STARLIGHT VISUAL INFORMATION SYSTEM: OBJECTIEVE VISUALISATIE?
Marielle Aarts 3212106 Get Real! Blok 1 2010 Eindpaper 15-11-2010 Werkgroep 1: Ann-Sophie Lehmann MA Nieuwe Media en Digitale Cultuur
Inhoudsopgave Inleiding ................................................................................................................................................... 2 Starlight: het vastleggen van relaties door visualisatie........................................................................... 4 Doel & mogelijkheden ......................................................................................................................... 4 Technologie ......................................................................................................................................... 4 Media................................................................................................................................................... 5 De pessimistische kant van Starlight ....................................................................................................... 6 Visual Literacy en Starlight: de objectivering van datavisualisatie? ....................................................... 9 Conclusie ............................................................................................................................................... 13 Bibliografie ............................................................................................................................................ 14
1
Inleiding Datavisualisatie is een veel toegepaste technologie om harde data, zoals cijfers en dergelijke, om te zetten in beelden, de datavisualisaties. De harde data vormen de oorsprong van de visualisatie en vormen een basis voor waarnemingen en bevindingen. Door het visualiseren van deze harde data wordt er als het ware een proces toegepast waarbij de data door een algoritme heen gaan om vervolgens in een andere vorm, de visualisatie, uit dit algoritme te komen en van hieruit weer omgezet te worden in bevindingen. Zodoende vindt er een bewerkingsproces plaats en dit proces levert de nodige kritische kanttekeningen op: “Data visualization projects often carry the promise of rendering a phenomenon that is beyond the scale of human sense as something that is within our reach, something visible and tangible.” (Manovich, 2002: 6) Lev Manovich toont met dit citaat, afkomstig uit zijn artikel “Data Visualization as New Abstraction and as Anti-Sublime”, aan dat datavisualisatie bepaalde waarnemingen kan stimuleren die voor het blote oog op de harde data niet direct te zien zijn. Visualisaties van data kunnen patronen tonen die visueel begrijpelijk zouden moeten zijn voor de gebruiker. Een chaos aan cijfers wordt geordend en in één oogopslag geanalyseerd. Aan de andere kant brengen de datavisualisaties ook consequenties met zich mee met betrekking tot de correcte interpretatie van de data: “This narrative is obviously very much dependent on the database system as a whole—the interplay between the container, the algorithm, and the interpretation of the user.” (Paul, 2007: 11) Christiane Paul wijst in “The Database as System and Cultural Form: Anatomies of Cultural Narratives” op de rol van de samenwerking tussen data, algoritme en interpretatie van de gebruiker. Dit laatste aspect benadrukt de suggestiviteit die datavisualisatie met zich mee kan brengen: uiteindelijk dient er een beeld te worden geïnterpreteerd door de gebruiker en dit is geheel afhankelijk van de keuzes die de ontwikkelaar maakt in visualisatiemethoden. De visualisator, de ontwikkelaar, is subjectief, de interpretator is suggestief en zo ook de visualisatie. Op deze wijze ontstaat er een tweedeling in de behandeling van datavisualisatie, de optimistische visie, geïllustreerd door Manovich, en de pessimistische visie, geïllustreerd door Paul. Datavisualisatie brengt mogelijkheden met zich mee om data begrijpelijk te maken voor de gebruiker, een beeld kan in één ogenblik meer zeggen dan woorden. Daarentegen brengt dit bewerkingsproces suggestiviteit met zich mee door het feit dat de visualisatie geïnterpreteerd dient te worden. In dit onderzoek wil ik deze tweedeling niet behandelen als hoofdonderdeel, maar zal ik deze tweedeling als zodanig accepteren. Zo tracht ik over de discussie heen te stappen en verder te kijken naar hoe een eventuele mate van objectiviteit bereikt kan worden door middel van vertrouwen in de visuele geletterdheid van de gebruiker.
2
In dit onderzoek zal de datavisualisatie technologie van Starlight centraal staan als case. Starlight dient om relaties in beeld te brengen tussen data en concentreert zich zodoende op connectiviteit in de vorm van onder andere webmapping. Starlight wordt ingezet door het U.S. Army Information Dominance Center, een onderdeel van de Amerikaanse overheid die zich specialiseert in cyberwarfare1 en andere verwante zaken betreffende informatieverspreiding. De datavisualisaties worden ingezet voor overheidszaken en diens bevindingen. Op deze wijze suggereert dit enig vorm van objectiviteit door de inzet in dergelijke afdelingen die objectief dienen te zijn en gegronde bevindingen dienen te tonen. Hierop aansluitend kan de volgende centrale onderzoeksvraag worden geformuleerd: Op welke wijze wordt er door de ontwikkelaars van Starlight vertrouwd op en gebruik gemaakt van de visuele geletterdheid van de gebruikers om zo een ‘ultieme’ objectiviteit te bereiken? Om deze vraag te kunnen beantwoorden, zal ik mij verdiepen in het discours rondom datavisualisatie zoals geïllustreerd door de citaten van Manovich en Paul en zal ik onderzoeken waar Starlight hierbinnen geplaatst kan worden met betrekking tot eventuele suggestiviteit. Vervolgens zal ik visuele geletterdheid en diens problematiek uiteenzetten en dit koppelen aan de bereikbaarheid van objectiviteit in Starlight. Door middel van dit onderzoek tracht ik nieuwe inzichten te bieden binnen de discussie rondom datavisualisatie en een koppeling te tonen tussen datavisualisatie en visuele geletterdheid.
1
Cyberwarfare is gebaseerd op de notie dat heden ten dagen Internet als wapen domineert in oorlogvoering.
3
Starlight: het vastleggen van relaties door visualisatie Doel & mogelijkheden Starlight Visual Information System is een zes jaar durend project afkomstig van de Pacific Northwest National Laboratory (PNNL). Deze software profileert zich zowel als een krachtig informatieanalysemiddel als een platform voor visualisatieonderzoek. Het kan gebruikt worden voor verschillende doeleinden omdat het ontworpen is om verschillende soorten relaties te kunnen visualiseren en analyseren, zoals de visualisatie van nationale veiligheid, web mapping en netwerk veiligheid. Het systeem wordt als volgt geïntroduceerd op de website van Starlight: “The primary goal of this research is to develop techniques that enable people to better and more quickly comprehend the contents of very large, complex, and heterogeneous information collections. The general approach we're taking is to, first, capture these relationships in ways that closely approximate the ways in which humans naturally relate information, and second, to generate graphical depictions of the relationship structures to make them easier to understand.” (PNNL 2010: FAQ: What is Starlight) Manipulatie binnen de visualisatie is mogelijk om zo relaties uit te kunnen lichten, om het zodoende te verhelderen en om naar, eigen zeggen, wereldwijde problemen op te lossen. Kijkers kunnen wisselen tussen verscheidene representaties van dezelfde data om zo de meerdere relatietypes te kunnen zien. PNNL geeft hierbij een voorbeeld van relaties tussen emailberichten. Zij geven aan dat deze berichten met elkaar in verband kunnen worden gebracht op verschillende wijzen, namelijk:
Topological relationships among the senders and recipients Conceptual similarities among the message contents Temporal correlations among the messages Spatial correlations involving places that are physically close. (PNNL 2010: Starlight Overview: How it Works)
Afhankelijk van het doel van de gebruiker kan deze kiezen tussen de verschillende soorten relaties en de verschillende manieren waarop dit grafisch kan worden weergegeven. De gebruiker kan zowel tekst als beeld inzetten, emailberichten groeperen, knopen en lijnen gebruiken om overzichtelijk de afzender en ontvanger in beeld te krijgen, et cetera. Op deze wijze is Starlight van mening dat de meest complexe en veelzijdige relaties die kunnen voorkomen in de data worden gekarakteriseerd en gegroepeerd. Op deze wijze kunnen de kijkers en gebruikers de visualisering zodanig manipuleren dat elke relatie naar voren komt.
Technologie Wanneer er gekeken wordt naar de technologische beschrijving, geeft Starlight niet veel prijs. Alleen op welke software het draait, om zo aan te duiden dat het vrijwel overal toepasbaar is, en welke functies in de software verwerkt zijn. Door weinig te verhullen over de technologische werkwijze van Starlight wordt er als het ware een blackbox gecreëerd: de software functioneert en laat uitkomsten zien, maar niemand kan in de software kijken. De Starlight visualisatiegereedschappen maken
4
gebruik van de diensten van een op XML2 gebaseerd informatiemodel die in staat zijn allerlei typen relaties te ontdekken tussen verschillende ongelijksoortige informatie. Dit model kan zich aanpassen tot de volle breedte van informatietypes die te uiten zijn in XML, wat neerkomt op bijna elke type van digitale informatie. Starlight bevat een geïntegreerd Geography Information System (GIS) en hierdoor kan de software informatie en relaties linken aan geografische plaatsen. Zie de onderstaande figuren voor voorbeelden van datavisualisaties uitgevoerd door Starlight.
Figuur 1: Starlight en de GIS functie.
Figuur 2: Visualisatie van de structuur van een webpagina
Media In de media is Starlight genoemd in verband met de aanslagen op 11 september 2001. Dit vanwege de ontdekking van web activiteiten gecentreerd rond de vijand en Amerika. Op deze wijze wekken zij de indruk te beschikken over een bepaalde mate van objectiviteit. In hoeverre kan en mag Starlight dit pretenderen? In het volgende hoofdstuk zal gekeken worden naar de eventuele mate van suggestiviteit in de visualisatiemethoden van Starlight. De naam zelf, Starlight, heeft een connotatie met het heelal, het universum. Het wekt zodoende een alwetende indruk, omdat het heelal een ruimte is waar men nog maar weinig van af weet. De naam suggereert verder een blik van buiten af, in dit geval van boven. Het zou zo een nieuwe en frisse blik kunnen werpen op datasets en bijbehorende visualisaties. Mijns inziens doet de naam ook denken aan sciencefiction, denkende aan films als STAR WARS en series als STAR TREK. Wederom komt het buitenaardse, het heelal naar voren waar andere krachten en machten gelden. Het zou kunnen worden beschouwd als een soort onoverwinnelijkheid en dit geeft het project een sterk imago, waarbij de veronderstelde objectiviteit wordt benadrukt omdat zij ‘van buitenaf komen’.
2
XML staat voor ‘Extensible Markup Language’ en wordt gebruikt om gegevens te structureren in platte tekst, dat wil zeggen zonder visuele effecten, en XML kan deze gegevens opslaan en hergebruiken.
5
De pessimistische kant van Starlight In de inleiding is naar voren gekomen dat er over het algemeen twee visies bestaan over datavisualisatie: de optimistische visie en de pessimistische visie. Om de eventuele inzet van visuele geletterdheid in Starlight te kunnen bepalen, zal er gekeken moeten worden naar de mate waarin de pessimistische visie van toepassing is op deze software. De gebruiker construeert het narratief van data aan de hand van diens interpretatie van de visualisatie. Tot dusver is het helder dat deze interpretatie om deze reden niet objectief kan zijn. Aan de andere kant zijn niet alleen de gebruikers aan zet in dit proces van subjectiviteit maar ook de ontwikkelaars: “Who has the power to decide what kind of mapping to use, what dimensions are selected, what kind of interface is provided for the user?” (Manovich, 2002: 4) De bovenstaande vragen die Manovich stelt, duiden op de machtsfactor die de ontwikkelaar van datavisualisatie software in handen heeft. Manovich komt verder in het artikel aan op het punt waar hij de datavisualisatie ziet als het doek van een modernistische kunstenaar. Waar Piet Mondriaan het beeld van een boom abstraheert en ordent, kan datavisualisatie dit ook: “Data visualization is engaged in a reduction as it allows us to see patterns and structures behind the vast and seemingly random data sets. “ (Manovich, 2002: 5) Ondanks het subjectieve karakter en de machtsfactoren die meespelen in de ontwikkeling van een dergelijke visualisatie, geeft Manovich aan dat de visualisatie bovenal data verheldert voor de gebruiker. Nu is er een subtiel verschil tussen subjectiviteit en eventuele suggestiviteit. Subjectiviteit komt voort uit het feit dat het ontwerp vanuit iemands visie tot stand is gekomen, het draagt de ideeën uit van de ontwikkelaar over hoe de visualisaties eruit zouden moeten zien. In deze visie probeert Starlight echter zo min mogelijk suggestief over te komen. Suggestiviteit wijst in dit onderzoek op de mate van sturing in betekenisgeving van de visualisatie. Hierbij kan gedacht worden aan de hiërarchie van data die als zodanig wordt gevisualiseerd: “Recently, however, increasing numbers of computer specialists have begun to identify the limitations inherent in relying on hierarchical approaches and data representations-in dealing with learners who have varying levels and kinds of visualization skills, in training programmers to apply epistemologically diverse approaches to programming problems, and in representing non-hierarchically organized information structures like wicked or fuzzy problems (complex problems with no definitive formulations or solutions), and in coping with natural language input.” (Selfe en Selfe, 1994: 492) Het probleem ligt hier, volgens Richard en Cynthia Selfe in “The Politics of the Interface: Power and Its Exercise in Electronic Contact Zones”, bij het gebrek aan training van de gebruiker. Zij pleiten in hun artikel voor training om zo datavisualisaties minder suggestief te maken. Als er gekeken wordt
6
naar demonstratievideo’s3 van Starlight is het ordenen van data vooral gebaseerd op groeperingen van knopen. In het geval van de demo (zie figuur 3) worden artikelen betreffende terroristenaanvallen geanalyseerd. De artikelen die terroristenaanvallen bevatten, worden als knopen bij elkaar gezet. De knopen worden niet met elkaar verbonden door middel van lijnen en zijn bovendien allen roodgekleurd. Op deze wijze onderscheiden de groepen zich alleen via hun positie. Binnen de groepen kan de gebruiker ook een concept search uitvoeren dat er voor zorgt dat de meest overeenkomende artikelen worden gemarkeerd en dichter bij elkaar gezet. Zodoende hangt er veel af van de positie van de knopen voor een analyse van deze tekstberichten. Dit belang van positionering wordt tevens onderstreept door de toepassing van GIS, dat zorgt voor een geografische aanduiding. Pas wanneer de gebruiker op een knoop blijft staan met de muis, kan hij/zij tekstuele informatie zien. Dit vormt als het ware een controle voor de gebruiker betreffende de juistheid van de groeperingen. In het geval van de driedimensionale visualiseringen is ook de top en bodem belangrijk. De top suggereert een belangrijkere groepering dan de bodem, net als dat het midden van een aantal groeperingen de kern suggereert. Het wordt niet meteen duidelijk wat diepte kan betekenen in driedimensionale visualisaties, aangezien de groepering op één niveau blijven staan. De diepte dient eerder overzicht te bieden aan gelijksoortige groeperingen door deze op één niveau te kunnen laten staan.
Figuur 3: Screenshot van demo over analyse van tekstberichten over terroristenaanvallen
3
Voor video zie: http://www.youtube.com/watch?v=dUtv1b8cPqo
7
Als er gekeken wordt naar de handelingen die de gebruiker uitvoert om informatie te kunnen sorteren, opzoeken en veranderen, kan er gesteld worden dat er behoorlijk wat kennis vereist is om de toepassing optimaal te kunnen benutten. De demo toont een gecompliceerde toepassing waar meer dan twee vensters openstaan en veel tabbladen beschikbaar zijn. Dit lijkt de reden te zijn voor het bestaan van dergelijke demonstratievideo’s. Ondanks de eventuele training via dergelijke video’s en een eventuele handleiding moeten we volgens Jasper Sluijs ook rekening houden met de context waarin data gevisualiseerd wordt: “First, it is important to pay attention to the fact that classification is not a neutral act.” (Sluijs, 2008) Hij wijst in “Sense.us: Towards a more social 'social visualization'” op de noodzakelijkheid van een achtergrond bij visualisaties om zo classificaties beter te kunnen interpreteren. In het geval van Starlight zou dit de reden zijn van de classificatie zijn, die getoond zou moeten worden bij de visualisatie. Wanneer de gebruiker begrijpt waarom dergelijke groeperingen ontstaan en welke factoren er meegerekend worden, kan dit de gebruiker het inzicht verschaffen de classificatie beter te interpreteren op basis van deze achtergrondkennis. Starlight geeft deze informatie echter niet, aangezien zij zelfs aan concept search doen, wat ervoor zorgt dat de visualisatie niet let op een exacte overeenkomst, maar op conceptovereenkomst, kan dit zorgen voor een onduidelijke groepering. Zodoende heeft de gebruiker vooralsnog de tekstuele informatie nodig om helderheid te krijgen en maakt dit de visualisatie juist omslachtig, want de gebruiker kan net zo goed meteen de teksten lezen. Al met al is het volgende citaat van Christiane Paul een cruciaal aspect waar rekening mee moet worden gehouden tijdens het analyseren van datavisualisatie: “This narrative is obviously very much dependent on the database system as a whole—the interplay between the container, the algorithm, and the interpretation of the user.” (Paul, 2007: 11) Het is ten slotte niet de datavisualisatie die de data analyseert, deze geeft data alleen weer in bepaalde visuele vormen, maar het is de gebruiker die de analyse uitvoert. In hoeverre suggestiviteit hierin doorsijpelt, kan lastig bepaald worden door het feit dat dit een individuele opvatting is. Starlight kan echter wel vertrouwen op de visuele geletterdheid van de gebruiker om zo hun visualisaties objectiever en zodoende algemeen aanvaard te maken.
8
Visual Literacy en Starlight: de objectivering van datavisualisatie? In het vorige hoofdstuk wordt visuele geletterdheid aangekaart als een concept dat kan helpen bij het begrijpen van datavisualisaties op een objectieve wijze. Allereerst zal ik een definitie aanhouden van Braden en Hortin afkomstig uit het artikel “Identifying The Theoretical Foundations Of Visual Literacy” (1982): “Visual literacy is the ability to understand and use images, including the ability to think, learn, and express oneself in terms of images.” (Braden en Hortin, 1982: 41) In het artikel bespreken zij de zoektocht naar een definitie van visuele geletterdheid en brengen ze het discours in beeld rondom het vormen van deze definitie en de relaties met andere disciplines als cognitieve psychologie en linguïstiek. In deze definitie komt het proces van begrijpen en maken naar voren: om beelden te kunnen begrijpen, zouden deze beelden een algemeen begrip op moeten wekken om vervolgens nieuwe beelden te kunnen maken die anderen kunnen begrijpen. De definitie is gedateerd en zou een aanvulling kunnen gebruiken, zeker als er gekeken wordt naar datavisualisatie en diens suggestiviteit. Luc Pauwels duidt ons in “Visual Literacy and Visual Culture: Reflections on Developing More Varied and Explicit Visual Competencies” (2008) terecht op drie aspecten van visuele geletterdheid: de productiecontext, het visuele object of fenomeen zelf en ten slotte de utilisatiecontext. (Pauwels, 2008b: 83) Zodoende wordt een derde dimensie aan de definitie van Braden en Hortin toegevoegd, namelijk de laatst genoemde utilisatiecontext. De utilisatiecontext betreft de ontvangstsituatie, welke subculturele connotaties, politieke implicaties, et cetera bevat, van een visueel object of fenomeen en is daarom een invloedrijke factor op de interpretatie van bijvoorbeeld de datavisualisatie. Opvallend is dat het maakproces van Starlight onbekend blijft voor de gebruiker, nergens is te vinden op welke technologische wijze de data worden verwerkt en omgezet in visualisaties. Op deze wijze loopt de gebruiker tegen een black box aan, hij krijgt alleen de invoer en de uitvoer te zien. Ondanks deze geslotenheid wekt Starlight de indruk erg open te zijn door de mogelijkheden in de visualisaties. Alles is immers te zien in de visualisaties en de gebruiker heeft zelf de controle over de eventuele manipulaties. Daarom zou men zich kunnen afvragen waarom er dan niets bekend is over de technologie. Manovich meent dat de harde data zelf concreet zijn, welke vervolgens worden gereduceerd tot patronen en structuren die het abstract maken en vervolgens transformeren in concrete visuele beelden. (Manovich, 2002:6) Dit abstracte proces heeft invloed op het concrete en als Starlight dit abstracte proces toont, zou naar voren kunnen komen hoe de data gemanipuleerd worden en dat is datgene waar zij succes mee boeken, dat hen onderscheidt van andere visualisaties.
9
Visuele geletterdheid en datavisualisatie vallen nauw samen. Ook visuele geletterdheid kampt met het misscommunicatieprobleem dat datavisualisatie ook heeft. In het eerste geval betreft dit niet per se suggestiviteit maar vooral onbegrip en verwarring: “Representations and representational practices may be extremely helpful in developing, clarifying or transmitting scientific knowledge. However, when not produced and used with extreme care and competence, they may create at least as much confusion and as many misunderstandings. If one considers scientific representations and the ways in which they can foster or thwart our understanding, it is clear that a mere ‘object approach’, which would devote all attention to the ‘representation’ as a free-standing product of scientific labour, is inadequate.” (Pauwels, 2008a: 159) Daar waar visuele geletterdheid helderheid met zich mee kan brengen door taal te vertalen naar beelden, kan er ook teveel worden vertrouwd op de visuele geletterdheid van de kijker/gebruiker van Starlight. De notie dat groen ‘goed’ is en rood ‘slecht’ hoeft niet per definitie voor iedere gebruiker op te gaan, maar James Erekson toont in “Putting Humpty Dumpty together again: when illustration shuts down interpretation” (2009) aan dat de visualisator, in zijn tekst de illustrator, het publiek juist helpt door gebruik te maken van conventionele visualisaties: “Illustrators who use the conventional image are trying to be helpful. Viewers and readers are guided by existing schema and the human tendency to activate background knowledge when processing information is well understood as one of the principal means of understanding. Illustrators themselves have grown up in the same world as the rest of us, a world saturated with popular images.” (Erekson, 2009: 147) Deze conventies worden bereikt door onder andere tekst te koppelen met illustraties. Zo associëren veel kinderen door geïllustreerde kinderboeken een boerderij met het beeld van een schuur, een silo en andere conventionele kenmerken. Wanneer deze kenmerken niet aanwezig zijn, hebben de kinderen meer moeite een boerderij te herkennen. (Erekson, 2009: 159) Dit geldt ook voor het kleurgebruik in Starlight samen met het gebruik van de lijnen en knopen, een veelvoorkomende vorm van visualisatie van netwerken. Groeperingen worden aangeduid door knopen dicht bij elkaar te leggen en de meest sterke onderlinge relaties worden gevisualiseerd door de afstand in deze groeperingen te verkleinen. In een video over de visualisatie ten behoeve van het bestrijden van terrorisme probeert het Amerikaanse leger het e-mailverkeer te achterhalen, dat content kan bevatten over eventuele aanslagen.4 De kern of oorsprong van dit verkeer wordt gevisualiseerd door middel van het vergroten van knopen om zo het verspreidingspatroon aan te duiden. In figuur één en twee in hoofdstuk twee zijn er ook lijnen te zien tussen sommige knopen, die de verbinding aanduiden tussen deze knopen. Samen met de tekstuele uitleg bij de visualisatie wordt er een conventie ofwel bevestigd ofwel gevormd. Door het gebruik van GIS, zoals uitgelegd in hoofdstuk
4
Voor video van ABC News over Starlight en terrorismebestrijding, zie: http://www.youtube.com/watch?v=mFNUbdARitk&feature=player_embedded#!
10
twee en getoond in figuur één, wordt het lokaliseren van knopen gemakkelijk doordat Starlight gebruik maakt van een topografische kaart en het zo letterlijk visualiseert en steunt op de conventionele visuele kennis van topografie. Aan de andere kant is er bij Starlight sprake van veelzijdigheid in de mogelijkheden tot visualiseren, dat de interpretatie verschillende kanten op kan sturen, afhankelijk van de manipulaties van de gebruiker. Starlight biedt ook meerdere vormen van visualisaties aan en deze meerdere vormen hebben ieder eigen conventies. Dit is bijvoorbeeld het geval in de 3D visualisaties, waarbij diepte gelijkwaardige subrelaties laat zien en zoals bij het visualiseren van een hiërarchie, heeft de plek van de lijn hier meer te betekenen dan een relatie namelijk ook de plek van die relatie in het hele systeem. James Elkins wijst in Visual Practices Across The University (2007) op het combineren van verschillende visualisaties met verschillende conventies in de wetenschap door te stellen dat dit juist zorgt voor een completer beeld. Een visualisatie van een huis in een wegenkaart stoppen, zou niet werken, terwijl het in de wetenschap complementerend zou werken. (Elkins, 2007: 38) Tot dusver lijkt Starlight de mate van suggestiviteit te beperken, voor zover dit mogelijk is, gezien het dilemma dat beschreven is in het vorige hoofdstuk. De visualisaties van Starlight lijken een duidelijk patroon weer te geven, ondanks het ingewikkelde gebruik van de toepassing. Mede door de tekstuele toevoegingen weet Starlight veel complete informatie door te spelen aan de gebruiker. In “Distilling meaning from data” zijn Felice Frankel en Rosalind Reid van mening dat de gebruikers en ontwikkelaars van datavisualisaties rekening moeten blijven houden met het feit dat, ondanks de compleetheid aan informatie en visualisatie, de representatie die de gebruiker uit de visualisatie begrijpt, niet overeen hoeft te komen met de representatie die de ontwikkelaars er aan toekent. (Frankel en Reid, 2008: 30) De samenwerking tussen deze twee groepen en het trainen van mensen om visualisaties te begrijpen, zou mee kunnen werken aan een accuraat begrip van visualisaties. Starlight zit hiermee op een verkeerd pad, zij tonen namelijk geen openheid en gaan er vanuit dat de gebruiker, met de tekstuele uitleg, de juiste representatie uit de visualisaties haalt. Zonder openheid van techniek, van hun visie en van hun beweegredenen, zal de gebruiker nooit honderd procent kunnen begrijpen wat er gerepresenteerd wordt. In hoeverre kan er dan gesproken worden van een waarheidsgetrouwe visualisatie? Peter Galison zet in “Images Scatter Into Data, Data Gather Into Images” (2002) uiteen hoe men niet met en niet zonder beelden kan. Hij nuanceert de dichotomie tussen abstract en concreet zoals uitgelegd door Manovich, door beelden afhankelijk te maken van data en andersom. Visualisaties helpen de mens informatie te ordenen en deze visualisaties hebben weer informatie nodig om tot hun recht te komen wat weer zou leiden tot meer visualisaties. (Galison, 2002: 314) Op deze wijze is er geen sprake van een volledige abstractie en non-abstractie, maar vullen zij elkaar aan. (Galison, 2002:323) Wat betreft het waarheidsgetrouwe van datavisualisatie in Starlight werkt dit mijns inziens eender. Uit harde data wordt ten slotte ook een narratief gevormd, zoals het ontdekken van patronen, om deze data functioneel in te kunnen zetten. Visualisaties zijn zodoende nodig om de waarheid te kunnen begrijpen en in te kunnen zetten. Deze waarheidsgetrouwheid in Starlight is een belangrijke factor omdat Starlight in verband wordt gebracht met het bestrijden van terrorisme. Het leger is ervan overtuigd de ‘cyberwarfare’ te kunnen overwinnen met de kennis die Starlight verschaft over internetstructuren, e-mailverkeer, et cetera.
11
Het Amerikaanse leger heeft een vijand en gebruikt Starlight om deze vijand te bestrijden en op deze manier heeft zij al een doel voor ogen in de visualisaties. Hoe zeer Starlight de suggestiviteit ook weet te verminderen door gebruik te maken van aanvullende informatievormen en conventies, het Amerikaanse leger kan, volgens Maria Avgerinou in “Re-Viewing in the “Bain d’Images” Era” (2009, bevooroordeeld zijn en dit kan invloed hebben op datgene wat zij ziet in de datavisualisaties: “We are not only bringing to the field of vision what we already know and are, but we are also selecting just what of that field we want to look at, and while we are looking at it, tending to make it just what we want it to be.” (Avgerinou, 2009: 32) Zodoende wordt de toevoeging van Pauwels aan de definitie van Braden en Hortin benadrukt. De balans in suggestiviteit en objectiviteit ligt niet alleen bij Starlight maar ook bij diens gebruikers, zeker wanneer zij gepind zijn op het vinden en aanvallen van een vijand zoals het geval is bij het Amerikaanse leger.
12
Conclusie Wanneer er gekeken wordt naar de vraag die centraal staat in dit onderzoek, kan er gesteld worden dat Starlight, mede door de specifieke media-aandacht en de druk die hier bij komt kijken, gebruik maakt van conventionele visualisaties samen met tekstuele aanvulling, in de hoop een zo compleet en objectief mogelijk beeld te creëren van de harde data. Ze nemen hierin geen risico’s en hechten waarde aan veel details, die naar voren komen als de gebruiker de visualisaties manipuleert. Op deze wijze kiest Starlight voor een zodanig veelzijdige methode, dat de interpretaties alle kanten op kunnen gaan zonder af te wijken van conventionele betekenissen. In zowel de dichotomie van datavisualisatie als de problematiek van visuele geletterdheid, komt het bij beide uit op de suggestiviteit die gecreëerd wordt door de gebruiker zelf, zonder dat deze zich hier bewust van is dat het mede komt door het black box beleid van Starlight. Datavisualisatie betreft een dubbel maakproces: ten eerste dient de data gegenereerd te worden en ten tweede dient deze gegenereerde data omgezet te worden in visualisaties. Dit dubbele maakproces is kwetsbaar, omdat tot twee keer toe de data worden behandeld en bewerkt. Volledige objectiviteit kan daarom niet worden bereikt, maar de mate van suggestiviteit kan wel worden beperkt. Suggestiviteit en subjectiviteit zijn hierin twee verschillende aspecten, zoals uitgelegd in hoofdstuk drie. Deze suggestiviteit kan overigens zowel als een voordeel en nadeel beschouwd worden: het suggereren van een conventionele betekenis en zodoende het beeld naar voren laten komen zoals het bedoeld is, is ook verwant aan suggestiviteit, net als het suggereren van een narratief of patroon dat er eigenlijk niet is. Starlight tracht de eerste vorm te bereiken, door te bouwen op conventionele betekenissen en zodoende op de algemene visuele geletterdheid van de gebruiker zonder dat deze erg specifieke training heeft gehad. Door dit onderzoek heen lijkt steeds een bepaalde missie terug te keren, namelijk het uitroeien van suggestiviteit en miscommunicatie. Gezien de bevindingen die opgedaan zijn in dit onderzoek, kan men zich afvragen of suggestiviteit niet ingezet kan worden om miscommunicatie juist te vermijden in plaats van te ondersteunen. Galison wijst op de vervagende en bewegende grens tussen abstractie en non-abstractie, gezien het feit dat men een algoritme nodig heeft om te kunnen representeren en abstractie nodig heeft om dit algoritme te kunnen ontwerpen. Bij deze wil ik wijzen op de vervagende en bewegende grens tussen suggestiviteit en objectiviteit. Om een bepaald beeld naar voren te laten komen, zoals bedoeld door de wetenschap in hun datavisualisaties, dient men de interpretatie een kant op te sturen en dit kan bereikt worden door gebruik te maken van suggestiviteit. De dichotomie in datavisualisatie zal altijd aanwezig zijn, afhankelijk van hoe men deze visualisaties behandelt en interpreteert, maar deze dichotomie kan wel anders gezien worden: namelijk als een positief aspect dat zorgt voor een kritische doch optimistische visie waarbij de suggestiviteit in visuele geletterdheid ingezet kan worden om verkeerde interpretaties uit te sluiten en om de juiste interpretatie te sturen. Het is belangrijk hierbij rekening te houden met zowel de keuzes van de ontwikkelaar als training van de gebruiker, zodat er juist ingespeeld kan worden in visuele conventies in datavisualisaties.
13
Bibliografie Avgerinou, M. D. “Re-Viewing in the “Bain d’Images” Era.” Tech Trends 53 (2009): 28-34. Braden, R.A. en J. H. Hortin. “Identifying The Theoretical Foundations Of Visual Literacy.” Journal of Visual Literacy 2:2 (1982): 37-42. Elkins, J. Visual Practices across the University. Munich: Wilhem Fink Verlag, 2007. Erekson, J. A. “Putting Humpty Dumpty together again: when illustration shuts down interpretation.” Journal of Visual Literacy 48:2 (2009): 145-162. Galison, Peter. “Images Scatter Into Data, Data Gathers Into Images.” Iconclash. Beyond the Image Wars in Science, Religion, and Art. Red. Bruno Latour en Peter Weibl. Cambridge, Mass: MIT Press, 2002: 300-323. Frankel, Felice en Rosalind Reid. “Distilling Meaning from Data.” Nature 455:30 (2008): 30. Manovich, L. “Data Visualization as New Abstraction and as Anti-Sublime.” Small Tech: The Culture of Digital Tools. Red. Byron Hawk, David M. Rieder en Ollie Oviedo. Minneapolis en London: University of Minnesota Press, 2008: 3-9. Paul, C. “The Database as System and Cultural Form: Anatomies of Cultural Narratives.” Database Aesthethics: Art in the Age of Information Overflow. Red. Victoria Vesna. Minneapolis, MN: University of Minnesota Press, 2007: 1-16. Pauwels, L. “An Integrated Model for Conceptualising Visual Competence in Scientific Research and Communication.” Visual Studies 23:2 (2008a): 147-161. Pauwels, L. “Visual Literacy and Visual Culture: Reflections on Developing More Varied and Explicit Visual Competencies.” The Open Communication Journal 2 (2008b): 79-85. Selfe, C. L. en R. J. Selfe. “The Politics of the Interface: Power and Its Exercise in Electronic Contact Zones.” College Composition and Communication 45.4 (1994): 480504. Sluijs, J. P. “Sense.us: Towards a more social 'social visualization'.” First Monday 13.12 (2008). “Starlight.” *2010+ Starlight Homepage van PNNL – 15-10-2010 http://starlight.pnl.gov/
14
