Jessica Parland-von Essen och Kenneth Nyberg

Datavisualisering, som med fördel kan kombineras med text mining, handlar om hur olika data och deras samband kan framställas och analyseras i visuell form. Potentiellt sett är det betydligt bredare än att bara vara ett verktyg eller en metod, eftersom visualiseringar kan ses som ett kvalitativt annorlunda sätt att utforska och gestalta verkligheten än texter i traditionell mening. Vill man något tona ned sådana skarpa gränsdragningar kan man också, som många gör idag, tala om ett “vidgat textbegrepp”, där även ljud, bild, filmer och andra media kan uppfattas som en form av texter. Likväl är visuell kommunikation i vissa avseenden ett annat “språk” än ord i skrift, med sina egna möjligheter och begränsningar. Visualiseringar kan också användas för olika syften och för att fylla olika funktioner, och därför blir det något av ett paraplybegrepp för en mängd olika tekniker och arbetssätt där vi här bara kan ta upp några mycket översiktliga resonemang och exempel.

I princip finns det fyra olika saker man kan göra med hjälp av visualiseringar:[1]

1. Man kan visa skillnader i storlek eller mängd. I synnerhet stora siffror och skillnader mellan dem är svåra att greppa, men kan väl presenteras visuellt. (Se t.ex. http://labs.hahmota.fi/veropuu2013.) Budgetsiffror är ett exempel på ett område där visualisering stöder både kommunikation och demokrati.
2. Med hjälp av visualisering kan man visa relationer. Twitternätverk (http://twittercensus.se/graph2013/) har varit populära objekt för denna typ av visualisering.
3. Man kan också visualisera förlopp eller processer antingen statiskt eller med levande bilder. Detta fungerar bland annat bra på kartor. (http://www.youtube.com/watch?v=nq0KNfS_M44)
4. Visualisering kan också innebära en rekonstruktion. Detta används naturligt nog ofta av arkeologer. (http://www.digital-archaeology.com/3D.htm)

Bomb Sight, brittiska riksarkivets visualisering av tyska bombanfall på London under Blitzen. På den interaktiva webbplatsen kan användaren zooma in och ut i kartan och ta fram data om varje registrerad träff. Bilden visar bomber i centrala London mellan den 7 oktober 1940 och den 6 juni 1941. Källa: National Archives, Bomb Sight: Mapping the WW2 bomb census, http://www.bombsight.org (hämtad 2013-01-15).

Två av de enklaste och vanligaste typerna av datavisualisering i historiska sammanhang är dels kartor (se punkt 3 ovan), dels tidslinjer. De förra åskådliggör med visuella medel mönster som kan urskiljas i rummet, de senare demonstrerar tidsrelationer. Detta är dock bara början eftersom visualiseringar kan användas för att gestalta alla typer av samband, processer och strukturer, även om det ofta rör sig om rumsliga mönster. Sådana grundar sig på spatiala databaser av olika slag, vilka i sin tur ofta skapas med hjälp av GIS (Geographic Information System), en standard för att registrera geografiska data som hittills inte använts så mycket av historiker men länge varit ett viktigt verktyg inom många andra discipliner.

Visualiseringar är särskilt värdefulla för att åskådliggöra och undersöka mycket komplexa studieobjekt med relationer och strukturer i flera dimensioner. Ett tidigt och känt exempel är projektet HyperCities (http://hypercities.com), där stora mängder data om befolknings-, sociala och kulturella mönster i storstaden Los Angeles under olika perioder har bearbetats och lagts till grund för avancerade, interaktiva visualiseringar över förändringar i tid och rum. De allra senaste åren har allt fler visualiseringsprojekt av olika typer lanserats; bland dem kan nämnas Bomb Sight (http://bombsight.org/), brittiska riksarkivets webbplats om bombanfallen på London under Blitzen 1940–41 och Stanfords Mapping the Republic of Letters (http://republicofletters.stanford.edu/) där man kan studera nätverken av tänkare och vetenskapsmän under upplysningstiden i form av interaktiva kartor över deras brevväxling.

Ett av visualiseringsgränssnitten i projektet Mapping the Republic of Letters vid Stanford University. Denna bild visar korrespondensnätverken mellan ett antal upplysningstänkare under perioden 1700–1750. Källa: ”Electronic Enlightenment Correspondence Visualization”, Mapping the Republic of Letters, http://www.stanford.edu/group/toolingup/rplviz/ (hämtad 2013-10-07).

Som bl.a. digitalkonstnären Jer Thorp har framhållit handlar visualiseringar som de nyss nämnda inte bara om att redovisa eller illustrera “data”, utan man borde sträva efter att genom dem också uppnå insikt (revelation). (Se t.ex. denna presentation på YouTube från ett seminarium om “Data Visualization from Data to Discovery” den 23 maj 2013: http://www.youtube.com/watch?v=ivyl-ZWfrDg.) Det är för övrigt en poäng som borde gälla all digitalisering. Eftersom digitalisering redan i sig innebär reduktion, borde vi inte nöja oss med att skapa nya verktyg och ny tillgänglighet till material genom att omvandla dem till digital form. Vi bör också sträva efter att tillföra ny kunskap, något som bland annat Lev Manovich åtminstone indirekt har påpekat. Som exempel utgår han från en analys av mangaserier. I de digitala bilderna han arbetat med finns över 250 nyanser av grått. De olika nyanserna har inte ett namn, men man kan grafiskt framställa hur bilderna och exempelvis kontrasterna i dem förändras under berättelsens gång, eller hur ”flick-” och ”pojkserien” skiljer sig från varandra.[2]

Men den insikt man får genom till exempel visualisering är inte färdig kunskap. Den behöver processas för att bli det, inte minst om vi talar om vetenskapligt baserad kunskap. Dan Dixon har skrivit om den kreativa abduktionen som ett sätt att uppnå ny kunskap (jfr avsnittet “Big data”, där abduktion också tas upp, och läs mer om ”abductive reasoning” på engelska Wikipedia: https://en.wikipedia.org/wiki/Abductive_reasoning). Visualisering och andra digitala metoder kan användas för att hitta mönster i material, som ett hjälpmedel i detta kreativa skede av den kunskapsskapande processen. Vi kan alltså också inom humaniora kanske gå en väg via reduktion och abduktion till ny kunskap.[3]

Just eftersom visualiseringar kan vara ett så kraftfullt verktyg för att gestalta verkligheten gäller det också att förhålla sig lika kritiskt vaksam inför dem som man gör vid läsning av en text. Vi återkommer till detta i kapitlets sista avsnitt, men det bör redan här sägas att visuella representationer lätt kan uppfattas som säkrare, mer “objektiva” och entydiga påståenden än textbaserade resonemang, och det är lätt att bli förförd eller manipulerad av missvisande visualiseringar. Källkritiken blir med andra ord viktigare än någonsin. Hur har visualiseringen framställts? Varifrån kommer de underliggande data? Vad har valts ut, vad har valts bort och vilka parametrar har tillämpats?

Läsbarhet i infografik

Även visualiseringars läsbarhet i enklare mening är en fråga värd att uppmärksamma här. I massmedier och andra mer offentliga sammanhang stöter vi ofta på visualiseringar i form av så kallad infografik, där olika typer av information sammanfattas och presenteras på ett lättfattligt sätt med olika visuella medel. Idén i sig är ju inte ny, men i dag finns det mängder av enkla program där vem som helst kan skapa grafiskt snärtiga presentationer av information. Ändå är det ofta mer arbetsdrygt än man först tänker sig, vilket framgår om man prövar till exempel Infogram (http://infogr.am), Visual.ly (http://visual.ly) eller (för de mer tekniskt kunniga) Google Heatmaps (https://developers.google.com/maps/documentation/javascript/examples/layer-heatmap).

John Snows klassiska karta över kolerasmitta i London 1854, vilken hjälpte till att spåra smittkällan. Källa: Wikimedia Commons, http://en.wikipedia.org/wiki/File:Snow-cholera-map-1.jpg#file (hämtad 2013-10-07).

Visualisering av data har också blivit en konstform, som även medier använt sig av för att erbjuda nya former av information och erfarenheter. Det fina med det digitala formatet är ju att man kan skapa interaktiva tjänster som ger användare möjlighet att själv forska i datan.

Det är tre viktiga aspekter man måste beakta då man skapar grafik av data: det kommunikativa, det korrekta och det estetiska. En bra grafisk framställning av information har alla dessa element. Inte bara lite, utan på hög nivå. Den erbjuder korrekt information på ett bra sätt och ger både kunskap och en uppplevelse för den som tar del av den. Både pedagogiskt och marknadsföringsmässigt är detta en stark kombination. Därför är detta ett mycket krävande område och visualiseringar kräver ofta samarbete av personer med olika kompetenser.

Det kommunikativa och det korrekta är ganska nära besläktade med varandra. Man stöter väldigt ofta på visualiserad information, där det känns som att man inte riktigt haft klart för sig vad det är man vill förmedla. Bra grafik är funktionell, inte bara rolig eller snygg att titta på. Ett vanligt fel är att man vill erbjuda möjligheter att jämföra sifferdata, något som grafisk framställning är oslagbart på, men inte lyckas. Proportionerna mellan 10, 100 och 1 000 000 är till exempel svåra att greppa, vilket vi ganska ofta kan se exempel på i massmedierna, men om man vill att människor ska kunna göra jämförelser måste man välja rätt form för sin grafik. Ofta illustreras den typen av information i form av pajdiagram eller, ännu mer populärt, som en serie cirklar (“bollar”) av olika storlek. Jämförelser av summor fungerar dock mycket bättre att återge med stapeldiagram, eftersom det är lättare för flertalet människor att jämföra längd än yta. Även om bollar kan kännas lockande och snärtiga är alltså stapeldiagram ofta det mest funktionella.