Blogg / Datajournalistik

Ett forsknings- och utvecklingsprojekt i samverkan

Datajournalism som GPT

Efter att ha reflekterat över mina första dagar på en NICAR-konferens så var det Philip Meyers uttalande från 1970-talet att “journalism must become social science in a hurry” som fastnat i mitt huvud. Förutom att Sarah Cohen påminde oss om detta uttalande på en specialföreläsning och att första dagen avlutades med just Philip Meyer Journalism Award, så upplever jag detta tema på nästan alla paneler jag lyssnat på.

Som forskare i företagsekonomi med forskningsintresse om innovationsprocesser så är jag möjligen en främmande fågel på konferensen. Perspektivet som forskare i kombination med intresset om innovationsprocesser har gjort att jag inte riktigt kan släppa Meyer’s gamla citat. Efter att ha närmat mig fältet datajournalism under cirka ett år och nu i kondenserad form på NICAR får en uppdaterad översikt över fältet, så börjar jag bli ganska övertygad om att fältet har drivit på en utveckling av något som innovationsforskningen kallar ”General Purpose Technology” (GPT). En teknologi kan utvecklas till en GPT när den börjar användas för många olika syften. För att det ska hända så krävs det att många kan tillämpa teknologin och inte bara specialutbildade experter. Det är två saker i Meyers citat ovan som jag fastnat vid. Dels att journalister i högre grad behöver använda hela den samhällsvetenskapliga metodarsenalen, men lika viktigt att de måste kunna använda dessa metoder ”…in a hurry”. Det är just det sista som jag uppfattat har lett till att innovationer av olika metodverktyg som har potential att bli eller redan är GPT. Jag börjar också bli övertygad om att detta de sista åren till mångt och mycket har drivits fram av dessa journalisters behov att snabbt kunna tillämpa dessa metoder för sina specifika journalistiska syften. Vad jag försöker säga är att från 70-talet och framåt så har journalister som velat närma sig datajournalism varit tvungna att lära sig samma ganska komplexa metodverktyg som forskare använder sig av vid vetenskapliga studier.

Det som slagit min under året och här på NICAR, är att journalister och forskare i stort sätt har samma krav på noggrannhet och tillförlitlighet i arbetsprocessen. Den stora skillnaden är snarare tidsaspekten. Forskning får och behöver ibland ta lång tid. Den lyxen har oftast inte journalisten. Jag är otroligt imponerade av den kreativitet och driv som datajournalister här på NICAR uppvisar i att hitta tidsparande lösningar och smarta genvägar med befintliga databehandlingsprogram utan att släppa kraven på noggrannhet och tillförlitlighet. Här har vi som forskare mycket att lära! Men min poäng är att journalister tillsammans med utvecklare på redaktioner och oftast i samarbete med programutvecklare och universitet i en anda av ”open innovation” allt mer de senaste åren utvecklat en rad nya, smarta och lättanvända metodverktyg för att insamla, bearbeta, analysera och visualisera stora datamängder. Och vi har nog bara sett början än!

Dessa innovationer kommer inte bara journalister och forskare använda sig av, utan det är här den stora potentialen finns att dessa metoder kommer kunna användas för en rad andra grupper och för ändamål som vi idag inte har en aning om. Det vill säga de har blivit så kallade GPT. Ur ett samhällsperspektiv är den stora potentialen den enorma kunskap dessa verktyg kommer kunna generera. Vinnova delfinansierar detta projekt tillsammans med Södertörns högskola och våra partners från mediebolagen. Jag tror att Vinnova inom ganska snart tid kan räkna hem dessa pengar utifrån deras syften. Att mediebolagen också kommer kunna göra det är jag också ganska övertygad om, men det är en de saker som vi ska studera i projektet.

Tommy Larsson Segerlind, forskare i företagsekonomi vid Södertörns högskola

Bli först att kommentera på “Datajournalism som GPT

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *