論文の概要: Envisioning the Applications and Implications of Generative AI for News Media

• arxiv url: http://arxiv.org/abs/2402.18835v1
• Date: Thu, 29 Feb 2024 03:40:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 16:13:04.869107
• Title: Envisioning the Applications and Implications of Generative AI for News Media
• Title（参考訳）: ニュースメディアにおける生成AIの応用と意義
• Authors: Sachita Nishal and Nicholas Diakopoulos
• Abstract要約: 本稿では,ニュースルームにおけるアルゴリズムによる意思決定支援システムと合成メディアの利用の増加について考察する。 我々は、ニュース制作に関わるタスクの分類から導き、生成モデルが記者を適切に支援できる場所について議論する。 我々のエッセイは、異なるタスクをサポートするために生成AIシステムを利用することを検討する実践者や研究者に関係している。
• 参考スコア（独自算出の注目度）: 4.324021238526106
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This article considers the increasing use of algorithmic decision-support systems and synthetic media in the newsroom, and explores how generative models can help reporters and editors across a range of tasks from the conception of a news story to its distribution. Specifically, we draw from a taxonomy of tasks associated with news production, and discuss where generative models could appropriately support reporters, the journalistic and ethical values that must be preserved within these interactions, and the resulting implications for design contributions in this area in the future. Our essay is relevant to practitioners and researchers as they consider using generative AI systems to support different tasks and workflows.
• Abstract（参考訳）: 本稿では,ニュースルームにおけるアルゴリズムによる意思決定支援システムと合成メディアの利用の増加について考察し,ニュース記事のコンセプトから配信に至るまで,レポーターや編集者が様々なタスクをこなすための生成モデルについて考察する。 具体的には, ニュース制作に関連する課題の分類から抽出し, 生成モデルが記者を適切に支援できるか, それらの相互作用の中で保存されなければならない報道的, 倫理的価値, そして, 将来この領域におけるデザイン貢献の帰結について論じる。 我々のエッセイは、異なるタスクやワークフローをサポートするために生成AIシステムを使うことを検討する実践者や研究者に関係している。

関連論文リスト

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Breaking News: Case Studies of Generative AI's Use in Journalism [18.67676679963561]
  本研究では、WildChatデータセットを閲覧することで、2つの報道機関によるジャーナリストとAIのインタラクションの研究を行う。 本稿では,ジャーナリストが他の機関からの資料や記事との機密通信などの機密資料をLCMに送付し,記事作成を促す事例を明らかにする。 本稿では,AIの活用に責任を負うものに関するさらなる研究と,ジャーナリストの文脈でLLMを使用するための明確なガイドラインとベストプラクティスの確立を求めている。
  論文  参考訳（メタデータ） (2024-06-19T16:58:32Z)
• SciNews: From Scholarly Complexities to Public Narratives -- A Dataset for Scientific News Report Generation [20.994565065595232]
  我々は、科学ニュースの自動生成を容易にするための新しいコーパスを提示する。 本データセットは,9分野にわたる学術出版物と,それに対応する科学報告から構成される。 我々は、最先端のテキスト生成モデルを用いてデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2024-03-26T14:54:48Z)
• Detection of Machine-Generated Text: Literature Survey [0.0]
  本研究の目的は,機械生成テキスト分野における成果と成果をコンパイルし,合成することである。 また、機械が生成するテキストの傾向を概観し、より大きな社会的意味を探求する。
  論文  参考訳（メタデータ） (2024-01-02T01:44:15Z)
• Understanding Practices around Computational News Discovery Tools in the Domain of Science Journalism [3.660182910533372]
  我々は,これらのジャーナリストのニュース発見を支援する計算手法について,時間効率とエージェンシーの観点から検討する。 我々は、3つの計算情報助成金のプロトタイプを、そのようなツールがいかに有用性を提供するかをよりよく理解するために、プローブとして使用したインタラクティブツールに組み込んだ。 本研究は, 計算ニュース発見ツールに関する社会工学的システムについて, より豊かな視点を提供し, 科学ジャーナリストの実践を支援するために, そうしたツールを改良する方法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T14:47:50Z)
• Identifying Informational Sources in News Articles [109.70475599552523]
  我々は、ニュース執筆に使用される情報ソースの、最大かつ最も広範囲にアノテートされたデータセットを構築した。 本稿では,ニュース記事中のソースの構成性を研究するための新しいタスクであるソース予測を導入する。
  論文  参考訳（メタデータ） (2023-05-24T08:56:35Z)
• Target-aware Abstractive Related Work Generation with Contrastive Learning [48.02845973891943]
  関連作業部は学術論文の重要な構成要素であり、参考論文の文脈における対象論文の貢献を強調している。 既存の作業部生成手法の多くは、既成の文章を抽出することに依存している。 本稿では,新たな文からなる関連作業区間を生成できる抽象的目標認識関連作業生成装置(TAG)を提案する。
  論文  参考訳（メタデータ） (2022-05-26T13:20:51Z)
• DIME: Fine-grained Interpretations of Multimodal Models via Disentangled Local Explanations [119.1953397679783]
  我々は,マルチモーダルモデルの解釈における最先端化に注力する。 提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
  論文  参考訳（メタデータ） (2022-03-03T20:52:47Z)
• "Don't quote me on that": Finding Mixtures of Sources in News Articles [85.92467549469147]
  各ソースのtextitaffiliationとtextitroleに基づいてソースのオントロジーラベリングシステムを構築します。 これらの属性を名前付きソースに推論し、ニュース記事をこれらのソースの混合物として記述する確率モデルを構築します。
  論文  参考訳（メタデータ） (2021-04-19T21:57:11Z)
• VMSMO: Learning to Generate Multimodal Summary for Video-based News Articles [63.32111010686954]
  マルチモーダル出力(VMSMO)を用いたビデオベースマルチモーダル要約の課題を提案する。 このタスクの主な課題は、ビデオの時間的依存性と記事の意味を共同でモデル化することである。 本稿では,デュアルインタラクションモジュールとマルチモーダルジェネレータからなるDual-Interaction-based Multimodal Summarizer (DIMS)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T02:19:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。