L'Office of Creative Research, un laboratoire de données new-yorkais, a beaucoup à apprendre aux journalistes

'And That's The Way It Is' est une collaboration entre le programme d'art public Landmarks de l'Université du Texas, Ben Rubin et l'Office for Creative Research. (Crédit photo : OCR)

Si vous vous promeniez sur le campus de l'Université du Texas sur le campus d'Austin une nuit de printemps 2012, vous auriez vu un certain nombre de personnes prendre des nouvelles du côté d'un immeuble de cinq étages.

Des phrases des émissions légendaires de Walter Cronkite, ainsi que des flux d'actualités en direct de tout le pays, ont été projeté sur le côté du centre de communication Jesse H. Jones, donnant à tous ceux qui passaient devant un aperçu des nouvelles nocturnes du passé et du présent.

Le projet a été créé par des membres de Le Bureau de la recherche créative , un groupe de recherche basé à New York qui crée souvent des visualisations de données, des performances dans l'espace public et des prototypes pour aider les gens à comprendre l'information.

Ces derniers mois, ils ont créé une visualisation sur la théorie de la relativité générale d'Einstein pour Scientific American, fait une extension Chrome qui aide les utilisateurs à comprendre le ciblage des annonces et travaillé avec National Geographic pour suivre la faune, en temps réel, dans le delta de l'Okavango au Botswana.

Leur travail combine le journalisme, la recherche d'utilisateurs, la performance publique et les numérisations à grande échelle qui permettent aux gens de comprendre ou de traiter l'information de nouvelles façons (un certain nombre de membres du groupe de recherche ont migré du New York Times' récemment fermé Laboratoire R&D).

J'ai contacté The Office of Creative Research pour en savoir plus sur l'approche du groupe en matière d'engagement et d'information à grande échelle, qui va bien au-delà des limites d'un écran et a de nombreuses applications pour les salles de rédaction.

je t'aime projeté les nouvelles du soir sur un immeuble de cinq étages au Texas. C'est le contraire d'un appareil mobile. Tout le monde partage une expérience commune ensemble. Pourriez-vous nous parler un peu de votre vision de l'espace public et de la façon dont les salles de rédaction peuvent voir l'espace public lorsqu'elles réfléchissent à la manière de transmettre les informations ?

Tout d'abord, le mérite de cette merveilleuse pièce revient en grande partie à Ben Rubin, cofondateur d'OCR, qui est maintenant directeur du Parsons' Institute for Information Mapping.

Ben raconte une belle histoire sur le fait de rentrer chez lui à vélo le soir quand il était enfant et de voir toutes les fenêtres de la rue scintiller de manière synchronisée - parce que tout le monde était à l'écoute du même journal télévisé en même temps. Cela touche à ce Teju Cole appelle « temps public » et je pense que c'est un concept très précieux auquel il faut réfléchir lorsque nous examinons la relation entre les données et le public.

L'espace public a changé en raison de la prévalence des appareils mobiles. Les gens semblent être moins conscients de leur environnement et moins susceptibles de communiquer entre eux, mais beaucoup plus susceptibles de communiquer avec une personne éloignée de cet espace.

Comment décidez-vous des projets à entreprendre ? Qu'est-ce qui fait un bon projet ? Un suivi : qu'est-ce qui distingue un bon événement en direct d'un projet numérique ?

Une grande partie de votre travail consiste à rendre les sujets difficiles beaucoup plus faciles à comprendre. Vous avez créé un jeu interactif et une narration pour expliquer les conclusions d'un récent article de Nature. J'aimerais en savoir plus sur la façon dont ce projet s'est concrétisé et sur la façon dont vous avez testé ce que vous avez construit pour vous assurer que le public a compris l'animation.

Nous avons été approchés par (le professeur) Simon J. Anthony pour lui communiquer visuellement les idées de son article à un public plus large au-delà de ses collègues chercheurs. Nous avons décidé de cibler les différents types de relations entre les virus chez les hôtes, en particulier lorsqu'ils ne provoquent aucune maladie apparente. Afin de faire des prédictions, vous devez d'abord déterminer quels types de modèles existent, donc une grande partie de l'aspect éducatif du jeu essaie de montrer la différence entre le hasard et les modèles déterministes. Ce qui nous intéressait aussi dans ses recherches, c'est que lorsqu'on examine les interactions entre virus à différentes échelles. Les modèles peuvent être très différents, il est donc devenu important de penser au niveau virus à virus, au niveau virus à hôte et au niveau de la communauté de nombreux hôtes. Le fait que tous ces types de relations se déroulent simultanément et qu'il existe des modèles potentiellement prévisibles à l'origine de leur existence a été le plus grand attrait pour nous.

Lorsque les gens viennent à l'OCR avec un projet, nous essayons de comprendre ce que les données ou la recherche essaient de faire passer et faisons de notre mieux pour les interpréter et les traduire à un public plus large. Dans ce cas, nous voulions étendre la portée des recherches de Simon au-delà de la communauté scientifique ou universitaire. Nous avons créé un récit simplifié qui expliquerait quelques-uns des concepts de base du document. L'ajout d'un élément de jeu semblait être le moyen naturel de cimenter certains des concepts abstraits que nous essayions de montrer et d'avoir un attrait plus large. Pour rendre le sujet plus accessible, nous voulions que le langage visuel du site soit aux couleurs vives, convivial et rappelle les envahisseurs de l'espace. L'emoji caca s'est révélé être un outil très important qui fait référence à la méthode de collecte des échantillons de virus et ajoute également une certaine légèreté au site.

Je vois le travail que vous faites comme du journalisme, mais en dehors de la rédaction traditionnelle. Vous aidez les gens à comprendre et à donner un sens à leur monde. Avez-vous un projet préféré ?

Nous sommes définitivement «journalisme adjacent». Quatre des 10 membres de notre équipe ont une formation dans l'actualité, et je pense que nous partageons des approches éthiques et techniques avec une rédaction. Cela dit, nous ne sommes pas toujours intéressés à raconter proprement une histoire. Fondamentalement, nous sommes un groupe de recherche, et je pense qu'une grande partie de notre meilleur travail est intrinsèquement incomplet. Nous refusons poliment de choisir un projet préféré.

Une grande partie de votre travail consiste à connecter les gens à l'information par le biais de la performance. L'un de mes préférés est la performance Base de données des collections de 120 000 objets du MoMA . Pouvez-vous parler un peu de la façon dont vous avez choisi de créer une base de données et de la façon dont vous avez pensé aux publics et aux espaces publics en le faisant ?

Le MoMA nous a demandé de participer à leur série Artists Experiment, ce qui signifiait collaborer avec leur département de l'éducation sur quelque chose qui pourrait être considéré comme un programme public.

Nos idées initiales portaient principalement sur la création d'API conceptuelles, qui permettraient aux visiteurs (à la fois dans le bâtiment et sur Internet) d'interagir avec les bases de données du musée de manière intéressante. En fait, il y a beaucoup de conditions politiques qui existent dans une institution comme le MoMA, et nous n'avons pas pu obtenir les autorisations pour faire le travail que nous voulions initialement. Nous avons donc décidé de recadrer le problème et de voir comment nous pourrions présenter les données qui étaient déjà publiques de manière nouvelle et intéressante. Mark Hansen et Ben Rubin avaient une histoire de données et de performances, ils ont donc vraiment dirigé le développement de la pièce avec [le groupe de théâtre] Service de réparation d'ascenseurs et structuré la performance dans les galeries.

L'introduction de données dans l'espace public modifie la façon dont les gens s'attendent à interagir avec elles. Cela rend également l'expérience des données un peu moins volontaire - la plupart du temps, nous « lisons » les données lorsque nous cliquons sur un lien, tournons une page ou assistons à une conférence. En mettant une sculpture de données dans un parc ou en mettant en scène une performance d'une base de données dans une galerie d'art, nous forçons en quelque sorte les données sur les gens, ce qui change la dynamique de la conversation.

Dans les salles de rédaction, un article est souvent publié, puis les rédacteurs, les journalistes et l'équipe de visualisation des données passent au projet suivant. Toi écrivez que lorsque les musées « encouragent la création artistique avec leurs données de collections, les musées se retrouvent également impliqués dans une belle sorte de récursivité : ils produisent des données qui produisent de l'art qui produit des données, et ainsi de suite.

Cela me rappelle quand les agences de presse sont vraiment au top de leurs sections de commentaires, car elles obtiennent de nouvelles idées d'articles de la part des personnes qui ont répondu à leur premier article. Je suis curieux de savoir comment les salles de rédaction peuvent encourager leur public à remixer leur contenu ou à créer quelque chose de nouveau à partir de ce qu'ils produisent. Je vois tellement de projets qui ont pris tellement de temps à faire - puis l'équipe passe au projet suivant. Existe-t-il des moyens d'aller au-delà de la publication ?

Depuis la création d'OCR, nous sommes fascinés par l'idée de rétroaction. Nous essayons constamment d'engager notre public au-delà de la simple sortie des outils que nous créons. De la collecte de données à la visualisation des données, de nombreuses étapes et acteurs sont impliqués, façonnant et influençant souvent les données initialement collectées. Dans un souci de transparence et d'ouverture, il est donc essentiel pour nous d'impliquer les personnes tout au long du processus de transformation des données, des bits bruts aux sorties sensorielles.

Nous voyons cela comme une tentative de repousser le gradient de pouvoir qui anime la plupart des systèmes de données, dans lequel les personnes dont proviennent les données ont le moins de pouvoir et les gouvernements et les entreprises en ont le plus.

Certains de nos projets, comme « Floodwatch », impliquent le public dans le processus de collecte de données. D'autres comme 'Into The Okavango' fournissent aux gens des outils pour interroger des données brutes via des API publiques. Nous publierons bientôt un projet de science citoyenne, 'Cloudy With A Chance of Pain', qui encourage les participants à explorer les données de santé publique et à soumettre leurs propres hypothèses à l'équipe de recherche du projet à l'Université de Manchester, au Royaume-Uni. Il existe de nombreuses pistes pour impliquer le public qui restent à explorer, et nous sommes convaincus qu'elles ne doivent pas se limiter à la fin du processus de création.

Dernièrement, nous nous sommes intéressés à la façon dont les communautés peuvent critiquer directement les données. Nous construisons quelques API qui permettent aux utilisateurs d'annoter des objets de données avec des questions sur la provenance, des commentaires sur la véracité ou des critiques de la méthodologie.

Lorsque je suis tombé sur votre page de projet, j'ai pensé à tant de façons dont les salles de rédaction pourraient penser à l'espace, à la performance et à la collecte de données. Mais ils sont souvent à court de ressources et de temps. Quels types de petites choses les organisations peuvent-elles faire pour aider les gens à établir des liens et à mieux comprendre le monde qui les entoure, même si elles n'ont pas d'équipe de visualisation des données ?

Je pense que les salles de rédaction doivent réfléchir à des moyens d'intégrer des compétences créatives en matière de données dans leurs équipes existantes, plutôt que de déplorer l'absence d'une 'équipe de visualisation des données'. Deux de nos personnes préférées au monde ont récemment réalisé un projet incroyable appelé ' Chers données » dans lequel ils ont échangé des cartes postales de données dessinées à la main au cours d'une année. Pas de code, juste des crayons de couleur. C'est un bon rappel que la technologie (et le budget associé) n'est pas le véritable facteur limitant.

En parlant d'inspiration, L'équipe de John Keefe chez WNYC nous surprend toujours par la manière délicieuse et ingénieuse dont ils travaillent avec les données avec une petite équipe et un petit budget. Nous sommes particulièrement captivés par les projets WNYC qui combinent la collecte de données avec la représentation des données. Ils brouillent les frontières entre le journalisme et la science citoyenne et le mouvement des makers de manière vraiment inspirante.

(En relation: Au Stream Lab, des journalistes de diffusion font équipe avec des étudiants pour examiner l'eau de Virginie-Occidentale)

Je fais beaucoup de reportages sur la technologie publicitaire et j'étais vraiment curieux de connaître vos projets ' Derrière la bannière ' et ' Surveillance des crues .” Quel est le statut de Floodwatch ? Les gens ont-ils participé ? Qu'avez-vous appris de cette expérience ?

En 2013, nous avons construit un explicateur des systèmes de technologie publicitaire pour (entrepreneur et journaliste) John Battelle. C'était fascinant d'en savoir plus sur ce grand système sans tête, qui est sans doute le système de calcul le plus complexe jamais créé. Grâce à notre travail sur ce projet, nous avons commencé à réfléchir à la façon dont les individus ne voient pas grand-chose de ce système et avons commencé à réfléchir à des moyens d'éduquer et d'autonomiser les consommateurs (ou, comme nous les appelons, les gens). Le résultat a été Floodwatch, un outil qui donne aux gens un aperçu des profils que les annonceurs créent à leur sujet et permet la collecte d'une base de données d'offres qui peut être partagée avec les chercheurs en publicité.

Floodwatch est actuellement en version alpha et nous attendons une version bêta cet été. Après avoir gagné une base d'utilisateurs importante (environ 12 000 se sont inscrits pour utiliser l'extension, bien qu'il y ait moins d'utilisateurs actifs actuellement), nous avons construit un grand ensemble de données d'annonces qui ont été diffusées. En collaboration avec un spécialiste de l'apprentissage automatique, nous avons pu classer les publicités uniquement en fonction des images qu'elles contiennent. Nous prévoyons de publier une nouvelle fonctionnalité dans la version bêta, où les utilisateurs obtiendront des visualisations expliquant les types d'annonces qu'ils reçoivent et comment celles-ci se comparent aux autres.

Comment obtenez-vous de nouvelles idées? Comment partagez-vous ce que vous apprenez ?

Il y a un équilibre entre les idées générées par le Bureau et les idées qui nous parviennent via nos partenaires. En studio, nous essayons de nous exposer au plus grand nombre possible d'autres créateurs et chercheurs. À cette fin, nous organisons un événement mensuel appelé OCR Friday où nous invitons quelqu'un, ainsi que 30 invités, à passer quelques heures à parler de la pratique basée sur la recherche. Nous avons eu des cinéastes, des avocats, des chercheurs en confidentialité, des artistes de la surveillance, des maîtres brasseurs, des designers, des sculpteurs… nous faisons de notre mieux pour que les choses restent diversifiées.

Nous ne sommes pas aussi doués que nous devrions l'être pour partager ce que nous apprenons. Nous publions un journal annuel qui contient des éphémères de nos projets : notes, essais, code et autres petites choses. Nous essayons de nous améliorer dans l'hébergement de référentiels GitHub publics actifs et aimerions également organiser des ateliers publics et des discussions informelles autour des fils de recherche que nous pourrions suivre.

Aujourd'hui, de nombreuses salles de rédaction s'inquiètent des algorithmes sur les plates-formes contrôlant qui peut voir le contenu. Pourriez-vous nous parler un peu du rôle des algorithmes dans votre propre travail ? Quelle est la relation entre les algorithmes et le jugement éditorial ?

Oh mon Dieu, les algorithmes.

Les eaux autour des algorithmes et du jugement éditorial sont incroyablement troubles. Comme (l'ancien gourou des données de Kickstarter) Fred Benenson l'a récemment déclaré, les algorithmes sont souvent utilisés pour ' fonctionnalité mathwash qui serait autrement considérée comme arbitraire avec objectivité .”

Il y a quelques années, on nous a demandé de concevoir un algorithme et une installation médiatique pour le 9/11 Museum, qui créerait dynamiquement des chronologies reliant les événements actuels aux événements du 11 septembre. Par exemple, un fil pourrait être construit autour de la façon dont les lois sur le contrôle des armes à feu ont changé et n'ont pas changé entre cette semaine et 2001. Nous avons été très clairs dans notre processus pour dire que 'l'algorithme' de l'article n'a pas supprimé la subjectivité ; en effet, à certains égards, il l'a amplifié. Néanmoins, lorsque la pièce a été dévoilée, elle a été décrite comme étant objective, grâce au calcul. C'était une façon élégante pour le musée de contourner la politique de conservation.

Nous utilisons des algorithmes comme moyen de traiter des données, de générer des formes visuelles, de créer des scripts pour les interprètes, de créer des paysages sonores. Certains de ces algorithmes sont 'prêts à l'emploi', auquel cas il y a un jugement éditorial qui détermine quel algorithme a du sens à utiliser. D'autres algorithmes que nous créons nous-mêmes, auquel cas nous essayons d'être conscients de la façon dont notre subjectivité est intégrée au code. Une définition en deux mots pour un algorithme est 'faire jusqu'à' - et c'est jusqu'à ce que cela nous cause des ennuis, car toute communication silencieuse peut être amplifiée en une communication forte.