Wetenschappers onderzochten wat AI kan betekenen voor onderzoeksredacties: ‘Zet data-experts bij journalisten’

Op sommige onderzoeksredacties wordt AI al veelvuldig gebruikt. Drie wetenschappers sloten aan bij journalistieke onderzoeksteams om te zien welke rol kunstmatige intelligentie kan spelen bij grootschalig dataonderzoek.

Hoe kan kunstmatige intelligentie het werk van journalisten gemakkelijker maken? Daar wordt nu op bijna iedere redactie over nagedacht. Tegenlicht stelde afgelopen zomer zelfs de vraag of AI een nieuwe ‘superheld’ van de journalistiek kan worden.

Er zijn al voorbeelden van succesvol gebruik van AI. Zo zijn er onderzoeken verschenen, bijvoorbeeld naar seksisme in de politiek en loopgraven in Oekraïne, die niet mogelijk waren geweest zonder kunstmatige intelligentie. Drie wetenschappers van Noorse universiteiten wilden weten hoe onderzoek met behulp van AI er in de praktijk aan toe gaat. Ze draaiden mee met drie journalistieke onderzoeken waarbij naar grote hoeveelheden data werd gekeken.

Wat is AI?

De wetenschappers gebruiken een brede definitie van AI: automatisering van taken waar voorheen menselijke intelligentie voor nodig was. Denk bijvoorbeeld aan schrijven of beeldherkenning. Bij data-onderzoeken kan AI gebruikt worden voor het verzamelen en opschonen van data of het herkennen van nieuwswaardige patronen.

De onderzoekers noemen Amazon Mining Watch als voorbeeld. Voor dit project is kunstmatige intelligentie getraind om mijnbouw te herkennen op satellietbeelden. Dit leverde een gedetailleerde kaart op van alle legale en illegale mijnen in het Amazoneregenwoud.

Het onderzoek

Om van dichtbij te zien waar onderzoeksjournalisten tegenaan lopen, werkten de wetenschappers als data-technici mee aan drie projecten van verschillende Noorse nieuwsmedia. Ze onderzochten belastingvoordelen voor de olie-industrie, ongevallen in de ouderenzorg en eetstoornissen onder professionele skiërs.

Tijdens alle drie de projecten liepen de onderzoekteams tegen de beperkte beschikbaarheid van data aan. Zo waren de gegevens over belastingvoordelen voor de olie-industrie een rommeltje, omdat bedrijven steeds van naam veranderden. En in het onderzoek naar de ouderenzorg leverden sommige gemeenten data aan op uitgeprinte A4’tjes. Deze moesten vervolgens worden overgetypt, wat veel tijd kostte.

Toen de data eenmaal verzameld waren, stuitten de teams op nieuwe problemen. Ze zagen zich genoodzaakt het onderzoek naar eetstoornissen onder topskiërs vroegtijdig te beëindigen, omdat het kunstmatige intelligentie niet lukte om uit foto’s van topsporters af te leiden in hoeverre hun lichaamsgewicht was veranderd. Het team slaagde er niet de tool zo te trainen dat het de foto’s goed kon aflezen.

Transdisciplinaire teams  

De belangrijkste les die de drie wetenschappers trekken uit hun ervaringen in de onderzoeksteams is dat dataprojecten moeten worden uitgevoerd door ‘transdisciplinaire teams’. Volgens de onderzoekers werkt men bij journalistieke onderzoeksprojecten al vaak samen in interdisciplinaire teams, waarbij het werk verdeeld wordt over teamleden met verschillende achtergronden. De journalisten doen het journalistieke handwerk, terwijl de technici het datawerk voor hun rekening nemen.

Transdisciplinair werken gaat net wat verder. Het werk wordt niet afzonderlijk van elkaar gedaan, maar er wordt nauw samengewerkt. Alle teamleden, of zelfs alle betrokken partijen, zoals degenen die de data moeten aanleveren, zijn betrokken bij elke fase van het project. Dus ook al bij de vorming van het projectidee en het ontwerp van de onderzoeksmethode.

Expertises zullen zo meer met elkaar vermengd worden, stellen de wetenschappers. Data-experts kunnen sneller herkennen wat journalistiek relevante analyses zijn en journalisten weten beter wat ze kunnen verwachten van AI. Maar ook andere partijen zijn zo in een vroeg stadium betrokken. Zoals de leveranciers van de data, in de bovengenoemde onderzoeken de gemeenten en de Noorse belastingdienst. Dankzij zo’n intensieve samenwerking zou sneller duidelijk moeten worden wat wel en niet haalbaar is en hoe dit te bereiken.