R voor journalisten

Met R kun je grote, rommelige of terugkerende datasets sneller en beter onderzoeken dan in een spreadsheet.

In deze praktische training leer je programmeren met R en RStudio om data te vinden, op te schonen, te koppelen, te analyseren en te visualiseren — steeds vanuit journalistieke vragen.

Doelgroep

Deze training is bedoeld voor journalisten, onderzoekers en datajournalisten die grotere of complexere datasets willen analyseren en voor professionals die hun analyses reproduceerbaar willen maken zonder afhankelijk te zijn van handmatige spreadsheetbewerkingen. Ze is ook geschikt voor journalisten die regelmatig gegevens uit meerdere bronnen willen combineren, online data willen verzamelen of analyses willen herhalen zodra nieuwe cijfers beschikbaar komen.

De training is bedoeld voor beginners in R; programmeerervaring is niet vereist, al is enige ervaring met spreadsheets en basisbegrippen als rijen, kolommen en variabelen wel handig.

Wat je leert

• Werken met R en RStudio: projecten aanmaken, scripts schrijven, packages installeren en datasets importeren.
• Je onderzoekswerk documenteren in een R Notebook, waarin vraag, werkaantekeningen, code, tabellen en grafieken samenkomen.
• CSV- en Excelbestanden importeren, verkennen en exporteren.
• Datasets gericht doorzoeken met de belangrijkste functies uit de Tidyverse, zoals filteren, selecteren, sorteren, groeperen, tellen en optellen.
• Data koppelen op basis van een gemeenschappelijke sleutel, ook als je met meer dan twee datasets werkt.
• Data opschonen: kolomnamen en datatypen corrigeren, doublures verwijderen, ontbrekende waarden behandelen, tekst uniform maken, datums verwerken en velden splitsen of samenvoegen.
• Journalistieke vragen aan data stellen: hoe groot is een probleem, wie staat bovenaan, wat is uitzonderlijk, hoe is iets verdeeld, wat verandert er en welke gegevens ontbreken?
• Beschrijvende statistiek gebruiken voor totalen, gemiddelden, medianen, spreiding, uitschieters, aandelen en trends.
• Correlaties en regressie analyseren, met aandacht voor de cruciale beperking dat samenhang geen oorzakelijk verband bewijst.
• Statische grafieken maken met ggplot, waaronder staaf-, lijn-, spreidings- en boxplots.
• Data scrapen van één of meerdere webpagina’s met R.
• Werkbare, leesbare scripts schrijven die je kunt herhalen, aanpassen, delen en controleren.

Opzet

• De training volgt de journalistieke dataworkflow: van onderzoeksvraag en ruwe data naar een controleerbare bevinding en visualisatie.
• Je begint met een R-project: één overzichtelijke werkomgeving waarin datasets, code, notities en resultaten samenkomen.
• Vervolgens leer je data inladen, de structuur controleren en verkennen welke variabelen, waarden en hiaten de dataset bevat.
• Daarna bewerk je de data met korte, begrijpelijke opdrachten uit de Tidyverse.
• Je combineert datasets, voert analyses uit en vertaalt de uitkomsten naar journalistieke invalshoeken.
• Tot slot maak je grafieken en leg je je werkwijze vast in een Notebook of script, zodat de analyse reproduceerbaar is.
• Je werkt met journalistiek relevante oefendata, onder meer over industriële uitstoot, klimaat en publieke gegevens.

Werkvorm

Je krijgt heldere, stapsgewijze uitleg zonder onnodig technisch jargon, afgewisseld met korte codeeroefeningen die direct aansluiten op journalistieke vragen. Je werkt in RStudio met het Tidyverse, een verzameling hulpmiddelen die R toegankelijker maakt voor datajournalisten, en ziet demonstraties van het importeren, opschonen, koppelen, analyseren, visualiseren en scrapen van data. Je oefent met kant-en-klare codevoorbeelden die je leert lezen, aanpassen en toepassen op eigen datasets en werkt in een R Notebook waarin je onderzoeksnotities, code en resultaten combineert. Er is ook ruimte om je eigen onderzoeksvragen en datasets te bespreken en, waar mogelijk, als oefenmateriaal te gebruiken.

Duur

De training kan worden aangeboden als korte introductie, meerdaagse cursus of incompanytraject. De exacte duur, planning en nadruk op onderdelen zoals analyse, visualisatie, scraping of datacleaning worden afgestemd op de voorkennis en behoeften van de deelnemers.

Resultaat

Na afloop kun je:

• Een eigen R-project en een overzichtelijke werkomgeving in RStudio opzetten.
• Datasets uit CSV- en Excelbestanden importeren, verkennen en exporteren.
• Grote datasets snel filteren, sorteren, groeperen en samenvatten.
• Meerdere datasets veilig en controleerbaar koppelen.
• Ruwe data opschonen en geschikt maken voor analyse.
• Journalistieke patronen vinden: rangordes, trends, afwijkingen, verhoudingen en statistische samenhang.
• Online gegevens van webpagina’s verzamelen met R.
• Passende grafieken maken en aanpassen.
• Je volledige analyse vastleggen in herbruikbare code en een leesbaar Notebook.
• Complexe data-onderzoeken sneller, transparanter en beter reproduceerbaar uitvoeren dan met uitsluitend spreadsheets.