Im Zuge der Transformation der öffentlichen Kommunikation im digitalen Zeitalter sind Journalisten mit einer zunehmenden Menge von Publikumsfeedback, beispielsweise in Foren, Kommentarbereichen und Social Media konfrontiert. In vordigitalen Zeiten blieb diese Anschlusskommunikation des Publikums über massenmediale Inhalte jenseits des Leserbriefes größtenteils unsichtbar. Heute sind die Äußerungen der „people, formerly known as the audience“ (Jay Rosen) für Journalisten aber auch andere Nutzer sichtbarer, was die Wahrnehmung und Verarbeitung des Feedbacks durch Journalisten und ihr Publikum grundlegend ändert. Für die meisten (Online-)Nachrichtenredaktionen sind Kommentarbereiche oder andere Feedbackmöglichkeiten obligatorisch. Allerdings variieren die Arten der Gestaltung dieser Resonanzräume, der Einbindung der Nutzer und auch der Verwendung des Feedbacks für die eigene journalistische Arbeit mitunter deutlich – nicht zuletzt, weil die manuelle Bearbeitung von Publikumsrückmeldungen durch Journalisten oder Social-Media-Redakteure sehr zeitintensiv, eine vollautomatische Analyse jedoch teuer und fehleranfällig ist. Im Rahmen des Projekts soll daher in Zusammenarbeit mit dem Fachbereich Informatik an der Universität Hamburg ein Softwaresystem entwickelt werden, das Journalisten beim Analysieren, Filtern und Zusammenfassen von nutzergenerierten Inhalten unterstützt. Durch eine systematische, semi-automatisierte Analyse von Publikumsfeedback sollen die Stimme(n) der Nutzer besser abgebildet und Journalisten bei der Generierung von neuen Inhalten aus Publikumsbeiträgen unterstützt werden. Im Rahmen des zu entwickelnden Systems können Journalisten z. B. auch Stichproben aus Kommentaren ziehen, Fragen an dieses Material entwickeln und „menschliche Kodierer“ aus der Crowd mit deren Beantwortung beauftragen. Das Softwaresystem nutzt Techniken des maschinellen Lernens und der automatischen Sprachverarbeitung in Kombination mit manuellen Inhaltsanalysen (Peer Coding) und Crowdsourcing. Es wird Spam automatisch herausfiltern, zwischen Lob und Kritik unterscheiden sowie Kommentare in flexible Kategorien gruppieren können.Darüber hinaus soll es möglich sein, dass Journalisten spezielle Auswertungen von Kommentaren vornehmen, beispielsweise um abzubilden, wie viele Nutzer einer Position zustimmen bzw. diese ablehnen. Die Anforderungen an ein solches System werden im Verlauf des Projekts gemeinsam mit Journalist(inn)en weiter spezifiziert, und es wird im Rahmen eines konkreten Anwendungsfalls mit einer großen deutschen Nachrichtensite getestet. Bearbeiterinnen: W. Loosen, L. Merten, J. Reimer, L. von Roessel Kooperationspartner: Prof. Dr. Walid Maalej, Universität Hamburg Drittmittelgeber: Google Computational Journalism Research Programme Ein Outcome hätte ich auch schon anzubieten: Loosen, W. (2016): The paradoxical relationship between journalism and its audience – or: How to make sense of user-generated content? Eingeladener Vortrag am Institut für Wirtschaftsinformatik der WWU Münster am 3. Mai 2016. ********
Im Zuge der Transformation der öffentlichen Kommunikation im digitalen Zeitalter sind Journalisten mit einer zunehmenden Menge von Publikumsfeedback, beispielsweise in Foren, Kommentarbereichen und Social Media konfrontiert. In vordigitalen Zeiten blieb diese Anschlusskommunikation des Publikums über massenmediale Inhalte jenseits des Leserbriefes größtenteils unsichtbar. Heute sind die Äußerungen der „people, formerly known as the audience“ (Jay Rosen) für Journalisten aber auch andere Nutzer sichtbarer, was die Wahrnehmung und Verarbeitung des Feedbacks durch Journalisten und ihr Publikum grundlegend ändert.
Für die meisten (Online-)Nachrichtenredaktionen sind Kommentarbereiche oder andere Feedbackmöglichkeiten obligatorisch. Allerdings variieren die Arten der Gestaltung dieser Resonanzräume, der Einbindung der Nutzer und auch der Verwendung des Feedbacks für die eigene journalistische Arbeit mitunter deutlich – nicht zuletzt, weil die manuelle Bearbeitung von Publikumsrückmeldungen durch Journalisten oder Social-Media-Redakteure sehr zeitintensiv, eine vollautomatische Analyse jedoch teuer und fehleranfällig ist.
Im Rahmen des Projekts soll daher ein Softwaresystem entwickelt werden, das Journalisten beim Analysieren, Filtern und Zusammenfassen von nutzergenerierten Inhalten unterstützt. Durch eine systematische, semi-automatisierte Analyse von Publikumsfeedback sollen die Stimme(n) der Nutzer besser abgebildet und Journalisten bei der Generierung von neuen Inhalten aus Publikumsbeiträgen unterstützt werden. Im Rahmen des zu entwickelnden Systems können Journalisten Stichproben aus Kommentaren ziehen, Fragen an dieses Material entwickeln und „menschliche Kodierer“ aus der Crowd mit deren Beantwortung beauftragen.
Das Softwaresystem nutzt Techniken des maschinellen Lernens und der automatischen Sprachverarbeitung in Kombination mit manuellen Inhaltsanalysen (Peer Coding) und Crowdsourcing. Es wird Spam automatisch herausfiltern, zwischen Lob und Kritik unterscheiden sowie Kommentare in flexible Kategorien gruppieren können.
Darüber hinaus können Journalisten Zusammenfassungen der Kommentare erstellen, beispielsweise um abzubilden, wie viele Nutzer einer Position zustimmen bzw. diese ablehnen. Die Anforderungen an ein solches System werden im Verlauf des Projekts gemeinsam mit Journalisten weiter spezifiziert, und es wird im Rahmen eines konkreten Anwendungsfalls mit einer großen deutschen Nachrichtensite getestet.