Δημοσιογραφικά εργαλεία για αναζήτηση κειμένου σε υπολογιστικά φύλλα, παρακολούθηση αλλαγών σε ιστότοπους και εξόρυξη ερευνητικών πηγών

Σε αυτήν την τελευταία ενότητα του GIJN Toolbox, παρουσιάζουμε τρία νέα, ισχυρά αλλά εύχρηστα εργαλεία έρευνας, τα οποία έχουν αναπτυχθεί με γνώμονα τις ανάγκες των δημοσιογράφων.

Τα εργαλεία αυτά παρουσιάστηκαν στο πρόσφατο συνέδριο για τη δημοσιογραφία δεδομένων NICAR26 data journalism summit στις ΗΠΑ.

Meaningfully

Τι κάνετε αν έχετε ένα τεράστιο υπολογιστικό φύλλο με κρατικά δεδομένα και θέλετε να βρείτε αναφορές, για παράδειγμα, για απολύσεις υπαλλήλων; Το πρόβλημα εδώ είναι ότι οι κρατικές υπηρεσίες χρησιμοποιούν κάθε είδους συνώνυμα και ευφημισμούς όταν απολύουν υπαλλήλους, για να μην αναφέρουμε τα τυπογραφικά λάθη. Το ίδιο ισχύει και για πολλές άλλες αναζητήσεις, όπως οι συμβάσεις, οι οποίες ενδέχεται να κρύβονται σε όρους όπως «προκηρύξεις διαγωνισμών» ή σε περιγραφές προσφορών σε ένα υπολογιστικό φύλλο.

Η αναζήτηση με λέξη-κλειδί ή πατώντας «Control-F» δεν θα αποδώσει αποτελέσματα σε αυτές τις περιπτώσεις, ενώ η χρήση chatbot με τεχνητή νοημοσύνη ενέχει παντός είδους κινδύνους σφαλμάτων και ψευδαισθήσεων. Μια «μέση λύση» για αυτόν τον τύπο ανάλυσης περιλαμβάνει εργαλεία ανοιχτού κώδικα που έχουν δημιουργηθεί από δημοσιογράφους και τα οποία αναγνωρίζουν τη σημασία των καταχωρημένων δεδομένων.

Ένα από αυτά είναι ένα δωρεάν εργαλείο σημασιολογικής αναζήτησης με την ονομασία Meaningfully, το οποίο δημιούργησε ο Τζέρεμι Μέριλ (Jeremy Merrill), δημοσιογράφος δεδομένων στην εφημερίδα Washington Post. Ένα άλλο δωρεάν, δημοσιογραφικό εργαλείο που ονομάζεται Semantra επιτελεί μια παρόμοια λειτουργία.

Στο πρόσφατο συνέδριο δημοσιογραφίας δεδομένων του NICAR, ο Μέριλ παρουσίασε το παράδειγμα της αναζήτησης απολύσεων, ανεβάζοντας ένα σύνολο δεδομένων από μια υποβολή εγγράφων προς την Επιτροπή Κεφαλαιαγοράς και πληκτρολογώντας απλώς «απολύθηκε» στη γραμμή αναζήτησης του εργαλείου του. Το εργαλείο εντόπισε κελιά δεδομένων όπως το ακόλουθο: «[Το πρόσωπο Χ] δεν θα λάβει αποζημίωση και θα χάσει όλα τα δικαιώματα σε μετοχικούς τίτλους που δεν είχαν κατοχυρωθεί μέχρι την ημερομηνία καταγγελίας της σύμβασής του». Παρόλο που δεν έγινε άμεση αναφορά στους όρους «αποδεσμεύτηκε» ή «απολύθηκε», το Meaningfully κατάλαβε ότι ο εν λόγω άνδρας είχε σαφώς χάσει τη δουλειά του.

Ο Μέριλ χρησιμοποίησε επίσης το Meaningfully για να αναδείξει μερικούς από τους 3.000 τρόπους με τους οποίους η ομοσπονδιακή κυβέρνηση των ΗΠΑ χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης, στο πλαίσιο μιας πρόσφατης έρευνας σχετικά με την υιοθέτηση και την εφαρμογή αυτής της τεχνολογίας υπό την κυβέρνηση Τραμπ. Αναρωτήθηκε αν η κυβέρνηση των ΗΠΑ χρησιμοποιούσε την τεχνητή νοημοσύνη για να εντοπίσει φάλαινες, οπότε πληκτρολόγησε τη φράση «αναζήτηση φαλαινών» στο εργαλείο του, και αυτό εντόπισε οκτώ περιπτώσεις χρήσης για την καταμέτρηση φαλαινών και δελφινιών –τόσο πιο κυριολεκτικές, όπως «αυτοματοποιημένη ανίχνευση φυσημάτων φαλαινών», όσο και σημασιολογικές, όπως οι «έρευνες θαλάσσιων θηλαστικών».

«Αν έχετε ένα υπολογιστικό φύλλο με μεγάλο όγκο κειμένου και εικάζετε τι μπορεί να περιέχει αυτό το κείμενο, το Meaningfully είναι το εργαλείο που θα σας βοηθήσει να το διαπιστώσετε», είπε.

Ο Μέριλ αναγνώρισε ότι το Meaningfully μπορεί να είναι αργό στην επεξεργασία και ενδέχεται να μην είναι χρήσιμο για γιγαντιαία σύνολα δεδομένων με πάνω από 100.000 σειρές. Παρόλα αυτά, τόνισε ότι, μόλις εγκατασταθεί, η μεταφόρτωση και η αναζήτηση είναι απλές, και ότι το ίδιο το εργαλείο είναι δωρεάν. Μπορείτε να εγκαταστήσετε το Meaningfully ακολουθώντας τα βήματα που περιγράφονται σε αυτήν τη σελίδα.

Visualping — και το Δωρεάν «Πακέτο» για Δημοσιογράφους

Εκατοντάδες δημοσιογράφοι και ερευνητές από όλο τον κόσμο έχουν χρησιμοποιήσει τη δωρεάν δημόσια έκδοση του εργαλείου Visualping για να λαμβάνουν αυτόματες ειδοποιήσεις σχετικά με αλλαγές σε ιστότοπους που σχετίζονται με τις έρευνές τους.

Το εργαλείο που χρησιμοποιεί τεχνητή νοημοσύνη εξοικονομεί χρόνο και λειτουργεί ως διαδικτυακός επιτηρητής για λογαριασμό των δημοσιογράφων: παρακολουθεί συγκεκριμένους ιστότοπους και στέλνει ειδοποιήσεις για αλλαγές και ενημερώσεις που, διαφορετικά, πιθανότατα θα σας διέφευγαν.

Ακόμα καλύτερα, αυτή η εύχρηστη υπηρεσία διαθέτει πλέον διευρυμένες δυνατότητες – όπως η δυνατότητα παρακολούθησης μόνο ενός μικρού τμήματος ενός ιστότοπου, ώστε να αποφεύγονται οι ανεπιθύμητες ειδοποιήσεις για νέες διαφημίσεις και τυπικές ενημερώσεις σε άλλα σημεία του ιστότοπου. Επιπλέον, τώρα προσφέρει ένα δωρεάν «πακέτο» για δημοσιογράφους (free Journalist Plan).

Αυτή η ενισχυμένη πρόσβαση για δημοσιογράφους, με εμπορική αξία 120 δολαρίων ετησίως, παρέχει έως και 1.000 ελέγχους ανά μήνα, σε σύγκριση με τους 150 που διατίθενται στη δωρεάν έκδοση, καθώς και την παρακολούθηση 25 ιστοσελίδων ταυτόχρονα, αντί για πέντε. Μπορείτε να προσαρμόσετε τις ειδοποιήσεις για οποιονδήποτε δημόσιο ιστότοπο και σε οποιαδήποτε γλώσσα, είτε πρόκειται για τη σελίδα ενός πολιτικού στα μέσα κοινωνικής δικτύωσης είτε για έναν κρατικό ιστότοπο δημόσιων συμβάσεων.

Η Κέιλα Τσου (Kayla Zhu), υπεύθυνη του Προγράμματος Δημοσιογράφων της υπηρεσίας, ανέφερε στους συμμετέχοντες στο NICAR ότι μια πιθανώς αποτελεσματική εφαρμογή της υπηρεσίας στον τομέα της ερευνητικής δημοσιογραφίας είναι η ρύθμιση ειδοποιήσεων για τυχόν αλλαγές στις σελίδες «όρων χρήσης» των εταιρειών Big Tech –όπως, για παράδειγμα, στη σελίδα όρων χρήσης της xAI– με σκοπό τον εντοπισμό νέων κινδύνων που αφορούν την προστασία των προσωπικών δεδομένων ή τη χρήση της υπηρεσίας.

«Μου αρέσει πολύ αυτή η εφαρμογή για τους ερευνητές δημοσιογράφους, γιατί αυτές οι σελίδες περιέχουν ατελείωτους “τοίχους” κειμένου και η αλλαγή μίας λέξης εδώ ή εκεί μπορεί να έχει σημαντικό αντίκτυπο, κάτι που συνήθως κανείς δεν θα παρατηρούσε», λέει η Τσου.

Μπορείτε επίσης να δείτε τις ακριβείς προσθήκες και διαγραφές κειμένου, που επισημαίνονται με διαφορετικά χρώματα, στον πίνακα ελέγχου, χρησιμοποιώντας τη λειτουργία κύλισης.

Αφού δημιουργήσετε τον λογαριασμό σας ως δημοσιογράφος, ξεκινήστε κάνοντας κλικ στην επιλογή «Νέα εργασία» (New Job), εισάγετε τη διεύθυνση URL που σας ενδιαφέρει, ορίστε τα κριτήρια αναζήτησης και, τέλος, καθορίστε τη συχνότητα ελέγχου της σελίδας που επιθυμείτε.

Η Τσου έδωσε επίσης λεπτομερείς συμβουλές για το πώς να αξιοποιήσει κανείς στο έπακρο το εργαλείο αυτό για τις έρευνες, μεταξύ των οποίων οι εξής:

• Αν και μπορείτε απλώς να επιλέξετε τα κριτήρια αναζήτησης από τη λίστα προτάσεων που παρέχεται, η Τσου συνιστά στους δημοσιογράφους να πληκτρολογούν προτροπές σαν αυτές που χρησιμοποιούνται για την τεχνητή νοημοσύνη προκειμένου να προσαρμόσουν τα κριτήριά τους, όπως «Ειδοποίησέ με όταν υποβληθεί νέος φάκελος σχετικά με την [Εταιρεία Χ]» ή «Ειδοποίησέ με όταν τροποποιηθεί δικαστικός φάκελος σχετικά με το [Πρόσωπο Χ]».

• Εκτός από τους ιστότοπους που παρουσιάζουν παραδοσιακό ενδιαφέρον, όπως οι ιστότοποι δημοσίων συμβάσεων, τα δικαστικά πινάκια και οι ιστότοποι περιβαλλοντικών δράσεων, να θυμάστε ότι είναι χρήσιμο και για τυχόν ενημερώσεις σε πύλες ανοικτών δεδομένων –ένα χρήσιμο βήμα επαλήθευσης την παραμονή της δημοσίευσης ενός θέματος.

• Επικοινωνήστε με το προσωπικό του Προγράμματος Δημοσιογράφων του Visualping για αιτήματα σχετικά με συγκεκριμένα πρότζεκτ.

• Δείτε τη σελίδα με τις συμβουλές για το εργαλείο.

Η νέα μηχανή αναζήτησης Archive.ire.org

Ο οργανισμός Investigative Reporters and Editors (IRE), μέλος του Παγκόσμιου Δικτύου Ερευνητικής Δημοσιογραφίας (GIJN), έχει συγκεντρώσει δεκάδες χιλιάδες πηγές πληροφοριών κατά τη διάρκεια αρκετών δεκαετιών –από ψηφιακά ενημερωτικά δελτία έως υποψηφιότητες για βραβεία και ηχογραφήσεις συνεδρίων– οι οποίες είναι χρήσιμες για τους ερευνητές δημοσιογράφους όχι μόνο στις ΗΠΑ αλλά και σε όλο τον κόσμο.

Τον περασμένο Φεβρουάριο, στο πλαίσιο ενός συνεργατικού προγράμματος αρχειοθέτησης από εθελοντές και το προσωπικό του IRE, κυκλοφόρησε ένα εκπληκτικό εργαλείο μηχανής αναζήτησης που όχι μόνο αναδεικνύει αυτούς τους πόρους στο διαδίκτυο, αλλά χρησιμοποιεί σημασιολογικές λειτουργίες και τεχνητή νοημοσύνη για να προτείνει παρόμοιο υλικό που θα μπορούσε εύκολα να οδηγήσει σε νέες πληροφορίες, εφαρμογές εργαλείων και συνεργασίες για τρέχοντα ερευνητικά έργα.

Για παράδειγμα: αν πληκτρολογήσετε τη λέξη “oligarchs” («ολιγάρχες») στο γνωστό πλαίσιο αναζήτησης του Resource Center του IRE, θα εμφανιστεί ένα φύλλο συμβουλών από ένα πάνελ του IRE το 2019 με τίτλο «Μαύρο Χρήμα, Ευρωπαϊκές Τράπεζες και Ρωσικό Οργανωμένο Έγκλημα» –καθώς και υποψηφιότητες για τα βραβεία του IRE σχετικά με το ξέπλυμα χρήματος στις χώρες της Βαλτικής από το σουηδικό SVT News και τα ρωσικά εργοστάσια τρολ από το CNN. Μόλις κάνετε κλικ σε αυτό το φύλλο συμβουλών, η μηχανή αναζήτησης –η οποία συνδυάζει σημασιολογικά χαρακτηριστικά με την αναζήτηση βάσει λέξεων-κλειδιών– σας προτείνει πέντε επιπλέον πηγές που ενδέχεται να ανταποκρίνονται καλύτερα σε αυτό που αρχικά ελπίζατε να βρείτε. Στην περίπτωση αυτή, μεταξύ άλλων, περιλαμβάνεται ένας σύνδεσμος προς μια φόρμα συμμετοχής σε διαγωνισμό του Organized Crime and Corruption Reporting Project (OCCRP), η οποία περιγράφει λεπτομερώς τον τρόπο με τον οποίο διεξήχθη η έρευνα σχετικά με επιχειρηματίες της Ανατολικής Ευρώπης που προσφέρουν ολοκληρωμένες λύσεις για τη νομιμοποίηση εσόδων από παράνομες δραστηριότητες. Το αποτέλεσμα αυτό, με τη σειρά του, προσφέρει περαιτέρω πληροφορίες, μεταξύ των οποίων καθαρές ηχογραφήσεις από μια συζήτηση του IRE με τίτλο «Μέσα στον Παγκόσμιο Λαβύρινθο των Εταιρειών Offshore», καθώς και μια παρουσίαση για το διασυνοριακό οργανωμένο έγκλημα, με ομιλητές όπως ο Χεσούς Ιμπάρα (Jesus Ibarra) από το Μεξικό και ο ιδρυτικός διευθυντής του GIJN, Ντέιβιντ Ε. Κάπλαν (David E. Kaplan).

Κατά την ανακοίνωση της έναρξης λειτουργίας της βάσης δεδομένων στο NICAR, ο Μπεν Γουελς (Ben Welsh) –συντάκτης στο Reuters και μέλος της ομάδας ανάπτυξης του Archive.ire.org– ανέφερε ότι η βάση δεδομένων περιλαμβάνει 33.449 πηγές και ότι το μεγαλύτερο μέρος αυτών αφορά τις 25.000 συμμετοχές που υποβλήθηκαν στον διαγωνισμό του IRE όλα αυτά τα χρόνια. Τα έντυπα συμμετοχής που συνοδεύουν το εν λόγω υλικό στον ιστότοπο αποτελούν μια πιθανή «πηγή θησαυρού» για τους δημοσιογράφους, καθώς περιλαμβάνουν λεπτομερείς μεθοδολογίες, εξηγήσεις για τον τρόπο με τον οποίο αναπτύχθηκαν οι ανθρώπινες πηγές, τα ονόματα όλων των συντελεστών, καθώς και τις προκλήσεις και τις ευκαιρίες, στο πλαίσιο της εκάστοτε συγκυρίας, για την εμβάθυνση σε επίκαιρα ζητήματα δημόσιου ενδιαφέροντος, τα οποία άλλοι δημοσιογράφοι ενδέχεται να επιθυμούν να διερευνήσουν στις δικές τους χώρες.

Ο δημοσιογράφος δεδομένων Ντέρεκ Γουίλις (Derek Willis), ένας από τους συν-δημιουργούς του αρχείου, πρόσθεσε: «Από τη δική μου πλευρά, μέχρι τώρα είχα χρησιμοποιήσει τους πόρους του IRE κυρίως σε μορφή φυλλαδίων συμβουλών για συνέδρια, αλλά πιστεύω ότι οι συμμετοχές στους διαγωνισμούς μπορούν να αποδειχθούν πολύτιμες με διάφορους τρόπους».

«Περίπου τα τρία τέταρτα των υλικών περιλαμβάνουν κάποιο είδος συνημμένου αρχείου, είτε πρόκειται για αρχείο PDF, αρχείο ήχου ή κάτι άλλο ενδιαφέρον», σημείωσε ο Γουελς. «Προσπαθήσαμε να δημιουργήσουμε ένα κοινό ευρετήριο για όλα, αν και δεν είναι τέλειο –ωστόσο, διαθέτει τίτλο, κατηγορία, περιγραφή, ενώ στα περισσότερα αναφέρονται και οι συντάκτες».

Παραδέχτηκε ότι ο νέος ιστότοπος παρουσιάζει ορισμένα μειονεκτήματα, μεταξύ των οποίων η έλλειψη πληροφοριών σχετικά με τις ημερομηνίες για περίπου το ένα τέταρτο του συνόλου των δεδομένων –και υπενθύμισε στους δημοσιογράφους ότι πρέπει να συνδεθούν ως μέλη του IRE για να έχουν πρόσβαση στη βάση δεδομένων. Ωστόσο, τα φυλλάδια συμβουλών και οι διαφάνειες προσφέρουν πολλές ευκαιρίες για συνεργασία –συμπεριλαμβανομένων πολύτιμων στοιχείων επικοινωνίας για ερευνητές δημοσιογράφους– ενώ οι συμμετοχές στον διαγωνισμό, αλλά και η απλή περιήγηση στον ιστότοπο, αποτελούν έναν «θησαυρό» πιθανών ιδεών για ερευνητικά ρεπορτάζ.