Unsupervised Machine Learning Archieven - Journalistiek & AI

Tuinen en cappuccino’s: dataverzamelen met AI

admin — Thu, 02 Mar 2023 22:51:25 +0000

Toen NRC haar lezers vroeg om te helpen bij onderzoek naar biodiversiteit door een jaar lang foto’s van hun tuin te maken en in te sturen, meldden 8.500 tuin- en balkoneigenaren zich. Het Wilde Tuin-project was geboren. Ook de Volkskrant nodigt het publiek vaker uit om mee te doen, bijvoorbeeld voor een onderzoek naar inflatie. De redactie vroeg lezers daarvoor om bonnetjes van gekochte cappuccino’s in te sturen.

Ook andere redacties, zoals die van Pointer en Follow The Money, zoeken nieuwsgebruikers steeds op, vooral regionaal en lokaal. Ze nodigen bewoners bijvoorbeeld uit om onderwerpen te pitchen waar de redacties mee aan de slag zouden moeten gaan. Zo hopen redacties blinde vlekken bij zichzelf weg te nemen.

Het publiek krijgt zo een steeds actievere rol binnen de journalistiek. Dat levert soms twijfels op (bijvoorbeeld over professionaliteit, onafhankelijkheid en journalistieke codes), maar heeft ook voordelen. Met een betrokken publiek kun je je nieuwswaarde vergroten én heb je de mogelijkheid om meer informatie te vergaren.

Juist dat laatste brengt soms ook capaciteitsproblemen met zich mee. Want hoe bekijk, lees, beluister en verwerk je al die feedback, suggesties of foto’s en video’s als kleine redactie met weinig tijd, budget en menskracht?

AI to the rescue.

Opdracht: The AI Audience Engagement Art Museum

Bedenk een project dat je over langere tijd kunt uitvoeren, waarbij je inhoud (tekst, geluid of afbeeldingen) van het publiek nodig hebt.

Om snel te starten:

1. Kies uit een van deze doelgroepen: de buren van je oudste tante, zweefvliegers, metal-festivalbezoekers of ‘gamer moms’.

2. Kies uit een van deze thema’s: sport, voedsel, gezondheid, geld verdienen of reizen.

3. Bedenk een project op voor de gekozen doelgroep rondom het gekozen thema.

In teams van drie of vier studenten visualiseer je het project met drie specifieke schetsen die je vervolgens presenteert aan de groep, alsof je werk in een museum exposeert.

Schets 1: het storyboard
Maak een storyboard met 8 vakjes (op één A3) waarin we de gebruiker zien die via een smartphone-app een bijdrage levert aan het beoogde project. Die bijdrage kan een video, foto of tekst zijn. Zorg dat in het storyboard duidelijk wordt wie de gebruiker is, wat deze bijdraagt, waarom deze bijdraagt, wat het uiteindelijke project gaat opleveren en waarom dat relevant en interessant is voor de doelgroep en het medium.

Let op: geef dit storyboard de titel van je project. Beschrijf elke scène met een korte zin. Door de titel, de 8 ‘scènes’ en de korte beschrijvingen legt het storyboard zichzelf uit en is een uitgebreide mondelinge toelichting niet nodig.

Schets 2: De App-wireframes

Werk vier schetsen (wireframes) uit die de belangrijkste schermen tonen van de app die je gaat gebruiken om de input van je gebruikers te verzamelen. De app-schermen, of wireframes, tonen:

Titel per scherm
Menu en navigatie
Belangrijkste knoppen
Iconen
Gevraagde invoer (tekst, audio, beeld, video, etc.)

Let op: schets GEEN inlog of profiel-/settings pagina’s

Voorbeelden van wireframes (in meer en minder detail).

Schets 3: Een AI-Flowchart – Het AI-systeem voor dataverwerking

Geef op een enkele A3 schematisch weer (in een flowchart) hoe jullie AI-systeem de gegevens van het publiek verwerkt en bruikbaar maakt voor de journalistieke toepassing.

Geef in dit AI-schema duidelijk aan:

1. Met welke type AI je werkt: Computer Vision (beeldherkenning) of Natural Language Processing (tekst- of spraakherkenning).

2. Welke bestaande software gebruikt kan worden.

3. Welke onderdelen gebouwd moet worden.

4. Wat de voorgestelde technische oplossing kost en wat het oplevert (Denk niet alleen financieel, maar ook aan bijv. een award, innovatief imago, meer traffic, nieuwe doelgroep).

Een voorbeeld van een flowchart om reacties te modereren met een AI-systeem:

Voorbeeld van een beeldherkenningsysteem:

(Bij bovenstaande flowchart moeten studenten het laatste onderdeel ‘deploy’ specifieker uitwerken: hoe krijgt dit model (dat in dit voorbeeld een kat van een hond onderscheid) een rol in het journalistieke idee dat ze presenteren?)

4. Daarna hangen alle teams hun schetsen aan de muur/borden. Vervolgens krijgen alle studenten een kwartier de tijd om het werk van de andere teams te bekijken.

Iedere student krijgt 3 stickertjes die zij/hij vervolgens toekent aan de ideeën:

1 sticker voor het beste idee – plak de sticker bij de titel van het storyboard.

1 sticker voor het beste element- kan in de AI-flowchart zijn of een element in de wireframe of storyboard.

1 sticker die overal mag: dubbelen of ergens bij ander project, ander element.

Bespreking

Nadat de oplossingen zijn bestickerd, kies je samen de opvallendste uit.

Waarom vinden mensen dit idee sterk?
Zou je dit ook zonder AI kunnen doen? (denk hierbij ook aan de NRC-casus en de Volkskrant-casus. Hadden zij ook kunnen rondbellen en de prijzen zelf in een spreadsheet kunnen zetten? Wat is het voor- of nadeel?

Materiaal

Vijf A4’s per team (als klad)
Drie A3’s per team, voor de eindpresentatie
Stickers: Drie rode ronde stickers per student

Tijdsindicatie

75 minuten totaal, te verdelen in

15 minuten: kies doelgroep, thema en brainstorm over het idee. Teken/schrijf dit uit.
5 minuten: maak met je teamleden een taakverdeling voor de verschillende schetsen.
20 minuten: werk de schetsen uit.
5 minuten: stem de schetsen onderling af en pas waar nodig aan.
15 minuten: museumtour – hang de schetsen op aan de muur en bekijk het werk van de anderen.
5 minuten: deel stickers uit aan studenten en laat ze met de stickers stemmen op de schetsen die ze het beste vinden.
10 minuten: bespreek de ideeën die jou en de studenten opvallen door de opgeplakte stickers.

Tip: Je kunt deze opdracht verkorten door bijvoorbeeld alleen de eerste schets uit te werken.

Het bericht Tuinen en cappuccino’s: dataverzamelen met AI verscheen eerst op Journalistiek & AI.

Machine Learning kwartet

admin — Thu, 02 Mar 2023 22:51:15 +0000

Opdracht

We gaan kwartetten, en het spel ga je zelf maken.

Het Archief van de Toekomst maakt gebruik van verschillende vormen van Machine Learning. Maak een kwartet op basis van de belangrijkste onderdelen uit de casus en zoek er meer voorbeelden bij.

Maak groepen van drie of vier studenten.

In het artikel worden verschillende werkingsmechanismen en vormen van AI genoemd. Bepaal minstens drie relevante categorieën van AI die je uit het artikel haalt. Je mag ook elders op de website zoeken.
Geef per categorie vier voorbeelden (die vormen samen één kwartet). Stel, één van je categorieën is ‘entiteitsherkenning’. Dan zoek je vier voorbeelden waarin deze AI-vorm gebruikt wordt, zoals bijvoorbeeld het verhaal over geheimgehouden moorden in Mexico. Tip: op deze website staan veel voorbeelden, maar je kunt natuurlijk ook op andere plekken online research doen. Je voorbeelden hoeven niet per se journalistiek te zijn. Ze mogen ook uit andere werkvelden komen.
Schets de kaarten. Je maakt er dus minimaal twaalf: vier voor elk van je drie categorieën.
Zet op elke kaart:
1. De naam van de categorie bovenaan (bijv. entiteitsherkenning)
2. In het midden een tekening van het voorbeeld (bijv. het verhaal over moorden in Mexico)
3. Daaronder de naam van het voorbeeld (bijv. Moorden in Mexico)
4. En daarnaast icoontjes voor de overige drie voorbeelden (die samen met de huidige kaart het kwartet vormen).

Wissel het kwartet als het af is uit met een andere groep en speel een rondje met elkaar. Daarna ga je dit klassikaal bespreken.

Bespreking

Na één speelronde kun je eventueel nog een wissel van kwartetten doen. Als studenten zelf een kwartet hebben gemaakt én twee andere kwartetten hebben gebruikt, beginnen bepaalde zaken op te vallen.

Wat viel je op tijdens het spelen van het kwartet van de ander?
Kloppen de gekozen voorbeelden?
Waarom wel of niet?
Vraag eerst de student die reageert, daarna de bedenker en vervolgens een derde student die het eens of oneens is met de andere studenten.

Materiaal

Papier
Potlood / pen / stiften
Scharen

Tijdsindicatie

90 minuten totaal, waarvan:

20 minuten om met je groep de categorieën te bepalen op basis van het artikel over slim archiveren.
15 minuten om passende voorbeelden te vinden (naast dit voorbeeld staan er genoeg op de site).
20 minuten om de 16 kaartjes te schetsen met daarop het voorbeeld, de naam van het voorbeeld en de categorie, en om ze uit te knippen tot een speelbaar kwartet.
15 minuten om kwartetten uit te wisselen met een ander groepje en een ronde te spelen. Wissel vervolgens met een ander groepje en speel nog een rondje.
20 minuten om klassikaal te bespreken.

Het bericht Machine Learning kwartet verscheen eerst op Journalistiek & AI.

To personalize or not to personalize?

admin — Thu, 02 Mar 2023 22:48:46 +0000

Opdracht

Veel media willen aanbod beter personaliseren. Maar is dat altijd wenselijk? Bekijk de volgende video.

In hoeverre is de fabeltjesfuik op jou van toepassing? Wanneer eindig je met alleen nog maar kattenfilmpjes? Kies een onderwerp waar je normaal geen aandacht aan besteedt, maar wat niet heel ver van je bed is. Klassiek ballet als je normaal naar hiphop kijkt, bijvoorbeeld. Video’s van kleine kinderen op de piste als je normaal naar stuntende snowboarders kijkt. Of kookvideo’s met veganistische recepten als je normaal geïnteresseerd bent in vleesgerechten. Tel in je tijdlijn hoe vaak dit voorkomt. Klik erop en bekijk het. Ga terug naar je tijdlijn. Tel hoe vaak het nu voorkomt. Klik weer, enz.

Kies nu een onderwerp wat wél heel ver van je bed is. Ajax als je normaal alleen naar dansfilmpjes kijkt, bijvoorbeeld. Of video’s over hoe je je haar kunt invlechten als normaal geïnteresseerd bent in rap.

Bespreek: wat valt je op? Hoe lang duurt het voordat je nieuwe onderwerp vanzelf op je tijdlijn verschijnt? Is er een verschil tussen onderwerpen die niet heel ver van je af staan en onderwerpen waar je helemaal niks mee hebt?

Hoe werkt personalisering door op jou als journalist? Hoe kun je daarmee omgaan?

Materiaal

Tijdsindicatie

30 minuten, waarvan:

10 minuten testen met een onderwerp dat niet ver van je bed is
10 minuten testen met een onderwerp dat wel ver van je bed is
10 minuten nabespreken

Het bericht To personalize or not to personalize? verscheen eerst op Journalistiek & AI.

Wie ben ik?

admin — Thu, 02 Mar 2023 22:48:35 +0000

Opdracht

Let op: Minimaal twee dagen voor de les zoek je uit welke data over jou bekend zijn bij Instagram. Dat doe je als volgt:

Volg onderstaande stappen om je eigen gegevens van Instagram op te vragen:

1. Ga naar instagram.com/download/request/

2. Via deze pagina kun je de gegevens opvragen. Je krijgt onderstaande scherm te zien:

3. Vul je e-mailadres in en klik op “Volgende”

4. Vul je wachtwoord in en klik op “Download aanvragen”.

Als je een kopie aanvraagt, krijg je binnen 48 uur een zip-file toegestuurd op je e-mailadres. Daarin staan je foto’s en video’s, opmerkingen, vind-ik-leuks, volgers, mensen die je volgt enzovoorts. (Bron: VPNgids.nl)

Neem de opbrengst uitgeprint mee naar de klas, maar zorg dat je naam er niet op staat. Als je bepaalde gegevens te privé vindt om mee te nemen naar de klas, staat het je vrij om die uit je dossier te verwijderen.

De docent verzamelt ieders dossiers, en deelt ze willekeurig uit in de klas. Hij zorgt ervoor dat niemand zijn eigen dossier heeft, maar let verder niet op wiens dossier bij wie terecht komt.

Je hebt nu dus de gegevens van een studiegenoot, maar weet niet wie het is. Schrijf op basis van de gegevens een persona, waarin je vertelt:

1. Wie en wat hij of zij is. Probeer een zo gedetailleerd mogelijk beeld te schetsen van de persoonlijkheid.
2. Wat zijn of haar demografische gegevens zijn.
3. Wat zijn of haar wensen en doelen zijn.
4. Wat zijn of haar zorgen en ergernissen zijn.
5. Hoe de persoon in kwestie eruit ziet.
6. In wat voor content en advertenties de persoon in kwestie geïnteresseerd is.

Lever je persona (uitgeschreven op een A4-tje) in, samen met de Instagram-data die je ontvangen hebt. De docent legt alle documenten (de Instagramdossiers en geschreven persona’s) op een tafel.

Vervolgens is het tijd om te achterhalen wie voor jou een persona heeft geschreven. Zoek je eigen dossier op, en neem de persona die voor jou is opgesteld mee.

Bespreking

Lees de persona die op basis van jouw gegevens gemaakt is en bespreek de opbrengst klassikaal.

In hoeverre klopt deze? Wat herken je en wat niet? Wat valt je op?
Wat betekent het als op basis van data profielen worden gemaakt? Wat betekent dat voor jou persoonlijk, en wat betekent het voor jou als journalist?
In hoeverre verandert deze oefening de manier waarop je omgaat met sociale media?

Materiaal

Tijdsindicatie

Vanaf 50 minuten, waarvan:

15 minuten voor het bekijken van de Instagramdata van een studiegenoot
20 minuten voor het opstellen van een persona
15 minuten voor het nabespreken

Het bericht Wie ben ik? verscheen eerst op Journalistiek & AI.

Debat: wetgeving en transparantie

admin — Thu, 02 Mar 2023 22:48:23 +0000

Opdracht

In deze case kon een vraag over invloed niet volledig beantwoord worden, bij gebrek aan transparantie. Dat gebrek aan transparantie is een veelgehoorde klacht over AI.
Moet er wetgeving komen die de werking van algoritmes transparant maakt? Is dit haalbaar? Zo ja, wie is hier dan verantwoordelijk voor?
Maak groepjes met voor- en tegenstanders. De docent bepaalt welke groepjes voor zijn en welke tegen. Doe online onderzoek naar het onderwerp, zodat je jouw kant van de stelling voor de klas kunt verdedigen. Zorg voor goede, betrouwbare bronnen: je bent tenslotte journalist.

Na twintig minuten research, begint het debat.

Materiaal

Tijdsindicatie

Vanaf 40 minuten, waarvan:

20 minuten research
20 minuten debat

Het bericht Debat: wetgeving en transparantie verscheen eerst op Journalistiek & AI.