Read this article in English.
¿Cómo podemos usar la inteligencia artificial para innovar las técnicas de reporteo y de periodismo de investigación? Esta es la pregunta que convocó a un grupo de siete organizaciones periodísticas en América Latina y Estados Unidos, el grupo de las Américas del 2021 JournalismAI Collab Challenges. Esta iniciativa de colaboración reúne a medios para experimentar con inteligencia artificial y periodismo.
Este año, JournalismAI, un proyecto de Polis, la think-tank de periodismo de la London School of Economics and Political Science, y apoyado por la Google News Initiative, invitó al Knight Lab de la Universidad de Northwestern como aliado regional para las Américas. Nuestro rol fue facilitar la colaboración entre los participantes de la región.
Entre mayo y noviembre, periodistas de La Nación en Argentina, MuckRock y Bloomberg News en Estados Unidos, Data Crítica en México, AzMina en Brasil, CLIP en América Latina, y Ojo Público en Perú, trabajaron juntos en distintos proyectos colaborativos.
En equipos, los participantes exploraron formas en que las tecnologías de inteligencia artificial pueden ayudar a periodistas de investigación alrededor del mundo en su trabajo de investigar a los poderosos y reportear temas poco explorados.
Este camino de colaboración, experimentación e investigación se materializó en los proyectos:
- DockIns, para analizar grandes cantidades de documentos
- Monitor de discurso político misógino, para detectar violencia de género en redes sociales
- From Above, centrado en analizar imágenes satelitales para investigar temas ambientales.
Conoce más de estos proyectos y cómo se desarrollaron.
Facilitando la colaboración y la experimentación
Para el Collab, el Knight Lab creó un enfoque que ayudó a establecer un tono de flexibilidad y mente abierta para descubrir hacia dónde nos llevaba esta colaboración. Esto significó que los pasos a seguir no estaban preestablecidos: “el trabajo que hacemos se basa en el diseño que se centra en la persona (human-centered design). No tenemos respuesta a las preguntas que establecemos, pero tratamos de crear un proceso que permita a los participantes y a nosotros, los facilitadores, encontrar juntos las respuestas” señala Jeremy Gilbert, Knight Chair en Medios Digitales.
“Hay ocasiones en las que no existe un currículum para nuevas áreas de trabajo, así que parte de aprender algo nuevo es reconocer que estamos en una especie de frontera y que necesitamos explorar y descubrir juntos cómo encajan las cosas”, explica Joe Germuska, director del Knight Lab.
Al inicio del Collab, los participantes del grupo de las Américas y los facilitadores nos reunimos una vez a la semana durante un mes y medio. En estas sesiones, los participantes compartieron qué les trajo a esta colaboración, su experiencia y los retos que enfrentan al hacer periodismo. Juntos hicieron lluvias de ideas y discutieron proyectos que les interesaría desarrollar en los siguientes meses. Limitados a reunirnos sólo de manera virtual, estas conversaciones fueron diseñadas para que los participantes pudieran hablar con distintas personas en cada oportunidad posible.
Al final de estas sesiones, invitamos a los participantes a presentar propuestas de proyectos para el Collab. Se seleccionaron las tres ideas que se presentaron al grupo y cada persona eligió a qué equipo quería unirse. A partir de aquí, los equipos establecieron los avances que querían cumplir cada mes, e identificaron los aspectos técnicos y editoriales necesarios para lograrlos. También tuvieron reuniones semanales para discutir su progreso, los obstáculos que fueron encontrando en el camino y posibles soluciones. Una vez al mes todos los equipos, junto con el Knight Lab, tuvimos sesiones dedicadas a compartir actualizaciones sobre los proyectos y recibir retroalimentación.
Junto conmigo en el rol de gerente de proyecto, los integrantes del Knight Lab que han sido parte del Collab son Jeremy Gilbert, profesor y Knight Chair en Medios Digitales en la Universidad de Northwestern; Joe Germuska, director y Nerd en jefe del Knight Lab; y Scott Bradley, ingeniero senior.
Los proyectos
DockIns
El equipo DockIns abordó dos retos: 1) estructurar datos públicos que quedan ocultos en archivos en PDF, y 2) la realidad de que las soluciones de procesamiento natural de lenguaje (NLP por sus siglas en inglés) no son tan poderosas en otros idiomas como lo son inglés. Para esto, el equipo desarrolló el Proyecto DockIns y la herramienta SideKick, una plataforma basada en machine learning que MuckRock había empezado a desarrollar, y que hospeda, lee, destaca información y clasifica documentos. Esta herramienta ha sido diseñada para ayudar a que periodistas interroguen grandes conjuntos de documentos en español y en inglés. También ayudará a automatizar la cobertura continua para la rendición de cuentas, para que los periodistas de investigación puedan monitorear tendencias y valores atípicos, en muchos documentos a la vez sin necesidad de muchos conocimientos técnicos, y sin configuración y mantenimiento complicados. SideKick se puede usar en la plataforma DocumentCloud o como una versión independiente de código abierto.
Ser parte del Collab es invertir en el presente para el futuro. Es aprender, colaborar y seguir avanzando.
Momi Peralta, La Nación (Equipo DockIns)
- Lee más acerca de Proyecto DockIns (en inglés).
- Lee la documentación de SideKick.
- Lee Reconocimiento de Entidades (NER) sobre textos en español
Participantes y organizaciones:
Delfi Arambillet (La Nación - Argentina), Rigo Carvajal (CLIP - Costa Rica), Claudia Chávez (Ojo Público - Perú), Gianco Huamán (Ojo Público - Perú), Mitch Kotler (MuckRock - Estados Unidos), Michael Morisy (MuckRock - Estados Unidos), Martín Pascua (La Nación - Argentina), Momi Peralta (La Nación - Argentina), Gianfranco Rossi (Ojo Público - Perú).
Monitor de discurso político misógino
El Monitor de discurso político misógino (Political Misogynistic Discourse Monitor) se concibió con el propósito de investigar cómo la violencia de género se expande a través de redes sociales, especialmente en los casos que inicia o es estimulada por personajes políticos en Twitter. Este proyecto continúa el trabajo del MonitorA, creado por AzMina. El equipo desarrolló un modelo con procesamiento de lenguaje natural capaz de trabajar en portugués y español, para crear una forma más eficaz de automatizar el análisis de grandes cantidades de tweets y determinar si se trata de mensajes misóginos. El trabajo de etiquetar y entrenar el algoritmo para construir la herramienta llevó al equipo a colaborar con el investigador Iván Meza-Ruiz de Mexico, quien se sumó al esfuerzo para afinar el modelo de NLP. El resultado es la primera etapa de un prototipo que puede determinar si un tweet es misógino o no. En el futuro, el equipo pondrá la herramienta a disposición de otras personas interesadas en mapear la violencia de género en redes sociales.
Being at the Collab helped me to understand what pieces do we need to start... What I appreciate the most is building these networks, these communities. The real win is for the community. We now have a space for an innovative project.
José Luis Peñarredonda, CLIP (Equipo Monitor del discurso político misógino)
Participantes y organizaciones:
Fer Aguirre (Data Crítica - México), Helena Bertho (AzMina - Brasil), Gaby Bouret (La Nación - Argentina), Bárbara Libório (AzMina - Brasil), Marina Gama Cubas da Silva (AzMina - Brasil), José Luis Peñarredonda (CLIP - Colombia).
- Explora el repositorio de proyecto en GitHub (en inglés).
From Above
El equipo From Above inició su trabajo con el propósito de usar inteligencia artificial e imágenes satelitales para identificar indicadores visuales que ayuden a seguir historias. La elección de imágenes satelitales fue para sortear las barreras del idioma, experimentar con herramientas de código abierto y tener un enfoque diferente para investigar la pérdida de la biodiversidad en el planeta. Esta exploración también ha sido con la intención de desmitificar el uso de la inteligencia artificial y crear un mejor entendimiento de lo que significa usar algoritmos de visión por computadora y entrenar un modelo. El equipo navegó la emoción de aprender juntos con el reto del acceso limitado a imágenes de alta calidad. El proceso colectivo de aprendizaje y los retos que resolvieron en el camino motivaron la creación de la guía A Journalist’s Guide to using AI + Satellite Imagery for Storytelling.
Creo que es increíblemente valioso [ser parte del proyecto] porque todos tenemos un mejor entendimiento en este ámbito. Sabemos mejor lo que se puede y no se puede hacer.
David Ingold, Bloomberg News (Equipo From Above)
Participantes y organizaciones:
Flor Coehlo (La Nación - Argentina), David Ingold (Bloomberg - US), Gibrán Mena (Data Crítica - México), María Teresa Ronderos (CLIP - Colombia), Shreya Vaidyanathan (Bloomberg - Estados Unidos).
- Lee A Journalist's Guide to using AI + Satellite Imagery for Storytelling (en inglés).
- Explora el repositorio de proyecto en GitHub (en inglés).
Los aprendizajes
El 2021 JournalismAI Collab Challenges ha sido una oportunidad única para aprender cómo cada contexto trae consigo distintos retos para los periodistas de investigación, por ejemplo, diferentes niveles de acceso a recursos técnicos o las limitaciones del idioma. Sin embargo, al trabajar juntos es posible crear soluciones que ayuden a muchos, porque los problemas son muy similares y no pertenecen sólo a un país o a un continente. Y aunque en el periodismo de investigación no siempre es sencillo crear soluciones que puedan llevar la automatización a gran escala, trabajar juntos hacia la innovación sirve para establecer un camino más sencillo para todos. De esta experiencia, estas son las tres grandes lecciones del grupo de las Américas:
- Es mejor experimentar ahora para estar listo para el futuro. No todos los experimentos traen resultados positivos inmediatos. En ocasiones habrá que dejar reposar por un tiempo la experimentación, dejarlo marinar. Pero seguir experimentando te ayudará a estar listo para adoptar rápido nuevas tendencias.
- Permitir que el problema a resolver te guíe. Al trabajar en ciertas historias, tal vez ya tengas en mente qué herramientas o recursos específicos quieras utilizar. En la medida en que los obstáculos aparecen, debes estar listo para reformular tus preguntas e interrogar qué es lo que realmente quieres hacer. Esto tal vez te lleve a cambiar tu idea inicial, y empujarte a pensar creativamente para continuar experimentando.
- Y, sobre todo, ¡colaborar es la clave!
Mantente en contacto con el Knight Lab si tienes interés en estas herramientas, y en colaboraciones e iniciativas similares como The Data-Driven Reporting Project.
Conoce todos los proyectos desarrollados por los participantes alrededor del mundo y ve las sesiones del 2021 JournalismAI Festival.
About the author
