КОД: Красный — медиа, которое объясняет, какие редкие виды живут рядом с вами и как себя вести, если вы с ними встретились.
Источники данных
Фундаментальные источники:
Официальный сайт Минприроды России (раздел «Красная книга») . Что берем: Актуальный перечень видов, занесенных в Красную книгу РФ (Приказ № 162 от 24.03.2020), изменения статусов (например, перевод журавля-красавки в категорию 1). Для чего: Все рубрики. Это единственный легитимный источник для фразы «Этот вид под охраной государства».Красная книга России (электронная версия / справочные порталы) . Что берем: Описание вида, ареал, лимитирующие факторы, категория редкости. Для чего: «Краснокнижник дня» (фактура), «Миф или факт» (проверка утверждений).Региональные Красные книги (сайты администраций / минэкологии субъектов). Что берем: Локальные списки видов, которые не в федеральной книге, но охраняются в конкретном регионе. Для чего: Рубрика «Мой регион» (основной источник).Научные и экспертные источники (для фактчекинга и глубоких постов)
Базы данных особо охраняемых природных территорий (ООПТ) и заповедников. Что берем: Списки видов, обитающих на конкретных территориях, данные фотоловушек, истории реабилитации конкретных животных. Для чего: «Герои возвращения» (реальные кейсы зубров, переднеазиатских леопардов), «Встретил в природе» (уточнение поведения зверей в конкретной местности).Научные публикации и базы по ареалам (например, GIS-системы WWF / «Фаунистика»). Что берем: Интерактивные карты местообитаний редких видов. Для чего: Визуализация для видео («Вот точка на карте, где живет этот зверь»). Помогает в рубрике «Мой регион» показывать ареал.Оперативные и пользовательские источники (для вовлечения и «живого» контента)
iNaturalist (глобальная платформа гражданской науки) . Что берем: Геолокации встреч с редкими видами, подтвержденные сообществом. Это «сырые» данные от людей, которые уже встретили животное. Для чего: «Встретил в природе» (реальные сценарии: «вот здесь человек встретил змею, что он сделал»), «Мой регион» (краудсорсинг: «присылайте свои наблюдения»). Этот источник требует перепроверки, так как он неофициальныйСводки Росприроднадзора и центров реабилитации. Что берем: Статистику изъятия краснокнижных животных, истории спасения. Для чего: «Герои возвращения» (статистика спасенных), «Что может каждый» (куда звонить, если нашел раненое животное).Разделение обязанностей между машиной и человеком в производстве контента
Машина делает черную работу- собирает, сортирует и генерирует. Человек делает умную работу- проверяет, объясняет и несет ответственность за безопасность контента
Этап 1. Сбор и агрегация данных (Машинная обработка)
Шаг 1.1. Парсинг источников. Скрипт-парсер автоматически собирает сырые данные из баз (Минприроды, iNaturalist, сводки центров реабилитации). Система отслеживает обновления статусов видов и новые пользовательские наблюдения. Шаг 1.2. Сортировка и тегирование. Машина автоматически раскладывает собранные данные по рубрикам (например, наблюдение из iNaturalist падает в папку «Мой регион»), присваивает виду теги и формирует базовую карточку (название, статус, регион).Этап 2. Фактчекинг и экспертиза (Человеческая обработка)
Шаг 2.1. Верификация данных. Редактор проверяет сырые данные от машин. Отсеивает ложные наблюдения с iNaturalist, сверяет статус вида с актуальной Красной книгой (федеральной или региональной). Шаг 2.2. Проверка алгоритмов безопасности. Эксперт (или сам редактор) проверяет инструкции для рубрики «Встретил в природе»: убеждается, что советы по поведению при встрече с диким животным (например, «три шага назад» или «не трогать птенца») экологически корректны и безопасны для человека.Этап 3. Генерация и подготовка контента (Смешанная обработка)
Шаг 3.1. Создание черновика (Машина). Нейросеть (LLM) получает верифицированный факт и генерирует черновой текст поста по заданному шаблону. Генератор изображений (Midjourney/DALL-E) создает фоновый визуал по прописанному промту. Шаг 3.2. Смысловая редактура (Человек). Редактор переписывает «роботизированный» текст нейросети, добавляет эмпатию, убирает канцеляризмы. Главная задача — сделать текст живым, но сохранить точность фактов.Этап 4. Адаптация под платформы (Смешанная обработка)
Шаг 4.1. Автоматическая нарезка (Машина). Алгоритмы автоматически нарезают готовый текст на короткие титры для видео (Reels/Shorts) и верстают карусель для Telegram. Шаг 4.2. Визуальная сборка и контроль (Человек). Дизайнер/редактор проверяет наложенный текст на видео (чтобы не перекрывал важные детали кадра), проверяет читаемость шрифтов и утверждает финальный вид поста перед публикацией.Этап 5. Пост-модерация и обратная связь (Человеческая обработка)
Шаг 5.1. Модерация комментариев. Человек отвечает на комментарии подписчиков, собирает новые пользовательские фото для рубрики «Мой регион». Шаг 5.2. Обновление базы (Машина). Отобранные и одобренные человеком факты и кейсы попадают обратно в базу данных проекта для формирования архива.Гайдлайны для автоматизированных сервисов (в схеме)
Исходный размер 1733x962




