Algoritmos de inteligência artificial e jornalismo como conhecimento: a relevância da contextualização

Abstract

A presente tese, considerando os pressupostos teóricos do Jornalismo como forma de Conhecimento, abordados por autores como Park (1940), Genro Filho (1987), Meditsch (1998) e Nielsen (2017), investiga se a atuação dos algoritmos de Inteligência Artificial (IA) na redação de notícias incide na aquisição do conhecimento. Além de discorrer sobre o Jornalismo como forma de conhecimento e apresentar a evolução da Inteligência Artificial até a aplicação na redação de notícias, a pesquisa identifica a deficiência dessa tecnologia em contextualizar e como isso incide na aquisição do conhecimento. Para viabilizar um contato mais amplo com o problema, junto a pesquisa bibliográfica exploratória, foram feitas análises de notícias escritas por algoritmos de IA tendo como parâmetro a Pirâmide Deitada, proposta por Canavilhas (2006) para o webjornalismo. A amostragem envolveu dois sistemas de IA do Los Angeles Times, denominados de Quakebot e Homicide Report, e os brasileiros do site G1, do Grupo Globo, e o Da Mata Repórter, projeto da Universidade Federal de Minas Gerais (UFMG) com a Universidade de São Paulo (USP). A análise evidenciou que as notícias redigidas por algoritmos de IA têm vínculo com dados estruturados e carecem de aprofundamento, o que prejudica a contextualização e, por consequência, a aquisição de conhecimento. Os temas abordados precisam da atuação humana para detalhar o acontecimento por meio de entrevistas, pesquisas de campo, confronto de dados, entre outras técnicas de apuração e pesquisa jornalísticas. Por outro lado, os algoritmos de IA se sobressaem na agilidade da escrita e na velocidade em interpretar grandes bases de dados estruturados. A conclusão desta tese é que a relação dos algoritmos de IA com a produção jornalística ainda precisa da ação humana para garantir a geração de conhecimento.

Abstract: The presenting thesis, considering the theoretical assumptions of Journalism as a form of Knowledge, as discussed by authors such as Park (1940), Genro Filho (1987), Meditsch (1998), and Nielsen (2017), investigates whether the use of Artificial Intelligence (AI) algorithms in news writing affects the acquisition of knowledge. Besides discussing Journalism as a form of knowledge and presenting the evolution of Artificial Intelligence up to its application in news writing, the research identifies the technology's deficiency in contextualizing and how this impacts the acquisition of knowledge. To enable a broader understanding of the problem, along with exploratory bibliographic research, analyses of news articles written by AI algorithms were conducted using the Tumbled Pyramid model proposed by Canavilhas (2006) for web journalism as a benchmark. The sample involved two AI systems from the Los Angeles Times, named Quakebot and Homicide Report, as well as the Brazilian systems from the G1 website, part of Grupo Globo, and Da Mata Repórter, a project of the Federal University of Minas Gerais (UFMG) in collaboration with the University of São Paulo (USP). The analysis evidenced that news articles written by AI algorithms are tied to structured data and lack depth, which hampers contextualization and, consequently, the acquisition of knowledge. The themes addressed require human action to detail events through interviews, field research, data comparison, and other journalistic verification and research techniques. On the other hand, AI algorithms excel in writing speed and in quickly interpreting large structured databases. The conclusion of this thesis is that the relationship between AI algorithms and journalistic production still needs human action to ensure the generation of knowledge.