Hackathon Jurnalisme Terstruktur

Di BBC #Newshack, BR AI + Automation Lab mengembangkan prototipe “Remix Regional”. Tujuannya adalah untuk menawarkan berita regional dari radio dengan cara berbasis lokasi dan dipersonalisasi melalui aplikasi. Idenya mengikuti prinsip Jurnalisme Terstruktur. Dan campuran berita yang dipersonalisasi sangat berkaitan dengan Lego.

BR adalah penyedia regional. Keragaman wilayah Bavaria tercermin dalam program kami, yang sering diproduksi di lokasi di studio regional atau oleh koresponden kami di banyak tempat di Bavaria. Itulah mengapa jelas bagi kami di AI + Automation Lab sejak awal bahwa regionalisasi konten akan menjadi fokus pekerjaan kami.

Meretas dengan BBC

BBC menyelenggarakan "Konten Modular" BBC #Newshack pada tanggal 3 dan 4 Desember . Pertanyaan kuncinya adalah “ Bagaimana kami dapat menggunakan konten modular untuk mempersonalisasi pengalaman berita?” di atas hackathon: Bagaimana kami dapat menggunakan konten modular untuk mempersonalisasi pengalaman berita?

Hackathon dengan demikian mengikuti prinsip jurnalisme terstruktur . Jurnalisme terstruktur adalah bentuk jurnalisme yang digerakkan oleh metadata dan teknologi baru. Diasumsikan bahwa setiap kontribusi pada dasarnya terdiri dari blok informasi individual. Wartawan kemudian dapat menggunakan kecerdasan buatan (AI) dan otomatisasi untuk menyusun kembali blok-blok ini menjadi bagian, format, atau bahkan produk baru.

Salah satu tantangan terbesar adalah memproduksi konten dengan cara modular sejak awal atau untuk secara otomatis membagi konten yang ada menjadi blok-blok informasi yang lebih kecil dan untuk menyimpan informasi terbaik tentang konten dari masing-masing blok sebagai metadata yang dapat dibaca mesin. Metode pemrosesan bahasa (NLP) atau kecerdasan buatan sering digunakan di sini.

Prinsip Lego dalam jurnalisme

Dengan menggunakan metadata, blok informasi dapat disatukan kembali berulang kali seperti balok Lego, misalnya untuk membentuk deret waktu, mengelompokkan konten pada topik tertentu, atau berfokus pada lokasi tertentu. Untuk BBC #Newshack kami memutuskan untuk melihat dimensi data regional.

Dari segi konten, kami memilih berita regional dalam program pagi Bayern 1, yang diproduksi di studio regional dan disiarkan di lima jendela regional untuk Upper Bavaria, Lower Bavaria/Upper Palatinate, Swabia, Franconia, dan Main Franconia.

“Remix Regional”: Berita regional yang dipersonalisasi

Kami mengembangkan prototipe "Remix Regional" kami untuk BBC #Newshack dalam waktu kurang dari 48 jam. Solusinya, yang dirancang sebagai aplikasi, memungkinkan pengguna memilih lokasi di Bavaria dan mendengarkan berita regional yang dipersonalisasi dari program Radio Bavaria. Misalnya, pengguna di Landsberg am Lech tidak hanya menerima klip berita dari Bavaria Atas, seperti yang terjadi di program radio, tetapi juga, misalnya, dari Memmingen di distrik administratif tetangga Swabia.

Ini dipastikan oleh algoritme di latar belakang aplikasi, yang mengkompilasi paket pesan berdasarkan faktor seperti jarak, ukuran lokasi, dan perincian spasial. Algoritme vektor kemudian menentukan urutan klip yang dipilih, yang mengelompokkan laporan menurut kesamaan tematiknya. Dengan cara ini, kita dapat menghindari lompatan subjek yang tidak dapat dipahami pengguna, seperti dari Corona ke olahraga kembali ke Corona.

Tidak ada yang berhasil tanpa metadata

"Remix Regional" menunjukkan ide tentang bagaimana kami dapat memutar konten modular dari program radio linier di aplikasi dengan cara yang dipersonalisasi. Implementasi lain dengan konten sepanjang rute perjalanan ditunjukkan oleh prototipe Drive by Bayern, yang juga disajikan di sini di blog .

Pendekatan semacam itu hanya mungkin jika konten yang mendasarinya - dalam kasus kami laporan individu dari berita regional - tersedia dalam bentuk tertentu dengan metadata yang sesuai. Untuk alasan ini, kami menghubungi arsip BR menjelang hackathon untuk mendapatkan bahan mentah yang cocok untuk ide kami.

Infrastruktur data untuk Jurnalisme Terstruktur

Kolega arsip kami mendapatkan berita regional dari Swabia, Bavaria Atas, dan Bavaria Bawah/Pfalsa Atas, memotongnya menjadi klip individual per laporan dan memberi kami metadata ekstensif untuk setiap klip, beberapa di antaranya dibuat dengan tangan, yang, antara lain, tempat, wilayah, topik yang dibuat, dan secara otomatis dengan Transkrip penambangan audio disertakan. Ini memberi algoritme kami cukup poin data untuk mengatur ulang klip sesuai dengan kriteria kami. Contoh berikut menunjukkan kutipan kecil dari metadata kami.

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”

Ini adalah tantangan teknis dan organisasi yang hanya dapat diselesaikan oleh rumah media secara keseluruhan melalui interaksi departemen editorial, teknologi, dan arsip. Prospek pendekatan baru, terstruktur, dan mudah digunakan untuk bahan berkualitas tinggi yang telah diproduksi membuat usaha ini bermanfaat. Di masa mendatang, pembuatan metadata juga dapat diotomatisasi sebagian atau seluruhnya.

Pendekatan lain untuk topik jurnalisme terstruktur dengan mengacu pada regionalisasi ditawarkan oleh database yang sudah tersedia secara terstruktur secara regional. Dengan data tentang topik seperti cuaca atau lalu lintas, konten regional juga dapat dilengkapi dengan informasi terkini.

Data Regional untuk Suara

Di AI + Automation Lab, kami telah bereksperimen dengan data seperti ini sejak awal tahun. Dua dari proyek kami dibangun di atas basis data tersebut, tetapi menggunakannya dengan cara yang sangat berbeda.Pada awal September 2020, kami merilis aplikasi suara kami Biowetter untuk Alexa . Ini memungkinkan pengguna untuk menanyakan cuaca organik untuk semua lokasi di Jerman hanya dengan perintah suara. Biowetter kemudian mengeluarkan pengaruh untuk lokasi yang dipilih dalam suara Alexa.

Keahlian ini didasarkan pada prakiraan cuaca biologis yang dapat digunakan secara bebas dari Layanan Cuaca Jerman (DWD). Data tersedia untuk sebelas wilayah Jerman berdasarkan kondisi topografi. Kami menemukan jenis data ini menarik karena memungkinkan kami membuat penawaran berbasis lokasi baru untuk pengguna setiap hari.

Di BR24 ada banyak sekali grafik, teks, dan peta yang dibuat secara otomatis untuk pandemi korona. Kami juga menggunakan data terstruktur regional untuk ini, misalnya peta distrik untuk kejadian 7 hari di Bavaria .

Setelah konten regional berbasis data ini dibuat, kami juga dapat menggunakannya dengan AI dan otomatisasi sesuai dengan prinsip jurnalisme terstruktur dalam konteks yang sangat berbeda - misalnya sebagai add-on individual untuk aplikasi berita seperti "Remix Regional " prototipe, melalui speaker pintar dan banyak lagi.

Konten dari program linier

Prototipe "Remix Regional" kami dari BBC Newshack, keterampilan suara Biowetter, dan nomor Corona untuk Bavaria dan Jerman adalah tiga proyek dari AI + Automation Lab yang membuat data dan konten regional dapat digunakan dalam konteks yang sangat berbeda. Beberapa di antaranya adalah konten dari program linear, yang juga dapat digunakan dalam aplikasi non-linear yang dipersonalisasi, dan beberapa di antaranya adalah data relevan tentang apa yang terjadi di situs.

Pengalaman yang dapat kami peroleh dengan aplikasi regional dan referensi informasi lokal membentuk dasar penting untuk proyek mendatang di BR dan membantu kami untuk lebih memahami kebutuhan pengguna kami dan di rumah. Pada saat yang sama, kita dapat memberi umpan balik ke dalam strategi, misalnya merancang infrastruktur teknis dengan cara yang berwawasan ke depan.

Prototipe eksperimen hackathon kami “Remix Regional” tersedia sebagai versi web untuk dicoba di tautan berikut .

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