Crowdsourcing - artikkeleita systemaattisesti yleisön toimesta

Kokonaisen artikkelin voi tehdä yleisön avulla crowdsourcing periaatteita noudattamalla. Mitä haasteita järjestelmälliseen yleisön käyttöön journalismissa liittyy ja on ratkottava, kun yleisöä pyydetään kontribuioimaan osallistumalla varsinaiseen tehtävien tekemiseen? Miten kompleksinen jutunteko -prosessi saadaan pilkottua pieniksi tehtäviksi?

Lyhykäisyydessään haasteet ja ratkottavat asiat liittyvät esimerkiksi:
1) tehtävien määrittelyyn ja jakamiseen
2) tuotetun materiaalin käsittelyyn
3) materiaalin laatuun
4) palkitsemiseen
5) crowdsourcing mallin muokkaamiseen ja prosessien taivuttamiseen toimintaan ja tavoitteisiin sopivaksi.

Tässä postauksessa on muutamia teemaan liittyviä löytöjä verkosta ja tutkimuksista no. kokonaisen artikkelin tekemisen näkökulmasta. Tässäkin blogissa on aiemmissa postauksissa muutamia esimerkkejä elävästä elämästä, mutta seuraavissa esimerkeissä on systemaattisesti lähdetty palastelemaan artikkelin kirjoittamista alusta loppuun yleisöä apuna käyttäen. MTurkista on jo paljon julkaistua tieteellistäkin tietoa, tässä on uudempia, viime aikaisia tai menossa olevia kokeiluja liittyen kompleksisten tehtävien, kuten artikkelin kirjoittaminen, suorittamiseen MTurkissa.

Amazon Mechanical Turk
Yksi tunnetuimmista crowdsourcing saiteista maailmalla on Amazonin Mechanical Turk . MTurk:issa "Requester:in" antamia tehtäviä (HIT, Human Ingelligence Tasks) suorittavat nk. Turker:it. Tehtävät, nk. mikrotaskit, ovat esimerkiksi kuvien valintaa, lauseiden uudelleen kirjoitusta tai jopa artikkelin tarkistamista. Tehtävän tekemisestä saa palkkion, mikäli tehtävän antaja hyväksyy suorituksen.

CrowdForge tehtävien palasteluun ja koostamiseen
Carnegie Mellon yliopiston tutkijoiden kokeilussa 36 kirjoittajan minitehtävinä koostettu encyclopedia-artikkeli sai paremman arvion kuin kokonaisen artikkelin kirjoittanut. Esimerkki: Ensimmäisenä tehtävänä on luoda jutulle runko alaotsikoineen. Näistä äänestetään tai koostetaan paras laadun varmistamiseksi (tehtävä). Tämän jälkeen kuhunkin osaan kerätään faktoja mikrotaskeina ja näistä puolestaan koostetaan kappaleen sisältö yhtenä tehtävänä. Sen jälkeen tehtävänä on koostaa juttu kappaleista. Erilaisia laadunvarmistuksia voidaan tehdä eri vaiheissa (kuten rungon osalta). Tehtävien palasteluun (partition, map) ja kokoamiseen (reduce) tutkijat tarjoavat CrowdForge nimistä sovellusta, joka on suoraan yhteydessä MTurkiin. Tämän jutun hinnaksi tuli alle neljä dollaria (kukin tehtävä noin 10 c arvoinen).

Tieteellisen artikkelin uutisointi crowdsourcing -menetelmällä
Crowdsourcing kokeilujen innoittamana ja yhteistyössä edellisten tutkijoiden kanssa, muutama journalisti on päättänyt kokeilla koko editoriaalisen prosessin hoitamista crowdsourcing periaatteella tieteellisen artikkelin uutisoimiseksi (ks. My Boss is a Robot). Ensimmäisenä tehtävänä oli "set the angle for the story and write the opening line". Tämä jaettiin kahteen tehtävään, joista ensimmäisenä tekijöiden tuli lukea abstrakti artikkelista ja kirjoittaa avaus (lead, 10 Turkeria) ja seuraavana tehtävänä oli lukea abstrakti ja poimia mielenkiintoisin avaus (20 Turkeria). Äänestyksen tulos ei ollut yksimielinen (max neljä ääntä samalle avaukselle).

Seuraavaksi tehtäväksi annettiin "mitä tapahtui" eli menetelmä osion kirjoittaminen. Ensimmäinen annettu tehtävä oli menetelmäosion kappaleiden erottaminen artikkelista. Kyseiset kappaleet annettiin seuraavassa tehtävässä eteenpäin, joiden pohjalta piti kirjoittaa tiivistelmä uutistyyliseksi yhdeksi kappaleeksi (10 Turkeria). Laadunvarmistus: Näistä valitaan esim. kaksi parasta, joista pyydetään Turkereilta yhdistelmä, tai Turkereita pyydetään äänestämään paras kymmenestä. Näin voidaan varmistaa, että laatu on riittävä, ja yksittäiset huonot vastaukset, eivät vaikuta lopputulokseen.

Tämä kokeilu on edelleen kesken ja odotellaan mielenkiinnolla jatkoa! Joka tapauksessa esimerkit tuovat esiin sen, että mitä kompleksisempi tehtävä annetaan yleisön tehtäväksi, sitä tärkeämpää on suunnitella tehtävän palastelu pienempiin osiin ja miten näistä koostetaan lopputulos varmistaen myös sen laatu.

Mobiilin media/uutissisällön tuottamisen ja kuluttamisen uusia tuulia

Mobiiliraportointiin soveltuvia ja kansalais/lukija-aktiivisuutta hyödyntäviä mobiiliratkaisuja on valittu palkittavien joukkoon World Summit Awards 2010 - mobile content tapahtumassa Abu Dhabissa joulukuun alussa (http://www.wsa-mobile.org/winners). Poimintoina mobiilituottamisesta mm. Boston CitizensConnect, You are the Reporter, Need4Feed media ja uutiset sarjasta. Lisäksi muutamia muita aiheeseen liittyviä poimintoja. Sivustolla on myös muiden sarjojen (oppiminen, "voimauttaminen", turismi...) voittajakaartia.

Lue lisää >>

Uudet kumppanuudet journalismissa

Professori Alan G. Stavitsky puhui 16.9.2010 Tampereen yliopistolla C.V. Åkerlund -vierailuluennolla teemanaan uudet kumppanuusmuodot journalismissa USA:ssa. Stavitsky kertoi Oregonin yliopistossa tehtyjen tutkimusten tuloksista otsikoituna ”Outoja petikumppaneita vai vakaita brändejä” (”Strange bedfellows or sustainable brands?”). 

Ensimmäiseksi esimerkiksi Stavitsky otti tutkivan journalismin murroksen. Noin kolmasosa journalisteista ei enää työskentele alalla USA:ssa. Ei-kaupallisia uutisorganisaatioita on syntynyt, esimerkkinä ProPublica.org. Tutkivaa raportointia tuetaan muun muassa lukijoiden lahjoituksin, jotka on mahdollistettu netissä helposti tarjoamalla Lahjoita tai Tue -painike. Lisäksi lukijat voivat osallistua lahjoituksillaan määrittelemään tutkivan journalismin suuntaa ja teemoja (esim. Spot.Us). Molemmissa mainituissa esimerkkijulkaisuissa kannattaa vierailla, jotta näkee käytännössä erilaisia toimintamalleja.

Stavitsky nimesi viisi uutta kumppanuusmuotoa journalismissa:

1. Historialliset kilpakumppanit

2. Koulutusinstituutiot

3. Ei-kaupalliset (voittoa tavoittelemattomat) ja uutisten vaihto

4. Kansalaiset ja aktivistit

5. Hallinto

Lue lisää >>