Video: Retkisuunnistamisen ABC (myös eranto) (Lokakuu 2024)
Olen viettänyt useita viimeisiä sarakkeitasi juhlimalla humanistisia karttoja. Olen korostanut digitaalisia projekteja historian ja kirjallisuuden visualisoimiseksi sekä instituutiorakenteita, jotka ylläpitävät näitä projekteja. Sitten, ei viikon kuluttua viimeisen sarakkeeni julkaisemisesta, kävin Columbian yliopistossa luennolla, joka herätti epäilyjä koko yrityksestä.
Johanna Drucker diskontoi puheessaan "Pitäisikö humanistien käyttää informaatiovisuaalisuuksia?" Kartoitusprojekteja ja varoitti kouluttajia visualisointityökalujen tarttumisesta ymmärtämättä niiden mekaniikkaa. Hänen puheensa aloitti mielenkiintoinen keskustelu siitä, mikä on tehokasta visualisointia ja mitä lukutaidot opettajien ja oppijoiden täytyy hankkia navigoidakseen kasvavassa verkossa olevien resurssien ja projektien joukossa.
Drucker on UCLA: n informaatiotutkimuksen laitoksen bibliografisen tutkimuksen Breslauer-professori kirjoittanut kirjaimellisesti kirjaan visualisointiteoksen. Grafiikassa: Tietojen tuotannon visuaaliset muodot hän väittää, että älypuhelimien ja tietokoneiden edistämät tiedon graafiset muodot ovat muokanneet käyttäjien suhteita tietoon; näiden muotojen ymmärtäminen on ymmärtää, kuinka ne tuottavat tietoa.
En halua hylätä onnistuneita kohtaamisia, otin yhteyttä professori Druckeriin ja pyysin häntä jakamaan oivalluksensa PCMag-lukijoiden kanssa. Olen päättänyt säilyttää haastattelun muodon, jotta lukijat voivat nähdä keskustelun laajuuden ja tutustua Druckerin lyömättömiin vastauksiin. Kutsun lukijoita liittymään keskusteluun Kommentit-ketjun kautta.
William Fenton: Mitä kartat tekevät humanistisissa tieteissä?
Johanna Drucker: Kartat ovat rikas osa kulttuuritallennetta. Ne osoittavat, kuinka ajattelemme tilaa, kansakuntia ja luonnon- ja kulttuurimaailman piirteitä. He ilmaisevat ymmärryksemme kokemuksen alueellisista ulottuvuuksista ja ovat itsessään kiehtovia asiakirjoja, täynnä historiallista ja sosiaalista tietoa.
WF: Miten humanististen tieteiden kartat eroavat esimerkiksi luonnontieteiden karttoista?
JD: Vaikka kartat ovat erittäin hyödyllisiä suurten määrien tilastotietojen ottamiseksi ja niiden luettavuuden tekemiseksi, nämä näytöt perustuvat tietomalleihin, jotka ovat joskus humanistisen työn vastaisia. Kirkas esimerkki tästä voi olla vakioaikataulujen käyttö. Hyvin harvat romaanit, elokuvat tai muut esteettiset teokset seuraavat yksisuuntaista tai lineaarista virtausta. "Ajallisuuden" kartoittaminen - suhteellinen aika - vaatii hienompia työkaluja, jotka syntyvät kokemukseen perustuvasta ajantasaisesta lähestymistavasta. Olisi vaikea kuvitella, miten muistettaisiin asioita menneisyydestä luonnonhistorian aikajanaan, joka tarkoitti hedelmäkärpästen jalostussyklien seuraamista!
WF: Aukon avaaminen, mitä humanistien on tiedettävä käyttääkseen visualisointeja tehokkaammin?
JD: Muista, että Digital Humanities -projektit ovat ottaneet käyttöön monia tiedon visualisoinnin työkaluja muilta aloilta. Pylväskaaviot, sirontakaaviot, verkkokaaviot ja muut standardimenetelmät kvantitatiivisen tiedon näyttämiseksi ovat peräisin luonnontieteistä tai yhteiskuntatieteistä.
Jotta visualisointeja voidaan käyttää tehokkaasti, humanistien on tiedettävä enemmän siitä, miten data tuotetaan ja mitkä näyttöalgoritmit ovat sopivissa visualisoinneissa. Mikä muodostaa verkkokaavion solmujen välisen alueellisen suhteen? Kuinka kuvan "tiedot" kerättiin tai rakennettiin? Mitä tilastollisia malleja tarvitaan kuvan kuvan ymmärtämiseksi?
WF: Mitä kysymyksiä lukijoiden tulisi kysyä visualisoinneista?
JD: Meidän pitäisi kysyä samat peruskysymykset, joita käytämme minkä tahansa esineen tutkimiseen: Kuka teki sen, miten, milloin, missä ja millä oletuksilla? Kaikki tieto perustuu tiettyihin oletuksiin ja arvoihin. Oppiminen lukemaan visualisointien muodolliset ominaisuudet on välttämätöntä. Yhtä tärkeää on oppia purkamaan arvojärjestelmä, jolla nuo ominaisuudet on tuotettu. Jos ymmärrykseni tähtitiedestä perustuu siihen uskoon, että kaikkien taivaallisten vartalojen on jumalallisen suunnittelun perusteella liikuttava täydellisissä piireissä, taivaallisen mekaniikan mallini aikoo seurata näitä oletuksia. Niin myös visualisointini.
WF: Äskettäisessä puheessasi Columbiassa kehotit semanttisesti merkityksellisiä visualisointeja. Mikä tekee kartasta semanttisesti merkityksellisen? Miltä semanttisesti tarpeeton visualisointi voisi näyttää?
JD: Kun puhun grafiikan semantiikasta , elehdin visuaalisen tiedon kentälle. Suuri ranskalainen karttosemiootti Jacques Bertin yksilöi seitsemän graafista muuttujaa: väri, sävy, koko, muoto, rakenne, suunta ja sijainti. Hän osoitti, että graafinen näyttö voi käyttää niitä systemaattisesti (esimerkiksi väri voi olla symbolinen). Yhteinen koulutus antaa harvoin perustiedot graafisen merkityksen tuotannosta. Ajattele jotain niin perustana olevaa kuin ero kahden objektin rinnan ja toisen hierarkian välillä - näiden kahden semantiikka on radikaalisti erilainen. Rinnankytkentä merkitsee pariteettia hierarkian sijasta.
Grafiikan perusominaisuuksien lukemisen oppiminen tuntuu yhä kiireellisemmältä, kun otetaan huomioon tiedon tuottamisen ja jakelun visuaalisten välineiden eksponentiaalinen lisääntyminen. Saamme valtavan määrän tietoa ja viestintää näyttöympäristöissä, mutta emme koskaan lopeta lukea näitä rakenteellisina tai jäsentävinä tiloina. Emme keskeytä iPhoneitamme ja pohdimme graafisessa asettelussa koodattua "tietomallia"! Mutta tietäisimmekö kuinka lukea tuon mallin, jos se haastetaan? Se on asian ydin.
WF: Mielestäni osa asiasta on, että jos työkalua on helppo käyttää, on houkuttelevaa ajatella, että se on läpinäkyvä toiminnassaan. Ajattelen Google Ngramsia, jonka tunnustan käyttävän opetuksessani. Mitä vikaa Ngramsilla on?
JD: Google Ngrams piilottaa aloittelijoille perusta, jolla ne tehdään. Jos Ngram seuraa esimerkiksi sanan käyttöä vuosien 1800 ja 1950 välillä, näyttääkö se minulle esiintymisten lukumäärän ja / tai prosentuaalisen määrän tapahtumia? Ja kuinka suuri prosenttiosuus julkaistuista teoksista vuonna on Googlessa? Joten, aluksi, emme tiedä oikeasti, mitä Ngramin numeeriset arvot edustavat tilastollisesti. Emme myöskään tiedä kuinka algoritmi vastaa etsittävää termiä. Merkkijonohaku sanasta "jumala" saattaa unohtaa kaikki viittaukset jumalalliseen läsnäoloon romanttisessa runoudessa luonnosta. Mielestäni meillä on oltava tapa nähdä Ngramin tuotantoprosessi, ei vain tulos.
Lisäksi kun joku tekee Ngramin, he esittävät sen ikään kuin se olisi todellisia ilmiöitä. "Katso, termi jumala on suosittu tänä aikana, ei siinä." Sen sijaan heidän pitäisi sanoa "Heidän hakualgoritmiensa indeksoima Google-korpus näyttää tämän tai kyseisen tilastollisen lisäyksen otosjoukossa". Lähteen näytön virheellisyys on klassinen virhe visualisoinnissa. Kutsun tätä "väärien tietojen reificationksi".
WF: Voitko suositella Ngrams-vaihtoehtoja? Jos ei, kuinka voin käyttää Ngramsia vastuullisemmin?
JD: Hiljattain mainitsemassasi projektissa, kuten Visualizing Emancipation, ne tarjoavat tiiviin ja tutun viitekehyksen, jolla voidaan näyttää paljon tietoa. Tietojen visualisoinnin standardimantra on, että suurten tietojoukkojen kuviot tulevat luettaviksi visualisoinneissa, ja tämä on ehdottomasti tilanne tässä projektissa, jossa voimme nähdä unionin armeijan sijainnit, vapautustapahtumat ja päällekkäisyyden alueista, joilla orjuus oli ja oli ole laillinen missään vaiheessa tammikuun 1 1861 ja 31 päivän joulukuuta 1865 välisenä aikana. Yleiskatsausvälineenä teos on upea - luettavissa ja tiivis. Mutta mikä on todella hyödyllistä, on käyttöliittymä, joka yhdistää kartan datapisteet niiden lähteisiin, samoin kuin tietomallinnusryhmän käyttämät luokat.
Mistä se tulee hankalaa, on se, että lämpökartan kaltainen ominaisuus on petollinen. Tapahtumien intensiteetti ja sosiaaliset jännitteet eivät todennäköisesti olleet jatkuvaa tilagradienttia, vaan piikkien, vikaviivojen, tunnevektoreiden kysymys. Meillä on hyvin vähän tapoja näyttää tällaista tietoa tai osoittaa, kuinka tapahtumat muotoilevat tilaa. Jopa niin hienostunut projekti (ja se on esimerkillinen), osoittaa olemassa olevan kartan käytön rajoitukset kentällä, johon referenssitapit voidaan kiinnittää (tai päällekkäin). Kun olette sodassa veljen tai naapurin kanssa, vierekkäisten kiinteistöjen rajarajaan liittyy erilainen valenssi kuin sellaiseen, jota ei lataa tunne.
Vaikuttava kartoitus luo tilaa; se ei sisällä kartattua tilaa ennakolta annettuna. Lukijasi saattavat olla kiinnostuneita filosofisista keskusteluista "ei-edustavista" lähestymistavoista maantieteessä. Mutta Nigel Thriftin ja muiden työ osoittaa, että kokemus tekee tilaa, ja tämä on pohjimmiltaan humanistista. Ajattele upeita kohtia James Joycen Ulisssissa - tai Homerin Odysseiassa . Onko järkevää kartoittaa nämä kirjaimellisesti?
WF: Jos muisti palvelee, kiitit Ben Fryn suosimien jälkien säilyttämistä, visualisointia, jota suosittelin myös edellisessä sarakkeessa. Mitä pidät Fryn visualisoinnista?
JD: Ben Fry käyttää laskennallista prosessointia luomaan vertailutietojoukon, jota kukaan ihminen ei pystyisi koota ilman näitä työkaluja. Sitten hän luo visualisoinnin, joka on lähtökohta tutkimukselle. Kuva ei ole päätepiste, vaan osa suurempaa tutkimusprosessia. Yksi parhaista institutionaalisista aloitteista, NEH: n Digging in Data -apurahat, edisti tällaista työtä. Tavoitteena oli käyttää visualisointityökaluja (muun muassa) humanististen aineiden laajamittaisten korporaatioiden etsimiseen tavalla, joka aiheuttaisi tutkimuskysymyksiä.
WF: Laitoksesi, UCLA, on jotain visualisoinnin visionääriä. Hypercities oli yksi ensimmäisistä havaitsemani projekteista, ja käytän sitä edelleen luokissa. Onko muita UCLA-projekteja, joista lukijoiden tulisi tietää?
JD: Mielestäni Hypercities ja Seeing Sunset, kaksi UCLA-hanketta, yrittävät molemmat kiinnittää huomiota karttojen historialliseen tietoon. Ajattelu siitä, miten luodaan tilatyökaluja vanhojen karttojen perusteella, joten emme tee anaakronistisia ennusteita (ne, jotka perustuvat nykyaikaisiin mittareihin eikä historiallisiin käsityksiin), on edessä oleva haaste. Menneisyyden kulttuurisen muinalaisuuden kunnioittaminen on välttämätöntä, jos aiomme käyttää karttoja, kaavioita, grafiikoita, kaavioita oikein omilla ehdoillaan, jopa kun ne edustavat mallia maailmasta tai kosmosta tai tieteellistä ymmärrystä, joka on muuttunut. Kaikesta tästä voidaan sanoa paljon enemmän, mutta periaatteena on, että historialliset tiedot on otettava omin ehdoin.
WF: Mitä seuraavaksi humanistisiin visualisointeihin tehdään?
JD: Tarvitsemme hienompia, monimutkaisempia, kerroksellisempia ja enemmän elinkaaren ja kulttuurikohtaisia visualisointeja. Nämä visualisoinnit ovat mielestäni vielä kaukana, koska ne edellyttäisivät epästandardien mittareiden ja datamallien luomista, jotka eivät vedota Cartesian periaatteisiin, mutta afektiivisiin, syntyviin ja rinnakkain riippuvaisiin datamalleihin. Kuinka luoda aikatauluja, jotka perustuvat kokemukseen, eivät kellonaikaan? Luo kaavioita, jotka painottavat tietoja emotionaalisen arvon perusteella? Näyttääkö verrattomat erot avaruuden kulttuurimallien välillä? Upotetaan ideologiset arvojärjestelmät tällaisen eron mittareihin?
Onko sinulla ketään, joka haluaa tehdä tämän? Olen aina kiinnostunut kekseliäisistä kumppaneista.
