Humanizando mapas: uma entrevista com johanna drucker

Passei minhas últimas colunas comemorando mapas humanísticos. Eu destaquei projetos digitais para visualizar a história e a literatura, bem como as estruturas institucionais que sustentam esses projetos. Então, nem uma semana após a publicação da minha última coluna, participei de uma palestra na Universidade de Columbia que colocou em dúvida toda a empresa.

Em sua palestra, "Os humanistas devem usar as visualizações de informações?", Johanna Drucker desconstruiu os projetos de mapeamento e alertou os educadores contra a adoção de ferramentas de visualização sem entender sua mecânica. Sua palestra inaugurou uma conversa animada sobre o que constitui visualizações efetivas e o que educadores e alunos de alfabetização precisam adquirir para navegar por um corpo crescente de recursos e projetos on-line.

Como professor Breslauer de Estudos Bibliográficos no Departamento de Estudos da Informação da UCLA, Drucker literalmente escreveu o livro sobre visualizações. Em Graphesis: Visual Forms of Production Production , ela argumenta que as formas gráficas de conhecimento promovidas por smartphones e computadores moldaram as relações dos usuários com a informação; entender essas formas é entender como elas produzem conhecimento.

Não descartando encontros fortuitos, entrei em contato com o professor Drucker e pedi que ela compartilhasse suas idéias com os leitores do PCMag. Decidi manter a forma da entrevista para permitir que os leitores vejam o escopo de nossa conversa e acessem as respostas completas de Drucker. Convido os leitores a participar da conversa por meio do tópico Comentários.

William Fenton: O que os mapas estão fazendo nas humanidades?

Johanna Drucker: Os mapas são uma parte rica do registro cultural. Eles mostram como pensamos sobre o espaço, as nações e as características dos mundos natural e cultural. Eles expressam nossa compreensão das dimensões espaciais da experiência e são documentos fascinantes por si só, cheios de informações históricas e sociais.

WF: Qual a diferença entre os mapas nas ciências humanas e, por exemplo, os das ciências naturais?

JD: Embora os mapas sejam muito úteis para coletar grandes quantidades de dados estatísticos e torná-los legíveis, essas exibições são baseadas em modelos de conhecimento que às vezes são antitéticos às ciências humanas. Um exemplo vívido disso pode ser o uso de linhas de tempo padrão. Muito poucos romances, filmes ou outros trabalhos estéticos seguem um fluxo unidirecional ou linear. Mapear a "temporalidade" - tempo relacional - requer ferramentas mais sutis, que surgem de uma abordagem do tempo baseada na experiência. Seria difícil imaginar traçar Remembrance of Things Past em uma linha do tempo da história natural destinada a acompanhar os ciclos de criação de moscas da fruta!

WF: Abrindo a abertura, o que os humanistas precisam saber para usar as visualizações com mais eficiência?

JD: Lembre-se de que os projetos de Humanidades Digitais adotaram muitas ferramentas de visualização de informações de outros campos. Gráficos de barras, gráficos de dispersão, diagramas de rede e outros métodos padrão de exibição de informações quantitativas têm sua origem nas ciências naturais ou sociais.

Para usar visualizações efetivamente, os humanistas precisam saber mais sobre como os dados são produzidos e quais são os algoritmos de exibição nas visualizações apropriadas. O que gera a relação espacial entre nós em um diagrama de rede? Como os "dados" em uma imagem foram coletados ou construídos? Quais são os modelos estatísticos necessários para entender uma imagem de dados?

WF: Que perguntas os leitores devem fazer sobre visualizações?

JD: Devemos fazer as mesmas perguntas básicas que usamos para estudar qualquer artefato: quem fez, como, quando, onde e com que suposições? Todo o conhecimento é construído sobre certas suposições e valores. Aprender a ler as propriedades formais das visualizações é essencial. Aprender a decodificar o sistema de valores no qual essas propriedades foram produzidas é igualmente importante. Se minha compreensão da astronomia é baseada na crença de que todos os corpos celestes devem, por desígnio divino, mover-se em círculos perfeitos, meu modelo de mecânica celeste seguirá essas suposições. Minhas visualizações também.

WF: Em sua recente palestra em Columbia, você pediu visualizações semanticamente significativas . O que torna um mapa semanticamente significativo? Como seria uma visualização semanticamente sem sentido?

JD: Quando falo sobre a semântica dos gráficos, estou apontando para o campo do conhecimento visual. O grande semiótico francês de mapas, Jacques Bertin, identificou sete variáveis ​​gráficas: cor, tom, tamanho, forma, textura, orientação e posição. Ele estava mostrando que a exibição gráfica poderia usá-los sistematicamente (por exemplo, a cor pode ser simbólica). A educação comum raramente introduz o conhecimento básico da produção gráfica de significado. Pense em algo tão básico quanto a distinção entre justaposição de dois objetos e a hierarquia de um em cima do outro - a semântica desses dois é radicalmente diferente. A justaposição implica paridade em vez de hierarquia.

Aprender a ler as propriedades fundamentais dos gráficos parece cada vez mais urgente, dado o aumento exponencial dos meios visuais de produção e distribuição de conhecimento. Recebemos uma quantidade enorme de informações e comunicação em ambientes de tela, mas nunca paramos para lê-los como espaços estruturados ou estruturantes. Não pausamos nossos iPhones e ponderamos o "modelo de conhecimento" codificado no layout gráfico! Mas saberíamos como ler esse modelo se desafiados? Esse é o cerne da questão.

WF: Acho que parte do problema é que, se uma ferramenta é fácil de usar, é atraente pensar que é transparente em sua operação. Estou pensando no Google Ngrams, que confesso usar nos meus ensinamentos. O que há de errado com Ngrams?

JD: os Ngrams do Google ocultam as bases sobre as quais são feitas, para iniciantes. Se um Ngram rastreia o uso de uma palavra entre 1800 e 1950, por exemplo, está me mostrando o número de instâncias e / ou a porcentagem de ocorrências? E qual a porcentagem de trabalho publicado em qualquer ano no Google? Portanto, apenas para começar, não sabemos realmente o que os valores numéricos no Ngram representam estatisticamente. Também não sabemos como o algoritmo corresponde ao termo que está sendo pesquisado. Uma pesquisa de cordas na palavra "deus" pode perder todas as referências à presença divina na poesia romântica sobre a natureza. Eu acho que precisamos ter uma maneira de ver o processo de produção de um Ngram, não apenas o resultado.

Além disso, uma vez que alguém faz um Ngram, ele o apresenta como se fosse o fenômeno real. "Veja, o termo deus é popular neste período e não nesse". Em vez disso, eles deveriam dizer "O corpus do Google indexado por seus algoritmos de pesquisa mostra este ou aquele aumento estatístico no conjunto de amostras". Confundir a exibição da fonte é um erro clássico na visualização. Eu chamo isso de "reificação da desinformação".

WF: Você pode recomendar alternativas ao Ngrams? Caso contrário, como posso usar o Ngrams de forma mais responsável?

JD: Em um projeto como o Visualizing Emancipation, que você citou recentemente, eles fornecem um quadro de referência conciso e familiar no qual exibir muitas informações. O mantra padrão na visualização de informações é que os padrões em grandes conjuntos de dados se tornam legíveis nas visualizações, e esse é certamente o caso neste projeto, onde podemos ver locais do Exército da União, eventos de emancipação e uma sobreposição das regiões onde a escravidão era e estava não é legal em nenhum momento entre 1 de janeiro de 1861 e 31 de dezembro de 1865. Como uma ferramenta geral, o trabalho é fabuloso - legível e conciso. Mas o que é realmente útil é a interface que conecta os pontos de dados no mapa às suas origens, bem como as categorias usadas pela equipe de modelagem de dados.

Onde fica complicado é que um recurso como o mapa de calor é enganoso. A intensidade dos eventos e das tensões sociais provavelmente não era um gradiente espacial contínuo, mas uma questão de picos, linhas de falha, vetores de emoção. Temos muito poucas maneiras de exibir essas informações - ou de mostrar como os eventos moldam o espaço. Mesmo um projeto tão sofisticado quanto esse (e é exemplar) mostra os limites do uso de um mapa preexistente como base para colar pinos (ou sobreposições) de referência. Quando você está em guerra com um irmão ou vizinho, a linha de fronteira entre as propriedades adjacentes carrega uma valência diferente daquela que não é carregada de emoção.

O mapeamento afetivo cria espaço; não assume o espaço mapeado como dado a priori. Seus leitores podem ou não estar interessados ​​nos debates filosóficos sobre abordagens "não representacionais" da geografia. Mas o trabalho de Nigel Thrift e outros sugere que a experiência abre espaço, e isso é fundamentalmente humanístico. Pense nas passagens maravilhosas de Ulisses, de James Joyce - ou na Odisséia de Homero . Faz sentido mapear isso literalmente?

WF: Se a memória serve, você elogiou The Preservation of Favoured Traces de Ben Fry, uma visualização que eu também recomendei em uma coluna anterior. O que você gosta na visualização de Fry?

JD: Ben Fry usa o processamento computacional para criar um conjunto de dados de comparações que nenhum ser humano poderia compilar sem essas ferramentas. Em seguida, ele cria uma visualização que é um ponto de partida para a pesquisa. A imagem não é o ponto final, mas parte de um processo maior de investigação. Uma das melhores iniciativas institucionais, as concessões Digging into Data da NEH, promoveram esse tipo de trabalho. O objetivo era usar ferramentas de visualização (entre outras) para pesquisar corpora em larga escala de materiais de humanidades de maneira a criar questões de pesquisa.

WF: Sua instituição, UCLA, é uma espécie de visionário da visualização. O Hypercities foi um dos primeiros projetos que encontrei e ainda o uso nas aulas. Existem outros projetos da UCLA que os leitores devam conhecer?

JD: Eu acho que Hypercities e Seeing Sunset, dois projetos da UCLA, ambos tentam chamar a atenção para as informações históricas nos próprios mapas. Pensar em como criar ferramentas espaciais baseadas em mapas mais antigos, portanto, não estamos fazendo projeções anacrônicas (baseadas em métricas contemporâneas, e não em entendimentos históricos) é um desafio a ser enfrentado pela frente. Honrar a alteridade cultural do passado é essencial se quisermos usar mapas, gráficos, gráficos, diagramas como corretos em seus próprios termos, mesmo quando eles representam um modelo do mundo ou cosmos ou entendimento científico que mudou. Muito mais poderia ser dito sobre tudo isso, mas o princípio é que as informações históricas devem ser tomadas em seus próprios termos.

WF: O que vem a seguir para visualizações de humanidades?

JD: Precisamos de visualizações mais sutis, mais complexas, mais estratificadas e mais do ciclo de vida e culturalmente específicas. Essas visualizações ainda estão muito distantes, eu acho, uma vez que exigiriam a criação de métricas e modelos de dados não-padrão que não se baseiam nos princípios cartesianos, mas sim em modelos de dados afetivos, emergentes e co-dependentes. Como você cria linhas de tempo baseadas na experiência, e não na hora do relógio? Criar diagramas que ponderem os dados por valor emocional? Mostrar as diferenças incomensuráveis ​​entre os modelos culturais do espaço? Incorporar sistemas de valores ideológicos nas métricas dessa diferença?

Tem alguém que quer fazer isso? Estou sempre interessado em parceiros imaginativos.