Next Media -tulosseminaarin 6.2.2013 satoa - osa 2 ereading Uusien konseptien (ja tuotteiden) ketterä kehittäminen KSF Median Lotta Holmin esittelemän kehitystyön lähtökohtana vuonna 2010 oli ratkaista Hufvudstadsbladetin jakeluongelmat saaristossa ja Ahvenanmaalla. Lukijat eivät saa lehteä aamukahvipöytään ja jakelu on kallista. Tarvittiin siis digitaalinen lehti, joka toimisi erilaisilla laitteilla ja ilman jatkuvaa nettiyhteyttä. Ensimmäinen lehti toteutettiin tabletille sovitettuna versiona, jota kokeiltiin 25 perheessä. Lukijoilta kerättiin monipuolisesti palautetta. Palautteen mukaan yksittäisiä sivuja on mukava lukea, mutta kokonaisuuden hallitseminen selailu on hankalaa. Erityisesti etusivun suunnittelu on olennaista, uutisten arvottaminen oli lukijoille tärkeää. Toukokuussa 2011 päätettiin pilkkoa digilehti kahdeksi tuotteeksi, näköislehti ja erillinen tablettilehti. Jälkimmäisestä tehtiin viikottain ilmestyvä uutispaketti HBL+. Sen kehitys alkoi heinä lokakuussa 2011 ja ensimmäinen dummy tehtiin Aallon mediakonseptilaboratoriossa vuodenvaihteessa. Toimivan prototyypin rakentaminen alkoi kesäkuussa 2012. Harri Heikkilä testasi designia ja käytettävyyttä syksyn ja marraskuussa tuote tuli myyntiin. Valmista tuli siis reilussa vuodessa. Tämä on hyvä esimerkki siitä, miten tutkimustyö eli konseptointi ja käyttäjätestaus on tehty tutkijoiden toimesta varsinaisen tuotekehityksen rinnalla. Samalla on pystytty luomaan yleispätevää mallia, miten uusien, digitaalisten tuotteiden ketterä kehittäminen kannattaa toteuttaa. Tästä osuudesta on olemassa myös hyvä raportti, jota Lotta Holm erikseen kiitteli. Automaatiolla tehokkuutta tuotantoprosesseihin Kohti automaattista taittoa Mikko Kuhna Aallon perustieteiden korkeakoulusta esitteli kehityskulkua, joka Aallossa on käyty läpi Next Media -hankkeen aikana ja jonka lopputulemana on vapaasti saatavilla oleva Open Source -koodiin pohjautuva applikaatio aikakauslehden automaattiseen taittoon eri päätelaitteille. Aikakauslehden taitto on haasteellista monimutkaisten ja vaihtelevien layoutien vuoksi. Yksi esimerkki on kuvien päälle tulevat otsikkotekstit. Tästä lähdettiin liikkeelle eli kehittämään automaattisia menetelmiä kuvien analysointiin, jotta automatiikalle pystytään kertomaan, missä ovat kuvan tärkeimmät alueet, joihin ei esimerkiksi otsikkoa saa missään tapauksessa sijoittaa. Kuhna näytti kaksi esimerkkiä, joita käytetään hyväksi automaattitaitossa. Kuvasta voidaan etsiä sen voimakkain väri, verrata sitä lehden ulkoasuoppaassa listattuihin väreihin ja valita niistä lähin vastine tehoväriksi taittoon. Näin saadaan siis kuvan ja muun taiton väreihin jatkuvuutta. Toinen esimerkki on tarkoitettu löytämään kuvasta sellaisia kohtia, joissa ei ole tärkeää informaatiota, kuten kasvoja, ja joiden päälle voidaan siis taitossa sijoittaa otsikko, ingressi tai muuta
tekstiä. Samaa algoritmia voidaan käyttää, kun halutaan rajata kuvasta erilaisia versioita, esimerkiksi pienempiä kuvia kännykkäkäyttöä varten. Kehitystyö on siis edennyt vaiheeseen, jossa taitto pystytään tekemään tarjolla olevasta XML-feedistä täysin automaattisesti eri laitteille. Automaattisesti taitettua versiota on vertailtu Anygraafin -järjestelmän tuottamaan taittoon sekä Woodwingin vastaavaan. Tutkimuksessa testattiin, mitä mieltä lukijat ovat automaattisesti taitetusta versiosta. Rohkaisevaa oli, että sitä ei pidetty ainakaan huonompana kuin perinteisellä tavalla taitettua versiota. Suunnittelutiedon vaihto yritysverkostoissa Anygraafin Harri Taskinen kertoi kehitystyöstä, jota on tehty suunnittelutiedon parissa. Koska suunnittelun merkitys kasvaa entisestään tulevaisuudessa, suunnittelutiedon on oltava nykyistä paremmin standardoitua, jaettavissa ja muokattavissa. Tausta-ajatuksena on, että tietojen jakaminen partnereiden kanssa jo suunnitteluvaiheessa tehostaa toimitusprosessia kokonaisuutena. Esimerkki: kun STT suunnittelee juttua tietystä aiheesta, tieto siitä menee automaattisesti asiakaslehtien toimituksiin. Toimitus voi varata jutulle paikan lehdestä ja juttu taittuu siihen automaattisesti, kun se saapuu. Vuonna 2012 aloitetun projektin demoversio on nykyään STT-Lehtikuvan käytössä. Projektin aikana on huomattu, että vaikka etukäteen olisi tehty miten hyvät vaatimusmäärittelyt, niistä on kuitenkin löytynyt täydennettävää. Siksi onkin hyvä päästä kokeilemaan toimivaa prototyyppiä oikeassa ympäristössä, koska siinä oppii tuntemaan omat tarpeensa paremmin. Aikakaus- ja sanomalehden tietomallit Mikko Kuhna Aallon perustieteiden korkeakoulusta kertoi lehtijutun yleiskäyttöisen tietomallin kehittämisestä. Tarkoituksena on siis saada aikaan strukturoitu tietomalli, jolla voitaisiin kuvata mahdollisimman monenlaisia artikkeleita. Se helpottaisi toimituksellisten tietojärjestelmien kehittämistä, sisältöjen jakamista ja niiden hyödyntämistä erilaisissa lopputuotteissa. Prosessi aloitettiin keräämällä esimerkkejä erilaisista lehtijutuista ja kokoamalla niiden perusteella useita erilaisia tietomalleja. Lopuksi tutkittiin mallien välisiä yhtäläisyyksiä ja puristettiin niistä kokoon yksi supermalli. Tuloksena syntyneen tietorakenteen peruselementti on artikkeli, joka jakautuu ikään kuin leipätekstiin ja kaikkeen muuhun. Jokaiseen artikkeliin voi liittyä kuva, artikkelin teksti on jaettu kappaleisiin, kappaleilla voi olla oma väliotsikkonsa ja niin edelleen. Vastaavasti artikkeliin sisältyy tieto siitä, millä osastolla se on julkaistu, päiväys, ingressi ja muita tietoja. Kuva mallista löytyy osoitteesta http://mikkokuhna.com/researcher/model/img/model-full.png Lisäksi on tutkittu keinoja esittää infografiikkaa niin, että se toimii erikokoisilla näytöillä eli käytännössä tietokoneen ja älypuhelimen nettiselaimessa. Tutkimus keskittyi olemassa olevien ohjelmatyökalujen tarkastelemiseen sekä sellaisten työprosessien kehittämiseen, joissa huomioitiin monikanavaisuus.
Tekstisisältöjen merkitysten ymmärtäminen Metropolian Olli Alm on työskennellyt tekstin semanttisen ymmärtämisen parissa Next Media -hankkeessa. Seminaarissa esiteltiin ohjelmisto, jota voidaan käyttää avainsanojen etsimiseen suomenkielisistä lehtijutuista. Juju-nimellä julkaistava ohjelmisto etsii automaattisesti juttuja parhaiten kuvailevia fraaseja. Se ei siis saa tarttua liian harvinaisiin eikä liian yleisiin sanoihin, vaan löytää juuri ne avainsanat, jotka kertovat mistä jutussa on kyse. Lisähaasteita tulee suomen kielen ominaispiirteistä, sillä esimerkiksi eri taivutusmuotoja ei sovi listata omiksi sanoikseen, vaan niiden tulee ymmärtää kuuluvan yhteen ja samaan avainsanaan. Avainsanoja etsivä ohjelmisto toimii täysin automaattisesti, kunhan sille on ensin syötetty tarpeeksi laaja aineisto pohjatiedoiksi. Testeissä aineisto eli korpus oli Helsingin Sanomista vajaat 90 000 artikkelia. Alm kertoi tunnistustarkkuuden paranevan sitä enemmän, mitä isompi korpus eli pohja-aineisto järjestelmään syötetään, ja että määrän lisääminen yli 90 000 artikkelin olisi luultavasti parantanut laatua entisestään. Lukijoiden ottamien kuvien automaattinen luokittelu Henri Kivinen Aallon perustieteiden korkeakoulusta kertoi, millaisia objekteja ja ympäristöjä voitaisiin tunnistaa automaattisesti valokuvista. Käytännön sovelluksena voisi olla ohjelmisto, jota käytettäisiin lukijoiden lähettämien kuvien esiseulonnassa se osaisi näyttää vain sellaiset kuvat, jotka käsittelevät haluttuja aiheita ja joiden tekninen laatu on mahdollisimman hyvä. Kovin lähellä käytännön sovellusta ei kuitenkaan vielä olla, sillä kyseessä on kimurantti pulma, johon liittyy monia konenäön perusongelmia. Tähän mennessä tehdyissä testeissä järjestelmä osasi tunnistaa esimerkiksi luontokuvan kaupunkikuvasta, väkijoukkoa esittävän valokuvan ja löytää kuvat, joissa näkyy kylttejä. Sen sijaan sillä oli vaikeuksia autoja, raitiovaunuja, yksittäisiä henkilöitä, tulta ja savua sisältävien kuvien tunnistamisessa. Personal Media Day Personal Media Day Minun mediapäiväni hankkeessa vuonna 2012 on keskitytty kuluttajien mediankäytön tutkimiseen usealla eri tavalla. Alla on esitelty kahden tutkimuksen tuloksia. Yleinen mediakäytön tutkimus Suomalaisten mediakäytöstä tehtiin laaja tutkimus marras joulukuussa 2012. Netissä toteutettuun kyselyyn vastasi 980 henkilöä. Kysely tuotti paljon materiaalia. Niinpä Åbo Akademin EDGE-tutkimusryhmästä Anna-Greta Nyström esitteli vasta alustavia tuloksia. Tutkimuksessa selvitettiin mediankäytön kokonaisuutta, mutta erityisesti älypuhelinten ja tablettien käyttöä.
Mitä medioita suomalaiset käyttävät päivän mittaan? Aamu alkaa lukemalla sanomalehteä ja kuuntelemalla radiota, työpäivän mittaan kärkeen nousevat netti ja radio, ja lopuksi illalla kotona selataan lisää nettiä ja luetaan sanomalehtiä. Juuri ennen nukkumaanmenoa tulee vielä piikki, jolloin luetaan kirjoja. Eniten aikaa vietettiin television, netin ja sanomalehtien parissa jopa yli kolme tuntia joka päivä. Älypuhelimien ja tablettien nousu näkyy selvästi. Päivän mittaan kännyköitä sekä älypuhelimia että tavallisia käytti noin 3/5 vastaajista ja tablettia 1/5 vastaajista. Älypuhelinten ja tablettien käytössä oli paljon yhtäläisyyksiä, mutta myös muutamia eroja. Sekä uutisten lukeminen että TV-ohjelmien katsominen (catch up) oli tableteilla selvästi yleisempää kuin kännykällä. Katsojien ja mainostajien suhtautuminen TV-mainontaan Miten katsojat ja mainostajat suhtautuvat mainontaan? VTT:n Virpi Oksman johti kyselyä, jossa selvitettiin asenteita niin perinteiseen TV-mainontaan kuin myös niin sanottuun second screen -mainontaan, eli kännyköissä, tableteilla ja tietokoneilla näytettävään TV-ohjelmaan liittyvään mainontaan. Keväällä 2012 tehtyyn kyselytutkimukseen vastasi vajaat 2500 ihmistä. Kyselyn mukaan vastaajista jo 2/3 käytti second screen -laitetta ainakin satunnaisesti. Mainostajien tarpeet tiivistettiin kolmeen kohtaan. Tarvitaan reaaliaikaista, luotettavaa ja yksinkertaista dataa mainoksien toimivuudesta, halutaan palautetta kuluttajilta ja lisäksi keino pitää katsojat kanavalla mainosten aikana. Katsojat puolestaan kokevat mainokset ohjelmavirtaa sotkevina ja ärsyttävinä, ja kokevat että niitä ei ole suunnattu juuri heille. Kolmas tärkeä huomio oli, että jos katsoja näkee kiinnostavan mainoksen, hän ei monestikaan tiedä, mitä tehdä seuraavaksi. Noin puolet vastaajista oli sitä mieltä, että kohdennetuista mainoksista voisi olla heille hyötyä. Samoin noin puolet oli valmiita kertomaan ainakin joitain kohdentamisessa auttavia tietoja mainostajille. Esimerkkejä tällaisista tiedoista ovat kiinnostuksen kohteet, ikä, sukupuoli, harrastuksen ja asuinpaikka. Sen sijaan vähemmän halua oli kertoa mainostajille ammatti, koulutus, parisuhdestatus, lapset ja kulutustottumukset. TV ja video fokuksessa Second screen eli toisen laitteen käyttö televisiota katsottaessa VTT:n ja CIRCMI:n (Tampereen yliopiston informaationtutkimuksen ryhmä) tutkimuksessa haluttiin ymmärtää, millaista second screen -käyttöä Suomessa on. Metodiksi valittiin laajan kyselyn sijaan etnografinen lähestymistapa, johon osallistui henkilöitä 12 kotitaloudesta. Heitä tarkkailtiin ja haastateltiin, ja lisäksi osa piti mediapäiväkirjaa second screen -käytöstään. Kohteeksi valittiin Dance-tv-ohjelman second screen -toteutus. Tutkijoita kiinnosti, miten paljon second screen -käyttöä yleensä on, mihin kohtaan ohjelmaa käyttö ajoittuu (mainoskatkoille? ennen ohjelmaa?), mitkä ovat katsojien motiivit, miten second screen vaikuttaa tv:hen ja toisin päin. Tutkijat jakoivat havaintojen perusteella ihmiset neljään ryhmään. Erottavat tekijät olivat se, käytettiinkö second screeniä samaan aikaan kuin televisiota. Toinen erotteleva tekijä oli se, oliko ihmisten perimmäisenä motiivina tehokkuuden vai nautinnon tavoittelu. Esimerkiksi ryhmän
"rinnakkaiskäyttö & tehokkuus" ihmiset olivat niin sanottuja arjen hanskaajia, joiden oli pakko tehdä monta asiaa samanaikaisesti, kun taas "peräkkäiskäyttö & nautinto" -ryhmän ihmiset keskittyivät tv-ohjelmaan ja räpläsivät second screen -laitteita vasta sen jälkeen tai sitä ennen. Sosiaalinen ohjelmaopas Osumus Recommendations -yhtiön Jukka-Pekka Salmenkaita oli kehittämässä second screen -sovellusta, jonka käyttöönotto olisi helppoa sekä ohjelmantekijöille että katsojille. Tarkoituksena oli siis löytää toimintatapoja ja saada aikaan valmis sovellus, jota voisi hyödyntää monen eri tv-ohjelman kanssa. Demosovelluksena tehtiin sosiaalinen ohjelmaopas, joka näytti ohjelmatietojen lisäksi Facebook-kavereiden sekä ventovieraiden ihmisten kommentteja ohjelmasta. Salmenkaita kertoi, että projekti onnistui teknisiltä tavoitteiltaan. Jatkokehitystä varten hän suositteli toiminnallisuuden muokkaamista huomioimaan paremmin eri sisältögenrejen erot. Sovelluksen kaikille sisältögenreille yhteisiä ominaisuuksia voisi täydentää ohjelmakohtaisilla osioilla, jotka syventäisivät kokemusta uusilla vuorovaikutustavoilla. Hänen mielestään kannattaisi kokeilla esimerkiksi urheilu- tai keskusteluohjelman rinnalla elävää sovellusta. Toinen opittu seikka oli, että second screen -sovellus ei voi olla vain passiivinen, katsojan omaan aktiivisuuteen luottava, vaan katsojan huomiota on ohjailtava aktiivisesti tv-ruudun ja kakkosruudun välillä. Haasteena on, että kumpikaan ei saisi kaapata huomiota kokonaan ainakaan niin pitkäksi aikaa, että toinen unohtuu kokonaan. Twiittaus TV katselun yhteydessä Aallon perustieteiden korkeakoulussa oli selvitetty, mitä TV:n katsojalle tapahtuu, jos hän tekee samalla jotain muuta. Teemu Kinnunen kertoi laboratoriotutkimuksesta, jossa koehenkilöt katsoivat uutisvideoita ja lukivat samalla Twitter -viestejä, joissa oli joko positiivisia tai negatiivisia kommentteja aiheesta. Vaikutuksia mitattiin keräämällä psykofysiologisista dataa (esim. silmän liikkeiden seuranta) ja muistamiskokeilla. Tutkimuksen perusteella näyttäisi siltä, että ihmiset reagoivat positiivisiin uutisiin voimakkaammin kuin negatiivisiin. Testin tuloksissa kävi myös ilmi, että negatiiviset tweetit heikensivät kokemusta positiivisien uutisten kanssa, kun taas negatiivisien uutisten kanssa vaikutus ei ollut yhtä suuri. Tosin Kinnunen huomautti, että tulokset eivät olleet välttämättä tilastollisesti merkittäviä, osaltaan siksi että kyseessä oli varsin pieni testijoukko. HIIT:n Kai Huotari on tutkinut yhdysvaltalaisia livetweettaajia eli ihmisiä, jotka käyttävät Twitteriä aktiivisesti samaan aikaan, kun ohjelma näytetään televisiosta. Hän haastatteli Glee-ohjelman ja Pittsburgh Penguins -urheilujoukkueen faneja. Hän halusi selvittää, millä tavoin ihmiset käyttävät Twitteriä ja TV:tä yhdessä. Tutkittavista löytyi kolme erilaista tyyppiä: hardcore-tweettaajat lähettävät valtavasti viestejä suosikkiaiheestaan; aktiiviset twiittaajat, jotka heräävät ohjelman lähetysaikaan, mutta ovat muuten hiljaisempia; ja satunnaiset tweettaajat, jotka käyttävät Twitteriä muuhunkin, mutta tv-ohjelman lähetysaikaan keskittyvät siihen. Huotari huomautti, että Twitterin käytössä faneille kyse ei ole tiedon jakamisesta vaan kokemuksellistamisesta. He kokevat saavansa ohjelmasta enemmän irti, kun he keskustelevat siitä samaan aikaan netissä.
Audiovisuaalisen sisällön automaattinen analyysi TV-ohjelmien kuvailutietoja automaattisesti Mikko Kurimo ja Jorma Laaksonen kertoivat ohjelmistosta, joka osaa puheen- ja kuvantunnistuksen avulla luoda automaattisesti tekstimuotoisia kuvailuja siitä, mitä tv-ohjelmassa tapahtuu. Videoiden ongelmanahan on, että niistä on hankala saada puristettua automaattisesti esiin tämän kaltaisia metatietoja. Ohjelmistoa on koekäytetty suomalaisten tv-uutisten sisällön tunnistamiseen. Järjestelmä ei toimi sataprosenttisen tarkasti, mutta Next Media -seminaarissa näytetty esimerkkimateriaali oli jo hätkähdyttävän hyvälaatuista. Ohjelmisto osaa muuntaa puheen tekstiksi, erotella puhujat toisistaan ja nimetä heidät, jos nimet on mainittu ohjelman tekstiplansseissa ja vielä muutamalla sanalla kertoa, mitä kuvassa milloinkin näkyy. Näistä huterimmin toimiva, eniten virheellisiä tulkintoja, tuotti viimeinen komponentti. Konenäköön liittyviin ongelmiin törmättiin myös aiemmin Henri Kivisen esityksessä. Elokuvien herättäminen tunteiden ennustaminen Jussi Tarvainen Aallon perustieteiden korkeakoulusta on kehittänyt järjestelmää, joka mahdollistaa elokuvien synnyttämien tunteiden automaattisen ennustamisen elokuvien kuvallisen ja äänellisen sisällön perusteella. Tarvaisen termein kyse on elokuvien tyylin ja tunnelman yhdistämisestä. Tyylipiirteitä ovat sellaiset asiat kuin väri, rytmi ja musiikki. Tunnelmaa taas kuvataan piirteillä kuten iloinen, energinen tai jännittynyt. Myös tässä projektissa tarkoituksena on saada videomateriaalista irrotettua metadataa, jota voitaisiin hyödyntää esimerkiksi suosittelupalveluissa jos käyttäjä pitää elokuvista, joissa on iloisia piirteitä, hänelle voitaisiin etsiä lisää elokuvia, joissa on iloisia piirteitä. Tähän mennessä on päästy vaiheeseen, jossa järjestelmä osaa vaihtelevalla tarkkuudella ennustaa, miten katsojat kokevat heille esitettävän elokuvanäytteen. Esimerkiksi elokuvan keskimääräinen väri (tyylipiirre) tuntuisi ennustavan varsin hyvin, miten rentona (tunnelmapiirre) elokuva koetaan.