Kaleva : generatiivisen tekoälyn hyödyntäminen journalistisen tekstin tiivistämisessä

Abstract

Opinnäytetyössäni selvitin generatiiviseen tekoälyyn pohjautuvan tiivistysmoottori Timon kykyä tiivistää Kalevan verkkosivuilla julkaistuista uutisartikkeleista sellaisia radiosähkeitä, jotka vastaavat uutiskysymyksiin ja noudattavat journalismin etiikkaa. Opinnäytetyö on osa laajempaa teemahanketta, jota rahoittaa Media-alan tutkimussäätiö.

Aineistoni koostui kymmenestä Kalevan verkkosivuilla vuonna 2024 syys- ja lokakuussa julkaistusta uutisartikkelista. Rajasin aineistoni siten, että uutisten julkaisu ajoittui viikonloppuun, ja kyseisenä ajanjaksona myös Kaleva käytti tiivistysmoottoria. Käytin analyysimenetelmänä laadullista sisällönanalyysia, jossa hyödynsin teorialähtöisen analyysin keinoja.

Päädyin siihen tulokseen, että tiivistysmoottori onnistuu uutiskysymyksiin vastaamisessa huomattavasti paremmin kuin journalismin etiikan noudattamisessa. Tulosten perusteella voidaan myös todeta, että tässä tapauksessa tekoäly voi tehostaa toimitustyötä, mutta toimituksen vastuu sisällön tarkistamisesta ja viimeistelystä korostuu etenkin journalismin etiikan näkökulmasta. Huomioon tulee kuitenkin ottaa, että käytin tutkimuksessa vain yhtä kehotetta, joten erilaisella kehotteella lopputulos saattaisi olla toisenlainen, mikä voisi olla myös hyödyllinen jatkotutkimuksen aihe.

In my thesis I examined the ability of a generative AI-based summarization engine, Timo, to turn news articles published on newspaper Kaleva's website into radio news bulletins. These radio news bulletins were assessed based on their ability to answer traditional news questions and their adherence to journalistic ethics. The thesis is part of a wider thematic project funded by the Media Industry Research Foundation of Finland.

My data consisted of ten news articles published on the Kaleva website in September and October 2024. I limited my selection to articles published over the weekend, as Kaleva was also using the summarization engine during that period. I employed qualitative content analysis as my analytical method, utilizing the techniques of theory-driven analysis.

The conclusion I reached in my thesis was that the summarization engine answers the news questions much better than it follows the ethics of journalism. Nevertheless, it should be noted that I only used one prompt in the study, therefore with a different prompt the end result may vary, which could also be a potentially valuable topic for further research.