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
- 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
e-flux
Is a Museum a Database?: Institutional Conditions in Net Utopia
…
❤2
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
формат супер, надо вдохновиться
https://collectionsasdata.github.io/50things/50_things.pdf
❤1
дана бойд много лет выдаёт базу, и это хорошо. вот и книга теперь будет.
https://www.danah.org/data-are-made-not-found/
https://www.danah.org/data-are-made-not-found/
❤1
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.
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.
❤2
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!
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!
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
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
❤2🤔1
Forwarded from Insolarance Cult
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
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.
https://dataindex.us/
это напоминает старый проект Мими Онуохи о недостающих/отсутствующих датасетах.
dataindex.us
dataindex.us | dataindex.us
Monitor U.S. federal datasets, surveys, and data changes in real time. Stay informed on risks, updates, and public data transparency. Learn about events related to federal data health. Learn more about commenting on changes to public data
❤2
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.
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.
-
Excavating AI
An investigation into the politics of training sets, and the fundamental problems with classifying humans.
❤2
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.
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.
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.
SpringerLink
Preventing AI extractivism: the case for braiding indigenous data justice with ABS for stronger AI data governance
AI & SOCIETY - Artificial-intelligence systems are rapidly reproducing colonial extractivism by harvesting Indigenous linguistic, biometric, geospatial, and ecological data without consent,...
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.
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.
❤1
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?
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?
Data & Society
Governing AI Agents: An Ecosystem Approach Archives - Data & Society
A collection of research and policy work that points to how AI governance can begin to build public trust.
👍2
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/
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/
