Datenhumanismus - eine Fallstudie

Sehen Sie hier das vollständige Ergebnis des Datenvisualisierungsprozesses.

Datenhumanismus

Daten sind eine unvollständige Abstraktion der Welt. Wir benutzen diese Schnittstelle blind als Realität. Dies ist Obskurantismus und Datenhumanisten sind hier, um das Licht einzuschalten.

Die Welt besteht aus komplizierten Mechanismen und Wechselwirkungen. Die Datenerfassung in der Welt ist daher auch komplex. Aber berücksichtigen wir diese Komplexität immer, wenn wir mit Daten arbeiten?

In Big Data-Projekten ist ein Datenelement nur eine weitere Zeile. Je mehr Zeilen vorhanden sind, desto glaubwürdiger ist der Datensatz. Die Linie selbst ist nicht mehr als ein Tropfen im Ozean und repräsentiert nichts mehr. Es hat keine spezifische Form und gibt uns sehr wenig Aufschluss über die Realität. Daten sind ein magisches Plasma, das wir Datenvisualisierungswerkzeugen zuführen, die uns dann die beste Art der Darstellung empfehlen.

In Bezug auf die Datenvisualisierung, insbesondere Dashboards, in denen jedes Widget eine bestimmte Frage beantwortet und eine begrenzte Menge an Informationen liefert, hoffen wir, komplexe Phänomene mit allgemeinen Fragen und formatierten Antworten erklären zu können.

Meistens sind Daten genau das, was wir der Welt entnehmen, um unsere wertvollsten Fragen zu beantworten. Wir verlieren den Sinn dafür, was Daten darstellen. Somit wird seine Komplexität nicht berücksichtigt.

Möglicherweise ist die Verwendung unserer digitalen Tools zum Finden von Antworten auf bereits vorhandene allgemeine Fragen nicht die einzige Möglichkeit, mit Daten umzugehen.

Nehmen wir an, ich habe eine App, mit der ich nachverfolgen kann, wie viele Kilometer ich im letzten Monat gelaufen bin. Ich habe ein Balkendiagramm ausgewählt, um die Entfernung in km für jede Woche des Monats anzuzeigen. Es handelt sich um ein gültiges Design, das gültige Informationen enthält. Es beantwortet die Frage: „Wie viele Kilometer bin ich pro Woche gelaufen?“. Es ist jedoch nur gültig und nichts weiter, da es nicht versucht, etwas anderes zu bedeuten als das, was es anzeigt. Möglicherweise entspricht ein Balken in der Visualisierung stundenlanger körperlicher Anstrengung an verschiedenen Orten, wobei verschiedene Personen unterschiedliche Emotionen empfinden.

Datenhumanisten wie Giorgia Lupi, die ein Manifest verfasst haben, sagen, das Balkendiagramm sei nicht das Problem. Die Schuld liegt bei uns, die bereit sind, eine von Natur aus menschliche Information zu zeigen, ohne den Menschen zu berücksichtigen.

Um den Menschen in der Datenmenge zu finden, schlagen sie Möglichkeiten vor, Empathie auf verschiedenen Ebenen der Datenverarbeitung wieder zu integrieren.

Im nächsten Teil werde ich beschreiben, wer dies tun kann, und ich werde versuchen, diese Ideen als Anleitung für eine menschlichere Visualisierung von laufenden Apps zu verwenden.

Richtlinien

Konzentrieren Sie sich auf den Kontext

Im Gegensatz zum herkömmlichen Ansatz, bei dem Fragen gestellt und Antworten gefunden werden, sollten Daten kontextualisiert werden. "Sneak Context in. (Immer)", sagt Giorgia Lupi. Der Prozess der Analyse der Daten, während über ihre möglichen visuellen Darstellungen nachgedacht wird, wird hoffentlich die Substanz des Kontexts aufdecken.

Aus diesem Grund müssen wir einen persönlichen Ansatz für die Erfassung, Analyse und Anzeige von Daten wiedererlangen, um zu beweisen, dass Subjektivität und Kontext eine wichtige Rolle für das Verständnis auch großer Ereignisse und sozialer Veränderungen spielen - insbesondere wenn es um Daten von Menschen geht.

Sammeln Sie Ihre eigenen Daten

Das manuelle Sammeln der Daten macht sie menschlicher. Im Allgemeinen würden normale Dateningenieure einen verfügbaren Datensatz finden, der ihren Anforderungen entspricht. Wenn sie es jedoch sorgfältig selbst erstellen, werden sie nicht vergessen, welche Daten repräsentativ sind. Bei dem Versuch, einen humanistischeren Ansatz zu verfolgen, sind darüber hinaus keine spezifischen Daten erforderlich. Im Fall der obigen Running-App besteht das Ziel lediglich darin, die Erfahrung des Läufers in eine abstrahierte visuelle Form zu übersetzen. Daher wird keine bestimmte Form von Daten empfohlen.

Stefani Posavec schlägt in ihrem Vortrag auf der Eyeo 2018 vor, dass das Sammeln von Daten an sich schon eine lohnende Aktivität sein kann. Und sie rehabilitiert sogenannte Anoraks mit sehr persönlichen Beispielen.

Analysieren und Gestalten

Der Datenanalyseprozess kann dann teilweise durch Eintauchen in den Datensatz ausgeführt werden. Wenn Sie gleichzeitig eine Handskizze für die Datenvisualisierung erstellen, werden möglicherweise die zugrunde liegenden Strukturen des Sets angezeigt. Mit dieser Art der gemischten Analyse und des Entwurfs kann das übliche datengetriebene Entwurfsparadigma umgangen werden.

Ermächtige den Leser

Auch nach Abschluss der Datenvisualisierung ist der Datenanalyseprozess noch nicht abgeschlossen. Der Zweck des Entwurfs besteht darin, komplexe Phänomene abzubilden. Daher sollte ein Teil der Analysearbeit dem Leser des Entwurfs überlassen werden. Dies wird bei Accurat als nicht lineares Geschichtenerzählen bezeichnet. Die Benutzer werden aufgefordert, ihre Informationen auszuwählen und daraus eine Geschichte zu machen.

Eine menschlichere Lauf-App

Ich laufe sehr gerne. Und wenn ich eine Stadt entdecke, versuche ich, schöne Laufstrecken zu finden, um Sport zu treiben und die Orte zu entdecken, die ich besuche. Manchmal verwende ich eine laufende App, die meine Läufe protokolliert und in Datenvisualisierungsdesigns zusammenfasst. Natürlich sind die Lauf-Apps hauptsächlich für Sportler gedacht, die über ihre Leistungen berichten möchten, daher sind die Designs nicht humanistisch. Da ich kein Athlet bin und die Regeln des Datenhumanismus für mich jetzt etwas klarer sind, habe ich versucht, meine eigenen Laufberichte zu entwerfen.

Das vollständige Ergebnis finden Sie hier. Lesen Sie weiter, wenn Sie an meinem Gedankenprozess zur Datenvisualisierung interessiert sind.

Was gibt es schon

Die Berichte in der ursprünglich ausgeführten App enthalten drei Arten von Visualisierungsdesign. Zuerst lief ein Balkendiagramm, das die km in den letzten Wochen angab, wie oben erwähnt. Dann eine Karte, auf der die Strecke hervorgehoben ist, mit Steigungen von grün nach rot je nach Geschwindigkeit. Und schließlich Liniendiagramme, die beim letzten Durchgang noch viele andere Erkenntnisse liefern.

Screenshots der laufenden App runtastic

Das Design und die Datenauswahl

Ich empfinde Farben als allgemeine Eindrücke. Wenn ich an die Tracks denke, die ich bisher durchlaufen habe, stelle ich mir eine Reihe von Farben vor. In Paris stelle ich mir das Beige der Gebäude mit dem Grau der Seine und dem intensiven blauen Himmel vor.

Für die Datenerfassung habe ich mich entschlossen, meine gewohnten Spuren in Google Street View durchzugehen und bei jedem Kilometer die Farbe zu wählen, die mir am meisten auffällt.

Jetzt bestehen meine Daten aus einer Reihe von Schaltkreisen und für jeden von ihnen eine Reihe von Farben.

Wie die meisten Menschen auf der Erde renne ich selten ohne Musik. Außerdem sehe ich die Alben, die ich höre, als Schatten. Deshalb habe ich für jeden meiner letzten 9 Läufe die Musik, die ich gehört habe, aufgeschrieben und sie mit Farben versehen.

Für jeden dieser Läufe gab ich auch drei Arten von Rückmeldungen. Ein Umgebungsfeedback von 1/3 für eine schlechte Laufumgebung zu dieser Zeit bis 3/3 für eine großartige Erfahrung. Ein Feedback zur physischen Erfüllung, 1/3 für physische schwere Zeiten und 3/3 für perfekte Bedingungen. Beende irgendwann ein psychologisches Feedback, das oft mit der Musik zusammenhängt, die ich gehört habe.

Ich habe meinen persönlichen Daten auch verschiedene Indikatoren hinzugefügt, wie die Länge der Tracks oder deren Schwierigkeitsgrad.

Dann musste ich interessante Wege finden, um die Daten zu komprimieren und das Design so zu gestalten, dass ich eine Visualisierung erzielen konnte, die mein Lauferlebnis übersetzt. Ich wollte jedem Lauf ein farbenfrohes Gefühl verleihen.

Interaktive Datenvisualisierung

Die Tatsache, dass ich mich entschlossen habe, eine (leicht) interaktive Website mit der Bibliothek d3.js zu erstellen, ist nicht unerheblich. Eines der Themen des Datenhumanismus ist, dass Technologie und Daten so wenig Entscheidungen wie möglich treffen sollten. Die Anzeige des unfixierten Ergebnisses über ein digitales interaktives Medium (wobei eine Bibliothek wörtlich „datengesteuert“ bedeutet) bedeutet, dass die Technologie dem Design Struktur verliehen hat.

In dieser Fallstudie habe ich jedoch die Javascript-Technologie verwendet, um das Storytelling durch Hinzufügen von Interaktivität zu verbessern. Ein Klick auf ein Farbelement, das sich auf eine bestimmte Musik bezieht, öffnet eine neue Registerkarte mit einem YouTube-Video, das diese Musik wiedergibt. Durch die Befähigung des Lesers habe ich die Gestaltungsmöglichkeiten eingeschränkt.

Ein Mausklick, ein Tippen mit dem Daumen oder die Maus über ein Element sind alle Dimensionen, die dem Raum der Geschichten hinzugefügt werden, die durch das Design erzählt werden können. Und als ersten Versuch, Humanismus zu entwerfen, hoffe ich, dass zumindest einige laufende Geschichten durch mein Experiment gelesen werden.