ШТУЧНИЙ ІНТЕЛЕКТ В УКРАЇНСЬКИХ МЕДІА: інтеграція, виклики та потреби сектору 

Етап збору та аналізу відкритих даних

Етап збору та аналізу відкритих даних (scraping desk research) охоплює часовий період з 2023 року по кінець квітня 2026 року. Для їх збору та аналізу було розроблено підхід, який поєднує елементи desk research та scoping literature review і позначається як scraping desk research. 

Вибір на користь цього гібридного методу зумовлений характером проєкту: він не є академічним дослідженням і не передбачає повноцінного систематичного огляду літератури, однак потребує достатнього рівня методологічної прозорості та відтворюваності. Scraping desk research, або ж  автоматизований збір вторинної інформації з відкритих джерел, забезпечує структурований і послідовний збір даних у межах наявних ресурсів. Зі scoping literature review, тобто огляду літератури на тему, запозичено визначення часових рамок, мов і ключових слів до початку пошуку, послідовний пошук за річними циклами та двоетапну класифікацію текстів за тематичними групами. З desk research, «кабінетного дослідження», — включення неакадемічних джерел, використання загальних пошукових систем і орієнтацію на галузеві матеріали поряд з науковими. Таким чином, підхід забезпечив структурований і послідовний збір даних у межах наявних ресурсів проєкту.

До вибірки на цьому етапі включаються матеріали, написані українською та англійською мовами. У пул матеріалів увійшли як академічні, так і неакадемічні тексти, — оскільки академічна література не встигає фіксувати швидкі зміни у розвитку ШІ та в редакційних практиках медіа зокрема. Натомість галузеві звіти та аналітичні матеріали міжнародних організацій заповнюють цю прогалину, дозволяючи аналізувати явище одночасно на теоретичному та практичному рівнях. 

Для збору академічних текстів використовувалась пошукова система Google Scholar. Ключові слова для пошуку були сформовані на основі дослідницьких питань і прописані двома мовами — українською та англійською. 

Ключові слова англійською мовою: AI, journalism, media, integration, barriers, adaptation, newsrooms. 

Ключові слова українською мовою: ШІ, журналістика, медіа, інтеграція, бар’єри, адаптація, редакції.

Один і той самий набір ключових слів застосовувався для пошуку як академічних, так і для неакадемічних текстів

Пошук академічних матеріалів проводився послідовно, у щорічних циклах. На першому кроці фільтрувалися всі тексти, опубліковані у 2023 році, за заданими ключовими словами; далі здійснювався окремий пошуковий запит для кожного наступного календарного року аж до квітня 2026 року включно. Якщо на сторінці пошукової видачі (SERP — Search Engine Results Page) не було ідентифіковано жодного релевантного матеріалу, дослідниця переходила до аналізу наступного річного циклу без додаткових ітерацій.

Наступним кроком була перевірка та відбір релевантних текстів з подальшим їх аналізом і класифікацією. Цей процес відбувався у два послідовні етапи. Першим була оцінка релевантності статей за допомогою великих мовних моделей (ВММ, або ж LLM): моделі claude-haiku-4-5-20251001 від Antropic і моделі gpt-4.1-mini від OpenAI з верифікацією результатів дослідницею. Нерелевантні статті були виключені з подальшої роботи. Через невелику кількість результатів текстів українською мовою їхня релевантність була оцінена дослідницею без допомоги ВММ. 

Ми промаркували вручну релевантність 49 статей оцінкою від одного до п’яти, де 5 — найвища релевантність, і порівняли це з оцінкою двох згаданих ВММ. Далі ми перетворили їх на бінарну класифікацію: оцінки від одного до чотирьох вважалися нерелевантними, тоді як оцінка 5 — релевантною. Верифікація результатів була проведена за допомогою метрик влучності (precision) і повноти (recall), які порівнюють оцінку ВММ з оцінкою людини, де остання вважається за правильну відповідь (golden standard). Влучність обчислюється як частка істинно позитивних випадків (true positives), тобто статей, які людина визначила як релевантні, серед усіх статей, позначених ВММ як релевантні. Повнота визначається як частка визначених ВММ релевантних статей серед істинно релевантних. 

Тексти, які обидві моделі позначили як високорелевантні, були класифіковані за тематичними групами (thematic clusters), де один міг належати до однієї і більше групи. У цьому ж запиті ВММ виокремлювала бар’єри для впровадження ШІ, якщо такі були згадані в статті. Класифікація за тематичними групами була зроблена за допомогою згаданих ВММ (моделі claude-haiku-4-5-20251001 від Antropic і моделі gpt-4.1-mini від OpenAI) за наперед визначеними категоріями з попереднього якісного огляду текстів, зібраних дослідницею. Результати тематичного групування також були верифіковані: тематичні групи для 34 статей, класифікованих вручну дослідницею, були порівняні з групами, визначеними ВММ для цих статей. Промпт, який ми використали для автоматизованої класифікації, доступний у додатку. 

Для верифікації було використано такі метрики: коефіцієнт Жаккара, точність основної групи, влучність, повнота. Коефіцієнт Жаккара — це міра подібності множин, яка обчислюється як відношення кількості спільних категорій (перетину), присвоєних людиною або моделлю, до загальної кількості унікальних категорій в об’єднанні. Тобто якщо людина присвоює статті категорії {A, B, C}, а модель — {B, C, D}, то спільна частина — це {B, C}, об’єднана частина — {A, B, C, D}, а коефіцієнт Жаккара — 2/4, тобто 50%.

Точність основної групи — це частка статей, де основна тематична група (перша в списку) моделі збігається з істинною основною тематичною групою. Влучність і повнота були пораховані як середнє відповідної метрики для кожної статті. Тобто для кожного матеріалу окремо рахувалося, яка частка присвоєних моделлю тематичних груп збігається з людськими (влучність), і яка частка людських міток була виявлена моделлю (повнота), — потім ці значення усереднювалися по всіх 34 статтях.

Для аналізу перетину тематичних груп ми зобразили їх як граф і застосували метрику «ступінь впливовості» (eigenvector centrality): вона оцінює важливість вузла не лише за кількістю його зв’язків, а й за важливістю тих вузлів, з якими він пов’язаний. Вищі значення метрики вказують на теми, що займають центральне місце в структурі співзустрічності.

Для класифікації бар’єрів, якщо вони були згадані у статтях і виокремлені ВММ під час групування за тематичними групами, ми використали двоетапний підхід із застосуванням ВММ. Класифікація була потрібна, оскільки виокремлені бар’єри нерідко були синонімічними або ж надто деталізованими. На першому етапі за допомогою окремого промпту (див. «Додатки») модель зіставляла кожен бар’єр, якщо такий був згаданий у статті, з більш загальною категорією, або створювала нову, якщо жодна з уже існуючих не підходила. На другому етапі ми здійснювали класифікацію виокремлених загальних категорій в абстрактні категорії за допомогою іншого промпту (також у «Додатках») за допомогою такого ж процесу. Після опрацювання всього корпусу певні загальні категорії було перенесено в інші абстрактні після ручної перевірки. Повний список абстрактний категорій бар’єрів з їхніми загальними категоріями теж наведено у додатку.

Такий підхід до класифікації дозволив упорядкувати зібрану літературу за чіткими тематичними областями, виявити основні дослідницькі тенденції та помітити групи згадуваних бар’єрів впровадження ШІ в редакціях. Крім того, він забезпечив краще розуміння наявних патернів використання штучного інтелекту в медіасередовищі на основі вторинних досліджень (secondary research).

Пошук та відбір неакадемічних текстів (звітів, reports) відбувався за вибірковим підходом: ми обрали відомі медійні та неприбуткові/ недержавні організації і їхні звіти у вказаний період часу (2023–2026 роки). Вибірковий підхід був застосований з низки причин. По-перше, щоби уникнути дублювання матеріалів: велика частина текстів, які вже увійшли до набору академічних текстів, також були представлені й на сторінках пошукової видачі (SERP) у Google Search при пошуку та відборі неакадемічних текстів. По-друге, неакадемічне інформаційне поле є значно менш структурованим порівняно з академічними базами даних. Результати пошуку в Google Search залежать від алгоритмів ранжування, персоналізації, SEO-оптимізації та популярності окремих ресурсів, що ускладнює формування стабільної та відтворюваної вибірки за принципами систематичного пошуку. За цих умов суцільний відбір усіх релевантних матеріалів не гарантує вищої якості вибірки, натомість суттєво збільшує обсяг низькорелевантних або повторюваних результатів. 

Вибірковий підхід дозволив зосередитися на матеріалах, що містять узагальнені емпіричні дані, результати опитувань, кейс-стаді та аналітичні висновки, а не на окремих новинних повідомленнях чи публіцистичних текстах. Це забезпечило більшу порівнюваність неакадемічних джерел з академічною літературою та підвищило аналітичну цінність зібраного корпусу. Оскільки такі звіти є формою тексту, що фокусується на практичних аспектах журналістської роботи в епоху ШІ, вони лягли в основу аналізу практичних аспектів та підходів до застосування ШІ у редакціях. А саме, які задачі ШІ вирішує і як ШІ-інструменти застосовуються. Підсумовуючи, застосування вибіркового підходу до відбору неакадемічних текстів диктувалося прагненням забезпечити релевантність, аналітичну якість і керованість вибірки в умовах високої неоднорідності та динамічності неакадемічного інформаційного середовища.

До вибірки неакадемічних текстів увійшли роботи: Nieman Lab, Reuters Institute for the Study of Journalism, European Broadcasting Union, FT Strategies, UNC Hussman School of Journalism and Media, Lviv Media Forum, Deutsche Welle Akademie. Зокрема, останні дві організації, Lviv Media Forum та Deutsche Welle Akademie, висвітлювали контекст українських редакцій. Включення цих організацій до вибірки здійснювалося за трьома критеріями. По-перше, організація повинна мати визнану експертизу у сфері журналістики, медіа або цифрової трансформації редакцій. По-друге, її матеріали мали містити систематизований аналіз, результати досліджень, опитувань або практичних кейсів щодо використання штучного інтелекту в журналістиці. По-третє, організація повинна була регулярно публікувати аналітичні матеріали впродовж досліджуваного періоду (2023–2026 роки), що дозволяло простежити динаміку змін у редакційних практиках. Всього до цієї вибірки увійшло 15 матеріалів, з них 9 — звіти від згаданих вище інституцій, 6 — матеріали від Lviv Media Forum, кожен з яких зосереджується на одній редакції і її підходах до використання ШІ, і один — новина про політики використання ШІ однією редакцією (New York Times). Останній матеріал ми знайшли методом снігової кулі (snowball method), переглядаючи матеріали від вказаних організацій.