Küresel Araştırmacı Gazetecilik Konferansı’na katılan Esra Öz, bu etkinlikte öğrendiği veri görselleştirme ve yapay zekâ araçlarını Journo takipçileri için yazdı. New York Times, Associated Press ve Deutsche Welle gibi haber kuruluşlarının temsilcilerinin konferansta verdiği ipuçları da bu yazıda…
Küresel Araştırmacı Gazetecilik Ağı’nın (GIJN) düzenlediği konferansın 13’üncüsü, 19-22 Eylül tarihlerinde İsveç’in Göteburg kentinde yapıldı.
Linnaeus Üniversitesi’nde sürdürülebilir gazetecilik alanında çalışan Fojo Enstitüsü ile İsveç Araştırmacı Gazetecilik Derneği’nin (FGJ) eş evsahipliğinde düzenlenen 13. Küresel Araştırmacı Gazetecilik Konferansı‘na 132 ülkeden 2.138 araştırmacı gazeteci ve editör katıldı.
Türkiye’den “fellow” (burslu) gazeteci seçilerek izlediğim konferansta dünyanın dört bir yanından meslektaşlarımla tanıştım. Deneyimli gazeteciler ve iletişim akademisyenleri tarafından özenle tasarlanan sunumlara ve atölye çalışmalarına katıldım. Konferansta öğrendiklerimi 8 maddede özetleyerek paylaşmak istedim:
1. Veri görselleştirme araçlarını kullanın
Veri görselleştirme için çok sayıda program ve uygulama var. Bunları takip etmek gün geçtikçe önem kazanıyor. Konferansta bahsedilen araçlardan bazıları şunlar:
- ArcGIS online: Haritalar oluşturmak ve paylaşmak için bir araç. Aynı zamanda mevcut haritalardan oluşan kapsamlı bir kütüphaneye sahip.
- Chartbuilder: Temel veri görselleştirme türlerini görüntü dosyaları, SVG veya JSON olarak dışa aktarma seçeneği sunan ücretsiz bir platform.
- D3: Veri görselleştirme için bir JavaScript kütüphanesi.
- Datawrapper: Çeşitli türlerde tablo, harita ve grafik görselleştirmeleri sunuyor.
- Plotly.js, JavaScript’te grafik oluşturmak için ücretsiz, açık kaynaklı bir kütüphane.
- StoryMapJS: Bir dizi olayın konumlarını vurgulayan hikâyeler anlatmanıza yardımcı olan ücretsiz bir çevrimiçi araç.
- Tableau: Grafik, haritalama ve diğer görselleştirmeleri yapan etkileşimli bir veri gösterge tablosu aracı. Araştırmacı gazeteciler ve editörler için ücretsiz.
- TimelineJS: Etkileşimli zaman çizelgeleri oluşturmanızı sağlayan ücretsiz bir araç.
2. Yapay zekâ araçlarını tanıyın
Iowa Eyalet Üniversitesi’nden Richard Mensah Adonu ve Syracuse Üniversitesi’nden Nausheen Husain, sunumlarında hem akademik çalışmalara değindi hem de günlük kullanılacak uygulamalardan söz etti:
- Monica : Uzun makalelerin okunması ve tercüme edilmesi
- InVID : Videoların geçerliliğini kontrol etme
- Open Camera : Standart kameralarda bulunmayan yapay zekâ bileşenleri ve işlevleri sağlar.
Farklı oturumlarda şu uygulamalara da değinildi:
- Pinpoint: Bir transkripsiyon aracından daha fazlası
- Numerous.ai: Bir Google E-Tablolar ve Excel uzantısı
- GPTZero: Ücretsiz bir yapay zekâ tespit aracı. %100 doğru sonuç vermediğini unutmamak gerekiyor.
- Airtable: Yerel haber kuruluşları için yapay zekâ araçları veritabanı
- Audemic: Kullanıcılar bilimsel bir makale yükleyebiliyor ve yazılım metnin sesli bir versiyonunu oluşturuyor. Gazetecilerin haber toplama ve raporlama süreçlerinde zamandan tasarruf etmelerine yardımcı olabilir.
- NewsWhip: Olayları ve konuları gerçek zamanlı olarak izlemek, haberlerin hızlı temposuna ayak uydurmak için yapay zekâ aracı.
- Factmata: Sosyal medyayı, makaleleri ve blog yazılarını analiz ederek benzer görüşleri anlatılar hâlinde gruplandırıyor. Popülerlik ve viralite hakkında içgörüler sunuyor.
- Newsleak: Metin tabanlı veri kümelerinin içinde gazetecilerin ilgisini çekebilecek gizli hikâyeleri ortaya çıkarmayı amaçlıyor.
Deutsche Welle’den Serdar Vardar’ın bana bahsettiği şu klasik araçlar ise yapay zekâ kullanmıyor ama bir gün işinize yarayabilir:
- Wayback Machine: “Silinmiş web siteleri ve kaldırılmış içerikleri görmek için çok değerli bir araç olan, internetin zaman makinesi.”
- Pimeyes: Tersine görsel arama yapan, insan yüzlerini arama motoru.
- Şirketlerin ortaklık yapısını, faaliyetlerini ve uluslarararası bağlantılarını araştırmak için Open Corporates, Aleph ve Uluslararası Araştırmacı Gazetecilik Ağı’nın Offshore Leaks veritabanı
3. Gazeteciler matematikten korkmamalı
Gazeteciliğin matematikle bir alakasının olmadığı düşünülür. Oysa günümüzde gazetecilik bambaşka bir yöne doğru ilerliyor. “Gazeteciler de mühendisler gibi her yeni uygulamayı öğrenmemeli” diyen NY Times Veritabanı Projeleri Editörü Robert Gebeloff şu ifadeleri kullandı:
- Tüm bu teknik becerileri öğrenmelerine gerek yok. Ancak gazeteciler bu araçların ve neleri yapıp neleri yapamayacaklarının farkında olmalıdır. Önemli olan neyin mümkün olduğunu bilmektir ve eğer yapılması gereken bir şey varsa, gazetecinin yeni bir beceriyi kendi başına mı öğrenmesi gerektiği yoksa zaten gerekli becerilere sahip biriyle ortak mı olması gerektiği belirlenebilir.
- Gazeteciler matematikten korkma eğilimindedir, ancak en azından bunu aşmalı ve hikâyelerde sayılarla nasıl çalışacaklarını öğrenmeli ve bu noktada, başka türlü cevaplanması mümkün olmayan soruları yanıtlamak için verilerle nasıl çalışacaklarını öğrenmeyi düşünmelidirler.
4. Gazeteciler, veribilimi ve yapay zekânın temelini öğrenmeli
Türkiye’de medya sektörü, veribilimi ve yapay zekânın önemini henüz anlamış olmasa da konferansta, yapay zekâ ve veribilimi üzerine çok sayıda oturum vardı. Her oturumda birbirinden değerli bilgiler sunuldu. Excel’den yardım alınarak yapay zekâya uzanan çalışma örneklerini dinlemek ilham vericiydi. Oslo Üniversitesi Veritabanı Projeleri Editörü Doç. Dr. Fabrizio Palumbo bir oturumda şunları söyledi:
- Dijital çağ, insan bilişinin ve manuel işlemenin kapasitesini gölgede bırakan ezici bir veri tufanı başlattı… Bu verilerin hacmi, hızı ve çeşitliliği daha sofistike araç ve teknikler gerektiriyor. Bu bağlamda, Makine Öğrenimi (ML) ve yapay zekâ (AI) gibi araçlar, sürekli olarak ürettiğimiz muazzam veri kümelerini deşifre etmemizi, analiz etmemizi ve bunlardan içgörü çıkarmamızı sağlayan çağdaş “yazılı dilimiz” olarak hizmet ediyor.
- Makine öğrenimi ve yapay zekâ sayesinde, verilerin içinde saklı olan örüntüler fark edilebilir hâle geliyor ve daha önce ulaşılamayacağı düşünülen ölçeklerde ve hızlarda inovasyon, karar verme ve sorun çözmeyi teşvik eden içgörüler sunuyor. Gazeteciler artık bu devrimin merkezinde yer alıyor. Makine öğrenimi ve yapay zekânın günlük rutinlerine entegre edilmesiyle gazeteciler, devasa veri kümelerini incelemelerine, eğilimleri tespit etmelerine ve gerçekleri hızlandırılmış bir hızda doğrulamalarına yardımcı olabilecek bir araç setine sahip oldular. Bu araçlar, verilerin derinliklerinde saklı olan ve daha manuel bir analizde gözden kaçabilecek hikâyeleri ortaya çıkarmaya yardımcı olabilir.
5. Disiplinler ötesi bir işbirliği kurulmalı
OsloMet’teki yapay zekâ Gazeteciliği Kaynak Merkezi’nde, Norveç’in önde gelen haber merkezleriyle işbirliği yaparak araştırmacı gazetecilik projelerinde yapay zekânın pratik uygulamaları üzerine uygulamaya dayalı araştırmalar yürüten Palumbo, şunları ekledi:
- Bu deneyimlerden, ölçekli verilere erişimin, veri kalitesinin ve “haber değeri” kavramının bir makine öğrenimi sorusu olarak yeniden ele alınmasının, haber merkezinde yapay zekânın kullanılmasının önündeki en önemli engeller olduğunu gördük. Akademi ve haber merkezi arasındaki işbirliğinin, paradigmayı disiplinler arası bir işbirliğinden disiplinler ötesi bir işbirliğine kaydırarak bu geçişte çok önemli bir rol oynayabileceğine inanıyoruz. Gazeteciler, veribilimi ve yapay zekânın temelini öğrenerek, maliyeti makul ölçüde azaltabilecek ve üretkenliği artırabilecek açık kaynaklı, kullanıma hazır yapay zekâ modellerinin gücünden faydalanabilirler.
- Gazetecileri temel veribilimi uygulamaları konusunda eğitmenin, günümüzün dijitalleşmiş bir dünyaya geçişinde itici bir güç olabileceğine inanıyorum. Bir projenin başarılı olmadığı zamanların çoğunda toplanan verilerin ya “yeterince iyi” olmadığını ya da ilgilenilen soruya uygun olmadığını fark ettik. Piyasadaki mevcut yapay zekâ modellerini, nasıl çalıştıklarını, artılarını ve eksilerini bilmek, gazetecilerin veri toplamayı optimize etmelerine ve analizin değerli olması için doğru soruyu formüle etmelerine olanak sağlayabilir. Bu bilginin, bugün itibarıyla, sıfırdan bir algoritma uygulayabilmekten çok daha önemli olduğunu savunuyorum. Excel, Tableau, Datawrapper, Microsoft Power BI, DocumentCloud – MuckRock gibi araçlar, kod yazmadan verilerinizi düzenlemenize ve analiz etmenize olanak tanıyan daha geniş bir platform yelpazesi sunuyor.
- Bunun da ötesinde, biraz kod yazabiliyorsanız, ancak en önemlisi uygulanan kodu okuyup anlayabiliyorsanız, Python bir gazetecinin ihtiyaç duyabileceği hemen hemen her olası yapay zekâ algoritmasını uygulayan, tümü açık kaynaklı ve sürekli geliştirilmekte olan bir dizi kütüphane sunar. Numpy, SciPy ve Pandas gibi kütüphaneler, verileri hızlı ve sezgisel bir şekilde işlemenizi sağlar ve Seaborn gibi görselleştirme kütüphaneleriyle birlikte kullanıldığında, sizi birkaç satır kodla veri aktarımından grafiksel gösterime götürebilir.
- Bu araçların yanı sıra, daha gelişmiş analizler yapmak için elbette farklı uzmanlık seviyeleri gerektiren daha gelişmiş kütüphaneler de var. Daha standart makine öğrenimi için Scikit-Learn gibi Python paketleri ve daha gelişmiş uygulamalar için PyTorch, Keras ve TensorFlow… Ayrıca, Huggingface, NLTK veya spaCy gibi kaynaklar, minimum çabayla uygulamaya hazır çok çeşitli doğal dil işleme araçları sağlıyor.
6. Sorguları ve komutları doğru tasarlamak önemli bir beceri
Palumbo, ayrıca şu ifadeleri kullandı:
- Yapay zekâdaki bu devrimin açık bir örneği, ChatGPT’nin temsilcisi olduğu Büyük Dil Modelleri’nin (LLM) son zamanlarda patlamasıyla verildi. Artık gelişmiş dil modellerini uygulamak ve kullanmak ve uygulamalarını derinlemesine anlamadan bunlardan faydalanmak mümkün. Ancak, olası uygulamaları düşünebilmek ve potansiyellerinden tam olarak yararlanabilmek için nasıl çalıştıklarını ve mantıklarını anlamak çok önemli.
- Bir veribilimi hattı oluşturmada temel ancak güçlü bir aracı vurgulayarak bitirmek istiyorum: Google. Sorgunuzu uygun teknik terminolojiyi kullanarak çerçeveleme sanatında ustalaşmak, geniş bir bilgi hazinesinin kilidini açar. Alana biraz aşina olmanız, bu bol miktarda bilgiyi kendi amaçlarınız için kullanmanıza olanak tanır. Stack Overflow gibi kaynaklar, programlamaya yeni başlayanlar için son derece değerlidir ve nasıl soracağınızı bilmeniz halinde temelde mümkün olan her soruna bir çözüm sunar. Veribilimi dünyasında bir yolculuğa çıkmak nadiren düz bir yoldur, ancak başlangıçtaki ataleti aşmak olasılıklarla dolu bir alanı ortaya çıkarır. Merakınızı korumak ve yolculuğunuz boyunca olumlu bir zihniyet geliştirmek başarının anahtarıdır.
Sadece Google veya sosyal medya arama sorguları değil, metin tabanlı yapay zekâ uygulamalarına verilen komutları doğru tasarlamak da çok önemli. Konferansın en kalabalık oturumlarının sahibi olan Henk van Ess bu yüzden sunumlarında hikâye anlatmadı, doğrudan ya formül verdi ya da “Prompt (komut) her şeydir” diyerek nasıl ilerlenmesi gerektiğini anlattı. Eğer internette ya da sosyal medya platformlarında arama yapmak istiyorsanız, Van Hess’in hazırladığı kılavuzlara mutlaka göz atmalısınız.
7. Yapay zekâ teknolojilerine gözü kapalı güvenmeyin
Associated Press (AP) haber ajansında araştırmacı gazetecilik yapan Garance Burke, San Francisco’da yapay zekâ şirketlerinin sadece dizüstü bilgisayarlarda ve cep telefonlarında değil, aynı zamanda açık hava reklam panolarında da yer kapladığını söyledi. AP için yapay zekâ teknolojilerinin gücünü ve etkilerini araştıran bir ekibi yöneten Burke, araştırmacı gazeteciliğin yapay zekâyı incelemede öncülük etmesi için heyecan verici bir zaman olduğunu söyledi.
Birçok gazeteci yapay zekâ odaklı araştırmalara başlamakta tereddüt edebilir, ancak Burke her araştırmanın temelinde yatan merakın algoritmalar dünyasını anlamak için de aynı başlangıç noktası olduğunda ısrar ediyor. Burke, iş akışlarını kolaylaştırmak için ChatGPT gibi yapay zekâ araçlarını kullanmayı öneriyor. “Temel gazetecilik ilkelerini uygulayın” diyen Burke, “Bu şeyler nasıl çalışıyor? Ne kadar iyi performans gösteriyorlar? Kimler faydalanıyor? Kim para kazanıyor? AP Stylebook’un son baskısı, yapay zekâ konusunda rehberlik ve başlangıç için bazı temel terimler içeriyor” dedi.
AP’nin medya ilişkileri yöneticisi Nicole Meir da, gazetecilere dikkatli olma çağrısında bulundu:
- Yapay zekâ, kavramın açıklanması ve modellerin sorgulara yanlış yanıtlar üretme eğilimine karşı şüpheci yaklaşılmalı. Örneğin gazeteciler, yapay zekâ geliştiricilerinin araçlarını tanımlarken ileri sürdükleri zorlama iddialara dikkat etmeli, şirket temsilcilerinin iddialarını kontrol etmeden teknolojilerinin gücü hakkında alıntı yapmaktan kaçınmalı ve araçlarla ilgili güncel endişeler yerine tamamen uzak geleceklere odaklanmaktan kaçınmalı.
AP’nin kılavuzunda gazetecilere yapay zekâ araçlarının iç işleyişi hakkında haber yaparken sormaları gereken teknik sorular da sunuluyor. Ayrıca kılavuzda, yapay zekâ araçlarıyla ilgili haberlerin, bu sistemlerin nasıl çalıştığını, nerede kullanıldığını, ne kadar iyi performans gösterdiğini, denetlenip denetlenmediğini, sonuç olarak kimin fayda sağladığını, para kazandığını ve hangi toplulukların bu tür araçlardan olumsuz etkilenebileceğini göstermeyi amaçlaması gerektiği tavsiye ediliyor. Yapay zekâ ve etkilerini ele alan gazeteciler için önerilen habercilik yaklaşımlarını içeriyor ve kaçınılması gereken yaygın tuzakları da sıralıyor.
8. Gizli gözetim tehdidine karşı önlem alın
Toronto Üniversitesi Citizen Lab siber güvenlik araştırma biriminin kurucusu ve direktörü Ron Deibert da yeni bir ticari casusluk endüstrisi tarafından yönlendirilen ve artık neredeyse dünyadaki her bağımsız gazeteciyi ve her kaynağı savunmasız hâle getiren çok sayıda gizli gözetim tehdidini ortaya koydu.
Ayrıca Citizen Lab’ın, muhabirlerin akıllı telefon kameralarının sessizce ele geçirildiği vakalar da dâhil olmak üzere, dünya çapında çok sayıda gazeteciye yönelik gizli casusluğu ortaya çıkarmak için yaptığı adli çalışmalarla ilgili içeriden bilgiler paylaştı. Aynı tehdit muhalifler, sivil toplum ya da saldırıya hedef olan diğer herkes için de geçerli.
Deibert, özel olarak geliştirilen ve hükûmetler tarafından kullanılan bazı bilgisayar korsanlığı ve coğrafi konum belirleme araçlarının çok güçlü olduğunu, telefonlarının gizlice kendilerine karşı kullanılmasını önlemek için insanların yapabileceği çok az şey olduğunu belirtti.
Bu harika konferansı kaçırdığınız için üzülmeyin, YouTube kanalından seminerleri izleyebilirsiniz. Sunumlara bu linkten ulaşabilirsiniz. Haberlerini GIJN sitesinden okuyabilirsiniz. Ayrıca GIJN Türkçe sayfasını da mutlaka takip etmenizi öneririm.
Bu değerli deneyimi paylaşma ve öğrenme fırsatını sundukları için Küresel Araştırmacı Gazetecilik Ağı (GIJN), GIJN Türkiye ve Incubator for Media Education and Development (iMEdD )’a içten teşekkürlerimi sunuyorum.
İLGİLİ:
Cesur yeni dünya: Habercilikte yapay zekâ stratejisi için 5 tavsiye
Veri analizi ve görselleştirme için en iyi 10 Python kütüphanesi
Haber merkezinde üretken yapay zekâ kullanırken dikkat etmeniz gerekenler
