自动推测：反思数据分析的亲密性和想象力

文献标题

Autospeculation: Reflecting on the Intimate and Imaginative Capacities of Data Analysis

文献信息

• 主题领域: 人机交互(Human-Computer Interaction, HCI)、数据分析、设计方法学
• 关键词: 自传式设计, 推测性设计, 数据分析, 自传式民族志, 数据亲密性, 慢设计, 超本地化

研究背景与问题

• 问题发现与挑战:

  • HCI 领域长久以来致力于科学实证性的研究，很少关注到数据分析既是情感性的，也是推测性的过程。
  • 数据分析常被认为是中立且客观的，但实际上分析过程往往嵌套在地方性、情感性以及社会文化的背景中。
  • 当前推测性设计(speculative design)方法论受到批评，特别是忽略了对伦理、地缘政治以及多样化的声音的关注。

• 重要性:

  • 数据分析不仅仅是理解现实的过程，也是想象其他可能性的契机。挖掘数据分析中的情感和推测视角，可以开辟新的研究模式。
  • 自传式设计的嵌入可能让数据分析更加本地化、个人化，并在这种过程中对推测性设计存在的批评做出回应。

• 研究动机与相关工作:

  • 作者系统审视了自传式设计(autoethnography)和推测性设计中存在的交叉点，通过结合两者提出一种新的分析方法“自我推测”(autospeculation)。
  • 相关的研究包括在HCI中使用第一人称方法进行设计反思、非殖民化设计框架以及推测性设计的长时间部署实践。

解决方案

• 研究方法:

  • 使用“自我推测”(autospeculation)方法：即通过分析自身实践形成工具，以重新想象现状。
  • 研究使用自传式民族志和设计探究，从一位作者（Kinnee）与其家庭中使用语音助手设备的经历中获取数据。

• 创新之处:

  • 将推测性设计与自传式设计相结合，引入数据分析中的情感处理与细腻的推测实践。
  • 提出了一种新的分析方法学，将其定位为探索数据分析和想象性设计的桥梁。

• 实施步骤与关键技术:

  • 收集语音助手数据的文本记录与音频档案。
  • 通过多种技术（如音频重混与慢速回放）深入数据分析，同时反思技术与用户之间的权力关系。
  • 定期暂停研究进程以进行反思（“暂停设计”）。
  • 针对个人体验与数据过去记忆的错位展开分析（涉及情感、伦理与技术记忆的比较）。

研究成果

• 具体成果:

  • 通过自传式设计与音频数据实验，将推测设计嵌入数据分析中，探索了多角度的问题。
  • 扩展了HCI中对数据分析的批判性技术实践，将“反身性”与“自我发现”结合为一种新的思维路径。
  • 提出了四个研究主题支持数据分析的再想象：内部挖掘、本地性推测、慢设计、以及近过去的亲密性。

• 优势:

  • 与传统以未来为中心的推测性设计相比，关注于近过去的亲密性与具体性，为数据和设计蕴含的伦理与人为因素赋予了更多复杂性。
  • 打破了典型数据分析技术中的冷漠与抽象，引入情感、空间化以及多样化叙事的视角。

• 实验与评估结果:

  • 通过对语音助手的个人数据分析，显示超本地化和个人经历能够为数据分析提供更加具象化和情绪化的成果。
  • 数据“慢分析实践”提供了丰富的见解，尤其是声音、背景噪音等未被传统工具记录和分析的细节。

• 局限性与未来方向:

  • 使用第一人称方法学可能使分析偏向于涉及少数关键个体的体验，难以普适化到更广泛的信息体系。
  • 数据分析涉及高度情感性质的个人数据，需谨慎处理再分析赋予被研究者可能造成的情感压力。
  • 未来可以探索如何扩大方法的多声部性(polyvocality)、平衡数据伦理以及灵活适应不同文化背景的实验设计。