Automatisering av nyheitsarbeid i lokalaviser


Redaksjonsrommet i avisa Sunnhordland. Journalist Olav Røli sit ved datamaskina og redigerer ei sak til neste nummer. (Foto: Lars Nyre).

Skriven av: Lars Nyre og Espen Reiss Mathiesen

Publisert: 18.06.2020

RAM-støtte til forskingsprosjekt i TekLab:

Automatisering av nyheitsarbeid i lokalaviser

“Automatiserte nyheiter” er eit forskingsdrive innovasjonsprosjekt der forskarar bidreg til å lage redaksjonelle støtteverktøy basert på kunstig intelligens. Prosjektet er eit samarbeid med dei tre lokalavisene Sunnhordland, Hordaland og Hallingdølen.

Her presenterer vi bakgrunnen for prosjektet, og tek deretter for oss tre forskingsspørsmål og hovudlinjene i måten vi jobbar med dei på. Det heile inngår i ei langsiktig satsing på ansvarleg teknologiutvikling for journalistikk som byrja med EU-prosjektet INJECT i 2016.

Støtte frå Rådet for anvendt medieforsking

Prosjektet har fått støtte frå Rådet for anvendt medieforsking for 2020 – 2021, og startar opp hausten 2020 etter ei forseinking pga. koronakrisa. Prosjektet vert drifta ved Institutt for medie- og samfunnsfag ved Universitetet i Stavanger (UiS) der professor II Lars Nyre og fyrstelektor Espen Reiss Mathiesen er initiativtakarar og hovudansvarlege. Vi har hyra inn masterstudent Jo Friedstrøm ved UiS som vitskapleg assistent til å hjelpe oss med datainnsamling og testing av teknologi.

“Automatiske nyheiter” er bygd opp som tre delprosjekt. Det fyrste er ein oversiktsstudie over bruken av kunstig intelligens og automatisering i det journalistiske arbeidet i norske redaksjonar. Det andre eit utviklingsprosjekt der ein prototype på halv-automatisk innhenting av tips frå lesarar vert utvikla i samarbeid teknologifirmaet Future Solutions og dei tre lokalavisene Sunnhordland, Hordaland og Hallingdølen. Ein fyrste versjon av prototypen med namnet Ekko vart utvikla av studentar ved UiB i 2019. Det tredje er ein strategisk analyse av kor godt slike lokale innovasjonsprosjekt fungerer, og kva verdi dei kan ha for avisene sjølve.

Samarbeidet mellom universitetet og desse verksemdene har ei lang forhistorie. Frå 2016 til 2018 var Universitetet i Bergen ved TekLab og dei tre avisene med på ein Innovation Action i Horizon 2020. Dette var eit prosjekt knytt til kreative verktøy for journalistar som jobbar under hardt press i lokalredaksjonar med tittelen “INJECT – Innovation Journalism. Enhanced Creativity tools”.

Prosjektet fekk støtte frå Rådet for anvendt medieforsking i 2017, og dette gjorde det mogeleg å gjennomføre eit meir omfattande forskings- og utviklingsprosjekt i Noreg enn kva som fyrst var planlagt. Vi kunne fordjupe oss mykje grundigare i teknologibehova til lokalaviser. Det nye prosjektet “Automatiserte nyheiter” byggjer vidare på lærdomane frå INJECT, og vidarefører aktivitetar som vart mogeleggjort av den fyrste RAM-tildelinga.

 

Teknologi: Redaksjonelle støtteverktøy

Kunstig intelligens for journalistikken er eit veksande forskingsfelt. Holand og Engan (2020) viser at bruken av AI kan delast i fire ledd: autogenerering av artiklar, automatisk distribusjon, automatisk publisering og personalisering av innhald til lesarar (sjå også Svendsen, Gulla og Frøland 2019).

I tillegg vert AI brukt til å lage kreative støtteverktøy for journalistar (Maiden, Zachos, Brown, Brock, Nyre et.al. 2018) og til å finne samanhengar og mønster i store dokumentmengder (Lindén og Tuulonen (red) 2019; Stray 2019).

RAM-prosjektet er knytt til redaksjonelle støtteverktøy som skal hjelpe journalisten til å gjere ein betre og meir effektiv jobb, men utan å erstatta henne. Dette vert også kalla “augmented journalism” og det kan skiljast ut som eit eige felt innafor automatisering og datafisering av journalistikken. Slik teknologiutvikling er knytt til redaksjonelt kjeldearbeid der innsamling av informasjon, overvaking av saksområde, arkivsøk og andre søketenester er sentrale.

 

Tre forskingsspørsmål

Kva slags kunstig intelligens-teknologiar for redaksjonell støtte eignar seg best for lokalaviser? Kan lokalaviser lage løysingar sjølve? Kor godt fungerer slike lokale innovasjonsprosjekt?

Det fyrste spørsmålet vert utforska ved at vi spør 30 strategisk valte journalistar, utviklarar og redaktørar i Noreg og Norden om kva støtteverktøy for kjeldesøk, tips frå publikum og anna stoffinnhenting dei har erfaring med, og korleis desse vil kunne fungere for lokalaviser av vår type. Kunnskapen frå denne kvalitative undersøkinga vert brukt i utviklinga av støtteverktøyet Ekko; eit datasystem som tek imot, filtrerer og presenterer tips frå publikum til journalistane.

Det andre forskingsspørsmålet vert utforska ved at vi evaluerer utviklinga av støtteverktøyet Ekko utifrå nyttekriterier som vi også identifiserer kvalitativt. Vi ber både journalistar og avislesarar i dei tre lokalsamfunna om å teste prototypen og gje innspel til korleis den kan forbetrast.

I prosessen observerer vi dessutan kor godt denne utviklingsprosessen for lokal innovasjon fungerer. Det tredje forskingsspørsmålet er: Kor lett eller vanskeleg er det for teknologiutviklarane å følgje opp innspel frå lokalsamfunnet? Kor godt ender Ekko opp med å få fungere for dei tre lokalavisene? Kan dei sjå for seg å gjere liknande utviklingsprosjekt i framtida?

Delprosjekt 1: Oversyn over AI-bruk i norske redaksjonar

Kva slags kunstig intelligens-løysingar er i bruk internasjonalt og i Noreg pr. 2019-2020? Vi vil kartlegge situasjonen knytt til bruk av automatisert journalistikk i utvalde lokale, nasjonale, og nordiske medium, og analysere nytteverdien i dei eksisterande løysingane for norsk lokaljournalistikk. Kva slags løysingar eignar seg best for små forhold?

Vi brukar kvalitative intervju til å spørje journalistar, redaktørar og utviklarar i avisene om bruken av kunstig intelligens. Vår spørjeundersøking er eit forsøk på å utvide den forskingsorienterte kunnskapen om AI og journalistikk. Vi intervjuar teknologiansvarlege, redaktørar og journalistar i utvalte norske mediehus om kva slags AI-verktøy dei brukar og korleis bruken og vidareutviklinga av slike verktøy er organisert.

Vi brukar også tekst- og dokumentanalyse til å kartlegge store internasjonale tendensar innan kunstig intelligens for automatisering av journalistikk. Teknologiane som vert tekne i bruk i lokaljournalistikken har vanlegvis vorte utvikla som del av den globale teknologiutviklinga, og store internasjonale mediehus som New York Times og The Guardian går ofte fyrst.

Nordiske aktørar som Svenska Dagbladet, NTB og DR set også premissar for innovasjonen i lokalaviser. NTB har kome lengst med slike prosessar i Noreg, og dei har i mange år allereie laga automatiserte nyheiter om fotballresultat, valresultat og kjøp og sal av eigedom. Adresseavisa i Trondheim utviklar sine eigne system (Svendsen et.al. 2019), og det same gjer Kommunal Rapport (Aarli-Røndalen, 2018). Amedia har sin eigen utviklingsavdeling som lagar løysningar basert på kunstig intelligens for avisredaksjonar.

Det er viktig for prosjektet å ha oversyn over dei viktigaste utviklingstrekka både nasjonalt og internasjonalt, slik at våre bidrag til lokalavisene vert mest mogeleg realistisk og relevant.

 

Delprosjekt 2: Design og evaluering av tipsapplikasjonen Ekko

Ekko er ein prototype på ein halv-automatisk tipsteneste som kan brukast av abonnentar og andre borgarar i nedslagsfeltet til lokalavisene Sunnhordland, Hordaland og Hallingdølen. Innkomne tips vert filtrert og presentert til journalistar i eit eige redaksjonelt grensesnitt.

Delprosjekt 2 er ei evaluering av funksjonaliteten til Ekko så vel som utviklingsprosessen fram til ei ferdig teneste. Kva er slags responsar vil vi få når lesarar vert bedne om å bruka den? Ser dei for seg at den kunne bli ein attraktiv del av lokalavisa sitt tilbod? Og kva potensial tenkjer journalistar at ei slik publikumsteneste har?

Vi vil finne ut meir om dette ved å gjere ei formativ evaluering med eit utval av informantar. Ei slik evaluering dreier seg om å teste korleis ein prototype verkar  i si noverande form, og samle innsikt om korleis den kan forbetrast i nye versjonar.

Vi er særleg opptekne av unge lesarar: Korleis kan unge avislesarar tenkje seg å bruke tipsapplikasjonen Ekko i sitt nærmiljø? Her er fokuset på engasjement, nytteverdi, informasjonsverdi, og ei kjensle av samfunnsansvar.

Delprosjekt 3: Verdiorientert innovasjon

I prosessen observerer vi dessutan kor godt denne utviklingsprosessen for lokal innovasjon fungerer. Kor lett eller vanskeleg er det for teknologiutviklarane å følgje opp innspel frå lokalsamfunnet? Kor godt ender Ekko opp med å få fungere for dei tre lokalavisene?

Gjennom delprosjekt 1 og 2 dannar vi oss eit oppdatert, empirisk validert inntrykk av utviklingsaktivitetar, men vi vil også peike ut den beste strategien for lokalaviser på dette teknologiområdet. Nokre løysingar er for dyre og komplekse for lokalaviser, medan andre truleg er svært veleigna dersom dei vert justert på rett måte. Nokre av redaksjonsmedlemmene vil truleg eigna seg betre enn andre til å støtta opp under innovasjonsprosjekt av denne typen. Kven er dei?

Prosjektet kan kallast aksjonsforsking fordi forskarane arbeider direkte med journalistar for å betre arbeidsvilkåra deira og styrke avisene som nyheitsorganisasjonar. Det viktigaste målet er å finne bruksområde for kunstig intelligens-verktøy i det redaksjonelle arbeidet i Hallingdølen, Hordaland og Sunnhordland slik at drifta deira kan verte meir økonomisk og kvaliteten kan oppretthaldast og vonaleg aukast. Forskarane inntek såleis ei rolle som “friendly outsiders” (Greenwood & Levin, 2006).

Ei slik tilnærming kan beskrivast som ansvarleg, forskingsbasert innovasjon. Dette er eit verdisystem som er utbreidd i EUs Horizon 2020 under namnet Responsible Research and Innovation (RRI), og som i aukande grad også vert utprøvd i norsk samanheng. Våren 2020 vart det tildelt midlar til to Senter for forskingsdriven innovasjon (SFI) som på ulike måtar skal drive med ansvarleg teknologiutvikling. Det gjeld MediaFutures i Media City Bergen og Center for Research-Based Artificial Intelligence Innovation (CRAI) ved NTNU i Trondheim.

Referansar

Greenwood, Davydd J. og Morten Levin (2006) Introduction to Action Research. Social Research for Social Change. London: SAGE.

Holand, Astrid Marie og Bengt Engan (2020) Nyheter på autopilot? Ulike tilpasninger av automatisert medietilbud i lokalaviser. Norsk medietidsskrift nr. 2/2020: 1-17.

Lindén, C. og Tuulonen, H. (red) (2019) News Automation. The rewards, risks and realities of “machine journalism”, WAN-IFRA Report. Frankfurt, Tyskland.

Maiden, N; Zachos, K, Brown, A; Brock, G; Nyre, L; Tonheim, A.; Apostolou, D; Evans, J. (2018). Making the News: Digital Creativity Support for Journalists. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. Paper No. 475.

Svendsen, R.D., Gulla, J.A. og Frøland, J. (2019) Anbefaling av nyhetsinnhold i praksis. Fra algoritmer til personaliserte nyheter. Norsk medietidsskrift 26(1).

Stray, J. (2019) «Making Artificial Intelligence work for Investigative Journalism», Digital journalism. DOI: 10.1080/21670811.2019.1630289.

Aarli-Røndalen, R. (2018) «Derfor vinner Kommunal Rapport stadig flere gravepriser», Journalisten, 27.august 2018.

Leave a comment

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.