Hoppa till huvudinnehåll
conference lunch move company map contacts lindholmen lindholmen 2 travel info

logo

Kristina Knaving: "Vi har ett ökat behov att förstå data"

Nu ska Visual Arena tillsammans med partners kicka igång våra nystartade fokusområden. I samband med detta vill vi skapa intresse och locka till engagemang kring visualisering av data. Vi frågade Kristina Knaving, Senior forskare och interaktionsdesigner på RISE Institutes of Sweden, hur hon ser på visualisering av data.

Hur kan du använda visualisering av data i din vardag?
rise_low.pngDatavisualisering är ett sätt att visa upp data så att den direkt förstås av människor - trender och jämförelser som är omöjliga att se direkt i ett dataset visat som tusentals rader och kolumner av siffror uppfattas direkt i visualiserad form. Just att man uppfattar datavisualisering så snabbt och så tydligt är en av de viktigaste egenskaperna. 

Har jag data jag behöver förstå, så är bra visualisering oftast det bästa sättet att se på den. Om det inbegriper spatiellt data, som till exempel en stad och hur den är uppbyggd, så är visualisering ett sätt att förstå staden: hur vägarna går, hur man tar sig någonstans, hur områden ser ut socioekonomiskt, var restaurangerna ligger. Möjligheterna begränsas bara av vilket data man har (och självklart av hur korrekt datat är). 

Vilka är de främsta forskningsutmaningar du ser inom visualisering av data?
En bra visualisering kräver både bra underliggande data och att visualiseringen har en form som reflekterar denna data på ett korrekt, förståeligt och insiktsfullt vis. Jag ser flera forskningsutmaningar:

  • Öppna, säkra och verifierade datakällor
  • Hur man utbildar i "data literacy", förmågan att förstå och förhålla sig kritiskt till data, statistik och visualisering av statistik. För att förstå data måste man också förstå var det kommer från, hur det insamlats, och vilka begränsningar det har.
  • Mer forskning behövs runt hur människor förstår och skapar oss en bild av data genom olika former av datavisualisering. De flesta av de insikter vi har har många år på nacken.
  • Hur algoritmer och AI som processar data kan kommunicera visuellt för att ge människor så stora möjligheter som möjligt att både utvärdera processen och förstå resultatet.

Vilken potential ser du i inom visualisering av data och att engagera dig i detta fokusområde?
Vi har ett allt ökande behov att förstå data: i och med digitaliseringen i samhället  får vi också ökade mängder lagrad data att förhålla oss till, både i form av avsiktligt skapad data - som till exempel information man lägger ut på sociala medier - och digitala spår som individer lämnar efter sig när de utför handlingar i den digitala världen. Visualisering gör det möjligt för människor att ta till sig och förstå datat, vilket leder till informerade beslut och handlingar. 

Coronakrisen visar på vikten av datavisualisering - visualiseringar av data delats fritt, blivit både uppskattade och kritiserade, och har på det viset format mycket av både dialogen och förståelsen runt pandemin, både för professionella grupper och vanliga medborgare.  

Att säkerställa att vi blir allt bättre på att visualisera data korrekt, förståeligt och insiktsfullt gör det data vi har värdefullare eftersom det leder till förståelse och underbyggda beslut, både professionellt och privat.

Om man skulle dela in visualisering av data i olika kategorier, hur skulle det kunna se ut, tycker du? 
När jag undervisar i datavisualisering för masterstudenter i journalistik brukar jag göra skillnad på explorativ och kommunikativ visualisering. Explorativ är när man letar efter förståelse och insikter i data. Det kännetecknas av möjlighet att själv manipulera - filtrera, zooma in, ta in andra dataset och snabbt sätta upp nya visualiseringar. Kommunikativ är när man främst vill kommunicera en insikt, där det är viktigt att vara noggrann med hur man designar visualiseringen så att betraktaren förstår.

Den främsta indelningen av själva visualiseringarna är om de avser att skapa en virtuell modell av ett verkligt objekt där objektets form och färg återspeglas i visualiseringen, eller om de avbildar data abstrakt. En stol kan 3D-visualiseras som en stol i datorn, en stad kan ha en virtuell tvilling, en karta i telefonen avbildar ytan vi lever på. Informationsvisualisering visualiserar data på ett abstrakt vis, till exempel med ett stapeldiagram eller ett punktdiagram. Sedan är många visualiseringar ofta en kombination av de båda, som när man färgar en karta med kommuner efter hur många som röstar på ett visst parti. En annan kategori som ofta nämns är "infografik", men det är oftast mer än fråga om typsnitt och layout runt informationsvisualisering än en tydlig kategori.

Oberoende av kategori, så är avsikten ofta samma - att använda sig av vad vi vet om visuell perception, interaktionsdesign och berättande  för att ge data en visuell form som gör att man själv eller andra  förstår det.