Humanisering af kort: et interview med johanna drucker

Jeg har brugt mine sidste flere kolonner på at fejre humanistiske kort. Jeg har fremhævet digitale projekter til visualisering af historie og litteratur samt de institutionelle strukturer, der opretholder disse projekter. Derefter, ikke en uge efter offentliggørelsen af ​​min sidste søjle, deltog jeg på et foredrag på Columbia University, der rejste tvivl om hele virksomheden.

I sin tale, "Bør humanister bruge informationsvisualiseringer?", Johanna Drucker dekonstruerede kortlægningsprojekter og advarede undervisere mod at omfavne visualiseringsværktøjer uden at forstå deres mekanik. Hendes tale indviede en livlig samtale om, hvad der udgør effektive visualiseringer, og hvilke literacies, som undervisere og studerende har brug for at få for at navigere i et voksende antal online ressourcer og projekter.

Som Breslauer-professor i bibliografiske studier på Institut for Informationsstudier ved UCLA, har Drucker bogstaveligt talt skrevet bogen om visualiseringer. I Graphesis: Visual Forms of Knowledge Production argumenterer hun for, at de grafiske former for viden, der fremmes af smartphones og computere, har formet brugernes forhold til information; at forstå disse former er at forstå, hvordan de producerer viden.

Ikke en til at afvise heldige møder, jeg kontaktede professor Drucker og bad hende om at dele hendes indsigt med PCMag-læsere. Jeg har valgt at beholde formen for interviewet for at give læserne mulighed for at se omfanget af vores samtale og få adgang til Druckers ubemærkede svar. Jeg inviterer læsere til at deltage i samtalen via kommentaretråden.

William Fenton: Hvad laver kort inden for humaniora?

Johanna Drucker: Kort er en rig del af den kulturelle rekord. De viser, hvordan vi tænker på rum, nationer og træk i de naturlige og kulturelle verdener. De udtrykker vores forståelse af de rumlige dimensioner af oplevelsen, og de er fascinerende dokumenter i deres egen ret fyldt med historisk og social information.

WF: Hvordan adskiller kort i humaniora sig fra f.eks. Kortene inden for naturvidenskab?

JD: Mens kort er meget nyttige til at tage store mængder statistiske data og gøre dem læselige, er disse skærme baseret på modeller af viden, der undertiden er antithetisk for humaniora-arbejde. Et levende eksempel på dette kan være brugen af ​​standard tidslinjer. Meget få romaner, film eller andre æstetiske værker følger en ensrettet eller lineær strømning. Kortlægning af "midlertidighed" - relationel tid - kræver subtile værktøjer, værktøjer, der stammer fra en oplevelsesbaseret tilgang til tid. Det ville være svært at forestille sig at kortlægge Hukommelsen af ​​tingene fortid på en naturhistorisk tidslinje beregnet til at spore avlscyklussen for frugtfluer!

WF: Åbning af blænden, hvad har humanister brug for at vide for at bruge visualiseringer mere effektivt?

JD: Husk, at Digital Humanities-projekter har brugt mange informationsvisualiseringsværktøjer fra andre områder. Søjlediagrammer, spredningsdiagrammer, netværksdiagrammer og andre standardmetoder til visning af kvantitativ information har deres oprindelse i naturvidenskab eller samfundsvidenskab.

For at bruge visualiseringer effektivt skal humanister vide mere om, hvordan data produceres, og hvad skærmalgoritmerne er i de visualiseringer, de passer til. Hvad genererer den rumlige relation mellem knudepunkter i et netværksdiagram? Hvordan blev "data" i et billede samlet eller konstrueret? Hvad er de statistiske modeller, der er nødvendige for at forstå et billede af data?

WF: Hvilke spørgsmål skal læserne stille til visualiseringer?

JD: Vi bør stille de samme grundlæggende spørgsmål, som vi bruger til at undersøge enhver artefakt: Hvem lavede det, hvordan, hvornår, hvor og med hvilke antagelser? Al viden er baseret på visse antagelser og værdier. At lære at læse de formelle egenskaber ved visualiseringer er afgørende. At lære at afkode det værdisystem, som disse egenskaber blev produceret på, er lige så vigtigt. Hvis min forståelse af astronomi bygger på troen på, at alle himmelske kroppe ved guddommelig design skal bevæge sig i perfekte cirkler, vil min model for himmelmekanik følge disse antagelser. Det gør mine visualiseringer.

WF: I din for nylig tale i Columbia opfordrede du til semantisk meningsfulde visualiseringer. Hvad gør et kort semantisk meningsfuldt? Hvordan kan en semantisk ubetydelig visualisering se ud?

JD: Når jeg taler om grafikens semantik, bevæges jeg mod området visuel viden. Den store franske semiotiker af kort, Jacques Bertin, identificerede syv grafiske variabler: farve, tone, størrelse, form, struktur, orientering og placering. Han viste, at grafisk display kunne bruge disse systematisk (for eksempel kan farve være symbolsk). Almindelig uddannelse introducerer sjældent grundlæggende viden om produktion af grafisk betydning. Tænk på noget så grundlæggende som sondringen mellem sammenstilling af to objekter og et hierarki af det ene oven på det andet - semantikken for disse to er radikalt forskellige. Sammenlægning indebærer paritet i stedet for hierarki.

At lære at læse de grundlæggende egenskaber ved grafik føles mere presserende i betragtning af den eksponentielle stigning i visuelle midler til videnproduktion og distribution. Vi modtager en enorm mængde information og kommunikation i skærmmiljøer, men vi stopper aldrig for at læse disse som strukturerede eller strukturerende rum. Vi sætter ikke vores iPhones på pause og overvejer "videnmodellen", der er kodet i det grafiske layout! Men ville vi vide, hvordan man læser den model, hvis den udfordres? Det er kernen i problemet.

WF: Jeg tror, ​​en del af problemet er, at hvis et værktøj er let at bruge, er det lokkende at tro, at det er gennemsigtigt i dets drift. Jeg tænker på Google Ngrams, som jeg må erkende at bruge i min undervisning. Hvad er der galt med Ngrams?

JD: Google Ngrams skjuler de baser, hvorpå de er lavet, til at begynde med. Hvis en Ngram for eksempel sporer brugen af ​​et ord mellem 1800 og 1950, viser det mig antallet af forekomster og eller procentdel af forekomster? Og hvilken procentdel af det offentliggjorte arbejde i et år er i Google? Så bare for at begynde ved vi ikke rigtig, hvad de numeriske værdier i Ngram repræsenterer statistisk. Vi ved heller ikke, hvordan algoritmen matcher det udtryk, der søges. En streng søgning på ordet "gud" kan gå glip af alle henvisninger til guddommelig nærvær i romantisk poesi om naturen. Jeg tror, ​​at vi er nødt til at have en måde at se processen med en Ngrams produktion på, ikke kun resultatet.

Når nogen først laver et Ngram, præsenterer de det som om det var de faktiske fænomener. "Se, udtrykket gud er populært i denne periode og ikke i den periode." I stedet skal de sige "Google-korpuset indekseret med deres søge-algoritmer viser denne eller den statistiske stigning i prøvesættet." Fejl i displayet til kilden er en klassisk fejl i visualiseringen. Jeg kalder dette "reification of misinformation."

WF: Kan du anbefale Ngrams alternativer? Hvis ikke, hvordan kan jeg bruge Ngrams mere ansvarligt?

JD: I et projekt som Visualizing Emancipation, som du for nylig citerede, giver de en kortfattet og velkendt referenceramme, som du kan vise masser af oplysninger på. Standardmantraet i informationsvisualisering er, at mønstre i store datasæt bliver læsbare i visualiseringer, og det er bestemt tilfældet i dette projekt, hvor vi kan se Union Army-placeringer, en frigørelsesbegivenheder og en overlejring af de regioner, hvor slaveri var og var ikke lovligt på et givet tidspunkt mellem 1. januar 1861 og 31. december 1865. Som et oversigtsværktøj er værket fabelagtigt - læseligt og kortfattet. Men hvad der virkelig er nyttigt er grænsefladen, der forbinder datapunkterne på kortet med deres kilder, såvel som de kategorier, der anvendes af datamodelleringsteamet.

Hvor det bliver vanskeligt, er, at en funktion som varmekortet er vildledende. Begivenhedsintensiteten og sociale spændinger var sandsynligvis ikke en kontinuerlig rumlig gradient, men et spørgsmål om pigge, fejllinjer, følelsesvektorer. Vi har meget få måder at vise sådan information på - eller til at vise, hvordan begivenheder former rummet. Selv et projekt, der er så sofistikeret som dette (og det er eksemplarisk), viser grænserne for at bruge et allerede eksisterende kort som en grund, hvorpå man kan sætte stifter (eller overlejringer) på som reference. Når du er i krig med en bror eller nabo, har grænsen mellem tilstødende egenskaber en anden valence end en, der ikke er belastet med følelser.

Affektiv kortlægning skaber plads; det antager ikke kortlagt plads som en a priori givet. Dine læsere er måske eller ikke interesseret i de filosofiske debatter om "ikke-repræsentative" tilgange til geografi. Men værket af Nigel Thrift og andre antyder, at oplevelse skaber plads, og dette er grundlæggende humanistisk. Tænk på de vidunderlige passager i James Joyces Ulysses - eller Homers Odyssey . Er det fornuftigt at kortlægge disse bogstaveligt?

WF: Hvis hukommelsen tjener, roste du Ben Frys Bevarelse af foretrukne spor, en visualisering, som jeg også anbefalede i en tidligere kolonne. Hvad kan du lide ved Frys visualisering?

JD: Ben Fry bruger beregningsmæssig behandling til at oprette et datasæt med sammenligninger, som ingen mennesker kunne udarbejde uden disse værktøjer. Derefter skaber han en visualisering, der er et udgangspunkt for forskning. Billedet er ikke slutpunktet, men en del af en større undersøgelsesproces. Et af de bedste institutionelle initiativer, NEH's Digging in Data- tilskud, fremmet denne form for arbejde. Målet var at bruge visualiseringsværktøjer (blandt andre) til at søge i store skalaer af humaniora-materialer på en måde, der ville skabe forskningsspørgsmål.

WF: Din institution, UCLA, er noget af en visionær visualisering. Hypercities var et af de første projekter, jeg stødte på, og jeg bruger det stadig i klasser. Er der andre UCLA-projekter, som læsere burde vide om?

JD: Jeg tror, ​​Hypercities og Seeing Sunset, to UCLA-projekter, begge prøver at henlede opmærksomheden på de historiske oplysninger på kortene. At tænke på, hvordan man opretter rumlige værktøjer baseret på ældre kort, så vi ikke laver anachronistiske fremskrivninger (dem, der er baseret på nutidige målinger snarere end historiske forståelser), er en udfordring, der står foran. At ære fortidens kulturelle andenhed er vigtig, hvis vi skal bruge kort, diagrammer, grafik, diagrammer som korrekte på deres egne vilkår, selv når de repræsenterer en model for verden eller kosmos eller videnskabelig forståelse, der har ændret sig. Meget meget mere kunne siges om alt dette, men princippet er, at historisk information skal tages på sine egne vilkår.

WF: Hvad er det næste ved visualiseringer af humaniora?

JD: Vi har brug for subtile, mere komplekse, mere lagdelte og mere livscyklus og kulturspecifikke visualiseringer. Disse visualiseringer er stadig langt væk, tror jeg, da de ville kræve oprettelse af ikke-standardmetrikker og datamodeller, der ikke er afhængige af kartesiske principper, men affektive, fremvoksende og medafhængige datamodeller. Hvordan opretter du tidslinjer, der er baseret på erfaring, ikke ur-tid? Opret diagrammer, der vægter dataene efter følelsesmæssig værdi? Vis de uundgåelige forskelle på tværs af kulturelle modeller af rummet? Integrer ideologiske værdisystemer i målingerne for en sådan forskel?

Har du nogen, der vil gøre dette? Jeg er altid interesseret i fantasifulde partnere.