Formada em Comunicação Social pela Universidade Federal de Juiz de Fora (UFJF). Mestranda na Universidade Metodista de São Paulo (Umesp), no Programa de Pós-Graduação em Comunicação. E-mail:
[email protected]
Nesse trabalho, o termo dado refere-se à unidade básica de informação antes da interpretação do sujeito (FLORIDI, 2000). Já o conceito de informação é baseado na concepção de Peter Drucker (apud DAVENPORT, 1998, p. 19), segundo o qual ela é um dado dotado de relevância e propósito.
"A contínua digitalização e a armazenagem de todas as atividades humanas em gigantescos silos de dados são chamados de a era do 'Big Data'" (tradução da autora).
"O valor do Big Data não é o dado, é a narrativa" (tradução da autora).
"No ano passado, em uma pequena conferência de jornalistas e tecnólogos, eu pedi para Hammond prever o percentual de notícias que seriam escritas por computador em 15 anos. No começo, ele tentou fugir da questão, mas com alguma insistência, ele suspirou e cedeu: mais do que 90%" (tradução da autora).
Disponível em: < http://portalimprensa.com.br/noticias/brasil/78056/washington+post+investe+em+inteligencia+artificial+para+cobrir+as+olimpiadas>. Acesso: 10 ago. 2016.
Zacks Investment Research pertence a uma empresa que provê resultados financeiros corporativos.oor outro lado, mais coerentes, deritmo etst(CLERWALL, 2014).oftware is doing a good job or it may indicate that the journalist oor outro lado, mais coerentes, deritmo etst(CLERWALL, 2014).oftware is doing a good job or it may indicate that the journalist
"Jornalismo é o que os jornalistas fazem" (tradução da autora).
"Artefatos tecnológicos têm sido tratados como intermediários no jornalismo – portadores que podem ser usados para melhorar cada passo das rotinas jornalísticas. Mas, sob certas circunstâncias, a tecnologia pode agir como mediadora, transformando o processo de notícias" (tradução da autora).
"É urgente reconhecer, portanto, que os jornalistas profissionais não estão sozinhos e não controlam o jornalismo como eles desejariam poder" (tradução da autora).
"Jornalismo humano e automatizado provavelmente se tornarão intimamente integrados e formarão um 'casamento homem-máquina'" (tradução da autora).
"A ausência de diferença pode ser vista como um indicador de que o software está fazendo um bom trabalho ou pode indicar que o jornalista está fazendo um mau trabalho - ou talvez ambos estejam fazendo um bom (ou pobre) trabalho" (tradução da autora).
"Nenhum robô pode ser tornar o guardião da democracia e dos direitos humanos. Por isso, é extremamente importante que os jornalistas humanos entendam as novas regras do jogo" (tradução da autora).
JORNALISMO AUTOMATIZADO: perspectivas de (re)definição de funções entre algoritmos e jornalistas
Krishma Carreira
Resumo: O presente trabalho analisa possíveis consequências da automatização de etapas de produção de notícias. Tal possibilidade já é realidade, por exemplo, em redações como Forbes, Associated Press e MittMedia Company. Algoritmos sofisticados fazem apuração em gigantescos bancos de dados, depois avaliam os resultados e redigem automaticamente a notícia, deixando a parte mais analítica, quando necessária, para um jornalista humano. Por enquanto, esses programas são usados em coberturas das áreas de finanças, esporte, policial e de tempo. A automatização permite fazer milhares de matérias em alguns segundos e com versões diferentes de acordo com o perfil de quem as lê. Com base nas contribuições da teoria ator-rede, a análise deste trabalho se estrutura em torno da redefinição de funções entre jornalistas e algoritmos a partir da automatização. A metodologia se baseia em pesquisa bibliográfica interdisciplinar de caráter exploratório.
Palavras-Chave: Jornalismo automatizado. Notícia automatizado. Robô jornalista. Algoritmo jornalístico. Futuro do jornalismo.
1. Jornalismo e tecnologia
A história do jornalismo sempre esteve relacionada com a evolução da tecnologia (PAVLIK, 2000). Não faltam exemplos dessa relação, como a prensa de tipos móveis de Johannes Gutenberg, de 1447, que possibilitou que relatos em folhas e volantes começassem a circular até que, no final do século 17, fossem substituídas por publicações regulares, levando o jornalismo a tornar-se uma prática consistente (RÜDIGER, 2003, p.15).
Em 1836 foi criado o telégrafo e, a partir dele, a informação passou a ser uma mercadoria consumida mundialmente, sendo coletada, produzida e distribuída em escala
industrial, quando as agências de notícias surgiram para administrar esse novo fluxo informativo. Com o telégrafo e o telefone (desenvolvido em 1876) ocorreu o salto da infraestrutura de uma comunicação unicamente física para "uma outra baseada em transmissão eletrônica - primeiro por fios, daí muitos anos depois, também por ondas de rádio (STRAUBHAAR; LAROSE, 2004, p.41). Entre outras possibilidades, o telefone, por exemplo, permitiu novas formas de apuração de notícias, como entrevistas feitas a distância.
Estratégias militares do final da Segunda Guerra Mundial levaram ao desenvolvimento do Colossus, um computador construído para decifrar códigos nazistas e do Eniac, projetado para calcular a trajetória de balas de canhões e mísseis. Durante a Guerra Fria, nas décadas de 1950 e 1960, outras ações lançaram as bases da internet quando pesquisadores norte-americanos desenvolveram uma rede de conexões, descentralizada e sem nenhum tipo de hierarquia, para comunicação em caso de ataque atômico. A arquitetura deste sistema de comunicação levou à criação da rede mundial de computadores, quando na transição para 1990, o físico inglês Tim Berners-Lee desenvolveu a World Wide Web (WWW) no Centro Europeu de Pesquisas Nucleares (Cern). Com uma arquitetura aberta e de fácil funcionamento para o público sem conhecimento técnico, a web permitiu a troca de informações entre quaisquer computadores conectados à rede e ajudou a alterar profundamente todo o ecossistema de comunicação, incluindo o jornalismo.
Neste artigo interessa especificamente um campo da ciência da computação e da engenharia interessado em comportamento inteligente e que trabalha com sistemas baseados em conhecimentos, "sistemas especialistas, reconhecimento de padrões, aprendizado autônomo, compreensão de linguagem natural, robótica e outros" (KURZWEIL, 2007, p. 412). O termo inteligência artificial (IA) foi usado pela primeira vez, em 1956, na Conferência no Dartmouth College. De acordo com o pesquisador Blay Whtiby (2004, p. 19), a "Inteligência Artificial (IA) é o estudo do comportamento inteligente (em homens, animais e máquinas) e a tentativa de encontrar formas pelas quais esse comportamento possa ser transformado em qualquer tipo de artefato por meio da engenharia". Mas o pesquisador ressalta que é preciso tomar cuidado para não analisar comportamento inteligente de uma forma antropocêntrica. "A IA é genuinamente artificial. As pequenas e grosseiras tentativas de conseguir reproduzi-la que foram feitas até agora sugerem que ela é muito diferente da inteligência natural. Entretanto, ainda assim é inteligência" (WHTIBY, 2004, p.120). Depois de mais de 50 anos de existência e com vários períodos de altos e baixos em face de uma falta de sintonia entre expectativas exageradas e resultados concretos, o campo da IA avançou enormemente.
Dentro das redações, passou a ser eliminada a fronteira entre a inteligência artificial e o jornalismo. A IA é a uma tecnologia disruptiva porque permite automatizar a produção de notícias – da apuração ao texto, com a presença humana restrita à codificação dos algoritmos. A etimologia da palavra automação vem de autos, "que em grego quer dizer ele próprio" (DEVAUX, 1964, p.42). Para o economista Clayton Christensen (2012, p. 187), tecnologias disruptivas "possibilitam que seja feito algo que, anteriormente, teria sido julgado impossível".
Na opinião de Haak, Parks e Castells (2012) o jornalismo automatizado (automated journalism) integra uma lista de sete tendências dessa atividade profissional: o jornalismo em rede (networked journalism); a inteligência coletiva e conteúdo gerado por usuários (crowdsourcing and user-generated content); a mineração, análise, visualização e mapeamento de dados (data mining, data analysis, data visualization and mapping); o jornalismo de 'ponto de vista' (point of view journalism) e o jornalismo global (global journalism).
Por se tratar de um fenômeno recente, ainda existem relativamente poucos estudos sobre a automação nas redações. Alguns pesquisadores nomeiam este tipo de jornalismo como:
a) robot journalism (CLERWALL, 2014; LATAR, 2014, 2015; ALJAZAIRI, 2016);
b) automated journalism (LECOMPTE, 2015; GRAEFE, 2016) ou jornalismo automatizado (SANTOS, 2016);
c) algorithmic journalism (Anderson, 2013, Diakopoulos, 2013; van Dalen, 2012);
Neste artigo, optou-se pelo termo jornalismo automatizado ou automação no jornalismo, ambos empregados com o mesmo significado. Esta escolha baseia-se numa tentativa de distinguir o jornalismo produzido por softbots ou bots - que são algoritmos sofisticados que operam na internet, coletando dados constantemente de arquivo em arquivo - dos robôs, que têm corpo físico.
Vale lembrar que a existência de bancos de dados estruturados é uma condição essencial para existir jornalismo automatizado. Os dados são gerados por qualquer tipo de registro, atividade e transações através da rede de computadores, sejam eles obtidos por meio de dispositivos fixos e móveis, do uso em redes sociais, dos arquivos on-line públicos, governamentais, empresarias, educacionais, dos sensores químicos e atmosféricos, de câmeras de segurança e através de formatos diversos como áudio, audiovisual ou texto, etc. "This continuous digitizing and storing of all human activities in huge data silos is called the age of "Big Data" (LATAR, 2015, p. 68) .
A explosão de dados aumentou ainda mais com a Internet das Coisas ou dos Objetos, também conhecida pela sigla IoT do inglês Internet of Things. Ela foi impulsionada a partir de 1999, com o trabalho de um grupo conhecido por Auto-ID Center, que se dedicava à identificação de frequência de rádio em rede (RFID) e tecnologias de sensores inteligentes dentro do Instituto de Tecnologia de Massachusetts (MIT -Massachusets Institute of Technology). A partir dele, foi criado o Auto-ID Labs – uma junção de seis universidades: o próprio MIT, a Universidade de Cambridge (University of Cambridge), a Universidade de Adelaide (University of Adelaide), a de Keio (Keio University), de Fudan (Fudan University) e de St. Gallen (University of St. Gallen). Cada uma destas universidades tinha seus próprios interesses, mas em comum, todas miravam na meta de desenvolver uma arquitetura padrão para criar uma rede global contínua de objetos físicos usando a RFID. Foi assim que começou a se projetar uma Internet das Coisas, que nada mais é do que a conexão dos objetos (carros, geladeiras, celulares, etc.) à internet. De acordo com o Cisco Internet Business Solutions Group (IBSG), a Internet das Coisas só se tornou uma realidade a partir do momento em que passaram a ficar conectados mais objetos do que pessoas à internet (EVANS, 2011, p.2). Isto aconteceu entre 2009 e 2010, quando existiam 6,8 bilhões de seres vivos e 12, 5 bilhões de dispositivos estavam conectados à rede.
Empregam-se processos de análise e ferramentas de inteligência artificial (data mining) para compreender os dados e transformá-los em insights. Data mining, portanto, é usado para transformar dado em informação. Para Kristian J. Hammond (2015) "the value of Big Data isn't the data. It's the narrative" (ver FIG.1).
FIGURA 1: Geração de narrativas a partir de dados
FONTE: Kristian Hammond (2015)
Kristian Hammond é professor de Ciência da Computação e Jornalismo na Northwestern University, onde liderou a primeira tentativa mais séria de converter dados automaticamente em estórias legíveis. O projeto "Stats Monkey" foi conduzido por Kristian Hammond e Larry Birnbaum (co-diretores do Intelligent Information Laboratory - InfoLab). Eles criaram um algoritmo para gerar estórias de beisebol a partir de dados estatísticos. Em 2010, eles montaram a startup Narrative Science, que será abordada no próximo item deste trabalho. Mas antes disto, vale destacar uma entrevista que Hammond deu para Steven Levy, 2012, para a revista Wired: "last year at a small conference of journalists and technologists, I asked Hammond to predict what percentage of news would be written by computers in 15 years. At first he tried to duck the question, but with some prodding he sighed and gave in: "more than 90 percent". Este trabalho não é pautado por uma visão determinista. Portanto, o fato de existir a tecnologia que permite a automação de parte do jornalismo não quer dizer que ela será totalmente adotada e disseminada pelas redações de todo o mundo. Entretanto, destaca-se a importância de cogitar essa eventualidade, pois o uso atual pode ser um "pequeno indicador do que está por vir" (BRYNJOLFSSON; McAFEE, 2015, p.41).
2. Jornalismo automatizado: quem faz, quando, onde e como
Os algoritmos por trás do jornalismo automatizado produzem textos concisos, de acordo com a estrutura do lead jornalístico, que contém uma sequência de passos que pode ser traduzida de modo mais fácil para uma lista de instruções para a máquina. Assim, eles estruturam a história, constroem um título e traduzem os dados para uma linguagem natural. A possibilidade de automação da notícia foi apontada, aqui no Brasil, já em 1997. Como lembra Tacyana Arce (2009, p.3),
durante o XX Congresso da Intercom, em Santos, Nilson Lage, coordenador do curso de Jornalismo da Universidade Federal de Santa Catarina, apresentou uma possibilidade de automação do discurso jornalístico a partir do lead, como é chamado o primeiro parágrafo de uma notícia, uma vez que este, ao menos como previsto na Teoria do Jornalismo, é uma estrutura lógica.
Partindo da ideia da estrutura lógica do lead, classificar o maior número possível de verbos (do ponto de vista semântico e sintático) pode dar origem à modelagem dos verbos em padrões analógicos que podem "ser representados por equações ou em algoritmos lógicos, ou seja, que pudessem ser computáveis" (ARCE, 2009, p. 8) e automatizados. A autora, citando Nilson Lage, diz que o lead pode ser analisado como função, no sentido matemático. Desta forma, ele poderia ser resumido em uma sentença geral: F (x, y, z...). Onde F representa o verbo e x, y,z ..., os argumentos, "isto é, o sujeito x (argumento externo) e complementos y, z ... (argumentos internos do verbo)" (ibidem, p. 9).
A automatização tem sido usada nas em textos esportivos, financeiros, policiais e de tempo, que são fortemente baseados em dados. No caso da automação é necessário ressaltar a distinção entre notícia e reportagem, uma vez que, até o momento, só é possível automatizar notícias, entendida como "produção da informação primária sobre evento concreto e objetivo. Já a reportagem é resultado de operação analítica ou crítica da realidade, o que exige alto grau de subjetividade, algo, portanto, pouco propício à automação" (ARCE, 2009, p. 4).
Quanto às narrativas produzidas pelos algoritmos, as informações até agora disponíveis revelam um "típico específico de modo narrativo, baseado na concatenação de dados estruturados, na possibilidade de geração de inferências e relações semânticas a partir do uso intensivo sobre grandes quantidades de informação e na ausência da ação humana no processo" (SANTOS, 2016, p. 18).
A primeira empresa a possibilitar a produção automatizada de notícias foi a Narrative Science. Através da plataforma de inteligência artificial chamada Quill, esta startup presta serviço para grupos como Forbes, onde é identificada no site como parceira. Outra empresa de IA que tem organizações de imprensa como clientes é a Automated Insights. Ela começou a operar em 2007 e é dona do Wordsmith, plataforma que produz matérias para a Associated Press (AP), uma organização que envolve mais de 1400 jornais americanos, sem contar redes de televisão e rádio. A AP está presente em mais de 280 localizações e suas notícias são distribuídas no mundo todo. Outros grupos dos Estados Unidos também têm usado algoritmos na produção de textos mais curtos. O Los Angeles Times é um deles, assim como o Washington Post. De acordo com matéria publicada no Portal Imprensa, para cobrir as Olimpíadas de 2016, o Washington Post usou um software próprio batizado de Heliograf para divulgar informações "simples e objetivas sobre placares, ranking de medalhas e outras notas focadas em dados. 'Contar histórias de forma automática tem potencial para transformar a cobertura do Post', diz o diretor de iniciativas estratégicas, Jeremy Gilbert. O Heliograf também abastece uma conta do Post no Twitter e deve ser usado na cobertura das próximas eleições americanas. Na Europa, a automatização de notícias já está sendo empregada, mas ainda em estágio inicial (LINDEN, 2016, p.8), em locais como: Alemanha; França (a empresa Syllabs produziu 34 mil artigos para o Le Monde durante a noite da eleição em março de 2015); Suécia (companhia de mídia Mittmedia tem notícias automatizadas em 19 jornais) e Dinamarca (agência de notícias financeiras Ritzau Finans).
Um exemplo de relato produzido automaticamente por algoritmos é o texto que foi feito pela Automated Insights para a Associated Press (ver FIG.2). Antes da automação, os jornalistas da AP produziam textos com 130 palavras, em média, após 15 a 20 minutos da divulgação dos lucros de alguma empresa. Com o Wordsmith, a AP passou a fazer textos com uma média de 500 palavras, cerca de 1 minuto após o comunicado sobre uma corporação.
FIGURA 2: Notícia automatizada (AP)
FONTE: Celeste Lecompte (2015)
Os números em destaque (FIG.2) não fazem parte da notícia original. Eles apenas indicam locais onde será explicado um resumo do passo a passo da automação no texto exemplificado (LECOMPTE, 2015):
1) Expressões como falls short (aquém) fazem parte do vocabulário do manual de estilo usado pelos repórteres da AP e que foi repassado aos algoritmos do Wordsmith;
2) A AP compara o desempenho com as previsões de Wall Street, bem como às próprias expectativas anunciadas pela empresa, para avaliar o desempenho que vai ser anunciado;
3) O Wordsmith analisa diversos fatores para encontrar lead de uma história, como dados de ganhos atuais, dados históricos da empresa, o desempenho das empresas similares ou expectativas de Wall Street (semelhante às orientações dadas aos repórteres da AP). O lucro é considerado o ponto de referência principal para o sucesso de uma empresa, por isso ele deve ser comparado com o mesmo trimestre do ano anterior para avaliar se a empresa está tendo desempenho melhor ou pior;
4) O Wordsmith se baseia em dados inseridos por seres humanos na Zacks Investment Research;
5) O Wordsmith evita repetir o nome da empresa e busca descrições de um banco de dados de instalações de empresas e negócios definidos de acordo com o estilo AP;
6) A plataforma de inteligência artificial verifica o fluxo global da língua nas sentenças, parágrafos e níveis de história para mantê-la sem repetições (por isso redige witch also, que significa que também. O software escreve novas frases com base no que ele já escreveu;
7) Evita repetir profit (lucro) várias vezes;
8) Os dados sobre os lucros esperados da FedEx para o ano nem sempre são incluídos quando Zacks Investment Research envia o relatório inicial. Quando os dados adicionais são entregues, todo o conjunto é reavaliado e uma nova história será gerada;
9) Cada notícia automatizada da AP tem um aviso sobre a autoria e com um link para uma página que dá mais detalhes sobre como a automatização funciona. Se um repórter reescrever a estória, vai aparecer a informação de que parte dela foi gerada pela Automated Insights.
3. Jornalismo automatizado redefine funções
O jornalismo é uma atividade em constante mudança e com fronteiras híbridas. Como observa Ana Carolina Temer (2015, p. 24), a "reflexão teórica sobre essa prática tem seu primeiro capítulo em 1690, com o alemão Tobias Peucer, que viu no jornalismo a 'narração da história do presente'". De lá para cá, várias reflexões se somaram a essa, acrescentando ou suprimindo características, mas, em geral, levando em consideração valores e papéis sociais. Até pouco tempo, era impossível eliminar a figura humana do processo jornalístico, afinal de acordo com KRUCKEBERG; TSETURA (apud PRIMO; ZAGO, 2015, p. 41) "journalism is what journalists do". A automação de notícias iniciou uma profunda alteração na relação do jornalismo com a tecnologia. Para entender essa questão, emprega-se, neste artigo, as contribuições da Teoria Ator-Rede (TAR) ou Actor-Network Theory (ANT), que originou-se, segundo Michel Callon e Bruno Latour da "necessidade de uma nova teoria social ajustada aos estudos da ciência e da tecnologia" (apud LATOUR, 2012, p, 29). Para a TAR, social é uma espécie de associação momentânea entre atores humanos e não-humanos, chamados de actantes. "A ANT não alega, sem base, que os objetos fazem coisas no 'lugar' dos atores humanos: diz apenas que nenhuma ciência do social pode existir se a questão de o quê e quem participa da ação não for logo de início plenamente explorada" (LATOUR, 2012, p 108). Para Latour, dependendo do fenômeno analisado e de suas respectivas associações, os actantes podem ser intermediários ou mediadores. "Um intermediário, em meu léxico, é aquilo que transporta significado ou força sem transformá-los: definir o que entra já define o que sai". Já com os mediadores, o "que entra neles nunca define exatamente o que sai. Eles transformam, traduzem, modificam o significado ou os elementos que supostamente veiculam" (ibidem, p. 65).
O jornalismo automatizado é realizado através de algoritmos extremamente sofisticados. "Um algoritmo é uma série de passos que descrevem completamente como executar uma operação. Na culinária; isso seria chamado de receita; na música, de partitura; em computação, o programa executa exatamente a mesma função" (WHITBY, (2004, p. 88). Essa estrutura de cálculos ajuda a máquina a "tomar decisões, exibir resultados e, se necessário, lidar com esses resultados novamente, dando início a outra rodada de operações matemáticas" (MARTINO, 2015, p. 213). Sob a perspectiva da Teoria Ator-Rede, os algoritmos empregados na automatização de notícias são mediadores. "Tecnhological artifacts have been treated as intermediares in journalism – carriers that can be usead to enhance each step of journalist routines. But, under certain circumstances, technology can act as a mediator, transforming the news process" (PRIMO; ZAGO, 2015, p.43).
Para Alex Primo e Gabriela Zago (2015), não é possível mais ver o jornalismo sob a ótica do determinismo tecnológico, muito menos do determinismo social, mas sim dentro de um processo híbrido e complexo de produção de notícias. Assim, não se pode mais afirmar que jornalismo é o que os jornalistas fazem. "What is urgence to recognize, hence, is that professional journalists are not alone and do not control journalism as they wish they could" (ibidem, p.49). Para a dupla de pesquisadores, portanto, jornalismo pode ser feito sem jornalistas e até por atores não-humanos, como os algoritmos.
Com base na revisão bibliográfica de autores que têm o jornalismo automatizado como objeto de pesquisa, foi elaborado, para este artigo, um levantamento sobre os pontos positivos e negativos apontados sobre a automação (ver TAB. 1) Também foram levantadas características dos jornalistas humanos que sugerem uma possível divisão de papéis entre eles e os algoritmos dentro das redações, com o objetivo de potencializar as vantagens competitivas de cada um. O pesquisador alemão Andreas Graefe (2016, p.3) acredita na integração entre estes dois atores. "Human and automated journalism will likely become closely integrated and form a 'man-machine marriage'". Segundo Noam Latar (2014), os jornalistas de sucesso têm três qualidades: curiosidade, ceticismo inato e contam estórias claras que podem ser entendidas por grande número de pessoas. Para ele, os softwares que produzem notícias automatizadas também possuem essas 3 características: eles despertam curiosidade porque encontram padrões não triviais em grandes volumes de dados não percebidos pelos jornalistas humanos em função da proporção. O ceticismo também é um valor que pode ser traduzido para as estatísticas. Um grande programa pode ser cético quanto ao resultado. E as estórias automatizadas podem ser claras porque os programadores vão até os melhores editores, seguem suas melhores práticas e, então, escrevem um programa que vai tentar segui-las.
TABELA 1
Pontos negativos e positivos da automatizaç ão de notícias
Pontos positvos da notícia automatizada
Autor (ano do trabalho)
Pontos negativos da notícia automatizada
Autor (ano do trabalho)
Texto mais descritivo,
informativo, preciso,
confiável e objetivo.
CLERWALL (2014)
Texto mais chato, qualidade inferior ao dos jornalistas e
não é criativo.
Problemas com linguagem natural: metáforas, contexto de ideias, cultura, humor. Linguagem mais burocrática.
CLERWALL (2014);
LATAR (2015);
GRAEFE (2016);
ALJAZAIRI (2016)
O conteúdo automatizado libera repórteres para tarefas que exigem mais qualificação, deixando as recapitulações descritivas para os softwares.
VAN DALEN (2012);
MOROZOV (2012);
CLERWALL (2014);
LECOMPTE (2015);
LINDEN (2016)
Muitos jornalistas ficam limitados a treinar algoritmos para escolhas de palavras.
LINDEN (2016)
Desenvolve processos editoriais mais eficientes em função de algoritmos que podem fazer previsões e identificar tendências.
LATAR (2015);
LINDEN (2016)
Reduz diversidade, complexidade, curiosidade e imaginação.
CARR (2015)
Satisfaz necessidade de imeadistismo e instantaneidade .
LINDEN (2016)
Palavras colaboram para forma de ver o mundo. Portanto, escolhas não adequadas pelos algoritmos podem impactar a sociedade.
LINDEN (2016)
Automatização é válida quando velocidade for essencial.
LINDEN (2016); GRAEFE (2016)
Automação induz comportamento automatizado do jornalista também.
LINDEN (2016)
Útil para estórias de rotina e tópicos repetitivos.
GRAEFE (2016); ALJAZAIRI (2016)
Elimina empregos de rotina dos jornalistas.
CLERWALL (2014
Expansão da cobertura.
LECOMPTE (2015)
Amplia ainda mais excesso de informação.
GRAEFE (2016)
Personalização como fonte de aumento de receita, de criação de novos produtos, além de melhorar entrega de anúncios.
LECOMPTE (2015); LATAR (2015)
Personalização gera "filtro bolha"
MOROZOV (2012);
ALJAZAIRI (2016)
Mais transparente.
LECOMPTE (2015); LATAR (2015)
Algoritmo pode reproduzir preconceitos.
GRAEFE (2016);
DIAKOPOULOS ( 2013)
Libera fatos despercebidos de enormes volumes de dados.
LATAR (2015)
Pressão para adaptar conteúdo de acordo com ROI (retorno sobre investimento).
LATAR (2015)
Economiza tempo de produção de notícias.
LATAR (2015)
Não pergunta, não pensa "fora da caixa", não é inovador.
LATAR (2015)
Libera jornalistas de tarefas perigosas.
LATAR (2015)
Mais barato. Não faz exigências.
MOROZOV (2012).
LATAR (2014)
Também pode postar notícias rapidamente em redes sociais como Twitter.
LATAR (2014)
Algoritmo comete menos erros.
É mais eficiente.
LECOMPTE (2015);
GRAEFE (2016)
Os estudos analisados para o presente artigo apontam que funções e tópicos de notícias mais repetitivos e rotineiros podem ficar a cargo dos algoritmos de IA (GRAEFE 2016; ALJAZAIRI, 2016), o que deve eliminar atividades geralmente desenvolvidas por jornalistas em fase inicial de carreira (CLERWALL, 2014). Um argumento favorável para a produção de matérias automatizadas para os tópicos mais repetitivos pode ser encontrado em um estudo sueco. O pesquisador Christer Clerwall (2014) fez uma pesquisa experimental com 46 estudantes de comunicação (19 deles leram textos sobre futebol americano produzidos por jornalista e 27, por software). No entanto, nenhum deles conhecia a autoria do texto que estava sendo lido. Uma das questões levantadas era se os leitores eram capazes de discerner se o conteúdo era feito pela máquina ou pelo jornalista. O resultado não apontou diferenças significativas em como os textos eram percebidos (dos 27 que leram textos produzidos automaticamente, por exemplo, 17 pensaram que ele era feito pelo software e 10, por um jornalista). Apesar da amostra ser pequena, o resultado chama a atenção pelo fato de ser composta por estudantes de comunicação. A partir dos apontamentos do estudo, Clerwall (2014, p.526) questiona se o algoritmo está trabalhando bem ou se o jornalista está traballhando mal. "The lack of difference may be seen as an indicator that the software is doing a good job or it may indicate that the journalist is doing a poor job – or perhaps both are doing a good (or poor) job". (ibidem). O trabalho de GRAEFE, BROSIUS e HAIM (2016, p.2) usou um método diferente de Clerwall. Ao entrevistar 986 alemães, eles variaram a autoria declarada das fontes (em certos momentos eram reais, em outros não). Com fontes reais, as respostas indicavam que os textos dos jornalistas eram mais legíveis.
A revisão bibliográfica sinaliza que o jornalista deve dedicar-se ao desenvolvimento de reportagens e notícias que exigem uma narrativa mais sofisticada, além de trabalhar em matérias mais analíticas, investigativas e que necessitam de entendimento do complexo contexto cultural (LATAR, 2015, p.76). Este autor israelense acredita que os jornalistas devem continar a ter a função de os guardiões da democracia e dos direitos humanos. "No robot journalist can become a guardian of democracy and human rights. It is therefore extremely important that human journalists should understand the new rules of the game" (ibidem, p. 67).
A automação atinge todo o ecossistema jornalístico, desde a captação de notícias, análise de dados, a redação de texto e até a possibilidade de segmentar a entrega da informação de acordo com o perfil do público (LATAR, 2014). Ainda assim, o jornalismo continua se relacionando com a "ideia de serviço público, a partir de um discurso que se fundamenta na pretensão de transmitir a 'verdade'. De fato, a proposta de ser o narrador de fatos sociais é o que diferencia de outras narrativas midiáticas" (TEMER, 2015, p. 22). Nada disso mudou com a automação, mesmo que a o jornalismo tenha passado a ser feito por actantes humanos e não-humanos.
4. Conclusões
A tecnologia sempre foi usada pelo jornalismo como um instrumento, mas a partir da automação de notícias, ela também passou a produzi-lo, ainda que dentro de certas limitações como a possibilidade de ser empregada apenas quando existem dados estruturados. A automatização está sendo implementada para atender determinadas necessidades liberadas com a digitalização, o que impôs numerosas alterações no ecossistema do jornalismo – desde a demanda por mais notícias e fluxo contínuo de produção, aos problemas gerados pela crise no modelo de negócios. Algoritmos extremamente sofisticados conseguem processar dados em alta velocidade como nenhum ser humano é capaz. Eles também transformam esses dados em narrativa com uma rapidez inigualável. O Wordsmith, por exemplo, faz 2000 relatos por segundo.
Trabalhos consultados para este artigo indicam que, onde já existe automatização da notícia, há uma divisão de papeis entre as funções que antes eram só realizadas por jornalistas. Nestas redações, algoritmos apuram e redigem relatos concisos e fundamentados em dados, como as notícias esportivas, financeiras, sobre tempo e assuntos de crimes. Já os jornalistas dedicam-se à produção de reportagens que exigem texto mais sofisticado ou analítico ou à produção de notícias que não se estruturam em dados. Algumas funções podem ser eliminadas, como as realizadas, em geral, por jornalistas recém-formados. Outras podem ser criadas, principalmente para 'treinar' os algoritmos com as práticas e vocabulário do jornalismo. O objetivo da atividade jornalística, no entanto, não alterou. Ela continua sendo um serviço essencial com papel fundamental para a democracia.
Não se pretendeu esgotar aqui todas as questões que envolvem a automação. Ela tem várias implicações e desdobramentos éticos que não podem ser esquecidos, mas que não fizeram parte do objeto de análise deste artigo. A ideia dele é, sem nenhuma pretensão determinista, revelar que a automatização já é realidade em várias redações e que ela está redefinindo os papéis do que e de quem produz jornalismo.
5. Referências
ALJAZAIRI, Sena. Robot journalism: threat or na opportunity. Örebro University. 2016. Disponível em: < http://www.diva-portal.org/smash/get/diva2:938024/FULLTEXT01.pdf>. Acesso: 15 jun. 2016.
ANDERSON, C. W. Towards a sociology of computational and algorithmic journalism. New Media & Society. 2013.p.1005-1021.
ARCE, Tacyana. O lead automatizado: uma possibilidade de tratamento da informação para o jornalismo impresso diário. Revista Exacta, Belo Horizonte, v. 2, n. 3, 2009.
AUTOMATED INSIGHTS. Site internet. Disponível em: < https://automatedinsights.com>
BRYNJOLFSSON, Erik; McAFEE. A segunda era das máquinas: trabalho, progresso e prosperidade em uma época de tecnologias brilhantes. Rio de Janeiro: Alta Books, 2015.
CARLSON, Matt. The robotic repórter: automated journalism and the redefinicion of labor, compositional forms and journalistic authority. In: LEWIS, Seth C. (Org.). Digital journalism. v.3, n.3. New York: Taylor&Francis Online, 2014.
CHRISTENSEN, Clayton M. O dilema da inovação: quando as novas tecnologias levam empresas ao fracasso. Tradução de Laura Praetes Veiga. São Paulo: M. Books, 2012.
CLERWALL, Christer. Enter the robot journalist: user's perception of automated contente. In: Journalism practice. Special issue: future of journalism in na age of digital media and economic uncertainly. V.8, issue 5. New York: Taylor&Francis Online, 2014.
DAVENPORT, Thomas H. Ecologia da informação: por que só a tecnologia não basta para o sucesso na era da informação. São Paulo, Futura, 1998. Disponível em: . Acesso em: 10 de ago. 2015.
DEVAUX, Pierre. Autômatos, automatismo e automatização. Tradução de Luís Borges Coelho. Lisboa: Livros Horizonte, 1964.
DIAKOPOULOS, Nicholas. Algorithmic accountability reporting: on the investigation of black boxes. Town Center for Digital Journalism. 2013. Disponível em: < http://towcenter.org/wp-content/uploads/2014/02/78524_Tow-Center-Report-WEB-1.pdf>. Acesso: 10 abr. 2016.
DYER, Z. Drone reporting might be grounded before it gets a chance to take off. Journalism in the Americas. University of Texas, Austin, 25 fev. 2013. Disponível:< https://knightcenter.utexas.edu/blog/00-13045-drone-reporting-might-be-grounded-it-gets-chance-take >. Acesso: 20 jul. 2016.
EVANS, Dave. The internet of things: how the next evolution of the internet is changing everything. 2011. Disponível em: < https://www.cisco.com/c/dam/en_us/about/ac79/docs/innov/IoT_IBSG_0411FINAL.pdf>. Acesso: 12 fev. 2016.
FLORIDI, Luciano. The language of information. In: ________________ Information: a very short introduction. New York: Oxford University Press, 2000. p. 19-36.
GLEICK, James. A informação: uma história, uma teoria, uma enxurrada. Tradução de Augusto Calil. São Paulo: Companhia das Letras, 2013.
GRAEFE, Andreas. Guide to automated journalism. Town Center for Digital Journalism. Jan. 2016. Disponível em: < http://towcenter.org/research/guide-to-automated-journalism/ > Acesso em 08 abr. 2016.
________________; BROSIUS, Hans-Bernd; HAIM, Mario. Perception of automated Computer-Generated news: credibility, expertise, and readability. Feb. 2016. Disponível em: < https://www.researchgate.net/publication/289529002_Perception_of_Automated_Computer-Generated_News_Credibility_Expertise_and_Readability >.
HAAK, Bregtje; PARKS, Michael; CASTELLS, Manuel. The future of journalism: networked journalism. In: Internacional Journal of Communication. V.6, 2012.
HAMMOND, Kristian. The Value of Big Data Insn't the Data. Harvard Business Review. May, 01, 2013. Disponível em: < https://hbr.org/2013/05/the-value-of-big-data-isnt-the> . Acesso: 10 abr. 2016.
KENT, Tom. Ethical Checklist for Robot Journalism. Mar. 2016. Disponível em: < https://medium.com/@tjrkent/an-ethical-checklist-for-robot-journalism-1f41dcbd7be2#.i8eq49ijb>
KURZWEIL. A era das máquinas espirituais. Tradução de Fábio Fernandes. 2.reimp. São Paulo: Aleph, 2007.
LATAR, Noam. The Robot Journalism in the Age of Social Physics: The end of human journalism? In: The New World of Transitioned Media. Springer, 2015.
_____________. Robot journalists: 'Quakebot' is just the beginning. Wharton Pennsylvania University. 2014. Disponível em: < http://knowledge.wharton.upenn.edu/article/will-robot-journalists-replace-humanl-ones/> . Acesso: 20 jan. 2016.
LATOUR. Bruno. Reagregando o social: uma introdução à teoria Ator-Rede. Tradução de Gilson César Cardoso de Sousa. Salvador: Edufba, 2012.
LECOMPTE, Celeste. Automation in the Newsroom. Nieman Foundation, 1o. set. 2015. Disponível em: < http://niemanreports.org/articles/automation-in-the-newsroom >. Acesso em: 02 mar. 2016.
LEVY, Steven. Can an algorithm write a better news story than a human reporter? Wired, Abr. 2012. Disponível em:
LINDEN, Car-Gustav. Decades of automation in the newsroom: why are there still so many jobs in journalism? March, 2016.
MARTINO, Luís Mauro Sá Martino. Teoria das mídias digitais. Linguagens, ambientes e redes. 2.ed. Petrópolis: Vozes, 2015.
MOROZOV, Evgeny. A robot stoled my Pulitzer! 2012. Disponível em: . Acesso: 15 set. 2015.
NARRATIVE SCIENCE. Site internet. Disponível em:
PAVLIK, John. The impact of techonology on journalism. Journalism Studies. London, p.229-237, 2000.
PRIMO, Alex; ZAGO, Gabriela. Who and what do journalism? An actor-network perspective. Digital Journalism, 2015. Vol. 3, no. 1, p. 38-52.
RÜDIGER, Francisco. Tendências do jornalismo. 3.ed. Porto Alegre: UFRGS, 2003.
SANTOS, Márcio Carneiro dos. Automated narratives and journalistic text generation: the lead organization structure translated into code.. Brazilian Journalism Research: Revista da Associação Brasileira de Pesquisadores em Jornalismo (SBPJor), Brasília, v.12, n.1, 2016. Disponível em: < https://bjr.sbpjor.org.br/bjr/article/view/921>. Acesso: 30 jun.2016.
SQUIRRA, Sebastião. (Org.). Cibercoms: tecnologias ubíquas, mídias pervasivas. Porto Alegre: Buqui, 2012.
STRAY, Jonathan. A brief guide to robot reporting tools. Nieman Reports, sep. 1, 2015. Disponível em: < http://niemanreports.org/articles/a-brief-guide-to-robot-reporting-tools/> . Acesso: 25 out. 2015.
STRAUBHAAR, Joseph; LAROSE, Robert. Comunicação, mídia e tecnologia. Tradução de José Antonio Lacerda Duarte. São Paulo: Pioneira Thomson Learning, 2004.
TEMER, Ana Carolina Rocaha Pessôa. Fronteiras híbridas: o jornalismo e suas múltiplas delimitações. In: _________; Santos, Marli dos (Orgs.). Fronteiras híbridas do jornalismo. Curitiba: Appris, 2015. p. 21-34.
VAN DALEN, Arjen. The Algorithms Behind the Headlines: How machine-written news redefines the core skills of human journalists. In: Journalism Practice. Volume 6, Issue 5-6. New York: Routledge, 2012.
VOCATIV. Site internet. Disponível em: < http://www.vocativ.com>
WHITBY, Blay. Inteligência Artificial: um guia para iniciantes. Tradução: Claudio Blanc. São Paulo: Madras, 2004.
