Hogyan hallgathatunk adatokat

Hogyan hallgathatunk adatokat

Miért nézzük az adatokat, ha meg is hallgathatjuk?

Ez az a kérdés, amelyet egyes tudósok, zeneszerzők és programozók vizsgálnak annak érdekében, hogy kreatív módon mutassák be az adatokat. Amikor az emberek „hallanak” adatokat, a gondolkodásuk megy, gyorsan és intuitív módon felismerik a trendeket és anomáliákat, és zsigerileg reagálnak az információra.



Általánosságban elmondható, hogy az úgynevezett „adatszonifikátorok” nem azt várják munkájuktól, hogy helyettesítsék az adatvizualizációkat, hanem kiegészítsék az általuk ábrázolt tényeket és számadatokat. Egyesek ugyanis művészi engedélyt kapnak kompozícióikkal, mások pedig szigorúbban ragaszkodnak ahhoz, amit az adatok elárulnak. Ettől függetlenül a jegyzetek a számokról mesélnek.

A Science Friday néhány adatszonifikálóval beszélt megközelítéseikről.

Brian Foo, adatvezérelt DJ
Brian Foo számítógép-programozó napközben digitalizálja a New York-i Nyilvános Könyvtár anyagait, „azon gondolkodik, hogyan tehetjük online hozzáférhetőbbé az anyagokat” – mondja. Rendszeres fellépése – amely magában foglalja „néhány adathalmaz megnyitását, és remek dolgokat csinál velük” – egy személyes projektet egészít ki, amelyet 2015-ben indított el, az ún. Adatvezérelt DJ . Különféle adatkészleteket foglal magában, mint például a New York-i jövedelemegyenlőtlenség vagy Louisiana part menti területvesztesége több évtizeden keresztül, és ezeket dalokká alakítja.

„Leginkább én próbáltam más módokon gondolkodni az adatok közlésére az adatvizualizáción és a diagramokon kívül” – mondja Foo. Művészként a vizuális adatokkal való munka „korlátozott abban, hogy egy adathalmaz körüli konkrét élményt tudjak összegyűjteni” – mondja. Foo-nak tetszett a zene felhasználásának ötlete, mert az érzelmeket tudott kiváltani. És ha egy dalból egy fülféreg , 'remélhetőleg ez a mögöttes téma is a fejedben akad meg.'

A Foo azzal kezdi, hogy olyan adatkészleteket keres, amelyek nyilvánosak, általában a kormány vagy az egyetemek biztosítják. Táblázatot vezet az esztétikailag vagy témájukban kiemelkedõkbõl, és több szempontot is figyelembe vesz, amikor új kompozíciót fontolgat. „Az egyik csak az adatok általános formája” – mondja. 'Ha megjeleníti az adatokat, és csak nagyon laposak, akkor valószínűleg egy lapos dalt fog kapni.'

A „lapos” adatok segítettek hangsúlyozni egy pontot dalát a nem, a faj és az etnikai hovatartozás ábrázolásáról a kasszasiker filmekben . „Nyilvánvalóan [ezek az ábrázolások] nem sokfélék, ezért kénytelen voltam egy olyan dalt készíteni, ami nagyon monoton volt” – mondja. Egyetlen „A” zongorahang – amely a fehér férfiak szerepét képviseli – egyértelműen uralja a komor kompozíciót. Lehet, hogy nem bonyolult, de „ez továbbítja az adatokat” – mondja.

Foo gondosan ügyel arra, hogyan ábrázolja az információkat. „Csak arra kell gondolnom, mi a megfelelő élmény” a hallgató számára – mondja. A kihívás annak eldöntése, hogy objektíven közöljük-e az adatokat, vagy megpróbáljunk konkrét választ kiváltani. „Az érzékenyebb adatokkal bonyolultabbá válik. Tehát a jövedelmi egyenlőtlenséghez hasonlóan nem akarom, hogy a szegényebb területek szomorúbbak vagy rosszabb minőségűek legyenek” – mondja. A potenciálisan kényes esetekben általában egy egyszerű megközelítést választ, például az adatok aspektusainak megjelenítését a mennyiségi változásokon keresztül.

A Foo minden dalnál a Python (az adatok elemzéséhez) és a ChucK (egy programozási nyelv) kombinációját használja egy algoritmus létrehozásához, amely összefűzi az összes hangot. Általában különféle dalokat és előadókat kóstol meg, amelyek a szóban forgó témához kapcsolódnak – a New York-i bevételi szintek hangzásában például helyi zenészek szerepelnek. (Minden kódolása nyílt forráskódú, és másokat is felkér, hogy használják saját hangzásaik létrehozásához.)

Foo eddig 10 dalt készített el, és most az adatok megjelenítésének más módjait vizsgálja. „Általában egy történetet keresek az adatokban, vagy valamilyen narratívát vagy valamilyen élményt, amellyel az elejétől a végéig eljuttathatom a hallgatókat” – mondja.

Lauren Oakes és Nik Sawe
Három nyári terepkutatás után Lauren Oakes ökológus és természeti rendszerkutató robusztus adatkészlettel rendelkezett a sárga cédrusfáról és a szomszédos tűlevelűekről a délkelet-alaszkai Sándor-szigetcsoport északi részén. Ph.D. tanulmányának részeként A Stanford Egyetemen végzett kutatás során azt vizsgálta, hogyan reagált az erdei közösség a sárga cédrus több évtizedes csökkenésére, és hogyan hatnak ezek a változások a régióban élő emberekre, akik régóta támaszkodtak a fára.

Oakes már publikált a kutatásáról, amikor egy Ph.D. diák, Nik Sawe tavaly tavasszal tömeges e-mailt küldött kollégáinak, amelyben olyan adatkészleteket kértek, amelyekből zenei kompozíciókat készíthet. Oakes érdeklődött.

„Rögtön arra gondoltam, hogy az ötlet lenyűgöző, hogy egy tudományos felfedezést lényegében egy univerzális nyelven keresztül közvetíthetek” – a zene alatt – mondja Oakes, aki jelenleg oktató és kutató a Stanfordon. 'Amikor tudósként bemutatom [adatokat], úgy gondolom, hogy a tények, az adatok és a grafikonok fontosak, de a történet és az is, hogy miként közvetítjük ezeket az üzeneteket.'

Oakes és Sawe azonnal elkezdték megosztani ötleteiket. Sawe, aki jelenleg neuroközgazdász a Stanfordon, épített egy számítógépes programot, amelyben adatpontokat vehetett fel, és lefordította azokat különböző kulcsokra, hangmagasságra és műszerekre. A duó végső kompozíciója egy könnyed, komolyzenei darab, amely északról délre követi nyomon a Sándor-szigetcsoport fapopulációjának változásait, kiemelve az egyes fákat, fajokat, sőt a csend által fémjelzett fapusztulásokat is.


„A darabban minden hangjegy egy fát jelképez” – magyarázza Oakes. „Minden faj más-más hangszeren „játszik”, és vannak olyan szempontok, mint a fa magassága és átmérője, amelyek befolyásolják a hang hangját és időtartamát.”

A dal közepe egy hangszeregyüttestől lesz elfoglalva, amely különböző fafajokat képvisel a megújulásért versengve. A darab vége felé az egykor zongora által dominált dallam – amely a sárga cédrust ábrázolja – egy furulyára kerül, amely a bürököt szimbolizálja.

A dal vége meglepte Sawe-t. Miközben gondosan megválasztja, hogyan jelenítse meg a különböző adatokat hangosításaiban, „Fogalmam sincs, hogyan fog hangzani, amíg nem hallom az egészet” – mondja.

Sawe úgy látja, hogy a zene tömör módja nagy mennyiségű adat bemutatásának. Amikor a tudósok elemzik adataikat, azt mondja, módot kell találniuk több grafikon és dimenzió egyszerűsítésére, ami sokáig tarthat. Az adatszonifikáció azonban ezeket az elemeket egy olyan sávba tudja kombinálni, amelyet a fül könnyen követhet. „Ez óriási áldás az adatok nyers megértéséhez” – mondja.

Oakes azt mondja, hogy bár néhány stilisztikai döntést hoztak a kompozícióval kapcsolatban, a kutatásából származó tények és számadatok továbbra is a projekt gerincét képezik. „Nyilvánvalóan vannak értelmezések és döntések, de ez igaz az adatkészletre” – mondja. 'Úgy érzem, hogy ez valamilyen módon kiegészíti a tudományt.'

Oakes és Sawe azt remélik, hogy tavasszal összeállítanak egy zenész bandát a szerzemény élő előadására.

Domenico Vicinanza és Genevieve Williams
Genevieve Williams mozgástudós, aki biomechanikát tanul, Domenico Vicinanza pedig fizikus és zeneszerző. Mindketten az Egyesült Királyságban, az Anglia Ruskin Egyetemen dolgoznak, és egy közös érdek köti össze őket: a ciklikus jelenségek.

„Testünkben szinte minden [egy] módon összefügg a ciklusokkal – az ébredéssel és az alvással, vagy akár kis mikroszkopikus szinten is, ha a sejteket, biológiai rendszereket nézzük” – mondja Vicinanza. „A ciklusok, vagyis a szabályosság fogalma a zenében is olyan fontos, döntő jelentőségű.”

A duó rájött, hogy az emberi testről szóló adatok közvetítésének egyik módja a zene. Első, 2015-ös együttműködésük során az ujjmozgatás ritmusára koncentráltak. Ezt a kísérletet saját maga is kipróbálhatja: tartsa a kezét maga elé, mutatóujjait pedig egymás felé mutassa. Indítsa el az ujjait fel-le ellentétes irányba, és növelje a sebességet. Egy ponton az ujjai egyhangúan mozognak, fel és le.

„Meg akartuk hallgatni ezt az átmenetet, és megpróbáltuk a zene segítségével leírni a fejlődését” – mondja Vicinanza.

A kutatók mozgásérzékelőket helyeztek el a résztvevő mutatóujjainak hegyére, majd nyomon követték és megmérték az egyes ujjak gyorsulása közötti különbségeket. Ezután a mozgást leképezték a hangjegyekre egy egyedileg készített algoritmus segítségével, amelyet a Java programozási nyelvvel fejlesztettek ki. Az eredmény egy zongorakompozíció, amely élénken indul, majd a végére szinte monotonná válik – egy finálé, amely azt mutatja be, hogy a csóváló ujjak végül hogyan mozognak egy fázisban.

„Az alacsony és a magas zongorahangok a két ujj gyorsulása közötti kis és nagy különbségek” – mondja Williams.

A kompozíció egy pontján egy nagyon mély hang szólal meg, jelezve, amikor az egyik ujj (jelen esetben a bal) egy fázisba kerül a másikkal.

„A két ujj közül az egyiknek élesen irányt kellett változtatnia, hogy utolérje a másikat” – mondja Vicinanza. És „a gyorsulásban bekövetkezett hirtelen változás volt a felelős azért a nagyon alacsony hangért, amely elindította az új dallamot.”

A két kutató az ehhez hasonló adatszonifikáció valós alkalmazását látja. Tegyük fel, hogy megsérült a karja, és fizikoterápiára kell mennie. Fizikoterapeutája megmutatja Önnek azokat a gyakorlatokat, amelyeket el kell végeznie a gyógyulás érdekében. „De gyakran, amikor hazaérsz, nehezen emlékszel vissza, milyen gyakorlatokat végeztél; megkérdőjelezi, hogy helyesen csinálja-e” – mondja Williams.

Most képzelje el, ha hangon keresztül követhetné karja mozgását és mozgástartományát – azonnali visszajelzést kaphatna arról, hogy helyesen végez-e el egy terápiás gyakorlatot vagy sem.

„A terapeuta csak egy dallamot írhat fel gyakorlat helyett” – mondja Vicinanza. 'A megfelelő ütem és a hangjegyek megfelelő sorrendje azt jelzi, hogy a gyakorlat a megfelelő.'

A páros továbbra is mindenféle adatszonifikáción dolgozik, beleértve egy olyant is, amely egy franciaországi falu különböző környezeti és kulturális vonatkozásaira összpontosít.