Hackathon báo chí có cấu trúc

Tại BBC #Newshack, BR AI + Phòng thí nghiệm tự động hóa đã phát triển nguyên mẫu “Remix Regional”. Mục đích là cung cấp tin tức khu vực từ đài phát thanh theo cách dựa trên vị trí và được cá nhân hóa thông qua một ứng dụng. Ý tưởng tuân theo nguyên tắc Báo chí có cấu trúc. Và nhân tiện, hỗn hợp tin tức được cá nhân hóa có liên quan nhiều đến Lego.

BR là nhà cung cấp khu vực. Sự đa dạng của các vùng Bavaria được phản ánh trong chương trình của chúng tôi, chương trình này thường được sản xuất tại chỗ trong các studio khu vực hoặc bởi các phóng viên của chúng tôi ở nhiều nơi ở Bavaria. Đó là lý do tại sao chúng tôi trong Phòng thí nghiệm AI + Tự động hóa đã sớm nhận ra rằng việc khu vực hóa nội dung sẽ là trọng tâm trong công việc của chúng tôi.

Hack với BBC

BBC đã tổ chức chương trình BBC #Newshack “Nội dung mô-đun” vào ngày 3 và 4 tháng 12 . Câu hỏi chính là “ Làm cách nào chúng ta có thể sử dụng nội dung mô-đun để cá nhân hóa trải nghiệm tin tức?” phía trên cuộc thi hackathon: Làm cách nào chúng tôi có thể sử dụng nội dung mô-đun để cá nhân hóa trải nghiệm tin tức?

Do đó, hackathon tuân theo nguyên tắc báo chí có cấu trúc . Báo chí có cấu trúc là một hình thức báo chí được thúc đẩy bởi siêu dữ liệu và công nghệ mới. Nó giả định rằng mỗi đóng góp về cơ bản bao gồm các khối thông tin riêng lẻ. Sau đó, các nhà báo có thể sử dụng trí tuệ nhân tạo (AI) và tự động hóa để lắp ráp lại các khối này thành các phần, định dạng mới hoặc thậm chí là các sản phẩm mới.

Một trong những thách thức lớn nhất là sản xuất nội dung theo cách mô-đun ngay từ đầu hoặc tự động phân chia nội dung hiện có thành các khối thông tin nhỏ hơn và lưu thông tin tốt nhất có thể về nội dung của các khối riêng lẻ dưới dạng siêu dữ liệu mà máy có thể đọc được. Phương pháp xử lý ngôn ngữ (NLP) hoặc trí tuệ nhân tạo thường được sử dụng ở đây.

Nguyên tắc Lego trong báo chí

Sử dụng siêu dữ liệu, các khối thông tin có thể được đặt lại với nhau nhiều lần giống như những viên gạch Lego, chẳng hạn như để tạo thành chuỗi thời gian, để nhóm nội dung về một chủ đề cụ thể hoặc để tập trung vào một vị trí cụ thể. Đối với BBC #Newshack, chúng tôi quyết định xem xét khía cạnh dữ liệu khu vực.

Về nội dung, chúng tôi đã chọn tin tức khu vực trong chương trình buổi sáng của Bayern 1, được sản xuất tại các trường quay khu vực và phát sóng trong năm cửa sổ khu vực cho Thượng Bavaria, Hạ Bavaria/Thượng Palatinate, Swabia, Franconia và Main Franconia.

“Remix khu vực”: Tin tức khu vực được cá nhân hóa

Chúng tôi đã phát triển nguyên mẫu “Remix Regional” cho BBC #Newshack trong vòng chưa đầy 48 giờ. Giải pháp, được thiết kế dưới dạng một ứng dụng, cho phép người dùng chọn một địa điểm ở Bavaria và nghe tin tức khu vực được cá nhân hóa từ chương trình Đài phát thanh Bavarian. Ví dụ: người dùng ở Landsberg am Lech không chỉ nhận được các đoạn tin tức từ Thượng Bavaria, như trường hợp của chương trình phát thanh, mà còn, chẳng hạn, từ Memmingen ở quận hành chính lân cận Swabia.

Điều này được đảm bảo bởi một thuật toán trong nền của ứng dụng, sẽ biên dịch gói tin nhắn theo các yếu tố như khoảng cách, kích thước vị trí và mức độ chi tiết của không gian. Sau đó, một thuật toán véc-tơ sẽ xác định trình tự của các clip đã chọn, phân cụm các báo cáo theo chủ đề tương tự của chúng. Bằng cách này, chúng tôi có thể tránh được các bước nhảy chủ đề mà người dùng không thể hiểu được, chẳng hạn như từ Corona sang thể thao trở lại Corona.

Không có gì hoạt động mà không có siêu dữ liệu

"Remix khu vực" cho thấy ý tưởng về cách chúng tôi có thể phát nội dung mô-đun từ chương trình radio tuyến tính trong một ứng dụng theo cách được cá nhân hóa. Một cách triển khai khác với nội dung dọc theo lộ trình du lịch được hiển thị bởi nguyên mẫu Drive by Bayern, cũng được trình bày ở đây trong blog .

Những cách tiếp cận như vậy chỉ có thể thực hiện được nếu nội dung cơ bản - trong trường hợp của chúng tôi là các báo cáo riêng lẻ từ tin tức khu vực - có sẵn ở dạng cụ thể với siêu dữ liệu phù hợp. Vì lý do này, chúng tôi đã liên hệ với kho lưu trữ BR trong thời gian chuẩn bị cho cuộc thi hackathon để có được tài liệu thô phù hợp cho ý tưởng của chúng tôi.

Cơ sở hạ tầng dữ liệu cho Báo chí có cấu trúc

Các đồng nghiệp trong kho lưu trữ của chúng tôi đã cung cấp cho chúng tôi tin tức khu vực từ Swabia, Thượng Bavaria và Hạ Bavaria/Thượng Palatinate, cắt chúng thành các clip riêng lẻ cho mỗi báo cáo và cung cấp cho chúng tôi siêu dữ liệu mở rộng cho mỗi clip, một số trong số đó được tạo thủ công, trong số đó, cùng với những thứ khác, đã tạo các địa điểm, khu vực, chủ đề và tự động với Bản ghi khai thác âm thanh được bao gồm. Điều này đã cung cấp cho các thuật toán của chúng tôi đủ điểm dữ liệu để sắp xếp lại các clip theo tiêu chí của chúng tôi. Ví dụ sau đây hiển thị một đoạn trích nhỏ trong siêu dữ liệu của chúng tôi.

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”

Đây là một thách thức về kỹ thuật và tổ chức mà các nhà truyền thông chỉ có thể giải quyết một cách tổng thể trong sự tương tác của các bộ phận biên tập, công nghệ và lưu trữ. Triển vọng về một cách tiếp cận mới, có cấu trúc và thân thiện với người dùng đối với vật liệu chất lượng cao đã được sản xuất khiến cho việc thực hiện trở nên đáng giá. Trong tương lai, việc tạo siêu dữ liệu cũng có thể được tự động hóa một phần hoặc hoàn toàn.

Một cách tiếp cận khác đối với chủ đề báo chí có cấu trúc liên quan đến khu vực hóa được cung cấp bởi các cơ sở dữ liệu đã có sẵn theo cách có cấu trúc theo khu vực. Với dữ liệu như vậy về các chủ đề như thời tiết hoặc giao thông, nội dung được khu vực hóa cũng có thể được bổ sung một cách xuất sắc với thông tin cập nhật.

Dữ liệu khu vực cho giọng nói

Tại Phòng thí nghiệm AI + Tự động hóa, chúng tôi đã thử nghiệm dữ liệu như thế này từ đầu năm. Hai trong số các dự án của chúng tôi xây dựng trên những cơ sở dữ liệu như vậy, nhưng sử dụng chúng theo những cách rất khác nhau. Vào đầu tháng 9 năm 2020, chúng tôi đã phát hành ứng dụng giọng nói Biowetter cho Alexa . Điều này cho phép người dùng truy vấn thời tiết hữu cơ cho tất cả các địa điểm ở Đức chỉ bằng lệnh thoại. Biowetter sau đó đưa ra những ảnh hưởng cho vị trí đã chọn bằng giọng nói của Alexa.

Kỹ năng này dựa trên các dự báo thời tiết sinh học có thể sử dụng miễn phí từ Dịch vụ thời tiết Đức (DWD). Dữ liệu có sẵn cho mười một khu vực của Đức dựa trên điều kiện địa hình. Chúng tôi thấy loại dữ liệu này thú vị vì nó cho phép chúng tôi đưa ra các ưu đãi mới dựa trên vị trí cho người dùng mỗi ngày.

Tại BR24 có rất nhiều đồ họa, văn bản và bản đồ được tạo tự động cho đại dịch hào quang. Chúng tôi cũng sử dụng dữ liệu có cấu trúc theo khu vực cho việc này, chẳng hạn như đối với bản đồ quận về tỷ lệ mắc bệnh trong 7 ngày ở Bavaria .

Khi nội dung khu vực dựa trên dữ liệu này đã được tạo, chúng tôi cũng có thể sử dụng nó với AI và tự động hóa theo nguyên tắc báo chí có cấu trúc trong các ngữ cảnh rất khác nhau — ví dụ như một tiện ích bổ sung riêng lẻ cho một ứng dụng tin tức, chẳng hạn như “Remix khu vực ” nguyên mẫu, thông qua loa thông minh và hơn thế nữa.

Nội dung từ chương trình tuyến tính

Nguyên mẫu “Remix khu vực” của chúng tôi từ BBC Newshack, kỹ năng giọng nói Biowetter và số Corona cho Bavaria và Đức là ba dự án từ Phòng thí nghiệm AI + Tự động hóa giúp dữ liệu và nội dung khu vực có thể sử dụng được trong các bối cảnh rất khác nhau. Một số trong số này là nội dung từ chương trình tuyến tính, cũng có thể được sử dụng trong các ứng dụng phi tuyến tính, được cá nhân hóa và một số là dữ liệu liên quan về những gì đang diễn ra trên trang web.

Những trải nghiệm mà chúng tôi có thể đạt được với các ứng dụng được khu vực hóa và tham chiếu thông tin địa phương tạo thành cơ sở quan trọng cho các dự án trong tương lai ở BR và giúp chúng tôi hiểu rõ hơn nhu cầu của người dùng và trong nhà. Đồng thời, chúng tôi có thể phản hồi lại chiến lược, chẳng hạn như thiết kế cơ sở hạ tầng kỹ thuật theo hướng tương lai.

Nguyên mẫu thử nghiệm hackathon của chúng tôi “Remix Regional” có sẵn dưới dạng phiên bản web để dùng thử tại liên kết sau .

Nhóm Hackathon: Sebastian Bayerl, Michael Kreil, Morteza Shahrezaye, Uli Köppen, Cécile Schneider, Rebecca Ciesielski, Steffen Kühne (tất cả BR AI + Phòng thí nghiệm tự động hóa), Christina Elmer (Der Spiegel)