Adattér II.

Sipos Melinda

AdattĂŠr II.

*http://dataphys.org/list/

!1

Adattér II. A fizikai adatvizualizáció mint az interdiszciplináris design research eszköze Sipos Melinda

Jelen kiadvány egy munkanyag, kizárólagos célja a MoholyNagy Művészeti Egyetem és Doktori Iskola művészeti kutatási programjának elmélyítése, az Adattér által felvetett témakör egyetemi diskurzusba és oktatásba való bekapcsolása. A szerző csak részben rendelkezik a kiadványban szereplő képek publikálási jogával.

Az Emberi Erőforrások Minisztériuma ÚNKP 18-3 kódszámú támogatásával készült.

Budapest, 2019

*http://dataphys.org/list/

!1

Adattér II. Az Adattér I. fázisa 2017-2018-ban valósult meg, melynek fő eredménye a Majdnem Mindenki c. installáció. További információk: http://melindasipos.net/?/22/almost_everyone Ez a munkaanyag a kutatási program következő fázisát, az Adattér II. tapasztalatait foglalja össze, melynek célja a fizikai adatvizualizáció bemutatása és alkotó-kutató eszközként való értelmezése.

A bevezetőben a munka kiindulópontjaként szolgáló felvetést összegzem, ezt követi a kiválasztott adatvizualizációs projektek ismertetése. A példákat a Data Cuisine kutatási projekt és módszerének bemutatása követi, majd a két alkotóval készített interjú kivonata. A harmadik egység pedig a Moholy- Nagy Művészeti Egyetemen tartott Adattér c. kurzus menetét és eredményeit foglalja össze.

Tartalomjegyzék 1. Bevezető 2. Projektek 3. Data Cuisine 4. Adat, mint alkotó matéria 5. Bibliográfia *http://dataphys.org/list/

5-7. oldal 8-28. oldal 29-40. oldal 41- 44. oldal 45. oldal

!4

Adattér II.

1. Bevezető

A digitális eszközök és a telekommunikáció nagymértékű elterjedésével, az adatok digitális rögzítésének lehetőségével óriásira növekedett és folyamatosan növekszik a tárolt adatok mennyisége és fajtája. A 2000-es évek elejétől új szakterületek, tudományágak jelentek meg, amik az adatok kezelésével, hasznosításával foglalkoznak (úgy, mint Big Data, adat-bányászat, stb). Ezzel párhuzamosan, természetes módon, a telekommunikációs és digitális interaktiv technológiák használatával együtt az adatokkal való foglalkozás a művészet és design területén is megjelent. *http://dataphys.org/list/

A szoftvereket alkalmazó művészi produktumok egyik irányzata pl. a bárki által elérhető adatok (open data) felhasználása és vizuális vagy zenei eszközökkel való megmutatása, vagy például a grafikus megközelítésű, sokszor interaktív adatvizualizáció is egyre nagyobb teret nyer az információközlésben, az újságírásban is.

Számok, adatok nyilvántartására régészeti leletek tanúsága szerint már a késő paleolitikus korban használtak ún. rováspálcákat, és később a mezopotámiai agyagtokenek (számoló kavicsok) rendszere is fizikai tulajdonságokra épült.

A kulturális fejlődés során azonban a fizikai megközelítés elsorvadt és az információ vizualizáció írásos, rajzos síkfelületen való megjelenítése erősödött meg. Ezt a számítógépes kor “exponenciálisan” felerősítette. Azt is láthatjuk ugyanakkor, hogy a kortárs technológiai kutatások jórésze a “human-computer interaction” térbeli kitágítását célozza meg, és igyekszik túllépni a két dimenziós képernyőbillentyűzet-egér hármasából. Bizonyos szempontból a fizikai adatvizualizáció igénye is kapcsolható ehhez a jelenséghez, a Microsoft például néhány évvel ezelőtt interaktív fizikai diagramkészítő eszközt fejlesztett (1).

A térbeli dimenzió újjáélesztésének egyik fő motivációja az adatok “megértetésének” segítése, hiszen a megértésben, az üzenet kódolásában az ember testi érzetei is meghatározó szerepet játszanak. Y. Jansen doktori kutatásának (2) !5

részeként egy olyan kísérletsorozatot mutat be, melyben taktilis dimenzió hatásmechanizmusát vizsgálta saját fejlesztésű fizikai diagramok segítségével. S. Stusak feltáró kutatásában (3) saját készítésű “adatobjektumokon” keresztül vizsgálta, hogy hogyan hat a fizikalizáció a befogadóra a visszaemlékezés, a kommunikáció és az önreflexió szempontjából. Egy 2018-as tanulmány (4) az ipari formatervezés és az adatfizikalizáció összekapcsolásával ún. adattárgyak (data object) létrehozására tesz módszertani javaslatot. Az adattárgyakra mint a design aktivizmus eszközeire tekint, melyeknek célja, hogy jelentősen és széles körben megnöveljék az érthető tájékoztatással elérhető hatást.

Ez a bevonódás alapú megközelítés áll legközelebb a jelen írás és az Adattér projekt szemléletmódjához. A fizikai adatvizualizáció egyik legfontosabb tulajdonsága számomra, és ebben látom jelentőségét, hogy képes az előbbi tanulmányban is említett ún. “leverage point”-ként működni (Meadow, 1997). Azaz azzal, hogy megmutatja és testközelből tesz érthetővé, átélhetővé egy adott kontextust, összefüggést, anomáliákat, a befogadó gondolkodásmódjában ér el változást, ami kis lépésekben paradigmaváltáshoz vezet.

kapcsán azt mondja, hogy olyan “együttes többesség” (collective pluralities), mely szerteágazó folyamatokat ötvöz, kikerüli a kategóriákat és sokkal inkább irányítja valamilyen módszer, téma vagy paradigma (5). A fizikai adatvizualizáció magában hordozza ezt a többességet és a kutatói hozzáállást, így kiváló terep az alkotói kutatási módszerek vizsgálatára.

Alkotói és doktori hallgatói tapasztalataim és az élénk elméleti diskurzus, a konszenzus akár kívánt hiánya (Klein, 2017) is mutatja, hogy egy rendkívül sokszínű gyakorlatról, jelenségről van szó. A bemutatott munkákat nem volt célom kategorizálni (Freyling, 1989), sokkal inkább, hogy ezen a szűrön keresztül alkotói produktumokat, módszereket mutassak meg és közös értelmezésre buzdítsak.

Az Adattér II. másik fontos aspektusa az interdiszciplinaritás, a köztesség jelenléte. Mint azt a példáknál is láthatjuk majd, az ilyen jellegű alkotások túlnyomó többsége több alkotó- és tudományterület határmezsgyéjén mozog és ugyanakkor kutató, feltáró attitűddel párosul. Klein a művészeti kutatás *http://dataphys.org/list/

!6

HivatkozĂĄsok (1) Physical Charts, Tennison Road Project, https://www.microsoft.com/en-us/ research/project/data-street-life/,2013 (2) Yvonne Jansen: Physical and tangible information visualization, UniversitĂŠ Paris Sud - Paris XI, 2014. English (3)Simon Stusak: Exploring The Potential Of Physical Visualizations, 2016 (4)Data Objects: Design Principles For Data Physicalization, R. Sosa, V. Gerrard, A. Esparza, R. Torres and R. Napper, 2018 (5)Julian Klein: What is artistic research? in: Journal for Artistic Research, 2017

*http://dataphys.org/list/

!7

Adattér II.

2. Projektek

A bevezetőben többször műfajként tettem említést a fizikai adatvizualizációról, ez azonban pontosításra szorul. Többféle elnevezéssel találkozhatunk (data embodiment, data representation, physical data visualisation, data sculpture, data object, data physicalisation), melyek plasztikusan tükrözik a különböző megközelítéseket. Ha átböngésszük P. Dragevic és Y.Jansen kezdeményezéséből született többszáz tételes gyűjteményt*, mindegyikre találhatunk példákat. Én a fizikai adatvizualizáció semleges megközelítésű gyűjtőnevet alkalmazom, mert az alábbi válogatásba olyan munkák is belekerültek, melyeket csak közvetve értelmezhetünk adatvizualizációként.

A nagyon limitált számú szelekció elsődleges szempontja az volt, hogy a fentiekben tárgyalt két fő szempont (az aktivista, bevonódást segítő és az alkotó-kutató attitűd) metszetében *http://dataphys.org/list/

!8

Adattér II.

Of All The People Of All The World Stan’s Café, 2003-tól Az All The People In All The World (Mindenkiről a földkerekségen) egy szokatlan színházi produkció: rizsszemek segítségével emberekről szóló statisztikákból készít performatív installációkat. Minden rizsszem egy ember, a néző pedig magát a rizsszem pozíciójába képzelve szembesül a mindig helyspecifikusan létrehozott kiállítások témájával.

A kimutatásokat felcímkézett halmokba rendezik, a látogató az így létrejövő táj domborulatainak között sétál, melyek elhelyezkedése, egymáshoz való viszonya fizikai formában is reprezentálja, ütközteti a számok jelentését. A csapat 2 tonna saját rizzsel rendelkezik, amely 120 millió rizsszemet jelent. A rizsszemeket

*http://dataphys.org/list/

OATPOATW, Stan’s Café, Budapest, 2007 Kép forrása: http://stanscafe.co.uk

!9

OATPOATW, Stan’s Café, London, 2016 Kép forrása: http://stanscafe.co.uk

az alkotó Stan’s Cafe stábtagjai mérik ki (200 szemig darabonként, e fölött mérleggel), ez a folyamat a mű része, a rizsdombokból létrejövő tájkép folyamatosan változik a bemutatás ideje alatt. A felhasznált statisztikák tárgya függ a bemutatás helyszínétől (ország, város, épület), történeti és kortárs adatokkal egyaránt dolgoznak, a weboldalukon keresztül valamint a ‘show’-k alatt személyesen is bárki javasolhat témákat.

Az adatok forrása lehet bármilyen médium (újság, folyóirat, *http://dataphys.org/list/

tudományos könyv, televízió, rádió, internet), amit megbízhatónak találnak. Gyakran ugyanannak az adatnak a hivatalos és nem hivatalos változatát is bemutatják. A 2007-es budapesti kiállításnak a Magyar Néprajzi Múzeum adott helyszínt, akkor 1 tonna rizst használtak fel a Magyarországgal és Kelet-Európával kapcsolatos adatok (pl. Gyermekegészségügyi kérdések, bevándorlás, diaszpóra, 1956-os forradalom) bemutatására. http://www.stanscafe.co.uk/project-of-all-the-people.html !10

Adattér II.

Nuage Vert HeHe 2008

Helen Evans és Heiko Hansen alkotópáros a Helsinki Salmisaari szénégető erőmű gőzkibocsátását 2008. február 22-29. között minden éjszaka nagy teljesítményű lézeres animációval világította meg. A lézer folyamatosan körberajzolta és zöldre színezte a mozgó gőzpárnát, melynek mérete akkor növekedett, amikor a lakosok kevesebb energiát használtak. A vetítés 10 km-es távolságig látszódott. A projekció utolsó napjára szervezett “unplug” akció során 4000 helyi lakos 800 kilovolttamperrel csökkentette a fogyasztását, mely megfelel egy szélerőmű által egy óra alatt generált *http://dataphys.org/list/

Nuage Vert (Vihrea Pilvi), HeHe, Helsinki, 2008 Fotó: Antti Aahonen Kép forrása: http://hehe.org.free.fr

!11

Nuage Vert (Vihrea Pilvi), HeHe, Helsinki, 2008 Fotó: Antti Aahonen Kép forrása: http://hehe.org.free.fr

áramnak. A projekt egyik érdekessége, hogy együttműködésre bírta az összes érintettet, a gyár vezetőinek bevonása lehetővé tette, hogy nyilvánosságra hozzák a valós fogyasztási adatokat, a technikai megvalósításban részt vett a Helsinki Technikai Egyetem lézerfizikai Intézete, az Illonisi Egyetem Számítógéptudományi Intézete és egy orvosi lézergyártó cég. A fogyasztás mérséklésére buzdító ‘unplug’ kampányt helyi aktivista *http://dataphys.org/list/

csoportok segítették. A zöld felhő nemcsak adatokat, hanem a szolgáltatók és a fogyasztók közötti kapcsolatot is láthatóvá tette és ezzel lehetőséget adott egy új típusú állampolgári magatartás létrejöttének, ami a város átalakulására is hatással lehet. http://hehe.org.free.fr/hehe/texte/nv/index.html

!12

Adattér II.

The Idea of a Tree mischler&taxler studio 2008-tól

Locality as an important factor for the final outcome, mischler&taxler studio, 2008 Kép forrása: https://mischertraxler.com/ *http://dataphys.org/list/

!13

How to reard the object, mischler&taxler studio, 2008 Kép forrása: https://mischertraxler.com/

A bécsi székhelyű designer páros projektje tulajdonképpen egy kísérleti gyártási technológia, mely a nap természetes hatását ötvözi egy erre kifejlesztett mechanikával. A folyamat során olyan tárgyak jönnek létre, amik a nap erősségét és változásait rögzítik a gyártás idejének helyszínén. Minden objektum egynapos tekercselés eredménye és az adatok visszaolvasása viszonylag egyszerű: a tárgyak hossza/ *http://dataphys.org/list/

magassága a napos órák számától függ. A téli téliek rövidebbek, a nyáriak hosszabbak. A bútor vastagságát és színét pedig a napenergia mennyisége határozza meg: az erősebb nap vastagabb héjat hoz létre, a gyengébb vékonyabbat. https://mischertraxler.com/projects/the-idea-of-a-tree-process !14

‘recorder one’ at the Danube, Vienna, mischler&taxler studio, 2008 Kép forrása: https://mischertraxler.com/ *http://dataphys.org/list/

!15

Adattér II.

Dataviz Kit Jose Duarte 2011-től

*http://dataphys.org/list/

HMVK 2.0, José Duarte, 2013 fotó: José Duarte Kép forrása: https://www.flickr.com/photos/joseduarteq

!16

State of the Internet, José Duarte, 2010 Fotó: José Duarte, Kép forrása: https://www.flickr.com/photos/joseduarteq

José Duarte új és egyszerű megoldásokat keres az információ ábrázolására, ennek céljából alkotta meg a Hand Made Visualisation Toolkit-et. A kis dobozban olyan, egyébként közismert eszközök rejlenek, melyek segítségével mindenféle diagram és grafikon könnyedén elkészíthető és bármilyen felületen, környezetben és léptékben alkalmazható. A csomagot használó alkotó saját igénye szerint egészítheti ki *http://dataphys.org/list/

eszköztárát a keze ügyébe eső tárgyakkal. Workshopjain a csomag segítségével a fizikai és publikus térbe kilépő, figyelemfelkeltő vizualizációk születnek és ez önkéntelenül is egyfajta aktivista magatartást generál a résztvevőkben. http://easydataviz.co

!17

Street Data Intervention, Vienna Open, 2013 Fotó: José Duarte, Kép forrása: https://www.flickr.com/photos/joseduarteq *http://dataphys.org/list/

!18

Adattér II.

Smog Tasting The Center for Genomic Gastronomy 2011

*http://dataphys.org/list/

Smog Tasting, The Center for Genomic Gastronomy, 2011 Kép forrása: http://genomicgastronomy.com/

!19

Smog Tasting, The Center for Genomic Gastronomy, 2011 Kép forrása: http://genomicgastronomy.com/

A tojáshab keményre vert (“stiff peak”) állapotában 90% levegőt tartalmaz. A tojáshab felverése során a különösen szennyezett városi levegő belekerül a habba, így a szmog ízlelhető élménnyé válik. A mintákban lévő nehézfémek és illékony szerves vegyületek (VOCs) mikroszkopikusan vizsgálhatók. A Smog Tasting alkotói azt javasolják diákoknak, közösségeknek, hogy gyűjtsenek be mintákat a *http://dataphys.org/list/

város különböző pontjairól és készítsenek belőle süteményeket, amiket aztán bemutathatnak egy térképen vagy megkóstoltathatnak döntéshozó szervezetek képviselőivel. http://genomicgastronomy.com/work/2011-2/smog-tasting/

!20

Adattér II.

Data Strings Domestic Datastreamers 2013-tól

*http://dataphys.org/list/

Data Strings, Domestic Datastreamers, ! Kép forrása: http://domesticstreamers.com

!21

The Mood Test, Domestic Datastreamers, Kép forrása: http://domesticstreamers.com !

A Data Strings cím alatt létrejött alkotások időszakos valós idejű infografika objektumok, melyek nyilvános vagy privát terek forgalmas pontjain (pl. köztér, vásárok, kiállítások) gyűjtik össze és mutatják be az áthaladók által adott válaszokat egy térbeli párhuzamos koordináta rendszerben.

*http://dataphys.org/list/

Az installáció különböző változatai általában egyszerű kérdéseket tesznek fel az arrajárók hangulatára, szokásaira, életkorára, életmódjára vonatkozóan. http://domesticstreamers.com/case-study/data-strings/

!22

Data Strings, Domestic Datastreamers, KĂŠp forrĂĄsa: http://domesticstreamers.com ! *http://dataphys.org/list/

!23

Adattér II.

District 5 Loren Madsen 2014

Loren Madsen évtizedek óta készít adat alapú szobrokat. Ez a megrendelésre készült munkája Chicago-ban áll a városi rendőrség és börtön épülete előtt. A szobor az elmúlt harminc év csökkenő bűnözési statisztikáit mutatja be, az acélcsövek nyolc kategória adatait reprezentálják.

*http://dataphys.org/list/

District 5, Loren Madsen 2014 Fotó: Loren Madsen Kép forrása: http://http://dataphys.org

!24

Adattér II.

Dear Data Giorgia Lupi, Stefanie Posavec 2015

*http://dataphys.org/list/

Dear Data, G. Lupi-S.Posavec, 2015 Kép forrása: http://www.dear-data.com !25

Dear Data, G. Lupi-S.Posavec, 2015 Kép forrása: http://www.dear-data.com !

A két, egymástól távol (Londonban és New Yorkban) élő grafikus egy éven keresztül egymással szinkronban gyűjtött adatokat az életükről. Minden héten más témát dolgoztak fel és öntöttek formába képeslap méretű kézzel készített rajzokon. A lapokra az adatok értelmezéséhez szükséges kódot is mellékelték és a rajzokat hetente feladták egymásnak postán. *http://dataphys.org/list/

A “Kedves Adat” projekt sokkal inkább egy személyes dokumentáció mintsem az élet számszerű megközelítése. Az adatokat hatékonyságnövelés helyett önmagunkhoz és egymáshoz való viszony jobbá tételére használták. http://www.dear-data.com

!26

Dear Data, G. Lupi-S.Posavec, 2015 Kép forrása: http://www.dear-data.com ! *http://dataphys.org/list/

!27

Adattér II.

I agree Dima Yarovinsky, 2018

A pop-up installáció forrása a napi használatban lévő legnagyobb online szolgáltatások felhasználási feltételeinek (“terms of service”) tartalma. Dima Yarovinsky a szövegeket A4-es oldalakra nyomtatta a jogi dokumentumokhoz használt szabványos betűmérettel és betűtípussal. A Helsinkiben rendezett 2018-as Visualising Knowledge konferencián elhelyezett papírokhoz mellékelte a szavak számát és a dokumentum elolvasásához szükséges olvasási időket.

https://www.dimayarovinsky.com/i-agree/ *http://dataphys.org/list/

I agree, Visualising Knowledge, Helsinki, 2018 Fotó: Dima Yarovinsky !28

Adattér II.

3. Data Cuisine Susanne Jaschko, Moritz Stefaner 2012-től A Data Cuisine projekt keretében Moritz Stefaner és Susanne Jaschko azt kutatja, hogy hogyan lehet az ételt adatok kifejezésére használni. Workshopjaik keretében kísérleteznek helyi adatok az ételek elválaszthatatlan tulajdonságain keresztül való reprezentációjával (a szín, az íz, az állag, illat, tápanyag stb.). A csoportos kutatási munka az elkészített helyi “adatmenü” feltalálásával és közös, nyilvános kóstolással végződik.

Death by Chocolat, Gembloux, Belgium, 2016 Fotó: Nathalie et Bérénice Martin *http://dataphys.org/list/

!29

Requiem for Science, Antonia Kuzmanovic, Barcelona, 2014 Fotó: Ferran Val

A Data Cuisine egy kísérleti workshopsorozat, melynek vezérfonala az adatok kulináris reprezentációja. A két terület összekötését és felfedezését megcélzó első alkalom 2012-ben zajlott le Susanne Jashko kurátor és Moritz Stefaner adatvizualizációval foglalkozó alkotó kezdeményezésében. A workshopok lényege, hogy ezt az általuk izgalmasnak ítélt metszetet kinyissák és másokkal együtt, kétnapos, különböző városokban tartott műhelymunkákon keresztül tárják fel. *http://dataphys.org/list/

A kétnapos workshopokon bárki részt vehet, a maximális létszám tizenöt fő. A meghívó fél általában egy művészeti, technológiai vagy design hátterű szervezet vagy esemény. Az adatokat az adott helyszín résztvevői választják, a téma mindig az adott helyhez kapcsolódik, de volt már olyan kiadás is, ahol egy előre kiválasztott topikot dolgoztak fel (pl. korrupció). !30

Onionland, Sabine Himmelsbach, Basel, 2015 Fotó: Uli Holz

A workshop a Jaschko és Stefaner által kidolgozott és levezetett viszonylag kötött menetrend alapján működik, amelyet az adott helyzethez finomhangolnak. A résztvevők elsajátítják az adatvizualizáció legalapvetőbb ismereteit és csapatokban egy vagy két étel elkészítését tűzik ki célul, amiket a második nap végére kell elkészíteniük és feltálalniuk. Abban, hogy az adatoknak megfelelő ételbeli *http://dataphys.org/list/

kifejezési formát, főzési technikát találjanak, mindig egy helyi szakács segédkezik és a munka általában egy professzionálisan felszerelt konyhában zajlik.

Az első Data Cuisine workshop 2012-ben volt Helsinkiben azt követően pedig Koszovóban, Bostonban, Baselben, Barcelonában, Leeuwardenben és Gembloux-ban. !31

*http://dataphys.org/list/

!32

*http://dataphys.org/list/

!33

*http://dataphys.org/list/

!34

Adattér II.

Conversation with Susanne Jaschko and Moritz Stefaner

(19 December 2018, edited excerpt) Why do people ask for this kind of workshop?

What’s the purpose in general?

S - Different reasons, let’s just go through some of them. Like the last one which was connected to the Centre Pompidou’s educational center and didn’t go through finally.

M - They wanted to do a workshop about gender imbalance in technology. I think often people are interested in just alternative representations of data, and making data more graspable. And anything that’s more sensual, more out-of*http://dataphys.org/list/

the-box will work in some context really well. It’s just people have a longing for that, you know to bring something tactile back to data, something haptic, something you can enjoy, something social, all these things missing from traditional business graphics of data.

S - The Centre Pompidou was a good example because they actually were not really interested in people understanding and learning how to use food to represent data. They were interested in kind of learning stories behind the data to make people experience it. Of course we would love to do that, but the workshop is about both of it. Not just presenting data in an other way, but really going through the whole process of using food to represent data. And I think usually when we get these requests mostly it’s really about not the learning process so much, not learning to visualize data but it’s more like the experience of data.

Actually this is my main point of interest, the fact that it’s very experimental and for me this is a big value of this workshop. I have started a research about physical data visualization which has been my long- time interest. The first year was about creating new installations. This year my proposal was about looking at “dataphys” as a research tool because it always implies interdisciplinary working. I wanted to examine if I can translate it to some kind of tool or process of research. Therefore I will look at some projects which can be understood as artistic or design research and see what I can find. This is my perspective now.

M - So the context is more like collaborative “sense-making” or figuring something out in a team situation by using development to get a physical realisation. !35

Yes, this was my departure point. I think all the elements are here in your workshop.

M - And this participatory aspect is actually that often people don’t see because they come from the end result photos and they want that too. For us the main point is almost everything else, the process that leads up to that. Local chef, local data, local participants and the formats to the whole, how we structure these two days and so on… And often when we do two days, the evening of the first day is always a total meltdown and everybody is like: „Oh, what have you done again?!”. And like teams want to quit and it’s always like a big therapy session actually. Some people are very early, they narrow down on something, but then they sort of stop and then don’t know how to continue. Other people are constantly questioning everything and it’s so interesting to watch. It’s like this extreme situation to have this unsolvable task: within two days come up with a dish and cook it and they have never done that before and it should be about data and they have no idea about data. So it’s this extreme, actually impossible challenge and everybody reacts differently to that. And I think it has been for us one of the most interesting and again and again surprising parts. Like how the groups react, how the individuals deal with that challenge.

- Is it always two days?

M - Yes, that’s the way it actually works. Usually we try to do first half day an introduction, get the group together, we explain the concept, do some ice-breaking exercises to get people going quickly and then they team up, come up with dish ideas and I really have some concept by the end of the

*http://dataphys.org/list/

first day. Then on the second day rush into the kitchen, try out the food, take photos and serve it. So it’s very packed.

S - And you, Melinda participated in the first one in Helsinki?

- Yes and I’m very happy I did!

S - It didn’t change much.

- That would’ve been my second question, if you had changed anything?

M - We try to prepare and bring news articles and infographics were you can already see how you can actually summarize information. Because in Helsinki people would get frustrated on how to get the data. This we prepare better now, but I think a lot of the other things have stayed.

- How do you select participants?

S - It’s always like we say the workshop can accommodate up to 15 people, and we usually don’t select them, first comes first. We try to keep it as open as possible.

- I’m asking because I remember that in Helsinki there were designers, artists, or some from business, law maybe. Have you ever thought about trying to influence the circle of the participants because of the results of the workshop?

S - I think it depends very much on the institution or the organization which we have the workshop with. That’s probably a good thing when you have a good, interesting organisation (like Pixelache) that already has experience with graphic design, with data visualization. Then you get people !36

having a little bit of knowledge and you don’t have to start from scratch there. From my insight it’s always very difficult when you have a very diverse group of people, with different backgrounds, nobody knows anything about data visualization or cooking. The quality really goes down.

M - Usually statistics people or some technical people and a few others who have sort of a totally different perspective come together. There has always been a given context that in many ways led to that specific distribution of people... But I couldn’t say that a specific group of people would work better than others, we’ve been surprised… Often the designers had it easier to just come up with stuff quick… But on the other hand I was very often surprised by any kinds of people.

- Do you know about the motivation of the participants? Is it a question you ask them about?

S - Usually we ask at the beginning of the workshop because we don’t make a selection. And do we get real answers to that?

- Do you feel they come for some kind of professional experience related to their practice? Are they designers or artists? Or just people who want an experience spending two nice days to get some fresh ideas?

M - It’s like an interesting creative activity. Often we attract people who have ways to work with data but dull and to get more exciting or something. I think that’s definitely part of the people. Or designers who want to sort of think about alternative ways of working with data.

- What factors make the workshop good? *http://dataphys.org/list/

M - It’s a very fine line. The group dynamic can flip immediately and often it’s also how Susanne and I interact.

There can be so many factors.

- Can you help that with the process, like how the workshop is built?

M - Yeah, we’re still tweaking that. At the beginning we were very open like: do whatever you want, here’s just a rough direction and go crazy. And this works for some people but it wasn’t working for everybody.

S - Works for some people. We tried it somewhere and it worked, but then we went somewhere else and they were just overwhelmed. We had to help them.

M - Then we started to do more prompts. Like very defined settings and very concrete activities. Now we’re trying to balance it out a bit. We would love to go back to the very open form and just stir in a very subtle way, but that’s the big mastership to come up with everything on the fly and just read the room and read the group and do exactly the right thing to help them to the right direction.

S - But it’s not only the two of us, don’t forget the chef. The chef is somebody who’s inspired by the idea of data cousine.

Do you define any goals for the participants?

S - We lay out the process: in the very end you’re gonna have your dishes and document them, you’re gonna have to describe them and give us a recipe. You can either do one or two dishes depending on how brave you are, how fast you are. That is a very clear goal: you know that this is where you’re going and that’s the process. And I think sometimes people are a bit surprised when they hear that.

M - But they have to work hard. !37

S - A good, clear structure helps. We tell them that: „We want you to team up with somebody.” That helps usually. I think they know exactly what they should do and what the aim of the workshop is. I mean in terms of objects, in terms of what you’re going to learn we never say that clearly. For me some kind of educative part is very present. But maybe it's just my perception. There is at least the bases of data visualization.

Very basic.

M - If you look at it so professionally you can learn how to cook data and that’s something you’re not going to need working as an analyst. You can learn maybe much more about how do we gather data, how do you make it memorable, what does it represent, what’s a good encoding of data. You think about these much more if you do data cuisine than other.

S - Yeah, in a way you’re pointing out very interesting questions. Because the way we designed this workshop was really along our interests and we never targeted this special group of people. Never said like „This is for these people. This is for them to learn something.” we just said „Well, we are interested in this question, who else is?”. So it’s very open and I would define it as a kind of collaborative research project. For me this is the right term to apply rather than…

M - Yeah, because in the beginning we said there is something in that space that is interesting: food and data, you know. That something I think Susanne identified first and then we agreed on that pretty quick. Something in that space is inherently just super exciting. But then the second thought immediately was how can we find out what’s interesting in that area? Well, we need to do it with a lot of people like all the time. Sort of exploring that designed space by throwing in a lot of people and experiencing what they can come up with. That’s our main motivation I guess.

*http://dataphys.org/list/

- How Data Cuisine is perceived in your other professional circles? Like Susanne as a curator and Moritz as a professional data visualizer. Is there any feedback?

M - In the visualization scene we’re perceived very well, we won this gold award at the Information is Beautiful. We’re getting a lot of recognition there. And also the general idea of physicalization is very hot right now, it’s a very good topic.

Generally more crafty data representation, like anything that involves a human hand is very hot right now. Reflecting on data, Giorgia Lupi, Stefanie Posavec, domestic data streamers all these things… There are many trends in data visualization but this is one of the strongest and most consistent ones over the last three years. We were lucky to be tin that stream and that gave us a lot of attention there. And people love it generally. It’s like everybody loves the idea, wants to do it, it’s so cool. Before they know how complicated it is.

S - In the art world nobody really understands that project.

M - It doesn’t count as an artform.

S - No, because it’s not visual art.

M - It doesn’t fit into any category. That’s the problem. It brings so many different components from other categories together that it’s this strange beast.

S - For example like in Rostock I also curate a number of very experimental interdisciplinary workshops. And the way to do it is basically I know an artist with a specific research and I say like „Okay, why don’t you open up your research and trying to get a scientist involved or more people with scientific background. I’m pressuring them to run workshops.

I’m really curious to see what this is going to be like. Because again I know exactly that this is Rostock where there’s no art scene. The workshops that I’m designing or curating are for the people who doesn’t understand what they are aiming at. !38

That’s the whole point. I mean if you offer a workshop to a group of artists or designers they will probably know how it’s going to be and what will be the result. But for many people are not in that scene it’s really difficult to understand why would you ever go to workshop like that if you don’t learn anything that is useful.

M - But that’s again you know it’s too applied for the arts and too artsy for the applied people. It’s not even design, it’s nothing. These are often the most interesting projects but at the same time you have a hard time placing them. It’s our daily business to be basically between the disciplines and it’s a bit frustrating sometimes because people need these categories around us strongly.

S - But definitely these kinds of workshops they enable creation and that’s what they’re there for I think.

M - Yes, this whole space of getting people outside their usual thinking patterns and their reflexes is super interesting. I think data cuisine can work quite well there. And then also because of this challenge that it’s too hard to wrap your head around that you get also so immersed, just different modes of production from what you usually do. I think for some people it’s quite enlightening, for others it’s super frustrating and others are bored or not. You know everybody will act differently. In every course we have one or two or three people who really flipped a switch mentally and that’s lifechanging in a way - in a small way – but in a way it can go on a totally different track, unlock something through these types of things. But as I said, I still find it super hard to really stir that in a good way…

M - We always go back with a bigger picture: these are the people at this place, these are the topics they are interested in, this is how they solve problems and this is how they present themselves.” And for us that really blends into this super nice portrait.

- Are there other routes/idea D.C. led you to?

M - Basically it led to more workshops. It’s worthwhile but at the same time we can only do it so often because it’s so complicated.

S - What I always thought that it would be great to have just a little group of people in one place where we could easily get together a couple of times a year and work on this. We could try out something in a very informal, nice way we could prepare in advance, talk in advance, exchange ideas in advance. Meet and do things together, it would be so fantastic. But we don’t have such a group here Berlin. In Barcelona there was this very good mjam-mjam (?) group we met. They do experimental things with food in a very informal way. It’s a really nice loose group of people. And having such a group working with such a topic, that would be fantastic. Because one thing that we find in these workshops is like you do a two day workshop and then people understand the concept, then the first results and then they stop. Actually you should continue and go and see where you get, and get better. That would be the idea.

So you think that a further step could be doing it regularly?

- What do you bring home after the workshops?

S - The stories of the dishes. It’s about the story behind the data. That’s one thing definitely. *http://dataphys.org/list/

S - Yeah, I mean that would be fantastic.

M - It would have to be some sort of dinner club for where you basically rotate kitchens, you have a theme, you have !39

some preparations maybe or everybody brings something. It could work very well. The other thing I was always after but I never really finished it: providing an open source recipe for the workshop where we write down our approach and basically give people everything at hand to run their own workshop. Like the TEDX version.

- I’ve got a last comment. I found D. C. a good example because it’s a series. For me research is also when something is tested again and again.

M - I think and the idea was to use a similar method, but in different places, with different participants and different topic. I think that’s a big part of the charm of the whole thing.

Absolutely. Because it also acknowledges that every result always bound to these local circumstances. It doesn’t assume that this idea of data cuisine as such is so pure that wherever you do it it will lead to the same thing but more what you bring in to the people and place and setting will fundamentally change what comes out. I think that’s a very nice way of thinking about it. That you don’t want to abstract all that away but you make that actually big part of the formula. And now we are thinking of course where else do we need to go to make it more complete. In terms of places like can we go to Asia, can we go to Russia, can we go to South America? Just to get all the different possibilities in there that could happen.

Thank you for sharing!

*http://dataphys.org/list/

!40

Adattér II.

4. Adat mint alkotó matéria MOME Őszi kurzushét 2018. október 15-19.

A MOME Média Intézet média design és animáció szakos MA hallgatóival a fizikai adatvizualizációval foglalkoztunk egy öt napos workshop keretein belül. Az volt a cél, hogy megismerjék, hogyan lehet testközeli élmény (pl. térbeli formák, anyagok, lépték, érintés, testérzetek hőmérséklet, hang, fény, étel-ital stb.) segítségével közvetíteni az adatokban rejlő információt és összefüggéseket és ezen keresztül reagálni társadalmi kérdésekre. *http://dataphys.org/list/

Adat, mint alkotó matéria kurzusmunka, 2018 Fotó: Sipos Melinda

!41

Adat, mint alkotó matéria, kurzusmódszertani ábra, 2018, Sipos Melinda

Meghívásomra Wilson Luca antropológussal egy olyan kurzust építettünk fel, mely ötvözte a közös gondolkodás, a design thinking és a társadalomtudományokban gyakran alkalmazott “grounded theory” módszerét. A hallgatók megismerkedtek az interjú-kódolás technikájával és ezt a gyakorlatban alkalmazva jutottak el egy általuk kiválasztott problémakörhöz. A workshop során Bátorfy Attila adat *http://dataphys.org/list/

újságíró bemutatta az adatokkal való munka legfontosabb szempontjait és lehetséges adatforrásokat. A hallgatók több javaslatot vetettek fel, és végül közösen dolgoztak ki egy közvetlen lakóhelyüket érintő problémát: a közelmúltban történt budapesti fakivágásokat és ennek légszennyezésre való hatását.

!42

Adat, mint alkotó matéria kurzusmunka, 2018 Fotó: Sipos Melinda *http://dataphys.org/list/

1.150.000 mg, kurzusmunka, Szőllősi Anna, Kili Zsanna, Szabó Zsófia, Lakos Máté 2018 Fotó: Sipos Melinda

!43

1.150.000 mg, kurzusmunka, Szőllősi Anna, Kili Zsanna, Szabó Zsófia, Lakos Máté 2018 Fotó: Sipos Melinda *http://dataphys.org/list/

!44

Adattér II.

6.Bibliográfia R. Sosa, V. Gerrard, A. Esparza, R. Torres and R. Napper: Data Objects: Design Principles For Data Physicalization 15th International Design Conference, Dubrovnik, 2018 Simon Stusak: Exploring The Potential Of Physical Visualizations , University of Munich, 2016 Yvonne Jansen: Physical and tangible information visualization, Université Paris Sud - Paris XI, 2014 Catherine d’Ignazio: Data Feminism https://bookbook.pubpub.org/data-feminism Donnella Meadow: The Limits to Growth, Universe Books, New York, 1972 Nina Simon: Social Objects, in The Participatory Museum, 2010 http://www.participatorymuseum.org/chapter4/ Christopher Frayling: Research in Art and Design, 1993 Julian Klein: What is Artistic Research? 2007 https://www.jar-online.net/what-artistic-research *http://dataphys.org/list/

!45

AdattĂŠr II.

*http://dataphys.org/list/

!46