Key points are not available for this paper at this time.
O jornalismo digital enfrentou uma mudança dramática e as empresas de mídia são desafiadas a usar algoritmos de ciência de dados para serem mais competitivas em uma era de Big Data. Embora essa seja uma área relativamente nova de estudo no cenário da mídia, o uso de aprendizado de máquina e inteligência artificial aumentou substancialmente nos últimos anos. Em particular, a adoção de modelos de ciência de dados para personalização e recomendação atraiu a atenção de vários editores de mídia. Seguindo essa tendência, este artigo apresenta uma análise da literatura de pesquisa sobre o papel da Ciência de Dados (DS) no Jornalismo Digital (DJ). Especificamente, o objetivo é apresentar uma revisão crítica da literatura, sintetizando as principais áreas de aplicação da DS no DJ, destacando lacunas de pesquisa, desafios e oportunidades para estudos futuros. Por meio de uma revisão sistemática da literatura integrando busca bibliométrica, mineração de texto e discussão qualitativa, a literatura relevante foi identificada e amplamente analisada. A revisão revela um uso crescente dos métodos de DS no DJ, com quase 47% da pesquisa sendo publicada nos últimos três anos. Um agrupamento hierárquico destacou seis principais domínios de pesquisa focados em mineração de texto, extração de eventos, análise de comentários online, sistemas de recomendação, jornalismo automatizado e análise de dados exploratória, juntamente com algumas abordagens de aprendizado de máquina. As direções de pesquisa futuras incluem o desenvolvimento de modelos para melhorar a personalização e os recursos de engajamento, explorando algoritmos de recomendação, testando novas soluções de jornalismo automatizado e melhorando mecanismos de paywall.
Fernandes et al. (Sun,) estudaram essa questão.