Framing in der Berichterstattung für News und Medien
Projektprofil
Text und Kontext ist uns ein Anliegen. Wir wissen genau wie wir die Inhalte von Dokumenten ohne Ontologien bewertbar machen können. Damit haben wir mit einem mächtigen Partner einen Ansatz zur Medien Resonanzanalyse erstellt. Und haben wesentlichen Elemente nachweisen und entwickeln können die uns hier als Best-in-Class auszeichnen. Gut, aber uns geht?s um den Inhalt und der Freude an der AI!
Auf einen Blick - Wesentliche Projektdaten
| Dauer | Von 2/1/2020 to 9/28/2020 with about 8 months of full engagement | |
|---|---|---|
| Data and Tools | Market - News/Media Sources • Diverse Mediendatenbanken • Auszug mit 25 MIo Artikel • 2 Jahre Fokus 150 Nationale Medien | |
| Integration | • Model evaluation Jupyter Notebook • Presentation and Data Modelling: Power BI | |
| AI Methoden | • NLP • DeepLearning • Topic Modelling • Superviced Training für Framing Issues |
Hauptanwendung
Analyse der Beinflussung von Framing in Presseaussendungen (Trendanalyse, Framing, Tone, Sounding).
Active Learning Procedures für Minimierung des supervised training Aufwandes.
Projektion der Framing INformaiton auf die Grundgesamtheit.
Bewertbarkeit von Meldungen mit eigenen Bewertungs-KPI
Kundenmotivation / Lösungsansätze
Situationsadequates Formulieren von Nachrichten
Identifikation von Framings bei Presseaussendungen
Langzeitstudien der Framingveränderung
Messung der Medienresonanz auf Presseaussendungen.
AI-Ansatz
| Eingesetzte AI Schlüsseltechnologien | Grafische Visualisierung der Trendintensität einzelner Themen in den Medien. | |
|---|---|---|
| Lösungsansatz | • Individualisiertes Wortmodell (Deutsch) • SmartSearch • Lemmatizing • Active learning • DeepLearning • LDA | |
| Projekt-Ansatz | Simply agile | |
| Projekt-Typ | Proof-Of-Concept (POC) | |
| ML Integration und ML Betrieb | • Operation-Integration API • Visualization API Power-BI Web • Results in Excel, CSV, API and PowerBI |
Einblicke und Details
Can a message change the media ? proof!
Wir konnten die Meldungen bewertbar machen und eine Beeinflussung von Meldungen in den Medienartikel nachweisen.
SmartSerach ermöglicht uns als Technologische Plattform (Eigenentwicklung) eine Kontextuelle Bewertung von Artikel, Absätzen, Dokumente und Berichten
Selbst den Wandel des Contexts im Zuge der zeitlichen Umdeutung von Inhalten ist für uns erkennbar und nutzbar!
