Ieguvumi:
- Spēja izpētīt datu kopu ar mākslīgo intelektu, ģenerēt aktuālus jautājumus un iegūt sensitīvus datus
- Tā vietā, lai izmantotu mākslīgo intelektu, veiciet aprēķinus, aprakstot metodi un palaižot to auditējamā rīkā un iegūstot ieradumu pārbaudīt katru atradumu no neapstrādātiem datiem.
- Izpratne par to, ka žurnālista pienākums ir izstrādāt nobīdes un dokumentēt arhīva attiecības un apstiprināt tās sākotnējā avotā.
Pētnieciskā žurnālistika bieži sākas ar kaudzi: konkursa izklājlapa ar tūkstošiem rindu, simtiem lappušu bilance, nopludināts e-pasta arhīvs, atklātā pirmkoda publisko izdevumu kopa. Datu žurnālistika — prakse atrast modeļus, anomālijas un attiecības skaitliskajos un dokumentārajos datos un pārvērst tos ziņās — ir tieši šīs masas jēgas izpratnes uzdevums. Šajās kaudzēs, kuru manuālai apskatei būtu vajadzīgs cilvēka mūžs, mākslīgais intelekts (AI) ir spēcīgs pirmās pārbaudes un ideju ģenerēšanas rīks: tas var apkopot tabulu, izvilkt dublētos nosaukumus teksta arhīvā, ieteikt, kādus jautājumus uzdot analīzei, pat aprakstīt datu tīrīšanas darbības. Bet no sākuma liksim vienu teikumu: AI ir partneris datu analīzē; Žurnālists ir tas, kurš nosaka rezultāta precizitāti un ziņu vērtību un atkārtoti pārbauda skaitli no neapstrādātajiem datiem. Šeit halucināciju risks ir visbīstamākais skaitļos.
Soli pa solim: izpētiet datu kopu, izmantojot AI
1. darbība — iepazīstieties ar datiem. Vispirms izprotiet kolonnas, rindu skaitu, datumu diapazonu, vienības. Pirms neapstrādātā faila ielādēšanas AI zināt, kas tas ir; Pretējā gadījumā AI "atradumi" paliek gaisā.
2. darbība — sensitīvu datu izvilkšana. Ja tajā ir personas dati (vārds, TR ID, adrese, veselības stāvoklis), padariet tos anonīmus, nenododot tos publiskajam AI rīkam, vai nosūtiet tikai analizējamās kolonnas. Tiek dzēstas arī nopludinātu dokumentu pēdas, kas atklāj avotu (1. un 10. nodaļa).
3. darbība — ģenerējiet atklāšanas jautājumus, izmantojot AI. "Kādas ziņas varētu slēpt šī datu kopa?" Sāciet, sakot. AI nāk klajā ar jautājumu sarakstu, kas jāuzdod: 10 populārākās preces, atkārtoti piegādātāji, neparasti lēcieni, tukšas vietas.
4. darbība — NELIETOJIET AI ANALĪZI, APRAKSTIET TO. Šis ir kritiskais punkts. Vidējais vai procentuālais daudzums, ko AI aprēķina galvā, bieži ir nepareizs. Tā vietā jautājiet AI par darbībām, kuras jūs varētu veikt uzticamā rīkā (izklājlapas formula, vaicājums, skripts). Tādējādi, padarot aprēķinus par pārbaudāmu rīku, AI tikai sniedz metodi.
5. darbība — pārbaudiet atradumu. Skatiet katru anomāliju, uz kuru AI norāda, atgriežoties pie neapstrādātās līnijas. Filtrējiet tabulu un saskaitiet pretenziju "Šis uzņēmums uzvarēja 31 no 40 konkursiem". Nepārbaudīti numuri ziņās neiekļūs.
6. darbība — izveidojiet kontekstu. Skaitlis vien nav jaunums. Salīdzināšana (pagājušajā gadā līdzīgas institūcijas, attiecība pret iedzīvotāju skaitu), konteksts un ekspertu viedoklis ir žurnālista darbs.
Uzmanību: ja AI saka "aprēķināt šīs tabulas vidējo vērtību" un rezultātu ievietošana tieši ziņās ir visizplatītākā datu žurnālistikas kļūda, kas rada atrunas. AI ir valodas modelis, nevis kalkulators. Lieciet rīkam veikt aprēķinu, vienkārši jautājiet AI par metodi un interpretāciju.
Metadatu un dokumentu analīze
Bez skaitliskām tabulām pētnieciskā žurnālistika nodarbojas arī ar lieliem tekstu arhīviem: e-pastiem, protokoliem, līgumiem. Šeit mākslīgais intelekts var izveidot attiecību kartes, piemēram, "kurš ar kuru kad runāja", "kura tēma tiek atkārtota", "kuri vārdi tiek minēti kopā". Atkal, noteikums ir tas pats: AI sniedz sākotnējo karti; Katra saite ir apstiprināta sākotnējā dokumentā, jo AI var pārliecinoši izskaidrot neesošu saiti.
trīs mini futrāļi
1. gadījums — slēpts kondensāts. Kādam reportierim bija publiskā iepirkuma izklājlapa ar 2400 rindām. Viņš lika AI uzdot pētnieciskus jautājumus; Jautājums "cik piedāvājumu saņēma viens un tas pats piegādātājs?" izvirzījās priekšplānā. Reportieris nelika AI to aprēķināt; Viņš izmantoja paša YZ ieteikto izklājlapas formulu un atklāja, ka viena firma saņēma 380 (15,8%) no 2400 vienībām. Viņš to pārbaudīja manuāli, un numurs bija pareizs. AI sākotnējā "aplēse" bija 22% — tātad, ja AI varētu uzticēties, ziņas būtu nepareizas.
2. gadījums — laika taupītājs, e-pasta arhīvs. Paietu vairākas dienas, lai manuāli meklētu “kādas tēmas notiek” 6000 e-pasta ziņojumu arhīvā. AI 15 minūšu laikā izveidoja tēmu kopu izklāstu; No tiem reportieris izvēlējās 3 daudzsološas kopas un izlasīja sākotnējos e-pasta ziņojumus. Kopējais atklāšanas laiks tika samazināts līdz 3 dienām, taču katrs citāts, kas tika publicēts, tika verbatizēts no sākotnējā e-pasta ziņojuma.
3. gadījums — noķertas halucinācijas. Ekonomikas reportieris saņēma kopsavilkumu no YZ, ka "personāla izdevumi viena gada laikā pieauga par 60%" no bilances. Kad viņš atgriezās pie neapstrādātās tabulas, viņš redzēja, ka pieaugums bija 6% un ka AI ir nepareizi nolasījis vienu ciparu. Viena fakta pārbaude bloķēja nepatiesu un pretenciozu virsrakstu, piemēram, "60% sprādziens".
Kopējamas veidnes
1) Datu kopas atpazīšanas un atklāšanas jautājumi:
Es sniegšu jums kolonnu virsrakstus un pirmās 20 datu kopas rindas. Ģenerējiet 10 žurnālistikas jautājumus, ko VAR izdarīt ar šiem datiem: koncentrācijas ziņā, izņēmums, lēciens laikā, trūkstošās/tukšās zonas, atkārtotie dalībnieki. Nav skaitļu aprēķināšanas; vienkārši uzrakstiet, kurus jautājumus ir vērts uzdot un kāpēc tie varētu būt jaunums.Dati: [virsraksti + paraugrindas]
2) Neveicot aprēķinus, bet liekot tos aprakstīt:
Es vēlos veikt šādu analīzi: [piem. atrast kopējo piedāvājuma summu un katra piegādātāja daļas procentuālo daļu]. Es vēlos pats to palaist izklājlapā. Soli pa solim uzrakstiet man, kuras formulas/rakursa iestatījumus instalēt. SEN aprēķina rezultāts; vienkārši norādiet metodi.Manas kolonnas: [kolonnu nosaukumi]
3) Ārkārtas medības:
Tālāk sniegšu statistikas kopsavilkumu (min, max, vidējais, mediāna). Paskaidrojiet, kuras vērtības ir neparastas/aizdomīgas un kāpēc man tās vajadzētu pārbaudīt, vai nav jaunumus. Nepieņemiet galīgos spriedumus; Tiek parādīts kontrolsaraksts formātā "šīs rindas jāpārbauda manuāli". Kopsavilkumi: [šeit]
4) Dokumentu arhīva attiecību karte (melnraksts):
Es jums iedošu dokumenta teksta komplektu. Izvadiet šādu informāciju kā MELNRAKSTU: vārdus, kas bieži sastopami kopā, atkārtotas tēmas, ievērojamus datumus. Atzīmējiet dokumentu, no kura nāk katra saite, piemēram, [B12]. Nepievienojiet nekādas attiecības, kas nav skaidri norādītas dokumentā. Dokumentācija: [šeit]
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne: "Analizējiet šo diagrammu un norādiet visus būtiskos atklājumus."
Rezultāts: AI veido procentus un vidējos rādītājus, iedomājas anomālijas, nav skaidrs, uz kuru līniju tas ir balstīts. To nevar pārbaudīt.
Spēcīga uzvedne: "Es sniedzu šīs tabulas kolonnas un pirmās 20 rindas. (1) Uzskaitiet, kuras analīzes varētu būt vērtīgas. (2) Iesakiet katrai analīzei izklājlapas formulu, lai es varētu to palaist. (3) Neaprēķiniet rezultātus. (4) Atzīmējiet rindas, kuras vēlaties pārbaudīt, piemēram, [S45]."
Atšķirība: spēcīga uzvedne atstāj aprēķinu vadāmā rīka ziņā, samazinot AI līdz metodes un virziena lomai; neļauj halucinācijām iekļūt numurā.
salīdzināšanas diagramma
Skatuves
AI dara
Žurnālists dara
verifikācija
Datu atpazīšana
Kolonnu/rakstu kopsavilkums
Zina vienību un kontekstu
Avota datu vārdnīca
atklāšanas jautājumi
Izveido jautājumu sarakstu
Atlasa ziņu vērtību
—
aprēķins
Apraksta metodi
Palaiž formulu transportlīdzeklī
Manuāla nodrošināšana
izņēmums
atzīmē kandidātus
Skatās uz neapstrādātu līniju
Filtrējiet un skaitiet
Komentārs/konteksts
melnraksta rāmis
Salīdzinājums, eksperts
otrais avots
Biežas kļūdas
- Liekot AI aprēķināt. AI aprēķināt vidējo, procentuālo, kopējo utt. un izmantot rezultātu; AI bieži pieļauj kļūdas, ļaujiet transportlīdzeklim veikt aprēķinu.
- Nesavienojot atradumu ar neapstrādāto līniju. Pretenzijas rakstīšana "Šis uzņēmums uzvarēja lielāko daļu konkursu" nefiltrējot tabulu un neskaitot.
- Ciparu publicēšana bez konteksta. Ziņošana par tukšiem skaitļiem bez salīdzināšanas un attiecības ir maldinoša.
- Sensitīvu datu augšupielāde, kādi tie ir. Personas datu vai dokumenta, kas atklāj avotu, nodošana transportlīdzeklim, to netīrot.
- Domājot, ka viltus attiecības ir patiesas. Saite, ko AI "redz" arhīvā, tiek apstrādāta kartē, neapstiprinot to sākotnējā dokumentā.
Rezumējot
Datu žurnālistikā mākslīgais intelekts ir atklājumu un ieskatu partneris: tas skenē kaudzi, ģenerē uzdodamus jautājumus, apraksta analīzes metodi, atzīmē izņēmuma kandidātus. Bet AI aprēķināt pašu skaitli ir visbīstamākā kļūda; Aprēķinu veiciet ārpakalpojumā, izmantojot auditējamu rīku, pārbaudiet katru atradumu, atgriežoties pie neapstrādātajiem datiem, un pievienojiet skaitlim kontekstu un salīdzinājumu. Dokumentu arhīvos AI sniedz sākuma karti; Katra saite ir apstiprināta sākotnējā dokumentā.
Lietojumprogrammas uzdevums
Paņemiet datu kopu, kas jums ir (vai ir publiski pieejama). Vispirms palūdziet viņiem ģenerēt 10 jautājumus, izmantojot uzvedni “Izpētes jautājumi”. Atlasiet jautājumu, iegūstiet formulu no AI ar uzvedni "Aprakstiet aprēķinu" un palaidiet to pats. Pēc tam jautājiet tieši AI veikt to pašu aprēķinu un salīdziniet abus rezultātus; Ņemiet vērā atšķirību un tās mācību.
kontrolsaraksts
- [ ] Pirms datu nodošanas rīkam es sapratu kolonnas, vienības un sensitīvos laukus.
- [ ] Es neļauju AI veikt aprēķinus; Es aprakstu metodi un palaidu to auditējamajā rīkā.
- [ ] Es manuāli pārbaudu katru atradumu, atgriežoties pie neapstrādātās rindas.
- [ ] Skaitlim pievienoju salīdzinājumu un kontekstu; Es neziņoju tukšus skaitļus.
- [ ] Es apstiprinu visas attiecības arhīvā oriģinālajā dokumentā.