Jornalismo, algoritmos e imparcialidade: uma análise sobre a startup Knowhere News
DOI:
https://doi.org/10.5007/1984-6924.2023.94993Palavras-chave:
Jornalismo, Algoritmos, ImparcialidadeResumo
O artigo analisa a startup Knowhere News para discutir as implicações da produção algorítmica de notícias. Discutimos os algoritmos como máquinas de conhecimento e as implicações ideológicas dos designers de software na configuração das diretrizes de ação dessas ferramentas. A partir do caso, que tem a imparcialidade como matriz editorial, buscamos compreender os sentidos sobre imparcialidade propostos pela startup e, a partir de uma análise do produto jornalístico, buscamos mapear de que forma os agentes humanos e não humanos buscam construir efeitos de imparcialidade nas notícias. O mapeamento considerou um conjunto de 6 matérias, produzidas cada uma em três versões (etiquetadas como positiva, negativa e neutra), totalizando 18 textos. A análise foi realizada considerando os eixos de operação da natural language generation (NLG) e nos permitiu reconhecer padrões de produção dos efeitos de imparcialidade, ligados a seleção, hierarquização, omissão e lexicalização de informações.
Referências
ANDERSON, Janna Quitney; RAINIE, Harrison. The future of the internet: ubiquity, mobility, security. Nova York: Cambria Press, 2009.
ASUR, Sitaram; HUBERMAN, Bernardo A. Predicting the future with social media. In: Proceedings of the 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. Volume 01. IEEE Computer Society, 2010.
BARBOSA, Suzana Oliveira; TORRES, Vitor. Extensões do paradigma JDBD no jornalismo contemporâneo: modos de narrar, formatos e visualização para conteúdos. In: Anais do 21º Encontro Anual da Compós, 2012, Juiz de Fora. Anais eletrônicos... Campinas, Galoá, 2012. Disponível em: https://proceedings.science/compos/compos-2012/trabalhos/extensoes-do-paradigma-jdbd-no-jornalismo-contemporaneo-modos-de-narrar-formatos?lang=pt-br. Acesso em: 21 mar. 2023.
BARBOSA, Suzana Oliveira. Jornalismo Digital em Base de Dados (JDBD): um paradigma para produtos jornalísticos digitais dinâmicos. 2007. 331 f. Tese (Doutorado) - Curso de Programa de Pós-Graduação em Comunicação e Culturas Contemporâneas, Universidade Federal da Bahia, Salvador, 2007.
BARDIN, Laurence. Análise de conteúdo. Lisboa: Edições 70, 1977.
DEEMTER, Kees Van. Computacional models of Referring: a study in Congnitive Science. Massachussets: MIT Press, 2016.
DIAKOPOULOS, Nicholas. Towards a design orientation on algorithms and automation in news production. Digital Journalism, v. 7, n. 8, p. 1180-1184, 2019. DOI: 0.1080/21670811.2019.1682938
FRANCISCO, Virgínia; GERVÁS, Pablo; HERVÁS, Raquel. Assessing the influence of personal preferences on the choice of vocabulary for natural language generation. Information processing & management, v. 49, n. 4, p. 817-832, 2013.
FOSTER, Mary Ellen. Natural language generation for social robotics: opportunities and chal-lenges. Philosophical Transactions Of The Royal Society B: Biological Sciences, [s.l.], v. 374, n. 1771, p.1-6, 29 abr. 2019. The Royal Society.
FURTADO, Silvia de Freitas Dal Ben. Cartografando o jornalismo automatizado: redes sociotécnicas e incertezas na redação de notícias por "robôs". 2018. 120 f. Dissertação (Mestrado) - Curso de Jornalismo, Faculdade de Filosofia e Ciências Humanas, Universidade Federal de Minas Gerais, Belo Horizonte, 2018.
GILLESPIE, Tarleton. A relevância dos algoritmos. Parágrafo, v. 6, n. 1, p. 95-121, 2018.
GITELMAN, Lisa (Ed.). Raw data is an oxymoron. Massachussets: MIT Press, 2013.
HACKETT, Robert. Declínio de um paradigma? A parcialidade e a objectividade nos estudos dos media noticiosos. In: TRAQUINA, Nelson (ed.). Jornalismo: questões, teorias e “estórias”. Lisboa: Vega, 1993. p. 101-130.
HELLSTRÖM, Thomas; DIGNUM, Virginia; BENSCH, Suna. Bias in Machine Learning What is it Good (and Bad) for? [PrePrint]. cs.AI arXiv. DOI: 10.48550/arXiv.2004.00686
LEPPÄNEN, Leo; TUULONEN, Hanna; SIRÉN-HEIKEL, Stefanie. Automated Journalism as a Source of and a Diagnostic Device for Bias in Reporting. Media and Communication, v. 8, n. 3, p. 39-49, 2020.
KITCHIN, Rob. Thinking critically about and researching algorithms. Information, communication & society, v. 20, n. 1, p. 14-29, 2017. DOI: 10.1080/1369118X.2016.1154087
KURZWEIL. A era das máquinas espirituais. Tradução de Fábio Fernandes. São Paulo: Aleph, 2007.
MAHRT, Merja; SCHARKOW, Michael. The value of big data in digital media research. Journal of Broadcasting & Electronic Media, v. 57, n. 1, p. 20-33, 2013. DOI: 10.1080/08838151.2012.761700
Manovich, Lev. The language of new media. Massachussets: MIT Press, 2002.
MAYER-SCHONBERGER, Viktor; CUKIER, Kenneth. Big data: the essential guide to work, life and learning in the age of insight. Londres: Hachette UK, 2013.
NEVEU, Erik. Sociologia do Jornalismo. São Paulo: Edições Loyola, 2006.
NORMANDE, Naara. A automatização da narrativa jornalística. Estudos em Comunicac?a?o, n. 13, p. 363-378, 2013.
OBERMEYER, Ziad; POWERS, Brian; VOGELI, Christine; MULLAINATHAN, Sendhil. Dissecting racial bias in an algorithm used to manage the health of populations. Science, v. 366, n. 6464, p. 447-453, 2019. DOI: 10.1126/science.aax234
SHADOWEN, Nicole. Ethics and bias in machine learning: a technical study of what makes us “good”. In: LEE, Newton (ed.). The Transhumanism Handbook. Berlim: Springer, 2019. p. 247-261.
SCHUDSON, Michael. O modelo americano de jornalismo: excepção ou exemplo?. Comunicação & Cultura, n. 3, p. 115-130, 2007. DOI: 10.34632/comunicacaoecultura.2007.442
SILVEIRA, Denise Tolfo; CÓRDOVA, Fernanda Peixoto. A pesquisa científica. In: GE-RHARDT, Tatiana Engel; SILVEIRA, Denise Tolfo (orgs.). Métodos de Pesquisa. Porto Alegre: UFRGS, 2009. p. 31-42.
THOMSON, Craig; REITER, Ehud; SRIPADA, Somayajulu. Comprehension driven document planning in natural language generation systems. In: Proceedings of The 11th International Natural Language Generation Conference. Association for Computational Linguistics (ACL), 2018. Disponível em: https://aura.abdn.ac.uk/bitstream/handle/2164/11420/Comprehension_Driven_Document_Planning_in_Natural_Language.pdf?sequence=1. Acesso em: 21 mar. 2023.
TUCHMAN, Gaye. A objetividade como ritual estratégico do jornalismo. In: TRAQUINA, Nelson (ed.). Jornalismo: questões, teorias e “estórias”. Lisboa: Vega, 1993. p. 74-90.
VAN DEEMTER, Kees. Computational models of referring: a study in cognitive science. Massachussets: MIT Press, 2016.
VAN DIJCK, José. Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology. Surveillance & Society, v. 12, n. 2, p. 197-208, 2014.
Downloads
Publicado
Edição
Seção
Licença
Ao encaminhar textos à revista Estudos em Jornalismo e Mídia, o autor estará cedendo integralmente seus direitos patrimoniais da obra à publicação, permanecendo detentor de seus direitos morais (autoria e identificação na obra), conforme estabelece a legislação específica. O trabalho publicado é considerado colaboração e, portanto, o autor não receberá qualquer remuneração para tal, bem como nada lhe será cobrado em troca para a publicação. As ideias e opiniões expressas no artigo são de exclusiva responsabilidade do autor, não refletindo, necessariamente, as opiniões da revista. Citações e transcrições são permitidas mediante menção às fontes. A revista Estudos em Jornalismo e Mídia está sob a Licença Creative Commons
