíčové je najít rovnováhu mezi efektivitou technologií a hloubkou poznání, mezi individuálním růstem a komunitním učením, mezi inovací a tradicí, mezi globálním přístupem k informacím a lokální podporou komunity.

Digitální technologie nabízejí nové příležitosti, ale přinášejí i nové výzvy. Proto potřebujeme vzdělávání, které je otevřené, komunitní, kritické a dostupné. Knihovny, školy, média – všichni máme odpovědnost za to, aby učící se společnost byla inkluzivní, kritická a humánní.

V informační společnosti je vzdělávání příliš důležité na to, aby bylo ponecháno pouze institucím. Je to věc nás všech. Ať už pracujeme s daty, knihami nebo lidmi – jsme všichni součástí učící se společnosti.

Východiska a základní metodologie

1. Obecné hlavní funkce vědy a k čemu slouží
2. Klasifikace vědeckých postupů podle kritéria metody
3. Kritické zhodnocení literatury
4. Návrh a projekt empirického výzkumu; od problému k tématu a k výzkumné otázce.
5. Design kvantitativního a kvalitativního výzkumu
6. Statistická analýza dat a analýza kvalitativních dat
7. Prezentace zjištění; výzkumná etika

Dobrý den, děkuji za slovo. Téma “Východiska a základní metodologie” bych ráda uchopila z perspektivy někoho, kdo vědecké principy aplikuje v praxi každý den. Jako datová novinářka se pohybuji na pomezí akademického výzkumu a praktické aplikace – musím dodržovat metodologickou rigoróznost, ale zároveň překládat složité poznatky do srozumitelné formy pro širokou veřejnost.

K čemu věda slouží a proč ji potřebujeme

Věda má několik základních funkcí, které v novinářské praxi využívám denně. Když analyzuji rozpočtová data, plním deskriptivní funkci – snažím se co nejpřesněji zachytit současný stav veřejných financí. Ale nestačí jen popsat, co vidím v tabulkách. Musím jít hlouběji a plnit explanační funkci – hledat příčiny a souvislosti. Proč se výdaje na určitou oblast zvyšují? Jaké faktory ovlivňují rozhodování úředníků?

Prediktivní funkce se uplatňuje, když na základě identifikovaných trendů odhaduji budoucí vývoj – kam směřují veřejné finance, jaký bude dopad navrhovaných opatření. A konečně aplikační funkce – moje články mají sloužit čtenářům k lepšímu rozhodování, přispět k osvětě a demokratické diskusi.

Věda také slouží k testování hypotéz a ověřování faktů. V žurnalistice to znamená systematické fact-checking, ověřování tvrzení politiků proti datům, testování různých interpretací stejných dat. Technologické a praktické aplikace se projevují v nástrojích, které používám – od pokročilých statistických metod po vizualizační software.

Informační studia jako obor stojí na fascinujícím pomezí různých disciplín. Kombinují technologické znalosti s humanitním přístupem, spojují knihovnictví s počítačovými vědami, psychologii s informatikou. Tahle interdisciplinarita je výhoda, ale také metodologická výzva – musíme umět čerpat z různých tradí́ a smysluplně je kombinovat.

Jak klasifikujeme vědecké postupy

V datové žurnalistice kombinuji různé metodologické přístupy podle povahy problému. Empirické metody jsou mým denním chlebem – ať už jde o experimentální přístup, kdy testuji různé způsoby prezentace dat (A/B testování různých grafů), nebo pozorovací metody, kdy analyzuji existující data bez jejich manipulace.

Teoretické metody používám, když vytvářím modely a dedukuji závěry z dostupných teorií. Například při analýze volebního chování kombinuji data s politologickými teoriemi, nebo při studiu informačního chování aplikuji kognitivní teorie.

Klíčové je rozlišení mezi kvantitativními a kvalitativními metodami. Kvantitativní výzkum používám, když pracuji s velkými daty – analýza tisíců smluv, statistické zpracování rozpočtů, hledání vzorců v chování uživatelů. Výsledky jsou měřitelné, generalizovatelné a můžu dělat spolehlivé závěry o celých populacích.

Kvalitativní výzkum zvolím, když potřebuji hloubkové porozumění jevům. Rozhovory s úředníky mi odhalí, proč se rozhodují tak, jak se rozhodují. Focus groups s občany mi ukážou, jak vnímají určitá opatření. Výsledky nejsou statisticky generalizovatelné, ale poskytují kontextuální vhled, který čísla nedokážou poskytnout.

Nejčastěji ale používám smíšený přístup – kombinuji analýzu dat s rozhovory, statistiky s pozorováním. Když zjistím ze statistik anomálii, jdu ji vysvětlit rozhovorem. Když někdo v rozhovoru zmíní zajímavé tvrzení, ověřím si ho na datech.

Kritické hodnocení literatury jako základ kvalitní práce

Literature review není jen “seznam toho, co už někdo napsal”. Je to systematické mapování stavu poznání, které má identifikovat mezery v dosavadním výzkumu, teoreticky ukotvit vlastní práci a inspirovat metodologicky.

Kritické zhodnocení literatury vyžaduje posuzování relevance – souvisí daná studie s mým problémem? Hodnocení věrohodnosti – je zdroj spolehlivý, má autor odpovídající kredibilitu? Analýzu metodologie – jsou použité metody vhodné pro danou výzkumnou otázku? A hodnocení závěrů – jsou výsledky logicky odvozené z dat?

Proces začíná systematickým vyhledáváním v odborných databázích. V informačních studiích využívám LISA, Web of Science, Scopus, ale i specializované zdroje. Klíčové je promyšlené použití Boolean operátorů a zpětné vyhledávání z citací relevantních studií.

Při výběru zdrojů aplikuji kritéria relevance, metodologické kvality a aktuálnosti. Identifikace mezer v literatuře je klíčová – co dosud nebylo prozkoumáno? Kde jsou rozpory mezi studiemi? Jaké nové otázky vyvstávají z dosavadního poznání?

Když jsem psala článek o fake news, analyzovala jsem desítky studií. Našla jsem shodu v tom, že dezinformace jsou problém, ale velké rozpory v definicích a metodách měření. Identifikovala jsem mezeru – málo studií o účinnosti fact-checkingu v českém prostředí. To mi pomohlo formulovat vlastní výzkumnou otázku a hodnotit, jak předchozí práce přispívají k aktuálnímu porozumění tématu.

Od problému k výzkumné otázce

Každý dobrý výzkum začíná identifikací a definicí výzkumného problému. To může být praktický problém z praxe, teoretická mezera v poznání, nebo společenská potřeba. Postupuji systematicky: problémtémavýzkumná otázkahypotéza.

Například problém “lidé stále méně využívají knihovny” konkretizuji na téma “faktory ovlivňující využívání veřejných knihoven mladými dospělými v ČR”. Z toho formuluji výzkumnou otázku: “Proč mladí dospělí nevyužívají knihovny?” A hypotézu: “Mladí dospělí nevyužívají knihovny, protože preferují digitální zdroje.”

Klíčová je operacionalizace konceptů – abstraktní pojem musím převést na měřitelné proměnné. “Informační gramotnost” rozložím na dimenze (vyhledávání, hodnocení, využívání informací), pak na indikátory (znalost databází, schopnost ověřit zdroj) a konečně na konkrétní proměnné (počet známých databází, test rozpoznání fake news).

Výběr vhodných metod pro sběr a analýzu dat závisí na povaze výzkumné otázky. Kvantitativní otázky vyžadují structured nástroje a velké vzorky. Kvalitativní otázky potřebují hloubkové metody a účelové vzorkování. Výběr relevantního vzorku nebo výzkumného pole musí odpovídat cílům výzkumu a možnostem generalizace.

Design kvantitativního a kvalitativního výzkumu

Kvantitativní výzkum se zaměřuje na numerická data a jejich statistickou analýzu. Charakterizuje ho práce s velkými vzorky, strukturované nástroje a možnost generalizace výsledků. Často používá vzorkování – pravděpodobnostní pro reprezentativnost, nebo nepravděpodobnostní z praktických důvodů.

Experimentální designy jsou zlatý standard pro testování kauzálních vztahů. V knihovnách můžu testovat různé způsoby organizace prostoru, ve webových rozhraních různé funkce. Důležitá je randomizace, kontrolní skupina a manipulace nezávislé proměnné.

Nejčastější je ale survey research – dotazníky umožňují rychlý sběr dat od stovek respondentů. Longitudinální studie sledují změny v čase. Kvazi-experimentální designy pracují s přirozenými skupinami, kde randomizace není možná.

Kvalitativní výzkum zkoumá hloubkové porozumění jevům skrze rozhovory, pozorování a analýzu textů. Pracuje s malými vzorky, ale poskytuje detailní vhled do kontextu a procesů. Etnografie znamená dlouhodobé pozorování v přirozeném prostředí. Case study detailně zkoumá jeden nebo několik případů. Grounded theory induktivně buduje teorii z dat.

Metody sběru zahrnují hloubkové rozhovory (nestrukturované až polostrukturované), focus groups pro skupinovou dynamiku, a pozorování (participativní či neparticipativní). Vzorkování je účelové – vybírám případy, které nejlépe pomohou odpovědět na výzkumnou otázku.

Analýza dat – statistická i kvalitativní

Statistická analýza zahrnuje použití statistických nástrojů a testů pro zpracování kvantitativních dat. Začínám deskriptivní statistikou – průměry, mediány, rozptyly, grafické zobrazení distribucí. Inferenční statistika mi umožňuje dělat závěry o populaci na základě vzorku.

Používám t-testy pro srovnání průměrů dvou skupin, ANOVA pro více skupin, chi-kvadrát testy pro nominální proměnné, korelační analýzu pro sílu vztahů a regresní analýzu pro predikci závislé proměnné. Důležité je ověření předpokladů testů a rozlišení statistické vs. praktické významnosti.

Analýza kvalitativních dat zahrnuje metody jako je kódování, tematická analýza nebo narativní analýza, zaměřené na interpretaci a porozumění datům. Začínám otevřeným kódováním – pojmenovávám segmenty textu in-vivo kódy nebo deskriptivními termíny.

Pokračuji axiálním kódováním – propojuji kódy, hledám vzorce a vztahy mezi kategoriemi. Končím selektivním kódováním – identifikuji centrální témata a vytvářím teoretický model. Tematická analýza identifikuje opakující se témata napříč daty. Obsahová analýza kvantifikuje kvalitativní data. Narativní analýza se zaměřuje na příběhy a životní dráhy.

Kvalitu zajišťujem triangulací – kombinuji více zdrojů dat, metod nebo výzkumníků. Member checking znamená ověření výsledků u účastníků výzkumu. Reflexivita vyžaduje uvědomění si vlastních předsudků a jejich vlivu na interpretaci.

Prezentace zjištění a výzkumná etika

Při prezentaci výzkumných zjištění je důležité jasně a přesvědčivě komunikovat celý výzkumný proces. Vědecký článek má ustálenou strukturu: úvod představuje problém a výzkumnou otázku, přehled literatury teoreticky ukotvuje výzkum, metodologie detailně popisuje postup tak, aby byl výzkum replikovatelný.

Výsledky prezentují data a analýzy bez interpretace – tabulky, grafy, statistické testy, citace z rozhovorů. Diskuse interpretuje výsledky v kontextu literatury a teoretických rámců. Závěr shrnuje hlavní zjištění a jejich teoretické i praktické implikace.

Kvalitní vizualizace dat dodržuje principy jednoduchosti (jeden graf, jedna myšlenka), čestnosti (nemanipulovat škály), a přístupnosti (barevně slepí, screen readery). Transparentnost v metodologii je klíčová pro důvěryhodnost výsledků.

Výzkumná etika zahrnuje principy jako jsou čestnost, transparentnost, respekt k soukromí a ochrana účastníků výzkumu. Autonomie vyžaduje informovaný souhlas – účastníci musí vědět, do čeho jdou, a mít právo kdykoli odstoupit. Prospěšnost znamená maximalizaci užitku a minimalizaci škod. Spravedlnost vyžaduje férové rozdělení rizik a benefitů.

Důležitá je také otázka plagiátorství a spravedlivého uznání zdrojů. Musím rozlišovat mezi parafrázováním s citací, přímými citacemi a plagitováním. Software pro detekci plagiátů pomáhá, ale nenahradí etické uvědomění. Konflikt zájmů musí být transparentně deklarován.

Specifické etické otázky zahrnují soukromí a anonymitu dat, práci s citlivými tématy, ochranu zranitelných skupin. GDPR compliance vyžaduje respektování práva na výmaz a přenosnost dat. Otevřená věda podporuje open access publikování, sdílení dat a reprodukovatelné analýzy.

Metodologie jako způsob myšlení

Metodologie není jen soubor technik, ale způsob systematického myšlení o světě. V informačních studiích, které stojí na rozhraní technologií a humanitních věd, máme výjimečnou perspektivu, ale také zvláštní odpovědnost.

Naše výzkumy ovlivňují politiky knihoven a vzdělávacích institucí, technologický vývoj i veřejné mínění o roli informací ve společnosti. Musíme zajistit, aby technologický pokrok sloužil člověku a společnosti, ne naopak.

Jako výzkumník i jako novinář mám povinnost používat rigorózní metody, prezentovat výsledky poctivě, respektovat účastníky výzkumu a přispívat k demokratickému diskurzu. V době fake news a informačního přetížení je metodologická gramotnost klíčovou občanskou kompetencí.

Metodologie nás učí klást správné otázky, systematicky hledat odpovědi a kriticky hodnotit poznatky. V informační společnosti jsou tyto dovednosti nezbytné nejen pro výzkumníky, ale pro každého, kdo chce být informovaným občanem a přispívat k rozumnému společenskému dialogu.

Informační chování

1. Účel, předmět a metody v informačním chování
2. Vývoj v řešení HIB (témata, role uživatele a kontextu)
3. Teoretické konstrukty, teorie a modely HIB
4. Metody výzkumu HIB
5. Trendy a dopady nových IT a služeb na HIB
6. Rozbor zvoleného příkladu výzkumu HIB (předmět, koncepty, metody, limity…)

1. Smysl a metody studia interakcí člověka s informací

“Informační chování jako reakce na jakýkoli podnět v kontextu informace zahrnuje trojvrstvý model od obecného informačního chování přes cílevědomé vyhledávání až po konkrétní informační průzkum, přičemž jako datová novinářka sleduji, jak se v digitálním věku mění způsoby hledání a hodnocení informací od pasivního konzumování médií k aktivnímu vyhledávání vyžadujícímu kritické myšlení a boj proti informačnímu přetížení.”


2. Informační praktiky – nová perspektiva

“Informační praktiky představují paradigmatický posun od sofistikovaného informačního chování k automatickým rutinám a zvyklostem kulturně podmíněným habitusem, zdůrazňujícím sociální konstrukci informačních potřeb a kolektivní aspekty, což vidím při analýze toho, jak lidé přistupují k informacím o volbách prostřednictvím neuvědomělých praktik ovlivněných tím, koho se ptají a jakým zdrojům kulturně důvěřují.”


3. Uživatel – vývoj jeho role a postavení ve výzkumu informačního chování

“Vývoj role uživatele prošel třemi paradigmaty od systémového zaměřeného na nezávislé testování systémů přes kognitivní soustředěné na individuální zpracování informací až po socio-kognitivní chápající jedince jako součást skupiny ovlivněné kulturním prostředím, přičemž klíčové teorie jako Belkinův ASK nebo Taylorovy úrovně informační potřeby poskytují rámce pro pochopení motivací a bariér.”


4. Význam a využití modelů/teorií informačního chování

“Modely informačního chování jako Ellisův šestistupňový model, Kuhlthauův ISP model nebo Dervinovo sense-making poskytují vysvětlení výsledků, otevírají nové výzkumné směry a pomáhají v designu, přičemž při tvorbě volebních kalkulaček aplikuji ISP model pro sledování postupu od nejistoty k porozumění preferencím a Ellisův model pro pochopení ‘cestování’ mezi zdroji při ověřování informací.”


5. Role kontextu ve výzkumu informačního chování

“Kontext jako podmínky, ve kterých informační chování probíhá, zahrnuje faktory od rodinných vztahů přes socio-kulturní aspekty až po ideologie informačních systémů, přičemž ekologické přístupy jako Paisleyho deset aspektů kontextu vědců nebo Fisherova teorie informačního území zdůrazňují, že při analýze dezinformací musím pochopit kulturní kontext – jaké narativy rezonují v různých komunitách a jak se šíří sociálními sítěmi.”


6. Trendy ve výzkumu informačního chování

“Současné trendy zahrnují rozšíření od profesionálů k široké veřejnosti včetně marginalizovaných skupin, nárůst kvalitativních a smíšených metod, zkoumání dopadu digitálních technologií od Wikipedie přes sociální média po mobilní zařízení, a ekologické přístupy k informačnímu prostředí, přičemž sleduji, jak algoritmy ovlivňují šíření článků, mobilní čtení mění konzumaci vizualizací a informační přetížení nutí k rychlejšímu čtení ovlivňujícímu design datových příběhů.”

Informační politika a management​

1. Význam, obsah a vzájemná souvislost informační politiky a informačního managementu
2. Strategické dokumenty a legislativa v oblasti informační politiky
3. Frameworky a dobrá praxe a jejich smysl v informačním managementu
4. Role dat v organizaci, smysl a obsah data governance
5. Otevřená data: význam, dopady, legislativa a postup otevírání dat
6. eGovernment: význam, podoby, aktuální stav v ČR

Dobrý den,
v této části bych ráda představila svou reflexi k okruhu Informační politika a management, tedy oblasti, která určuje, jakým způsobem organizace – ale i celá společnost – zachází s informacemi, jak je spravuje, chrání a využívá. A protože pracuji jako datová novinářka, téma se mě velmi osobně dotýká – správa dat, otevřená data, etika i transparentnost jsou pro mě denním chlebem.

Začněme základním vymezením. Informační politika představuje rámec pravidel, směrnic a strategií, které určují, jaké informace se sbírají, jak se spravují a komu se zpřístupňují. Může jít o politiku na úrovni organizace – například redakce, úřadu nebo školy –, ale i na úrovni státu. Jejím cílem je řídit tok informací tak, aby podporoval cíle instituce, ale zároveň byl v souladu s právem, etikou i očekáváním veřejnosti.

Naopak informační management je aplikovaná stránka této politiky – tedy konkrétní postupy a nástroje, jak informace spravovat v každodenním provozu. Jde o zavádění systémů, které zajišťují kvalitu, bezpečnost i efektivitu práce s daty – například informační systémy, nástroje pro správu dokumentů, interní workflow a podobně.

Tyto dvě složky – politika a management – jsou vzájemně provázané. Jedna bez druhé ztrácí smysl: politika bez implementace zůstává jen na papíře, management bez politiky ztrácí strategický směr. V praxi to vidíme například při implementaci nařízení GDPR, které je nejen legislativní normou, ale zároveň vyžaduje konkrétní organizační kroky pro zabezpečení osobních údajů.

Na makroúrovni tuto oblast utvářejí strategické dokumenty a legislativa. Patří sem nejen GDPR, ale i například Zákon o svobodném přístupu k informacím, směrnice o otevřených datech (Open Data Directive) nebo národní strategie jako Digitální Česko. Tyto dokumenty vytvářejí prostředí, ve kterém se rozhoduje o dostupnosti informací, transparentnosti státní správy, ochraně dat i investicích do infrastruktury.

Aby bylo možné tyto strategie zavádět efektivně, využívají se frameworky a principy „dobré praxe“. Mezi nejznámější patří například ITIL nebo COBIT, které poskytují strukturovaný přístup k řízení IT služeb a informační infrastruktury. Jde o návody – jak plánovat, implementovat, měřit a zlepšovat správu informací tak, aby podporovala cíle organizace.

Zvláštní pozornost zasluhuje pojem data governance – tedy řízení dat jako klíčového aktiva organizace. Sem patří otázky: Kde jsou naše data? Jsou správná, úplná, aktuální? Máme je bezpečně uložená? Kdo k nim má přístup? Governance řeší například kvalitu dat, standardizaci metadat, ochranu osobních údajů, přístupová práva a kontrolu nad datovými toky. V praxi se jedná o velkou výzvu nejen pro firmy, ale i pro novináře, kteří často využívají otevřená data veřejné správy.

A právě otevřená data jsou mým srdečním tématem. Open data jsou veřejně dostupná data, která lze volně používat, sdílet a znovu využívat. Jde například o data z registrů smluv, výsledky voleb, geografická data, statistiky… Otevírání dat je důležité z hlediska transparentnosti, inovací i posilování občanské společnosti. Věnuji se dlouhodobě popularizaci a vizualizaci otevřených dat a podílím se na diskusích, jak data otevírat smysluplně – tedy nejen formálně, ale tak, aby byla čitelné, strukturovaná a uživatelsky přívětivá.

V této oblasti se opět potkává politika a praxe: zákony a směrnice určují povinnost data zveřejňovat, ale samotné instituce rozhodují, jak budou data publikována – jestli jako nepřehledná PDF nebo jako čistá, dobře dokumentovaná CSV. A to je rozdíl, který často rozhoduje o tom, jestli jsou data opravdu použita, nebo zapomenuta.

Poslední klíčové téma je eGovernment – tedy využívání technologií veřejnou správou pro poskytování služeb občanům. eGovernment zvyšuje efektivitu, transparentnost i přístupnost státní správy, ale zároveň klade nároky na digitální gramotnost, interoperabilitu systémů, ochranu soukromí a bezpečnost. V Česku se v posledních letech objevují pozitivní i negativní příklady – od Portálu občana po nedávné problémy s digitalizací stavebního řízení.

Z profesní zkušenosti vím, že informace nejsou jen produkt, ale i mocenský nástroj. A to je možná nejdůležitější poselství, které si z tohoto okruhu odnáším. Práce s informacemi musí být promyšlená, odpovědná a řízená – nejen technologicky, ale i eticky a strategicky. A právě tady vidím smysl spojení informační politiky a managementu – jako nástroje, jak tvořit lepší, chytřejší a spravedlivější informační společnost.

Děkuji.

Organizace znalostí

1. Znalosti, jejich organizace a doménová analýza
2. Pojmy, jejich reprezentace a sémantické vztahy
3. Ontologie, jejich modelování a vizualizace
4. Kategorizace, klasifikace, fazetace a vědecká taxonomie
5. Indexace a selekční jazyky
6. Dokument, jeho analýza a popis

Dobrý den, děkuji za slovo. Téma „Organizace znalostí“ bych ráda propojila se svou zkušeností z nakladatelství i datové žurnalistiky. Organizace znalostí totiž není jen teoretická disciplína – je to něco, s čím se potkávám každý den, ať už při tvorbě databází, editaci textů nebo vizualizaci dat.

V informační vědě se organizace znalostí (Knowledge Organization, KO) chápe jako soubor metod a nástrojů, které umožňují strukturovat, reprezentovat, třídit a zpřístupnit informace a znalosti tak, aby byly použitelné. Patří sem klasifikace, indexace, tvorba tezaurů, ontologií nebo metadatových modelů.

1. Znalosti, jejich organizace a doménová analýza Znalosti jsou obecně chápány jako kontextualizované a validované informace. V informační vědě se často používá DIKW hierarchie (Data–Information–Knowledge–Wisdom), kde znalosti představují vyšší úroveň porozumění – integraci informací v rámci určité domény a situace.

Organizace znalostí zahrnuje procesy, které umožňují znalosti strukturovat (např. pomocí taxonomií nebo ontologií), uchovávat (např. v databázích) a zpřístupnit (např. prostřednictvím vyhledávání nebo vizualizace).

Doménová analýza je metodologický přístup, který zkoumá, jak různé oborové komunity (např. klimatologie, medicína, právo) strukturovaly a organizují své poznání. Hjørland (2002) upozorňuje, že každá doména má vlastní epistemologii, klíčové pojmy i hodnotové rámce – a právě jejich pochopení je zásadní pro smysluplnou organizaci znalostí.

V datové žurnalistice vidím tento proces denně: začínám s daty – třeba čísly ve státním rozpočtu. Sama o sobě nic neříkají. Teprve když je zasadím do kontextu, vzniknou informace. A když je propojím s historickými trendy a dalšími zdroji, získám znalosti o tom, jak funguje stát.

Ten “informační výbuch” po druhé světové válce dnes zažíváme exponenciálně. V redakci řešíme stejné problémy jako knihovníci – jak organizovat stále větší množství informací tak, aby byly použitelné.

Doménová analýza je pro mě zcela klíčová. Když píšu o klimatu, musím rozumět tomu, jak strukturují poznatky klimatologové. Když analyzuji zdravotnictví, musím pochopit jazyk a strukturu myšlení lékařské komunity. Klasifikace není nikdy čistě objektivní – závisí na tom, pro koho ji tvoříme a s jakým cílem.

2. Pojmy, jejich reprezentace a sémantické vztahy Pojmy (concepts) jsou mentální reprezentace kategorií věcí, jevů nebo vztahů. Reprezentace pojmů znamená, jak je tyto pojmy vyjadřujeme v systému – například pomocí slov, symbolů nebo tříd v ontologii.

Sémantické vztahy jsou logické nebo významové vazby mezi pojmy – například hierarchické (nadřazenost/podřazenost), asociační (souvislosti), ekvivalenční (synonyma) nebo kontrastní (antonyma).

Ten sémiotický trojúhelník – vztah mezi věcí, pojmem a znakem – je moje každodenní realita. Když dělám vizualizaci volebních výsledků, musím najít správné barvy a tvary (znaky) pro strany (pojmy), které odkazují na skutečné volební zisky (věci).

Při mapování politických vazeb řeším sémantické vztahy: je to hierarchie (ministr-náměstek), nebo asociace (spolupracovníci)? Jsou to synonyma (různá jména téže osoby), nebo skutečně různí lidé?

Ta nová teorie kategorizace s prototypy mi dává smysl. Když třídím firmy podle velikosti, nemůžu použít ostré hranice. Existují jasné prototypy – Google je očividně velká firma, teta s účetní firmou je malá. Ale co firma se sto zaměstnanci? To už jsou ty hraniční případy. A čtenářům je „střední firma“ jasnější než technická definice podle EU.

3. Ontologie, jejich modelování a vizualizace Ontologie v kontextu informační vědy představují explicitní formální popis pojmové struktury domény – tedy soubor pojmů, jejich vlastností a vztahů mezi nimi. Ontologie umožňují strojově čitelné a logicky strukturované reprezentace znalostí.

Typickým prvkem ontologií je RDF triplet: subjekt–predikát–objekt, například: “Ministerstvo dopravy – zadalo – zakázku X”. Takové struktury umožňují efektivní vyhledávání, propojování a inferenci nových informací.

V praxi investigativní žurnalistiky vytvářím ontologické struktury neustále: mapuji aktéry (politici, firmy), jejich role (funkce, majetky) a vztahy (vlastnictví, transakce). Tyto vztahy strukturuji do jednoduchých vět – a následně vizualizuji pomocí síťových grafů. Čtenář pak na první pohled vidí komplexní struktury, které by byly v textu nečitelné.

Modelování ontologií často využívá nástroje jako Protégé, OWL nebo SPARQL pro dotazování. Vizualizace slouží nejen k prezentaci, ale i k analýze – zviditelňuje skryté vzorce.

 

Co je to ontologie?

Ontologie zní jako filozofický pojem, ale v praktické datové žurnalistice je to prostě formální mapa pojmů a vztahů mezi nimi. Thomas Gruber to definoval jako “explicitní formální specifikaci sdílené konceptualizace” – což znamená, že jasně a strukturovaně popíšu, jaké pojmy v dané oblasti existují a jak spolu souvisí.

Proč potřebuji ontologii?

Představ si, že sleduješ kauzu kolem veřejných zakázek. Máš desítky firem, úředníků, politiků, smluv a plateb. Bez systému se v tom ztratíš. Ontologie ti pomůže:

  1. Pojmenovat entity – co všechno sleduješ (firmy, osoby, smlouvy)

  2. Definovat vlastnosti – co o každé entitě chceš vědět (jméno, částka, datum)

  3. Popsat vztahy – jak spolu entity souvisí (vlastní, platí, spolupracuje)

  4. Formalizovat to – aby s tím mohly pracovat i počítače

 

Praktický příklad z investigativy

Když rozplétám síť kolem nějaké kauzy, vytvářím vlastně ontologii:

Entity (třídy):

  • Osoby (politici, úředníci, podnikatelé)

  • Firmy (dodavatelé, subdodavatelé)

  • Instituce (ministerstva, úřady)

  • Dokumenty (smlouvy, faktury)

Vlastnosti:

  • Osoba: jméno, funkce, datum narození, kontakty

  • Firma: název, IČO, obor, adresa, obrat

  • Smlouva: číslo, předmět, částka, datum

Vztahy:

  • vlastní (osoba → firma)

  • uzavřel (úřad → smlouva → dodavatel)

  • spolupracuje_s (firma → firma)

  • je_nadřízen (úředník → úředník)

RDF – jazyk ontologií

Ontologie se často zapisují pomocí RDF triád ve formě subjekt-predikát-objekt:

  • “Jan Novák” → “je_jednatelem” → “Firma ABC”

  • “Ministerstvo dopravy” → “uzavřelo_smlouvu” → “Smlouva č. 123”

  • “Firma ABC” → “získala_zakázku_za” → “50 milionů Kč”

Tohle už počítač dokáže automaticky zpracovat a hledat v tom vzorce.

Výhody ontologií v praxi

  1. Automatizace – počítač sám najde všechny firmy napojené na určitou osobu

  2. Propojování – můžu spojit svoje data s externími zdroji (Wikidata, obchodní rejstřík)

  3. Vizualizace – vytvoří se síťové grafy, kde jsou vidět skryté vazby

  4. Ověřitelnost – někdo jiný může použít stejnou strukturu a výsledky zkontrolovat

 

Rozdíl od obyčejné databáze

Klasická databáze má pevnou strukturu – tabulky se sloupci. Ontologie je flexibilnější:

  • Můžu přidat nový typ vztahu, aniž bych měnil celou strukturu

  • Stejná entita může mít různé role (Jan je zároveň politik i majitel firmy)

  • Vztahy mají sémantiku – “vlastní” není totéž jako “řídí”

Ontologie vs. klasifikace vs. taxonomie

  • Klasifikace – zařazuji věci do škatulek (kniha → žánr sci-fi)

  • Taxonomie – hierarchický strom (savci → primáti → lidoopi → člověk)

  • Ontologie – komplexní síť vztahů mezi pojmy, které můžou být hierarchické i nehavařické

Příklad z praxe: Volební kalkulačka

Při tvorbě volební kalkulačky vytvářím ontologii:

Entity: strany, kandidáti, témata, pozice, regiony Vztahy: kandidát → zastupuje → stranu, strana → má_pozici → k_tématu Vlastnosti: pozice má hodnotu na škále 1-5

Díky tomu pak můžu automaticky počítat podobnost mezi voličem a stranami.

Nástroje a standardy

  • OWL (Web Ontology Language) – standard pro zápis ontologií

  • RDFS – rozšíření RDF o třídy a vlastnosti

  • SKOS – jednodušší standard pro tezaury a klasifikace

  • Protégé – editor ontologií

Proč je to důležité pro žurnalistiku?

Ontologie umožňuje:

  • Systematickou investigativu – žádné důležité vazby mi neuniknou

  • Transparentnost – moje metody jsou jasně popsané

  • Colaboraci – ostatní novináři můžou navázat na moji práci

  • Fact-checking – rychle ověřím tvrzení proti struktuře vztahů

Ontologie je prostě způsob, jak udělat ze složitého světa srozumitelnou mapu, se kterou můžou pracovat i počítače. V datové žurnalistice je to neocenitelný nástroj pro odhalování skrytých souvislostí.

 

4. Kategorizace, klasifikace, fazetace a vědecká taxonomie Kategorizace je kognitivní proces zařazování jevů do tříd na základě podobnosti. Klasifikace je systematické řazení dokumentů nebo objektů do tříd podle předem stanovených pravidel. Vědecká taxonomie se snaží o univerzální, hierarchické třídění (např. biologická klasifikace), zatímco fazetace umožňuje vícerozměrné třídění podle nezávislých hledisek.

Fazetová klasifikace (např. Ranganathan) umožňuje popsat objekt více hledisky (např. místo, čas, forma). V žurnalistické praxi ji využívám při analýze veřejných zakázek – firmu třídím podle regionu, oboru, velikosti i vztahů.

Používám standardní klasifikační systémy jako NACE (obory), NUTS (území) nebo CZSO klasifikace. Kombinací fazet odhaluji vzorce, které by jinak zůstaly skryté – např. systematické zvýhodňování některých dodavatelů. Takto strukturovaná analýza je základem jak pro investigaci, tak pro vizualizaci.

5. Indexace a selekční jazyky Pro dlouhodobé investigativní projekty si vytvářím vlastní databáze s důkladnou indexací. Každý dokument, rozhovor či dataset označuji klíčovými slovy, abych je později snadno našla.

Často si tvořím vlastní tezaury – řízené slovníky termínů specifických pro danou kauzu. Například při sledování dotačních podvodů si definuji, co znamená „napojení“ firmy – je to přes vlastníky, jednatele, nebo adresu?

Znalost fungování selekčních jazyků, jako jsou systematické selekční jazyky (např. Conspectus nebo RAMEAU), je pro mě důležitá i při práci s knihovními databázemi a archivními fondy – kvalitní rešerše závisí na správném formulování dotazu.

V dlouhodobých žurnalistických projektech si vytvářím vlastní databáze s promyšlenou indexací. Každý dokument, rozhovor, dataset potřebuji opatřit klíčovými slovy, aby se dal později efektivně najít. V některých případech si vytvářím vlastní řízené slovníky – například u vyšetřování dotačních podvodů si stanovím pojmy jako “napojená firma” nebo “křížové vlastnictví” a definuji, jak tyto vztahy poznám.

Znalost principů selekčních jazyků je klíčová i při hledání ve veřejných archivech, registrech smluv nebo mediálních databázích. Formulace dotazu často rozhoduje o tom, zda získám relevantní informaci.

6. Dokument, jeho analýza a popis V datové žurnalistice pracuji s velmi různorodými typy dokumentů – od tabulek přes texty až po naskenované smlouvy. Každý typ vyžaduje jiný přístup k popisu.

Metadata jsou pro mě naprosto zásadní. Když publikuji dataset, musím jasně uvést, odkud data pocházejí, jak jsem je zpracovala, co znamenají jednotlivé proměnné a jaká jsou omezení. To odpovídá zásadám 6C – obsah musí být srozumitelný, konzistentní, kontextualizovaný a přístupný ke zpětné kontrole.

Rozlišuji různé typy metadat: administrativní (kdo, kdy), popisná (o čem), technická (formát), licenční (práva). Hloubka závisí na účelu – někdy stačí metadata na úrovni celku, jindy je třeba popsat každou proměnnou zvlášť.

V datové žurnalistice pracuji s velmi různorodými typy dokumentů – od strukturovaných tabulek přes úřední listiny po naskenované smlouvy. Každý z nich vyžaduje odlišný přístup. Například u datasetů musím uvést tzv. datová metadata: co který sloupec znamená, odkud data pocházejí, jaká jsou omezení. Odpovídá to tzv. modelu 6C (clear, coherent, contextualized, concise, correct, complete).

Procesy v praxi Můj pracovní postup odpovídá základním procesům organizace znalostí:

  • Nejprve si ujasním, co chci zkoumat.

  • Roztřídím data a opatřím je metadaty.

  • Propojím související informace.

  • Uložím vše do databáze s kvalitním vyhledáváním.

  • Průběžně kontroluji a aktualizuji.

Technologie a trendy Linked Open Data mění i žurnalistiku. Díky propojení s Wikidaty nebo DBpedií mohu doplnit vlastní datasety o nové souvislosti a vizualizace.

Umělá inteligence mi pomáhá s extrakcí dat, rozpoznáváním textu a analýzou sentimentu. Zároveň ale vzniká problém „černých skříněk“ – je těžké vysvětlit čtenáři, co algoritmus přesně dělal. Proto kladu důraz na transparentnost.

Současné výzvy Velká dilemata dnes představují konflikty mezi právem na informace a právem na zapomnění, mezi transparentností a ochranou soukromí, mezi efektivitou algoritmů a lidskou odpovědností. Jako novinářka musím často balancovat mezi těmito hodnotami.

Skepsi ve mně budí systémy, kde uživatel nerozumí principu fungování – tzv. „kouzelné skříňky“. V žurnalistice je klíčové, aby výsledky byly srozumitelné a ověřitelné.

Závěr Organizace znalostí není výlučně akademická disciplína. Jsou to principy, které každý den používám při přetváření dat na srozumitelné příběhy. Pomáhají mi strukturovat myšlení, zajistit ověřitelnost informací a budovat důvěru – což je v době fake news a informačního přetížení zásadní.

Kdokoliv dnes pracuje s informacemi – ať už novinář, knihovník, nebo datový analytik – vlastně využívá principy organizace znalostí. A čím lépe jim rozumíme, tím lépe dokážeme sloužit veřejnosti.

Literatura, kultura a humanitní vědy

1. Kulturní areál a jeho význam pro studium literatury
2. Areálová studia jako specifická možnost výkladu literatury, ve srovnání s jinými metodami
3. Působnost vybraných kulturních areálů ve vývoji literatury
4. Vybraná literární díla v kontaktu s jinými kulturními areály
5. Problematika specifikace českého kulturního areálu

Literatura, kultura a humanitní vědy – ústní proslov ke státnicím

Literatura je odedávna jedním z nejmocnějších nástrojů kultury – zaznamenává myšlenky, hodnoty a příběhy, které utvářejí společnost. Její souvislost s věcnou literaturou dnes není jen stylistická, ale hluboce funkční. Tradičně rozlišujeme věcnou literaturu, zaměřenou na předávání informací, poznání a faktů – jako jsou odborné práce, eseje, publicistika – a beletrii, čili literaturu krásnou, jejímž cílem je estetický účinek a umělecké ztvárnění skutečnosti prostřednictvím fikce. Beletrie zahrnuje základní literární druhy: epiku (např. román, povídka), lyriku (báseň, píseň) a drama.

Tato hranice však není ostrá. Mezioborové texty často kombinují rysy obou žánrů. Například literatura faktu – jako jsou biografie, historické romány nebo literární reportáže – čerpá z věcného základu, ale užívá beletristické techniky. Umberto Eco v Jménu růže kombinuje středověkou detektivku s filozofickým a historickým komentářem. Édouard Louis ve svých knihách jako Skoncovat s Eddym B. spojuje autobiografii, sociologii a literární jazyk. A Erik Tabery, například ve své knize Opuštěná společnost, využívá narativní a esejistické postupy k přiblížení současné společenské reality.

Humanitní vědy – konkrétně historiografie, filozofie a sociologie – poskytují literárnímu studiu zásadní nástroje. Historiografie obohacuje literární analýzu o porozumění historickému kontextu. Příkladem mohou být dějiny mentalit, které se zaměřují na změny v myšlení a hodnotách různých epoch. Konkrétním žánrem propojujícím historii a literaturu je historický román, jako Sto roků samoty od Garcíi Márqueze, který pomocí fiktivního rodu reflektuje dějiny Latinské Ameriky.

Filozofie přináší metodologickou hloubku. Zatímco filozofický text je zpravidla systematický a argumentační, literatura umožňuje vyjádřit tytéž otázky – např. o svobodě, existenci nebo etice – obrazně a emotivně. Albert Camus ve svém románu Cizinec zkoumá absurdní povahu lidské existence, Nietzsche či Voltaire zase svá filozofická stanoviska ztvárnili i literárně. V českém kontextu sem patří Karel Čapek, jehož Bílá nemoc nejen varuje před válkou, ale reflektuje i otázky zodpovědnosti a etického jednání jedince vůči společnosti.

Sociologie přináší literární vědě pojmy jako diskurz, literární pole nebo duch doby. Pierre Bourdieu upozorňuje, že literární hodnota není vrozená, ale vzniká v síti vztahů mezi autory, čtenáři, médii a institucemi. Z tohoto pohledu lze literaturu chápat jako zrcadlo společnosti, což se nejvíce ukazuje u populární literatury, dystopií a románů o krizi, které tematizují společenské napětí a rozpory.

Specifickým tématem je literatura pro děti a mládež, která procházela vývojem od moralizujících textů v 19. století (např. Božena Němcová) přes moderní autory 20. století jako Ondřej Sekora nebo Josef Čapek až po současné komiksy, young adult literaturu a interaktivní formáty. Dnes je běžné rozostřování věkových hranic, otevírání tabuizovaných témat a inkluzivní reprezentace. Klasickým žánrem zůstává pohádka, ať už ve folklorní podobě, nebo v moderní reinterpretaci – například u Astrid Lindgren nebo Rowlingové.

Významnou roli v literatuře hraje i náboženská tematika. V beletrii se objevuje buď explicitně – jako hlavní motiv, nebo implicitně – jako rámec pro existenciální otázky. Danteho Božská komedie nebo Letopisy Narnie od C. S. Lewise nabízejí bohaté alegorické vrstvy spjaté s vírou. Vedle toho existuje beletrizace náboženské literatury, která pomocí fikčních prvků přibližuje duchovní poselství současnému čtenáři. V českém kontextu je důležitá i Bible Kralická, překlad z 16. století, který významně ovlivnil český jazyk a literaturu.

Za zmínku stojí i mezioborové publikace, které často vyžadují zvláštní ediční přístup. Vydavatelé jako Munipress reagují na potřebu propojit humanitní a přírodní vědy a publikují periodika jako MUNICE. Podobně Česká otázka Tomáše G. Masaryka stojí na pomezí filozofie, historiografie a literatury a dodnes podněcuje debatu o smyslu českých dějin.

Na závěr bych chtěla zmínit jeden pomezní beletristický text, kterým je Bílá nemoc Karla Čapka. Tato krátká divadelní hra z roku 1937, napsaná jako reakce na nástup fašismu, v sobě spojuje prvky politické alegorie, filozofické reflexe i humanitního étosu. Hlavní postava, doktor Galén, odmítá léčit mocné, dokud nezastaví válku – čímž klade otázku po etickém závazku intelektuála vůči světu. Hra výmluvně ilustruje, že literatura není pouze zábava, ale často i forma angažované filozofie.