Hackathon de journalisme structuré

Au BBC #Newshack, le BR AI + Automation Lab a développé le prototype « Remix Regional ». L'objectif est de proposer l'actualité régionale de la radio de manière géolocalisée et personnalisée via une application. L'idée suit le principe du journalisme structuré. Et le mix de nouvelles personnalisé a beaucoup à voir avec Lego, soit dit en passant.

Le BR est un fournisseur régional. La diversité des régions bavaroises se reflète dans notre programme, qui est souvent produit sur place dans les studios régionaux ou par nos correspondants dans de nombreux endroits en Bavière. C'est pourquoi il était clair pour nous dans le laboratoire AI + Automation dès le début que la régionalisation du contenu serait au centre de notre travail.

Piratage avec la BBC

La BBC a accueilli le BBC #Newshack "Modular Content" les 3 et 4 décembre . La question clé était « Comment pourrions-nous utiliser le contenu modulaire pour personnaliser les expériences d'actualité ? » au-dessus du hackathon : comment personnaliser l'expérience de l'actualité à l'aide de contenus modulaires ?

Le hackathon suit ainsi le principe du journalisme structuré . Le journalisme structuré est une forme de journalisme fondée sur les métadonnées et les nouvelles technologies. Il suppose que chaque contribution se compose essentiellement de blocs d'informations individuels. Les journalistes peuvent ensuite utiliser l'intelligence artificielle (IA) et l'automatisation pour réassembler ces blocs en de nouveaux morceaux, formats ou même de nouveaux produits.

L'un des plus grands défis consiste à produire du contenu de manière modulaire dès le départ ou à diviser automatiquement le contenu existant en blocs d'informations plus petits et à enregistrer les meilleures informations possibles sur le contenu des blocs individuels sous forme de métadonnées lisibles par machine. Les méthodes de traitement du langage (TAL) ou l'intelligence artificielle sont souvent utilisées ici.

Le principe Lego dans le journalisme

À l'aide des métadonnées, les blocs d'informations peuvent être reconstitués encore et encore comme des briques Lego, par exemple pour former des séries chronologiques, pour regrouper du contenu sur un sujet spécifique ou pour se concentrer sur un lieu spécifique. Pour la BBC #Newshack, nous avons décidé d'examiner la dimension des données régionales.

En termes de contenu, nous avons choisi les informations régionales dans le programme du matin de Bayern 1, qui est produit dans les studios régionaux et diffusé dans cinq fenêtres régionales pour la Haute-Bavière, la Basse-Bavière/Haut-Palatinat, la Souabe, la Franconie et la Grande Franconie.

« Remix Regional » : actualités régionales personnalisées

Nous avons développé notre prototype « Remix Regional » pour la BBC #Newshack en moins de 48 heures. La solution, conçue comme une application, permet aux utilisateurs de sélectionner un lieu en Bavière et d'écouter les actualités régionales personnalisées du programme de la radio bavaroise. Par exemple, les utilisateurs de Landsberg am Lech reçoivent non seulement des clips d'actualité de la Haute-Bavière, comme ce serait le cas dans l'émission de radio, mais aussi, par exemple, de Memmingen dans le district administratif voisin de Souabe.

Ceci est assuré par un algorithme en arrière-plan de l'application, qui compile le paquet de messages en fonction de facteurs tels que la distance, la taille de l'emplacement et la granularité spatiale. Un algorithme vectoriel détermine ensuite la séquence des clips sélectionnés, qui regroupe les reportages en fonction de leur similarité thématique. De cette façon, nous pouvons éviter les sauts de sujet que les utilisateurs ne peuvent pas comprendre, comme de Corona aux sports en passant par Corona.

Rien ne fonctionne sans métadonnées

"Remix Regional" montre une idée de la façon dont nous pouvons lire le contenu modulaire du programme de radio linéaire dans une application de manière personnalisée. Une autre implémentation avec du contenu le long d'un itinéraire de voyage est illustrée par le prototype Drive by Bayern, qui est également présenté ici dans le blog .

De telles approches ne sont possibles que si le contenu sous-jacent - dans notre cas les reportages individuels des nouvelles régionales - est disponible sous une forme spécifique avec des métadonnées appropriées. Pour cette raison, nous avons contacté les archives du BR à l'approche du hackathon afin d'obtenir une matière première adaptée à notre idée.

Infrastructure de données pour le journalisme structuré

Nos collègues des archives nous ont fourni les nouvelles régionales de la Souabe, de la Haute-Bavière et de la Basse-Bavière/Haut-Palatinat, les ont découpées en clips individuels par rapport et nous ont fourni des métadonnées détaillées pour chaque clip, dont certaines ont été créées à la main, ce qui, entre autres, créé des lieux, des régions, des sujets et automatiquement avec les transcriptions d'extraction audio incluses. Cela a donné à nos algorithmes suffisamment de points de données pour réorganiser les clips selon nos critères. L'exemple suivant montre un petit extrait de nos métadonnées.

NUMBER: 82940
CLASS: “News”
TITLE: “Der Münchner Großmarkt”
LANGUAGE: “de”
RESSORT: “Regionalreda. Oberbayern”
PROGRAM: “Bayern 1”
BROADCASTDATE: “2020–11–27”
BROADCASTTIME: “10:02:17”
AUTHOR: “Hülsmann, Lenja”
EDITOR: “go / Leidl, Barbara”
SOURCE: “BR München”
CHANGEUSER: “GOSSP”
CHANGEDATE: “2020–11–29”
CHANGETIME: “09:12:48”

C'est un défi technique et organisationnel que les maisons de médias ne peuvent résoudre dans leur ensemble que par l'interaction des rédactions, de la technologie et des archives. La perspective d'une approche nouvelle, structurée et conviviale d'un matériel de haute qualité déjà produit rend l'entreprise intéressante. À l'avenir, la création des métadonnées pourra également être partiellement ou totalement automatisée.

Une autre approche du thème du journalisme structuré en référence à la régionalisation est offerte par les bases de données qui sont déjà disponibles de manière régionalement structurée. Avec de telles données sur des sujets tels que la météo ou le trafic, le contenu régionalisé peut également être parfaitement complété par des informations actualisées.

Données régionales pour la voix

Au AI + Automation Lab, nous expérimentons ce type de données depuis le début de l'année. Deux de nos projets s'appuient sur de telles bases de données, mais les utilisent de manière très différente. Début septembre 2020, nous avons lancé notre application vocale Biowetter pour Alexa . Cela permet aux utilisateurs d'interroger la météo organique pour tous les emplacements en Allemagne simplement par commande vocale. Biowetter produit ensuite les influences pour l'emplacement sélectionné dans la voix d'Alexa.

La compétence est basée sur des prévisions bio-météo librement utilisables du service météorologique allemand (DWD). Les données sont disponibles pour onze régions allemandes en fonction des conditions topographiques. Nous trouvons ce type de données intéressant car il nous permet de proposer chaque jour de nouvelles offres géolocalisées aux utilisateurs.

Chez BR24, il existe une vaste gamme de graphiques, de textes et de cartes créés automatiquement pour la pandémie corona. Pour cela, nous utilisons également des données structurées au niveau régional, par exemple pour la carte des districts pour l'incidence sur 7 jours en Bavière .

Une fois ce contenu régional basé sur les données créé, nous pouvons également l'utiliser avec l'IA et l'automatisation selon le principe du journalisme structuré dans des contextes très différents - par exemple en tant que module complémentaire individuel pour une application d'information telle que le "Remix Regional ", via des haut-parleurs intelligents et bien plus encore.

Contenu du programme linéaire

Notre prototype "Remix Regional" de BBC Newshack, la compétence vocale Biowetter et les numéros Corona pour la Bavière et l'Allemagne sont trois projets du AI + Automation Lab qui rendent les données et contenus régionaux utilisables dans des contextes très différents. Il s'agit en partie du contenu du programme linéaire, qui peut également être utilisé dans des applications personnalisées non linéaires, et en partie des données pertinentes sur ce qui se passe sur le site.

Les expériences que nous avons pu acquérir avec les applications régionalisées et la référence locale des informations constituent une base importante pour les futurs projets en BR et nous aident à mieux comprendre les besoins de nos utilisateurs et de la maison. Dans le même temps, nous pouvons contribuer à la stratégie, par exemple pour concevoir l'infrastructure technique de manière prospective.

Le prototype de notre expérience de hackathon « Remix Regional » est disponible en version web à tester sur le lien suivant .

Équipe Hackathon : Sebastian Bayerl, Michael Kreil, Morteza Shahrezaye, Uli Köppen, Cécile Schneider, Rebecca Ciesielski, Steffen Kühne (tous BR AI + Automation Lab), Christina Elmer (Der Spiegel)