Keuntungan:
- Keupayaan untuk meneroka set data dengan kecerdasan buatan, menjana soalan bernilai berita dan mengekstrak data sensitif
- Daripada mempunyai kecerdasan buatan melakukan pengiraan, mempunyai kaedah yang diterangkan dan dijalankan dalam alat yang boleh diaudit dan memperoleh tabiat mengesahkan setiap penemuan daripada data mentah.
- Memahami bahawa adalah menjadi tanggungjawab wartawan untuk merangka outlier dan mendokumenkan hubungan arkib dan mengesahkannya dalam sumber asal.
Kewartawanan penyiasatan selalunya bermula dengan longgokan: hamparan tender beribu-ribu baris, kunci kira-kira ratusan halaman, arkib e-mel yang bocor, set perbelanjaan awam sumber terbuka. Kewartawanan data — amalan mencari corak, anomali dan hubungan dalam data berangka dan dokumentari dan mengubahnya menjadi berita — adalah betul-betul tugas untuk memahami jisim ini. Dalam timbunan ini, yang memerlukan seumur hidup manusia untuk melihat secara manual, kecerdasan buatan (AI) ialah alat penyaringan pertama dan penjanaan idea yang berkuasa: ia boleh meringkaskan jadual, mengekstrak nama pendua dalam arkib teks, mencadangkan soalan apa yang perlu ditanya untuk analisis, malah menerangkan langkah pembersihan data. Tetapi mari kita letakkan satu ayat dari awal: AI adalah rakan kongsi dalam menganalisis data; Wartawanlah yang menentukan ketepatan dan nilai berita keputusan dan memeriksa semula nombor daripada data mentah. Risiko halusinasi adalah yang paling berbahaya di sini, dalam jumlah.
Langkah demi langkah: meneroka set data dengan AI
Langkah 1 — Kenali data. Mula-mula faham lajur, bilangan baris, julat tarikh, unit. Ketahui sendiri apa itu sebelum anda memuatkan fail mentah ke dalam AI; Jika tidak, "penemuan" AI kekal di udara.
Langkah 2 — Ekstrak data sensitif. Jika ia mengandungi data peribadi (nama, TR ID, alamat, kesihatan), awanamakannya tanpa memberikannya kepada alat AI awam atau hantar hanya lajur untuk dianalisis. Kesan dokumen bocor yang mendedahkan sumber juga dibersihkan (Unit 1 dan 10).
Langkah 3 — Hasilkan soalan penemuan dengan AI. “Apakah berita yang boleh disembunyikan oleh set data ini?” Mulakan dengan berkata. AI datang dengan senarai soalan untuk ditanya: 10 item teratas, pembekal berulang, lompatan luar biasa, kawasan dibiarkan kosong.
Langkah 4 — JANGAN SUDAH AI BUAT ANALISIS, HURAIKANNYA. Ini adalah titik kritikal. Purata atau peratusan yang dikira oleh AI dalam kepala selalunya salah. Sebaliknya, minta AI untuk langkah-langkah yang akan anda jalankan dalam alat yang boleh dipercayai (formula hamparan, pertanyaan, skrip). Oleh itu menjadikan kalkulus sebagai alat yang boleh diaudit, AI hanya memberikan kaedahnya.
Langkah 5 — Sahkan penemuan. Lihat setiap anomali yang ditunjukkan oleh AI dengan kembali ke baris mentah. Tapis jadual dan kira tuntutan "Syarikat ini memenangi 31 daripada 40 tender". Sebarang nombor yang tidak disahkan tidak akan menjadi berita.
Langkah 6 — Tetapkan konteks. Nombor sahaja bukan berita. Perbandingan (tahun lepas, institusi serupa, nisbah kepada penduduk), konteks dan pendapat pakar adalah tugas wartawan.
Perhatian: Mempunyai AI mengatakan "kira purata jadual ini" dan meletakkan hasilnya terus ke dalam berita adalah kesilapan kewartawanan data yang paling kerap menghasilkan penafian. AI ialah model bahasa, bukan kalkulator. Minta alat membuat pengiraan, cuma minta AI untuk kaedah dan tafsiran.
Metadata dan analisis dokumen
Selain jadual berangka, kewartawanan penyiasatan juga berkaitan dengan arkib teks yang besar: e-mel, minit, kontrak. Di sini, AI boleh mendraf peta perhubungan seperti "siapa bercakap dengan siapa bila", "topik mana yang diulang", "nama mana yang disebut bersama". Sekali lagi, peraturannya adalah sama: AI memberikan peta awal; Setiap pautan disahkan dalam dokumen asal, kerana AI boleh menjelaskan pautan yang tidak wujud dengan meyakinkan.
tiga kes mini
Kes 1 — Pemeluwapan tersembunyi. Seorang wartawan mempunyai hamparan perolehan awam dengan 2,400 baris. Dia mempunyai AI menghasilkan soalan penerokaan; Soalan "berapa banyak tender yang diterima oleh pembekal yang sama?" datang ke hadapan. Wartawan itu tidak mempunyai AI untuk mengira ini; Dia menjalankan formula hamparan yang dicadangkan oleh YZ sendiri dan mendapati bahawa sebuah firma tunggal menerima 380 (15.8%) daripada 2,400 item. Dia menyemaknya secara manual dan nombornya betul. "Anggaran" awal AI menyatakan 22% — jadi jika AI dipercayai, berita itu akan menjadi salah.
Kes 2 — Penjimat masa, arkib e-mel. Ia akan mengambil masa beberapa hari untuk mencari "topik apa yang sedang berlaku" secara manual dalam arkib 6,000 e-mel. AI menghasilkan garis besar kelompok topik dalam 15 minit; Daripada ini, wartawan memilih 3 kelompok yang menjanjikan dan membaca e-mel asal. Jumlah masa penemuan telah dikurangkan kepada ~3 hari, tetapi setiap petikan yang disiarkan secara langsung telah disahkan secara verbatim daripada e-mel asal.
Kes 3 - Halusinasi ditangkap. Seorang wartawan ekonomi menerima ringkasan daripada YZ bahawa "perbelanjaan kakitangan meningkat sebanyak 60% dalam satu tahun" daripada kunci kira-kira. Apabila dia kembali ke meja mentah, dia melihat bahawa peningkatan adalah 6% dan AI telah salah membaca satu digit. Satu semakan fakta menyekat tajuk palsu dan berpura-pura seperti "60% letupan".
Templat yang boleh disalin
1) Soalan pengecaman dan penemuan set data:
Saya akan memberi anda tajuk lajur dan 20 baris pertama set data. Hasilkan 10 soalan kewartawanan yang BOLEH dilakukan dengan data ini: dari segi penumpuan, outlier, lompat masa, kawasan hilang/kosong, pelakon berulang. Tiada pengiraan nombor; tulis sahaja soalan yang patut ditanya dan mengapa mereka boleh membuat berita. Data: [tajuk + baris contoh]
2) Tidak membuat pengiraan, tetapi menjadikannya menggambarkan:
Saya ingin melakukan analisis berikut: [cth. cari jumlah amaun tender dan peratusan bahagian setiap pembekal]. Saya mahu menjalankan ini sendiri dalam hamparan. Tulis saya langkah demi langkah formula/tetapan pangsi yang hendak dipasang. Keputusan pengiraan SEN; hanya berikan kaedahnya. Lajur saya: [nama lajur]
3) Pemburuan luar biasa:
Saya akan memberikan statistik ringkasan (min, maks, purata, median) di bawah. Terangkan nilai mana yang luar biasa/mencurigakan dan mengapa saya perlu menyemaknya untuk mendapatkan berita. Jangan membuat pertimbangan muktamad; Senarai semak muncul dalam format "baris berikut harus diperiksa secara manual". Ringkasan: [di sini]
4) Peta perhubungan arkib dokumen (draf):
Saya akan memberi anda satu set teks dokumen. Keluarkan yang berikut sebagai DRAF: nama yang kerap berlaku bersama, topik berulang, tarikh ketara. Tandai dokumen dari mana setiap pautan datang, seperti [B12]. Jangan tambahkan sebarang perhubungan yang tidak ditulis secara eksplisit dalam dokumen. Dokumentasi: [di sini]
Gesaan lemah / Gesaan kuat
Gesaan lemah: "Analisis carta ini dan nyatakan sebarang penemuan penting."
Keputusan: AI membentuk peratusan dan purata teruskan, membayangkan anomali, tidak jelas pada baris mana ia berdasarkan. Ia tidak boleh disahkan.
Gesaan berkuasa: "Saya memberikan lajur dan 20 baris pertama jadual ini. (1) Senaraikan analisis yang mungkin bernilai berita. (2) Cadangkan formula hamparan untuk setiap analisis supaya saya boleh menjalankannya. (3) Jangan mengira sebarang hasil. (4) Tandakan baris yang hendak disemak, seperti [S45]."
Perbezaan: Gesaan yang kuat meninggalkan pengiraan kepada alat yang boleh dikawal, mengurangkan AI kepada peranan kaedah dan arah; menghalang halusinasi daripada bocor ke dalam nombor.
carta perbandingan
pentas
AI lakukan
Wartawan begitu
pengesahan
Mengecam data
Ringkasan lajur/pola
Mengetahui unit dan konteks
Kamus data sumber
soalan penemuan
Menghasilkan senarai soalan
Memilih nilai berita
—
pengiraan
Menerangkan kaedah
Menjalankan formula di dalam kenderaan
Peruntukan manual
terpencil
menandakan calon
Melihat garisan mentah
Tapis dan kira
Komen/konteks
bingkai draf
Perbandingan, pakar
sumber kedua
Kesilapan biasa
- Membuat pengiraan AI. Mempunyai AI mengira purata, peratusan, jumlah dan lain-lain dan menggunakan hasilnya; AI kerap membuat kesilapan, biarkan kenderaan membuat pengiraan.
- Tidak menyambungkan penemuan ke baris mentah. Menulis tuntutan "Syarikat ini memenangi kebanyakan tender" tanpa menapis jadual dan mengira.
- Menerbitkan nombor tanpa konteks. Melaporkan nombor kosong tanpa perbandingan dan nisbah adalah mengelirukan.
- Memuat naik data sensitif sebagaimana adanya. Memberi data peribadi atau dokumen yang mendedahkan sumber kepada kenderaan tanpa membersihkannya.
- Berfikir bahawa hubungan palsu itu benar. Memproses pautan yang AI "lihat" dalam arkib ke dalam peta tanpa mengesahkannya dalam dokumen asal.
Secara ringkasnya
Dalam kewartawanan data, AI ialah rakan kongsi penemuan dan cerapan: ia mengimbas timbunan, menjana soalan untuk ditanya, menerangkan kaedah analisis, membenderakan calon untuk outlier. Tetapi mempunyai AI mengira nombor itu sendiri adalah kesilapan yang paling berisiko; Menyumber luar pengiraan kepada alat yang boleh diaudit, sahkan setiap penemuan dengan kembali kepada data mentah dan tambahkan konteks serta perbandingan pada nombor tersebut. Dalam arkib dokumen, AI memberikan peta permulaan; Setiap pautan disahkan dalam dokumen asal.
Tugasan permohonan
Ambil set data yang anda miliki (atau tersedia secara umum). Mula-mula, minta mereka menjana 10 soalan dengan gesaan "Soalan penerokaan". Pilih soalan, dapatkan formula daripada AI dengan gesaan "Huraikan pengiraan", dan jalankan sendiri. Kemudian tanya AI secara langsung untuk pengiraan yang sama dan bandingkan kedua-dua keputusan; Perhatikan perbezaan dan pengajarannya.
senarai semak
- [ ] Saya memahami lajur, unit dan medan sensitif sebelum memberikan data kepada alat.
- [ ] Saya tidak membenarkan AI melakukan pengiraan; Saya menerangkan kaedah dan menjalankannya dalam alat boleh diaudit.
- [ ] Saya mengesahkan setiap penemuan secara manual dengan kembali ke baris mentah.
- [ ] Saya menambah perbandingan dan konteks kepada nombor; Saya tidak melaporkan nombor kosong.
- [ ] Saya mengesahkan setiap hubungan dalam arkib dalam dokumen asal.