تحليل البيانات في الصحافة الاستقصائية: تحويل أكوام الوثائق إلى أخبار

المكاسب:

• القدرة على استكشاف مجموعة البيانات باستخدام الذكاء الاصطناعي، وطرح أسئلة ذات أهمية إخبارية، واستخراج البيانات الحساسة
• فبدلاً من جعل الذكاء الاصطناعي يقوم بإجراء الحسابات، يتم وصف الطريقة وتشغيلها في أداة قابلة للتدقيق واكتساب عادة التحقق من كل نتيجة من البيانات الأولية.
• إدراك أن من مسؤولية الصحفي صياغة القيم المتطرفة وتوثيق العلاقات الأرشيفية وتأكيدها في المصدر الأصلي.

غالبًا ما تبدأ الصحافة الاستقصائية بكومة: جدول بيانات رقيق مكون من آلاف الأسطر، وميزانية عمومية مكونة من مئات الصفحات، وأرشيف بريد إلكتروني مسرب، ومجموعة إنفاق عام مفتوحة المصدر. إن صحافة البيانات - ممارسة العثور على الأنماط والشذوذات والعلاقات في البيانات الرقمية والوثائقية وتحويلها إلى أخبار - هي بالضبط مهمة فهم هذه الكتلة. في هذه الأكوام، التي قد يستغرق عمرها البشري لفحصها يدويًا، يعد الذكاء الاصطناعي (AI) أداة قوية للفحص الأول وتوليد الأفكار: يمكنه تلخيص جدول، واستخراج الأسماء المكررة في أرشيف نصي، واقتراح الأسئلة التي يجب طرحها للتحليل، وحتى وصف خطوات تنظيف البيانات. لكن دعونا نضع جملة واحدة من البداية: الذكاء الاصطناعي شريك في تحليل البيانات؛ فالصحفي هو الذي يقرر دقة النتيجة وقيمتها الإخبارية ويعيد فحص الرقم من البيانات الأولية. خطر الهلوسة هو في أخطر حالاته هنا، من حيث الأرقام.

خطوة بخطوة: استكشاف مجموعة بيانات باستخدام الذكاء الاصطناعي

الخطوة 1 - التعرف على البيانات. افهم أولاً الأعمدة وعدد الصفوف والنطاق الزمني والوحدات. تعرف بنفسك على ما هو عليه قبل تحميل الملف الأولي إلى الذكاء الاصطناعي؛ وبخلاف ذلك، تظل "نتائج" الذكاء الاصطناعي في الهواء.

الخطوة 2 - استخراج البيانات الحساسة. إذا كانت تحتوي على بيانات شخصية (الاسم، ومعرف TR، والعنوان، والصحة)، فقم بإخفاء هويتها دون إعطائها إلى أداة الذكاء الاصطناعي العامة أو قم بإرسال الأعمدة فقط لتحليلها. كما تم مسح آثار الوثائق المسربة التي تكشف المصدر (الوحدة 1 و10).

الخطوة 3 - إنشاء أسئلة الاكتشاف باستخدام الذكاء الاصطناعي. "ما هي الأخبار التي يمكن أن تخفيها مجموعة البيانات هذه؟" ابدأ بالقول. يأتي الذكاء الاصطناعي بقائمة من الأسئلة التي يجب طرحها: أهم 10 عناصر، والموردين المتكررين، والقفزات غير العادية، والمناطق الفارغة.

الخطوة 4 - لا تطلب من الذكاء الاصطناعي إجراء التحليل، بل قم بوصف ذلك. هذه هي النقطة الحرجة. غالبًا ما يكون المتوسط ​​أو النسبة المئوية التي يحسبها الذكاء الاصطناعي في الرأس خاطئة. بدلاً من ذلك، اطلب من الذكاء الاصطناعي الخطوات التي يمكنك تنفيذها في أداة موثوقة (صيغة جدول البيانات، الاستعلام، البرنامج النصي). وبالتالي جعل حساب التفاضل والتكامل أداة قابلة للتدقيق، فإن الذكاء الاصطناعي يعطي الطريقة فقط.

الخطوة 5 - التحقق من النتيجة. شاهد كل حالة شاذة يشير إليها الذكاء الاصطناعي من خلال العودة إلى الخط الأولي. قم بتصفية الجدول واحسب المطالبة "فازت هذه الشركة بـ 31 من أصل 40 مناقصة". أي أرقام لم يتم التحقق منها لن تظهر في الأخبار.

الخطوة 6 – تحديد السياق. الرقم وحده ليس خبرا. المقارنة (في العام الماضي، مؤسسات مماثلة، النسبة إلى عدد السكان)، والسياق وآراء الخبراء هي وظيفة الصحفي.

تنبيه: إن جعل الذكاء الاصطناعي يقول "احسب متوسط ​​هذا الجدول" ووضع النتيجة مباشرة في الأخبار هو الخطأ الأكثر شيوعًا في صحافة البيانات والذي يؤدي إلى إخلاء المسؤولية. الذكاء الاصطناعي هو نموذج لغة، وليس آلة حاسبة. اطلب من الأداة إجراء العمليات الحسابية، فقط اسأل الذكاء الاصطناعي عن الطريقة والتفسير.

البيانات الوصفية وتحليل الوثائق

إلى جانب الجداول الرقمية، تتعامل الصحافة الاستقصائية أيضًا مع أرشيفات النصوص الكبيرة: رسائل البريد الإلكتروني والمحاضر والعقود. هنا، يمكن للذكاء الاصطناعي صياغة خرائط العلاقات مثل "من تحدث إلى من ومتى"، "أي موضوع يتكرر"، "ما هي الأسماء التي تم ذكرها معًا". مرة أخرى، القاعدة هي نفسها: الذكاء الاصطناعي يعطي خريطة أولية؛ يتم تأكيد كل رابط في المستند الأصلي، لأن الذكاء الاصطناعي يمكنه أن يشرح بشكل مقنع رابطًا غير موجود.

ثلاث حالات صغيرة

الحالة 1 - التكثيف المخفي. كان لدى أحد المراسلين جدول بيانات للمشتريات العامة يحتوي على 2400 صف. لقد جعل الذكاء الاصطناعي يطرح أسئلة استكشافية؛ السؤال "كم عدد العطاءات التي حصل عليها نفس المورد؟" جاء إلى الواجهة. لم يكن لدى المراسل الذكاء الاصطناعي لحساب ذلك؛ وقام بتشغيل صيغة جدول البيانات التي اقترحها YZ بنفسه ووجد أن شركة واحدة تلقت 380 (15.8%) من أصل 2400 عنصر. لقد فحصه يدويًا وكان الرقم صحيحًا. كان "التقدير" الأولي للذكاء الاصطناعي يبلغ 22%، لذا إذا كان من الممكن الوثوق بالذكاء الاصطناعي، فستكون الأخبار خاطئة.

الحالة 2 - توفير الوقت، أرشيف البريد الإلكتروني. قد يستغرق الأمر أيامًا للبحث يدويًا عن "الموضوعات الجارية" في أرشيف يضم 6000 رسالة بريد إلكتروني. أنتج الذكاء الاصطناعي مخططًا تفصيليًا لمجموعات المواضيع في 15 دقيقة؛ ومن بين هذه المجموعات، اختار المراسل 3 مجموعات واعدة وقرأ رسائل البريد الإلكتروني الأصلية. تم تقليل إجمالي وقت الاكتشاف إلى 3 أيام تقريبًا، ولكن تم التحقق من كل عرض أسعار تم نشره حرفيًا من البريد الإلكتروني الأصلي.

الحالة 3 - تم القبض على الهلوسة. تلقى أحد المراسلين الاقتصاديين ملخصًا من YZ مفاده أن "نفقات الموظفين زادت بنسبة 60٪ في عام واحد" من الميزانية العمومية. وعندما عاد إلى الجدول الخام، رأى أن الزيادة كانت 6% وأن الذكاء الاصطناعي أخطأ في قراءة رقم واحد. منعت عملية تدقيق واحدة للحقيقة عنوانًا كاذبًا ومدعيًا مثل "انفجار 60٪".

قوالب قابلة للنسخ

1) أسئلة التعرف على مجموعة البيانات واكتشافها:

سأعطيك عناوين الأعمدة وأول 20 صفًا من مجموعة البيانات. قم بإنشاء 10 أسئلة صحفية يمكن إجراؤها باستخدام هذه البيانات: من حيث التركيز، والقيم المتطرفة، والقفز في الوقت، والمناطق المفقودة/الفارغة، والجهات الفاعلة المتكررة. لا حساب الرقم. ما عليك سوى كتابة الأسئلة التي تستحق طرحها ولماذا قد تتصدر الأخبار. البيانات: [العناوين الرئيسية + نماذج الأسطر]

2) عدم إجراء الحسابات، بل جعلها تصف:

أريد إجراء التحليل التالي: [على سبيل المثال. ابحث عن المبلغ الإجمالي للعطاء ونسبة المشاركة لكل مورد]. أريد تشغيل هذا بنفسي في جدول بيانات. اكتب لي خطوة بخطوة الصيغ/الإعدادات المحورية التي سيتم تثبيتها. نتيجة حساب SEN؛ فقط أعط الطريقة. أعمدتي: [أسماء الأعمدة]

3) الصيد الخارجي:

سأقدم إحصائيات موجزة (الحد الأدنى، الحد الأقصى، المتوسط، المتوسط) أدناه. اشرح ما هي القيم غير العادية/المشبوهة ولماذا يجب أن أتحقق منها بحثًا عن أخبار. لا تصدر أحكامًا نهائية؛ تظهر قائمة مرجعية بالتنسيق "يجب فحص الأسطر التالية يدويًا". الملخصات: [هنا]

4) خريطة علاقة أرشيف الوثائق (مسودة):

سأعطيك مجموعة من نص الوثيقة. قم بإخراج ما يلي كمسودة: الأسماء التي تتكرر معًا بشكل متكرر، والموضوعات المتكررة، والتواريخ البارزة. قم بتمييز المستند الذي يأتي منه كل رابط، مثل [B12]. لا تقم بإضافة أية علاقات غير مكتوبة بشكل صريح في المستند. التوثيق: [هنا]

موجه ضعيف / موجه قوي

المطالبة الضعيفة: "قم بتحليل هذا المخطط وحدد أي نتائج مهمة."

النتيجة: يقوم الذكاء الاصطناعي بتكوين النسب المئوية والمعدلات بشكل مباشر، ويتخيل الحالات الشاذة، ومن غير الواضح على أي خط يستند. لا يمكن التحقق منها.

مطالبة قوية: "أعطي الأعمدة وأول 20 صفًا من هذا الجدول. (1) أدرج التحليلات التي قد تكون ذات أهمية إخبارية. (2) اقترح صيغة جدول بيانات لكل تحليل حتى أتمكن من تشغيلها. (3) لا تحسب أي نتائج. (4) حدد الصفوف المراد التحقق منها، مثل [S45]."

الفرق: الموجه القوي يترك العملية الحسابية للأداة التي يمكن التحكم فيها، مما يقلل الذكاء الاصطناعي إلى دور الطريقة والتوجيه؛ يمنع الهلوسة من التسرب إلى الرقم.

مخطط المقارنة

المرحلة

الذكاء الاصطناعي يفعل ذلك

الصحفي يفعل

التحقق

التعرف على البيانات

ملخص العمود/النمط

يعرف الوحدة والسياق

قاموس البيانات المصدر

أسئلة الاكتشاف

يولد قائمة من الأسئلة

يختار قيمة الأخبار

—

الحساب

يصف الطريقة

يقوم بتشغيل الصيغة في السيارة

التزويد اليدوي

ناشز

يمثل المرشحين

ينظر إلى الخط الخام

تصفية والعد

التعليق/السياق

مشروع الإطار

مقارنة يا خبير

المصدر الثاني

الأخطاء الشائعة

• جعل الذكاء الاصطناعي يحسب. جعل الذكاء الاصطناعي يحسب المتوسط ​​والنسبة المئوية والإجمالي وما إلى ذلك ويستخدم النتيجة؛ يرتكب الذكاء الاصطناعي الأخطاء بشكل متكرر، دع السيارة تقوم بالحسابات.
• عدم ربط النتيجة بالخط الخام. كتابة المطالبة "هذه الشركة فازت بمعظم المناقصات" دون تصفية الجدول والعد.
• نشر الأرقام بدون سياق. إن الإبلاغ عن أرقام مجردة دون المقارنة والنسبة أمر مضلل.
• تحميل البيانات الحساسة كما هي. إعطاء بيانات شخصية أو مستند يكشف المصدر للمركبة دون تنظيفها.
• الاعتقاد بأن العلاقة المزيفة حقيقية. معالجة الرابط الذي "يراه" الذكاء الاصطناعي في الأرشيف إلى الخريطة دون تأكيده في المستند الأصلي.

في ملخص

في صحافة البيانات، يعد الذكاء الاصطناعي شريكًا في الاكتشاف والبصيرة: فهو يقوم بمسح الكومة، ويولد أسئلة لطرحها، ويصف طريقة التحليل، ويحدد المرشحين للقيم المتطرفة. لكن قيام الذكاء الاصطناعي بحساب الرقم نفسه هو الخطأ الأكثر خطورة؛ الاستعانة بمصادر خارجية للحساب لأداة قابلة للتدقيق، والتحقق من كل نتيجة من خلال العودة إلى البيانات الأولية، وإضافة السياق والمقارنة إلى الرقم. في أرشيفات المستندات، يوفر الذكاء الاصطناعي خريطة انطلاق؛ يتم تأكيد كل رابط في الوثيقة الأصلية.

مهمة التطبيق

خذ مجموعة البيانات الموجودة لديك (أو المتاحة للعامة). أولاً، اطلب منهم إنشاء 10 أسئلة باستخدام موجه "أسئلة الاستكشاف". حدد سؤالاً، واحصل على الصيغة من الذكاء الاصطناعي باستخدام رسالة "وصف الحساب"، وقم بتشغيلها بنفسك. ثم اطلب من الذكاء الاصطناعي مباشرة إجراء نفس الحساب وقارن بين النتيجتين؛ لاحظ الفرق ودرسه.

قائمة مرجعية

• [ ] لقد فهمت الأعمدة والوحدات والحقول الحساسة قبل إعطاء البيانات للأداة.
• [ ] لا أسمح للذكاء الاصطناعي بإجراء الحسابات؛ أصف الطريقة وأقوم بتشغيلها في الأداة القابلة للتدقيق.
• [ ] أتحقق يدويًا من كل نتيجة من خلال العودة إلى الصف الأولي.
• [ ] أقوم بإضافة المقارنة والسياق إلى الرقم؛ أنا لا أبلغ عن الأرقام المجردة.
• [ ] أؤكد كل علاقة في الأرشيف في الوثيقة الأصلية.