Memanfaatkan peta: satu temu bual dengan johanna drucker

Saya telah menghabiskan beberapa lajur terakhir saya meraikan peta humanistik. Saya telah menyerlahkan projek digital untuk menggambarkan sejarah dan kesusasteraan serta struktur institusi yang menyokong projek tersebut. Kemudian, tidak seminggu selepas penerbitan lajur terakhir saya, saya menghadiri kuliah di Columbia University yang membantah keraguan keseluruhan perusahaan.

Dalam perbualannya, "Haruskah Humanis Gunakan Visualisasi Maklumat ?, " Johanna Drucker membina projek pemetaan dan memberi amaran kepada pendidik supaya tidak merangkumi alat visualisasi tanpa memahami mekanik mereka. Ceramahnya merasmikan perbualan yang bersemangat mengenai apa yang merupakan gambaran visualisasi yang berkesan, dan apa yang dikatakan para pendidik dan pelajar perlu memperoleh navigasi sumber dan projek dalam talian yang semakin berkembang.

Sebagai Profesor Pengajian Bibliografi Breslauer di Jabatan Pengajian Maklumat di UCLA, Drucker telah secara literal menulis buku mengenai visualisasi. Dalam Grafesis: Bentuk Visual Pengetahuan Pengetahuan , beliau berpendapat bahawa bentuk pengetahuan grafik yang dipromosikan oleh telefon pintar dan komputer telah membentuk hubungan pengguna dengan maklumat; untuk memahami bentuk-bentuk tersebut adalah untuk memahami bagaimana mereka menghasilkan pengetahuan.

Tidak seorang pun untuk menolak pertemuan yang tidak senonoh, saya menghubungi Profesor Drucker dan memintanya untuk berkongsi pandangannya dengan pembaca PCMag. Saya telah memilih untuk mengekalkan bentuk wawancara untuk membolehkan para pembaca melihat skop perbualan kami dan untuk mengakses respons Drucker yang tidak terkecuali. Saya menjemput pembaca untuk menyertai perbualan menerusi thread Komen.

William Fenton: Apa yang dilakukan peta dalam kemanusiaan?

Johanna Drucker: Peta adalah sebahagian besar daripada rekod kebudayaan. Mereka menunjukkan bagaimana kita berfikir tentang ruang, negara, dan ciri-ciri dunia alam dan budaya. Mereka mengungkapkan pemahaman kita tentang dimensi ruang pengalaman, dan mereka adalah dokumen yang menarik dalam diri mereka sendiri, dipenuhi dengan maklumat sejarah dan sosial.

WF: Bagaimanakah peta dalam kemanusiaan berbeza daripada, katakan, mereka dalam sains semulajadi?

JD: Walaupun peta sangat berguna untuk mengambil sejumlah besar data statistik dan menjadikannya mudah dibaca, pameran ini berdasarkan pada model pengetahuan yang kadang-kadang bersifat antithetical terhadap kemanusiaan. Satu contoh yang jelas ini mungkin penggunaan garis masa standard. Sangat sedikit novel, filem, atau karya estetika yang lain mengikuti aliran satu arah atau linier. Pemetaan "temporal" - waktu berkaitan-memerlukan alat yang lebih baik, yang timbul dari pendekatan berdasarkan pengalaman hingga ke masa. Adalah sukar untuk membayangkan mencatatkan Peringatan Perkara-Perkara yang Pasti pada garis masa sejarah semula jadi yang bertujuan untuk mengesan kitaran pembiakan lalat buah!

WF: Membuka apertur, apa yang perlu diketahui oleh manusia untuk menggunakan visualisasi dengan lebih berkesan?

JD: Perlu diingat bahawa projek-projek Kemanusiaan Digital telah mengadopsi banyak alat visualisasi maklumat dari bidang lain. Carta bar, plot bertaburan, rajah rangkaian dan kaedah standard lain yang memaparkan maklumat kuantitatif mempunyai asal usul mereka dalam sains semula jadi atau sains sosial.

Untuk menggunakan visualisasi dengan berkesan, humanis perlu mengetahui lebih lanjut mengenai bagaimana data dihasilkan dan apa algoritma paparan dalam visualisasi yang sesuai. Apakah yang menjana hubungan spatial antara nod dalam rajah rangkaian? Bagaimanakah "data" dalam imej dikumpulkan atau dibina? Apakah model statistik yang diperlukan untuk memahami imej data?

WF: Apakah soalan yang perlu ditanya oleh para pembaca mengenai visualisasi?

JD: Kita harus bertanya soalan asas yang sama yang kita gunakan untuk mengkaji apa-apa artifak: Siapa yang membuatnya, bagaimana, bila, di mana, dan dengan apa yang anda anggap? Semua pengetahuan dibina berdasarkan andaian dan nilai tertentu. Belajar membaca sifat-sifat formal penglihatan adalah penting. Belajar untuk menyahkod sistem nilai di mana sifat-sifat tersebut dihasilkan sama pentingnya. Sekiranya pemahaman saya tentang astronomi adalah berdasarkan kepercayaan bahawa semua badan syurga mesti, dengan reka bentuk ilahi, bergerak dalam lingkaran yang sempurna, model mekanik angkasa saya akan mengikuti andaian itu. Begitu juga visualisasi saya.

WF: Dalam ceramah baru-baru ini di Columbia, anda meminta visualisasi semantik bermakna . Apa yang membuat peta semantik bermakna? Apa yang kelihatan seperti visualisasi yang tidak dapat dilihat secara semantik?

JD: Apabila saya bercakap tentang semantik grafik, saya memberi isyarat ke arah bidang pengetahuan visual. Peta semiotik Perancis yang hebat, Jacques Bertin, mengenal pasti tujuh pemboleh ubah graf: warna, nada, saiz, bentuk, tekstur, orientasi, dan kedudukan. Dia menunjukkan bahawa paparan grafik boleh menggunakan sistematik ini (sebagai contoh, warna boleh menjadi simbolik). Pendidikan umum jarang memperkenalkan pengetahuan asas tentang pengeluaran arti grafik. Fikirkan sesuatu yang asas seperti perbezaan antara penjajaran dua objek dan hierarki satu di atas yang lain- semantik kedua-dua ini adalah sangat berbeza. Juxtaposition bermaksud pariti dan bukannya hierarki.

Belajar membaca sifat-sifat asas grafik berasa semakin mendesak memandangkan peningkatan eksponen dalam cara visual pengedaran pengetahuan dan pengedaran. Kami menerima sejumlah besar maklumat dan komunikasi dalam persekitaran skrin, tetapi kami tidak pernah berhenti membaca ini sebagai ruang berstruktur atau penstrukturan. Kami tidak menjeda iPhone kami dan merenung "model pengetahuan" yang dikodkan dalam susun atur grafik! Akankah kita tahu cara membaca model itu jika dicabar? Itulah pokok isu itu.

WF: Saya fikir sebahagian daripada isu ini ialah jika alat mudah digunakan, ia menarik untuk berfikir bahawa ia telus dalam operasinya. Saya memikirkan Google Ngrams, yang saya akan mengaku menggunakannya dalam pengajaran saya. Apa yang salah dengan Ngrams?

JD: Google Ngrams menyembunyikan pangkalan di mana ia dibuat, untuk pemula. Jika Ngram menjejaki penggunaan perkataan antara 1800 dan 1950, misalnya, adakah ia menunjukkan bilangan contoh dan atau peratusan kejadian? Dan berapa peratus kerja yang diterbitkan dalam mana-mana tahun di Google? Jadi, hanya untuk memulakan, kita tidak tahu benar-benar tahu apa nilai angka dalam Ngram mewakili secara statistik. Kami juga tidak tahu bagaimana algoritma sepadan dengan istilah yang dicari. Carian rentetan pada perkataan "tuhan" mungkin terlepas semua rujukan kepada kehadiran ilahi dalam puisi Romantik tentang alam semula jadi. Saya fikir kita perlu mempunyai cara untuk melihat proses pengeluaran Ngram, bukan hasilnya sahaja.

Lebih-lebih lagi, apabila seseorang membuat Ngram, mereka menyampaikannya seolah-olah ia adalah fenomena sebenar. "Lihatlah, istilah tuhan popular dalam tempoh ini dan bukan dalam hal itu." Sebaliknya, mereka harus mengatakan "Korpus Google yang diindeks oleh algoritma carian mereka menunjukkan ini atau peningkatan statistik dalam set sampel." Mistaking paparan untuk sumber adalah ralat klasik dalam visualisasi. Saya panggil ini "reifikasi maklumat yang salah."

WF: Bolehkah anda mengesyorkan alternatif Ngram? Jika tidak, bagaimana saya boleh menggunakan Ngram lebih bertanggungjawab?

JD: Dalam projek seperti Visualisasi Emansipasi, yang anda sebutkan baru-baru ini, mereka menyediakan bingkai rujukan ringkas dan biasa untuk memaparkan banyak maklumat. Mantra standard dalam visualisasi maklumat adalah corak dalam dataset yang besar menjadi mudah dibaca dalam visualisasi, dan itu pastinya berlaku dalam projek ini, di mana kita dapat melihat lokasi Union Army, peristiwa pembebasan, dan overlay di kawasan di mana perbudakan itu dan tidak sah di mana-mana masa yang diberikan antara Januari 1, 1861 dan 31 Disember 1865. Sebagai alat tinjauan, karya itu sangat mudah dibaca dan ringkas. Tetapi apa yang benar-benar berguna ialah antara muka yang menghubungkan titik data pada peta ke sumber mereka, serta kategori yang digunakan oleh pasukan pemodelan data.

Di mana ia menjadi rumit ialah ciri seperti peta panas menipu. Keamatan peristiwa dan ketegangan sosial mungkin bukan kecerunan ruang yang berterusan, tetapi masalah paku, garis kesalahan, vektor emosi. Kami mempunyai sedikit cara untuk memaparkan maklumat sedemikian-atau menunjukkan bagaimana kejadian membentuk ruang. Malah sebuah projek yang sophisticated seperti ini (dan ia teladan), menunjukkan had menggunakan peta yang sedia ada sebagai alasan untuk melekatkan pin (atau overlay) rujukan. Apabila anda berperang dengan saudara atau jiran, garis sempadan antara harta bersebelahan membawa valensi yang berbeza daripada yang tidak dipertanggungjawabkan dengan emosi.

Pemetaan afektif mewujudkan ruang; ia tidak mengambil ruang yang dipetakan sebagai hadiah yang diberikan. Pembaca anda mungkin atau mungkin tidak berminat dengan perdebatan falsafah mengenai pendekatan "bukan perwakilan" kepada geografi. Tetapi kerja-kerja Nigel Thrift dan lain-lain mencadangkan bahawa pengalaman menjadikan ruang, dan ini pada asasnya humanistik. Fikirkan petikan yang indah dalam Ulysses James Joyce - atau Odyssey Homer. Adakah masuk akal untuk memetakan ini secara harfiah?

WF: Jika memori berfungsi, anda memuji Ben Fry The Pemeliharaan Jejak yang Diutamakan, visualisasi yang saya cadangkan dalam lajur sebelumnya. Apa yang anda suka tentang visualisasi Fry?

JD: Ben Fry menggunakan pemprosesan pengiraan untuk membuat dataset perbandingan yang tidak dapat dikompilasi oleh manusia tanpa alat ini. Kemudian dia membuat visualisasi yang merupakan titik keberangkatan untuk penyelidikan. Imej bukan titik akhir, tetapi sebahagian daripada proses penyelidikan yang lebih besar. Salah satu inisiatif institusi terbaik, NEH yang Menggulungkan dalam geran Data , mempromosikan kerja jenis ini. Matlamatnya adalah menggunakan alat visualisasi (antara lain) untuk mencari bahan-bahan humaniora skala besar bahan-bahan kemanusiaan dengan cara yang akan menimbulkan pertanyaan penyelidikan.

WF: Institusi anda, UCLA, adalah penglihatan visualisasi. Hypercities adalah salah satu projek pertama yang saya jumpai, dan saya masih menggunakannya dalam kelas. Adakah terdapat sebarang projek UCLA yang pembaca perlu tahu?

JD: Saya rasa Hypercities dan Melihat Matahari Terbenam, dua projek UCLA, kedua-duanya cuba menarik perhatian kepada maklumat sejarah dalam peta sendiri. Berpikir tentang cara membuat alat spatial berdasarkan peta yang lebih lama, jadi kita tidak membuat taksiran anarkronis (yang berdasarkan metrik kontemporer dan bukan pemahaman sejarah) adalah satu cabaran yang akan dihadapi. Menghormati kebudayaan dari masa lalu adalah penting jika kita menggunakan peta, carta, grafik, gambar rajah yang betul dengan istilah mereka sendiri, walaupun mereka mewakili model dunia atau kosmos atau pemahaman saintifik yang telah berubah. Lebih banyak lagi boleh dikatakan mengenai semua ini, tetapi prinsipnya adalah bahawa maklumat sejarah harus diambil berdasarkan istilahnya sendiri.

WF: Apa yang akan datang untuk visualisasi kemanusiaan?

JD: Kami memerlukan pemvisualisasian, lebih kompleks, lebih berlapis dan lebih banyak kitaran hayat dan visualisasi spesifik budaya. Mereka visualisasi masih jauh, saya fikir, kerana mereka akan memerlukan membuat metrik dan model data yang tidak standard yang tidak bergantung pada prinsip Cartesian, tetapi model data yang afektif, muncul, dan bergantung bersama. Bagaimanakah anda membuat garis masa yang berasaskan pengalaman, bukan jam waktu? Buat gambar rajah yang beratkan data dengan nilai emosi? Tunjukkan perbezaan yang tidak dapat dipertimbangkan di seluruh model ruang kebudayaan? Benamkan sistem nilai ideologi ke dalam metrik perbezaan tersebut?

Ada sesiapa yang mahu melakukan ini? Saya sentiasa berminat dengan rakan kongsi imajinatif.