Interview met Ryan Thornburg

Ryan Thornburg: universitair docent op UNC School of Media and Journalism's (North Carolina, Verenigde Staten). Vooral geïnteresseerd in online journalistiek, de toekomst van journalistiek en Big Data. Heeft in het verleden onder meer gewerkt bij Washington Post.

Big Data

,,Ik zeg altijd dat Big Data alle data zijn waarmee we geen raad weten. Niemand weet bij nieuwsorganisaties wat te doen met data. Ik denk dat het voor mensen wel mogelijk is om Big Data te begrijpen. Bedrijven leggen er alleen de nadruk nog niet op. Het kan in mijn ogen enorm belangrijk worden. Het helpt je om verhalen te vinden die anders verborgen blijven. Je kunt er trends mee herkennen en de juiste informatie op het juiste moment naar de juiste personen brengen. Dat kan vooral als je verschillende data met elkaar combineert.” Thornburg ziet het advertentiegeld steeds vaker naar non-media verschuiven, zoals Facebook en Google. Als media niet leren omgaan met data, kunnen ze volgens Thornburg in de toekomst niet concurreren met de services die non-media bieden. Media moeten data immers begrijpen om ze te kunnen verslaan, aldus Thornburg.

,,Big Data leent zich vooral voor robotjournalistiek, omdat men op dat punt efficiëntie behaalt. Je kunt als mens een tekst voor slechts drie personen schrijven. Maar als je kijkt naar de economische aspecten is het niet efficiënt om zoiets door een mens te laten doen. Je kunt dan beter een robot gebruiken.” Als voorbeeld noemt Thorburg verslagen van niet- bestaande sportwedstrijden, zoals Fantasy Football. Ook noemt hij verhalen die bijvoorbeeld wegens tijdgebrek nog niet worden gemaakt. De uitdaging ziet hij in het verzamelen van voldoende gestructureerde data. Daarnaast moet het onderwerp ook een bepaalde structuur hebben. ,,Robots kunnen minder goed werk leveren als een onderwerp geen of in mindere mate structuur heeft. Ze zijn goed in de wie-, wat-, waar- en wanneer- vragen, maar niet goed in de hoe- en waarom-vragen.”

Tipsysteem

Thornburg ziet ook mogelijkheden in een soort tipsysteem. Een computer herkent trends, patronen of iets dat nog niet eerder is gezien. De computer kan zijn bevindingen bijvoorbeeld naar een journalist e-mailen. ,,Maar ze zijn nog niet in staat om een CEO te interviewen. Het is interessant om te kijken of een robot interviewvragen kan verzinnen. Ik vertel mijn studenten altijd dat ze de computer moeten leren programmeren. Of ze moeten beter leren schrijven dan de computer. Ze reageren meestal met lege blikken. Veel hebben een nostalgisch beeld van journalistiek die ze nooit hebben gekend. We bereiden ze niet goed voor op de toekomst. We zijn geneigd om te kijken naar de huidige normen van de industrie, in plaats van de toekomstige normen. Sommigen zijn bijvoorbeeld goed in datavisualisatie of programmeren. Maar ze begrijpen de basis van Excel niet. Of ze kunnen geen publieke data vinden of begrijpen waarom iets een verhaal is of niet.”

Nadelen

Thornburg vindt het grootste nadeel van robotjournalistiek dat mensen niet begrijpen hoe de systemen werken. Ze weten daardoor niet hoe ze iets moeten beoordelen. Hoe waarheidsgetrouw is een artikel? ,,Ze denken: een computer maakte dit. Daarom zal het wel goed zijn. Of andersom, dat we de computer niet vertrouwen. Dat kan eveneens voor media gelden. Ze begrijpen het generatieproces niet en daarom vertrouwen ze het niet.” Verhalen met emotie of waarvoor observatievermogen of onderzoek nodig is, zijn volgens Thornburg het moeilijkste te genereren. ,,Het gaat dan over verslaggeving die verder gaat dan de data, zoals interviewen (red. van een persoon).”

Assistent

,,De robotjournalist wordt nu uitgerold als een assistent. Maar ik denk dat de technologie een gevaar voor journalisten kan worden als ze niet begrijpen wat er gebeurt en niet weten hoe ze ermee moeten omgaan. Er is geen reden waarom de robotjournalist per se een gevaar moet worden. Als journalisten echter onwetend blijven, kan de technologie wel een gevaar worden. Maar er zijn nog een hoop restricties, zoals de beschikbare overheidsdata en privacywetten. Of taalgeneratie de journalistiek verrijkt, hangt in mijn ogen af van verschillende factoren. De journalistiek is erop gericht om de kosten te drukken en niet om te kwaliteit te verbeteren. Ik maak me zorgen dat het gaat draaien om hetzelfde werk te doen met minder geld. Als dat gebeurt, gaat de journalistiek en alles wat het bedient daaronder lijden. Maar als het gaat om het verbreden van de content, nieuwe verhalen vinden en betere verhalen maken, dan wordt de journalistiek er beter van.”

5.5 Deelconclusie

De experts zijn het grotendeels met elkaar eens. De robotjournalist gaat de journalist van vlees en bloed niet vervangen. De uitspraak van Thornburg is wellicht de beste conclusie: leer de computer programmeren of leer beter schrijven dan de computer.

Dat is absoluut geen onmogelijk opdracht. Zo onderscheidt de journalist van vlees en bloed zich op creativiteit. Journalisten moeten zich op dit moment al op dat punt van elkaar onderscheiden, dus in die zin verandert er weinig. Wie zich wel enige zorgen moeten maken, zijn de schrijvers die vooral standaardberichten maken. Met standaardberichten worden droge, feitelijke artikelen bedoeld waarin creativiteit een minder belangrijke rol speelt. Denk aan politieberichten, sportverslagen waarin alleen het scoreverloop en de doelpuntenmakers worden genoemd en financieel nieuws, zoals winstverwachtingen. Kotecki, Theune en Thornburg zijn van mening dat de ontwikkeling van taalgeneratie in de journalistiek hand in hand gaat met de opkomst van Big Data. Er is een steeds grotere hoeveelheid data beschikbaar die voor de mens te groot is om te bevatten. De computer kan de data voor de mens doorzoeken en de belangrijkste inzichten weergeven en eventueel direct in een tekstvorm genereren. In dat opzicht werkt de robotjournalist als een digitale assistent van de menselijke journalist. De mens kan vervolgens nog wel extra inhoud toevoegen, zoals quotes of het verhaal in een bepaalde context plaatsen.

Dat in de toekomst een groot deel van de totale productie door de robotjournalist wordt gemaakt, is volgens Theune goed mogelijk. Maar dat komt dan vooral doordat de software voor een veel grotere totaalproductie heeft gezorgd. Menselijke journalisten gaan volgens haar niet minder produceren. Voorbeeld: de mens en robot maken op dit moment allebei honderd berichten per maand. In 2030 maakt de mens nog steeds honderd teksten per maand, maar de computer genereert er dan negenhonderd per maand. De mens lijdt er dus niet onder. Die nieuwe productie komt vooral uit onderwerpen die momenteel nog niet worden behandeld, zoals de Fantasy Football-verslagen en in het geval van Forbes, dat Quill van Narrative Science gebruikt, vooruitblikken op de kwartaalcijfers van bedrijven.

Het is volgens Kotecki goed mogelijk dat de software van Automated Insights en Narrative Science in de toekomst in andere landen worden verspreid. Maar op dit moment zijn er nog geen plannen om bijvoorbeeld naar Nederland te komen. Automated Insights richt zich eerst op de Verenigde Staten en Engelstalige landen en media. Al heeft de software volgens hem geen geografische barrière. Over uitbreiding valt dus nog weinig te zeggen.

Conclusie

De vraag waar dit onderzoek om draait is: in hoeverre heeft de robotjournalist zich in de afgelopen jaren in de Engelstalige media ontwikkeld tot een vervanger of digitale assistent van de menselijke journalist? Aan de hand van een grote hoeveelheid informatie die is voortgevloeid uit literatuuronderzoek, kwantitatief en kwalitatief onderzoek wordt in dit deel van dit rapport een antwoord op de probleemstelling gegeven.