Published July 1, 2026 | Version v1

DEDA voor Media (D4M)

  • 1. ROR icon Utrecht University

Description

Mediaorganisaties staan voor nieuwe keuzes nu zij hun journalistieke missie willen verenigen met de snelle opkomst van AI en data-gedreven technologie. Innovatie biedt kansen, maar roept ook fundamentele vragen op: hoe blijven redactionele onafhankelijkheid, publieke verantwoordelijkheid en vertrouwen van het publiek gewaarborgd?

DEDA voor Media (D4M) is ontwikkeld om organisaties bij deze afwegingen te ondersteunen. Het is een dialogisch instrument dat teams helpt om ethische en maatschappelijke frictiepunten in data- en AI-projecten systematisch te bespreken voordat systemen worden geïmplementeerd. De materialen zijn vrij beschikbaar.

D4M is vormgegeven als een A0-poster die teams gezamenlijk doorlopen. De methode helpt om spanningen tussen ontwerpkeuzes, projectdoelen en journalistieke waarden zichtbaar te maken en te documenteren. Door gestructureerde reflectie op het doel van een project, de gebruikte data en technologie, en de mogelijke gevolgen voor publiek, redactie en organisatie, kunnen risico’s vroegtijdig worden herkend en beter worden gemitigeerd.

Het proces ondersteunt organisaties niet alleen bij het nemen van beter onderbouwde beslissingen, maar draagt ook bij aan de ontwikkeling van zorgvuldiger ontworpen AI-toepassingen. Tegelijkertijd biedt het een vorm van interne en externe verantwoording: het maakt inzichtelijk hoe keuzes tot stand komen en versterkt daarmee het vertrouwen van collega’s, partners en het publiek.

Het gezamenlijk doorlopen van de poster leidt bovendien tot concrete actiepunten om projecten beter af te stemmen op de waarden en verantwoordelijkheden van de organisatie. In de praktijk versterkt D4M daarmee ook de digitale en ethische competenties binnen teams.

Files

Poster.pdf

Files (2.7 MB)

Name Size Download all
md5:c58f44a87510732dc9a0b51021d20419
113.8 kB Preview Download
md5:f6b336d30653af804543ddc31d3ae719
2.2 MB Preview Download
md5:5e339b82ad5661f6db789c0437ad81cc
91.2 kB Preview Download
md5:6adf9f27dba02db82451328ee23bd671
127.4 kB Preview Download
md5:2050d720960a1cb2df093e9e4a7c4801
180.1 kB Preview Download
md5:61d1927b7a88c05d3d9d8fac5773c0e7
46.0 kB Preview Download

Additional details

Related works

Is supplement to
Journal article: 10.1007/s10676-020-09577-5 (DOI)