Humanizando mapas: una entrevista con johanna drucker

He pasado mis últimas columnas celebrando mapas humanísticos. He destacado proyectos digitales para visualizar la historia y la literatura, así como las estructuras institucionales que sustentan esos proyectos. Luego, no una semana después de la publicación de mi última columna, asistí a una conferencia en la Universidad de Columbia que puso en duda toda la empresa.

En su charla, "¿Deberían los humanistas usar visualizaciones de información?", Johanna Drucker deconstruyó proyectos de mapeo y advirtió a los educadores contra las herramientas de visualización sin comprender sus mecanismos. Su charla inauguró una animada conversación sobre lo que constituye visualizaciones efectivas y lo que los educadores y estudiantes de alfabetización necesitan adquirir para navegar por un creciente cuerpo de recursos y proyectos en línea.

Como Profesor Breslauer de Estudios Bibliográficos en el Departamento de Estudios de Información de la UCLA, Drucker ha escrito literalmente el libro sobre visualizaciones. En Graphesis: Visual Forms of Knowledge Production , argumenta que las formas gráficas de conocimiento promovidas por los teléfonos inteligentes y las computadoras han moldeado las relaciones de los usuarios con la información; entender esas formas es entender cómo producen conocimiento.

Al no descartar encuentros fortuitos, contacté al profesor Drucker y le pedí que compartiera sus ideas con los lectores de PCMag. Elegí conservar la forma de la entrevista para permitir a los lectores ver el alcance de nuestra conversación y acceder a las respuestas completas de Drucker. Invito a los lectores a unirse a la conversación a través del hilo de comentarios.

William Fenton: ¿Qué están haciendo los mapas en las humanidades?

Johanna Drucker: Los mapas son una parte rica del registro cultural. Muestran cómo pensamos sobre el espacio, las naciones y las características de los mundos naturales y culturales. Expresan nuestra comprensión de las dimensiones espaciales de la experiencia, y son documentos fascinantes por derecho propio, llenos de información histórica y social.

WF: ¿En qué se diferencian los mapas de las humanidades de, digamos, los de las ciencias naturales?

JD: Si bien los mapas son muy útiles para tomar grandes cantidades de datos estadísticos y hacerlos legibles, estas pantallas se basan en modelos de conocimiento que a veces son antitéticos para el trabajo de las humanidades. Un ejemplo vívido de esto podría ser el uso de líneas de tiempo estándar. Muy pocas novelas, películas u otras obras estéticas siguen un flujo unidireccional o lineal. El mapeo de la "temporalidad" -el tiempo relacional- requiere herramientas más sutiles, que surgen de un enfoque del tiempo basado en la experiencia. ¡Sería difícil imaginar trazar el Recuerdo de las cosas pasadas en un cronograma de historia natural destinado a rastrear los ciclos de reproducción de las moscas de la fruta!

WF: Abriendo la apertura, ¿qué necesitan saber los humanistas para usar las visualizaciones de manera más efectiva?

JD: Tenga en cuenta que los proyectos de Humanidades Digitales han adoptado muchas herramientas de visualización de información de otros campos. Los gráficos de barras, los diagramas de dispersión, los diagramas de red y otros métodos estándar de visualización de información cuantitativa tienen su origen en las ciencias naturales o las ciencias sociales.

Para utilizar las visualizaciones de manera efectiva, los humanistas necesitan saber más sobre cómo se producen los datos y cuáles son los algoritmos de visualización en las visualizaciones que se apropian. ¿Qué genera la relación espacial entre nodos en un diagrama de red? ¿Cómo se recopilaron o construyeron los "datos" en una imagen? ¿Cuáles son los modelos estadísticos necesarios para comprender una imagen de datos?

WF: ¿Qué preguntas deberían hacer los lectores sobre las visualizaciones?

JD: Deberíamos hacer las mismas preguntas básicas que usamos para estudiar cualquier artefacto: ¿Quién lo hizo, cómo, cuándo, dónde y con qué supuestos? Todo el conocimiento se basa en ciertos supuestos y valores. Aprender a leer las propiedades formales de las visualizaciones es esencial. Aprender a decodificar el sistema de valores en el que se produjeron esas propiedades es igualmente importante. Si mi comprensión de la astronomía se basa en la creencia de que todos los cuerpos celestes deben, por diseño divino, moverse en círculos perfectos, mi modelo de mecánica celeste seguirá esos supuestos. También lo harán mis visualizaciones.

WF: En su reciente charla en Columbia, solicitó visualizaciones semánticamente significativas . ¿Qué hace que un mapa sea semánticamente significativo? ¿Cómo podría ser una visualización semánticamente poco significativa?

JD: Cuando hablo sobre la semántica de los gráficos, estoy haciendo un gesto hacia el campo del conocimiento visual. El gran semiótico francés de mapas, Jacques Bertin, identificó siete variables gráficas: color, tono, tamaño, forma, textura, orientación y posición. Estaba mostrando que la pantalla gráfica podría usarlos sistemáticamente (por ejemplo, el color puede ser simbólico). La educación común rara vez introduce conocimientos básicos de producción de significado gráfico. Piense en algo tan básico como la distinción entre la yuxtaposición de dos objetos y una jerarquía de uno encima del otro: la semántica de estos dos es radicalmente diferente. La yuxtaposición implica paridad en lugar de jerarquía.

Aprender a leer las propiedades fundamentales de los gráficos se siente cada vez más urgente dado el aumento exponencial en los medios visuales de producción y distribución de conocimiento. Recibimos una enorme cantidad de información y comunicación en entornos de pantalla, pero nunca nos detenemos a leerlos como espacios estructurados o estructurantes. ¡No detenemos nuestros iPhones y reflexionamos sobre el "modelo de conocimiento" codificado en el diseño gráfico! ¿Pero sabríamos cómo leer ese modelo si se nos cuestiona? Ese es el quid de la cuestión.

WF: Creo que parte del problema es que si una herramienta es fácil de usar, es tentador pensar que es transparente en su funcionamiento. Estoy pensando en Google Ngrams, que confesaré usar en mi enseñanza. ¿Qué hay de malo con Ngrams?

JD: Google Ngrams ocultan las bases sobre las que están hechas, para empezar. Si un Ngram rastrea el uso de una palabra entre 1800 y 1950, por ejemplo, ¿me está mostrando el número de instancias y / o el porcentaje de ocurrencias? ¿Y qué porcentaje del trabajo publicado en cualquier año está en Google? Entonces, para comenzar, no sabemos realmente qué representan estadísticamente los valores numéricos en el Ngram. Tampoco sabemos cómo el algoritmo coincide con el término que se busca. Una búsqueda en cadena de la palabra "dios" podría perder todas las referencias a la presencia divina en la poesía romántica sobre la naturaleza. Creo que necesitamos tener una forma de ver el proceso de producción de un Ngram, no solo el resultado.

Además, una vez que alguien hace un Ngram, lo presentan como si fuera el fenómeno real. "Mira, el término dios es popular en este período y no en ese". En cambio, deberían decir "El corpus de Google indexado por sus algoritmos de búsqueda muestra este o aquel aumento estadístico en el conjunto de muestras". Confundir la pantalla con la fuente es un error clásico en la visualización. Yo llamo a esto la "reificación de la desinformación".

WF: ¿Me puede recomendar alternativas de Ngrams? Si no, ¿cómo puedo usar Ngrams de manera más responsable?

JD: En un proyecto como Visualizing Emancipation, que mencionó recientemente, proporcionan un marco de referencia conciso y familiar en el que mostrar mucha información. El mantra estándar en la visualización de información es que los patrones en grandes conjuntos de datos se vuelven legibles en las visualizaciones, y ese es ciertamente el caso en este proyecto, donde podemos ver ubicaciones del Ejército de la Unión, eventos de emancipación y una superposición de las regiones donde la esclavitud fue y fue no es legal en ningún momento dado entre el 1 de enero de 1861 y el 31 de diciembre de 1865. Como herramienta general, el trabajo es fabuloso, legible y conciso. Pero lo que es realmente útil es la interfaz que conecta los puntos de datos en el mapa con sus fuentes, así como las categorías utilizadas por el equipo de modelado de datos.

Donde se vuelve complicado es que una característica como el mapa de calor es engañosa. La intensidad de los eventos y las tensiones sociales probablemente no fue un gradiente espacial continuo, sino una cuestión de picos, fallas, vectores de emoción. Tenemos muy pocas formas de mostrar dicha información, o de mostrar cómo los eventos dan forma al espacio. Incluso un proyecto tan sofisticado como este (y es ejemplar) muestra los límites del uso de un mapa preexistente como base para pegar alfileres (o superposiciones) de referencia. Cuando estás en guerra con un hermano o vecino, la línea fronteriza entre propiedades adyacentes tiene una valencia diferente a la que no está cargada de emoción.

El mapeo afectivo crea espacio; no asume el espacio mapeado como a priori dado. Sus lectores pueden o no estar interesados ​​en los debates filosóficos sobre enfoques "no representativos" de la geografía. Pero el trabajo de Nigel Thrift y otros sugiere que la experiencia hace espacio, y esto es fundamentalmente humanista. Piense en los maravillosos pasajes de Ulises de James Joyce, o la Odisea de Homero . ¿Tiene sentido mapearlos literalmente?

WF: Si la memoria sirve, alabaste La preservación de las huellas favorecidas de Ben Fry, una visualización que también recomendé en una columna anterior. ¿Qué te gusta de la visualización de Fry?

JD: Ben Fry usa el procesamiento computacional para crear un conjunto de datos de comparaciones que ningún humano podría compilar sin estas herramientas. Luego crea una visualización que es un punto de partida para la investigación. La imagen no es el punto final, sino parte de un proceso de investigación más amplio. Una de las mejores iniciativas institucionales, las subvenciones Digging into Data de NEH, promovió este tipo de trabajo. El objetivo era utilizar herramientas de visualización (entre otras) para buscar corpus de materiales de humanidades a gran escala de una manera que creara preguntas de investigación.

WF: Su institución, UCLA, es una especie de visualización visionaria. Hypercities fue uno de los primeros proyectos que encontré, y todavía lo uso en clases. ¿Hay otros proyectos de UCLA que los lectores deberían conocer?

JD: Creo que Hypercities y Seeing Sunset, dos proyectos de UCLA, intentan llamar la atención sobre la información histórica en los mapas. Pensar en cómo crear herramientas espaciales basadas en mapas más antiguos, por lo que no estamos haciendo proyecciones anacrónicas (las que se basan en métricas contemporáneas en lugar de entendimientos históricos) es un desafío que debemos enfrentar en el futuro. Honrar la alteridad cultural del pasado es esencial si queremos utilizar mapas, cuadros, gráficos, diagramas como correctos en sus propios términos, incluso cuando representan un modelo del mundo o cosmos o la comprensión científica que ha cambiado. Se podría decir mucho más sobre todo esto, pero el principio es que la información histórica debe tomarse en sus propios términos.

WF: ¿Qué sigue para las visualizaciones de humanidades?

JD: Necesitamos visualizaciones más sutiles, más complejas, más estratificadas y de más ciclo de vida y culturalmente específicas. Creo que esas visualizaciones aún están muy lejos, ya que requerirían la creación de métricas y modelos de datos no estándar que no se basan en principios cartesianos, sino en modelos de datos afectivos, emergentes y co-dependientes. ¿Cómo se crean líneas de tiempo basadas en la experiencia, no en la hora del reloj? ¿Crear diagramas que ponderen los datos por valor emocional? ¿Mostrar las diferencias inconmensurables entre los modelos culturales del espacio? ¿Incrustar sistemas de valores ideológicos en las métricas de tal diferencia?

¿Alguien que quiera hacer esto? Siempre estoy interesado en socios imaginativos.