Logbook

De acuerdo con el planteamiento del summer school, las sesiones se desarrollaron en un doble nivel teórico-práctico. Así, tuvimos la oportunidad de reflexionar críticamente sobre las nuevas condiciones de la sociedad datacéntrica, al mismo tiempo que aprendíamos a modelar datos, manipularlos con RStudio, o convertirlos en artefactos tangibles y experiencias emocionales.

Iniciamos nuestro seminario reflexionando, justamente, sobre las condiciones de la contemporaneidad, que Juan Luis Suárez resumió en tres palabras-clave: digitalización, conexión y escala global. Este cambio de escenario provoca la aparición de nuevos problemas sobre los que pensar, pero también la necesidad de reenfocar desde una perspectiva nueva las preocupaciones tradicionales en el campo de la cultura.

La sociedad contemporánea se configura a partir de comunidades hiperconectadas en un espacio global, cuyos comportamientos crean dinámicas y redes (networks) con topologías diferentes a las que caracterizaron los siglos anteriores. De hecho, una de las funciones de las herramientas digitales (léase, por ejemplo, las redes sociales) es la de provocar movimientos colectivos. Por su parte, es el estudio de estos movimientos lo que nos permite aprender más sobre cómo se comportan las sociedades y los grupos.

Los “datos”, generados por estas mismas comunidades hiperconectadas, constituyen un elemento crucial en este nuevo contexto, pues su análisis nos permite analizar, predecir y provocar dichas dinámicas y comportamientos. La investigación sistemática de los comportamientos culturales desde esta perspectiva constituye uno de los fundamentos básicos de los denominados cultural analytics studies.

En este sentido, Juan Luis Suárez mencionó como ejemplo uno de los proyectos realizados por el equipo de investigación de Lev Manovich relativo al consumo de música en las tiendas de Nokia cruzando los datos con el nivel de desarrollo humano de cada país, descubriendo patrones de comportamiento variables en cada caso.  Así pues,  la investigación cultural basada en el análisis de datos nos permite relacionar el mundo de la cultura con dinámicas de la economía, el desarrollo humano, la sostenibilidad, los procesos de igualdad, etc.  Es decir, podemos “sobrepasar” las inquietudes tradicionales de la cultura artística para afrontar problemas globales, y contribuir así a las preocupaciones contemporáneos sobre el desarrollo de nuestro mundo. Como Harald Klinke aspotilló, “tenemos capacidad de devolver ‘algo’ a la sociedad”.

Por su parte, en un mundo configurado por las relaciones establecidas entre entidades de toda índole (sean seres humanos o no), la idea clave es pensar en términos de “sistema”: cuáles son las entidades y cuáles sus relaciones, y cómo estas se articulan en sistemas complejos. Por tanto, es fundamental desarrollar una visión “sistemática” de la realidad. Asimismo, en términos de “redes culturales”, es necesario pensar cuáles son los “objetos culturales” (desde la música a Pokémon Go) que articulan estas redes.

Juan Luis Suárez 1 Sesión
¿CUÁLES SON LOS HITOS DE ESTE AÑO 2016 EN LAS REDES SOCIALES?

La imagen proyectada por Greg Niemeyer en el inicio de su sesión fue contundente al respecto. 

img_2479
DIFERENTES TIPOS DE REDES

La pregunta lanzada a los participantes fue: ¿qué diferencian a estas tres redes? Una atenta observación nos permite ver que lo que hace a estas tres redes tan diferentes son las conexiones, pues los nodos, en los tres casos,  están situados en el mismo sitio.  Tomar conciencia de esta situación implica un cambio de pensamiento fundamental, pues desde esta perspectiva la pregunta no reside en “dónde se sitúan los nodos” (en el centro, en la periferia, en el Norte o en el Sur Global…), sino en cómo se conectan entre sí, pues es esto lo que determina el cambio de “paisaje”, el cambio de “sistema social”, no el lugar donde se ubiquen los actores. Así pues, un importante cambio de paradigma respecto a la concepción de las estructuras espaciales se encuentra implícita en esta imagen.

Además, el análisis de grandes conjuntos de datos relativos a determinados fenómenos culturales nos permite profundizar en sus estructuras, sus dinámicas internas, sus lógicas de funcionamiento… cuestiones que quedan invisibilizadas cuando se analizan los hechos de manera particular y/o individual (de acuerdo con la metodología humanística tradicional).

Así pues, el reto que se nos plantea es dual: por una  parte, nos enfrentamos a un reto “intelectual”: qué nuevas preguntas emergen desde esta perspectiva para analizar el devenir de la cultura artística, preguntas que van más allá de los planteamientos tradicionales de la Historia del Arte; por otra parte, y no menos importante, hay que plantearse qué significa “pensar” en términos de datos y qué “destrezas” necesitamos para manejar esos datos, para hacerlos productivos en la generación de nuevo conocimiento.

Por eso, Harald Klinke insistió en una idea crucial: la Historia del Arte Digital implica repensar todas las preguntas y las metodologías.

img_2474
INICIACIÓN A LOS HISTOGRAMAS CON RSTUDIO, Y EXCEL.
PRINCIPIOS METODOLÓGICOS Y DESTREZAS TÉCNICAS

El punto de partida de todo proyecto de análisis de datos reside en LAS PREGUNTAS; esto es, cuáles son las “nuevas” preguntas que queremos plantear a los datos para obtener conocimientos nuevos.

Con todo, hay que tener en cuenta que los datos tienen sus propia lógica de funcionamiento, que también hay que asimilar. Hay dos conceptos clave que caracterizan el mundo de los datos: objetos y propiedades. Por tanto, cuando pensamos en “datos”, estamos modificando la forma en la que nos relacionamos con los objetos artísticos: con los datos, trabajamos desde dentro (con sus propiedades y estructuras), no desde fuera (desde el contexto y sus determinaciones). Asimismo, el análisis de datos implica el desarrollo de una topología algorítmica; es decir, medimos la distancia entre distintas propiedades, y esta distancia  es la que nos permite analizar el mundo real desde una perspectiva radicalmente nueva.

Cuando se afronta un proyecto basado en el análisis de datos, es importante tener en cuenta cuatro aspectos fundamentales:

  • Cuáles son los límites del fenómeno. Esta es una decisión del investigador, es convencional.
  • Cuáles son los objetos que estamos representando. Esto ayuda a definir el ecosistema cultural. Además, estos objetos nos ayudan a establecer las propiedades.
  • Cuáles son las características de los objetos que representamos. Estas características son las que después convertiremos en las propiedades de nuestro sistema
  • Cuáles son las relaciones/asociaciones que establecen los objetos de nuestro sistema entre sí

Utilizando como soporte el sistema SylvaDB (http://sylvadb.com/), una base de datos en grafo desarrollada por CulturePlex (http://www.cultureplex.ca/), trabajamos las estrategias de modelado de datos, a través de las cuáles descubrimos cuánto de desarrollo epistemológico e intelectual (que no técnico)  implica este proceso. El modelado de datos supone formalizar en un modelo abstracto un ámbito determinado de la realidad, lo cual demanda un conocimiento profundo de cómo se configura este y cómo funciona. De ahí, el corolario lógico: la necesidad de que los proyectos digitales de carácter cultural estén liderados (o co-liderados) por especialistas y expertos del dominio, que sepan trabajar cooperativamente con otros especialistas (matemáticos, desarrolladores, diseñadores, etc.)

¿Cuáles son los actores?¿Qué relación tienen entre sí? Primeras preguntas para crear una base de datos.
¿CUÁLES SON LOS ACTORES?¿QUÉ RELACIÓN TIENEN ENTRE SÍ? PRIMERAS PREGUNTAS PARA CREAR UNA BASE DE DATOS.
Para conseguir grandes resultados. Resultados del Proyecto sobre arte Barroco del Grupo Cultureplex
PARA CONSEGUIR GRANDES RESULTADOS. RESULTADOS DEL PROYECTO SOBRE ARTE BARROCO DEL GRUPO CULTUREPLEX

Por su parte, las sesiones de Harald Klinke estuvieron centradas en el aprendizaje de RStudio como potente software para el análisis de datos, que estuvimos explorando con los conjuntos de datos que el MOMA tiene publicados en Github (https://github.com/).

 

Analizando los datos que el MoMA tiene depositados en GitHub
ANALIZANDO LOS DATOS QUE EL MOMA TIENE DEPOSITADOS EN GITHUB
Comenzando a manejar RStudio.
COMENZANDO A MANEJAR RSTUDIO.

Una vez que descargamos los datos y los desplegamos en RStudio, nos pusimos a “explorar” qué preguntas podrían ser relevantes para extraer un conocimiento inédito de estos miles de datos que nos permitieran comprender desde otra perspectiva los parámetros de configuración y desarrollo de la  colección artística del MOMA.

img_2518
ANALIZANDO LOS TAMAÑOS DE LAS OBRAS DE LOS ARTISTAS FRANCESES DE LA COLECCIÓN DEL MOMA

No obstante, durante la práctica surgieron algunos aspectos clave a tener en cuenta, como: a) la necesidad de adecuar el modelo de datos a aquello que se quiere representar, sin caer en el síndrome de querer representarlo todo (“todología”);  b) la necesidad de hacer hueco a la incertidumbre y a la ambigüedad en el desarrollo de las bases de datos, pues no todo puede representarse con parámetros de “exactitud”; c) la necesidad de tener en cuenta la diversidad de sensibilidades que se verán representadas en las base de datos, lo cual es especialmente significativo cuando entran en juego cuestiones de identidad, cultura, etc.

Este último aspecto planteó una reflexión de hondo calado, en la que Greg Niemeyer enfatizó la necesidad de tratar con respeto y sensibilidad los datos cuando en ellos se encuentran implicados sujetos e historias personales. Hay que tener en cuenta que los significados de los datos cambian a lo largo del tiempo, por lo que hay que tener responsabilidad cuando se recolectan datos, pues estos, como agencias que son, pueden provocar en el futuro actuaciones y comportamientos. Hay que pensar qué significado pueden tener los datos para otras personas.

Como muestra de los experimentos que llevamos a cabo, sirva este vídeo desarrollado entre Greg Niemeyer y Harald Klinke a lo largo del seminario: www.youtube.com/watch?v=TKDBdXl8DW4.

MATERIALIZANDO LO ABSTRACTO

Siguiendo el principio de que tenemos una percepción más completa de los fenómenos cuando los podemos “tocar” y “construir”, las sesiones de Greg Niemeyer localizaron su atención en tres aspectos:

  • la construcción colaborativa de una red (de redes) proyectada y materializada en un modelo 3D.
Construyendo con Maya una visualización 3D de los datos numéricos de una Red Social
CONSTRUYENDO CON MAYA UNA VISUALIZACIÓN 3D DE LOS DATOS NUMÉRICOS DE UNA RED SOCIAL
  • la apertura a nuevas formas de concebir el análisis de datos, en las que la emocionalidad o la sensorialidad juegan un papel fundamental.

Este es el resultado final de 5 días de colaboración: una red de redes en la que cada uno de los modelos representa y materializa la red social de los participantes. Las diversas topografías nos cuentan historias diferentes sobre cómo cada uno de nosotros se relaciona y conecta con sus “próximos”.

Ejemplo Modelo 3D de una red social.
EJEMPLO MODELO 3D DE UNA RED SOCIAL.

¿Y qué ocurre cuándo estas se transforman en una secuencia temporal y sonora? Pues esto: www.youtube.com/watch?v=AjPzcLkIfAE&feature=youtu.be : un interesante y precioso proyecto de sonificación.

Los datos son ahora “audibles”.  Es una manera de hacer los datos emocionales: extraer todas las emociones y sentimientos que están embebidos en los datos, y que en condiciones normales no podemos ver al estar codificados en una estructura.  Es una manera también de mirar las cosas multidimensionalmente, explorarlas desde múltiples puntos de vista.

     UNA SONIFICACIÓN DE LAS TEORÍAS CONTRAPUESTAS DE DOS FILÓSOFOS:
PLATÓN VS NIETZSCHE

DEBATES

Estas son las líneas principales de los debates que emergieron durante las sesiones:

– La necesidad de promover políticas de datos abiertos para evitar la creación de “gaps” o agujeros negros en nuestra sociedad digital.

– La apertura de los datos se presenta como una estrategia crucial para hacer avanzar el conocimiento, pues estos pueden promover un sistema mixto, un sistema que combine un modelo experto y no experto de curación de contenidos, en la medida en que seamos capaces de involucrar a la comunidad en nuestros proyectos.

– El cambio de concepto en los procesos de publicación y difusión de conocimiento: la idea del “in progress”, que hace factible la publicación (“imperfecta”) de las fases intermedias de la investigación, entra en confrontación  con la idea del producto perfecto y finito, base de los modelos de producción de conocimiento tradicionales.

– Es crucial la reflexión sobre  cuánto conocimiento técnico necesita un especialista. Es importante conocer los “protocolos” para dialogar con otros, y también desarrollar “protocolos” que nos permitan dialogar con otros. Hay que tener en cuenta que la palanca de cambio de todo este nuevo escenario es la toma de conciencia de la necesidad de trabajar colaborativamente y de manera transdisciplinar, frente a la metodología tradicional del humanista basada en la individualidad. El análisis de datos implica la convergencia de múltiples saberes.

– La sostenibilidad de los proyectos digitales y la necesidad de que estos sean asumidos como proyectos institucionales, no como proyectos a corto plazo. En este sentido, es necesario pensar también  cómo hacer relevante la investigación, cómo implicar a una comunidad de usuarios que contribuya al sostenimiento de los proyectos.

Añado aquí la pregunta final de Harald Klinke:  ¿Será posible producir conocimiento productivo en el campo de la Historia del Arte?  ¿Cómo podemos saber lo que va a suceder en el futuro a partir de lo que hemos analizado que sucede en el pasado? ¿Cómo podemos aventurar lo que va a ser importante en los próximos años en términos de cultura? Recordemos, que analizamos el pasado no para conocer mejor el pasado, sino para construir un futuro mejor.