Meerjarenplan

Overeenkomst Onderzoek & Innovatie

Meerjarenplan 2012-2014

Maart 2012

INHOUDSOPGAVE

1 De opdracht ......................................................................................................................3

2 Onderzoek in een veranderend medialandschap ...........................................................4

3 Strategische uitdagingen en trends ................................................................................5

4 Belangrijkste onderzoeksaspecten .................................................................................7

4.1 Productieapparaat van de toekomst ..............................................................................7

4.1.1 Snelle productie van constante flow .......................................................................7 4.1.2 Multiplatform productie en hybride distributie ..........................................................8 4.1.3 Automatische archivering, annotatie en ontsluiting ...............................................10

4.2 Crowd sourcing en data driven journalism ..................................................................13

4.3 Gepersonaliseerde en participatieve gebruikerservaringen .........................................15

1

VRT Onderzoek en Innovatie Auguste Reyerslaan 52 B- 1043 Brussel Tel +32 2 741 36 32 Website: innovatie.vrt.be

Dit plan heeft betrekking op de toegevoegde opdracht van de VRT beheersovereenkomst 2012-2016. De opdracht maakt het voorwerp uit van de specifieke overeenkomst “onderzoek en innovatie” tussen de VRT en Vlaamse Gemeenschap, vertegenwoordigd door de Vlaamse Viceminister-president van de Vlaamse Regering en Vlaams minister van Innovatie, overheidsinvesteringen, Media en Armoedebestrijding.

2

1

DE OPDRACHT

De Vlaamse openbare omroep VRT heeft een toegevoegde opdracht gekregen om strategisch en industrieel basisonderzoek op middellange termijn in de domeinen van creatie, beheer, distributie en consumptie van radio- en televisie-inhoud uit te voeren. De VRT wil een toonaangevend mediabedrijf zijn door alle ontwikkelingen in technologische en maatschappelijk nieuwe mediadomeinen op te volgen en erop in te spelen. De manier waarop media wordt geconsumeerd is ingrijpend veranderd. Het internet, de opkomst van de tablet en smartphone als persoonlijk toestel van de mediagebruiker, mobiele netwerken en sociale media hebben een grote impact op het mediagebruik van de consument. Alle omroepen, ook de VRT, moeten zich aanpassen om de dynamiek van die mediaontwikkelingen te volgen. In de nieuwe beheersovereenkomst wordt expliciet gestipuleerd dat de VRT haar rol in de nieuwe vormen van mediabeleving moet opnemen en de participatie van de Vlaming moet stimuleren door conversatie en interactie op de relevante platformen. Daarnaast draagt de VRT ook bij tot de mediawijsheid van de Vlaming en biedt specifiek jongeren en kinderen de kans om zelf te experimenteren met creatie en co-creatie van media. De omroep staat voor een grote uitdaging om zich in die nieuwe omgeving te profileren, terwijl lineaire televisie en radio even belangrijk blijven. Om dat te realiseren moet de VRT haar productieprocessen herzien, nieuwe producten ontwikkelen en nieuwe distributietechnologieën toepassen. Dit document beschrijft de visie en het meerjarenplan 2012-2014, met het beoogde onderzoek dat de deur tot die toekomst moet helpen openen. Het is de vertaling van de Strategische Doelstellingen, beschreven in de Beheersovereenkomst en de Overeenkomst Onderzoek & Innovatie naar middellange termijn doelstellingen, die de uitvoering van de Beheersovereenkomst en de Overeenkomst Onderzoek & Innovatie mogelijk maken. Het beschrijft op welke domeinen het onderzoek zal worden geconcentreerd, welke de verschillende onderzoeksaspecten zijn en welke de concrete doelstellingen zijn voor de komende drie jaar. In de opdracht Onderzoek & Innovatie gaat zowel aandacht naar het eigen strategisch en industrieel basisonderzoek als naar vraaggedreven onderzoek, waarvan de uitvoering buiten de VRT plaatsvindt. De VRT is hiervoor partner van het Media Innovatie Centrum (MIX) en werkt samen met de IBBT-onderzoeksgroepen en het IWT. VRT Onderzoek & Innovatie stelt de kennis en de resultaten van het onderzoek ter beschikking van het MIX en de actoren van het Vlaamse medialandschap, inclusief de VRT zelf. Ook internationaal wordt deze expertise met andere omroepen en mediabedrijven gedeeld, onder meer via EBU en publicaties of demonstraties op internationale conferenties en beurzen. De specifieke samenwerking met het MIX wordt in de loop van 2012 vastgelegd en zal worden beschreven in een aangevuld meerjarenplan.

3

2 ONDERZOEK IN EEN VERANDEREND MEDIALANDSCHAP Het medialandschap is sterk in beweging. Enerzijds betreden nieuwe spelers vanuit andere industrieën de markt, anderzijds verandert het dagdagelijks gedrag van de mediagebruiker grondig. VRT Onderzoek en Innovatie heeft als unieke sterkte dat het als onderzoekscel in een omroep functioneert. We willen die sterkte aanvullen door ook buiten het kader van de omroep te stappen en intensief samen te werken met externe onderzoeksinstellingen en innovatieve bedrijven. Binnen de VRT werkt Onderzoek en Innovatie samen met de programmamakers en de (technisch en technologische) ondersteunende afdelingen. Vanuit ons onderzoek leveren we strategische inzichten en expertise aan, waarvoor we in ruil een klankbord uit de dagdagelijkse praktijk krijgen. Daarnaast werken we binnen de VRT concrete proof of concepts uit rond de mediaproducten en de mediaproductie processen van de toekomst. Het resultaat van die proof of concepts is niet zozeer de producten zelf, maar vooral de lange termijn kennis. VRT werkt al jaren mee aan media-gerelateerde onderzoeksprojecten en is altijd een belangrijke inspiratiebron voor toegepast onderzoek geweest, wat haar een sterke partner in media-innovatie maakt. VRT Onderzoek & Innovatie zal die rol bevestigen en nog versterken. De laatste jaren is een sterk media-innovatielandschap gegroeid in Vlaanderen onder impuls van het IBBT. VRT wil daarin volop participeren door samen met de andere onderzoeksgroepen, in het bijzonder het MIX, aan projecten te werken. VRT Onderzoek & Innovatie gaat ook partnerships aan met spin-offs uit het IBBT en kleine innovatieve bedrijven. Op die manier versterken we het weefsel van de innovatieve Vlaamse mediaindustrie en bereiken nieuwe ideeën de VRT. Tot slot ambieert VRT Onderzoek en Innovatie ook internationaal een expertisecentrum van betekenis te zijn, in eerste instantie door een belangrijke rol te spelen binnen de EBU. Als “Top Contributer” wisselen we kennis uit met andere Europese omroepen, en delen we die kennis en ervaring ook met Vlaanderen. Ook het mediagebruik verandert sterk. De VRT wil alle Vlamingen blijven bereiken en zich nog meer richten op jongeren, een moeilijke doelgroep voor een omroep. VRT Onderzoek en Innovatie helpt hierbij door te bestuderen hoe nieuwe en bestaande mediakanalen kunnen worden ingezet om zowel de Vlaming in het algemeen als specifiek de jongeren beter te bereiken.

4

3

STRATEGISCHE UITDAGINGEN EN TRENDS

De afgelopen vijf jaar heeft de VRT net als veel andere omroepen in grote mate de transitie van een tape- naar bestandsgebaseerde manier van werken gerealiseerd. Daarbij is een van de belangrijkste uitgangspunten het mogelijk maken van crossmediale productie (radio, televisie en online) – eerst voor Standaard Definitie (SD) en stilaan ook voor Hoge Definitie (HD). Die ontwikkeling zal zich de komende jaren voortzetten en de echte voordelen van bestandsgebaseerde workflows zullen in de toekomst ongetwijfeld nog duidelijker worden. Tegelijk dienen nieuwe uitdagingen zich aan en is ook de media context grondig aan het evolueren. De continue vraag naar steeds hogere kwaliteit blijft een belangrijk aspect en zal een impact hebben op het toekomstige productieapparaat. Geavanceerde camera’s maken kwaliteitsvolle productie in hogere resoluties (1080p50, 4K, 3D en zelfs Ultra High Definition) en hogere beeldfrequenties (tot 300 beelden per seconde) mogelijk, maar introduceren een veelheid aan nieuwe formaten die moeten worden ingepast in de bestaande workflows. Hierbij neemt het belang van efficiënte kwaliteitscontrole – het liefst zo automatisch mogelijk - in het productieproces logischerwijze toe. Het vertellen van een verhaal is altijd de grote onderscheidende factor geweest voor een omroep, maar dat zal in de toekomst nog belangrijker worden om zich te kunnen blijven onderscheiden van alle andere content platformen, multimedia blogs e.d. . Een verhaal wordt niet langer enkel via lineaire televisie en radio gebracht, maar ook door complementaire content op verschillende doelplatformen (web, mobiel) te combineren. De wijze waarop een verhaal wordt gebracht, hangt bovendien ook af van de eigenheid van het platform in kwestie. In het bijzonder moet er verder worden nagedacht over de ontwikkeling van aantrekkelijke “online storytelling formats”. Er zal dus meer content moeten worden geproduceerd met zo weinig mogelijk extra middelen. Dat wordt alleen mogelijk door efficiëntere productie workflows op te zetten, en een betere samenwerking tussen de verschillende redacties, productieafdelingen en externe partners te realiseren. Wat interne (op locatie) en externe samenwerking betreft, is cloud technologie een veelbelovende maar nog te onderzoeken trend. Ook kan er door gebruik te maken van semi-professionele apparatuur en toepassingen (consumerisatie), goedkoper geproduceerd worden aan voldoende hoge kwaliteit. Hier zal een afweging tussen kost, gebruiksgemak en behaalde kwaliteit moeten worden gemaakt. Daarnaast is ook een efficiënte ontsluiting van materiaal noodzakelijk, zowel op het moment dat het geproduceerd wordt (zo snel mogelijk dus) als voor materiaal dat gearchiveerd is. De opkomst en democratisering van “Connected Devices” zoals tablets en smartphones, stelt de eindgebruiker in staat om altijd en overal informatie op te vragen (het “anytime/anywhere principe”). Hierdoor wordt publicatie op elk moment van de dag op de verschillende platformen steeds meer een vereiste. Deze snelle productie van een constante flow, bijvoorbeeld voor nieuws- en duidingproducties, zal ongetwijfeld een impact hebben op de toekomstige architectuur van het onderliggende productiesysteem: het centrale magazijn of Media Asset Management (MAM), het Content Management Systeem (CMS) en het uitzendsysteem hebben nieuwe en bijkomende noden en vereisten en zullen er bijgevolg

5

anders uitzien dan vandaag het geval is. Ook een efficiënte ontsluiting van archiefmateriaal, bijvoorbeeld ter aanvulling van “live” materiaal, is hierbij onontbeerlijk. Een andere belangrijke trend voor een omroep is het meten (analytics) en in kaart brengen van de interesses, de behoeftes en het gedrag van de eindgebruiker. Hoe meer over de gebruiker geweten is, hoe beter er kan worden ingespeeld op zijn noden. Zo kan bijvoorbeeld gepersonaliseerde content worden aangeboden die afhangt van de specifieke context of situatie (moment van de dag, historiek, emotie, …). Ook de gebruikerservaring verandert en wordt interactiever. Nieuwe gebruikerservaringen, zoals augmented reality ontstaan, en de gebruiker zal op meerdere vlakken actief participeren. Enerzijds kan en wil hij mee bepalen welke content hij consumeert, en wordt zo zelf een beetje regisseur. Via sociale media deelt hij ook bruikbare informatie en zelfs audiovisuele contributies (bv. bij evenementen of rampen). De brug leggen tussen zulke sociale web interacties en user gen contributies enerzijds, en de klassieke broadcast workflows anderzijds vormt een van de grote uitdagingen van de komende jaren. In toenemende mate zal er een verwevenheid ontstaan tussen wat leeft op de sociale media en de programma formats van een omroep. Dat zal uiteraard ook een impact hebben op het productieproces. Informatie wordt meer en meer beschikbaar maar niet altijd in een voor de programmamaker of journalist onmiddellijk bruikbare vorm. Nuttige en samenhangende verhalen destilleren uit die overvloed van informatie blijft dan ook een grote uitdaging. Grote data sets van informatie kunnen een belangrijke journalistieke bron betekenen, als ze tenminste efficiënt geanalyseerd, gefilterd en geïnterpreteerd kunnen worden. Het komt erop aan de journalist hiervoor bruikbare tools aan te leveren, die hem bovendien ook in staat stellen de resultaten op een overzichtelijk manier te visualiseren (bijvoorbeeld met behulp van infographics).

6

4 BELANGRIJKSTE ONDERZOEKSASPECTEN Vanuit de strategische uitdagingen en trends worden hieronder de belangrijkste onderzoeksthema’s voor de komende drie tot vijf jaar voorgesteld, en de verschillende onderzoeksaspecten per thema in meer detail opgelijst en toegelicht. Het hoofdthema “productieapparaat van de toekomst” groepeert drie onderliggende thema’s: • • •

Snelle productie van constante flow Multi-platform productie en distributie Automatische archivering, annotatie en ontsluiting

De thema’s rond nieuwe gebruikerservaringen en grote data sets vervolledigen het onderzoekplaatje. Het onderzoek heeft dus hoofdzakelijk betrekking op de technologische aspecten van de productie, de distributie en de consumptie van media.

4.1 Productieapparaat van de toekomst 4.1.1 Snelle productie van constante flow Het belangrijkste kernwoord bij de productie van nieuws- en duidingsprogramma’s, en actuagedreven (live) programma’s is zonder twijfel “snel”. Dat is enerzijds zichtbaar aan de productiekant; de tijdspanne tussen een onderwerp definiëren en de uiteindelijke afgewerkte reportage bedraagt slechts enkele uren, vaak zelfs minder. Op deze tijdschaal maken enkele minuten vaak het verschil. Ook bij de distributie van deze programma’s is snelheid cruciaal. Belangrijk nieuws wacht niet op de geprogrammeerde Journaals van 13u, 18u of 19u, maar moet in de loop van de dag “snel” kunnen worden weergegeven via de verschillende kanalen. Het gaat dus om een constante flow aan nieuws. Om de nieuwsgaring en de publicatie op elk moment van de dag op een zo snel mogelijke manier te laten verlopen, moet er worden bestudeerd hoe we het huidige productieapparaat en de actuele workflows moeten bijsturen, aanpassen of zelfs ronduit vervangen. Welke stappen in de workflow zorgen voor (onnodige) vertragingen en wrevel? Hoe kan de productie van een constante nieuwsflow worden geïntegreerd in de huidige processen? Welke aanvullende rol kan de online nieuwsredactie tijdens de nieuwsgaring en captatie spelen, en hoe wordt dit optimaal afgestemd op nieuwsproductie voor tv? Hoe kunnen we op een snelle en eenvoudige wijze aangepaste versies van een verhaal produceren, die geschikt zijn voor de verschillende platformen? Ook voor mobiele ploegen, maakt snelheid vaak het verschil. Zij kunnen langs heel wat communicatiekanalen beeldmateriaal uitwisselen met het omroepcentrum en de mogelijkheden breiden zich continu uit. Waar vroeger enkel (aardse) straalverbindingen werden gebruikt, is er nu de keuze uit satellietverbindingen, TNG (vooral in stedelijk gebied), directe glasvezelverbindingen of zelfs publieke internetverbindingen – in mobiele (3G), of vaste (DSL of kabel) variant. Elk communicatiekanaal heeft evenwel eigen specifieke voor-

7

en nadelen (snelheid van inzetbaarheid, bandbreedte, simplex of duplex, bruikbaar tijdens het rijden, …). Als we erin slagen de voordelen van de verschillende communicatiekanalen te combineren, kan dit een aanzienlijke tijdswinst opleveren. Naast het beeldmateriaal van de professionele ploegen, wordt ook meer en meer met “amateurbeelden” gewerkt. Voor plotse gebeurtenissen gaat het vaak om materiaal van een toevallige voorbijganger. Ook is het in oorlogsgebied soms onmogelijk of onveilig om een professionele ploeg ter plaatse te sturen. “User generated content” wordt aangeleverd in een enorme – en steeds groter wordende – waaier van beeld-, encodeer-, en containerformaten. Dermate gedifferentieerde footage importeren in het productieapparaat is typisch een complexe en tijdrovende handeling, die niet eens altijd succesvol is. ONDERZOEKSASPECTEN •

•

•

Hoe ervaren gebruikers het huidige productieapparaat? Waar zitten de pijnpunten en wat zijn de sterktes? Hoe is de workflow geëvolueerd, en in welke richting zal die nog ontwikkelen? Een antwoord op deze vragen kan een alternatief bieden voor het actuele productieapparaat, gericht op een constante flow voor de van productie nieuws- en duidingsprogramma’s. Verschillende communicatiekanalen inzetten en eventueel combineren wordt in de toekomst belangrijker. Zeker nu de overgang naar HD volledig is ingezet, stijgt de vraag naar bandbreedte alleen maar. Bijgevolg zal de beschikbare bandbreedte zo optimaal mogelijk moeten worden benut. Ook vanuit het perspectief van de montageworkflow, zijn geoptimaliseerde scenario’s mogelijk. Zo kan eerst een lage resolutie versie worden doorgestuurd, zodat alvast kan worden begonnen met de montage, terwijl de hoge resolutie versie langzamer binnenloopt. Om de uitgebreide waaier aan consumer- en ook professionele formaten vlot te verwerken, is er nood aan een “universele transcoder”. Dat is een service die een zo breed mogelijk gamma aan formaten ondersteunt, zowel qua beeldformaat, geluidsformaat, encodering als container, en ze converteert naar het productieformaat dat verder in de workflow kan worden verwerkt.

CONCRETE DOELSTELLINGEN •

Een prototype bouwen van een nieuw productieapparaat met het oog op een snelle productie voor een constante flow. Dat rekening houdend met de huidige sterktes, zwaktes, en toekomstige vereisten. Het gaat om: -

Een component die de communicatiekanalen zo optimaal mogelijk inzet. Een component die de waaier aan video- en/of audioformaten kan omzetten naar bruikbaar formaat voor de (nieuwe) productieketen.

4.1.2 Multiplatform productie en hybride distributie In de crossmediale media productie-architectuur, zoals die vandaag de dag geïmplementeerd is, staat vooral de uitwisseling van materiaal tussen tv, radio en online centraal, maar blijven de productiesystemen voor deze verschillende outputkanalen grotendeels nog aparte silo’s. In de toekomst wordt het steeds belangrijker om niet alleen op

8

de verschillende platformen afzonderlijk te publiceren, maar om een coherent verhaal te brengen met aangepaste en aanvullende content per kanaal. We spreken dan over “trimedia productie” en het produceren van een transmediaal verhaal. De programmamaker of journalist heeft nood aan geïntegreerde en flexibele tools die toelaten dit tri-media verhaal op te bouwen. Belangrijke vereisten hierbij zijn flexibiliteit en snelheid in de vorm van locatie-onafhankelijk kunnen werken. Op dit moment zijn dit soort tools en mogelijkheden nog niet of niet voldoende voorhanden. Tri-media productie workflows zullen dan ook een grote impact hebben op de toekomstige architectuur van een bestandsgebaseerde productieomgeving. Ook aan distributiezijde moet nog meer onderzoek worden verricht naar het gebruik van nieuwe technologieën zoals adaptive streaming, en naar de (hybride) combinatie van broadcast en internet technologie bij het distribueren van content. ONDERZOEKSASPECTEN •

•

•

•

Flexibele tools voor multiplatform productie: ondersteuning voor de journalist of programmamaker om een multiplatform verhaal te produceren. Voorbeelden hiervan zijn tweedeschermapplicaties integreren in programmaformats (bijvoorbeeld in de regie of tijdens de montage), en semiautomatisch afgeleide versies publiceren naar de verschillende kanalen. Ook is er een groeiende nood aan tools die de programmamaker toelaten om op een overzichtelijke manier de verschillende tijdslijnen van zijn verhaal te visualiseren en aan te passen. Toekomstige productiesystemen en integraties: waaraan moeten de systemen in een bestandsgebaseerde productieomgeving voldoen om tegemoet te komen aan de toekomstige noden van multiplatform productie? Hoe zal de rol van het Media Asset Management (MAM) systeem voort evolueren? Hoe worden de specifieke vereisten per programmatype het best afgedekt? Hoe komen we tot een optimale en nauwere integratie (of zelfs samensmelting) van het MAM en het Content Management Systeem (CMS)? Kan een veralgemeende multiplatform eindregie in de toekomst een meerwaarde bieden ten opzichte van de huidige multikanaalseindregie voor lineaire tv? Hoe kan een gewijzigde architectuur en gebruik van CMS-systemen leiden tot een betere integratie en een optimale productie workflow? Daarnaast vormen automatische aggregatie en ontsluiting van data uit het CMS belangrijke onderzoekstopics. Een grondige architecturale studie aangevuld met een aantal gerichte proof of concepts moet op deze vragen een antwoord bieden. Hybride distributie: momenteel is distributie opgesplitst in een broadcast en broadband (ook wel over-the-top of OTT genoemd) gedeelte. De eerste is geoptimaliseerd om een breed publiek simultaan dezelfde content aan te bieden; de tweede om iedereen een individuele communicatie toe te laten. Hybride distributietechnieken proberen deze twee voordelen te combineren. Dynamisch bijsnijden: in functie van het doelplatform is het soms noodzakelijk om beeldmateriaal dynamisch bij te snijden, bijvoorbeeld ter aanpassing aan kleinere schermen. Een typisch voorbeeld hiervan is een voetbalwedstrijd bekijken op het kleine scherm van een smartphone, waar de gebruiker niet veel zal hebben aan algemene overzichtsbeelden van het volledige voetbalveld maar wel de onmiddellijke actie rond de bal wil kunnen volgen. We zullen onderzoeken welke tools kunnen

9

•

•

•

worden ingezet om audiovisueel materiaal semiautomatisch te laten bijsnijden, en bv. via suggesties tijdens het montageproces als hulpmiddel ter beschikking te stellen. Goedkoper produceren: multiplatform productie impliceert dat er meer content zal moeten worden geproduceerd, het liefst met zo weinig mogelijk extra middelen. Twee technologische trends kunnen de extra kosten helpen beheersen. Enerzijds maakt consumerisatie binnen mediaproductie het mogelijk om semiprofessioneel materiaal (camera’s, montagesystemen, …) te gebruiken die toch hoogwaardige kwaliteit kan afleveren. Hierbij is de uitdaging die software tools en gebruikte formaten in te passen in het productieapparaat, en uitwisseling met professionele tools mogelijk te maken. Ook het gebruik van tablets voor productiedoeleinden, bijvoorbeeld voor visionering of annotatie, sluit hierbij aan. Ook hier komt het erop aan de verschillende tools met elkaar te laten samenwerken onder meer op basis van een adequate informatiedoorstroming. Anderzijds komen stilaan open source tools voor mediaproductie en -verwerking ter beschikking. Voorbeelden hiervan zijn transcoderingtools, montagesystemen, distributie encodering, studioproductie. We zullen onderzoeken welke van deze open source systemen een goed alternatief kunnen zijn voor de huidige productietools. Locatie onafhankelijk kunnen werken: efficiëntere en flexibelere workflows houden in dat programmamedewerkers ook locatie-onafhankelijk moeten kunnen werken. Dat houdt in dat bij de opnames van bijvoorbeeld een fictiereeks, er op die locatie een tijdelijke, flexibele, virtuele workspace kan worden opgezet, die gesynchroniseerd is met het centrale systeem en professionele montage ter plaatse mogelijk maakt. Dit kan gebeuren op opslag ter plaatse of door gebruik te maken van cloud technologie. Cloud computing: de toepassing van cloud technologie kan voor een omroep een aantal voordelen met zich meebrengen, zoals de hierboven vermelde cloudgebaseerde montage omgeving. Het kan ook de samenwerking met externe partijen vergemakkelijken. De vraag die we ons moeten stellen, is hoe de ideale architectuur voor bestandsgebaseerde productie er in een cloud-gebaseerde context uit ziet. In welke gevallen brengen cloud-gebaseerde services een meerwaarde voor een mediabedrijf?

CONCRETE DOELSTELLINGEN •

• •

Inzicht verwerven in de optimale toekomstige architectuur van het productieapparaat in de context van multiplatform productie en welke bijkomende tooling hiervoor vereist is, door het opzetten van gerichte proof of concepts. Inzicht verwerven in het optimale gebruik en toepassen van geavanceerde distributiemechanismes in de context van multikanaalspublicatie. Bestuderen en (indien opportuun) opzetten van een locatie-onafhankelijke productie werkomgeving met mogelijke toepassing van cloud technologie (PoC)

4.1.3 Automatische archivering, annotatie en ontsluiting Een omroep als VRT produceert elk jaar een grote hoeveelheid mediamateriaal. Bovendien bestaat er een groot archief aan filmrollen en tapes, die momenteel stuk voor stuk worden gedigitaliseerd. Goede annotatie is essentieel om al dit materiaal snel en efficiënt te kunnen

10

ontsluiten. De annotatie van al deze archiefstukken gebeurt momenteel nog manueel. Daarnaast gaat ook heel wat tijd verloren bij de (eveneens) manuele kwaliteitscontrole van de gedigitaliseerde audio en video. VRT beschikt net als andere omroepen niet over de mankracht, het budget en de tijd om al het beschikbare mediamateriaal op deze manier te annoteren en te ontsluiten. Er is dus een grote nood aan tools die via automatische annotatie en kwaliteitscontrole deze manuele processen ondersteunen. ONDERZOEKSASPECTEN •

Kwaliteitscontrole

Momenteel is al heel wat kwaliteitscontrole software voor video beschikbaar. Deze systemen produceren echter erg complexe rapporten die moeilijk interpreteerbaar zijn, heel veel valse alarmen geven en soms dezelfde artefacten door verschillende foutcodes aangeven. Er is nog onderzoekswerk nodig om enerzijds de algoritmes te verbeteren, zodat er minder valse alarmen of uiteenlopende interpretaties zijn, en anderzijds om naverwerking uit te voeren op de rapporten om ze correct en automatisch te interpreteren. •

Annoteren

Ook al het geproduceerde mediamateriaal manueel annoteren, is een erg tijdrovend proces. Mediamateriaal niet annoteren, is echter problematisch, want zelfs al is er een groot archief met mediamateriaal, het verliest al zijn waarde als de inhoud ervan niet ontsloten kan worden en er dus geen informatie over is terug te vinden. De voorbije decennia zijn al heel wat onderzoeksinspanningen geleverd om op een automatische manier informatie over de inhoud van audiovisuele media te weten te komen. Dat heeft geresulteerd in een veelheid aan algoritmes en tools. Veel van deze algoritmes leveren echter “laag-niveau” kenmerken op. Deze kenmerken zijn immers niet altijd onmiddellijk interpreteerbaar door gebruikers. Dit is de zogenaamde “semantische kloof” (Engels: semantic gap). De laatste jaren spitst het onderzoek zich vooral toe op het overbruggen van deze semantische kloof. Er wordt voornamelijk op zoek gegaan naar manieren om de laag-niveau kenmerken om te zetten naar concepten die eenvoudig door een gebruiker kunnen worden geïnterpreteerd. Indien er al tekstuele informatie beschikbaar is over de media-inhoud (zoals een transcript, een script, …) staan deze technieken al relatief ver. Via named entity recognition kan men op zoek gaan naar de belangrijke concepten in deze tekstuele metadatabronnen. Het identificeren van deze concepten kan dan verder gebruikt worden om “hoog-niveau” informatie over de media af te leiden (zoals thema, genre, …). Wanneer echter geen tekstuele informatie over video’s beschikbaar is, wordt het een stuk moeilijker. Een eerste oplossing kan spraakherkenning zijn om een transcript te genereren. Spraakherkenning kan perfect als techniek worden toegepast wanneer het over media gaat waarin duidelijk gearticuleerde taal wordt gebruikt, zoals een nieuwsproductie. Ook bij ondertiteling wordt spraakherkenning momenteel al gebruikt. De ondertitelaar herhaalt hierbij de gesproken woorden in de video om zo tot een perfect transcript te komen dat kan worden gebruikt voor ondertiteling. Toch werkt spraakherkenning onvoldoende wanneer er spontane spraak of sterke regionale accenten voorkomen, als er veel achtergrondgeluid aanwezig is,

11

of als er gewoon weinig spraak in de video is. Onder meer om die reden is spraakherkenning niet rechtstreeks toepasbaar op video’s voor automatische ondertiteling en annotatie. In deze laatste gevallen moet toevlucht worden gezocht in tools voor automatische beeldanalyse. Een basistool hierbij is shotdetectie, dat al uitvoerig werd onderzocht en goed op punt staat. Ook het automatisch segmenteren van video’s in individuele scenes (sceneherkenning) is al uitgebreid onderzocht. Moeilijker wordt het wanneer via beelden automatisch op zoek wordt gegaan naar inhoud van video. Daarbij kan bijvoorbeeld worden gedacht aan gezichtsherkenning om de personen in de video te identificeren. Een heel erg actief actueel onderzoeksdomein is het automatisch herkennen van concepten in video. Voorbeelden zijn het automatisch herkennen van evenementen (bv. een huwelijk, een voetbalwedstrijd, de benoeming van een nieuwe regering,…), het automatisch herkennen van acties (bv. het moment waarop een doelpunt valt in een voetbalwedstrijd). Deze algoritmes presteren evenwel nog altijd onvoldoende wanneer het aantal mogelijke te herkennen concepten te groot wordt. Ten slotte kan ook heel wat informatie over audio en video door wat je zelf te weten gekomen bent over deze video’s automatisch verrijkt worden met wat de wereld erover weet. De linked open data (LOD) cloud bevat heel wat ontologieën die kennis aan elkaar linken. Indien er voor de concepten die je in het archief vindt een zelfde concept bestaat in de LOD cloud, dan kun je deze aan elkaar linken. Zo heb je meteen ook toegang tot alle kennis die in de ontologie waarnaar je linkt opgeslagen zit. De verbanden tussen eigen metadata en ontologieën in de LOD cloud vinden, is echter geen triviaal proces. De concepten worden niet altijd bij naam genoemd, of worden slechts onrechtstreeks vermeld (bv. "de eerste minister”, waarbij je niet onmiddellijk weet of het over Elio Di Rupo, Yves Leterme, Nicolas Sarkozy of nog iemand anders gaat). Ook de concepten met elkaar linken, vereist verder onderzoek. •

Zoeken

Audio- en videomateriaal annoteren, is echter geen doel op zich. De werkelijke toegevoegde waarde is het terugvinden van audiovisueel materiaal. Uiteraard is de kwaliteit van de annotatie hierbij cruciaal. Huidige state-of-the-art tools voor het terugvinden van video beperken zich tot het invullen van trefwoorden in de zoekopdracht, en het presenteren van een lineaire lijst met resultaten, gerangschikt volgens bepaalde criteria. Men is het er al langer over eens dat deze lineaire lijst met resultaten niet altijd de beste methode is om resultaten weer te geven als het gaat om videomateriaal. Er moet dus op zoek worden gegaan naar nieuwe visualisatietechnieken voor zoekresultaten. De annotatie levert bijvoorbeeld heel wat tijdsgecodeerde metadata op, waardoor je exact weet op welk moment in een video de zoekopdracht een match geeft. Ook het zoeken op basis van ingevulde trefwoorden is niet altijd toereikend. Soms heb je een voorbeeld van een type video waarnaar je op zoek bent en wil je soortgelijke video’s. Dit is het zogenaamde “query by example”. Een ander probleem is het feit dat de manier waarop gezocht wordt afhankelijk is van de gebruiker en zijn rol binnen de productieorganisatie. Zo zal een beeldonderzoeker bij de nieuwsdienst helemaal anders zoeken dan een redactiemedewerker bij een quiz of amusementsprogramma. Het modelleren van de taken voor deze verschillende

12

gebruikersgroepen en het aanpassen van de interface en achterliggende systemen naar hun specifieke behoeften is een aspect waarmee de performantie van zoekopdrachten sterk kan worden verbeterd. CONCRETE DOELSTELLINGEN • • •

•

Nagaan of op basis van tijdsgecodeerde tekstuele metadata integrale programma’s automatisch kunnen worden opgesplitst in individuele items. Metadata uit automatische extractietools omzetten in bruikbare concepten. Nagaan in hoeverre spraakherkenning en beeldanalyse-algoritmen rechtstreeks toegepast op programma’s kunnen worden gebruikt voor automatische ondertiteling. Hierbij zullen volgende technieken worden onderzocht: geforceerde alignering op basis van scripts, sprekerherkenning, automatische taalidentificatie, shot- en scenedetectie, … Onderzoeken hoe bestaande kwaliteitscontrolealgoritmes kunnen worden verbeterd door bijvoorbeeld een automatische naverwerking van de analyseresultaten.

4.2 Crowd sourcing en data driven journalism “Analysing data is the future for journalism”1 zegt Tim-Berners Lee, de uitvinder van het World Wide Web, waarmee hij duidelijk stelt dat data-driven journalistiek nog een grote rol zal spelen in de toekomst van de journalistiek. Met de enorme groei van publieke (semigestructureerd tot gestructureerde) data (overheden, analyse bureaus,...), wordt het voor de journalist een uitdaging om de nodige inzichten te verwerven die nodig zijn om het verhaal te brengen achter deze data. Het zal dus een kwestie zijn om binnen het werkdomein nieuwe vaardigheden te ontwikkelen, die toelaten om dit verhaal te achterhalen. De rol en de expertise van de journalist zullen dus danig veranderen. Het ligt voor de hand dat technologie hierin ondersteunend kan zijn en een belangrijke rol zal spelen. Door middel van de nodige systemen, technieken en algoritmen op het vlak van big data en data mining zal de journalist in staat zijn om grote hoeveelheden data te verzamelen en ze vervolgens te clusteren, te filteren en te analyseren. Met behulp van visualisatie software zal het resultaat van zo een analyse in een eenvoudig overzicht kunnen worden verwerkt en kan een enorme set data worden gereduceerd tot een begrijpelijk geheel. We stellen vast dat er niet alleen op het vlak van publieke databronnen een enorme toename van data is, maar ook op het vlak van sociale interacties (onder meer door sociale netwerken zoals Facebook, Twitter, …) en user generated content. Deze content is vanuit een journalistiek standpunt erg waardevol, maar moeilijker te analyseren vanwege de enorme hoeveelheid real-time data, het ongestructureerde karakter en de taal van deze interacties. Ook hier zien we een aantal technologische initiatieven die het mogelijk maken om de sociale data te monitoren, verzamelen, clusteren, filteren en analyseren. Dat laat toe om correlaties te leggen, trends te spotten, invloedrijke gebruikers te achterhalen en communities te lokaliseren. Het intelligent filteren van deze data en content verhoogt tevens de bruikbaarheid ervan. Specifieke expertises aanwezig in het sociale netwerk kunnen op 1

Arthur, Charles. “Analysing data is the future for journalist, says Tim Berners-Lee”. The Guardian. 22 november 2010. < http://www.guardian.co.uk/media/2010/nov/22/data-analysis-tim-berners-lee>.

13

deze manier worden blootgelegd en kwalitatieve user generated content kan worden opgenomen in de verslaggeving. De grootste uitdaging voor een mediabedrijf zit vooral in het samenbrengen en relateren van deze datasets, de bijbehorende analyses en de eigen content en informatie. Wanneer deze verschillende elementen op een intelligente manier bij elkaar kunnen worden gebracht, ontstaat een nieuwe dimensie binnen de journalistiek. Enerzijds kunnen feeds en persberichten die via de traditionele kanalen (persagentschappen, publieke instanties, lokale pers,...) binnenkomen, verrijkt worden met gebruikersinformatie. Anderzijds zien we dat, vooral in het geval van grote rampen en gebeurtenissen, de sociale netwerken sneller reageren en berichten over de gebeurtenissen dan dat vandaag kan via de klassieke kanalen. Het gebruik van sociale media in verslaggeving wordt toch pas van toepassing als we zeker zijn dat de bronnen rapporteren vanuit een bepaalde getuigenis (als bv. ooggetuige) of vanuit een bepaalde expertise waarbij telkens een verificatie nodig is. Een andere trend die een belangrijke rol kan spelen binnen de journalistieke verslaggeving is crowd sourcing. Het principe van crowd sourcing zou kunnen leiden tot een soort van mengvorm tussen professionele persagentschappen en social media, waarbij bepaalde journalistieke of productionele taken niet door de journalist worden uitgevoerd maar door een onbepaald deel van een grotere groep of community. We geven hier enkele voorbeelden: door middel van crowd sourcing zou men bijvoorbeeld het netwerk van correspondenten met een aanzienlijke factor kunnen vergroten en makkelijker, sneller en beter gelokaliseerd bepaalde feiten nagaan zonder volledig terug te vallen op de sociale media gebaseerde informatiestroom. ONDERZOEKSASPECTEN •

•

•

•

•

Een semantisch model voor nieuwsproductie: om de grote hoeveelheid gestructureerde en ongestructureerde data (sociale interacties) te kunnen verwerken, moeten we ze eerst omzetten naar bruikbare journalistieke en productionele concepten. Hiervoor zullen we een semantisch model voor nieuwsproductie opstellen, dat zal gebruikt worden om bepaalde informatie te filteren en te clusteren en een journalistieke verhaallijn te construeren. Big data systemen: bestuderen hoe en welke big data technologie de verwerking van grote hoeveelheden sociale en media specifieke data kan ondersteunen. We zullen een data repository opzetten, die toelaat om in de context van nieuwsproductie grote massa’s structurele, semi-structurele en ongestructureerde data te verzamelen, capteren, opslaan en doorzoekbaar te maken. Domain driven data mining & clustering technieken: onderzoek naar en ontwikkeling van domeinspecifieke data mining en clustering algoritmes, die toelaten om de data uit de repository te analyseren en te interpreteren. In hoeverre kan een gespecialiseerd journalist met een aangepaste user interface deze algoritmes aanwenden om de beschikbare data intelligent te filteren en te clusteren? Conceptual search engines: methodes en algoritmes onderzoeken, die toelaten om op basis van een concept te zoeken in een grote hoeveelheid data, waarbij bijvoorbeeld een zoekopdracht gebaseerd op de naam van de huidige eerste minister ook items terug geeft van andere eerste ministers maar met een lagere relevantie. Hierbij hoeft dus het specifieke concept niet als keyword of dergelijke terug te vinden te zijn in het item, maar dient er wel een relatie te bestaan met het concept. Deze algoritmen en technieken worden toegepast bovenop de big data repository. Named Entity Recognition: namen, plaatsen en gebeurtenissen herkennen, is van cruciaal belang om tekstuele data te analyseren en factuele informatie terug te

14

•

•

•

vinden. De toepassing van named entity recognition op een big data repository is verder te onderzoeken. Object recognition: wanneer we niet alleen gelijkaardige concepten willen herkennen in tekstuele data maar ook in audiovisueel media materiaal, dienen we gebruik te maken van object recognition en audiovisual similarity. Dat zijn technieken die, naar analogie met named entity recognition, gelijkaardige concepten en objecten kunnen herkennen binnen video en audio. Dit laat opnieuw toe om gerelateerde concepten te clusteren, te filteren en op te zoeken. Het onderzoek richt zich ook hier op nieuwsproductie. Crowd sourced journalism & citizen journalism: bestuderen en toepassen van nieuwe crowd sourcing technieken en platformen, die focussen op journalistiek opvolgen en evalueren. Zo verzamelt bijvoorbeeld het iReport platform van CNN nieuws door journalistieke opdrachten uit te besteden aan de community2. Visualisatietechnieken: in welke mate kunnen visualisatietechnieken worden ingezet om dynamische infografieken te genereren die grote hoeveelheden data op een begrijpelijke manier voorstellen?

CONCRETE DOELSTELLINGEN

•

• •

•

•

Een big data framework selecteren en opzetten in de context van nieuwsproductie. De selectiecriteria houden rekening met de ondersteuning voor data mining en de zoekfunctionaliteit. Een semantisch model opstellen voor nieuwsproductie, dat als basis dient bij het opzetten van het big data systeem Een conceptual search engine implementeren (eventueel door de standaard zoekfunctionaliteit uit te breiden) die toelaat om de big data repository te doorzoeken op basis van concepten in plaats van full text search. Data mining en clustering technieken toepassen, en een gebruiksvriendelijke user interface ontwikkelen die de journalist toelaat om de beschikbare informatie intelligent te filteren en te groeperen Visualisatietechnieken toepassen die het resultaat van de analyse van een grote hoeveelheid data op een inzichtelijke manier voorstellen.

4.3 Gepersonaliseerde en participatieve gebruikerservaringen Het doel van dit onderzoeksthema is om op middellange termijn met een aantal concrete proof of concepts te onderzoeken hoe het aanbod van de VRT op een gepersonaliseerde manier aan de mediagebruiker kan worden aangeboden en hoe dat kan leiden tot een meer doorgedreven participatieve dynamiek. Door niet alleen inhoudelijk, maar ook technologisch beter af te stemmen op de noden van een steeds diverser en gefragmenteerder publiek (360°-beleving) kan een betere beleving en ‘match’ ontstaan. Centraal binnen dit onderzoeksthema staat volgende vraag: wat kunnen bepaalde opkomende technologieën, netwerken en initiatieven, gericht op de personalisatie van mediacontent en interactie met en participatie van het publiek, betekenen voor de VRT als omroep? Hoe kunnen ze helpen om de publieke opdracht, zoals bepaald in de beheersovereenkomst, beter te vervullen, rekening houdend met een steeds diverser aanbod en een steeds gefragmenteerder doelpubliek? En welk potentieel hebben deze technologieën om het publiek van zowel radio als televisie beter te bereiken en beter te leren kennen (het meten van de gebruikerservaring), hen meer te betrekken bij programma’s en hen veel sterker te laten interageren met programmamakers en redacteurs? 2

CNN. < http://ireport.cnn.com/>

15

ONDERZOEKSASPECTEN •

Mediawijsheid van jongeren

Het stimuleren van de ‘mediageletterdheid’ (of ‘mediawijsheid’) van jongeren is een belangrijk aandachtspunt voor de VRT in de nieuwe beheersovereenkomst. Deze doelstelling gaat echter verder dan de technologische kennisverwerving bevorderen. Vernieuwende platformen en technologieën ontwikkelen en aanbieden, zowel online, mobiel als in games, moet hand in hand gaan met een intuïtieve gebruikersinterface op maat van de jongeren, aangepast aan hun wensen en voorkeuren, om zo creatie, interactie en personalisatie maximaal te stimuleren. We willen onderzoeken hoe dat op een optimale manier kan worden uitgewerkt, rekening houdend met de moeilijkheden en gevaren rond online privacy (zeker bij kinderen en jongeren). Op die manier kan ook in kaart worden gebracht welke nieuwe technologieën, netwerken en initiatieven de gidsfunctie van de VRT voor jongeren kunnen bevorderen. •

Automatische recommendatiesystemen

Automatische recommentatiesystemen zijn systemen die aan de hand van allerlei gegevens en parameters een voorspelling proberen te maken van de voorkeuren van een gebruiker. Hiervoor worden filtering algoritmes ontwikkeld die uit de lijst met alle mogelijke resultaten de meest relevante voor een bepaalde gebruiker selecteren. De technieken voor automatische aanbevelingen zijn grofweg op te delen in drie categorieën. - Bij collaboratieve filtering wordt een lijst met aanbevelingen gemaakt op basis van de historiek van de gebruiker, gecombineerd met informatie over beslissingen van andere gebruikers (bv. als een gebruiker programma X leuk vindt en veel andere personen hebben in het verleden programma X samen met programma Y bekeken, dan zal de gebruiker waarschijnlijk ook programma Y leuk vinden). Een speciale vorm van collaboratieve filtering zijn sociale aanbevelingen. Hierbij wordt ervan uitgegaan dat alles wat we doen afhankelijk is van onze sociale relaties en de hiërarchische structuren die ermee gepaard gaan. Bij sociale aanbevelingen wordt dus ook onderzocht wat vrienden leuk vinden en hoe onze relaties met deze vrienden in elkaar zitten. - Bij inhoudsgebaseerde filtering worden aanbevelingen gemaakt op basis van de gelijkenissen tussen verschillende items. (bv. als een gebruiker programma X leuk vindt, zal hij programma Y dat erop gelijkt op basis van de omschrijving waarschijnlijk ook leuk vinden). - Bij contextgebaseerde filtering wordt informatie over de context van een gebruiker gebruikt voor de filtering. Hiervoor wordt meestal dankbaar gebruik gemaakt van de talrijke sensoren die in mobiele apparaten ingebouwd worden. Er zijn verschillende soorten context die kunnen worden gemeten: plaats, datum, tijdstip van de dag, emoties, persoonlijke voorkeuren, aantal personen in de buurt, historiek. (bv. als een gebruiker vertrekt uit Gent richting Antwerpen, zal hij waarschijnlijk geïnteresseerd zijn in de lokale verkeerssituatie; of als een gebruiker afgeleid raakt van een programma is het misschien de ideale gelegenheid om hem een ander, beter programma voor te stellen). Uiteraard worden deze drie technieken ook erg vaak met elkaar gecombineerd. Een ander groot probleem dat bij automatische aanbevelingen vaak opduikt, is het privacyvraagstuk. Heel wat Europese landen hebben strenge reglementeringen op het verzamelen van gebruikersgegevens en daarmee gebruikersprofielen te bouwen. Dat maakt het niet altijd eenvoudig om recommendatiesystemen op de markt te plaatsen.

16

•

Meten van de gebruiker

We hebben al aangehaald dat kennis beschikken over een gebruiker cruciaal is om goede aanbevelingen te maken. Wat een gebruiker allemaal doet, bekijkt, leuk of niet leuk vindt, is het resultaat van een erg complex proces waarin heel wat factoren een rol spelen. Als we dus dergelijke systemen willen uitrollen, moet heel wat informatie over de gebruiker worden gecapteerd. Het privacy vraagstuk dat we hierboven al even hebben aangebracht, blijft daarbij een moeilijke materie. De apparaten waarmee we omgaan bevatten meer en meer sensoren. Een smartphone bijvoorbeeld bevat meestal verschillende antennes om signalen op te vangen: een aanraakscherm, een gps-sensor, een gyrometer, een microfoon en een camera. Al deze informatie opvangen, is niet het enige probleem. Een tweede kwestie is de informatie, die uit al deze sensoren komt, vertalen naar concrete concepten. Een voorbeeld hiervan zijn emoties. Er is al heel wat technologie beschikbaar die emoties kan afleiden uit beeldmateriaal van het gezicht van de gebruiker. Maar kunnen emoties ook worden afgeleid indien er geen camera in de buurt is? Een soortgelijk voorbeeld is het meten van de aandacht van de gebruiker. Hoe kom je te weten of een gebruiker effectief aan het kijken is? •

Empathische belevingen

Een empathische beleving creëren, is nog een stap moeilijker dan de context van een gebruiker te detecteren en op basis daarvan aanbevelingen te maken. Het herkennen van emoties uit de gegevens die uit de vele sensoren binnenkomen, is op zich al een grote uitdaging. Technologieën om emoties uit allerlei sensordata te detecteren, beginnen echter stilaan matuur te worden. De volgende stap is het creëren een empathische beleving, op basis van modellen die uit deze emoties en eventueel andere contextuele informatie voortkomen. De juiste manieren vinden om deze emoties op te vangen en ze om te zetten naar een empathische ervaring, is echter nog een hele zoektocht. Empathisch kunnen reageren en anticiperen op de intenties van een gebruiker heeft veel voordelen. Zo kan bijvoorbeeld de gebruikservaring van technologische platformen en mediaconsumptie sterk worden verbeterd. Een empathische beleving creëren is echter enkel mogelijk als elke schakel in de complexe keten van mediaconsumptie zich bewust is van de gemoedstoestand en intenties van de eindgebruiker. Een voorbeeld is het anticiperen op intenties. Als een gebruiker zijn tabletcomputer vastneemt, kan men veronderstellen dat hij er iets mee van plan is. Is het mogelijk uit alle beschikbare informatie over deze gebruiker af te leiden, wat hij van plan is en daarop te anticiperen? •

Augmented reality (AR)

Augmented Reality houdt zich voornamelijk bezig met het zo realistisch mogelijk toevoegen van computergemaakte beelden aan rechtstreekse, reële beelden. In plaats van informatie af te beelden op klassieke en geïsoleerde beeldschermen, worden de data geprojecteerd in het gezichtsveld van de gebruiker, meestal door middel van een head-mounted display of headup display, maar ook door het gebruik van smartphone- en tablet-applicaties. Het doel is om de mogelijkheden, beperkingen en kostprijs te onderzoeken om deze technologie te implementeren in een omroep- of programmacontext. Kan extra beleving aanbieden op evenementen of zelfs in het dagelijkse leven bijdragen tot het stimuleren van participatie en dynamiek rond VRT-content (in de brede zin van het woord)? Wat kan Augmented Reality meer algemeen betekenen voor de VRT, haar merken, programma’s en de publieksbeleving er rond. Een mogelijk voorbeeld is een Augmented Reality-applicatie

17

met fiets- en wandelroutes voor het programma Vlaanderen Vakantieland met extra locationbased informatie (resto, café, fietsherstelling,…) en beleving (zoektocht, quiz, ugc…) •

Online storytelling

Online storytelling gaat over het vertellen van een verhaal aangepast aan het medium in kwestie, in dit geval online (maar bij uitbreiding ook mobiel). Het doel is mogelijkheden en beperkingen te onderzoeken van nieuwe technologieën om online storytelling te gebruiken in een VRT-context. Met andere woorden, onderzoeken welke technologieën en ontwikkelingen kunnen bijdragen tot de uitwerking van een online aangepast of apart verhaal en bijhorend aanbod. Bijvoorbeeld, nieuws en fictie op een specifieke en aangepaste manier vertellen voor online en mobiele toestellen. •

Sociale media: als content gids, als 360-ervaring, als (distributiekanaal voor) extra communitybeleving

Met sociale media als content gids doelen we op online platformen waar de gebruikers, zonder of met minimale tussenkomst van een professionele redactie, de inhoud verzorgen. Belangrijk hierbij zijn vooral de interactie en de dialoog tussen de gebruikers onderling. Het doel is te onderzoeken wat de technische en functionele mogelijkheden en beperkingen zijn van de belangrijkste sociale netwerken om de interactie en de dialoog tussen kijkers en luisteraars over en met VRT-content te stimuleren. Op die manier willen we de gebruiker beter leren kennen. Voorbeelden zijn: social voting via Facebook voor een ‘kandidaten’programma als “Wie wordt de nieuwe KetnetWrapper?”; Facebook-social voting module voor een muziekprogramma als De Afrekening (StuBru); een nieuw programmaconcept (radio of tv) dat vertrekt vanuit interactie op sociale media en er zijn programma rond bouwt. •

Tweedescherm toepassingen

Tweedescherm toepassingen vormen een aanvulling op het tv-kijken of radio-luisteren, door extra inhoud, die contextueel bepaald en gesynchroniseerd wordt met wat er te zien is op het scherm (live of on-demand), weer te geven. Het doel is te onderzoeken of en hoe deze technologie de VRT mogelijkheden biedt voor het creëren van een eigen beleving (“experience”), om zo tot een betere interactie en participatie te komen met haar kijkers en luisteraars. Op die manier willen we het gedrag van de mediagebruiker beter in kaart brengen: hoe gaat hij om met deze nieuwe vormen van mediabeleving? Bijvoorbeeld een toepassing voor tablet die toelaat om rechtstreeks het verloop van bepaalde items in een programma te beïnvloeden, zoals een stemming over wat er met de centrale gast gebeurt, of het insturen van de mening van de kinderen (in video, in tekening,..) •

Context-aware radio

Context-aware radio is aangepast aan de omstandigheden, waarin de luisteraar programma’s, informatie en muziek ‘consumeert’. We willen onderzoeken of en hoe het luisteren naar radio semiautomatisch kan worden aangepast aan de persoonlijke wensen en voorkeuren van de luisteraar, en dat afhankelijk van de context waarin hij luistert. Welke context-specifieke concepten en functionaliteiten (alarmklok, weer en verkeer, live updates, interactie met het programma,...) kunnen een

18

toegevoegde waarde betekenen tijdens het luisteren (bv. ’s morgens: ontwaken/slaapkamer, wassen/badkamer, ontbijten/leefruimte, verplaatsing/auto,trein,..., werk)? • Alternatieve manieren van gebruikersinput Andere concepten dan muis, touch en toetsenbord hanteren als inputbeleving, zoals gesture control en voice control, vinden steeds meer ingang. Verder onderzoek moet uitwijzen wat er zowel conceptueel als technologisch mogelijk is om die alternatieve manier van input in te zetten. Daarnaast willen we nagaan hoe de eindgebruiker hier mee omgaat.

CONCRETE DOELSTELLINGEN •

•

•

•

•

•

•

Augmented Reality: op basis van een aantal proof of concepts onderzoeken wat de mogelijkheden en beperkingen van Augmented Reality zijn voor de bevordering van de beleving en interactie tussen VRT-kijkers en -luisteraars, rond VRT-programma’s en merken. Mediageletterdheid bij jongeren: op basis van een of meerdere proof of concepts onderzoeken welke nieuwe platformen en technologieën toelaten om de functie van de VRT als betrouwbare gids voor kinderen en jongeren in een steeds sneller evoluerend medialandschap verder uit te bouwen. We willen daarnaast ook analyseren welke aspecten van de gebruikersinterface bij dit soort van applicaties bepalend zijn voor een optimale gebruikerservaring bij jongeren. Sociale media als content gids: onderzoeken hoe de mogelijkheden van de belangrijkste sociale media (of één bepaald medium) kunnen worden aangewend om een aparte beleving en interactie te creëren rond VRT-merken en -programma’s, rekening houdend met het bestaande VRT-ecosysteem (eigen programma’s, sites, applicaties, …) en op maat van de gebruiker en zijn netwerk van ‘vrienden’. We willen in detail bekijken welke de kritische succesfactoren zijn en hoe ze eventueel moeten worden aangepast aan de wensen en eisen van de Vlaamse mediagebruiker. Tweedescherm toepassingen We willen onderzoeken welke rol tweedeschermtoepassingen kunnen spelen om de gebruikerservaring van jongeren (digital natives) te verhogen en te intensifiëren wanneer ze bepaalde VRT-programma’s (fictie, nieuws, sport) bekijken en beluisteren. Daarbij houden we rekening met de bijzonder korte ‘attention span’ van de doelgroep. Heeft de doelgroep toch voldoende potentieel om bij te dragen tot een gepersonaliseerde gebruikerservaring (inclusief interactie en participatie van kijkers of luisteraars)? Meer algemeen willen we ook nagaan hoe de mediagebruiker omgaat met dit soort toepassingen. Context-aware radio: onderzoeken hoe de VRT haar huidige digitale radiospeler kan laten uitgroeien tot een digitale, interactieve en participatieve radiospeler, door in te spelen op de omstandigheden (context, waar, wanneer en hoe) waarin mensen naar de radio luisteren. Alternatieve manieren van gebruikersinput: onderzoeken welke technologieën en platformen bijdragen tot het creëren van alternatieve manieren van gebruikersinput tijdens interactie met games en gelijkaardige toepassingen. We willen deze aspecten praktisch onderzoeken en prototypes bouwen die deze alternatieve manieren van interactie zoals gesture control en voice control voorzien. Aanbevelingen en meten van de gebruiker: de gebruikers meten en daaruit hun drijfveren achterhalen. We willen bijvoorbeeld afleiden welke delen van een programma ze goed en welke ze minder goed vinden. We willen te weten komen of gebruikers echt wel met aandacht naar een programma aan het kijken of luisteren zijn. Verder willen we onderzoeken hoe we de context van eindgebruikers op een goede manier kunnen gebruiken om content te personaliseren. Hierbij willen we ook

19

•

aandacht besteden aan sociale media en de sociale relaties van deze eindgebruiker. We rekenen dit laatste als een integraal deel van de context. Empathische belevingen: zoeken naar manieren om op basis van een beperkte set sensoren emoties te detecteren, en dat op een impliciete wijze. Daarbij willen we emoties van grote groepen gebruikers in real-time kunnen detecteren en die terugkoppelen naar programmamakers en andere stakeholders, zodat deze daarop (in real-time of nadien) gepast kunnen reageren. Op basis van de gedetecteerde emoties willen we modellen afleiden, waarmee we de eindgebruikers beter leren begrijpen. Parallel gaan we op zoek naar systemen om de gedetecteerde emoties te gebruiken en om te zetten in concrete empathische signalen naar de eindgebruiker op een impliciete manier. Al deze bouwstenen willen we combineren om voort te bouwen aan de gebruikerservaring van de toekomst.

20