база от tactical tech про детокс данных и другие проекты

— https://datadetoxkit.org/en/ai/tricks
— https://tacticaltech.org/projects/

как документировать данные к ИИ

— https://arxiv.org/pdf/2207.04958
— https://dair-institute.org/projects/guidelines-for-documentation-accountability/

тексты можно представлять как данные, не только считая слова, но и глядя на них как на ритмические конструкции.

например, вот так: https://www.jeravalue.com/en/text-music

плотный, но простой текст о том, что:
- музей — это не база данных
- но есть институциональные логики, которые их сближают
- а есть — те, которые отдаляют (без спойлеров, можно почитать, как же так)
- интернетоцентризм (!) для музеев это так себе
- в конце про метаболизм баз данных.

много ссылок на Льва Маонвича, но в редком для него критическом изводе.
вообще, текст годный, хорошо бы его перевести.

https://www.e-flux.com/journal/60/61026/is-a-museum-a-database-institutional-conditions-in-net-utopia

а что с гуманитарными данными!
и вовсе очень интересно.

https://t.me/abulaphia/6521

50 штук, с которых можно начать, чтобы присоединиться к движению collections as data

формат супер, надо вдохновиться

https://collectionsasdata.github.io/50things/50_things.pdf

дана бойд много лет выдаёт базу, и это хорошо. вот и книга теперь будет.

https://www.danah.org/data-are-made-not-found/

как делать таблицы для данных? вроде бы вопрос смешной: все вроде как знают, как делать таблицы. но на деле это одна из главных и самых сложных составляющих создания данных: классификации, назначение правил, иерархия и структура отношений между объектами — всё в них.
в этой небольшой статье проблема таблиц рассматривается как раз для данных в культуре. она и помогает организовать таблицы, и подумать над тем, как они создаются.

пока читала, подумала, что вот бы сделать таблицы с альтернативными классификаторами (привет Борхесу): степень симпатичности, количество перемещений артефакта, цвет пыли при нахождении, имя коллеги, который понимает, что это такое.
а потом придумать, как с этой организацией быть!
ведь и датасеты на основе таблиц можно составлять разные.

да, этот пост ещё рекламирует журнал Of open humanities data. его листание может составить счастье дата-исследователя.

Alkemade, H., Claeyssens, S., Colavizza, G., Freire, N., Lehmann, J., Neudecker, C., ... & Van Strien, D. (2023). Datasheets for digital cultural heritage datasets. Journal of open humanities data, 9(1), 17-17.

ещё немного базы: отчёт Юнеско о судьбе культуры в ИИ-времена.
в отчёте ничего сверх-нового, но это интересный источник.

из любопытного: ИИ в нём — это никак не культура, хотя машины могут быть научены на культуре.
в какой момент происходит выход технологии в статус «некультурного» явления — решительно непонятно.

Юнеско в целом работает над тем, чтобы работали их рекомендации, опираются на то, что делают сообщества в разных странах и регионах. интересно, как они унифицируют разные примеры, ведь задача нетривиальная.
также непонятно, что делать в тех странах, где нет никаких сообществ с правилами.

но, повторим, важно не столько содержание отчёта, а то, какие материалы, принципы, организации, библиографии, проблемы он собирает, а какие остаются за бортом.

Report of the Independent Expert Group on Artificial Intelligence and Culture

в комментариях — оглавление и график про данные!

на график про данные от Юнеско стоит посмотреть отдельно

Publishing Cultural Heritage Data in the Age of AI
от Europeana

кажется, будущий тренд сезона — разграничение доступа для разных человеческих и нечеловеческих пользователей, а открытость уже не модно

https://pro.europeana.eu/files/Europeana_Professional/Publications/251202PublishingCulturalHeritageDataInTheAgeOfAI.pdf

Статистика никогда не врёт? Эмпирические данные говорят сами за себя и не нуждаются в интерпретации? Доверия заслуживают лишь исследования с большими выборками? Вместе с биостатистиком и математиком Матвеем Славенко обсуждаем, как работают статистические данные в эпоху, когда к ним прибегают даже в самых повседневных разговорах.

https://youtu.be/x0Kxz7cAdOI

американский ресурс о том, что когда правительство вводит новые правила (а Трамп это делает постоянно), теряются / уничтожаются / перестают быть инструментом в регулярных практиках важные данные.

https://dataindex.us/

это напоминает старый проект Мими Онуохи о недостающих/отсутствующих датасетах.

был в начале 2020-х годов большой скандал в теме компьютерного зрения.

в 2021 году Кейт Кроуфорд и Тревор Паглен сделали выставку, за которым стояло небольшое публицистическое исследование Excavating AI.
там они рассказали о том, на каких данных учатся машины со зрением (great revelation!) и что они (машины и их тренеры) за нами присматривают без всякого согласия.

выставка и рассказ привлекли внимание разных людей, в том числе тех, кто делал те самые датасеты. и они не смолчали, обратив внимание на то, что Кроуфорд и Паглен всё переврали.
это не мешает Кейт Кроуфорд переходить границы между дисцилинами и дальше, но позволило узнать про обучение computer vision под новым углом. статья-опровержение, кстати, в самом деле интересная.

а если вам не интересны скандалы, то вот: благодаря этим excavations, найден конвенциональный и удобный сайт про историю компьютерного зрения.

замечательный литобзор того, что не так с ИИ в археологии.

в нём внятно описана история вопроса и ключевые противоречия, которые возникают при датафикации в этой области.
это проблемы, в которых «цифровизация» — не пустое слово, потому что археологические объекты материальны.

статья не алармистская, а учит внимательно смотреть на то, что происходит, когда алгоритм становится посредником.

Gattiglia, G. (2025). Managing artificial intelligence in archeology. An overview. Journal of Cultural Heritage, 71, 225-233.

статья с ревизией существующих стандартов в области прав коренных народов на данные об их жизни и языке и предложением новых.

проблему обычно называют дата-экстрактивизмом (data extractivism). она заключается в том, что люди из обществ, где есть много технологий, знаний и машин, увеличивают свои выгоды и богатства благодаря изучению людей, которые живут в другом укладе.

но объекты исследований не молчат. в статье рассказано про истории про Маори, а ещё задевается проблема извлечения данных для улучшения геолокаций и военных карт.
текст высокополитизирован, и идея суверенности данных из него — вовсе не нейтральная.

интересно, есть ли истории из российской практики, которые похожи на эти? например, в сборе лингвистических данных или фольклорных экспедициях?

Schulz, M., & Loewen-Colón, J. (2026). Preventing AI extractivism: the case for braiding indigenous data justice with ABS for stronger AI data governance. AI & SOCIETY, 1-15.

а вот статья про праматерь всех генеративных интерфейсов, ELIZA.

это небольшой и дружелюбно написанный текст, где написано, как её придумали, делали, сделали, как она оказалась знаменитой и даже предметом критики. ведь эффект Элизы — то, из-за чего сегодня все беспокоятся: во-первых, люди видят за чат-ботами собеседников, а не набор винтиков. во-вторых, вполне реальные люди перестают быть нужными, в частности, психологи.

почему мы про это рассказываем?

выводы статьи вот какие: когда мы работаем междисциплинарной командой с разными фоновыми знаниями и умениями, то можно избежать дурных последствий. ведь Вайенбаум, создатель Элизы, ничего дурного не хотел. он вообще-то от Холокоста сбежал в США, и там был уверен, что создаёт лучшее будущее.
и дело не в том, что никто не застрахован от ошибок, а в том, что соучаствующее проектирование и совместная работа дают небольшую (хотя и не полную) страховку от того, что с данными что-то пойдёт не так.
поэтому мы очень за командную работу с данными)

а статья исторически интересная. с Элизой, кстати, можно повзаимодействовать тут. кстати, целый замечательный сайт тут про неё.

Marino, M. C., Weil, P., Shrager, J., Schwarz, A., Hay, A., Ciston, S., ... & Millican, P. (2026). Conversations about conversational code: on the collaborative critical code studies reading of ELIZA. AI & SOCIETY, 1-14.

институт Data and Society выложил подборку того, как работать с AI в управлении и что нужно об этом знать.

часть материалов довольно специфично-американская, но в целом можно найти полезное для разных сфер.

наш любимый материал — о том, что такое социотехнический подход к пониманию ИИ.
там на примерах разбирается, как подходить социотехническим системам. авторы предлагают три основных вопроса:
1. какие системы «окружают» технологию?
2. какую проблему технология действительно решает?
3. какие силы и неравенства задействованы?

в продолжение предыдущего поста — с деятельностью института Data & Society можно познакомиться поближе уже сегодня на презентации новой книги исследовательницы технологий даны бойд.

дана бойд много лет исследует технологии и общество: она основала институт Data & Society, преподаёт в Корнеллском университете и написала It’s Complicated — одну из главных книг о подростках и социальных сетях.

теперь у неё выходит Data Are Made, Not Found — этнография американского Бюро переписи населения. бойд наблюдала за его работой и беседовала с сотнями госслужащих, чтобы разобраться, как они проводили перепись 2020 года во время пандемии, стихийных бедствий и политического давления.

сегодня в 20:00 мск Data & Society проводят онлайн-разговор о книге. с бойд поговорит историк Дэн Бук, автор Democracy’s Data, модерирует директор Data & Society Джанет Хейвен. нужна регистрация через Zoom; видео, расшифровку и дополнительные материалы обещают опубликовать после встречи.

https://datasociety.net/news-events/protecting-democracys-data/