Maschinelles Lernen und Natural Language Processing (NLP) sind zwei Formen der künstlichen Intelligenz, die seit Jahren im Journalismus eingesetzt werden. In einem Video, das Teil einer Serie von Video-Posts für Studierende des MA in Data Journalism an der Birmingham City University ist, wird erklärt, wie beide Technologien im Journalismus verwendet wurden, mit welchen Herausforderungen Journalisten konfrontiert sind und welche Konzepte und Fachbegriffe in diesem Bereich auftreten.
Beispiele, die im Video genannt werden, sind Entscheidungsbäume, maschinelles Lernen, Natural Language Processing, Natural Language Understanding, NLP, NLU, Verstärkendes Lernen, überwachtes Lernen, unbeaufsichtigtes Lernen.
In einem Gastbeitrag für OJB weist Maria Crosas auf drei Haupterkenntnisse hin, die Nachrichtenredaktionen berücksichtigen sollten, wenn sie eine umfassende Chatbot-Erfahrung anstreben. Maria Crosas hat in den letzten Jahren regelmäßig Ideen darüber geteilt, wie Bots Nachrichtenredaktionen bei der Verbreitung von Nachrichten helfen können, und Ratschläge zum Aufbau einer ansprechenden Chatbot-Erfahrung gegeben. Sie teilt drei Erkenntnisse für Nachrichtenredaktionen, die den Weg zum Chatbot beginnen möchten.
Im Januar 2012 analysierte das Grafikteam der National Post Schlüsselwörter, die in den State of the Union-Adressen der Präsidenten Bush und Obama verwendet wurden. In einem Gastbeitrag für OJB untersucht Barbara Maseda, wie die Medien Texte als Daten verwendet haben, um State of the Union-Adressen im Laufe eines Jahrzehnts zu behandeln. State of the Union-Adressen werden reichlich von den Medien abgedeckt, die sie mithilfe von Natural Language Processing-Techniken analysieren, um neue interessante Muster zu identifizieren und zu extrahieren.
Diese Woche wird das erste Semester der Kurse des neuen MA in Data Journalism mit einer Sitzung über Künstliche Intelligenz (KI) und maschinelles Lernen abgeschlossen. Maschinelles Lernen ist ein Teilbereich der KI und bietet enormes Potenzial für den Journalismus, sowohl als Werkzeug als auch als Gegenstand journalistischer Untersuchungen. Es werden Beispiele gezeigt, wie die 3 Arten des maschinellen Lernens – überwacht, unbeaufsichtigt und Verstärkung – bereits für journalistische Zwecke genutzt wurden.