-.. .- -. -. -.-- .
[ ? ? ? ]
интенсив
FAQ
учебник
\u043a\u0435\u043c\u0020\u0434\u0430
\u043d\u044b\u0020\u0434
\u0430\u043d\u043d
\u044b\u0435
ПРОВЕРЯТЬ//РЕШЕНИЯ
от и до: сбор, хранение, фильтрация, анализ и уничтожение данных
[ как пользоваться этим разделом ]
Этот раздел — практическая часть сайта-методички. Если раздел «понимать // проблемы» помогает понять, почему данные — это сложно, то «проверять // решения» помогает разобраться, что делать с этой сложностью в конкретном проекте.
Для самостоятельной работы

Возьмите свой проект, бумагу или документ, и пройдите по 11 этапам ниже. В каждом этапе вопросы, на которые нужно ответить применительно к вашему проекту. Не обязательно отвечать сразу и однозначно: сама попытка сформулировать ответ уже помогает увидеть, какие решения вы на самом деле принимаете.
Для работы в команде

Обсудите вопросы вместе. Разные люди в команде могут давать разные ответы — и это не проблема, а возможность увидеть скрытые предпосылки.
Для подготовки к интенсиву (или другой сконцентрированной работы)

На интенсиве «Кем даны данные?» мы будем строить «карту данных» вашего проекта — и эти вопросы станут её основой. Блоки «Карта моего продукта», «Взаимное исследование карт» и «Клиника проектов» опираются на эту схему.
Для работы с заданиями. В конце каждого этапа мы даём небольшие задания для самостоятельного выполнения. Они помогут углубиться в тему. Для удобства работы вы можете использовать рабочую тетрадь. Сделайте копию файла («файл» —> «создать копию») и последовательно заполняйте тетрадь, пока знакомитесь с материалами учебника.
>>>> ШАБЛОН РАБОЧЕЙ ТЕТРАДИ
[ итак, у вас есть идея проекта или исследования...]
…, где вы будете работать с данными. И, скорее всего, по ходу работы у вас уже возникали вопросы вроде: чьи это данные на самом деле? стоит ли использовать всё, что удалось собрать? что будет с этими данными, когда проект закончится?

Такие вопросы редко имеют один правильный ответ. Можно свериться с законом — но закон не всегда поспевает за новыми практиками и часто просто не отвечает на конкретный вопрос. Можно попробовать решить вопрос технически — но выбор инструмента или формата хранения тоже не бывает нейтральным: у него есть последствия, которые не видны на уровне кода или интерфейса. В итоге многие решения в проекте невозможно принять, просто сверившись со сводом правил. Их принимает команда или отдельный человек — опираясь на собственную практику, опыт и понимание контекста.
Проблема в том, что такие решения легко принять неосознанно — просто по умолчанию, не заметив, что вы вообще что-то решаете.
Мы хотим, чтобы у вас была возможность их заметить и обсудить. Поэтому мы сделали этот раздел: критика, этика и политика в работе с данными здесь — рабочий инструмент, который можно приложить к вашему конкретному проекту.

Дальше — не свод правил и не чек-лист «как правильно», а повод для разговора: пройдя по вопросам ниже, вы сможете сформулировать, обосновать и разделить с командой решения, которые иначе остались бы незамеченными.
// ОТСТУПЛЕНИЕ 1: ЧТО ТАКОЕ МЕТОД?
В подготовке раздела мы опирались на зин-методичку «Как изучать интернет: об этике и политике в исследованиях». Мы поговорили с теми, кто её делал, — и задали несколько вопросов: что изменилось с тех пор, работает ли методичка как метод (и что вообще значит «работать как метод»), к кому она обращалась тогда и к кому могла бы обращаться сейчас. Здесь и дальше приводим отрывки разговоров:

Полина Колозариди: Я помню, как мы читали и обсуждали Аннет Маркхэм и её позицию между этикой и методом. Метод обычно предполагается как нечто универсальное, что можно перенести из одного контекста в другой. Но в нашем зине есть и противоположная линия, во многом представленная (Тане) твоим текстом: метод невозможно универсально переносить не только потому, что так сказал Латур или другой теоретик, но и потому, что в разных кураторских и художественных проектах такой перенос приводит к разным последствиям.

Таня Миронова: Здесь представлен веер подходов к работе с этикой — не в абстрактном философском смысле, а на конкретных примерах.

Для меня методичка — это точка сборки разных линий, которые редко пересекаются в одном пространстве. Кроме того, это пространство не только для встречи, но и для разговора, от которого могут расходиться новые обсуждения.

Методичка может обозначить такие концептуальные узлы. Она нужна не столько для объяснения, как делать, сколько для понимания собственных действий, действий другого и общих точек между людьми из разных сфер. Нам не хватает разговора между теми, кто работает с данными, бумажными архивами, кураторством и формированием фондов. Важно увидеть, кто мы по отношению к архиву и что архив значит для нас в каждой конкретной ситуации.

Дима Муравьёв: Мы не судьи и не священники, не говорим, как людям жить. Знание, которое производится в рамках современной науки или, шире, эпистемы, связано с субъектом. Поэтому мы даём знание, которое должно помочь людям осмыслять себя и свои действия.

Поэтому мы делали эту схему: посмотри на неё и на свой окружающий мир, задумайся. По сути, это нужно для тренировки рефлексии и формирования рефлексирующего субъекта. Но рефлексия — такая штука, которая, конечно, очень важна, но всегда возвращает что-то новое, основанное на прошлом. Это проблема петли обратной связи.

Я не думаю, что можно ожидать реализации какой-то бережной цифровизации, как ты её видишь, просто создавая знания, которые культивируют эту рефлексию.

Это значит, что нет гарантий, что сама по себе возможность рефлексировать ведёт к изменениям, но это помогает людям понять, как их деятельность меняется конкретно в контексте тех изменений — или, наоборот, отсутствия изменений, — которые приносит датафикация.

Передаём привет и спасибо Диме Муравьёву и Тане Мироновой!
// ОТСТУПЛЕНИЕ 2: МЕТОДЫ ДИАГНОСТИКИ
[ 11 <последовательных> действий ]
1/11
ИНТЕРЕС
[ ? ]
действуете ли из своего или чужого интереса?
[ ? ]
у кого ещё может быть интерес/вопрос, требующий данных?
[ ? ]
как сформулирован этот интерес?
[ ? ]
рассказываете ли вы о своих интересах открыто, и кому о нём нужно знать?
[ ? ]
нужен ли перевод интереса между языками исследователей, программистов, владельцев материалов?
[ ? ]
кто может осуществить этот перевод?
ПОЧЕМУ ЭТО ВАЖНО?

Интерес — это не просто «мотивация». От того, чей интерес лежит в основе проекта, зависит всё остальное: какие данные собирать, как их интерпретировать, кому отдавать. Если интерес не сформулирован явно, он всё равно действует — но уже неосознанно, и команда может двигаться в разные стороны.
Когда мы говорим с культурными институциями, важно увидеть, кто является субъектом [цифровизации]. Потому что если мы исходим из бизнес-логики, то основная проблема, как я её вижу, заключается в том, что субъектом цифровизации является, условно говоря, какой-нибудь средний уровень, а заказчиком оказывается даже не директор, а тот, кто выше директора, например, министерство.

И от этого очень многое зависит, потому что именно субъектом определяются те границы и возможности, которые в цифровизации есть.
Андрей Володин
кандидат исторических наук, доцент кафедры исторической информатики МГУ, ведущий научный сотрудник DH-Lab СФУ
В тот момент, когда данные структурируются и распределяются по таблице, за этим процессом уже — в скрытой или явной форме — стоит желание с этими данными пообщаться, что-то узнать из них.

Структура данных тоже зависит от вопроса, даже если он не прозвучал, он всё равно есть подспудно.
Борис Орехов
кандидат филологических наук, специалист в области цифровых гуманитарных исследований и корпусной лингвистики (из интервью для нашего проекта)

Интерес — это то, что определяет структуру. Если он не ясен, структура будет хаотичной, а данные — бесполезными.

ВЕРНУТЬСЯ К ТЕОРИИ
Это значит, что интерес задаёт структуру метаданных. Но и уже существующие классификации влияют на то, как устроен интерес.

Помните, в блоке «понимать // проблемы» мы говорили о деревьях в лесу? Обращаем внимание на то, что для лесника, туриста и биолога упавшее дерево — это немного разные процессы, у них будет разные типы внимания.
ПРИМЕР
«Прожито» — волонтёрская инициатива по сбору и публикации дневников.

Чьи интересы лежат в её основе?

— Интерес организации: команда проекта и ЕУСПб курируют платформу для изучения повседневной жизни в XX веке. Они развивают академический интерес.
— Интерес волонтёров: тысячи людей расшифровывают дневники бесплатно. Их интерес — поработать с историей или стать её соавторами.
— Интерес дарителей и авторов дневников: многие уже умерли, но их тексты продолжают жить. Их интересы могут расходиться. У авторов (если бы мы могли его спросить) — быть понятыми в контексте, а не как «сырые данные», а у дарителей — память о своих близких.
— Интерес пользователей: исследователи, школьники, журналисты — каждый использует дневники по-своему.
ЧТОБЫ РАЗОБРАТЬСЯ
Нарисуйте четыре кружка — «академики», «волонтёры», «авторы», «пользователи». Соедините их линиями и подпишите: какой интерес каждый вкладывает в проект? Где интересы совпадают, а где — конфликтуют?

Например: авторы дневников не давали согласия на публикацию (многие умерли до интернета). Пользователи хотят искать по темам, но структура сделана под хронологию.
2/11
МАТЕРИАЛЫ
[ ? ]
есть ли владельцы у материалов, которые вы планируете собирать?
[ ? ]
кто их будет собирать? равногодны ли они?
[ ? ]
как учесть контекст, в котором они существовали до вашего проекта?
[ ? ]
кто и как может критиковать и проверять выбор этих материалов?
ПОЧЕМУ ЭТО ВАЖНО?

Материалы — это не «сырьё», которое безразлично к тому, что с ним делают. Каждый материал существовал в каком-то контексте, имел какое-то значение для кого-то. Когда вы вырываете его из этого контекста, вы меняете его смысл.

Выбор материалов — это уже интерпретация. То, что вы выбрали, говорит о ваших приоритетах. То, что вы не выбрали, тоже говорит — но об этом редко вспоминают.
Если дерево упало в лесу, и его никто не заметил — данных нет. Данные — это не то, что существует объективно, а то, что было зафиксировано, описано, внесено в какую-то систему.
Андрей Володин
Материалам башкирского фольклора повезло больше, они были аккуратно сложены. Но что будет в будущем с такого рода документами — не понятно.
Борис Орехов
ВЕРНУТЬСЯ К ТЕОРИИ
Вспомните различение Data и Capta. Материал — это ещё не данные. Чтобы материал стал данными, нужно его:

  • выбрать (источник),
  • описать (данные)
  • задокументировать контекст (метаданные).

На каждом уровне происходит «захват» (capto) — и на каждом уровне что-то теряется.
ПРИМЕР
НКРЯ — это «русские тексты 17+ млрд слов с разметкой». Но за этой цифрой скрывается вопрос: «какие тексты взяты?»
— Что включено: художественная литература, газеты, научные тексты, устная речь (частично), тексты из интернета (частично).
— Что осталось за кадром: бюрократические и рабочие заметки, дневники (их можно узнать, если они попали в «Прожито»), тексты на диалектах (кроме отдельных проектов), тексты носителей русского языка за рубежом, тексты, написанные людьми с нарушениями письма.
ЧТОБЫ РАЗОБРАТЬСЯ
Нарисуйте большой прямоугольник «Все тексты на русском языке». Внутри него — меньший прямоугольник «Тексты в НКРЯ». В промежутке — список того, что не вошло.

Для каждого пункта спросите: что стало причиной? Потому что тексты не оцифрованы? Потому что нет разрешения? Потому что они не соответствуют представлению о «литературном языке»? Потому что их сложно разметить?
ПОПРОБУЙТЕ
Задание «капта и другие».

Подумайте: что вы не собираете? Почему? Какие материалы остаются за кадром, и чей это выбор?
3/11
ИСТОЧНИКИ, ИНСТРУМЕНТЫ
[ ? ]
кто их создал?
[ ? ]
и зачем?
[ ? ]
предполагают третьих лиц?
[ ? ]
кто умеет их применять?
ПОЧЕМУ ЭТО ВАЖНО?

Инструменты не нейтральны. Таблица Google Forms предполагает определённую структуру ответа. OCR-программа «видит» только то, что умеет распознавать. Платформа для сбора данных собирает данные о ваших данных.

Когда вы выбираете инструмент, вы выбираете не только удобство, но и бизнес-модель, политику приватности, способ организации мира.
Датафикация идёт вместе с введением в коммерческий оборот. Данные становятся товаром, который можно продать, обменять, использовать для предсказания поведения.
Дмитрий Муравьев
У музеев есть своё представление о реальности. Важно, чтобы вещи были сохранены и описаны. У архивов другая история: они должны обеспечить поиск. Библиотека — это ещё одна логика: книга — это единица, и библиотека должна обеспечить доступ к этой единице.
Андрей Володин
о разнице между музеями, архивами и библиотеками

Разные инструменты воплощают разные логики. Если вы используете музейную логику (описать и задокументировать) для архивного проекта (обеспечить поиск), вы можете получить не то, что нужно.

ВЕРНУТЬСЯ К ТЕОРИИ
Полезно вспомнить раздел «инфраструктуры: от архивов к ИИ» и вопрос «данные — это память?». Ведь датафикация — это не просто «оцифровка», это введение данных в коммерческий оборот. А разные культурные институции (музей, архив, библиотека) работают по разным логикам, и инструменты, которые они используют, воплощают эти логики.

Также полезен параграф «архив как инфраструктура» — LLM тоже «инструмент», но он даёт доступ не к архиву, а к модели, обученной на архиве.
ПРИМЕР
Госкаталог — это описан как «единая электронная база всех музейных предметов России». Но как эта единая база создавалась?

— Инструмент 1 (центральный): ПО «Приоритет» (разработано для РНБ, адаптировано для музеев). Логика: описать объект по единой схеме.
— Инструмент 2 (региональный): В каждом из 2000+ музеев — свои базы, свои форматы, свои стандарты. Кто-то использует Excel, кто-то — 1С, кто-то — бумажные описи.
— Инструмент 3 (интеграционный): API Госкаталога, который пытается собрать данные из разных источников в одну структуру.
ЧТОБЫ РАЗОБРАТЬСЯ
Выделите три колонки — «Музей», «Регион», «Госкаталог».
В колонке «Музей» — фотография экспоната, бумажная опись, местная база.
В колонке «Регион» — агрегация нескольких музеев.
В колонке «Госкаталог» — единая запись. Соедините стрелками и подпишите: что теряется при переходе из одной колонки в другую? Какие поля не входят в единую схему? Какие музеи вообще не попадают в систему?
ПОПРОБУЙТЕ
Задание «как устроены данные в сервисах?».

Выберите сервис, который используете, и ответьте: кто его создал? Данные из каких источников он использует? Какие инструменты сбора данных предполагает этот сервис? В каких случаях инструментом сбора данных становится сам сервис? Какая бизнес-модель (мы не пропагандируем такой язык, но иногда он полезен для описания организации, но стоит помнить о его ограничениях)? Какие данные он собирает о вас, пока вы собираете данные в нём?
4/11
ДОСТУП
[ ? ]
у кого он есть?
[ ? ]
как получить, если его нет?
[ ? ]
кому его предоставить?
[ ? ]
нужно ли его ограничивать?
ПОЧЕМУ ЭТО ВАЖНО?

Доступ — это власть. Тот, кто имеет доступ к данным, может их интерпретировать, использовать, изменять. Тот, у кого доступа нет, зависит от посредников.

Доступ — не просто технический вопрос («включить ссылку»). Это социальный и политический вопрос: кто имеет право видеть, кто имеет право решать, кто имеет право интерпретировать.
ВЕРНУТЬСЯ К ТЕОРИИ
В разделе «критика: история» доступ — это не техническая настройка, а распределение власти.

Когда коллеги в институциях противятся оцифровке, они защищают не бумаги, а свой символический капитал.

Анализ стейкхолдеров помогает увидеть, чьи интересы затрагивает открытие доступа.

Разные принципы и законы (GDPR, 152-ФЗ, CARE) по-разному определяют, кто имеет право на доступ.
ПРИМЕР
Посмотрим на проект БФУ по оцифровке материалов о ветеранах штурма Кенигсберга. Здесь сложная карта доступа:
— Ветераны и их семьи: они владельцы материалов (фотографий, писем, воспоминаний). На каких условиях переданы материалы? Можно ли забрать их обратно
— Университет (БФУ): инициатор и держатель данных. Какие права он получил от семей?
— Государство: Калининградская область — особый регион (бывший Кёнигсберг). Государственная память о войне — чувствительная тема. Какие материалы можно показывать, а какие — нет?
— Общественность: сайт доступен всем. Но кто его находит? Кто интерпретирует?
— Исследователи: могут использовать данные для работы. Но могут ли они критиковать официальную версию истории?
ЧТОБЫ РАЗОБРАТЬСЯ
Сформулируйте иерархию между разными типами доступа в этом проекте. Где будет особенно сложно и непонятно, например, из-за сложных законодательных рамок?

Что может её нарушить, например, умение пользователей скачать все данные и сделать свой аналогичный ресурс и дополнить его неверифицированной информацией?
ПОПРОБУЙТЕ
Задание «режимы регулирования данных».

Сравните два регуляторных режима (например, GDPR и 152-ФЗ), конкретно в случае вашей организации. Как они определяют, кто имеет право на доступ? Что остаётся вне регулирования?
5/11
УТОЧНЕНИЕ
[ ? ]
на каких основаниях отбираются материалы?
[ ? ]
как отделяются друг от друга материалы, контекст и мусор?
ПОЧЕМУ ЭТО ВАЖНО?

Отбор — это не техническая операция, а интерпретация. Когда вы решаете, что «релевантно», а что «мусор», вы применяете определённые критерии — и эти критерии не универсальны.

(подробнее в разделе «процедуры: информация, статистика, таблицы»)
Во-первых, у всех сотрудников разные права. Не каждый может создать новый тип объекта. Структурные изменения остаются на стороне системных администраторов — остальные сотрудники музея могут обсудить с ними, каких именно полей или типов объектов им не хватает.

Более того, не всем сотрудникам доступны все типы данных. Есть технические данные, специальные инструкции о том, как показывать объект, которые читаются машинным образом: они нужны только для человека, который занимается непосредственно мультимедиа и, соответственно, для устройств, больше никто их не видит. Хранительские данные тоже удобны не всем, потому что описания хранителя и описания куратора выставки существенно отличаются.
Алексей Тихонов
о проекте «Эйдотека» в РОСФОТО (интервью)
Когда я придумал тему для этого эссе, я надеялся познакомиться с сообществом энтузиастов, сохраняющих исчезающие изюминки общества. И для этого представляется важным делать так, чтобы полученные материалы, обработанные из них данные и результаты трудов оказывались в свободном доступе на понятных площадках. Но как оказалось, дело обстоит немного иначе. Вот уже 300 лет разные люди записывают разные вещи об айнском, от слов для торговли пушниной до видеозаписей песен юкар. И большинство этих материалов хранятся в непонятных шкафах с невероятно сложными инструкциями к использованию (восковые цилиндры Пилсудского — гиперболизированный пример всей ситуации с языком).

О Цифровом корпусе айнского производства Карола Новаковского мы можем прочитать очень интересный текст в его диссертации, даже можем пройти по ссылкам и познакомиться с использованными материалами (или их описаниями), но как получить доступ к самому корпусу — загадка. Существуют специальные инструменты для токенизации текстов на айнском языке, что могло бы быть крайне полезным подспорьем для расширения корпусов и включения ранее не оцифрованных материалов в единый корпус (будь он доступен…)
Данил Герасимов
студент магистратуры ИТМО, в эссе «Данные о языке и язык как данное. О датафикации айнского языка»

Контекст — это не «шум», который нужно отфильтровать. Контекст — это то, что делает данные понятными. Выбросив контекст, вы можете получить «чистые» данные — но они будут бессмысленными.

ВЕРНУТЬСЯ К ТЕОРИИ
Вспомните раздел «процедуры: информация, статистика, таблицы». Data vs capta: данные не «даны», они «захвачены», и структурируются повторно уже когда становятся предметом интереса.
ПРИМЕР
Проект «Многотиражка» — оцифровка 200+ газет Ярославской области за 1917−1991 годы.

За ним есть история отбора:

  • Критерий 1 (географический): только Ярославская область. Почему? Потому что проект региональный. Газеты соседних областей — за кадром.
  • Критерий 2 (временной): 1917−1991. Получается, что формальные границы существования СССР задают критерий для событий, которые могли подчиняться изначально другим правилам (например, один автор мог писать и в царские времена, и в советские, но мы знаем только его/её советские публикации).
  • Критерий 3 (тип издания): только «многотиражки» — районные газеты. Городские, ведомственные, самиздат — за кадром.
  • Критерий 4 (физическое состояние): оцифровываются только те экземпляры, которые сохранились. Если газета была уничтожена или утеряна — её нет в проекте, и мы можем узнать о ней только по другим каталогам
ЧТОБЫ РАЗОБРАТЬСЯ
Определите четыре фильтра (гео, время, тип, состояние), через которые проходят газеты. Под каждым фильтром — то, что не вошло. Под всеми ситами вместе — итоговая коллекция. Спросите: какие газеты не прошли ни через одно сито? Из-за чего? Как бы изменился проект, если бы критерии были другими?
6/11
ХРАНЕНИЕ
[ ? ]
кто хранит данные?
[ ? ]
где их хранить?
[ ? ]
сколько они хранятся и почему?
[ ? ]
в чем плюсы и минусы этих решений?
ПОЧЕМУ ЭТО ВАЖНО?

Хранение — это не пассивное «лежание на полке». Данные требуют поддержания: форматы устаревают, носители выходят из строя, программное обеспечение перестаёт поддерживаться.
Сайт лаборатории, которая занималась этой работой, умер. Сейчас фольклорный архив доступен на моём личном сайте. В тот момент, когда мой сайт отключится (а это неизбежно произойдёт), архив пропадёт.
Борис Орехов
о сайте фольклорного архива

Цифровая инфраструктура хрупка. Домены нужно продлевать, серверы — обслуживать, ПО — обновлять. Без институциональной поддержки данные исчезают — иногда быстрее, чем бумажные архивы.


Хранение требует не только технических решений, но и институциональных: кто несёт ответственность? Что произойдёт, когда текущий ответственный уйдёт?

ВЕРНУТЬСЯ К ТЕОРИИ
История БашГУ — классический пример: диалектный архив исчез, потому что не было институционального решения о хранении. Сайт фольклорного архива умер, потому что никто не продлевал домен. Это не технические проблемы — это проблемы власти, бюджета, приоритетов.
ПРИМЕР
Попробуйте зайти на сайт Сибирского архива современного искусства. Вы увидите ошибку 503.

Давайте по этапам разберёмся с тем, что произошло:
  • Этап 1 (создание): энтузиасты документировали выставки, перформансы, акции в Новосибирске, Томске, Иркутске. Данные хранились на сервере, арендованном организацией.
  • Этап 2 (поддержание): кто-то должен был продлевать хостинг, обновлять CMS, делать бэкапы. Возможно, это делал один человек.
  • Этап 3 (изменение): человек ушёл, грант закончился, организация закрылась.
  • Этап 4 (503): сервер отвечает, но не может обработать запрос. Данные физически ещё где-то есть — но доступа к ним нет.
  • Этап 5 (что дальше?): если никто не восстановит доступ, через несколько лет сервер отключат окончательно. Данные исчезнут.
ЧТОБЫ РАЗОБРАТЬСЯ
Попробуйте к каждому этапу придумать: что сделать, чтобы избежать Этапа 5?
ПОПРОБУЙТЕ
Задание «карта данных».

Отметьте на карте, где хранятся ваши данные. Кто владеет этой инфраструктурой? Что произойдёт, если он перестанет её поддерживать?
7/11
ФИЛЬТРАЦИЯ
[ ? ]
что происходит с повреждёнными/ненужными материалами?
[ ? ]
как концептуально метаданные отделяются от данных?
ПОЧЕМУ ЭТО ВАЖНО?

Фильтрация — это не «выбросить мусор». «Мусор» для одного — ценный материал для другого. А повреждённые данные могут содержать важную информацию о самом процессе сбора.
К тому моменту, когда я предложил стратегию оцифровки, выяснилось, что диалектный архив исчез. Говорят, кто-то видел у мусорных баков на территории университета мешки.
Борис Орехов
о диалектном архиве БашГУ

То, что считается «ненужным» в одном контексте, может оказаться бесценным в другом. И наоборот — то, что кажется важным сейчас, может потерять значение через десять лет.


Метаданные — это тоже данные. Их отделение от «основных» данных — это не техническая данность, а решение о том, что считать «первичным», а что — «вторичным».

ВЕРНУТЬСЯ К ТЕОРИИ
Метаданные это отдельный уровень. Они основаны на предыдущих классификациях, и именно при их формировании выявляется, где и какой фильтр — совпадает с тем, что было изначально, а где нет.
ПРИМЕР
Посмотрим на «Хроники Приангарья» (Иркутская областная библиотека им. Молчанова-Сибирского)

В этом проекте 5 фильтров:
  1. география,
  2. время,
  3. тип издания,
  4. физическое состояние,
  5. тематика.
ЧТОБЫ РАЗОБРАТЬСЯ
Представьте, какая версия истории региона получается, если отключить один из фильтров? Что попадёт в Хронику? Отключение каких фильтров будет критическим для понимания?
ПОПРОБУЙТЕ
Задание «карта данных».

Посмотрите на свою карту: есть ли данные, которые вы считаете «мусором»? Почему? Кто ещё мог бы их использовать?
8/11
АНАЛИЗ
[ ? ]
проводится один или много раз?
[ ? ]
на чём основаны выводы?
[ ? ]
прозрачна ли работа алгоритмов анализа данных, её минусы и плюсы?
[ ? ]
как при анализе учитывается контекст, из которого были вытащены материалы?
[ ? ]
каковы ограничения метода анализа?
[ ? ]
кто и как интерпретирует результат автоматизированного анализа?
ПОЧЕМУ ЭТО ВАЖНО?

Анализ — это не «извлечение истины из данных». Это интерпретация, которая зависит от метода, от контекста, от того, кто анализирует. Автоматизированный анализ (алгоритмы, ИИ) добавляет ещё один слой непрозрачности. Мы видим результат, но не знаем, как он получен. И чем сложнее алгоритм, тем больше риск, что мы интерпретируем результат неправильно.
Люди слишком уж верят в силу данных как источник какой-то правды о мире. А с ИИ мы получаем не доступ к архиву, а доступ к модели, которая обучена на архиве. Это принципиально разные вещи: когда вы используете автоматизированный анализ, вы работаете не с данными, а с их статистической аппроксимацией. Это не делает инструмент бесполезным, но требует критического понимания его природы.
Дмитрий Муравьев
ВЕРНУТЬСЯ К ТЕОРИИ
Тут полезно вспомнить раздел «инфраструктуры: от архивов к ИИ».

Алгоритмы — это «чёрные ящики», которые реализуют определённую логику и ценности. LLM не дают доступа к архиву, а дают доступ к модели, обученной на архиве — это принципиально другое.
ПРИМЕР
Посмотрите на проект iFORA. Это платформа стратегической аналитики: 850+ млн документов. Как происходит анализ?

База: 850+ млн документов — научные статьи, патенты, отчёты, новости. Но какие документы? На каких языках? Из каких источников? (см. наши вопросы выше)

Инструмент анализа: интеллектуальный анализ текста, тематическое моделирование, сетевой анализ. Но какие алгоритмы? Какие параметры? Кто их настраивал?

Выход: «стратегические карты», «тренды», «прогнозы». Но что означает «тренд»? Если алгоритм видит рост публикаций по теме X — это значит, что тема важна? Или что у неё больше финансирования? Или что ключевые слова стали модными?

Интерпретация: заказчики (госкорпорации, министерства) используют выводы iFORA для принятия решений. Но понимают ли они ограничения метода? Знают ли, какие документы не попали в выборку?
ЧТОБЫ РАЗОБРАТЬСЯ
Проследите путь решения не включать в iFORA один тип документов, например, патенты на цифровые продукты. К каким аналитическим смещениям это приведёт.

И наоборот, попробуйте убрать какой-то аналогический инструмент, например, выявление средних и медиан: что изменится в моделировании?
ПОПРОБУЙТЕ
Задание «как устроены данные в сервисах».

Если вы используете алгоритмический анализ, попробуйте объяснить, как он работает, простыми словами. Если не можете — это сигнал о непрозрачности.
9/11
ВИЗУАЛИЗАЦИЯ
[ ? ]
что показывает, а что нет?
[ ? ]
кто акцентирует?
[ ? ]
не прибавляет ли лишних смыслов?
[ ? ]
читается — одинаково разными зрителями?
ПОЧЕМУ ЭТО ВАЖНО?

Визуализация — это не «иллюстрация данных». Это интерпретация в пространственной форме. Каждый выбор — цвет, масштаб, ось, легенда — влияет на то, как данные будут поняты.

Разные зрители читают визуализацию по-разному. То, что очевидно для вас, может быть непонятно для аудитории. И наоборот — то, что вы считаете нейтральным, может быть воспринято как политическое заявление.
ВЕРНУТЬСЯ К ТЕОРИИ
Зачастую визуальный ряд задаёт основная метафора. Например, в этом курсе мы любим приводить в пример лес, и ваше воображение скорее будет работать в эту сторону. Но не забывайте про то, что визуализация может усиливать или ослаблять смещения, заложенные в данных.
ПРИМЕР
Музейная Москва описана как «130 000+ экспонатов и 1 300+ виртуальных выставок». Но как эти данные показываются?
  • Способ 1 (каталог): сетка изображений с фильтрами по музею, эпохе, технике. Это «библиотечная» логика: дать доступ к единице. Но что вы видите первым? Что попадает на главную страницу?
  • Способ 2 (виртуальная выставка): кураторский рассказ. Это «музейная» логика: создать нарратив. Но чей нарратив? Какие экспонаты включены, а какие — нет? Какая история рассказывается?
  • Способ 3 (3D/VR): виртуальные туры. Это «иммерсивная» логика: погрузить зрителя. Но виртуальный тур по Эрмитажу — это не Эрмитаж. Это его модель, в которой кто-то решил, что показать, а что скрыть.
  • Способ 4 (поиск): алгоритмическая выдача. Когда вы ищете «война», что появляется первым? Портреты героев или фотографии разрушений?
ЧТОБЫ РАЗОБРАТЬСЯ
Выберите один экспонат (например, какую-то картину или фотографию) и представьте его в разных способах визуализации, перечисленных выше. В каком способе экспонат будет центральным, а в каком — маргинальным?
ПОПРОБУЙТЕ
Покажите свою визуализацию трём разным людям. Совпадают ли их интерпретации? Что они видят, а вы — нет?
10/11
ИСПОЛЬЗОВАНИЕ
[ ? ]
участвуют ли те люди, которые делились материалами, собирали, фильтровали и изучали материалы?
[ ? ]
может ли использование данных навредить тем, чьи материалы использовались? или тем, про кого вы сделали выводы?
[ ? ]
могут ли авторы оригинальных материалов что-то дополнить / изменить?
[ ? ]
у кого и как стоит взять согласие на использование?
[ ? ]
как долго данные будут релевантны? что может измениться в изучаемом материале/объекте через неделю / год / 10 лет?
[ ? ]
что будет анонимного, а что опубликовано открыто?
ПОЧЕМУ ЭТО ВАЖНО?

Использование — это момент, когда данные встречаются с миром. И это момент, когда скрытые решения всплывают наружу.
Этика — это способ сделать срез и посмотреть, что обнаруживается внутри. […] Важно спросить: как мы сами находимся внутри архива, документа или коллекции данных? Где я нахожусь по отношению к этим данным?
Татьяна Миронова

Согласие — не разовый акт («поставил галочку — и забыл»). Это процесс, который может потребоваться возобновлять, особенно если контекст использования меняется. Данные, собранные для одной цели, могут нанести вред, если использовать их для другой.

ВЕРНУТЬСЯ К ТЕОРИИ
Перечитайте разделы «критика: история» и «данные ведь и так социальны!»

Данные могут воспроизводить правила и ценности, задавать смещения и «социальное охлаждение».
ПРИМЕР
Посмотрим на «открытый репозиторий микроданных» обследований экономического поведения россиян. Что происходит, когда эти данные «выходят в мир»?

Сбор и обезличивание (предварительно): анкетирование. Люди давали согласие на использование данных в исследовательских целях.
Использование 1 (академическое): исследователи изучают экономическое поведение. Это соответствует первоначальному согласию.
Использование 2 (коммерческое): компании могут использовать данные для таргетинга. Это выходит за рамки первоначального согласия.
Использование 3 (политическое): данные могут быть использованы для реформ: налоговых, образовательных, экономических. Люди не знают о последствиях и решениях, когда рассказывают о себе.
ЧТОБЫ РАЗОБРАТЬСЯ
Нарисуйте цепочку: Респондент → Анкета → Обезличивание → Репозиторий → Исследователь / Компания / Политика. Под каждой стрелкой — вопрос: что меняется? Что теряется? Кто получает власть? Например: при переходе к «Компании» данные превращаются в «сегмент», а человек — в «цель для рекламы».
11/11
УНИЧТОЖЕНИЕ
[ ? ]
уничтожать: да/нет/почему?
[ ? ]
кем?
[ ? ]
как?
[ ? ]
почему?
ПОЧЕМУ ЭТО ВАЖНО?

Уничтожение данных — табуированная тема. Мы привыкли думать, что данные нужно сохранять любой ценой. Но бесконечное хранение имеет свои проблемы: затраты на инфраструктуру, риски утечек, этические вопросы о том, имеем ли мы право хранить данные о людях вечно.
Не то чтобы нами руководило соображение сохранения (preservation) этих данных, но, как показывают другие примеры, оцифровка даёт возможность сохранить то, что может в какой-то момент оказаться ситуативно лишним.
Борис Орехов

Иногда оцифровку считают возможностью не сохранять оригинал. Но и цифровые копии требуют решения: сколько копий? В каких форматах? Кто отвечает за их сохранность?


Бывает, что уничтожение — это этически правильное решение. Данные, собранные без надлежащего согласия, данные, которые могут навредить людям, данные, которые потеряли актуальность — всё это может быть кандидатом на удаление.

ВЕРНУТЬСЯ К ТЕОРИИ
«Пассивное уничтожение» — самая распространённая практика. А жизненный цикл данных включает этап «уничтожение» как осознанное решение: когда, кем, как.
ПРИМЕР
Проект «Флора России» — краудсорсинговой платформе, где волонтёры фотографируют растения и определяют их виды. Но этот проект задаёт вопрос об уничтожении с неожиданной стороны.

  • Что собирается: фотографии растений, геолокация, время съёмки, имя наблюдателя. Данные о людях (волонтёрах) + данные о природе.
  • Что хранится: фотографии и наблюдения хранятся на платформе iNaturalist (международная). Копии — в российских базах.
  • Что может быть «лишним»: геолокация редких видов. Если данные открыты, браконьеры могут использовать их для поиска редких растений. Это создаёт этический конфликт: открытость данных vs защита природы.
  • Решение об уничтожении/скрытии: iNaturalist позволяет скрывать точные координаты редких видов (показывается приблизительная локация). Это не «уничтожение» данных, но их «обезвреживание».
  • Но что с метаданными? Даже если координаты скрыты, временные ряды наблюдений могут позволить восстановить локацию. Полное уничтожение геоданных — это потеря для науки. Неполное — риск для природы.
ЧТОБЫ РАЗОБРАТЬСЯ
Изобразите весы, где на одной чаше — «открытость данных» (научная ценность, образовательная польза, прозрачность). На другой — «защита» (редкие виды, приватность наблюдателей, безопасность). Ответьте на вопросы: где проходит граница? Какие данные можно открыть полностью? Какие — частично? Какие — нужно удалить?

Вернитесь к началу: кому «нужно» и «можно», чьи интересы учтены, а чьи нет?
ПОПРОБУЙТЕ
Задание «режимы регулирования данных».

Изучите, как разные законы регулируют сроки хранения данных. Есть ли у вас данные, которые следовало бы удалить, но вы их храните «на всякий случай»?
>>>> К ЗАДАНИЯМ >>>>