In this paper we discuss the general approach and choices we made in developing a prototype of a social media monitor. The main goal of the museum monitor is to offer museum professionals and researchers better insight in the effects of their own social media usage and compare this with other actors in the cultural heritage sector. It gives researchers the opportunity to consider communication within the sector as whole. In the research project “Museum Compass” we have developed a prototype of a social media monitor, which contains data of current and historic online activities on Facebook, Twitter, YouTube, Foursquare and Flickr of all registered Dutch museums. We discuss – mostly in a practical sense – our approach for developing the monitor and give a few examples as a result of its usage.
More than 80 % of all information in an organization is unstructured, created by knowledge workers engaged in peer-to-peer networks of expertise to share knowledge across organizational boundaries. Enterprise Information Systems (EIS) do not integrate unstructured information. At best, they integrate links to unstructured information connected with structured information in their databases. The amount of unstructured information is rising quickly. Ensuring the quality of this unstructured information is difficult. It is often inaccessible, unavailable, incomplete, irrelevant, untimely, inaccurate, and/or incomprehensible. It becomes problematic to reconstruct what has happened in organizations. When used for organizational policies, decisions, products, actions and transactions, structured and unstructured information are called records. They are an entity of information, consisting out of an information object (structured or unstructured) and its metadata. They are important for organizational accountability and business process performance, for without them reconstruction of past happenings and meaningful production become an impossibility. Organization-wide management of records is not a common functionality for EIS, resulting in [1] a fragmentation in the management of records, where structured and unstructured information objects are stored in a variety of systems, unconnected with their metadata; [2] a fragmentation in metadata management, leading to a loss of contextuality because metadata are separated from their information objects; and [3] a declining quality or records, because their provenance, integrity, and preservation are in peril. Organizational accountability is based on records and their context to reconstruct the past. Because records are not controlled by EIS, they can only marginally be used for accountability. The challenge for organizational accountability is to generate trusted records, fixed and contextual information objects inseparately linked with metadata that capture context to regain evidential value and to allow for the reconstruction of the past. The research question of this paper is how to capture records and their context within EIS to regain the evidential value of records to allow for a more robust organizational accountability. To find an answer, we need to pay attention to the concept of context, on how to capture context in metadata, and how to embed and manage records in EIS.
Moderatie van lezersreacties onder nieuwsartikelen is erg arbeidsintensief. Met behulp van kunstmatige intelligentie wordt moderatie mogelijk tegen een redelijke prijs. Aangezien elke toepassing van kunstmatige intelligentie eerlijk en transparant moet zijn, is het belangrijk om te onderzoeken hoe media hieraan kunnen voldoen.
Moderatie van lezersreacties onder nieuwsartikelen is erg arbeidsintensief. Met behulp van kunstmatige intelligentie wordt moderatie mogelijk tegen een redelijke prijs. Aangezien elke toepassing van kunstmatige intelligentie eerlijk en transparant moet zijn, is het belangrijk om te onderzoeken hoe media hieraan kunnen voldoen.Doel Dit promotieproject zal zich richten op de rechtvaardigheid, accountability en transparantie van algoritmische systemen voor het modereren van lezersreacties. Het biedt een theoretisch kader en bruikbare matregelen die nieuwsorganisaties zullen ondersteunen in het naleven van recente beleidsvorming voor een waardegedreven implementatie van AI. Nu steeds meer nieuwsmedia AI gaan gebruiken, moeten ze rechtvaardigheid, accountability en transparantie in hun gebruik van algoritmen meenemen in hun werkwijzen. Resultaten Hoewel moderatie met AI zeer aantrekkelijk is vanuit economisch oogpunt, moeten nieuwsmedia weten hoe ze onnauwkeurigheid en bias kunnen verminderen (fairness), de werking van hun AI bekendmaken (accountability) en de gebruikers laten begrijpen hoe beslissingen via AI worden genomen (transparancy). Dit proefschrift bevordert de kennis over deze onderwerpen. Looptijd 01 februari 2022 - 01 februari 2025 Aanpak De centrale onderzoeksvraag van dit promotieonderzoek is: Hoe kunnen en moeten nieuwsmedia rechtvaardigheid, accountability en transparantie in hun gebruik van algoritmes voor commentmoderatie? Om deze vraag te beantwoorden is het onderzoek opgesplitst in vier deelvragen. Hoe gebruiken nieuwsmedia algoritmes voor het modereren van reacties? Wat kunnen nieuwsmedia doen om onnauwkeurigheid en bias bij het modereren via AI van reacties te verminderen? Wat moeten nieuwsmedia bekendmaken over hun gebruik van moderatie via AI? Wat maakt uitleg van moderatie via AI begrijpelijk voor gebruikers van verschillende niveaus van digitale competentie?
