Video: Intervju med norsklærer Karense (Oktober 2024)
Jeg har brukt de siste flere kolonnene mine for å feire humanistiske kart. Jeg har trukket frem digitale prosjekter for visualisering av historie og litteratur samt de institusjonelle strukturer som opprettholder prosjektene. Deretter, ikke en uke etter publiseringen av min siste spalte, deltok jeg på et foredrag ved Columbia University som satte tvil om hele bedriften.
I foredraget: "Bør humanister bruke informasjonsvisualisering?", Johanna Drucker dekonstruerte kartleggingsprosjekter og advarte lærere mot å omfavne visualiseringsverktøy uten å forstå mekanikken deres. Foredraget hennes innviet en livskraftig samtale om hva som utgjør effektive visualiseringer, og hva literacies lærere og elever trenger å skaffe seg for å navigere i et voksende antall online ressurser og prosjekter.
Som Breslauer-professor i bibliografiske studier ved Institutt for informasjonsstudier ved UCLA, har Drucker bokstavelig talt skrevet boken om visualiseringer. I Graphesis: Visual Forms of Knowledge Production argumenterer hun for at de grafiske kunnskapsformene som er fremmet av smarttelefoner og datamaskiner, har formet brukernes forhold til informasjon; å forstå disse formene er å forstå hvordan de produserer kunnskap.
Ikke en til å avfeie heldige møter, kontaktet jeg professor Drucker og ba henne dele sin innsikt med PCMag-lesere. Jeg har valgt å beholde formen for intervjuet, slik at leserne kan se omfanget av samtalen vår og få tilgang til Druckers ikke-forbundne svar. Jeg inviterer leserne til å delta i samtalen via kommentartråden.
William Fenton: Hva gjør kart i humaniora?
Johanna Drucker: Kart er en rik del av kulturrekorden. De viser hvordan vi tenker på rom, nasjoner og trekk i de naturlige og kulturelle verdenene. De uttrykker vår forståelse av de romlige dimensjonene av opplevelsen, og de er fascinerende dokumenter i seg selv, fylt med historisk og sosial informasjon.
WF: Hvordan er kart i humaniora forskjellig fra, for eksempel, i naturvitenskapen?
JD: Selv om kart er veldig nyttige for å ta store mengder statistiske data og gjøre dem leselige, er disse skjermene basert på modeller for kunnskap som noen ganger er antitetisk for humanistisk arbeid. Et levende eksempel på dette kan være bruk av standard tidslinjer. Svært få romaner, filmer eller andre estetiske arbeider følger en ensrettet eller lineær flyt. Å kartlegge "temporality" - relasjonell tid - krever subtile verktøy, de som oppstår fra en erfaringsbasert tilnærming til tid. Det ville være vanskelig å forestille seg å kartlegge Remembrance of Things Past på en naturlig historie tidslinje ment å spore avlsyklusene til fruktfluer!
WF: Åpner blenderåpningen, hva trenger humanister å vite for å bruke visualiseringer mer effektivt?
JD: Husk at Digital Humanities-prosjekter har tatt i bruk mange informasjonsvisualiseringsverktøy fra andre felt. Søylediagrammer, spredningsdiagrammer, nettverksdiagrammer og andre standardmetoder for å vise kvantitativ informasjon har sin opprinnelse i naturvitenskap eller samfunnsvitenskap.
For å bruke visualiseringer effektivt, trenger humanister å vite mer om hvordan data blir produsert og hva skjermalgoritmene er i visualiseringene de passer. Hva genererer den romlige relasjonen mellom noder i et nettverksskjema? Hvordan ble "dataene" i et bilde samlet eller konstruert? Hva er de statistiske modellene som er nødvendige for å forstå et bilde av data?
WF: Hvilke spørsmål bør leserne stille om visualiseringer?
JD: Vi bør stille de samme grunnleggende spørsmålene vi bruker for å studere en hvilken som helst gjenstand: Hvem har laget det, hvordan, når, hvor og med hvilke forutsetninger? All kunnskap er bygget på visse forutsetninger og verdier. Det er viktig å lære å lese de formelle egenskapene til visualiseringer. Det er like viktig å lære å dekode verdisystemet som egenskapene ble produsert på. Hvis min forståelse av astronomi bygger på troen på at alle himmelske kropper må, ved guddommelig design, bevege seg i perfekte sirkler, kommer modellen til himmelmekanikken å følge disse forutsetningene. Det vil også visualiseringene mine.
WF: I den nylige samtalen din i Columbia ba du om semantisk meningsfulle visualiseringer. Hva gjør et kart semantisk meningsfylt? Hvordan kan en semantisk meningsfull visualisering se ut?
JD: Når jeg snakker om semantikken i grafikk, gestikulerer jeg mot feltet av visuell kunnskap. Den store franske semiotikeren av kart, Jacques Bertin, identifiserte syv grafiske variabler: farge, tone, størrelse, form, tekstur, orientering og posisjon. Han viste at grafisk visning kunne bruke disse systematisk (for eksempel kan farge være symbolsk). Felles utdanning introduserer sjelden grunnleggende kunnskaper om grafisk meningsproduksjon. Tenk på noe så grunnleggende som skillet mellom sammenstilling av to objekter og et hierarki av det ene på toppen av det andre - semantikken til disse to er radikalt forskjellige. Sammenstilling innebærer paritet i stedet for hierarki.
Å lære å lese de grunnleggende egenskapene til grafikk føles stadig mer presserende gitt den eksponentielle økningen i visuelle virkemidler for kunnskapsproduksjon og distribusjon. Vi mottar en enorm mengde informasjon og kommunikasjon i skjermmiljøer, men vi slutter aldri å lese disse som strukturerte eller strukturerende rom. Vi pauser ikke iPhonene våre og funderer på "kunnskapsmodellen" som er kodet i den grafiske utformingen! Men ville vi vite hvordan vi kan lese den modellen hvis du blir utfordret? Det er kjernen i problemet.
WF: Jeg tror en del av problemet er at hvis et verktøy er enkelt å bruke, er det lokkende å tro at det er gjennomsiktig i driften. Jeg tenker på Google Ngrams, som jeg skal tilstå å bruke i undervisningen. Hva er galt med Ngrams?
JD: Google Ngrams skjuler basene de er laget på, for det første. Hvis en Ngram for eksempel sporer bruken av et ord mellom 1800 og 1950, viser det meg antallet forekomster og eller prosentvise forekomster? Og hvilken prosentandel av publiserte arbeider i løpet av et år er i Google? Så bare for å begynne, vet vi ikke helt hva tallverdiene i Ngram representerer statistisk. Vi vet heller ikke hvordan algoritmen samsvarer med begrepet som søkes. Et strengsøk på ordet "gud" kan gå glipp av alle referanser til guddommelig tilstedeværelse i romantisk poesi om naturen. Jeg tror at vi må ha en måte å se prosessen med en Ngrams produksjon, ikke bare resultatet.
Når noen først lager et Ngram, presenterer de det som om det var de faktiske fenomenene. "Se, begrepet gud er populært i denne perioden og ikke i det." I stedet skal de si "Google-korpuset indeksert av søkealgoritmene viser denne eller den statistiske økningen i prøvesettet." Å feile skjermen for kilden er en klassisk feil i visualiseringen. Jeg kaller dette "bekreftelse av feilinformasjon."
WF: Kan du anbefale Ngrams alternativer? Hvis ikke, hvordan kan jeg bruke Ngrams mer ansvarlig?
JD: I et prosjekt som Visualizing Emancipation, som du siterte nylig, gir de en kortfattet og kjent referanseramme som du kan vise mye informasjon på. Standard mantraet i informasjonsvisualisering er at mønstre i store datasett blir leselige i visualiseringer, og det er absolutt tilfelle i dette prosjektet, der vi kan se Union Army-lokasjoner, en frigjøringshendelser og et overlegg av regionene der slaveriet var og var ikke lovlig på noe gitt tidspunkt mellom 1. januar 1861 og 31. desember 1865. Som et oversiktsverktøy er verket fabelaktig - leselig og kortfattet. Men det som virkelig er nyttig, er grensesnittet som kobler datapunktene på kartet til kildene deres, samt kategoriene som brukes av datamodelleringsteamet.
Hvor det blir vanskelig, er at en funksjon som hetekartet er villedende. Hendelsenes intensitet og sosiale spenninger var sannsynligvis ikke en kontinuerlig romlig gradient, men et spørsmål om pigger, feillinjer, følelsesvektorer. Vi har veldig få måter å vise slik informasjon på - eller å vise hvordan hendelser former rom. Til og med et prosjekt som er så sofistikert som dette (og det er forbilledlig), viser grensene for å bruke et eksisterende kart som et underlag å feste referansepinner (eller overlegg) til. Når du er i krig med en bror eller nabo, har grensen mellom tilstøtende eiendommer en annen valens enn en som ikke er belastet med følelser.
Affektiv kartlegging skaper plass; den antar ikke kartlagt plass som en a priori gitt. Leserne kan være eller ikke interessert i de filosofiske debattene om "ikke-representative" tilnærminger til geografi. Men arbeidet til Nigel Thrift og andre antyder at erfaring lager plass, og dette er grunnleggende humanistisk. Tenk på de fantastiske passasjene i James Joyces Ulysses - eller Homers Odyssey . Er det fornuftig å kartlegge disse bokstavelig talt?
WF: Hvis minnet tjener, berømmet du Ben Frys The Preservation of Favored Traces, en visualisering jeg også anbefalte i en forrige kolonne. Hva liker du med Frys visualisering?
JD: Ben Fry bruker databehandling for å lage et datasett med sammenligninger som ingen mennesker kunne sammenstille uten disse verktøyene. Så lager han en visualisering som er et utgangspunkt for forskning. Bildet er ikke sluttpunktet, men del av en større utredningsprosess. Et av de beste institusjonelle initiativene, NEHs Digging in Data- bevilgninger, fremmet denne typen arbeid. Målet var å bruke visualiseringsverktøy (blant andre) for å søke i store skala av humaniora-materialer på en måte som ville skape forskningsspørsmål.
WF: Din institusjon, UCLA, er noe av en visjonær visualisering. Hypercities var et av de første prosjektene jeg møtte, og jeg bruker det fremdeles i klasser. Er det noen andre UCLA-prosjekter som leserne burde vite om?
JD: Jeg tror Hypercities og Seeing Sunset, to UCLA-prosjekter, begge prøver å vekke oppmerksomhet til den historiske informasjonen i kartene selv. Å tenke på hvordan man lager romlige verktøy basert på eldre kart, slik at vi ikke lager anakronistiske anslag (de som er basert på samtidige beregninger snarere enn historiske forståelser), er en utfordring du må stå foran. Å respektere fortidens kulturelle annerledeshet er avgjørende hvis vi skal bruke kart, diagrammer, grafikk, diagrammer som korrekte på sine egne premisser, selv når de representerer en modell av verden eller kosmos eller vitenskapelig forståelse som har endret seg. Mye mye mer kan sies om alt dette, men prinsippet er at historisk informasjon må tas på egne premisser.
WF: Hva er det neste for humanistiske visualiseringer?
JD: Vi trenger subtile, mer komplekse, mer lagdelte og mer livssykluser og kulturspesifikke visualiseringer. Disse visualiseringene er fremdeles langt unna, tror jeg, siden de vil kreve å lage ikke-standard beregninger og datamodeller som ikke er avhengige av kartesiske prinsipper, men affektive, fremvoksende og medavhengige datamodeller. Hvordan lager du tidslinjer som er basert på erfaring, ikke klokketid? Lage diagrammer som vektlegger dataene etter emosjonell verdi? Viser de ugjennomtrengelige forskjellene på tvers av kulturelle rommodeller? Legge ned ideologiske verdisystemer i beregningene for slik forskjell?
Har du noen som vil gjøre dette? Jeg er alltid interessert i fantasifulle partnere.
