Niujorko duomenų laboratorija „Office of Creative Research“ turi daug ko išmokyti žurnalistus

„And That's The Way It Is“ – tai Teksaso universiteto viešosios meno programos „Landmarks“, Beno Rubino ir Kūrybinių tyrimų biuro bendradarbiavimas. (Nuotraukų kreditas: OCR)

Jei vieną 2012 m. pavasario naktį vaikščiotumėte Teksaso universiteto miesteliu Ostino miestelyje, būtumėte matę, kaip daugelis žmonių sužinojo naujienas iš penkiaaukščio pastato pusės.

Frazės iš legendinių Walterio Cronkite'o laidų, taip pat tiesioginių naujienų iš visos šalies, buvo projektuojamas į šoną Jesse H. Jones komunikacijos centre, leisdamas visiems, kas ėjo pro šalį, pažvelgti į naktines naujienas iš praeities ir dabarties.

Projektą sukūrė nariai Kūrybinių tyrimų biuras , Niujorke įsikūrusi tyrimų grupė, kuri dažnai kuria duomenų vizualizacijas, viešosios erdvės pasirodymus ir prototipus, padedančius žmonėms suprasti informaciją.

Pastaraisiais mėnesiais jie sukūrė vizualizaciją apie Einšteino bendrosios reliatyvumo teoriją „Scientific American“, sukūrė „Chrome“ plėtinį kuri padeda žmonėms suprasti skelbimų taikymą ir dirbo su National Geographic stebėti laukinę gamtą realiu laiku Okavango deltoje Botsvanoje.

Jų darbas sujungia žurnalistiką, vartotojų tyrimus, viešąjį pasirodymą ir didelio masto skaitmeninimą, kuris leidžia žmonėms suprasti arba apdoroti informaciją naujais būdais (daugelis tyrimų grupės narių persikėlė iš „The New York Times“). neseniai uždaryti R&D Lab).

Susisiekiau su Kūrybinių tyrimų biuru, kad sužinočiau daugiau apie grupės požiūrį į plataus masto įtraukimą ir informaciją, kuri peržengia ekrano ribas ir turi daug pritaikymų naujienų skyriams.

Aš myliu tave prognozavo naktines naujienas į penkių aukštų pastatą Teksase. Tai mobiliojo įrenginio priešingybė. Visi kartu dalijasi bendruomenine patirtimi. Ar galėtumėte šiek tiek pakalbėti apie tai, kaip matote viešąją erdvę ir kaip naujienos gali matyti viešąją erdvę, kai galvojate, kaip perteikti naujienas?

Visų pirma, didžioji dalis nuopelnų už šį nuostabų kūrinį tenka Benui Rubinui, OCR įkūrėjui, kuris dabar yra Parsons'o informacijos žemėlapių instituto direktorius.

Benas pasakoja puikią istoriją apie tai, kaip vaikystėje vakare važiavo dviračiu namo ir matė, kad kiekvienas langas gatvėje mirga sinchroniškai, nes visi tuo pačiu metu žiūrėjo tą pačią naujienų laidą. Tai liečia ką Teju Cole vadina „viešuoju laiku“, ir manau, kad tai tikrai vertinga sąvoka, apie kurią reikia pagalvoti, kai nagrinėjame duomenų ir visuomenės santykį.

Viešoji erdvė pasikeitė dėl mobiliųjų įrenginių paplitimo. Atrodo, kad žmonės mažiau suvokia savo aplinką ir mažiau linkę bendrauti vieni su kitais, bet daug labiau linkę bendrauti su žmogumi, esančiu iš tos erdvės.

Kaip nusprendžiate, kokių projektų imtis? Kas daro gerą projektą? Tolesnis veiksmas: kuo geras tiesioginis renginys palyginti su skaitmeniniu projektu?

Daugelis jūsų darbų yra susiję su sudėtingų dalykų supratimu. Sukūrėte interaktyvų žaidimą ir pasakojimą paaiškinti išvadas naujausio gamtos dokumento. Norėčiau sužinoti daugiau apie tai, kaip šis projektas buvo sujungtas ir kaip išbandėte tai, ką sukūrėte, kad auditorija suprastų animaciją.

Į mus kreipėsi (profesorius) Simon J. Anthony, kad jis vizualiai perteiktų savo referato idėjas didesnei auditorijai, ne tik kolegoms tyrinėtojams. Nusprendėme nukreipti į skirtingus virusų ryšius šeimininkuose, ypač kai jie nesukelia jokios akivaizdžios ligos. Norėdami prognozuoti, pirmiausia turite nustatyti, kokie modeliai egzistuoja, todėl didžioji žaidimo edukacinio aspekto dalis yra bandymas parodyti skirtumą tarp atsitiktinumo ir deterministinių modelių. Tai, kas mus taip pat sudomino apie jo tyrimą, buvo tai, kad nagrinėjate skirtingų masto virusų sąveiką. Modeliai gali būti labai skirtingi, todėl tapo svarbu galvoti apie viruso-viruso, viruso-prieglobos ir daugelio prieglobų bendruomenės lygmenį. Tai, kad visi šie santykių tipai vyksta vienu metu ir kad yra potencialiai nuspėjamų modelių, lemiančių jų egzistavimą, buvo didžiausias mūsų pritraukimas.

Kai žmonės ateina į OCR su projektu, stengiamės apsisukti, ką bando gauti duomenys ar tyrimas, ir stengiamės juos interpretuoti bei išversti platesnei auditorijai. Šiuo atveju norėjome išplėsti Simono tyrimų galimybes už mokslo ar akademinės bendruomenės ribų. Sukūrėme supaprastintą pasakojimą, kuris paaiškintų kelias pagrindines darbo sąvokas. Žaidimo elemento pridėjimas atrodė kaip natūralus būdas sutvirtinti kai kurias abstrakčias sąvokas, kurias bandėme parodyti, ir turėti platesnį patrauklumą. Kad tema būtų lengviau prieinama, norėjome, kad svetainės vaizdinė kalba būtų ryškiaspalvė, draugiška ir primintų kosmoso užpuolikus. Poop jaustukas atsiskleidė kaip labai svarbus įrankis, nurodantis viruso mėginių rinkimo metodą ir suteikiantis svetainei šiek tiek rafinuotumo.

Aš žiūriu į jūsų atliekamą darbą kaip žurnalistiką, bet už tradicinės redakcijos ribų. Jūs padedate žmonėms suprasti ir suprasti savo pasaulį. Ar turite mėgstamą projektą?

Mes tikrai esame „greta žurnalistikos“. Keturi iš 10 mūsų komandos narių yra susipažinę su naujienomis, ir manau, kad su naujienų skyriumi dalijamės etiniais ir techniniais požiūriais. Beje, mums ne visada įdomu tvarkingai papasakoti istoriją. Iš esmės mes esame tyrimų grupė, ir manau, kad dauguma geriausių mūsų darbų iš prigimties yra neužbaigti. Mandagiai atsisakome pasirinkti mėgstamą projektą.

Didžioji jūsų darbo dalis yra susijusi su žmonių susiejimu su informacija per pasirodymą. Vienas iš mano mėgstamiausių yra pasirodymas MoMA 120 000 objektų kolekcijų duomenų bazė . Ar galite šiek tiek papasakoti apie tai, kaip pasirinkote sukurti duomenų bazę ir kaip tai darydami galvojote apie auditorijas ir viešąsias erdves?

MoMA mūsų paprašė dalyvauti jų menininkų eksperimentų serijoje, o tai reiškė bendradarbiavimą su jų švietimo skyriumi rengiant kažką, kas galėtų būti vertinama kaip vieša programa.

Mūsų pradinės idėjos daugiausia buvo susijusios su konceptualių API kūrimu, kuris leistų lankytojams (tiek pastate, tiek internete) įdomiai bendrauti su muziejaus duomenų bazėmis. Pasirodo, tokioje institucijoje kaip MoMA yra daug politinių sąlygų, ir mes negalėjome gauti leidimų atlikti darbą, kurio iš pradžių norėjome. Taigi nusprendėme iš naujo suformuluoti problemą ir išsiaiškinti, kaip galėtume pateikti duomenis, kurie jau buvo vieši, naujais ir įdomiais būdais. Markas Hansenas ir Benas Rubinas turėjo duomenų ir atlikimo istoriją, todėl jie tikrai vadovavo kūrinio kūrimui kartu su [teatro grupe] Liftų remonto paslaugos ir struktūrizavo spektaklį galerijose.

Duomenų perkėlimas į viešąją erdvę keičia būdą, kaip žmonės tikisi su jais bendrauti. Tai taip pat daro duomenų naudojimą šiek tiek mažiau savanorišką – dažniausiai mes „skaitome“ duomenis, kai spustelėjame nuorodą, atverčiame puslapį ar dalyvaujame pokalbyje. Įdėdami duomenų skulptūrą į parką ar statydami duomenų bazės spektaklį meno galerijoje, tam tikrais būdais primetame duomenis žmonėms, o tai keičia pokalbio dinamiką.

Naujienose dažnai publikuojamas kūrinys, o tada redaktoriai, reporteriai ir duomenų vizualizavimo komanda pereina prie kito projekto. Tu rašyti kad kai muziejai „skatina meno kūrimą savo kolekcijų duomenimis, muziejai taip pat atsiduria gražioje rekursijoje: jie gamina duomenis, kurie sukuria meną, kuris gamina duomenis, ir toliau, ir toliau“.

Tai man primena, kada naujienų organizacijos tikrai yra savo komentarų skilčių viršuje, nes jos gauna naujų istorijų idėjų iš žmonių, kurie atsakė į pirmąjį jų kūrinį. Man įdomu, kaip naujienų skyriai gali paskatinti savo auditoriją remiksuoti turinį arba sukurti ką nors naujo iš to, ką jie gamina. Matau tiek daug projektų, kuriems įgyvendinti prireikė tiek laiko – ir tada komanda pereina prie kito projekto. Ar yra būdų, kaip išplėsti skelbimą?

Nuo pat OCR įkūrimo mus žavėjo grįžtamojo ryšio idėja. Nuolat stengiamės sudominti savo auditoriją ne tik pasitelkdami savo sukurtus įrankius. Nuo duomenų rinkimo iki duomenų vizualizavimo apima daug žingsnių ir veikėjų, kurie dažnai formuoja ir daro įtaką iš pradžių surinktiems duomenims. Dėl skaidrumo ir atvirumo mums labai svarbu įtraukti žmones į visą duomenų transformavimo procesą – nuo ​​neapdorotų bitų iki jutiminių išvesties.

Manome, kad tai yra bandymas pasipriešinti galios gradientui, kuris valdo daugumą duomenų sistemų, kai žmonės, iš kurių gaunami duomenys, turi mažiausiai galios, o vyriausybės ir korporacijos – daugiausia.

Kai kurie mūsų projektai, pvz., „Floodwatch“, įtraukia visuomenę į duomenų rinkimo procesą. Kiti, pvz., „Into The Okavango“, suteikia žmonėms įrankius neapdorotų duomenų užklausoms per viešąsias API. Netrukus išleisime piliečių mokslo projektą „Debesuota su skausmo tikimybe“, kuris skatina dalyvius tyrinėti visuomenės sveikatos duomenis ir pateikti savo hipotezes projekto tyrimų grupei Mančesterio universitete, JK. Yra daug būdų įtraukti auditoriją, kurios dar neištirtos, ir mes tvirtai tikime, kad jos neturėtų apsiriboti kūrybinio proceso pabaiga.

Pastaruoju metu domėjomės, kaip bendruomenės gali tiesiogiai kritikuoti duomenis. Kuriame keletą API, leidžiančių vartotojams komentuoti duomenų objektus su klausimais apie kilmę, komentarais dėl teisingumo ar metodologijos kritikos.

Kai aptikau jūsų projekto puslapį, sugalvojau tiek daug būdų, kaip naujienų skyriai galėtų galvoti apie erdvę, našumą ir duomenų rinkimą. Tačiau jiems dažnai trūksta išteklių ir laiko. Kokius smulkius dalykus organizacijos gali padaryti, kad padėtų žmonėms užmegzti ryšius ir geriau suprasti juos supantį pasaulį, net jei jie neturi duomenų, ty komandos?

Manau, kad naujienų skyriai turi galvoti apie būdus, kaip sukurti kūrybinius duomenų įgūdžius į esamas komandas, o ne apgailestauti, kad trūksta „duomenų komandos“. Du iš mūsų mėgstamiausių žmonių pasaulyje neseniai sukūrė nuostabų projektą, pavadintą „ Gerbiami duomenys “, kuriame vieni su kitais per metus apsikeitė rankomis pieštais duomenų atvirukais. Jokio kodo, tik pieštukų kreidelės. Tai geras priminimas, kad technologijos (ir susijęs biudžetas) nėra tikrasis ribojantis veiksnys.

Kalbant apie įkvėpimą, Johno Keefe'o komanda WNYC visada mus stebina nuostabiais ir išradingais būdais, kuriais jie dirba su duomenimis su maža komanda ir nedideliu biudžetu. Mus ypač žavi WNYC projektai, kuriuose duomenų rinkimas derinamas su duomenų pateikimu. Jie tikrai įkvepiančiais būdais ištrina ribas tarp žurnalistikos ir piliečių mokslo bei kūrėjų judėjimo.

(Susijęs: „Stream Lab“ transliacijos žurnalistai kartu su studentais tyrinėja Vakarų Virdžinijos vandenį)

Daug kuruoju ataskaitų apie skelbimų technologijas ir man buvo labai smalsu apie jūsų projektus. Už Banerio “ ir „ Potvynis . Kokia „Floodwatch“ būsena? Ar dalyvavo žmonės? Ko išmokote iš šio eksperimento?

2013 m. sukūrėme skelbimų technologijų sistemų paaiškinimą (verslininkui ir žurnalistui) Johnui Battelle. Buvo įdomu sužinoti apie šią didelę, be galvų sistemą, kuri, be abejo, yra pati sudėtingiausia kada nors sukurta skaičiavimo sistema. Vykdydami šį projektą, mes pradėjome galvoti apie tai, kaip asmenys nelabai mato, ar yra šios sistemos, ir pradėjome galvoti apie būdus, kaip galėtume šviesti ir suteikti daugiau galimybių vartotojus (arba, kaip mes juos vadiname, žmones). Rezultatas buvo „Floodwatch“ – įrankis, leidžiantis žmonėms peržiūrėti profilius, kuriuos apie juos kuria reklamuotojai, ir leidžiantis rinkti pasiūlymų duomenų bazę, kuria galima dalytis su reklamos tyrinėtojais.

Floodwatch šiuo metu yra alfa versijos, o šią vasarą turime išleisti beta versiją. Sukaupę didelę vartotojų bazę (apie 12 000 prisiregistravo naudoti plėtinį, nors šiuo metu yra mažiau aktyvių naudotojų), sukūrėme didelį duomenų rinkinį skelbimų, kurie buvo pateikti žmonėms. Dirbdami su mašininio mokymosi specialistu, galėjome klasifikuoti skelbimus pagal juose esančius vaizdus. Planuojame išleisti naują beta versijos funkciją, kurioje naudotojai gaus vizualizacijas, paaiškinančias jiems teikiamų skelbimų tipus ir jų palyginimą su kitais.

Kaip semiesi naujų idėjų? Kaip dalinatės tuo, ką išmokote?

Yra pusiausvyra tarp idėjų, kurias generuoja biuras, ir idėjų, kurios mums ateina per mūsų partnerius. Studijoje stengiamės save atskleisti kuo daugiau kitų kūrėjų ir tyrinėtojų. Siekdami šio tikslo, kas mėnesį rengiame renginį, vadinamą OCR Friday, kuriame kviečiame ką nors kartu su 30 svečių praleisti keletą valandų pokalbiams apie tyrimais pagrįstą praktiką. Turėjome filmų kūrėjų, teisininkų, privatumo tyrinėtojų, stebėjimo menininkų, aludarių, dizainerių, skulptorių... stengiamės, kad viskas būtų įvairi.

Mes ne taip gerai, kaip turėtume dalytis tuo, ką išmokome. Kasmet leidžiame žurnalą, kuriame yra mūsų projektų efemeros: užrašai, esė, kodas ir kiti smulkmenos. Stengiamės geriau priglobti aktyvias viešas „GitHub“ saugyklas, taip pat norėtume surengti viešus seminarus ir neoficialias diskusijas apie mokslinių tyrimų temas, kurias galbūt stebėsime.

Daugeliui naujienų skyrių šiandien rūpi algoritmai platformose, kontroliuojantys, kas gali matyti turinį. Ar galėtumėte šiek tiek pakalbėti apie algoritmų vaidmenį jūsų darbe? Koks ryšys tarp algoritmų ir redakcinio sprendimo?

O berniuk, algoritmai.

Vandenys aplink algoritmus ir redakcinį sprendimą yra neįtikėtinai migloti. Kaip (buvęs „Kickstarter“ duomenų guru) Fredas Benensonas neseniai pasakė, algoritmai dažnai naudojami „ mathwash funkcija, kuri kitu atveju būtų laikoma savavališka objektyvumui .

Prieš keletą metų mūsų buvo paprašyta sukurti algoritmą ir medijų instaliaciją Rugsėjo 11-osios muziejui, kuri dinamiškai sukurtų laiko juostas, susiejančias dabartinius įvykius su Rugsėjo 11-osios įvykiais. Pvz., gali būti sukurta gija apie tai, kaip ginklų kontrolės įstatymai pasikeitė ir nepasikeitė nuo šios savaitės iki 2001 m. Mes tikrai aiškiai pasakėme, kad kūrinio „algoritmas“ nepašalino subjektyvumo. tam tikra prasme tai sustiprino. Nepaisant to, kai kūrinys buvo pristatytas, dėl skaičiavimo jis buvo apibūdintas kaip objektyvus. Tai buvo puikus būdas muziejui apeiti kuravimo politiką.

Algoritmus naudojame kaip priemonę duomenims apdoroti, vizualinėms formoms generuoti, scenarijus atlikėjams kurti, garso peizažus. Kai kurie iš šių algoritmų yra „išjungti“, tokiu atveju redakcinis sprendimas nusprendžia, kurį algoritmą tikslinga naudoti. Kiti algoritmai, kuriuos sukuriame patys, tokiu atveju stengiamės atsižvelgti į tai, kaip mūsų subjektyvumas patenka į kodą. Dviejų žodžių algoritmo apibrėžimas yra „daryk iki“ – ir tai reiškia, kad tol, kol tai pateks į bėdą, nes bet koks tylus bendravimas gali būti sustiprintas iki garsaus.