由斯坦福大学工程学院和哥伦比亚新闻学院合作成立的布朗媒体创新研究所将为15个项目提供100万美元的资助，这是2020-21魔术资助计划的一部分。每年，布朗学院都会资助培养新的工具和表达方式，并创造出超越书本和屏幕界限的故事。
魔术奖由布朗媒体创新研究所颁发，该研究所是斯坦福大学工程学院和哥伦比亚新闻学院的合作项目。(图片来源:Getty Images)
今年的奖项包括10项魔术奖和4项种子奖。每个项目都涉及一个重要的当代问题，无论是政治、文化还是技术。
例如，有一个项目将首次审视刑事司法系统、公众舆论和立法之间的相互作用——这项研究为报道乔治·弗洛伊德被杀后示威和事件的记者提供了历史框架。另一项拨款将建立一个新的合作伙伴关系，以支持本地数据新闻，汇编新的本地数据集，并进行同伴指导的试验。
该学院是在海伦·格利·布朗的捐赠下于2012年成立的。大卫·格利·布朗和海伦·格利·布朗相信，当创新的技术与伟大的内容相结合时，奇迹就会发生，有才华的人有机会探索和创造新的方式来提供信息和娱乐。
以下是由布朗学院资助的2020 – 21年度魔术奖的完整名单:
本地生活(年代)
哥伦比亚新闻学院(Columbia Journalism School)的劳伦•皮斯(Lauren Peace)和卡里萨•奎巴保(Carissa Quiambao)，以及斯坦福大学传播学硕士研究生麦卡德尔•汉金(McArdle Hankin)
当地直播的目的是在当地新闻机构的记者与其所服务的社区之间建立一种对话。通过现场报道(虚拟的)，记者们讲述他们报道背后的故事，他们邀请他们的社区进入“一个他们只能从上方观察到的世界”。该团队希望通过在记者和社区成员之间建立融洽关系，帮助恢复人们对当地新闻的信任。作为现场活动的补充，该团队将为当地新闻编辑室制作一本手册，介绍如何策划、设计和启动现场新闻活动。
COVID地方新闻协作
来自本地大新闻和公开新闻的成员
COVID地方新闻合作是OpenNews和大型地方新闻的合作伙伴。其目的是帮助记者讲述更深入、数据驱动的故事，帮助社区应对COVID-19。2018- 2019年度“地方大新闻平台”获得“魔法基金”资助，成为新冠肺炎重要数据平台，为记者提供其他渠道难以获取的信息。OpenNews一直在为数据记者探索新的同伴指导方式，并联合创建故事指南。作为一个小组，这些小组将确定全国各地社区最需要的新冠肺炎故事，并帮助当地新闻编辑室通过数据和可视化手段向他们提供信息。
狼群:媒体对刑事司法的报道如何使大规模监禁成为可能
马歇尔计划(Marshall Project)主席、哥伦比亚大学访问学者卡罗尔·博格特(Carroll Bogert)、哥伦比亚大学新闻学院新闻学教授林奈尔·汉考克(LynNell Hancock)和斯坦福大学政治学教授山托·艾杨格(Shanto Iyengar)
《狼群》首次调查了媒体对刑事司法的报道是如何帮助美国成为世界上监禁最严重的国家的。在与斯坦福大学和哥伦比亚大学的数据科学家的合作中，该团队将准备一个国家和地方媒体报道的刑事司法数据库，并通过自然语言处理技术，揭示框架和叙事结构，特别是种族和民族线索，嵌入这些报道。该项目的经验教训将不可避免地为当代事件提供历史框架。
自我调节在线焦点小组和讨论
Lodewijk Gelauff和Sukolsak Sakshuwong都是斯坦福大学计算机科学专业的博士生
由于我们正在采取预防措施，我们的社会已经从传统的面对面会议迅速转向网络会议。通过自动版主建立一个更好的在线讨论工具，提供公平、尊重和建设性的对话，是在线焦点小组和讨论自我版主的重点。为了支持协商民主，该团队将开发一个可扩展的在线平台，以应对各种挑战，比如一个小组主导对话，一个单一的话题占用太多时间，以及一个有偏见的主持人。
通过教学视频的分层分解改进远程学习
张安(Anh Truong)和张建义(Chien-Yi Chang)都是斯坦福大学计算机科学专业的博士生
我们越来越多地求助于教学录像来完成日常任务和学习新技能，如缝制口罩、烹饪和家庭维修。通过教学视频的分层分解来改进远程学习，将促进教学视频的创建，通过分层分解任务到步骤，并为访问步骤提供基于语音的导航命令，从而实现更好的导航。通过显式利用动作和状态之间的共轭约束，算法可以自动从不同任务的视频中学习共享的动作步骤。
体育画报:使机器能够理解和描述网球比赛
Sumith Kulal和Haotian Zhang是斯坦福大学计算机科学专业的博士生
像世界杯和温布尔登这样的大型体育赛事吸引了数百万观众。体育画报:使机器理解和描述网球比赛旨在建立一个更高级别的抽象理解和描述体育视频(如足球、网球)通过支持三种类型的应用程序(1)检索:检索类似行动从一个视频数据库(2)文本:合成文本/语音描述的细节动作(3)编辑:编辑特定micro-movement并重新呈现视频。这个团队希望为观众提供更好的观看体验，为运动员提供强大的比赛分析。
主题:位置驱动的音频讲故事
斯坦福大学计算机科学博士候选人Jacob Ritchie和斯坦福大学计算机科学博士后研究员Jean Costa
使用地理位置，将用户与他们走过的人、地点和事物的故事联系起来，提供动态的音频讲故事，是这个团队的主题:位置驱动音频讲故事系统。该团队将创建一个软件来生成特定位置的音频故事，以及一个配对的智能手机应用程序来允许用户消费音频内容。用户将能够预览和选择感兴趣的音频故事，当他们通过他们的现实世界听。
COVID-19 FOIA库
哥伦比亚新闻学院副教授德里克·克拉维茨说
COVID-19信息信息库最初是2019-2020年的一项魔力赠款，将重点转移到报告地方政府如何应对COVID-19大流行。该小组将继续开展工作，发布有针对性的《信息自由法》要求，建立全国范围内市、县和州官员之间的COVID-19相关电子邮件存储库。到目前为止，该项目已经向44个州的200多个机构索取了记录，并收到了10个州的16份实质性答复，共计5万多页和数百份附件，以数据和PDF格式。COVID-19信息自由储存库将使新闻机构、学术界和公众可以搜索和获取完整的文件集。
气候和弹性新闻的数据“礼宾服务”
弗朗西斯科·菲昂德拉，雷米的表兄，阿什利·柯蒂斯和韦斯顿·安德森，哥伦比亚大学气候与社会国际研究所的研究和传播人员
气候与弹性新闻的数据“礼宾服务”旨在创建一种快速响应的礼宾式数据服务，帮助记者访问哥伦比亚庞大的气候和环境数据仓库，并将他们与气候科学家联系起来。这项服务解决了两个关键的挑战:第一，许多记者不知道有大量的气候数据和分析工具可用来加强他们的报道;其次，它有助于专家协助确定最相关和可靠的数据集，并帮助下载数据。
COVID金融危机
Nick Thieme, Emily Merwin DiRico, Kenneth Foskett, Jennifer Peebles和John Perry是亚特兰大宪法杂志的工作人员
科维德金融危机项目将开展一系列调查，调查COVID-19危机对格鲁吉亚公民、公司和市政府的经济影响。该项目关注个人和企业破产以及市政违约，将衡量格鲁吉亚人民受到的财政损失，将这次危机与以往的危机进行比较。美国黑人比白人更有可能因为COVID-19而申请破产吗?农村市政当局比城市市政当局更有可能在债券债务上违约吗?在COVID-19时代，哪些行业因素与破产最相关?
种子基金
除了魔术拨款，布朗研究所还为以下项目提供种子基金，以协助原型设计和早期项目开发:
项目浸泡
哥伦比亚大学数字故事实验室的Lance Weiler和游戏学的Nicholas Fortugno
在一个充斥着深度造假、阴谋论、人工智能驱动的写作和社交网络骗局的时代，我们被操控性和欺骗性的技术所包围，如果这些技术落入不法之手，就可能对我们的社会构成生存威胁。沉浸式项目将应用一种学习方法，该团队称之为“吸引和教育”，利用现有技术，特别是Miro协作平台和Zoom，来创造沉浸式教育体验，讲述这些恶意技术的故事。这个项目将打造一部类似于《黑镜》的选集系列，创造出一些“片段”，处理虚假信息在互联网上的表现方式，并引出它们潜在的戏剧性和强有力的结论。每一集都将是一个独立的内置web本地技术的娱乐部分，但在每一集结束时，Project immersion将把用户带到幕后，让他们能够亲自使用实际的工具。
在美国新闻编辑室被遗忘的权利
20岁的萨拉·柯林斯(Sarah Collins)就读于哥伦比亚新闻学院(Columbia Journalism School)
在美国的新闻编辑室里，“被遗忘的权利”将研究并制定准则，让新闻编辑室“撤销”过时的内容，例如有关现已被法院封存的犯罪故事、关于从未导致指控的逮捕的报道，以及事实不准确的信息。通过咨询哲学、伦理、新闻、民间非营利组织、国际关系、法律、政府、互联网技术和大数据等领域的专家，该项目不仅将考虑内容不应发表的情况，还将检查新闻编辑室可以遵循的具体技术步骤，以安全地、正确地删除有问题的文章。
阿巴拉契亚地区社区讲故事的社区网络
胡曼·萨贝里，格里塔·拜鲁姆，劳尔·恩里克兹和阿普丽尔·雅罗克奇，纽约社区科技公司
阿巴拉契亚地区的社区讲故事网络将在现有努力的基础上发展社区拥有的通信基础设施，并将其作为讲故事的平台。通过这个项目，该项目将强调田纳西州东部农村Clearfork山谷的居民正在进行的努力，以建立转型适应能力，以应对煤炭工业和气候变化的影响。
自动识别网上对女记者的骚扰
哥伦比亚大学计算机科学教授Julia Hirschberg和哥伦比亚大学博士后研究科学家Sarah Iva Levitan
自动识别网络上对女记者的骚扰将为识别社交媒体上针对女记者的虐待和仇恨言论提供方法。该项目将与记者合作，收集记者在Twitter上收到的大量私人骚扰信息，并开发一种易于使用的注释方法，根据观察到的骚扰程度对信息进行标注，从记者那里收集自我标注的数据。他们将使用自动自然语言处理方法从这些信息中提取特征，并构建机器学习分类器来区分骚扰、辱骂和中立的信息。这些分类器将被整合到一个工具中，供记者们用来管理他们的Twitter订阅源，以识别和分离这些消息。
新闻旨在传播有益信息，英文原版地址：https://news.stanford.edu/2020/06/15/brown-institute-stanford-columbia-universities-announces-magic-grant-winners-3/