后记

很感谢廉莹老师的指导，感谢可视化软件工具与应用这门课提供这么好的实践平台，才让我们有机会和动力去做新的尝试。

最初，团队将选题划定在“冬奥消费”上，但在讨论和资料查询的过程中，我们发现冬奥成绩同场馆存在着有趣的联系。相比“北京冬奥会后的冰雪运动热”，场馆同奥运成绩之间的关系显得更加需要数据支撑证明，也更有问题可挖掘，于是我们将问题细化到了“天时地利人和：场馆如何造就冰上竞速的巅峰成绩？”

在这样细致的问题导向下，我们搜集了大量资料，大多数都来自外文数据库的自然科学板块。看着早就被抛到脑后的摩擦角、受力分析以及更复杂的完全看不懂的函数，我们感到非常为难。我们试图量化冰的质量，量化海拔对运动员身体机能的影响，量化海拔对运动员滑行速度的影响……最终，我们搜集到的公开资料只能帮助我们做到量化海拔对运动员的滑行速度这一点。

我们围绕核心文献反复索引、阅读，最终还是没能找到公开的、数据量充足的公开数据支撑我们的作品。于是我们查找了核心文献的作者们的邮箱信息，恳切措辞，多次尝试，最终非常幸运地收到了孙利鑫老师提供的近12万条原始数据。出于时间原因和体量问题，我们的作品并没有直接使用这12万条数据，但是老师的回信大大鼓舞了我们。

在接下来的制作过程中，团队成员充分意识到了相关性的证明有多么艰难。原始数据体量过大，整理和运转的时间成本都很高，因此我们暂时只得将重点转换，分散成一篇科普性的文章，总结已有的短道速滑巅峰成绩，用短道速滑中国队的故事增强接近性，再在文末借用“天时地利人和”慨叹奥运精神的历久弥新。

最后一周的这“20%”，出于时新性、可信性和适配性，我们试图爬取ISU公开的近三年来短道速滑的所有比赛信息。团队成员努力了三天，略有遗憾，由于嵌套太多，爬虫没有成功。我们只得停下来先完善现有的框架，保证作品的完整度。不过，我们已经准备好踏上之后的debug和统计分析之路。

黄文玥
如果没有这一门课，我也不知道自己要到什么时候才会尝试使用代码进行可视化。我非常喜欢flourish、镝数图表、花火这种辅助工具，它们能够讲清楚问题，也便于读者理解。然而这次，因为作品的数据维度太多，与读者的接近性没那么强，专业性较强，我不得不使用代码进行可视化的尝试。老实说，我并不满意这样的作品（但看久了还是会顺眼很多hhh），在我看来，高维的信息提高了受众阅读的门槛，而我半道出家的代码能力又不足以让受众迅速了解数据的意义。但凡事总是要有个开端，至少这次我知道js比python适配网页许多，下次就不需要重新作图了。希望今后能做出更易懂的、更有趣的、更有信息含量的数据新闻作品。

刘彦彤
其实在尝试复现论文中的爬虫时遇到了不少困难。ISU网站需要突破层层select，动态网页不断变换的div结构，凌乱的id名和class名，最后才能找到想要的table。爬虫的火候看来还不到家。
作品最有意思的部分，也是支撑着做完的原因，在于看到和听到比赛发令枪的那一瞬间。相较于田径比赛，速度滑冰窄小的场地和更快的速度令人心潮澎湃。我们也很快意识到了在这样一个赛场上，零点零几秒对于运动员而言意味着什么。而这毫厘之微竟然让一个人们一般都不会想到的因素影响了比赛的结果——海拔。我们希望用数据向大家说明这件事，更想把速度滑冰的激情带给观看作品的每一个人。

卢冠秋
准备数新大赛的作品时，我们说下一次一定要选一个简单但有趣的选题。结果，这次选的比上次还要难，时间比上一次还要紧迫，想象中的“乐趣”事实上也成了某种苦中作乐。不过，我们小组得以在这个作品中尝试了大量图表，在数据和观点的引领下，探索各式图表，并做出选择，我认为这是本作品的制作过程中最打动我的东西。我意识到，很难有一个图表能够放下我们所掌握的所有信息，并突出所有重点，我们总是要对表达的侧重点进行筛选，而这似乎也从侧面体现出，图表并不存在决定性的“优”或“劣”，只存在“适合”或“不适合”。总而言之，本次作品归根结底，仍旧是“如何讲故事、如何讲数据”的一次叙事上的尝试。

蔡雨薇
最开始想选题的时候，是想把自己的兴趣和作品结合起来，所以提出了冰雪运动这个大方向。最后将选题细化到“场馆如何影响冰上竞速的成绩”时，因为选题的专业性很强，已经预想到了数据搜集和相关证明的艰难。在图表制作的过程中，我第一次使用了python的folium库去绘制地图，虽然最后呈现的效果没有达到预期，但也是一次新的尝试。学会探索和尝试并在最后选择合适的呈现方式，是我在制作这篇作品中收获最大的地方。 对于短道速滑的喜欢成为了坚持将这篇作品尽可能做的更好的原因。在看过很多采访和科普视频之后，我们希望能够通过数据向大家说明到底有哪些因素会影响最终的结果，也希望能让大家感受到短道速滑的魅力。希望在未来能做出更多有意义的数据新闻作品。