Office of Creative Research, et datalaboratorium i New York, har mye å lære journalister

'And That's The Way It Is' er et samarbeid mellom University of Texass offentlige kunstprogram Landmarks, Ben Rubin og Office for Creative Research. (Fotokreditt: OCR)

Hvis du gikk på campus ved University of Texas på Austin campus en vårnatt i 2012, ville du ha sett en rekke mennesker få nyhetene sine fra siden av en fem-etasjers bygning.

Fraser fra Walter Cronkites legendariske sendinger, samt direktesendte nyhetsstrømmer fra hele landet, var projisert på siden fra Jesse H. Jones Communication Center, og gir alle som gikk forbi en titt på nattlige nyheter fra fortid og nåtid.

Prosjektet er laget av medlemmer av Kontoret for kreativ forskning , en New York-basert forskningsgruppe som ofte lager datavisualiseringer, forestillinger om offentlige rom og prototyper for å hjelpe folk å forstå informasjon.

De siste månedene har de laget en visualisering om Einsteins generelle relativitetsteori for Scientific American, laget en Chrome-utvidelse som hjelper folk å forstå annonsemålretting og jobbet med National Geographic for å spore dyrelivet, i sanntid, i Okavango-deltaet i Botswana.

Arbeidet deres kombinerer journalistikk, brukerforskning, offentlig ytelse og storskala digitaliseringer som får folk til å forstå eller behandle informasjon på nye måter (en rekke forskergruppemedlemmer migrerte fra The New York Times' nylig lukket FoU-lab).

Jeg tok kontakt med The Office of Creative Research for å lære mer om gruppens tilnærming til bredskala engasjement og informasjon, som går langt utover grensene til en skjerm og har mange applikasjoner for redaksjoner.

Jeg elsker deg projiserte nattnyhetene på en fem-etasjers bygning i Texas. Det er det motsatte av en mobil enhet. Alle deler en felles opplevelse sammen. Kan du snakke litt om hvordan du ser på det offentlige rom og hvordan redaksjoner kan se det offentlige rom når du tenker på hvordan du skal formidle nyhetene?

Først av alt, mesteparten av æren for det fantastiske stykket går til Ben Rubin, OCR-medstifter, som nå er direktør for Parsons’ Institute for Information Mapping.

Ben forteller en flott historie om å sykle hjem om kvelden da han var liten og se alle vinduene på gaten flimre synkront - fordi alle var innstilt på den samme nyhetssendingen samtidig. Dette berører hva Teju Cole kaller 'offentlig tid', og jeg tror det er et veldig verdifullt konsept å tenke på når vi undersøker forholdet mellom data og offentligheten.

Det offentlige rommet har endret seg på grunn av utbredelsen av mobile enheter. Folk ser ut til å være mindre oppmerksomme på omgivelsene sine, og mindre sannsynlighet for å kommunisere med hverandre, men mye mer sannsynlig å kommunisere med noen som er fjernet fra det rommet.

Hvordan bestemmer du hvilke prosjekter du skal ta på deg? Hva gjør et godt prosjekt? En oppfølging: Hva gjør et godt live-arrangement kontra et digitalt prosjekt?

Mye av arbeidet ditt handler om å gjøre vanskelige emner mye lettere å forstå. Du opprettet et interaktivt spill og fortelling til forklare funnene av en fersk Nature-artikkel. Jeg vil gjerne høre mer om hvordan det prosjektet kom sammen, og hvordan du testet det du bygde for å sikre at publikum forsto animasjonen.

Vi ble kontaktet av (professor) Simon J. Anthony for å visuelt formidle ideene i papiret hans til et større publikum utover medforskere. Vi bestemte oss for å målrette de forskjellige typene forhold mellom virus i verter, spesielt når de ikke forårsaker noen tilsynelatende sykdom. For å lage spådommer, må du først finne ut hva slags mønstre som finnes, så en stor del av det pedagogiske aspektet ved spillet prøver å vise forskjellen mellom tilfeldighet og deterministiske mønstre. Det som også interesserte oss med forskningen hans var at når du undersøker interaksjonene mellom virus i forskjellige skalaer. Mønstrene kan være svært forskjellige, så det ble viktig å tenke på et virus-til-virus-nivå, et virus-til-vert-nivå og et fellesskapsnivå av mange verter. Det faktum at alle disse typene forhold skjer samtidig og at det er potensielt forutsigbare mønstre som driver deres eksistens var det største trekkplasteret for oss.

Når folk kommer til OCR med et prosjekt, prøver vi å vikle hodet rundt hva dataene eller forskningen prøver å komme frem og gjøre vårt beste for å tolke og oversette det til et bredere publikum. I dette tilfellet ønsket vi å utvide rekkevidden til Simons forskning utover det vitenskapelige eller akademiske samfunnet. Vi laget en forenklet fortelling som skulle forklare noen av kjernekonseptene i artikkelen. Å legge til et spillelement virket som den naturlige måten å sementere noen av de abstrakte konseptene vi prøvde å vise, og ha en bredere appell. For å gjøre emnet mer tilgjengelig ønsket vi at nettstedets visuelle språk skulle være fargerike, vennlige og minne om rominntrengere. Basj-emojien avslørte seg selv som et veldig viktig verktøy som refererer til metoden for å samle virusprøvene, og som også tilfører nettstedet en viss letthet.

Jeg ser på arbeidet du gjør som journalistikk, men utenfor den tradisjonelle redaksjonen. Du hjelper folk til å forstå og forstå deres verden. Har du et favorittprosjekt?

Vi er definitivt 'journalistikken tilstøtende.' Fire av våre 10 teammedlemmer har bakgrunn i nyhetene, og jeg tror at vi deler etiske og tekniske tilnærminger med en redaksjon. Når det er sagt, er vi ikke alltid interessert i å fortelle en historie pent. I bunn og grunn er vi en forskningsgruppe, og jeg tror at mye av vårt beste arbeid er iboende ufullstendig. Vi avslår høflig å velge et favorittprosjekt.

Mye av arbeidet ditt innebærer å koble folk til informasjon gjennom ytelse. En av mine favoritter er å opptre MoMAs 120 000-objektsamlingsdatabase . Kan du snakke litt om hvordan du valgte å utføre en database og hvordan du tenkte på publikum og offentlige rom mens du gjorde det?

Vi ble bedt av MoMA om å delta i deres Artists Experiment-serie, som innebar å samarbeide med utdanningsavdelingen deres om noe som kunne sees på som et offentlig program.

Våre første ideer handlet for det meste om å lage konseptuelle APIer, som ville tillate besøkende (både i bygningen og på internett) å samhandle med museets databaser på interessante måter. Som det viser seg, er det mange politiske forhold som eksisterer i en institusjon som MoMA, og vi var ikke i stand til å få tillatelser til å gjøre det arbeidet vi først ønsket. Så vi bestemte oss for å omformulere problemet og se hvordan vi kunne presentere dataene som allerede var offentlige på nye og interessante måter. Mark Hansen og Ben Rubin hadde en historie med data og forestillinger, så de ledet virkelig utviklingen av stykket med [teatergruppen] Heisreparasjonstjeneste og strukturerte forestillingen i galleriene.

Å bringe data inn i det offentlige rom endrer måten folk forventer å samhandle med dem. Det gjør også opplevelsen av data noe mindre frivillig – for det meste 'leser' vi data når vi klikker på en lenke eller slår en side eller deltar på en foredrag. Ved å sette en dataskulptur inn i en park eller iscenesette en forestilling av en database i et kunstgalleri, tvinger vi på noen måter data på mennesker, noe som endrer dynamikken i samtalen.

I redaksjoner publiseres ofte et stykke, og deretter går redaktørene, reporterne og datavisualiseringsteamet videre til sitt neste prosjekt. Du skrive at når museer «oppmuntrer[e] til kunst med sine samlingsdata, finner museene seg også involvert i en vakker form for rekursjon: De produserer data som produserer kunst som produserer data, og videre og videre og videre.»

Det minner meg om når nyhetsorganisasjoner virkelig er på toppen av kommentarseksjonene sine, fordi de får nye historieideer fra menneskene som svarte på deres første del. Jeg er nysgjerrig på hvordan redaksjoner kan oppmuntre publikum til å remikse innholdet eller lage noe nytt fra det de produserer. Jeg ser så mange prosjekter som tok så mye tid å lage - og så går teamet videre til neste prosjekt. Finnes det måter å utvide utover publisering?

Siden OCRs oppstart har vi vært fascinert av ideen om tilbakemelding. Vi prøver hele tiden å engasjere publikum utover bare resultatet av verktøyene vi lager. Fra datainnsamling til datavisualisering er mange steg og aktører involvert, som ofte former og påvirker dataene som først ble samlet inn. Av hensyn til åpenhet og åpenhet er det derfor avgjørende for oss å involvere mennesker gjennom hele prosessen med datatransformasjon, fra råbiter til sensoriske utdata.

Vi ser dette som et forsøk på å presse mot maktgradienten som driver de fleste datasystemer, der menneskene som dataene kommer fra har minst makt og myndigheter og selskaper har mest.

Noen av prosjektene våre, som 'Floodwatch', involverer publikum i datainnsamlingsprosessen. Andre som 'Into The Okavango' gir folk verktøy for å søke etter rådata gjennom offentlige APIer. Vi slipper snart et samfunnsvitenskapelig prosjekt, 'Cloudy With A Chance of Pain', som oppfordrer deltakerne til å utforske folkehelsedata og sende inn sine egne hypoteser til prosjektets forskerteam ved University of Manchester, Storbritannia. Det er mange muligheter for å involvere publikum som ennå ikke skal utforskes, og vi mener sterkt at de ikke bør begrenses til slutten av den kreative prosessen.

I det siste har vi vært interessert i hvordan samfunn direkte kan kritisere data. Vi bygger et par API-er som lar brukere kommentere dataobjekter med spørsmål om herkomst, kommentarer om sannhet eller metodikkkritikk.

Da jeg kom over prosjektsiden din, tenkte jeg på så mange måter som redaksjoner kunne tenke på plass og ytelse og datainnsamling. Men de er ofte fastspent for ressurser og tid. Hva slags små ting kan organisasjoner gjøre for å hjelpe folk til å knytte forbindelser og forstå verden rundt dem bedre, selv om de ikke har et datateam?

Jeg tror redaksjoner må tenke på måter å tre kreative dataferdigheter inn i sine eksisterende team, i stedet for å beklage mangelen på et «datateam». To av våre favorittmennesker i verden laget et fantastisk prosjekt nylig kalt ' Kjære Data ” der de utvekslet håndtegnede datapostkort med hverandre i løpet av et år. Ingen kode, bare blyantstifter. Det er en god påminnelse om at teknologi (og det tilhørende budsjettet) ikke er den egentlige begrensende faktoren.

Apropos inspirasjon, John Keefes team på WNYC overrasker oss alltid med de herlige og ressurssterke måtene de jobber med data på med et lite team og et lite budsjett. Vi er spesielt begeistret av WNYC-prosjektene som kombinerer datainnsamling med datarepresentasjon. De visker ut grensene mellom journalistikk og borgervitenskap og maker-bevegelsen på virkelig inspirerende måter.

(Relatert: På Stream Lab slår kringkastingsjournalister seg sammen med studenter for å undersøke West Virginia-vann)

Jeg rapporterer mye om annonseteknologi og var veldig nysgjerrig på prosjektene dine. Bak banneret ' og ' Flomklokke .' Hva er statusen til Floodwatch? Deltok folk? Hva lærte du av det eksperimentet?

I 2013 bygde vi en forklaring av ad tech-systemer for (gründer og journalist) John Battelle. Det var fascinerende å lære om dette store, hodeløse systemet, som uten tvil er det mest komplekse beregningssystemet som noen gang er laget. Gjennom arbeidet vårt med det prosjektet begynte vi å tenke på hvordan enkeltpersoner ikke får se mye av dette systemet og begynte å tenke på måter vi kunne utdanne og styrke forbrukere (eller, som vi kaller dem, mennesker). Resultatet ble Floodwatch, et verktøy som gir folk en titt på profilene som annonsører bygger om dem og gjør det mulig å samle en buddatabase som kan deles med reklameforskere.

Floodwatch er for øyeblikket i alfa, og vi skal ha en beta-utgivelse til sommeren. Etter å ha fått en betydelig brukerbase (rundt 12 000 har registrert seg for å bruke utvidelsen, selv om det er færre aktive brukere for øyeblikket), bygde vi opp et stort datasett med annonser som folk har fått vist. I samarbeid med en maskinlæringsspesialist har vi klart å klassifisere annonsene utelukkende basert på bildene de inneholder. Vi planlegger å lansere en ny funksjon i betaversjonen, der brukere vil få visualiseringer som forklarer hvilke typer annonser de får vist, og hvordan de er sammenlignet med andre.

Hvordan får du nye ideer? Hvordan deler du det du lærer?

Det er en balanse mellom ideer som genereres av kontoret, og ideer som kommer inn på døren vår via våre partnere. I studio prøver vi å eksponere oss for så mange andre skapere og forskere som mulig. Som tjeneste for dette holder vi et månedlig arrangement kalt OCR Friday hvor vi inviterer noen, sammen med 30 gjester, til å bruke noen timer på å snakke om forskningsbasert praksis. Vi har hatt filmskapere, advokater, personvernforskere, overvåkingskunstnere, bryggemestere, designere, skulptører ... vi prøver vårt beste for å holde ting variert.

Vi er ikke så flinke som vi burde være til å dele det vi lærer. Vi publiserer et årlig tidsskrift som inneholder ephemera fra våre prosjekter: notater, essays, kode og andre småting. Vi prøver å bli bedre på å være vertskap for aktive offentlige GitHub-repositorier og vil også gjerne være vertskap for offentlige workshops og uformelle diskusjoner rundt forskningstråder som vi kanskje følger.

Mange redaksjoner i dag er bekymret for algoritmer på plattformer som styrer hvem som får se innhold. Kan du snakke litt om rollen til algoritmer i ditt eget arbeid? Hva er forholdet mellom algoritmer og redaksjonell vurdering?

Oh boy, algoritmer.

Vannet rundt algoritmer og redaksjonell vurdering er utrolig grumsete. Som (tidligere Kickstarter-dataguru) Fred Benenson nylig sa, brukes algoritmer ofte til å ' mathwash-funksjonalitet som ellers ville blitt ansett som vilkårlig med objektivitet .'

For noen år siden ble vi spurt om det utforme en algoritme og en medieinstallasjon for 9/11-museet, som dynamisk ville lage tidslinjer som kobler aktuelle hendelser til begivenhetene 11. september. For eksempel kan det bygges en tråd rundt hvordan lover om våpenkontroll har og ikke har endret seg mellom denne uken og 2001. Vi var veldig klare i prosessen vår med å si at 'algoritmen' til stykket ikke fjernet subjektivitet; faktisk, på noen måter forsterket det det. Ikke desto mindre, da stykket ble avduket, ble det beskrevet som objektivt, takket være beregning. Det var en fin måte for museet å skjørte rundt kurasjonspolitikken.

Vi bruker algoritmer som et middel til å behandle data, for å generere visuelle former, for å lage manus for utøvere, for å lage lydlandskap. Noen av disse algoritmene er 'hyllevare', i så fall er det redaksjonell vurdering som går inn på hvilken algoritme som er fornuftig å bruke. Andre algoritmer lager vi selv, i så fall prøver vi å være oppmerksomme på hvordan subjektiviteten vår blir bakt inn i koden. En definisjon på to ord for en algoritme er 'gjør til' - og det er det inntil det får oss i problemer, ettersom enhver stille kommunikasjon kan forsterkes til en høylytt.