จรัล งามวิโรจน์เจริญ
ทุเรียนน้อย: สวัสดีครับ พี่จรัล ผมทุเรียนน้อยกลับสอบถามพี่จรัลเรื่อง Data Journalism ต่อจากคราวที่แล้วครับ
จรัล: สวัสดีทุเรียนน้อย พี่นึกว่าหนีไปแชทกับใครเพลินจนลืมเรื่องพี่ไปแล้วนะเนี่ย
ทุเรียนน้อย: ยังไม่ลืมครับพี่จรัล ผมทุเรียนน้อยนะครับ ผมยังจำได้ว่าการแชทกันของผมกับพี่คราวที่แล้วเนี่ย เราคุยกันเรื่องอะไรบ้าง เช่น ที่มาของ Data Journalism ซึ่งพี่เล่าให้ผมฟังว่า Data Journalism เนี่ยจะช่วยให้สังคมได้สัมผัสกับการนำข้อมูลมาใช้ค้นหาความจริงที่มีมูล รวมทั้งเล่าถึงวิธีการคิดและกระบวนการทำงานด้วยนะครับ
จรัล: แหม่ ไม่ธรรมดานะเนี่ยทุเรียนน้อย แล้ววันนี้อยากถามต่อเรื่องอะไรล่ะครับ
ทุเรียนน้อย: ผมอยากรู้ว่าแล้วสิ่งที่สำคัญมากๆ ของการทำ Data Journalism เนี่ยมันคืออะไรครับ
จรัล: ง่ายมาก ผมว่าสิ่งหนึ่งที่สำคัญมากคือ mindset ของคนน่ะครับ ถ้าเรามีความพยายามและใฝ่รู้ หรือ Growth Mindset ค่อยๆ ฝึกไป ก้าวไป ผมว่า Data Journalism มันทำได้นะ แต่ก็ต้องมีทีมช่วยๆ กันสนับสนุน เพราะทีมนี่สำคัญมากเลย
ทุเรียนน้อย: ทำ Data Journalism จำเป็นต้องมีทีมด้วยหรอครับ
จรัล: ใช่ครับ เพราะการทำงานด้าน Data Journalism ที่ดีมากๆ นั้นทีมงานแต่ละคนต้องมีทักษะที่สูงต่างกันหลายด้าน
ทุเรียนน้อย: พี่ช่วยยกตัวอย่าทักษะเหล่านั้น รวมถึงการสร้างทีม Data Journalism ให้ฟังหน่อยสิครับ
จรัล: ครับ ทักษะชั้นสูงหลายๆ ทักษะที่จะมาประกอบกันนั้น จะเน้น skills หลักๆ คือความสามารถทำความเข้าใจกับข้อมูลที่มี การตรวจสอบแหล่งข้อมูลหรือตัวข้อมูลว่ามีความถูกต้องน่าเชื่อถือแค่ไหน รวมถึงการนำเสนอเรื่องราว (Storytelling) ในเชิง Interactive Visualization หรือ Data visualization specialist (Infographics) เพื่อทำให้คนสามารถเข้าถึงข้อมูลที่นำเสนอได้ง่ายขึ้น ขนาดของทีมก็แล้วแต่ว่าทีมจะผสมผสานทักษะและความสามารถของทีมได้มากน้อยขนาดไหน ไม่มีใครเก่งทุกอย่าง การทำงานเป็นทีมเป็นสิ่งที่สำคัญเพราะจะช่วยให้เราไปถึงเป้าหมายระยะไกลได้เร็วยิ่งขึ้น
ตัวอย่างทีม Data Journalism อาจมีได้ตั้งแต่ 3 คนไปจนถึง 20 คนก็เป็นได้ โดยหลักๆ แล้วจะประกอบด้วยคนทำ Data visualization specialist, Developer และ Journalist เป็นต้น ตัวอย่างการทำงานด้าน Data Journalism ที่ต้องใช้คนเป็นจำนวนมาก เช่น งาน Sandy’s Hurricane Map ของสถานีวิทยุ WNYC หรืองานช้างแบบLondon Olympic 2012 ของ New York Times ก็อาจใช้ทีมอย่างน้อย 20 คนได้ (อ้างอิงจาก Marco Túlio Pires’ data journalism & open data workshop) เพราะในทีมต้องมีคนที่เตรียมข้อมูลและทำ Visualization ได้ ทีมใหญ่ๆ อย่างของ New York Times มี Data scientist มาช่วยทำ Visualization โดยใช้เทคนิคที่ซับซ้อนมาช่วยสร้างความกระจ่างให้ข้อมูลใหญ่ๆ สำหรับเราคนไทยก็ต้องค่อยๆ ปั้นและสนับสนุนให้เกิดกระแส Data Journalism ในประเทศไทยให้มากขึ้น ทั้งสถาบันการศึกษาและสื่อ รวมถึงผู้อ่านที่จะสร้าง demand ของ content ประเภทนี้ เพราะจะทำให้คนไทยมีโอกาสได้เสพข้อมูลที่มีคุณภาพมากยิ่งขึ้น
ทุเรียนน้อย: แล้วการมีทีมตั้งแต่ขนาดเล็กไปจนถึงใหญ่ขนาดนี้ เค้าทำงานกันยังไงหรอครับ
จรัล: ทุเรียนน้อยครับ สิ่งสำคัญของการทำงานเป็นทีมคือการมี Process ที่ดี บ่อยครั้งการทำงานของทีม Data Journalism เริ่มมาจากการตั้งคำถาม (Inquiry) หรือเริ่มจากนำข้อมูลที่มีอยู่ไปตรวจสอบ (Verification) ปรับปรุงทำให้ใช้ได้ (Clean) วิเคราะห์ค้นหาและทำความเข้าใจ (Explore) พอเข้าใจข้อมูล (Understand) ก็เริ่มสร้างเรื่องราวในการนำเสนอ (Storytelling) หลักๆ ก็จะมีประมาณ 5-6 ขั้นตอน ซึ่งแต่ละกระบวนการก็วนๆ ไปใช้ทักษะที่แตกต่างกัน การตั้งคำถามกับการใช้เครื่องมือ Clean data ก็ได้พูดไปคร่าวๆ แล้วตอนต้น ข้อมูลที่ได้มาอาจจะมาในรูปแบบต่างๆ กันเช่น text (email, pdf), image, audio การตรวจสอบที่มาก็สำคัญเหมือนกัน เปรียบได้กับการทำอาหารคือเราต้องรู้ว่าแหล่งวัตถุดิบข้อมูลของเรามีคุณภาพน่าเชื่อถือขนาดไหน ดีหรือไม่ดีอย่างไร
ทุเรียนน้อย: เอ แล้วจะตรวจสอบข้อมูลพวกนั้นยังไงหละครับ
จรัล: ถ้าเป็นเนื้อหาที่มาจาก Social Media โดย User Generated Content (UGC) เราต้องดูว่า 1. ที่มาของเนื้อหาเป็นต้นฉบับหรือเปล่า (Provenance) 2. เจ้าของเป็นผู้ลงในสื่อเองหรือไม่(Source) 3. วันที่คิดหรือพิมพ์เนื้อหาครั้งแรกคือวันที่เท่าไร (Creation Date) 4. สถานที่ที่ลงเนื้อหานั้นคือที่ไหน (Location) ซึ่งรวมถึงเนื้อหาที่เป็นภาพด้วย โดยเนื้อหาที่เป็นภาพก็มีวิธีการตรวจสอบหลายวิธี ทั้งนี้ Newslab ของ Google ก็มี course สั้นๆ ชื่อVerificationสอนการใช้เครื่องมือในการตรวจสอบต่างๆ หนังสือฟรี Online ชื่อ Verification Handbook ก็มีการแนะนำวิธีการตรวจสอบและ Case Studies ต่างๆ ที่น่าศึกษาอยู่เยอะเลย ถ้าเป็นแหล่งที่น่าเชื่อถือพวก Open Data ก็ต้องดูว่าข้อมูลที่เราสนใจมีความพร้อมและสมบูรณ์พอที่จะนำไปใช้ในการวิเคราะห์และนำเสนอแค่ไหน เพราะบ่อยครั้งข้อมูลที่เราได้มายังต้องถูกนำมานั่งปรับแก้ทั้งข้อความที่พิมพ์ผิดตกหล่นหรือหายไป ซึ่งเครื่องมืออย่าง OpenRefine จะช่วยได้ในส่วนนี้
ทุเรียนน้อย: ไม่น่าเชื่อว่าการทำงานด้าน Data Journalism จะมีรายละเอียดเยอะขนาดนี้ ที่ผ่านมาช่วงหลังๆ ผมสังเกตว่าสื่อในโลกออนไลน์นั้นนำเสนออย่างรวดเร็ว แต่บางครั้งก็เกิดความผิดพลาด อาจเป็นเพราะขาดการตรวจสอบรึเปล่าครับ
จรัล: เป็นไปได้ครับ จริงๆ แล้วการตรวจสอบความจริงเป็นหัวใจของการทำข่าวอยู่แล้ว แต่หลายครั้งอาจถูกละเลยเพราะความกดดันทางการแข่งขัน เลยเปิดโอกาสให้การกระจายข่าวที่เป็นเท็จเกิดขึ้นได้อย่างรวดเร็ว ตอนนี้ Social media platform อย่าง Facebook Google และอีกหลายๆ ที่ เริ่มให้ความสำคัญมากขึ้นในการคัดกรองความถูกต้องของข่าวเพราะคนแชร์กันเร็วมาก แต่ว่าการกรองข่าวก็ทำได้ยากขึ้นเพราะมีช่อทางที่หลากหลาย ซึ่งสิ่งที่ถูกนำเสนอนั้น ได้ก่อให้เกิดความเสียหายไปแล้ว จึงยากที่จะแก้ข่าวนั้น ตัวอย่างที่เห็นได้ชัดก็คือการเลือกตั้งประธานาธิบดีสหรัฐฯ ที่ โดนัลด์ ทรัมป์ ใช้โซเชียลมีเดียชักจูงการสร้างฐานคะแนน สร้างความบิดเบือนจนเกิดกระแสที่สื่อต้องหาจุดยืนว่าอะไรคือความจริง มีความพยายามในการใช้เครื่อง (Automation) และคน (Crowdsourcing) มาทำการตรวจสอบข่าว เช่น Automated fact checking, Duke’s Reporters Lab, Share the facts, Fake news challenge(ใช้ AI ทำ model เพื่อตรวจว่าเป็นข่าวปลอมหรือเปล่า) ในไทยก็เริ่มมีกลุ่มที่ช่วยเป็น fact checker ชื่อ เช็คก่อนแชร์ ซึ่งก็น่าส่งเสริมให้คนไทยมาใช้กันครับ
ทุเรียนน้อย: แบบนี้พี่จรัลพอจะมีเคล็ดลับสำหรับคนที่รับข่าวสารไหมครับว่าข่าวเท็จมักจะมีหน้าตายังไง
จรัล: ที่เจอเป็นส่วนใหญ่ก็เป็นภาพจริงแต่ใช้ในเหตุการณ์ที่ไม่เกี่ยวข้องกัน พวกภาพจัดฉาก ภาพที่โดน Photoshop ซึ่งบางภาพเดี๋ยวนี้ก็เอามาตรวจสอบได้ด้วยการใช้ Reverse image searchนอกนั้นก็เป็นพวก fake Tweet/Facebook post ที่ปลอมแปลงด้วยเครื่องมือ ทำให้ดูเหมือนว่าเป็นโพสต์จริง มีอีกหลายตัวอย่างที่หาดูได้จาก Verification Handbook – Additional Material
ทุเรียนน้อย: ดีมากๆ เลยครับ แบบนี้ก่อนที่เราจะแชร์ข่าวต่างๆ เราก็มีช่องทางสำหรับตรวจสอบข่าวได้ง่ายขึ้น ที่สำคัญการเสพข่าวทางออนไลน์เพียงอย่างเดียวก็น่าจะหมดห่วงได้แล้วใช่ไหมครับ
จรัล: ก็ไม่เชิงนะครับ เพราะสิ่งหนึ่งที่หลายคนกำลังมองข้ามในเรื่องของการเสพข่าวก็คือ โลกทัศน์ หรือ Worldview ของเราในยามที่เราเสพข่าวผ่านทางออนไลน์เพียงอย่างเดียว โลกทัศน์ของเรากำลังถูกครอบด้วยสื่อที่เราเสพ เพราะในขณะที่เราเลือกเสพข่าว Digital Platform ก็กำลังเรียนรู้ความชอบของคุณเพื่อที่จะทำให้คุณมีส่วนร่วมกับสื่อนั้นๆ นานขึ้น ซึ่งสื่อเหล่านั้นก็จะคอยป้อนเนื้อหาที่เราชอบเสพ ในบางครั้งยังทำเพื่อชักจูงให้เราสนใจสินค้าแอบแฝง ผลลัพธ์ที่เกิดก็คือ Vicious Cycle หรือ วงจรอุบาทว์ที่เราเริ่มสร้างกรอบจำกัดความคิดที่เราสร้างอคติขึ้นเอง เพราะฉะนั้น เราต้องเลือกเสพสื่อหลายๆ ช่องทาง หลายๆ ทัศนคติเพื่อตรวจสอบความจริงและเปิดโลกทัศน์ให้กว้างขึ้น
ทุเรียนน้อย: วงจรอุบาทว์เลยเหรอครับเนี่ย ผมไม่เคยนึกถึงมุมมองนี้มาก่อนเลยนะครับ เทคโนโลยีนั้นมีข้อดีมากมาย เช่น ทำให้มีผมขึ้นมานี่เท่มากๆ เลยนะครับ แต่หากเราใช้ไปอย่างไม่คิดไม่สงสัยบ้างเลย มันอาจจะทำให้มุมมองบางอย่างในชีวิตของเราแคบลงไปซะอย่างนั้น
จรัล: ใช่ครับ บางครั้งเราอาจต้องลองนำเสนอมุมมองที่แตกต่าง ตรงกันข้ามกับสิ่งที่เราไม่ได้เห็นชอบด้วยเสมอไป มันก็จะทำให้เรามีมุมมองที่หลากหลายขึ้นนะครับ อาจจะทำให้เราเปิดใจ เข้าอกเข้าใจคนอื่นมากขึ้นได้ด้วย แต่ทุเรียนน้อยครับ วันนี้พี่คงต้องไปก่อนนะครับ เดี๋ยวพี่ต้องไปเตรียมงานอื่นอีกนิดหน่อย ไว้เดี๋ยววันหน้าพี่ว่างแล้วจะมาแชทต่อนะครับ
ทุเรียนน้อย: อ้าว พี่จรัลต้องไปแล้วหรอครับผมยังไม่หมดคำถามเลย งั้นเดี๋ยวครั้งหน้าผมขอถามต่อนะครับ
จรัล: ได้เลย แล้วแชทกัน
ข่าวหรือบทความที่เกี่ยวข้อง
