Automatisering in/van de journalistiek, en hoe ermee omgaan?

Deze maand zijn twee publicaties verschenen in het vakgebied Journalism Studies waarin het concept ‘automatisering’ centraal staat: het nieuwe boek van Nicholas Diakopoulos  – Automating the News: How Algorithms Are Rewriting the Media – en een artikel van onder andere Seth Lewis in een special issue van het journal Digital Journalism, met de titel “Automation, Journalism, and Human–Machine Communication: Rethinking Roles and Relationships of Humans and Machines in News”. Ik neem deze publicaties als aanleiding om stil te staan bij de betekenis van automatisering in de journalistieke context.

 

Aandacht voor de rol van automatisering

Eerder schreef ik op dit blog dat ik een onderzoek gestart was naar de rol van automatisering in de journalistiek. Dat was in oktober 2018. Toen was ik net begonnen aan mijn literatuuronderzoek. Automatisering is een begrip dat leeft in de hedendaagse journalistiek, zowel in het onderzoek naar het veld en de theorievorming hieromtrent, als in de praktijk, bijvoorbeeld op Nederlandse redacties. Het gaat hierbij dan om automatisering door algoritmes en kunstmatige intelligentie, of in het Engels artificial intelligence (kort AI). Door het Reuters Institute for the Study of Journalism is AI dan ook besproken als een van de wezenlijke trends in de ontwikkeling van de journalistieke praktijk in 2019 (Newman, 2019). AI wordt in deze context niet alleen begrepen als algoritmische technologie die taken uitvoert waarbij normaalgesproken menselijke cognitie aan te pas zou komen (OED, 2019). Maar de term wordt vaak als equivalent gebruikt van ‘machine learning’, dus zelflerende technologie (Hao, 2019).

Automatisering door algoritmes en AI is alom aanwezig in alledaagse informatiegaring en -verwerking, bijvoorbeeld in de online speurtocht naar informatie, gerangschikt door Google’s Pagerank-algoritme, de centrale speler op het vlak van online zoekmachines. Aan de journalistieke productiekant vinden computergestuurde automatisering en AI hun toepassing in de zogenaamde ‘robotjournalistiek’, ingezet voor het verslaan van sportnieuws of voor de nieuwsgaring rondom de Provinciale Statenverkiezingen zoals NOS dit jaar in een pilot deed. Daarnaast wordt AI aan de distributie- en consumentenkant ingezet, bij de analyse van gebruikersgedrag en personalisatie en aanbeveling van content (zie voor meer Nederlandse voorbeelden dit artikel in de Volkskrant).

Automatisering door algoritmische en AI-toepassingen zorgen in de journalistiek echter niet alleen voor positieve geluiden: In “Automation, Journalism, and Human–Machine Communication: Rethinking Roles and Relationships of Humans and Machines in News” constateren Lewis et al. (2019) op basis van eerdere publicaties dat deze nieuwe technische ontwikkelingen op redacties gepaard gaan met angst voor werkloosheid. In plaats van in het Journalism Studies-onderzoek te focussen op deze angsten, stellen Lewis et al. voor om aandacht te besteden aan het zichtbaar maken van de daadwerkelijke interacties tussen de gebruiker (journalist) en computergestuurde toepassingen. Zij bouwen voort op de theorievorming in communicatiewetenschappen, specifiek het onderzoeksveld van ‘human-machine communication’ (Guzman, 2018 in Lewis et al., 2019). Deze oplossing voor onderzoek naar en theorievorming rondom automatisering en AI in de journalistieke praktijk beantwoordt echter nog niet de vraag, welke concrete stappen er op redacties genomen kunnen worden om met deze technische ontwikkelingen en de grote commerciële aanbieders van journalistieke AI-toepassingen gelijke tred te houden.

Hoe omgaan met computergestuurde automatisering en AI?

Wat concrete stappen betreft heeft het nieuwe boek van Nicholas Diakopoulos (2019), Automating the News: How Algorithms Are Rewriting the Media meer te bieden. In de conclusie van het boek benadrukt Diakopoulos, die eerder het begrip ‘algorithmic accountability reporting’ introduceerde (2014), dat het belangrijk is dat journalisten een vorm van ‘algorithmic media literacy’ ontwikkelen en (bij het publiek) bevorderen. Deze vorm van mediawijsheid wordt omschreven als:

“Computational thinking, data thinking, and advanced methods training will all play a role in developing this broader literacy” (Ibid., p. 248).

Diakopoulos nadruk op het belang van algoritmische mediawijsheid kent meer draagvlak in de praktijkgerichte literatuur, zoals in de ook dit jaar verschenen tweede editie van The Data Journalism Handboek. Dit boek dat theorievorming, empirisch onderzoek en het perspectief van professionals uit de praktijk bij elkaar brengt, beklemtoont de relevantie van ‘critical data practice’ (Gray & Bounegru, 2019). Hiermee wordt bedoeld: een bewustwording van en actieve, vragende houding tegenover data als journalistieke bron(nen) en de algoritmische technologieën die deze data genereren en die gebruikt worden om ze te analyseren en inzichtelijk te maken. Daarnaast ziet Diakopoulos een gedeelde verantwoordelijkheid: redacties en journalisten zijn gevraagd om met softwareontwerpers en -ontwikkelaars samen te werken om naar een ‘design van hybride journalistiek’ toe te werken, waarbij algoritmische technologieën en journalistieke expertise en waarden elkaar aanvullen.

Algoritmische mediawijsheid in de praktijk

Vooral in data- en onderzoeksjournalistieke producties worden praktische werkwijzen en toepassingen ontwikkeld om voor ‘algorithmic accountability’ te zorgen. Dit is het afleggen van verantwoording over toegepaste algoritmes en het nodige begrip hiervan. Een manier is bijvoorbeeld het gebruikmaken van de descriptieve en logging-kwaliteiten van software(code) door ‘literate programming’ (Leon, 2019 in The Data Journalism Handbook). Hierbij worden scripts in programmeertaal, die ingezet zijn om data te verzamelen, verwerken en analyseren, gecombineerd met tekststukken geschreven in normale taal, die uitleg geven over het proces. Deze aandacht voor het proces kent meer toepassingen in journalistiek werk. In mijn laatste blogpost schreef ik bijvoorbeeld over het werk van onderzoekscollectief Bellingcat.

Om inzichtelijk te maken wat de kracht is van dit soort projecten, zal ik vanaf september 2019 beginnen aan een promotieonderzoek naar ‘toolkritiek’ in en door de journalistiek, specifiek de onderzoeksjournalistiek. Met toolkritiek bedoel ik een bevragende houding tegenover elke vorm van mediatechnologie die in het onderzoeksproces ingezet wordt, van online platform tot softwaretool. Dit promotieonderzoek zal ik uitvoeren verbonden aan Locating Media, een Graduate School die onderdeel is van het Media Studies-departement aan de Universiteit Siegen (Duitsland).

Wat echter ook opvalt in het onderzoek naar computergestuurde automatisering in de journalistiek, is dat datajournalistiek en de kennis van nodige tools op veel redacties (nog) geen brede implementatie kennen (zie het artikel over de spreadsheetcursus die de New York Times voor haar redactieleden ontwikkelde als reactie op deze observatie). In academische publicaties valt daarnaast op dat er meer empirisch onderzoek nodig is naar de alledaagse inzet van, kennis en skills met betrekking tot de implementatie van algoritmes en AI in de nieuwsgaring. Afgelopen week hebben we daarom met meerdere onderzoekers van het lectoraat, wetenschappelijke en praktijkpartners een aanvraag ingediend om praktijkgericht onderzoek te kunnen doen naar automatisering en AI in het alledaagse productie- en specifiek het researchproces – de selectie, verificatie en duiding van bronnen en informatie – op Nederlandse redacties. Meer hierover lezen jullie heel binnenkort op ons blog.

Meer lezen over mijn literatuuronderzoek?

Voordat ik aan mijn PhD begin en JLab verlaat, zal ik nog voor wat zomerleesvoer zorgen. Houd dit blog in de gaten voor informatie over een langere blogpost met mijn bevindingen uit het literatuuronderzoek! Kijk hier alvast voor mijn tussentijdse presentatie die ik op het Etmaal van de Communicatiewetenschap op 8 februari 2019 heb gehouden!