• Łukasz Mirocha: W swojej ostatniej książce The Datafied Society: Studying Culture through Data [Społeczeństwo zdanetyzowane: badania kultury poprzez dane] argumentujesz, że paradygmat oparty na danych będzie stanowił rdzeń praktyk kulturowych, ekonomicznych i społecznych w XXI wieku. W jakim stopniu badacze powinni dostosować się do tej nowej rzeczywistości i uwzględnić w swoich metodach pracy badania oparte na ekstrakcji danych cyfrowych, ich analizie i wizualizacji?

Karin van Es: Prowadząc krytyczne badania danych [Critical Data Studies] w Utrecht Data School (UDS), zdaliśmy sobie sprawę, że badanie wpływu nowych praktyk w zakresie danych wymaga podejścia, które określamy mianem „badań przedsiębiorczych”. Wywodzą się one z tzw. Metody Aktywnego Uczestnictwa [Participative Action Research] i polegają na głębokim zaangażowaniu w dziedzinę przedmiotu badań poprzez komercyjne usługi i produkty. Oznacza to pracę w danej dziedzinie wraz z profesjonalistami, co umożliwia uzyskanie praktycznego wglądu w to, w jaki sposób przejawia się danetyzacja, które narracje kształtują oczekiwania w praktykach pracy z danymi, które podmioty wpływają na rozwój rozwiązań opartych na danych itd. Istnieją naukowcy, tacy jak Noortje Marres, którzy formułują krytyczne uwagi na temat potrzeby digitalizacji istniejących metod czy konieczności opracowania metod natywnych cyfrowo. Opowiada się ona za trzecim podejściem, które nazywa „metodami interfejsu”, argumentując, że powinniśmy zastanawiać się nad tym, jak skonfigurować te narzędzia w celu rozwijania skutecznych metod badań społecznych.

• Medialab Katowice stosuje hybrydowe podejście do analizy życia kulturalnego w mieście, które opiera się zarówno na tradycyjnych metodach badań kultury, jak i na analizie dużych zbiorów danych pozyskanych z Facebooka. Czy Twoim zdaniem takie podejście jest korzystne?

Tak, takie podejście jest nie tylko korzystne, ale posunęłabym się nawet do stwierdzenia, że jest konieczne. W Utrecht Data School analizy danych są często prowadzone z wykorzystaniem metod etnograficznych. Stosujemy również wiele metod mieszanych, łącząc np. analizę statystyczną tekstu z metodą tzw. uważnego czytania [close reading]. Innym stosowanym przez nas podejściem jest wykorzystanie ilościowej analizy geodanych jako podstawy do badań jakościowych w dziedzinie, której takie dane dotyczą.

• Jaka jest wartość dodana wynikająca z zestawiania porównawczego zbiorów danych różnego typu?

Nikt już dziś chyba nie wątpi, że dane nie mówią same za siebie! Produkcja wiedzy opartej na danych jest uzależniona od kontekstu i oferuje tylko określone rodzaje wiedzy. Na przykład, użytkownicy mediów społecznościowych nie stanowią reprezentacji całości społeczeństwa. Istnieją ważne pytania dotyczące ludzkiego życia, na które odpowiedzi nie można znaleźć w danych ilościowych. Dlatego, oprócz korzystania z danych offline i online, podobnie do wielu innych badaczy, pragnę podkreślić, jak ogromne korzyści płyną z naprzemiennego stosowania tzw. „czytania odległego” i „czytania uważnego”.

• Jak zachować krytyczną refleksję nad możliwościami i ograniczeniami związanymi z pracą ze zbiorami Big Data oraz badaniem złożonych zjawisk społecznych i kulturowych poprzez dane?

Jeśli danetyzacja, jak argumentowaliśmy, jest kolejnym etapem mediatyzacji, badacz nauk humanistycznych szczególnie dobrze nadaje się do analizowania tego procesu transformacji. Nie może jednak polegać wyłącznie na konkretnych umiejętnościach i metodach, ale musi opanować coś, co określa się mianem Digital Bildung, czyli – jak wyjaśniają Rieder i Röhle – zdolność rozumowania z wykorzystaniem technologii i w jej ramach jako narzędzi wiedzy.

• Co to oznacza dla badacza (danych)?

W Utrecht Data School uczymy naszych studentów dokonywania tzw. „aktów interpretacyjnych” istotnych przy doborze, gromadzeniu i analizie danych oraz wizualizacji wyników. Zbiega się to z tzw. „krytyką narzędzi”, czyli myśleniem o epistemologicznym wpływie technologii wiedzy, a także rozważaniem kwestii etycznych.

Ponieważ pracujemy aktywnie w centrum wydarzeń, nasza krytyka w zakresie praktyk, technologii i polityki stanowi bezpośrednie zaplecze informacyjne dla zainteresowanych stron lub nawet jest wspólnie z nimi formułowana. Nie krzyczymy ani nie komentujemy krytycznie, stojąc z boku, ale bierzemy odpowiedzialność za aktywne rozwiązywanie problemów.

• Era Big Data wymusza na nas stosowanie nowych technik przedstawiania informacji i wiedzy. W jaki sposób wizualizacja danych może pomóc w przedstawieniu wyników badań dotyczących złożonych zjawisk kulturowych, takich jak np. życie kulturalne miasta?

Wykorzystanie wizualizacji danych nie jest niczym nowym. Możliwość przekazywania złożonych zjawisk na łatwych do odczytania wykresach jest bardzo atrakcyjna. Problem polega na tym, że wizualizacje często postrzega się jako prezentację faktów, a nie interpretację danych. Jako takie, propagują one pewne punkty widzenia i utrwalają określone stosunki władzy. Wydaje się zatem uzasadnione, aby towarzyszyły im pewne pytania. W Utrecht Data School pracujemy nad wtyczką do Gephi, która wspiera systemową dokumentację procesów analizy i wizualizacji, czyniąc je bardziej wiarygodnymi i sprawdzalnymi. Przedstawianie interpretacji danych wraz wyjaśnieniem metodologii jest zdecydowanie uzasadnione. Pod wieloma względami badania oparte na danych są szczególnie przydatne w zakresie stawiania nowych pytań, które należy rozstrzygać stosując różnorakie metody.

• Jakie korzyści płyną z prowadzenia badań dotyczących zbiorów danych w interdyscyplinarnym zespole złożonym z tradycyjnych badaczy, naukowców zajmujących się danymi, projektantów itp.?

Jest szereg projektów zrealizowanych w Utrecht Data School, które pokazują potrzebę pracy w zespołach interdyscyplinarnych. Oprócz naukowców zajmujących się danymi, pracujemy z ludźmi z takich dziedzin jak etyka stosowana, lingwistyka i antropologia. Każdy z nich wnosi wyjątkowe spojrzenie i kompetencje w zakresie prowadzenia badań opartych na danych oraz możliwych analitycznych interpretacji zebranych treści. Pojawiają się pytania (szczególnie dotyczące etyki i kultury), których naukowcy zwykle nie zadają, wiedzą oni natomiast o wiele lepiej, jakie zapytania można formułować w odniesieniu do danych.

• Jak widzisz przyszłość analityki i wizualizacji danych w odniesieniu do osiągnięć, np. w zakresie uczenia maszynowego i mediów immersyjnych – rzeczywistości wirtualnej/rozszerzonej?

Uważa się, że rzeczywistość rozszerzona [AR] może pomóc pokonać ograniczenia ludzkiego widzenia i percepcji, oferując wielowymiarowe reprezentacje wizualizacji danych. Przedstawiciele biznesu w szczególności uważają, że jest to dobry sposób na wyświetlanie informacji w sugestywny sposób. AR oferuje także możliwość gromadzenia dużych ilości danych z realnego świata i rejestrowania zachowań użytkowników. Z drugiej strony, większa ilość danych niekoniecznie prowadzi do lepszego wglądu w problem, a nawet może skomplikować zrozumienie tego, co jest przekazywane.

Książkę The Datafied Society: Studying Culture through Data współredagowaną przez Karin van Es można pobrać w formie darmowego pdfa.