The post Errata: Many Catholics in the U.S. and Latin America Want the Church to Allow Birth Control and to Let Women Become Priests  appeared first on Pew Research Center.

These assessments reveal who is informing communities, where gaps persist, and how resources can be deployed more strategically

As information landscapes fragment and local news grows more reliant on philanthropy, ecosystem assessments are becoming an essential tool for funders, civic leaders, and newsroom leaders. These assessments reveal who is informing communities, where gaps persist, and how resources can be deployed more strategically.

If you’re like many people embarking on this work for the first time, you know you need this research, but you’re unsure exactly what it is and how it happens. The big questions come first: How much will it cost? How long will it take? What should our assessment cover? And then a slew of smaller decisions follows: sampling frameworks, consent language, data storage protocols, translations, report length, format. These are the details that determine what your research actually enables when it’s done.

When anticipated, these questions and decisions can help you sharpen your goals. When they surface unexpectedly, they can derail timelines, expand scope, and add costs.

That’s why we’re launching a toolkit designed to help local funders and other ecosystem builders move through this process with more confidence and fewer surprises. It’s not a guide to research methods – there are great resources on that already, and we’ll share those. It’s an operational playbook that fills in the steps no one ever writes down – drawn from real projects, real questions, and patterns we’ve seen across the field.

I first entered this space as the project manager for the Press Forward South Florida ecosystem assessment, which brought me into conversation with the Local News Impact Consortium, ecosystem research vendors, Press Forward chapters, and others who had commissioned research like this. We swapped questions, progress updates, stumbling blocks, exciting insights, and lessons learned. 

As the same uncertainties and advice surfaced again and again, the Reynolds Journalism Institute and Local News Impact Consortium saw an opportunity: to document them and curate the resources that can help ecosystem builders answer them.

Think of this as the tactical guide you wish you’d had from day one — one that bridges the gap between understanding why you need an assessment and actually getting one done well.

What this resource is (and isn’t)

Let’s be clear, this isn’t meant to replace the array of resources already available on how to conduct various aspects of ecosystem assessments, nor is it a substitute for hiring an experienced vendor. Instead, it’s an operational bridge—a practical toolkit to move you from idea to execution with fewer unknowns and less guesswork.

This resource will include:

• Planning your research
  • Questions to ask yourself when setting your goals
  • An overview of different research methodologies and what types of insights each will yield

• Finding and managing vendors
  • A curated list of national ecosystem assessment vendors 
  • Advice on evaluating and working with local research vendors
  • Example RFPs you can adapt or borrow language from

• Budgeting + contracting
  • Price estimates for ecosystem research of various scale
  • A pressure-tested list of items to include in your contracts and agreements

It will be a vetted and thoroughly curated set of resources from across the field, organized in order of when you have to make each decision. This is perhaps the most important part of collecting all these resources in one place. I found out about a variety of great resources out there too late to incorporate them in my process. As a result, I made a lot of decisions the hard way – from scratch, through a lot of desk research and phone-a-friend moments. 

We’ll also be pressure-testing the toolkit with Press Forward Kansas City as they begin their assessment process, allowing us to refine the guidance in real time as they test it.

What to expect from this toolkit 

We’re developing these resources by talking directly with vendors, Press Forward chapters who’ve been through the process, and drawing on our own experiences supporting journalism innovation and local news infrastructure. 

The toolkit will be released in three parts, all accessible in one place:

• First installment This section will help with setting your research goals through hiring your vendor and developing a contract that covers all your bases.

• Second installment: A practical checklist for keeping your project on track once it’s underway, including common pitfalls to avoid and questions to ask at key milestones.

• Final installment: How to use your ecosystem assessment once it’s complete—because the research is only valuable if it informs action.

What type of research you need and which vendor is the best fit will vary, so we will be vendor-neutral and approach-flexible. But we are building this toolkit with two strong values about what an actionable information ecosystem assessment should include:

1. A catalog of information providers: A strong catalog isn’t just a spreadsheet — it’s a visibility and power map. Ideally, it’s public-facing, sortable, and includes information such as ownership structure, primary formats, and geographic or audience focus. It doesn’t have to be a huge undertaking. You can begin building one incrementally, even without a vendor, and we’ll share practical starting points and resources to make that possible.

2. A community information needs assessment: News that does not reflect community members’ greatest challenges is news that feels esoteric and irrelevant. Research-backed, representative insights into what community members need is one of the most valuable things you can offer the news and information providers in your remit. 

Why this toolkit is needed now 

Ecosystem assessments are genuinely valuable. They help you understand who’s producing news in your community, what gaps exist, where collaboration opportunities lie, and how to deploy resources strategically. When done well, they can kickstart transformative work.

Across conversations with dozens of chapters, we realized that the challenges weren’t about the research itself — they bubbled up in the decision making process when people lacked adequate context or expectations were mismatched.

Our goals are straightforward:

• Take some of the guesswork out of commissioning an assessment
• Help you navigate vendor selection and project management with confidence
• Eliminate unnecessary back-and-forth and mid-project adjustments that derail progress

The end state we’re aiming for? Research that happens on time, within your budget, and helps you identify and act on your community’s needs.

Stay tuned for the first installment at the end of January – and in the meantime, I am happy to discuss and share work-in-progress versions with chapters who need this information sooner than late January. You can reach me at ariel@arielzirulnick.com or book time during my office hours.

Why RJI and LNIC are supporting this effort 

The Reynolds Journalism Institute (RJI) at the Missouri School of Journalism empowers journalists with the knowledge, tools, and funding they need to strengthen the field through practical innovation. They are positioned at the intersection of research, training, and news innovation; uniquely suited to advance this work and help news organizations translate data and insight into tangible impact. 

RJI and the Missouri School of Journalism are also supporters of the Local News Impact Consortium, which is developing open-source research tools to help local chapters and newsroom founders conduct more effective, efficient, and actionable community research. Better research means better investment decisions, which means stronger local journalism for the communities that desperately need it.

Cite this article

Zirulnick, Ariel  (2025, Dec. 12). A new resource for taking the guesswork out of ecosystem research. Reynolds Journalism Institute. Retrieved from: https://rjionline.org/news/a-new-resource-for-taking-the-guesswork-out-of-ecosystem-research/

Incentivizing audience value

For years, news organizations have been doubling down on the “social good” argument in membership drives and subscription campaigns. They bank on a sense of civic responsibility to open people’s wallets. But it’s not working.

John S. Knight Journalism Fellow Eric Ulken, a former product lead at The Baltimore Banner, says it’s time to separate the journalism we like as professionals from the products people actually want to buy.

The distinction matters.

Pew Research notes that while 85% of Americans say local news is very or somewhat important to the well-being of their community, very few actually pay for it. The difference is personal utility.

Writing on his JSK Fellowship, Ulken argues that the number one factor in subscribers’ motivations is self-interest. He points to The Baltimore Banner’s 72,000 subscribers as evidence that a news organization can be “obsessively useful, not merely virtuous.”

The time to turn is now.

“Most nonprofits ask people to keep them alive. The smarter move is to invite them into an identity that helps build a future,” API’s Yoni Greenbaum recently wrote.

Value is an exchange, not a donation. If we want to grow our paid audiences, we need to look beyond meeting our fundraising goals and give people products that solve their problems.

News In Focus
Headlines, resources and events aligned with API’s four areas of focus.

Civic Discourse & Democracy

>> When federal might meets local resistance (Medill Local News Initiative)

The way local news mobilized to cover immigration raids across the country “is solutions journalism at its most essential,” writes Deborah D. Douglas, director of the Medill Midwest Solutions Journalism Hub. Her new Rapid Response Kit outlines how to report with facts, not fear, when federal agencies are no longer universally recognized as credible sources.

>> We spoke about safety at a dozen journalism conferences in 2025. Here’s what we learned. (PEN America)

This year, PEN America’s digital safety team trained more than 500 journalists at conferences across the country. They also listened to journalists’ needs and how they are coping with an increasingly hostile political landscape. One lesson the team learned: having safety experts available at industry conferences allows independent journalists, freelancers and hyperlocal newsrooms access to essential training they may not otherwise encounter.

—

Culture & Inclusion

>> What teen leaders want — and don’t want — from older allies (CoGenerate)

CoGenerate surveyed 26 teens on what it might look like to move beyond one-way mentorship models and toward partnerships where teens and older allies work side by side for change. Among their findings: involve teens in projects early on to go beyond including young people for optics and give them more decision-making power.

—

Community Engagement & Trust

>> Sharing yourself with our readers isn’t a ‘now or never’ proposition (Pittsburgh’s Public Source)

Seeking out and publishing first-person essays requires patience, workshopping and perseverance, but it’s always rewarding, writes Jamie Wiggan, deputy editor of Pittsburgh’s Public Source. He details how the essayists they’ve platformed this year — most of whom aren’t writers by trade — “have enriched and inspired our readers, building bridges across our city.”

—

Revenue & Resilience

>> Google announces AI deals with publishers (Press Gazette)

Google is partnering with news organizations around the world, including The Washington Post, to expand AI-powered components of Google News. The pilot program will produce AI-written article overviews, audio briefings and a tool that allows users to choose preferred news sources. The search engine also intends to increase the number of links in its AI mode results. Unlike other AI deals with newsrooms, these agreements are about payment, not licensing.

—

What else you need to know

📝 Instagram is generating headlines for Instagram posts that appear on Google Search results (404 Media)

📤 USA Today’s top editor departs, the second in less than two years (The New York Times)

⚕️ New York Times, after Trump post, says it won’t be deterred from writing about his health (Associated Press)

—

Weekend reads

+ The 2025 gift guide for journalists (Nieman Lab)

+ Why does A.I. write like…that? (The New York Times)

+ The connective tissue between us: Jennifer Brandel on building a more interconnected future (How We Future)

+ ICFJ Knight Fellowships: How hundreds of fellows helped transform global journalism (ICFJ)

+ Oprah changed what media could be — and how millions live their lives (Poynter)

The post Getting readers to pay for what they value appeared first on American Press Institute.

There’s no doubt about it at this point. President Donald Trump has great interest in what happens to CNN. CNN is a part of Warner Bros. Discovery. And, at the […]

The post Donald Trump’s mission to get CNN sold appeared first on Poynter.

President Donald Trump has often said that since he took office in January, the U.S. has received trillions of dollars in promises of investments, and the dollar amount he cites […]

The post Trump says the US secured at least $18 trillion worth of investments this year. That’s wrong appeared first on Poynter.

Ferramentas como o ChatGPT podem parecer falar a sua língua, mas na verdade falam uma linguagem de probabilidade e suposições fundamentadas. Você pode fazer-se entender melhor — e obter resultados mais profissionais — com algumas técnicas simples de prompting. Aqui estão as principais para adicionar ao seu kit de ferramentas (Este post foi traduzido do inglês original usando o Claude Sonnet 4.5 como parte de uma experiência. Por favor, avise-me se encontrar algum erro ou traduções incorretas).

Prompting de papel

O prompting de papel envolve atribuir um papel específico à sua IA. Por exemplo, você pode dizer “Você é um correspondente experiente de educação” ou “Você é o editor de um jornal nacional britânico” antes de delinear o que está a pedir que façam. Quanto mais detalhes, melhor.

Há pesquisas contraditórias sobre a eficácia do prompting de papel, mas no nível mais básico, fornecer um papel é uma boa maneira de garantir que você fornece contexto, o que faz uma grande diferença na relevância das respostas.

Isso não é apenas o contexto de um processo profissional (por exemplo, edição de notícias, jornalismo de saúde, etc.), mas também o público e a atitude que você pode estar a pedir à IA generativa que adopte.

Por exemplo, como as ferramentas de IA generativa são frequentemente excessivamente ansiosas para agradar, falam demais e carecem de uma abordagem crítica (mais sobre isso abaixo), você pode dar-lhes uma personalidade que reduza isso: “Você é um correspondente de saúde que é sempre cuidadosamente cético sobre qualquer informação que recebe”, por exemplo, pode ajudar a orientar a IA para sugestões mais críticas de ideias de matérias.

Prompting recursivo

O prompting recursivo simplesmente significa que você não se contenta com a primeira resposta que obtém da sua ferramenta de IA generativa. Em vez disso, você adiciona feedback em prompts subsequentes (“iteração”).

Se pediu um número de ideias, por exemplo, pode indicar qual delas atende mais de perto aos seus requisitos e pedir que gere mais como aquela.

Você também pode fornecer mais informações sobre o seu pedido se parecer que a IA não entende bem o que você quer dizer.

Ou se as respostas da IA tendem a ser mais longas do que você gostaria, pode iterar dizendo-lhe para ser mais sucinta nas suas respostas.

Uma consideração com o prompting recursivo, no entanto, é o impacto ambiental. Usar tentativa e erro para chegar a uma resposta adequada provavelmente será mais intensivo em energia do que eliminar problemas potenciais com um prompt mais cuidadosamente desenhado desde o início.

Prompting de zero exemplos, exemplo único e poucos exemplos

Se você pede a uma ferramenta de IA generativa para fazer algo sem mostrar um exemplo do que deseja, isso é chamado de ‘prompting de zero exemplos‘. Significa que você está a confiar inteiramente no conhecimento próprio da IA sobre o que pode ser significado por uma ‘matéria’ ou um ‘pitch’.

Fornecer exemplos do tipo de coisa que você quer que ela faça é chamado de prompting de exemplo único ou poucos exemplos (dependendo se você fornece um exemplo ou alguns). A técnica como um todo é chamada de prompting de n exemplos (o n significando ‘número’)

Para algo como pitches de matérias onde você quer que ela siga um template específico, um exemplo (prompting de exemplo único) pode ser suficiente.

O prompting de poucos exemplos é frequentemente usado para tarefas de classificação, ou onde você pode querer fornecer mais liberdade (como múltiplos exemplos do que você quer dizer com uma boa atualização nas redes sociais).

Geração Aumentada por Recuperação (RAG)

A força da IA — o facto de que os grandes modelos de linguagem (LLMs) foram treinados em milhões de linhas de texto — também pode ser a sua fraqueza. O ‘conhecimento’ num LLM é amplo mas também limitado: por exemplo, é improvável que saiba tanto sobre eventos recentes quanto sobre eventos mais antigos.

A Geração Aumentada por Recuperação — aumentar o prompt com informações específicas — é uma estratégia para lidar com isso. A plataforma de IA generativa Perplexity, por exemplo, usa-a para procurar informações relevantes e/ou recentes para melhorar a sua resposta.

Mas podemos ‘aumentar’ os nossos próprios prompts escolhendo incluir informações externas.

Um exemplo comum é a análise de documentos: em vez de pedir a um grande modelo de linguagem para gerar ideias para matérias sobre uma empresa, podemos carregar os seus relatórios anuais para ‘aumentar’ o seu conhecimento e direcionar a sua atenção. Ferramentas como o NotebookLM do Google são desenhadas especificamente para tais prompts aumentados por documentos.

Outro cenário onde o RAG pode ser útil é o jornalismo de dados: ao colar algumas linhas de dados, ou notas de acompanhamento sobre metodologia para ‘aumentar’ a sua compreensão, você pode ajudar a fundamentar o seu conhecimento num contexto factual mais específico. Especifique que não quer que ela realize nenhuma análise, no entanto, ou ela tentará entregar mais do que o pedido.

Carregar o guia de estilo de uma publicação seria outro exemplo de RAG — mas esta experiência sugere que não é muito eficaz.

Prompting de cadeia de pensamento (CoT)

Pedir a uma ferramenta de IA generativa para explicar o seu processo de pensamento (a sua “cadeia de pensamento“), bem como os resultados, pode melhorar esses resultados em certos cenários.

Na sua forma mais simples (zero exemplos), o CoT pode ser aplicado adicionando “Vamos pensar sobre isso passo a passo” ao seu prompt, mas no jornalismo é provável que você precise especificar uma certa estrutura pela qual quer que ela trabalhe.

Por exemplo, em vez de perguntar por que um problema pode existir, você pode pedir-lhe para usar a abordagem dos ‘5 Porquês‘ e explicar o seu raciocínio. Ou em vez de pedir-lhe para criar uma ideia para uma investigação, você pode explicar o método Story Based Inquiry ou o método SCAMPER e pedir-lhe para decompor o seu pensamento ao longo dessas linhas.

Você também pode delinear os passos que quer que sejam dados: por exemplo, para geração de ideias de reportagem você pode dizer:

Passe por cada um destes passos em ordem: 1: identifique quem é o seu público. 2: identifique quais são as suas necessidades de informação. 3: identifique potenciais géneros de reportagem que você pode escrever. 4: Crie 3 ideias para cada, e assim por diante.

Meta prompting

Se você está a lutar com a ‘página em branco’ de um prompt vazio, por que não pedir à própria IA para sugerir prompts? Isso é chamado de meta prompting.

Um meta prompt pode pedir à IA para desempenhar o papel de especialista em design de prompts e criar um prompt para ajudar a resolver um determinado problema ou questão.

Idealmente, você deve descrever como é um bom prompt. Você pode fornecer exemplos.

E sim, nesta fase estamos a ficar muito meta porque acabámos de descrever um processo que combina prompting de papel e prompting de exemplo único com meta prompting.

O meta prompting mais avançado pode envolver fazer com que a IA avalie prompts alternativos antes de identificar o melhor. Mas o meta prompting é talvez mais útil simplesmente como uma maneira rápida de começar. Depois, você pode usar o prompting recursivo para melhorar os resultados. Mas, tal como com o prompting recursivo, o meta prompting provavelmente será mais intensivo em energia do que criar prompts de forma independente.

Prompting negativo

Para obter o melhor da IA generativa, você precisa conter os seus piores instintos. Conhecemos os seus vieses e a sua tendência para alucinar, mas há também a sua tendência para ser excessivamente ansiosa, colocar um brilho positivo nas coisas e falar demais.

O prompting negativo é sobre o que não queremos que a IA faça. Aqui estão alguns exemplos:

• Ao longo desta conversa, não responda com nada além do âmbito do pedido
• Não tente agradar
• Não sugira quaisquer ações adicionais
• Evite a tendência de ser 'efusivo' e promocional. Permaneça cético e crítico.
• Não diga demais — seja sucinto.
• Não tente responder algo se não souber a resposta. Dê uma indicação de certeza ou incerteza para a sua resposta
• Não seja tendencioso. Tome medidas para abordar o facto de que o seu conhecimento reflete o viés dos seus dados de treino
• Não invente coisas. Tome medidas para abordar o facto de que tem uma tendência para alucinar material que não é verdadeiro.

Adicionar isso no início de uma conversa tem vários benefícios positivos. O mais óbvio é comprimento e velocidade: as respostas são muito menos prolixas e muito mais rápidas de ler. Também reduz a tendência inerente para excesso de alcance. E se você quer uma resposta realmente boa, tente este prompt de seguimento:

Atualize essa resposta na persona de um editor de jornal cético com anos de experiência a lidar com desinformação, mentirosos e vigaristas.