Relatório de AP
detalha as melhores práticas da automação de redações
JOSEPH LICHTERMAN
http://www.niemanlab.org
Em 2014, a Associated Press começou a automatizar parte de sua cobertura de relatórios de ganhos corporativos. Em vez de ter seres humanos abrangendo as histórias básicas de finanças, o AP, trabalhando com a empresa Automated Insights , conseguiu usar algoritmos para acelerar o processo e libertar repórteres humanos para perseguir histórias mais complexas.
O AP estima que as histórias automatizadas libertaram 20 por cento do tempo que seus jornalistas gastaram em relatórios de ganhos, bem como permitiram que ele abranse empresas adicionais que não tinha capacidade para informar antes. O newswire desde então começou a automatizar algumas de suas coberturas de beisebol de liga menor, e me contou no ano passado que planeja expandir seu uso de algoritmos na redação.
"Através da automação, a AP fornece aos clientes 12 vezes as contas de ganhos corporativos como antes (para mais de 3.700), incluindo para muitas empresas muito pequenas que nunca receberam muita atenção" , disse Lisa Gibbs , editora de negócios global da AP, em um relatório A AP lançou quarta-feira.
O relatório da AP - escrito pelo gerente de desenvolvimento e estratégia de AP Francesco Marconi e pesquisador da AP Alex Siegman , juntamente com a ajuda de vários sistemas de AI - detalha alguns dos esforços do fio para automatizar seus relatórios, além de compartilhar as melhores práticas e explicar a tecnologia envolvida, Incluindo aprendizado de máquina, processamento de linguagem natural e muito mais.
O relatório também identifica três áreas específicas de que as salas de redação devem prestar atenção à medida que consideram a introdução de jornalismo aumentado: algoritmos não controlados, interrupção do fluxo de trabalho e o fosso crescente nas habilidades necessárias entre repórteres humanos para produzir esse tipo de relatório.
Para destacar os desafios do uso do jornalismo algorítmico, o relatório construiu uma situação em que um time de repórteres que cobrem perfuração de petróleo e desmatamento utilizou AI para analisar imagens de satélite para encontrar áreas impactadas pela perfuração e desmatamento.
Nossa equipe hipotética começa alimentando seu sistema AI uma série de imagens de satélite que eles conhecem representam o desmatamento através da perfuração de petróleo, bem como uma série de imagens de satélite que eles conhecem não representam o desmatamento através da perfuração de petróleo. Usando esses dados de treinamento, a máquina deve poder visualizar uma nova imagem de satélite e determinar se a terra retratada é, em última instância, de interesse para os jornalistas.
O sistema analisa os dados de treinamento e exibe uma lista de quatro locais que a máquina diz serem definitivamente representativos do desmatamento rápido causado pela atividade de perfuração nas proximidades. Mas, mais tarde, quando a equipe realmente visita cada local em busca da história, eles acham que o desmatamento não foi causado pela perfuração. Em um caso, houve um incêndio; Em outro, uma empresa de madeira era responsável.
Parece que, ao revisar os dados de treinamento, o sistema ensinou-se a determinar se uma área com desmatamento rápido estava perto de uma área montanhosa - porque toda imagem que os jornalistas usavam como dados de treinamento tinha montanhas nas fotos. A perfuração de petróleo não foi levada em consideração.
Se a equipe soubesse como seu sistema estava aprendendo, eles poderiam ter evitado esse erro. Algoritmos são criados por seres humanos, e os jornalistas precisam estar cientes de seus preconceitos e sabendo que podem cometer erros.
"Precisamos tratar números com o mesmo tipo de cuidado que trataremos os fatos de uma história" , disse Dan Keyserling , chefe de comunicação da Jigsaw, a incubadora de tecnologia da empresa-mãe Alphabet do Google. "Eles precisam ser verificados, eles precisam ser qualificados e seu contexto precisa ser entendido".
Isso significa que os sistemas de automação precisam de manutenção e manutenção, o que pode mudar o fluxo de trabalho e os processos dos editores na redação: Os modelos de história foram criados para o resultado automatizado por editores de AP experientes. Os feeds de dados especiais foram projetados por um provedor de terceiros para alimentar os modelos. A manutenção contínua é necessária nesses componentes, uma vez que as informações básicas da empresa mudam de quarto a trimestre e, embora as histórias sejam geradas e enviadas diretamente para os fios AP sem intervenção humana, os jornalistas devem observar os erros e corrigi-los.
A automação também altera o tipo de trabalho que os jornalistas fazem. Por exemplo, quando se trata das histórias de lucros corporativos do AP, Gibbs, o editor de negócios global, explicou que os repórteres estão agora buscando diferentes tipos de relatórios.
"Com o tempo liberado, os jornalistas de AP podem se envolver com mais conteúdo gerado pelos usuários, desenvolver relatórios multimídia, prosseguir o trabalho investigativo e se concentrar em histórias mais complexas" , disse Gibbs.
Ainda assim, para usar este tipo de relatórios automatizados, as salas de redação devem empregar cientistas de dados, tecnólogos e outros que são capazes de implementar e manter os algoritmos. "Nós colocamos muito esforço para colocar mais jornalistas que têm habilidades de programação nas salas de redação" , disse o diretor técnico do New York Times, Nick Rockwell .
O relatório enfatiza que a comunicação e a colaboração são críticas, especialmente mantendo a frente e a missão da missão jornalística da organização de notícias.
O relatório delineou como ele vê os cientistas dos dados do papel: Os cientistas de dados são indivíduos com capacidades técnicas para implementar os sistemas de inteligência artificial necessários para aumentar o jornalismo. Eles são principalmente cientistas, mas eles entendem o que faz uma boa história e o que faz um bom jornalismo, e eles sabem como se comunicar bem com os jornalistas. "É importante trazer a ciência para as salas de redação porque os padrões de boa ciência - transparência e reprodutibilidade - se encaixam em casa no jornalismo" , disse Larry Fenn , um matemático treinado trabalhando como jornalista na equipe de dados da AP.
JOSEPH LICHTERMAN
http://www.niemanlab.org
Em 2014, a Associated Press começou a automatizar parte de sua cobertura de relatórios de ganhos corporativos. Em vez de ter seres humanos abrangendo as histórias básicas de finanças, o AP, trabalhando com a empresa Automated Insights , conseguiu usar algoritmos para acelerar o processo e libertar repórteres humanos para perseguir histórias mais complexas.
O AP estima que as histórias automatizadas libertaram 20 por cento do tempo que seus jornalistas gastaram em relatórios de ganhos, bem como permitiram que ele abranse empresas adicionais que não tinha capacidade para informar antes. O newswire desde então começou a automatizar algumas de suas coberturas de beisebol de liga menor, e me contou no ano passado que planeja expandir seu uso de algoritmos na redação.
"Através da automação, a AP fornece aos clientes 12 vezes as contas de ganhos corporativos como antes (para mais de 3.700), incluindo para muitas empresas muito pequenas que nunca receberam muita atenção" , disse Lisa Gibbs , editora de negócios global da AP, em um relatório A AP lançou quarta-feira.
O relatório da AP - escrito pelo gerente de desenvolvimento e estratégia de AP Francesco Marconi e pesquisador da AP Alex Siegman , juntamente com a ajuda de vários sistemas de AI - detalha alguns dos esforços do fio para automatizar seus relatórios, além de compartilhar as melhores práticas e explicar a tecnologia envolvida, Incluindo aprendizado de máquina, processamento de linguagem natural e muito mais.
O relatório também identifica três áreas específicas de que as salas de redação devem prestar atenção à medida que consideram a introdução de jornalismo aumentado: algoritmos não controlados, interrupção do fluxo de trabalho e o fosso crescente nas habilidades necessárias entre repórteres humanos para produzir esse tipo de relatório.
Para destacar os desafios do uso do jornalismo algorítmico, o relatório construiu uma situação em que um time de repórteres que cobrem perfuração de petróleo e desmatamento utilizou AI para analisar imagens de satélite para encontrar áreas impactadas pela perfuração e desmatamento.
Nossa equipe hipotética começa alimentando seu sistema AI uma série de imagens de satélite que eles conhecem representam o desmatamento através da perfuração de petróleo, bem como uma série de imagens de satélite que eles conhecem não representam o desmatamento através da perfuração de petróleo. Usando esses dados de treinamento, a máquina deve poder visualizar uma nova imagem de satélite e determinar se a terra retratada é, em última instância, de interesse para os jornalistas.
O sistema analisa os dados de treinamento e exibe uma lista de quatro locais que a máquina diz serem definitivamente representativos do desmatamento rápido causado pela atividade de perfuração nas proximidades. Mas, mais tarde, quando a equipe realmente visita cada local em busca da história, eles acham que o desmatamento não foi causado pela perfuração. Em um caso, houve um incêndio; Em outro, uma empresa de madeira era responsável.
Parece que, ao revisar os dados de treinamento, o sistema ensinou-se a determinar se uma área com desmatamento rápido estava perto de uma área montanhosa - porque toda imagem que os jornalistas usavam como dados de treinamento tinha montanhas nas fotos. A perfuração de petróleo não foi levada em consideração.
Se a equipe soubesse como seu sistema estava aprendendo, eles poderiam ter evitado esse erro. Algoritmos são criados por seres humanos, e os jornalistas precisam estar cientes de seus preconceitos e sabendo que podem cometer erros.
"Precisamos tratar números com o mesmo tipo de cuidado que trataremos os fatos de uma história" , disse Dan Keyserling , chefe de comunicação da Jigsaw, a incubadora de tecnologia da empresa-mãe Alphabet do Google. "Eles precisam ser verificados, eles precisam ser qualificados e seu contexto precisa ser entendido".
Isso significa que os sistemas de automação precisam de manutenção e manutenção, o que pode mudar o fluxo de trabalho e os processos dos editores na redação: Os modelos de história foram criados para o resultado automatizado por editores de AP experientes. Os feeds de dados especiais foram projetados por um provedor de terceiros para alimentar os modelos. A manutenção contínua é necessária nesses componentes, uma vez que as informações básicas da empresa mudam de quarto a trimestre e, embora as histórias sejam geradas e enviadas diretamente para os fios AP sem intervenção humana, os jornalistas devem observar os erros e corrigi-los.
A automação também altera o tipo de trabalho que os jornalistas fazem. Por exemplo, quando se trata das histórias de lucros corporativos do AP, Gibbs, o editor de negócios global, explicou que os repórteres estão agora buscando diferentes tipos de relatórios.
"Com o tempo liberado, os jornalistas de AP podem se envolver com mais conteúdo gerado pelos usuários, desenvolver relatórios multimídia, prosseguir o trabalho investigativo e se concentrar em histórias mais complexas" , disse Gibbs.
Ainda assim, para usar este tipo de relatórios automatizados, as salas de redação devem empregar cientistas de dados, tecnólogos e outros que são capazes de implementar e manter os algoritmos. "Nós colocamos muito esforço para colocar mais jornalistas que têm habilidades de programação nas salas de redação" , disse o diretor técnico do New York Times, Nick Rockwell .
O relatório enfatiza que a comunicação e a colaboração são críticas, especialmente mantendo a frente e a missão da missão jornalística da organização de notícias.
O relatório delineou como ele vê os cientistas dos dados do papel: Os cientistas de dados são indivíduos com capacidades técnicas para implementar os sistemas de inteligência artificial necessários para aumentar o jornalismo. Eles são principalmente cientistas, mas eles entendem o que faz uma boa história e o que faz um bom jornalismo, e eles sabem como se comunicar bem com os jornalistas. "É importante trazer a ciência para as salas de redação porque os padrões de boa ciência - transparência e reprodutibilidade - se encaixam em casa no jornalismo" , disse Larry Fenn , um matemático treinado trabalhando como jornalista na equipe de dados da AP.
Comentários