Bihanic, David. 2014. New Challenges for Data Design. 2015 edizione. Springer. pp.4,11
Bihanic, David. 2014. New Challenges for Data Design. 2015 edizione. Springer. pp. 179, 303
Information Visualization
NARRATIVO
SEMPLIFICAZIONE
ESTETIZZAZIONE
100°
0°
QUALITATIVA
Verso una disciplina intersoggettiva
—
focus
Come si è potuto vedere ogni approccio ha sempre il suo contro- approccio che ha caratteristiche opposte per quanto riguarda dati, messaggio e fruizione.
Gli approcci possono essere anche plurimi, ossia uno non esclude l’altro. Come infatti si è potuto vedere dai diversi casi studio ciò che i progetti più ambiziosi tentano di fare è quello di riuscire a non negare nessun aspetto che caratterizza ogni approccio. Per esempio una Inofviz esplorativa permette di poter avere livelli diversi di dati e dunque si può passare da un primo livello di semplificazione, per accogliere l’utente, passando poi attraverso la fruizione verso una profondità più complessa.
Se dovessimo assimilare gli approcci così esposti si formerebbero due gruppi con “temperature” estreme ovvero ai poli opposti del impatto emotivo, dell’immediatezza e coinvolgimento. Proprio per questo motivo riuscire a tenere insieme più approcci permette di stare ad un livello intermedio dove la Inofviz soddisfa ognuna delle esigenze esposte dagli esperti.
Come dunque si può osservare una Inofviz radicalmente qualitativa presuppone una massima semplificazione – dove i dati sono ridotti a concetto o immagine rappresentativa –, un livello molto alto di estetizzazione dunque che permette di sintetizzare e guidare visivamente verso una narrazione fatta di immagini e scritte. Il vantaggio di questo genere di visualizzazioni è l’immediatezza, il coinvolgimento, il minimo impegno intellettuale del fruitore e l’elevato livello di intrattenimento.
Se invece si osserva il polo opposto si può notare come una Inofviz radicalmente quantitativa si porti dietro un livello di complessità elevato che necessità dunque un approccio esplorativo per poter navigare nella totalità dei dati esatti e puri. Il vantaggio di questo genere di visualizzazione è il fatto che non lasci spazio all’interpretazione del progettista, non essendoci nessun tipo di aggregazione ed estetizzazione, e dunque non è accusabile di manipolazione.
Information Visualization
PROGETTISTA
APPROCCIO
SMALL/BIG
LENTA/VELOCE
POSITIVO/NEGATIVO
CRUDI/ELABORATI
REAL-TIME/FISSI
ANALOGICO/DIGITALE
FREDDA/CALDA
ATTIVA/PASSIVA
STATICA/DINAMICA
ESPLICITA/IMPLICITA
D
I
K
Information Visualization
Gli approcci dunque sono ciò che muove le sorti del processo
DIKW delle Inofviz. A seconda dell’approccio scelto dal progettista
le variabili proprie dei dati, del messaggio e della fruizione si distribuiscono a formarne una struttura di base ed un approccio di buon senso.
L’approccio deciso dal progettista, tramite l’etica, le norme della percezione e il rispetto delle affordances dei dati, guida dunque l’intero progetto, influenzando le sorti della comprensione di esso. Vi sono dunque una serie di variabili che appartengono alla prima fase del progetto e dunque, rispetto al processo DIKW, alle proprietà ed affordances dei dati. Proprio le affordances dei dati evidenziano se il messaggio della Inofviz sarà positivo o negativo, inoltre in questa fase in cui si predispone della totalità di dati si potrà decidere in quale punto dello spettro crudi-elaborati ci si posizionerà, nel rispetto degli obiettivi del progetto e delle norme sopracitate. I valori invece compresi nella fase intermedia tra il progettista e l’utente sono quelli che influiscono sia sulla fase progettuale di costruzione della Inofviz sia sulla fruizione e percezione di essa. In questa fase, che porta i dati da uno stato di incomprensione ad uno di comprensibilità e conoscenza, la quantità di dati – lo spettro tra small e big – e la sua tipologia – real-time o fissi – risulta importante per strutturare l’Inofviz ed il suo percorso conoscitivo da parte dell’utente. Inoltre la tipologia di dati, oltre ovviamente al suo supporto, influisce sulla sua staticità o dinamicità di essa, dunque implica una serie di valutazioni sulle possibili interazioni dell’utente. Nella fase ultima di realizzazione, quella che anticipa la divulgazione, mettendo insieme le variabili sino ad ora elencate si può comprendere la temperatura –calda o fredda – del progetto in base agli obiettivi preposti.
Per quanto riguarda le variabili che appartengono esclusivamente alla fruizione dell’utente, esse possono essere la prova dell’efficacia o meno degli obiettivi del progetto riguardo comprensione e percezione, infatti il tempo – veloce o lento – impiegato per comprendere l’Inofviz risulta una variabile chiave al passaggio tra conoscenza e saggezza. Il tempo è fortemente condizionato dal supporto – analogico o digitale – ma soprattutto dall’attività o passività dell’utente, dato che la variabile attiva si porta dietro la variabile di dinamicità e dell’interazione, e dunque presumibilmente
3.5
Verso una disciplina intersoggettiva
—
focus
risulterà con tempistiche differenti rispetto ad un’Inofviz statica. Ultimo elemento che agisce sull’acquisizione della conoscenza e della saggezza è il messaggio esplicito o implicito. Infatti un messaggio implicito permette una più libera interpretazione da parte dell’utente e dunque una conoscenza imprevedibile e una saggezza estremamente soggettiva, in opposizione un messaggio esplicito risulta comunque più influenzante.
Come si è detto precedentemente dunque ogni approccio determina una ridistribuzione di queste variabili in base alle sue proprietà e principi. Possiamo dunque successivamente vedere come si relazionano e distribuiscono le variabili in base agli approcci. Bisogna comunque tenere a mente che come per le variabili anche gli approcci sono spettri dalle zone intermedie sfocate e dunque si possono riconoscere i casi estremi ma non è sempre possibile – senza test e validazioni – comprenderne le fasi mediane dello spettro.
Information Visualization
PUREZZA
Crudi
Visibili
Implicito
Lento
Fredda
Real-time/Fissi
Small/Big
Positivo/Negativo
Statica/Dinamica
Analogica/Digitale
Attiva/Passiva
ESTETIZZAZIONE
Elaborati
Invisibili
Esplicito
Veloce
Calda
L’approccio della purezza ha come variabili fisse, senza le quali perderebbe le sue proprietà, i dati crudi – non aggregati o intaccati –, il messaggio implicito e dalla comprensione più lenta. L’Inofviz che persegue la purezza infatti non vuole influenzare il suo utente e non vuole cadere nel rischio della manipolazione e dunque i dati devono essere visibili. Chi persegue l’ideologia della purezza crede che i dati siano belli così come sono e che non vadano “truccati” tramite elaborazioni spinte. Per questa serie di ragioni le Inofviz in questione sono tendenzialmente fredde.
All’opposto l’approccio estetico punta tutto sull’impatto visivo dell’Inofviz. Questo ha come variabili fisse dunque l’elaborazione dei dati, anche solo che tramite tecniche cromatiche, e per lasciare spazio all’estetica i dati possono anche essere invisibili. Conta dunque l’esperienza visiva e non di conoscenza profonda. Proprio per questo è esplicita e veloce nel trasmettere il messaggio, dato che risulta una comunicazione calda e coinvolgente.
Risultano invece variabili meno oggettive quelle della tipologia – real-time/fissi –, e della loro quantità – small/big – dato che in entrambi i casi è possibile perseguire sia l’approccio della purezza che quello dell’estetizzazione.
dati
messaggio
Verso una disciplina intersoggettiva — focus
SEMPLIFICAZIONE
Crudi
Big
Real-time
Visibili
Lento
Dinamica
Attiva
Digitale
Implicito/Esplicito
Positivo/Negativo
Fredda/Calda
COMPLESSITÀ
Elaborati
Small
Fissi
Invisibili
Veloce
Statica
Passiva
Analogica
L’approccio a favore della complessità mira a dare all’utente un’esperienza completa – dati visibili –, e non parziale, di ciò che i dati possono contenere. Dunque le variabili che portano la complessità all’estremo sono i dati crudi e in grande quantità, i quali si modificano continuamente in real-time. Per quanto riguarda invece il messaggio, esso sicuramente ad un elevato grado di complessità risulta molto più lento nell’essere compreso, rispetto ad una visualizzazione semplificata. Inoltre spesso l’unico modo per gestire la complessità è poter fare uso di una visualizzazione dinamica e digitale che permetta di gestirla ed esplorarla, rendendola dunque attiva.
L’approccio della semplificazione mira a dare uno, o pochi, messaggi e a fornire il minimo indispensabile dei dati – small –, essi infatti spesso risultano invisibili ed elaborati al punto da raggiungere spesso un unico dato che si pone davanti a tutto il dataset invisibile. Obiettivo è semplificare per aumentare velocità di comprensione del messaggio, dunque la fruizione tende ad essere statica e passiva. Risultano invece variabili meno oggettive quelle dello stato del messaggio – implicito/esplicito –, del suo senso – positivo/negativo – e soprattutto il suo coinvolgimento – fredda/calda.
dati
messaggio
Information Visualization
QUANTITATIVO
Big
Visibili
Implicito
Attiva
Crudi/Elaborati
Real-time/Fissi
Positivo/Negativo
Lento/Veloce
Fredda/Calda
Analogica/Digitale
Dinamica/Statica
QUALITATIVO
Small
Invisibili
Esplicito
Passiva
L’approccio quantitativo implica, rispetto a quello qualitativo, una quantità di dati molto più grande – big – e tendenziale visibili all’interno della Inofviz, esso infatti ha come obiettivo quello di riportare un’analisi basata su fenomeni misurabili ad ampia scala. L’approccio ha una variabile di messaggio implicito e presuppone una fruizione attiva per arrivare alla comprensione.
L’approccio qualitativo, oltre che avere un numero limitato di dati –
small –, spesso si attua soprattutto in assenza di fenomeni misurabili
quantitativamente, dove conta più la qualità della misurazione, oppure dei processi e caratteristiche di ciò che viene monitorato. Al suo interno i dati sono quindi pochi, spesso invisibili – anche perché mancanti – oltre che essere caratterizzati da un messaggio esplicito e una fruizione passiva. Il tutto a definire un’esperienza più di superficie e di macro-relazioni, rispetto alla profondità dell’approccio qualitativo.
Per entrambi invece risultano meno nette le variabili legate alla tipologia dei dati, al loro livello di aggregazione ed elaborazione, al senso del messaggio e alla sua velocità di comprensione, nonché al coinvolgimento. Inoltre non vi sono limiti legati al supporto – analogico/digitale – e di conseguenza alla staticità o dinamicità.
dati
messaggio
Verso una disciplina intersoggettiva — focus
NARRAZIONE
Big
Real-time
Visibili
Implicito
Lento
Attiva
Fredda
Positivo/Negativo
Crudi/Elaborati
Statica/Dinamica
Analogica/Digitale
ESPLORAZIONE
Small
Fissi
Invisibili
Esplicito
Veloce
Passiva
Calda
L’approccio esplorativo consiste nella strutturazione della Inofviz non-lineare e su diversi livelli – dati visibili. Nell’approccio esplorativo si desidera che l’utente non abbia un unico messaggio prestabilito ma che possa apprenderne un numero indefinito, in base alle sue volontà e in base all’esperienza che decide autonomamente – messaggio implicito. Esso dunque permette di avere a che fare con una quantità complessa di dati – big e in
real-time. Inoltre il messaggio proprio per il suo essere implicito,
esplorabile e non definito presuppone una tempistica più lenta, attiva e tendenzialmente più fredda dell’approcci narrativo.
Quest’ultimo invece è caratterizzato da una strutturazione lineare fatta di dati fissi e in quantità misurate – small e tendenzialmente invisibili. Inoltre la narrazione, guidata dal progettista, impone messaggi espliciti e di conseguenza molto più veloci nella comprensione. La fruizione risulta dunque passiva ma con un coinvolgimento maggiore – calda.
Risultano invece variabili meno oggettive quelle del livello di elaborazione e del senso del messaggio. Inoltre non vi sono limiti legati al supporto – analogico/digitale – e di conseguenza alla staticità o dinamicità.
dati
messaggio
Information Visualization
Conclusioni
La Summer School de La Cura, dove l’installazione/performance Baotaz è stata progettata e costruita è risultata, all’interno di questa tesi, un momento chiave. Partecipare al processo ha permesso di comprendere i gap tra teoria e pratica delle Inofviz. Gran parte dei contributi di questa tesi sono nati sulle riflessioni dopo la suddetta esperienza, dove erano già evidenti temi come l’opinabilità dei dati, la soggettività dei processi e gli aspetti teorici spesso fini a sé stessi. Mettere in atto la teoria ha significato scoprire quanto questa fosse spesso lontana da ciò che strumenti e metodi in realtà necessitano. Le difficoltà progettuali riscontrate nello specifico durante la strutturazione della piattaforma online hanno dimostrato quanto un esclusivo approccio teorico e una solida base professionale come designer fossero insufficienti per poter affrontare una tesi di ricerca su un tema così legato alla praticità.
Inoltre grazie ai gap riscontrati è stato possibile delineare la seconda parte della ricerca che si è focalizzata sulle cause e le possibili soluzioni per colmare questi buchi neri. Attraverso il mettere a sistema teoria e pratica, e sulla base dei gap riscontrati – come si è potuto vedere dai capitoli 2 e 3 – è stato possibile desumere le basi di approcci e metodi che hanno portato all’individuazione di linee guida sulla base delle quali è stato possibile strutturare dei modelli applicativi.
Attraverso la teoria, gli approcci individuati e i modelli è stato possibile strutturare la sperimentazione che aveva come obiettivo, dal punto di vista della metodologia della ricerca, di mettere in pratica i risultati attesi, attraverso la strutturazione, test sugli utenti e monitoraggi.