AI-støttede kunnskapsplattformer for nyhetsredaksjoner

Journalistiske kunnskapsplattformer (JKP-er) fusjonerer store datamengder, kunstig intelligens (KI) og kunnskapsgrafer i et forsøk på å revolusjonere journalistikkens verden. Imidlertid har adopsjonen av JKP-er vært treg, hovedsakelig på grunn av deres tekniske kompleksitet og organisatoriske utfordringer som nyhetsorganisasjoner står overfor.I denne doktoravhandlingen adresserer Marc disse utfordringene og viser hele potensialet til JKP-er ved å:presentere en omfattende analyse av JKP-er, fra deres opprinnelse til deres nåværende tilstandbelyse faktorene som bidrar til den trege adopsjonenskissere fremtidige retninger for JKP-erintroduserer en programvare-arkitektur-referanse som gir en oppskrift for utvikling av konkrete JKP-er og letter integreringen av AI-modeller og kunnskapsrepresentasjonerpresentere en konkret prototype som eksemplifiserer programvare-arkitektur-referansen og diskuterer hvordan den forbedrer effektiviteten til informasjons-ekstraksjons-rørledningerutforske implikasjonene av nylige KI-fremsteg på JKP-er og gå inn i de etiske aspektene ved bruken av disse plattformeneVed å adressere utfordringene som hindrer adopsjonen av JKP-er og tilby en praktisk løsning gjennom en programvarearkitekturreferanse, har denne forskningen som mål å gi et veikart for nyhetsorganisasjoner for å utnytte kraften til JKP-er effektivt og forbli i forkant av journalistisk innovasjon.

Om kandidaten

Marc Gallofré Ocaña har gjennomført sin doktorgrad ved forskningsgruppen Intelligent Information Systems (I2S) ved Universitetet i Bergen, Institutt for informasjons- og medievitenskap. Tidligere har han oppnådd en bachelorgrad i Informatics Engineering og en mastergrad i Innovation and Research in Informatics fra Polytechnic University of Catalonia-BarcelonaTech, Barcelona School of Informatics (FIB). Hans forskningsinteresser inkluderer big-data systemer, semantiske kunnskapsgrafer og kunstig intelligens.