資料新聞在疫情期間，可以扮演的另一種角色-科學知識轉譯者

拖了很久的疫情報導紀錄，趁著 Hacks/Hackers Taipei 小聚分享，也同步用文字紀錄一下「全境感染30⁠天 台北淪陷時，哪種封城手段最有效？」這個首次嘗試的科學資料報導。

數據模擬》全境感染30天--當台北淪陷時，哪一種封城手段最有效？｜天下雜誌

報導上線時間為3月，正值台灣疫情嚴重之際，團隊除了製作了串接即時數據的頁面外，也一直思考資料新聞在疫情期間，可以扮演什麼角色。看了很多國內外媒體的報導作品，好作品目不暇給，大致可統整三個國外疫情資料新聞的特色：

疫情視覺報導的三個特色

1. 擁有獨樹一格的珍貴資料

《紐約時報》在疫情期間，因為美國政府未提供準確的疫情數據，因此動員數十位記者團隊，包含各大學的數據科學家與學生記者，全天候記錄疫情案例數據，同時也開放資料在 github 給各界使用。

Coronavirus in the U.S.: Latest Map and Case Count

這個珍貴的資料庫，也讓他們得以做出非常棒的疫情即時視覺化，直到現在，只要想看美國疫情狀況，第一個想到的就是紐時的即時疫情頁面，清楚明瞭。《紐時》後續也用了這份資料做了許多相關應用，像是各州的疫情分析，以及分析下一波可能爆發的地區等。

2. 用視覺圖表，將複雜的專業知識簡化

下面這個《華盛頓郵報》的視覺專題，據說創造華郵有史以來最高流量，而且有13種語言的版本。

These simulations show how to flatten the coronavirus growth curve

文章透過動畫解釋封城政策，以及社交距離的重要性，以阿拉斯加一個小鎮人口、四種社交距離的模型動畫，來解釋不同的狀況，模擬社交距離如何影響感染狀況，最後感染曲線會如何走。個人認為圖表蠻易懂，搭配上短文字，可以很快理解保持社交距離的重要性。

3. 切入角度新穎，融合不同科學理論

最後一個也是《紐時》的資料視覺專題，透過視覺方式還原美國疫情爆發過程，解釋美國政府和官員如何錯失阻止病毒擴散的黃金時機。

How the Virus Won

報導透過旅行與手機定位數據，抓出美國國內流動人數，再用潛在傳染模型，去估算潛在感染者是怎麼流動到美國各地的。細看報導的研究方法，名單落落長，包含運用美國東北大學模型估算未感染人數、哥倫比亞大學的建模估計離開城市的感染人數，搭配各種研究機構的病毒樣本等。

看了很多疫情視覺報導，突然有個體悟，資料新聞或許可以在疫情期間扮演另一種角色-科學知識的轉譯者，藉由視覺化的方式，讓更多人理解科學家研究的理論或數據。

後來因緣際會下，拜訪了專精傳染病擴散研究的台大地理環境資源學系團隊，並開始了此次的封城專題合作，以下提供幾個製作科學視覺報導，需注意的幾個項目：

做視覺科學報導的三個要點

1. 資料不要照單全收，善用圖表做轉化

科學資料與科學論文呈現方式通常比較生硬，記得與專家確認研究結果後，運用視覺圖表的轉化方式，讓讀者更容易理解。

左邊是論文原圖，僅顯示出大台北地區26個分區，讀者比較難理解自己居住地的分區，右邊是設計過後的圖片，運用捷運線與Hover功能標記出行政區。

2. 科學數據定義繁多，需來回與專家確認討論

當我們一攤開研究數據，欄位多到眼花撩亂，幾乎都是專有名詞。當遇到這種狀況，一定要跟專家一一確認資料欄位涵義，以及所有不理解的地方，這樣才能確保報導與圖表正確性。

視覺化背後的數據長這樣，SIR是一種傳染病模型，但我們（外行人）不清楚細節，所以必須跟專家確認每個欄位定義。

3. 研究方法寫清楚，科學模型並不代表事實

很多人會問，封城模型不會造成社會恐慌嗎？這個問題其實也請教過專家，這邊就要解釋，其實科學模型是有其限制的，以三種封城模型來說，他只能假設在三種模型在一樣的假設情況下，哪種方式可以達成的效果最好，不可能將現實中所有未知的變因算進去。因此寫清楚研究方法就很重要，才能避免不必要的誤會。

每個圖表後面，就是寫清楚研究方法。