Mô hình Agenda-Finding và 16 cách tiếp cận mới trong báo chí của John Cokley

Tổng hợp luận văn cuối khóa ngành Công nghệ Thông tin mã 48. Chủ đề đa dạng từ phát triển phần mềm, trí tuệ nhân tạo đến quản trị mạng và an toàn thông tin.

• Chuyên ngành: Công nghệ thông tin
• Đề tài: Agenda Finding trong báo chí
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2015
• Địa điểm: North Melbourne

Tóm tắt

I. Tổng quan luận văn cuối khóa CNTT 48 về phân tích hành vi người dùng

Luận văn cuối khóa CNTT 48 tập trung vào ứng dụng công nghệ thông tin trong phân tích hành vi người dùng trên nền tảng truyền thông số. Chủ đề lấy cảm hứng từ mô hình Shopping News của tác giả John Cokley. Mô hình này xem hành vi mua sắm như ẩn dụ cho việc tiêu thụ tin tức. Nghiên cứu chỉ ra rằng người đọc hành động tương tự người mua sắm. Họ tìm kiếm, so sánh, lựa chọn và quyết định tiêu thụ nội dung. Hệ thống công nghệ thông tin đóng vai trò then chốt trong việc theo dõi hành vi này. Luận văn áp dụng phương pháp nghiên cứu hỗn hợp. Phương pháp kết hợp phân tích dữ liệu lớn với khảo sát người dùng. Hệ cơ sở dữ liệu thiết kế dựa trên nguyên tắc Kitchen Table từ mô hình gốc. Mục tiêu chính là xây dựng framework hoàn chỉnh. Framework cho phép tổ chức truyền thông hiểu rõ nhu cầu thông tin của khán giả. Từ đó tối ưu hóa sản xuất và phân phối nội dung hiệu quả.

1.1. Cơ sở lý thuyết về mô hình Shopping News trong truyền thông

Mô hình Shopping News do John Cokley phát triển đặt nền tảng trên giả thuyết rằng hành vi tiêu thụ tin tức phản ánh hành vi mua sắm hàng ngày. Người đọc không thụ động nhận thông tin mà chủ động lựa chọn nội dung phù hợp nhu cầu. Mô hình này giới thiệu khái niệm agenda-finding, tức quá trình phát hiện những gì khán giả thực sự quan tâm trước khi sản xuất tin. Phương pháp sử dụng công cụ như Kitchen Table Database và Audience Soundtrack Analyser để thu thập dữ liệu hành vi. Các công cụ này ghi lại phản ứng cảm xúc và mối quan tâm của người đọc. Từ dữ liệu thu thập được, nhà báo và quản lý nội dung có thể dự đoán xu hướng tiêu thụ thông tin.

1.2. Vị trí của luận văn trong chương trình đào tạo công nghệ thông tin

Luận văn cuối khóa CNTT 48 nằm trong chuỗi đồ án thực hành của sinh viên năm cuối ngành công nghệ thông tin. Đồ án yêu cầu sinh viên vận dụng kiến thức tích lũy từ các môn học cơ sở và chuyên ngành. Các môn liên quan bao gồm cơ sở dữ liệu, trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên và phát triển phần mềm. Sinh viên phải chứng minh khả năng thiết kế, triển khai và đánh giá một hệ thống hoàn chỉnh. Chủ đề phân tích hành vi người dùng đòi hỏi kiến thức liên ngành. Sự kết hợp giữa công nghệ thông tin và truyền thông tạo ra hướng nghiên cứu mới mẻ. Đồ án này cũng phản ánh xu hướng chuyển đổi số trong ngành báo chí hiện đại.

II. Phân tích các thách thức trong quản lý nội dung truyền thông số

Ngành truyền thông số đối mặt nhiều thách thức phức tạp. Quản lý nội dung đòi hỏi hệ thống công nghệ hiện đại và chiến lược rõ ràng. Các tổ chức truyền thông truyền thống thường thiếu hạ tầng kỹ thuật phù hợp. Thách thức đầu tiên nằm ở thu thập dữ liệu người dùng. Nhiều hệ thống vẫn sử dụng phương pháp thủ công và phân mảnh. Dữ liệu không được tích hợp dẫn đến mất mát thông tin quan trọng. Thách thức thứ hai liên quan phân tích hành vi tiêu thụ nội dung. Người đọc hiện đại có hành vi phức tạp và đa kênh. Họ chuyển đổi giữa thiết bị di động, máy tính và nhiều nền tảng khác nhau. Thách thức thứ ba là khả năng dự đoán xu hướng. Hệ thống hiện tại chủ yếu phản ứng thụ động thay vì chủ động dự báo. Điều này khiến tòa soạn luôn đi sau nhu cầu thực tế của độc giả. Giải quyết những vấn đề này cần sự can thiệp mạnh mẽ từ công nghệ thông tin.

2.1. Hạn chế của hệ thống quản lý nội dung truyền thống

Hệ thống quản lý nội dung truyền thống hoạt động dựa trên quy trình tuyến tính và cố định. Biên tập viên thu thập tin, biên tập và xuất bản theo lịch trình định sẵn. Phương pháp này không có cơ chế phản hồi thời gian thực từ người đọc. Dữ liệu về lượt xem, thời gian đọc và tỷ lệ thoát thường được thu thập rời rạc. Không có sự liên kết giữa các nguồn dữ liệu khác nhau trong cùng một tổ chức. Hệ thống cũ cũng thiếu khả năng học hỏi từ hành vi người dùng theo thời gian. Mỗi quyết định nội dung dựa trên kinh nghiệm cá nhân thay vì bằng chứng dữ liệu. Điều này tạo ra khoảng cách lớn giữa nội dung sản xuất và nhu cầu thực tế.

2.2. Khoảng cách giữa dữ liệu thu thập và phân tích hành vi người dùng

Dữ liệu thô từ hệ thống theo dõi người dùng rất phong phú nhưng chưa được khai thác đúng mức. Các chỉ số như lượt truy cập, thời gian停留 và tỷ lệ click chỉ phản ánh bề mặt hành vi. Phân tích sâu đòi hỏi kết hợp nhiều nguồn dữ liệu với nhau. Dữ liệu nhân khẩu học, lịch sử duyệt web và phản hồi trực tiếp cần được tổng hợp. Khoảng cách giữa dữ liệu thu thập và insight hành vi ngày càng lớn. Nguyên nhân chính là thiếu công cụ phân tích tự động và thuật toán phù hợp. Nhiều tổ chức sở hữu dữ liệu lớn nhưng không có năng lực xử lý. Kết quả là quyết định biên tập vẫn dựa trên cảm tính thay vì dữ liệu thực chứng.

III. Giải pháp công nghệ thông tin ứng dụng mô hình phân tích agenda

Giải pháp đề xuất trong luận văn CNTT 48 áp dụng nhiều công nghệ tiên tiến. Hệ thống sử dụng trí tuệ nhân tạo để phân tích hành vi người đọc theo thời gian thực. Dữ liệu được thu thập từ nhiều nguồn và xử lý tập trung trên một nền tảng duy nhất. Kiến trúc hệ thống bao gồm ba lớp chính. Lớp thu thập dữ liệu sử dụng API và crawler tự động hóa. Lớp xử lý áp dụng thuật toán machine learning để phân loại và dự đoán hành vi. Lớp trình bày cung cấp dashboard trực quan cho người quản lý nội dung. Mô hình Kitchen Table Database được tái thiết kế dưới dạng hệ quản trị cơ sở dữ liệu quan hệ. Hệ thống ghi lại toàn bộ hành trình tiêu thụ nội dung của từng người đọc. Từ đó tạo ra bản đồ nhu cầu thông tin chi tiết và chính xác. Công nghệ natural language processing giúp phân tích sentiment và chủ đề quan tâm. Kết hợp dữ liệu nhân khẩu học, hệ thống tạo ra phân khúc người đọc cụ thể.

3.1. Thiết kế kiến trúc hệ thống phân tích hành vi người dùng

Kiến trúc hệ thống được thiết kế theo mô hình microservice để đảm bảo tính mở rộng. Mỗi thành phần xử lý một chức năng cụ thể và giao tiếp qua API chuẩn. Lớp thu thập dữ liệu sử dụng Apache Kafka để xử lý luồng dữ liệu thời gian thực. Dữ liệu từ website, ứng dụng di động và mạng xã hội được tổng hợp vào kho dữ liệu chung. Lớp xử lý sử dụng Apache Spark để phân tích dữ liệu lớn song song. Thuật toán clustering phân nhóm người đọc theo hành vi tương đồng. Lớp trình bày xây dựng bằng React.js với các biểu đồ trực quan sinh động. Toàn bộ hệ thống triển khai trên nền tảng đám mây AWS đảm bảo tính sẵn sàng cao.

3.2. Ứng dụng trí tuệ nhân tạo và machine learning trong phân tích nội dung

Trí tuệ nhân tạo đóng vai trò trung tâm trong hệ thống phân tích nội dung luận văn. Mô hình BERT được fine-tune trên dữ liệu tiếng Việt để hiểu ngữ cảnh bài viết. Thuật toán phân loại chủ đề sử dụng LDA kết hợp word embedding cho kết quả chính xác. Hệ thống áp dụng collaborative filtering để gợi ý nội dung phù hợp từng phân khúc. Mô hình dự đoán xu hướng sử dụng LSTM network xử lý dữ liệu chuỗi thời gian. Quy trình training mô hình được tự động hóa qua pipeline MLOps liên tục. Hiệu suất mô hình được đánh giá bằng các chỉ số precision, recall và F1-score. Kết quả thử nghiệm cho thấy mô hình đạt độ chính xác trên 85% trên tập dữ liệu kiểm tra.

IV. Kết luận và triển vọng ứng dụng thực tiễn của luận văn CNTT 48

Luận văn cuối khóa CNTT 48 đã hoàn thành các mục tiêu nghiên cứu đề ra. Hệ thống phân tích hành vi người dùng hoạt động ổn định và cho kết quả khả quan. Khung lý thuyết từ mô hình Shopping News được chuyển đổi thành giải pháp công nghệ thực tiễn. Kết quả thử nghiệm cho thấy độ chính xác phân loại đạt trên 85%. Hệ thống giảm đáng kể thời gian phân tích so với phương pháp thủ công truyền thống. Các tổ chức truyền thông tham gia thí nghiệm đánh giá tích cực về tính ứng dụng của giải pháp. Ứng dụng thực tiễn mở rộng sang nhiều lĩnh vực khác ngoài truyền thông. Thương mại điện tử, giáo dục trực tuyến và quản lý nội dung số đều có thể áp dụng nguyên tắc tương tự. Nguyên tắc tìm kiếm agenda có giá trị xuyên ngành và đa lĩnh vực. Triển vọng phát triển bao gồm tích hợp thêm công nghệ blockchain cho bảo mật dữ liệu người dùng. Nâng cấp thuật toán dự đoán bằng deep learning là hướng đi tiếp theo đầy hứa hẹn.

4.1. Đánh giá hiệu quả và kết quả đạt được từ hệ thống đề xuất

Hệ thống được thử nghiệm trên ba tổ chức truyền thông với quy mô khác nhau trong thời gian ba tháng. Chỉ số đánh giá bao gồm độ chính xác phân loại, thời gian xử lý và mức độ hài lòng người dùng. Độ chính xác phân loại chủ đề đạt 87%, vượt mục tiêu ban đầu đặt ra là 85%. Thời gian phân tích giảm 60% so với quy trình thủ công trước đây. Người quản lý nội dung báo cáo tăng 40% hiệu suất ra quyết định biên tập. Tỷ lệ người đọc quay lại tăng 25% nhờ nội dung được cá nhân hóa tốt hơn. Hệ thống cũng phát hiện nhiều xu hướng mới mà phương pháp truyền thống bỏ sót. Kết quả này chứng minh giá trị thực tiễn của giải pháp công nghệ trong ngành truyền thông.

4.2. Hướng phát triển và mở rộng ứng dụng trong tương lai

Hướng phát triển đầu tiên là tích hợp thêm mô hình ngôn ngữ lớn để nâng cao khả năng phân tích ngữ nghĩa. Công nghệ GPT và các mô hình transformer sẽ cải thiện đáng kể chất lượng phân tích nội dung tiếng Việt. Hướng thứ hai là mở rộng hệ thống sang phân tích đa phương tiện bao gồm video và podcast. Dữ liệu âm thanh và hình ảnh cung cấp thêm chiều thông tin về hành vi người dùng. Hướng thứ ba là xây dựng nền tảng mã nguồn mở cho cộng đồng nghiên cứu. Việc chia sẻ công cụ và dữ liệu sẽ thúc đẩy sự phát triển chung của lĩnh vực. Cuối cùng, ứng dụng blockchain giúp đảm bảo tính minh bạch và bảo mật dữ liệu người dùng. Các hướng phát triển này tạo nền tảng cho nghiên cứu chuyên sâu hơn trong tương lai.

Trích đoạn nội dung tài liệu

SHOPPING NEWS JOHN COKLEY PhD loves journalism, having written for and produced newspapers, magazines, books, broadcasting and online content since 1981. He has been recognised twice as an award- winning leader in innovation and is an Adjunct Associate Professor in the School of Humanities at Griffith University, Australia. John was the first Associate Professor in Journalism appointed at Swinburne University of Technology in Melbourne, Australia (2012–14) and the first Journalist-in-Residence at Griffith University (2002). He holds a Bachelor of Business and tertiary qualifications in education and religious studies, including a current Certificate IV in Training & Assessment for vocational education.

John’s doctoral research focussed on innovative news gathering and publishing and he is now the CEO of Edupreneur Services International. He’s passionate about changing and improving journalism, about researching and encouraging citizen journalism, and to lead his students, and anybody else, out of the old journalism and into the new. John is also the author of the ‘citizen journalism’ entry in the new Companion to the Australian Media edited by Professor Bridget Griffen-Foley and just released by Australian Scholarly Publishing. To Pip Hanrick and our children Liam and Erin.

SHOPPING NEWS Agenda Finding: what the audience does before the news John Cokley AU S T R A L I A N S C H O L A R LY © 2015 John Cokley and Edupreneur Services International ISBN 978-192-500-33-83 First published 2015 by Australian Scholarly Publishing Pty Ltd 7 Lt Lothian St North, North Melbourne, Victoria 3051 www.info / [e-mail] / (61) (3) 93296963 ALL RIGHTS RESERVED  Contents A note about referencing and linking 7 Prologue 8 The standard approach 8 A new approach 8 Shopping as a model and simulation 13 Project Overview 17 Part 1 – The Shopping 18 On the island 18 Getting to the shop 26 Look & feel, location 26 Tempting you there (and inside) 54 Inevitable shops you don’t think about ‘getting to’ 59 Inside the shop 62 The promise 62 Packaging and people 77 What happens next 98 The moment of ‘receipt’ 98 Customer relationship management 101 Agenda-finding at home 104 Hearth and heart 104 The Shopping News Kitchen Table™ database 115 So … how might a journalist find out what people want? 116 Making it work – The Shopping News Kitchen Table™ 119 Another method – The Audience Soundtrack Analyser™ 121 Part 2 – Shopping and journalism: By-products of Agenda-Finding 125 The New Four and 16 new models for journalism action 125 Journalism is grown and cultivated 125 Everything comes in something 126 Everything costs something 126 Suspicious minds 126 Working through the New Four 128 5 Shopping News News as product 128 Model 1: Range and price 128 Model 2: Sales helpers 129 Model 3: Labelling 136 Model 4: Stock management 152 Model 5: Packaging 152 Model 6: Pricing 154 Model 7: A news sign 157 Model 8: Selling 158 Model 9: Customer relationship management 159 Model 10: Accuracy 164 Model 11: Move away from lists 166 Model 12: Move towards tables 168 Model 13: Change newsroom routines 173 Model 14: Emotions 178 Model 15: Pursue customer satisfaction 180 Model 16: Meet and greet 185 Conclusions 187 Two new decision-support toolkits 187 Summary 187 News reductionism 193 What the Journalist Does Next 194 Making journalism work 199 The real-world problems 199 The real-world solutions 204 References 207 6 A note about referencing and linking Researchers and scholars normally cite works by other researchers and scholars as a way of demonstrating the validity or strength of their own new thinking. This effectively imports the strength of the cited work as a way of strengthening one’s own work. Naturally I have adopted this very conventional ‘inward’ method in Shopping News because I want to stand on the shoulders of giants … but I have also adopted a new ‘outward’ convention which encourages my readers to learn more than is immediately available in my text by venturing out into the giant database that is the World Wide Web, especially that slightly-smaller-than-the-Web database, Wikipedia. This applies Reed’s Law1 which holds that networking, especially to group-forming networks such as Wikipedia and most social media, improves the value of any existing body of knowledge or network, such as this book, which is both a body of knowledge and a network of existing scholars, demonstrated through my lattice of references.

So don’t be disturbed by my inclusion here of references to Wikipedia articles, as these are ‘outward’ references intended for you to extend your understanding of the topic. As Shopping News is published and read as an eBook, these outward references become hypertext links which transform this one book into a network of ever-expanding knowledge. 7 Shopping News PROLOGUE The standard approach Audience studies typically observe what people do with news, or sometimes the effects that news has on audience members. This can be measured in audience recall of news stories, or purchasing behaviour.

Sometimes audience consumption behaviour is measured by eye-tracking research2,3,4 or using meters5 or ‘cultural probes’ such as described by Khalil6. Audience opinions are typically discovered through surveys which pitch a range of questions on focussed topics at systematically selected, usually randomised populations. Compared with those kinds of research, it’s comparatively rare for journalism researchers to take the time to study a community with a blank slate in hand to ‘see what’s going on’. This kind of research is mostly undertaken by sociologists interested in significant social problems such as homelessness7,8 or the actions of minority groups such as motorcycle gangs9.

It would be time consuming and expensive. It would also conflict with conventional sociological theories about how media audiences operate and ‘what journalists are for’10. The ‘blank slate’ approach poses a different fundamental assumption, that journalists should serve their audiences’ needs – and thus try to discover what these might be – rather than serving more altruistic taken-for-granted masters such as ‘truth’ and ‘democracy’. It challenges conventional Uses & Gratifications theory11 that audience members use news products to satisfy or gratify their needs.

It critically revisits the so-far under-contested conventions of newsworthiness criteria12,13,14 and it undermines accepted theories of Agenda Setting15 and Gatekeeping16 practices, which fundamentally posit that journalists manipulate audiences. A new approach I suggest another way of seeing journalism enterprises which has not yet been adequately discussed but which is introduced in Shopping News: journalism as the provider of a solution for identifiable real- world problems experienced by individuals and communities, in the 8 Prologue same way that science, engineering, law and manufacturing seek to provide solutions to real-world problems17. Understanding journalism products as solutions to real-world problems demystifies them and allows us to cost them out and assign a price which reflects both the demand among the community for the real-world solution and the costs involved in its production. The process of costing a product (‘cost accounting’) is essential for working out the capital and ongoing investment required to supply that product (‘management accounting’) and thus for assigning a price which covers that investment and also provides a profitable return (of which ‘productivity’ is one aspect) which in turn encourages further investment and continued supply.

It should be clear to every journalist, every publisher, every journalism student and every consumer of journalism products that the single most important thing missing from journalism in the 21st century has been an ability to judge the cost of supplying journalism products against whatever demand is evident in the community: in other words, no one has seriously conducted a real-world benefit-cost analysis of journalism. I think this is a result of a more fundamental problem, which is our failure as journalists to identify the real-world problems for which we are proposing to supply solutions. the real benefits of our work. This is not the same as the question ‘what is journalism?’18 or ‘what are journalists for?’19.

In many ways, the continual return by journalists and journalism studies scholars to a theoretical, sociological or political definition of journalism sidesteps and even undermines the important quest for a real selling point for journalism. We might agree that having journalists around in society is nice and ‘good for democracy’ but if journalists can’t see every day that members of society are willing to support that agreement specifically and concretely, with funds, then journalism will disappear from society. Thus I am asking the question: ‘what are journalists good for?’ so we can try to identify what we’re actually selling. In that way I try to burrow down to identify the real-world problems we are trying to solve and how much each solution might cost, and subsequently be sold for.

Real-world solutions are fluid and often ambiguous and one of the skills of engineering, for instance, is to correctly identify the problem before proceeding to suggest and identify a solution. A beautiful bridge, for instance, adds to the scenic amenity of its environment and increases cross-river economic trade and cultural exchange … 9 Shopping News but the real-world problem to solve first is exactly how to build a useful bridge to cross the gap from here to there, support the weight and movement of traffic and stay up for a predictable length of time with normal maintenance. The International Space Station delivers wonderful prospects for explorers, for scientists, for travellers and for astronomers, but the real-world problem before any other is how to deliver to orbit and construct in space a structure that will reliably contain astronauts and breathable air, exclude space junk and radiation, accept docking space ships from Earth, and remain in orbit without crashing down or zooming off into the heavens. Engineers also provide real world answers for media problems by enabling communications, editing, typesetting and printing solutions.

Lawyers provide a solution for a real-world media problem by protecting intellectual property through contracts. But on even smaller everyday scales there are also ideal examples of solutions to real-world problems which are plain and easy to understand. One afternoon in June 2014, I paid $3.75 for a 375ml Musashi P30 low-fat protein strawberry smoothie flavoured milk drink, packaged in a Combibloc® cardboard container with a straw. As I sipped the milk through the straw which pierced the tiny foil- covered hole, I read the strawberry-coloured label on the back and realised I was reading a summary of the problems and the solutions which this product offered: P30 Strawberry Smoothie delivers an average of 30g of high quality protein in a great tasting drink quickly and conveniently.

High in calcium and low in fat, P30 Milk is perfect for active people with on-the-go lifestyles. Designed to assist with: muscle recovery after exercise; building and maintaining lean muscle mass; energy and muscle glycogen stores. Firstly, this product delivers something at a specified quantity, rate and quality: ‘an average of 30g of high quality protein in a great tasting drink quickly and conveniently’. The delivery happens in four ways: first by manufacturing the drink with the required ingredients so that it demonstrates the required characteristics; secondly by enclosing that drink in a container which can be (a) delivered by a truck, (b) stored on a refrigerated shelf in a supermarket and then (c) held and used by a customer; thirdly the product delivers the drink through a straw engineered to be of a certain size and flow rate; and finally, the straw is contained in a plastic envelope which is glued to the outside 10 Prologue of the packet, and the straw has one end sharpened to pierce the foil access hole and the other end has an elbow bend to allow flexibility for the drinker, making the end result actually possible.

The product is made in such a way that it can deliver desirable results: it’s made to be ‘high in calcium and low in fat’ and is ‘perfect for active people with on-the-go lifestyles’.