Office of Creative Research, ett datalab i New York, har mycket att lära journalister

'And That's The Way It Is' är ett samarbete mellan University of Texass offentliga konstprogram Landmarks, Ben Rubin och The Office for Creative Research. (Fotokredit: OCR)

Om du gick på campus vid University of Texas på Austin campus en vårnatt 2012, skulle du ha sett ett antal människor få sina nyheter från sidan av en femvåningsbyggnad.

Fraser från Walter Cronkites legendariska sändningar, såväl som direktsända nyhetsflöden från hela landet, var projiceras på sidan från Jesse H. Jones Communication Center, vilket ger alla som gick förbi en titt på nattliga nyheter från förr och nu.

Projektet skapades av medlemmar i Kontoret för kreativ forskning , en New York-baserad forskargrupp som ofta skapar datavisualiseringar, föreställningar i det offentliga rummet och prototyper för att hjälpa människor att förstå information.

De senaste månaderna har de gjort det skapat en visualisering om Einsteins allmänna relativitetsteori för Scientific American, gjort en Chrome-tillägg som hjälper människor att förstå annonsinriktning och arbetat med National Geographic att spåra vilda djur i realtid i Okavangodeltat i Botswana.

Deras arbete kombinerar journalistik, användarforskning, offentliga prestationer och storskaliga digitaliseringar som får människor att förstå eller bearbeta information på nya sätt (ett antal forskargruppsmedlemmar migrerade från The New York Times nyligen slutade FoU-labb).

Jag kom i kontakt med The Office of Creative Research för att lära mig mer om gruppens tillvägagångssätt för storskaligt engagemang och information, som sträcker sig långt bortom gränserna för en skärm och har många applikationer för nyhetsredaktioner.

Jag älskar att du projicerade nattnyheterna på en femvåningsbyggnad i Texas. Det är motsatsen till en mobil enhet. Alla delar en gemensam upplevelse tillsammans. Skulle du kunna prata lite om hur du ser på det offentliga rummet och hur redaktioner kan se det offentliga rummet när de tänker på hur man ska förmedla nyheter?

Först och främst går det mesta av äran för det underbara stycket till Ben Rubin, OCR-medgrundare, som nu är chef för Parsons Institute for Information Mapping.

Ben berättar en fantastisk historia om att cykla hem på kvällen när han var liten och se alla fönster på gatan flimra synkront - eftersom alla var inställda på samma nyhetssändning samtidigt. Detta berör vad Teju Cole kallar 'offentlig tid' och jag tror att det är ett riktigt värdefullt koncept att tänka på när vi undersöker förhållandet mellan data och allmänheten.

Det offentliga rummet har förändrats på grund av utbredningen av mobila enheter. Människor verkar vara mindre medvetna om sin omgivning och mindre benägna att kommunicera med varandra, men mycket mer benägna att kommunicera med någon som är borta från det utrymmet.

Hur bestämmer du vilka projekt du ska ta dig an? Vad gör ett bra projekt? En uppföljning: Vad gör ett bra liveevenemang kontra ett digitalt projekt?

Mycket av ditt arbete handlar om att göra svåra ämnen mycket lättare att förstå. Du skapade ett interaktivt spel och berättelse till förklara fynden av en färsk Nature-tidning. Jag skulle gärna höra mer om hur det projektet hängde ihop och hur du testade det du byggde för att säkerställa att publiken förstod animationen.

Vi blev kontaktade av (professor) Simon J. Anthony för att visuellt kommunicera idéerna i hans uppsats till en större publik bortom andra forskare. Vi bestämde oss för att rikta in oss på de olika typerna av relationer mellan virus i värdar, särskilt när de inte orsakar någon uppenbar sjukdom. För att göra förutsägelser måste du först bestämma vilka typer av mönster som finns, så en stor del av den pedagogiska aspekten av spelet är att försöka visa skillnaden mellan slumpmässighet och deterministiska mönster. Det som också intresserade oss med hans forskning var att när man undersöker interaktionerna mellan virus i olika skalor. Mönstren kan vara väldigt olika, så det blev viktigt att tänka på en virus-till-virus-nivå, en virus-till-värd-nivå och en community-nivå av många värdar. Det faktum att alla dessa typer av relationer sker samtidigt och att det finns potentiellt förutsägbara mönster som driver deras existens var det största dragplåstret för oss.

När människor kommer till OCR med ett projekt, försöker vi linda våra huvuden kring vad data eller forskning försöker få fram och gör vårt bästa för att tolka och översätta det till en bredare publik. I det här fallet ville vi utöka räckvidden för Simons forskning utanför det vetenskapliga eller akademiska samhället. Vi skapade en förenklad berättelse som skulle förklara några av de centrala begreppen i uppsatsen. Att lägga till ett spelelement verkade vara det naturliga sättet att cementera några av de abstrakta koncept vi försökte visa, och ha en bredare dragningskraft. För att göra ämnet mer tillgängligt ville vi att webbplatsens visuella språk skulle vara färgglada, vänliga och påminna om rymdinkräktare. Bajs-emojien avslöjade sig som ett mycket viktigt verktyg som refererar till metoden för att samla in virusproverna och som också lägger till lite lätthet till sajten.

Jag ser ditt arbete som journalistik men utanför det traditionella nyhetsrummet. Du hjälper människor att förstå och förstå sin värld. Har du något favoritprojekt?

Vi är definitivt 'journalistik närliggande.' Fyra av våra 10 teammedlemmar har en bakgrund inom nyheterna, och jag tror att vi delar etiska och tekniska förhållningssätt med ett nyhetsrum. Som sagt, vi är inte alltid intresserade av att prydligt berätta en historia. I grunden är vi en forskargrupp, och jag tror att mycket av vårt bästa arbete är ofullständigt. Vi avböjer artigt att välja ett favoritprojekt.

Mycket av ditt arbete handlar om att koppla människor till information genom prestation. En av mina favoriter är att uppträda MoMAs databas för samlingar av 120 000 objekt . Kan du berätta lite om hur du valde att utföra en databas och hur du tänkte på publik och offentliga utrymmen när du gjorde det?

Vi blev tillfrågade av MoMA att delta i deras Artists Experiment-serie, vilket innebar att vi samarbetade med deras utbildningsavdelning om något som kunde ses som ett offentligt program.

Våra första idéer handlade mest om att skapa konceptuella API:er, som skulle göra det möjligt för besökare (både i byggnaden och på internet) att interagera med museets databaser på intressanta sätt. Det visar sig att det finns många politiska förhållanden i en institution som MoMA, och vi kunde inte få tillstånd att utföra det arbete som vi först ville. Så vi bestämde oss för att omformulera problemet och se hur vi kunde presentera den information som redan var offentlig på nya och intressanta sätt. Mark Hansen och Ben Rubin hade en historia av data och prestanda, så de ledde verkligen utvecklingen av verket med [teatergruppen] Hissreparationsservice och strukturerade föreställningen i gallerierna.

Att föra in data till det offentliga rummet förändrar sättet som människor förväntar sig att interagera med det. Det gör också upplevelsen av data något mindre frivillig – oftast 'läser' vi data när vi klickar på en länk eller vänder en sida eller deltar i ett föredrag. Genom att placera en dataskulptur i en park eller iscensätta en föreställning av en databas i ett konstgalleri tvingar vi på något sätt data på människor, vilket förändrar dynamiken i samtalet.

På redaktioner publiceras ofta en text och sedan går redaktörerna, reportrarna och datavisualiseringsteamet vidare till sitt nästa projekt. Du skriva att när museer 'uppmuntrar[e] konstskapande med sina samlingsdata, befinner sig museer också inblandade i en vacker typ av rekursion: de producerar data som producerar konst som producerar data, och om och om och om.'

Det påminner mig om när nyhetsorganisationer verkligen är på topp i sina kommentarsavsnitt, eftersom de får nya berättelseidéer från personerna som svarade på deras första inlägg. Jag är nyfiken på hur nyhetsrum kan uppmuntra sin publik att remixa sitt innehåll eller skapa något nytt av det de producerar. Jag ser så många projekt som tog så mycket tid att göra — och sedan går teamet vidare till nästa projekt. Finns det sätt att sträcka sig bortom publicering?

Sedan OCR startades har vi fascinerats av tanken på feedback. Vi försöker ständigt engagera vår publik utöver bara resultatet av de verktyg vi skapar. Från datainsamling till datavisualisering är många steg och aktörer involverade, som ofta formar och påverkar den data som ursprungligen samlades in. För transparensen och öppenhetens skull är det därför avgörande för oss att involvera människor under hela processen med datatransformation, från råa bitar till sensoriska utdata.

Vi ser detta som ett försök att driva mot den maktgradient som driver de flesta datasystem, där de människor som data kommer från har minst makt och regeringar och företag har mest.

Vissa av våra projekt, som 'Floodwatch', involverar allmänheten i datainsamlingsprocessen. Andra som 'Into The Okavango' ger människor verktyg för att söka efter rådata genom offentliga API:er. Vi släpper snart ett medborgarvetenskapligt projekt, 'Cloudy With A Chance of Pain', som uppmuntrar deltagare att utforska folkhälsodata och skicka in sina egna hypoteser till projektets forskargrupp vid University of Manchester, Storbritannien. Det finns många vägar för att involvera publik som ännu inte har utforskats, och vi är övertygade om att de inte bör begränsas till slutet av den kreativa processen.

På sistone har vi varit intresserade av hur samhällen direkt kan kritisera data. Vi bygger ett par API:er som tillåter användare att kommentera dataobjekt med frågor om härkomst, kommentarer om sanningshalt eller metodkritik.

När jag kom över din projektsida tänkte jag på så många sätt som redaktioner kunde tänka på utrymme och prestanda och datainsamling. Men de är ofta fastspända för resurser och tid. Vilka typer av små saker kan organisationer göra för att hjälpa människor att skapa kontakter och förstå världen omkring dem bättre, även om de inte har ett datateam?

Jag tror att nyhetsredaktioner måste fundera över sätt att föra in kreativa datakunskaper i sina befintliga team, snarare än att beklaga bristen på ett 'datateam.' Två av våra favoritmänniskor i världen gjorde ett fantastiskt projekt nyligen kallat ' Bästa Data ” där de utbytte handritade datavykort med varandra under loppet av ett år. Ingen kod, bara pennkritor. Det är en bra påminnelse om att tekniken (och den relaterade budgeten) inte är den verkliga begränsande faktorn.

På tal om inspiration, John Keefes team på WNYC överraskar oss alltid med de förtjusande och fyndiga sätten de arbetar med data med ett litet team och en liten budget. Vi är särskilt hänförda av WNYC-projekten som kombinerar datainsamling med datarepresentation. De suddar ut gränserna mellan journalistik och medborgarvetenskap och skaparrörelsen på riktigt inspirerande sätt.

(Relaterat: På Stream Lab samarbetar sändningsjournalister med studenter för att undersöka vatten från West Virginia)

Jag rapporterar mycket om annonsteknik och var verkligen nyfiken på dina projekt ' Bakom banderollen ' och ' Floodwatch .” Vad är status för Floodwatch? Deltog folk? Vad lärde du dig av det experimentet?

Under 2013 byggde vi en förklarare av ad tech-system för (entreprenören och journalisten) John Battelle. Det var fascinerande att lära sig om detta stora, huvudlösa system, som utan tvekan är det mest komplexa beräkningssystemet som någonsin skapats. Genom vårt arbete med det projektet började vi tänka på hur individer inte får se mycket om något av det här systemet och började fundera på hur vi skulle kunna utbilda och stärka konsumenter (eller, som vi kallar dem, människor). Resultatet blev Floodwatch, ett verktyg som ger människor en titt på profilerna som annonsörer bygger om dem och möjliggör insamling av en buddatabas som kan delas med reklamforskare.

Floodwatch är för närvarande i alfa, och vi kommer att släppa en betaversion i sommar. Efter att ha fått en betydande användarbas (cirka 12 000 har registrerat sig för att använda tillägget, även om det finns färre aktiva användare för närvarande), byggde vi upp en stor datauppsättning av annonser som människor har fått. Genom att arbeta med en maskininlärningsspecialist har vi kunnat klassificera annonserna enbart baserat på bilderna de innehåller. Vi planerar att släppa en ny funktion i betaversionen, där användare kommer att få visualiseringar som förklarar vilka typer av annonser de visas och hur de står sig i jämförelse med andra.

Hur får man nya idéer? Hur delar du med dig av det du lär dig?

Det finns en balans mellan idéer som genereras av kontoret och idéer som kommer in hos oss via våra partners. I studio försöker vi utsätta oss för så många andra kreatörer och forskare som möjligt. Som tjänst för detta håller vi ett månatligt evenemang som heter OCR Friday där vi bjuder in någon, tillsammans med 30 gäster, att tillbringa några timmar med att prata om forskningsbaserad praktik. Vi har haft filmskapare, advokater, integritetsforskare, övervakningskonstnärer, bryggmästare, designers, skulptörer ... vi gör vårt bästa för att hålla saker varierande.

Vi är inte så bra som vi borde vara på att dela med oss ​​av det vi lär oss. Vi publicerar en årlig tidskrift som innehåller efemera från våra projekt: anteckningar, uppsatser, kod och andra småsaker. Vi försöker bli bättre på att vara värd för aktiva offentliga GitHub-arkiv och skulle också vilja vara värd för offentliga workshops och informella diskussioner kring forskningstrådar som vi kanske följer.

Många nyhetsredaktioner är idag oroade över algoritmer på plattformar som styr vem som får se innehåll. Skulle du kunna prata lite om algoritmernas roll i ditt eget arbete? Vad är förhållandet mellan algoritmer och redaktionell bedömning?

Oh boy, algoritmer.

Vattnet kring algoritmer och redaktionellt omdöme är otroligt grumligt. Som (tidigare Kickstarter-dataguru) Fred Benenson nyligen sa, används algoritmer ofta för att ' mathwash-funktionalitet som annars skulle anses vara godtycklig med objektivitet .”

För några år sedan fick vi frågan designa en algoritm och en mediainstallation för 9/11-museet, som dynamiskt skulle skapa tidslinjer som förbinder aktuella händelser med händelserna den 11 september. Till exempel kan en tråd byggas kring hur vapenkontrolllagar har och inte har förändrats mellan den här veckan och 2001. Vi var verkligen tydliga i vår process att säga att 'algoritmen' i stycket inte tog bort subjektiviteten; på något sätt förstärkte det det. Ändå, när pjäsen avslöjades, beskrevs den som objektiv, tack vare beräkningar. Det var ett snyggt sätt för museet att gå runt kurationspolitiken.

Vi använder algoritmer som ett sätt att bearbeta data, för att generera visuella former, för att skapa manus för artister, för att skapa ljudlandskap. Vissa av dessa algoritmer är 'från hyllan', i vilket fall det finns redaktionell bedömning som går in på vilken algoritm som är vettig att använda. Andra algoritmer skapar vi själva, i så fall försöker vi vara uppmärksamma på hur vår subjektivitet blir inbakad i koden. En tvåordsdefinition för en algoritm är 'gör tills' - och det är det tills det får oss i problem, eftersom all tyst kommunikation kan förstärkas till en högljudd.