Humanisering van kaarten: een interview met johanna drucker

Ik heb mijn laatste paar kolommen besteed aan het vieren van humanistische kaarten. Ik heb digitale projecten benadrukt voor het visualiseren van geschiedenis en literatuur, evenals de institutionele structuren die deze projecten ondersteunen. Toen, niet een week na de publicatie van mijn laatste column, volgde ik een lezing aan de Columbia University die twijfel deed rijzen over de hele onderneming.

In haar toespraak: "Moeten humanisten informatievisualisaties gebruiken?", Deconstrueerde Johanna Drucker het in kaart brengen van projecten en waarschuwde docenten tegen het omarmen van visualisatietools zonder hun mechanica te begrijpen. Haar toespraak luidde een levendig gesprek in over wat effectieve visualisaties zijn, en wat geletterden leraren en leerlingen moeten verwerven om door een groeiend aantal online bronnen en projecten te navigeren.

Als Breslauer hoogleraar Bibliografische studies aan de afdeling Informatiewetenschappen aan de UCLA heeft Drucker het boek over visualisaties letterlijk geschreven. In Graphesis: Visual Forms of Knowledge Production stelt zij dat de grafische vormen van kennis die door smartphones en computers wordt gepromoot, de relaties van gebruikers met informatie hebben gevormd; deze vormen begrijpen, is begrijpen hoe zij kennis produceren.

Niet iemand die toevallige ontmoetingen afsloeg, nam ik contact op met professor Drucker en vroeg haar om haar inzichten te delen met PCMag-lezers. Ik heb ervoor gekozen om de vorm van het interview te behouden zodat lezers de reikwijdte van ons gesprek kunnen zien en toegang hebben tot de onverkorte antwoorden van Drucker. Ik nodig lezers uit om deel te nemen aan het gesprek via de thread Reacties.

William Fenton: Wat doen kaarten in de geesteswetenschappen?

Johanna Drucker: Kaarten zijn een rijk onderdeel van het culturele record. Ze laten zien hoe we denken over ruimte, naties en kenmerken van de natuurlijke en culturele werelden. Ze geven uitdrukking aan ons begrip van de ruimtelijke dimensies van ervaring, en het zijn op zichzelf fascinerende documenten, vol met historische en sociale informatie.

WF: In welk opzicht verschillen kaarten in de geesteswetenschappen van die in de natuurwetenschappen?

JD: Hoewel kaarten erg handig zijn om grote hoeveelheden statistische gegevens te verzamelen en leesbaar te maken, zijn deze weergaven gebaseerd op kennismodellen die soms antithetisch zijn voor de geesteswetenschappen. Een goed voorbeeld hiervan is het gebruik van standaardtijdlijnen. Zeer weinig romans, films of andere esthetische werken volgen een unidirectionele of lineaire stroom. Het in kaart brengen van "tijdelijkheid" - relationele tijd - vereist subtielere tools, die voortkomen uit een op ervaring gebaseerde benadering van tijd. Het is moeilijk voor te stellen om Remembrance of Things Past in kaart te brengen op een tijdlijn met natuurlijke historie die bedoeld is om de kweekcycli van fruitvliegen te volgen!

WF: Wat moet een humanist openen om visualisaties effectiever te gebruiken?

JD: Houd er rekening mee dat Digital Humanities-projecten veel hulpmiddelen voor informatievisualisatie uit andere velden hebben overgenomen. Staafdiagrammen, spreidingsdiagrammen, netwerkdiagrammen en andere standaardmethoden voor het weergeven van kwantitatieve informatie hebben hun oorsprong in de natuurwetenschappen of sociale wetenschappen.

Om visualisaties effectief te gebruiken, moeten humanisten meer weten over hoe gegevens worden geproduceerd en wat de weergave-algoritmen zijn in de visualisaties die ze nodig hebben. Wat genereert de ruimtelijke relatie tussen knooppunten in een netwerkdiagram? Hoe werden de "gegevens" in een afbeelding verzameld of geconstrueerd? Wat zijn de statistische modellen die nodig zijn om een ​​beeld van gegevens te begrijpen?

WF: Welke vragen moeten lezers stellen van visualisaties?

JD: We moeten dezelfde basisvragen stellen die we gebruiken om elk artefact te bestuderen: wie heeft het gemaakt, hoe, wanneer, waar en met welke aannames? Alle kennis is gebaseerd op bepaalde veronderstellingen en waarden. Het is essentieel om de formele eigenschappen van visualisaties te leren lezen. Even belangrijk is het leren om het waardesysteem te decoderen waarop die eigenschappen werden geproduceerd. Als mijn begrip van astronomie gebaseerd is op het geloof dat alle hemellichamen, door goddelijk ontwerp, in perfecte cirkels moeten bewegen, zal mijn model van hemelmechanica die veronderstellingen volgen. Dat geldt ook voor mijn visualisaties.

WF: In je recente lezing in Columbia heb je opgeroepen tot semantisch betekenisvolle visualisaties. Wat maakt een kaart semantisch betekenisvol? Hoe ziet een semantisch onbetekenende visualisatie eruit?

JD: Wanneer ik het heb over de semantiek van afbeeldingen, wijs ik op het gebied van visuele kennis. De grote Franse semioticus van kaarten, Jacques Bertin, identificeerde zeven grafische variabelen: kleur, toon, grootte, vorm, textuur, oriëntatie en positie. Hij liet zien dat grafische weergave deze systematisch kon gebruiken (kleur kan bijvoorbeeld symbolisch zijn). Gewoon onderwijs introduceert zelden basiskennis van grafische betekenisproductie. Denk aan zoiets fundamenteels als het onderscheid tussen het naast elkaar plaatsen van twee objecten en een hiërarchie van de ene bovenop de andere - de semantiek van deze twee is radicaal anders. Juxtapositie impliceert pariteit in plaats van hiërarchie.

Het leren lezen van de fundamentele eigenschappen van afbeeldingen voelt steeds urgenter aan, gezien de exponentiële toename van visuele middelen voor kennisproductie en -distributie. We ontvangen een enorme hoeveelheid informatie en communicatie in schermomgevingen, maar we stoppen nooit om deze te lezen als gestructureerde of structurerende ruimtes. We pauzeren onze iPhones niet en denken niet na over het "kennismodel" gecodeerd in de grafische lay-out! Maar zouden we weten hoe we dat model moeten lezen als we worden uitgedaagd? Dat is de kern van het probleem.

WF: Ik denk dat een deel van het probleem is dat als een tool gemakkelijk te gebruiken is, het verleidelijk is om te denken dat het transparant is in zijn werking. Ik denk aan Google Ngrams, die ik moet bekennen in mijn lessen. Wat is er mis met Ngrams?

JD: Google Ngrams verbergen de basis waarop ze zijn gemaakt, om te beginnen. Als een Ngram bijvoorbeeld het gebruik van een woord tussen 1800 en 1950 bijhoudt, laat het me dan het aantal exemplaren zien en / of het percentage voorvallen? En welk percentage van het gepubliceerde werk in welk jaar dan ook op Google? Dus om te beginnen weten we niet echt wat de numerieke waarden in het Ngram statistisch vertegenwoordigen. We weten ook niet hoe het algoritme overeenkomt met de gezochte term. Een stringzoektocht naar het woord "god" mist misschien alle verwijzingen naar goddelijke aanwezigheid in romantische poëzie over de natuur. Ik denk dat we een manier moeten hebben om het proces van de productie van een Ngram te zien, niet alleen het resultaat.

Bovendien, zodra iemand een Ngram maakt, presenteren ze het alsof het de werkelijke fenomenen waren. "Zie, de term god is populair in deze periode en niet in die." In plaats daarvan zouden ze moeten zeggen: "Het Google-corpus geïndexeerd door hun zoekalgoritmen toont deze of die statistische toename in de steekproefset." De weergave voor de bron verwarren is een klassieke fout in de visualisatie. Ik noem dit de 'reificatie van verkeerde informatie'.

WF: Kunt u Ngrams-alternatieven aanbevelen? Zo nee, hoe kan ik Ngrams op een meer verantwoorde manier gebruiken?

JD: In een project als Visualisatie van emancipatie, dat u onlangs hebt aangehaald, bieden ze een beknopt en vertrouwd referentiekader waarop u veel informatie kunt weergeven. De standaardmantra in informatievisualisatie is dat patronen in grote datasets leesbaar worden in visualisaties, en dat is zeker het geval in dit project, waar we locaties van het Union Army, een emancipatie-evenementen en een overlay van de regio's waar slavernij was en was konden zien niet legaal op enig moment tussen 1.181 januari en 31 december 1865. Als overzichtstool is het werk fantastisch - leesbaar en beknopt. Maar wat echt handig is, is de interface die de datapunten op de kaart verbindt met hun bronnen, evenals de categorieën die worden gebruikt door het datamodelleringsteam.

Waar het lastig wordt, is dat een functie zoals de warmtekaart misleidend is. De intensiteit van gebeurtenissen en sociale spanningen was waarschijnlijk geen continue ruimtelijke gradiënt, maar een kwestie van pieken, breuklijnen, vectoren van emotie. We hebben zeer weinig manieren om dergelijke informatie weer te geven - of om te laten zien hoe gebeurtenissen ruimte vormgeven. Zelfs een project zo geavanceerd als dit (en het is exemplarisch), toont de grenzen van het gebruik van een reeds bestaande kaart als een grond om spelden (of overlays) van referentie te plakken. Wanneer u in oorlog bent met een broer of buurman, draagt ​​de grenslijn tussen aangrenzende eigendommen een andere valentie dan een die niet is belast met emotie.

Affectieve mapping creëert ruimte; het neemt niet in kaart gebrachte ruimte als een a priori gegeven. Uw lezers kunnen al dan niet geïnteresseerd zijn in de filosofische debatten over "niet-representatieve" benaderingen van geografie. Maar het werk van Nigel Thrift en anderen suggereert dat ervaring ruimte maakt, en dit is fundamenteel humanistisch. Denk aan de prachtige passages in James Joyce's Ulysses - of Homer's Odyssey . Is het zinvol om deze letterlijk in kaart te brengen?

WF: Als herinnering dient, prees je Ben Fry's The Preservation of Favored Traces, een visualisatie die ik ook in een vorige column aanbeveelde. Wat vind je leuk aan de visualisatie van Fry?

JD: Ben Fry gebruikt computationele verwerking om een ​​dataset met vergelijkingen te maken die geen mens zonder deze hulpmiddelen zou kunnen compileren. Vervolgens maakt hij een visualisatie die een vertrekpunt is voor onderzoek. Het beeld is niet het eindpunt, maar onderdeel van een groter onderzoeksproces. Een van de beste institutionele initiatieven, de Digging into Data- subsidies van de NEH, bevorderde dit soort werk. Het doel was om (onder andere) visualisatietools te gebruiken om grootschalige corpora van geesteswetenschappelijke materialen te zoeken op een manier die onderzoeksvragen zou creëren.

WF: Uw instelling, UCLA, is iets van een visionaire visualisatie. Hypercities was een van de eerste projecten die ik tegenkwam en ik gebruik het nog steeds in lessen. Zijn er nog andere UCLA-projecten waarover lezers moeten weten?

JD: Ik denk dat Hypercities en Seeing Sunset, twee UCLA-projecten, beide proberen aandacht te vragen voor de historische informatie in kaarten zelf. Nadenken over hoe ruimtelijke tools kunnen worden gemaakt op basis van oudere kaarten, dus we maken geen anachronistische projecties (die zijn gebaseerd op hedendaagse metrieken in plaats van historische inzichten), is een uitdaging die we moeten aangaan. Het eren van de culturele andersheid van het verleden is essentieel als we kaarten, grafieken, grafieken, diagrammen als correct willen gebruiken op hun eigen voorwaarden, zelfs als ze een model van de wereld of kosmos of wetenschappelijk inzicht vertegenwoordigen dat is veranderd. Over dit alles kan nog veel meer worden gezegd, maar het principe is dat historische informatie op eigen voorwaarden moet worden opgevat.

WF: Wat biedt de toekomst voor visualisaties van de geesteswetenschappen?

JD: We hebben subtielere, complexere, meer gelaagde en meer levenscyclus- en cultuurspecifieke visualisaties nodig. Die visualisaties zijn nog ver weg, denk ik, omdat ze niet-standaard metrics en datamodellen zouden moeten maken die niet afhankelijk zijn van Cartesiaanse principes, maar affectieve, opkomende en co-afhankelijke datamodellen. Hoe maak je tijdlijnen die gebaseerd zijn op ervaring, niet op kloktijd? Diagrammen maken die de gegevens wegen op emotionele waarde? Toon de onvergelijkbare verschillen tussen culturele ruimtemodellen? Ideologische waardesystemen inbedden in de metrieken van een dergelijk verschil?

Heb je iemand die dit wil doen? Ik ben altijd geïnteresseerd in fantasierijke partners.