Bildnachweis: Geber86
In einem digitalen Zeitalter, in dem der traditionelle Journalismus schrumpft, sind Journalisten dünn gesät. Lokale Nachrichtenorganisationen schließen ohne genügend Leserschaft und Finanzen, um sich über Wasser zu halten; Nationale Publikationen bauen Arbeitsplätze ab. Die Arbeitsbelastung von Journalisten nimmt weiter zu, um diesen Veränderungen Rechnung zu tragen, aber es gibt nur eine begrenzte Menge, die ein Mensch tun kann.
Dazu kommt künstliche Intelligenz. Alexander Spangher, ein Doktorand am Information Sciences Institute der University of Southern California, hat sich vorgenommen, diese manuelle Belastung in einem viergleisigen Projekt zu reduzieren, das viele der mühsameren Aspekte der journalistischen Arbeit automatisiert.
Ehemaliger Datenwissenschaftler für die New York Times, sah Spangher eine Gelegenheit, seine Informatikkenntnisse einzusetzen, um Reportern zu helfen, die unter dem Strom von Informationen ertrinken, der auf sie zukommt – während sie unter dem Druck stehen, die richtige Wahl zu treffen. Kurz gesagt: Was ist berichtenswert und kann KI Einfluss nehmen?
„Wir versuchen, die wirklich langweiligen, alltäglichen Teile des Jobs zu nehmen und sie einfacher zu machen“, erklärte Spangher, „damit Journalisten mehr Geschichten nachjagen, mehr Quellen finden, ausgefeiltere Ressourcen nutzen und ihre Arbeit bewerben können mehr Plattformen und decken insgesamt relevantere Themen ab.“
Spangher war inspiriert von der zwingenden Rolle des Journalismus bei der Unterstützung der Demokratie und der Notwendigkeit, sie zu bewahren.
„Wenn Journalisten uns nicht über unsere Welt erzählen würden, würden wir unsere Gemeinschaften nicht verstehen oder wüssten nicht, wie wir uns engagieren können. Wir wären nicht in der Lage, informiert abzustimmen“, erklärte Spangher. „Es gibt so viele entscheidende, wichtige Informationen, die Journalisten für uns aufdecken. Ich bin immer wieder beeindruckt von der Rolle dieser Journalisten in der liberalen Demokratie. Eine Studie ergab beispielsweise, dass jeder von einer Nachrichtenagentur ausgegebene Dollar der Gesellschaft 1.000 Dollar zugute kam. Ein anderer fand, dass der lokale Journalismus der größte Einzelfaktor für eine gute Regierung ist.“
Der erste Aspekt der von ihm konzipierten Lösung besteht darin, ein Modell zu trainieren, um den Nachrichtenwert einer Information anhand einer Zeitung zu bestimmen. Das Modell versucht vorherzusagen, ob ein Textstück auf der Titelseite erscheinen oder in der Mitte oder hinten landen wird.
„Dieses „Titelseite vs. nicht“-Modell deckt einen so kleinen Teil des Spektrums der Nachrichtenwürdigkeit ab – es gibt so viele andere Ebenen, wie die Geschichten, die überhaupt nicht behandelt werden. Wir waren uns also nicht sicher, ob es etwas Nützliches tun würde. Aber wir haben es auf Material angewendet, das Journalisten ständig in ihrer Berichterstattung verwenden – wie das Protokoll einer Sitzung des Stadtrats von Los Angeles – und festgestellt, dass wir wirklich interessante Hinweise auftauchen! Zum Beispiel eine über die Durchsetzung der Lohngleichheit zwischen Frauen- und Männerfußballteams durch den Stadtrat von LA, die laut unserem Algorithmus ganz oben auf der Titelseite stehen sollte, aber noch nicht behandelt wurde“, erklärte Spangher. „Es gibt all diese wichtigen Geschichten, für die Journalisten einfach nicht die Zeit hatten, sie zu finden und zu behandeln.“
Spanghers Berater, Jonathan May, Research Associate Professor für Informatik an der USC, sagt, dass die lokalen Nachrichten am stärksten von der technologischen Revolution betroffen sind, obwohl derzeit ein erheblicher Bedarf dafür besteht.
„Ein großes Problem des Lokaljournalismus ist, dass es selbst in den besten Zeiten schwierig ist, ihn am Laufen zu halten“, bemerkte May. Einige Gebiete sind „Nachrichtenwüsten“ und bekommen einfach nicht die Berichterstattung wie früher, aber mit Tools wie diesen „kann die begrenzte Bandbreite eines lokalen Beat-Reporters vergrößert werden“.
In Bezug auf die Sitzungsnotizen des Stadtrats von LA besteht das Ziel beispielsweise darin, „zu versuchen, diese öffentlichen Aufzeichnungen zu nehmen und zu den wichtigsten Aspekten der Sitzung aufzusteigen, die es wert sind, weiterverfolgt zu werden“, fügte May hinzu.
Der zweite Teil des Projekts konzentriert sich darauf, wen man interviewt, nachdem eine Story-Idee vorhanden ist, indem ein Modell eingerichtet wird, das „Journalisten dabei hilft, Quellen zu finden, die sie nicht in Betracht gezogen hätten, vielleicht vielfältigere Quellen, die ihren Informationsbedarf noch decken können“. Spangher hervorgehoben.
Eine der zeitaufwändigsten Aufgaben für einen Journalisten ist das Posten und Bewerben seiner Geschichte auf Social-Media-Plattformen. Das Ziel der dritten Installation von Spanghers Arbeit ist es, ein System zu entwickeln, das den Artikel eines Journalisten optimieren kann, um ihn auf verschiedenen Plattformen wie Facebook, LinkedIn oder Twitter zu bewerben. Der KI-Helfer könnte verschiedene Versionen des Artikels formulieren, um die beste Leistung zu erzielen und eine möglichst breite Reichweite zu haben.
„Die Frage am Ende ist, was auf den verschiedenen Plattformen funktionieren wird, basierend auf der Dynamik der Plattform, wie sie läuft und worauf die Leute achten. Alle drei sind weitgehend algorithmisch“, erklärte Spangher. „Daher macht es Sinn, dass ein Algorithmus die Anforderungen eines anderen Algorithmus erfüllen kann.“
Das letzte Stück von Spanghers Arbeit untersucht, wie Geschichten wachsen – oder nicht – seit sie veröffentlicht wurden. Er sammelte einen großen Datensatz verschiedener Artikel und ihrer Versionen mit der Absicht, „den Bogen einer Geschichte im Laufe der Zeit zu verfolgen“. Das Aufspüren von Trends und das Verfolgen, „welche Geschichten sich weiterentwickeln und welche aufhören, sich zu entwickeln, sind wichtige Fragen“, betonte er. Für diese Arbeit erhielt er auf der NAACL 2022 einen Outstanding Paper Award.
Spangher ist fest davon überzeugt, dass er trotz der bemerkenswerten Auswirkungen dieser neuen Tools glaubt, dass KI den Journalisten niemals ersetzen wird. „Der Kern des Journalismus ist ein grundlegend menschlicher Prozess“, sagte er.
Einer der herausforderndsten Aspekte dieser Arbeit, so Spangher, bestand jedoch darin, herauszufinden, „wie man über Tools denkt, von denen wir glauben, dass sie hilfreich sein werden, ohne Journalisten zu verängstigen oder ihnen das Gefühl zu geben, dass maschinelles Lernen ihre Arbeit einnimmt“.
Die Forschung befindet sich noch in den Anfängen, aber Spanghers ultimatives Ziel ist es, dass diese Tools Nachrichtenorganisationen und Reportern überall in irgendeiner Form zur Verfügung stehen.
„In vielleicht fünf oder zehn Jahren hoffe ich, die Möglichkeit zu erkunden, ein Start-up zu gründen, das einer Dienstleistungsplattform ähnelt, die all diese Tools wirklich zusammenführt und Journalisten entlang der gesamten Pipeline der Story-Produktion hilft“, sagte der Doktorand .
Veröffentlicht am 28.11.2022
Zuletzt aktualisiert am 28. November 2022