[&] FITC 2016 - Nicholas Felton

FITC 2016 Day1
---------------------
Personal Processes
with Nicholas Felton
---------------------

もしかしたら、@feltron で知っているかもしれません。
今日個人的な体験について話せるのが嬉しいです。
NY のブルックリンに住んでいます。

時間とももに、蓄積されてできたシンボルに興味があります。
何百年という間、人が踏んで、このような形状になっていると思います。
葡萄がどう育ってきたのか、伝えるのが難しい作業です。

そこにやはりデータが関係してくることで、話しが変わってきます。
表現できないストーリーに数字を会わせることで、
表現できなかったことも伝えることができます。
このラベルを見てもらうと、葡萄がたどったストーリーが見えてきます。
pH値、天候、どうやって育ってきたのか？
ちゃんとした数値で見せるために作ってきたのは、
レポーターのようなもおのを使って数値で見せていくのです。

一緒に生活できるようにデータを変えていくのが仕事です。
こういったことを実際の形にしていくためにはいろいろは仕事が必要です。
統計学者としてのツール、ジャーナリストとしてのツール、

ジャーナリストとしては、データを探求していっています。
探求していくために、数字を使っていきます。
デザイナーとして勉強してきました。そこでのブラフィックスキルも使います。
コーディングして視覚化につなげていきます。

というわけで、最初の話しは「データと私」です。
どんな体験から視覚化にいたったのか？
ここまでデータに惹き付けられたのはとある体験からです。
一年間何をしてきたかという年次報告書からです。
自分の年次報告書を作ってきました。
すべて印刷してもらっています。

自分の生活の中のトラッキングするために、いろいろ考えました。
全てをビジュアルで表現したかったからです。

2005年となります。その年を総括したくて、
友人に示してみようと思いました。

そこで使ったもの、撮った写真、旅行先、
音楽、読んだ本、何をしてきたのかを視覚化しました。
それは、どれも、記録をもとに、手作業に追いかけるところから
始まりました。
行った場所で、撮った写真を国別に表現しました。
円グラフは、何をとったのかを分析した結果です。
1% がネコの写真でした。
最初はこのプロジェクトに興味を持ってくれるのが
友人だけかと思っていましたが、大変沢山の人に興味を持ってもらいました。

このアイデアをこのままやってみようと考え、
データで示すだけでなく、印刷媒体にもしようと考えました。
2006年は詳細に探求したもので、何を食べたのか、何を飲んだのか？
好んで食べた動物もわかります。

実際には、2006年の年次報告書はコピーを欲しいとリクエストをもらい、
それ自身にビックリして、年次報告書の中で、どこから
どれぐらいのリクエストが来たのかも報告に載せました。

米国36州、27カ国にも送っています。
本当にここまでウケたのがビックリしました。

というわけで人の興味を引くのであれば、2007年もさらに
細かくデータをとることになりました。
カフェインの量、７回死ねるだけのカフェインを摂取していました。

こちらが NY でどんな通りを歩いているのか、視覚化したものです。

2008年となります。
2008年のレポートは少しアプローチを変えてみました。
1年間何マイル移動したのか？ということです。
だからこそ、ここで出てくる数字は個人的な数字になります。
私の場合、38524マイルでした。

日々仕事で移動した日、何か休日でかけた日、すべて含まれています。
実際には、マイルの中には、ビデオゲームで移動した距離も入っています。
グランセフト４で移動した距離も入っています。
非常に大きな数字なので、人間のサイズに落とし込んで表現することを
常に主張しています。

平均のスピードは 4.39マイルだということも分かっています。

2009 このプロセスは大変面倒で、どうやればシンプルにできるのか、
常に悩んでいます。
というわけで、2009年のレポートを作る上で、効率がよく、
効果的な手法を生み出し、自分でやる作業量が減りました。
どういうやり方かというと、
私が出会った人には、こういうカードを渡すのです。
カードの裏を見ると、Webアドレスに招待するカードになっていて、
私と会った時に、どんな様子だったのかを入力してもらうサイトになっています。

私がどういうムードだったのか？ということです。
自分が自分でどういうムードなのか？
OK, GOOD程度はわかりますが、それ意外の雰囲気は
描写するのが非常に難しいと思います。
このアプローチを採用することで、多用な言葉が出てくるだろうと
思いました。

ただ、こういったリストが最終的に出来上がってくるのですが、
このリストだけを見ていても、ビジュアル化するのは非常に難しい。
というわけで、その解決策としては、
Amazon メカニカルタークを使い、言葉に点数をつけてもらいました。
ハッピーなのか、内向的なのか？などです。
言葉自体に点数をつけることができました。

サーベイの結果をグラフで表現することができました。
どんな雰囲気なのかがわかりました。
「そこそこ気の効いたことを言っている」ことがわかりました。

父が無くなり、いろんなものが残されました。
心拍数のカード、パスポート、スケジュール帳、
いろんなものがでてきて、かなり詳しい情報源でした。
分析をかけることで、文章だったものが、グラフで表せることになりました。
自分の父の10年分がグラフで、表しており、
退職後にたくさん旅行に行けたことがわかります。

カリフォルニアで住んでいた場所が示せ、
パスポートから、何時どこに言ったのかが分かります。
写真の中には非常に沢山の場所があります。
見ただけでわかるものも、わからないものもありますが、
Google の力で非常に沢山の場所がわかりました。
人生の中で、どの場所に行ったのかという世界地図を作ることができました。

2011年になりますと、個人的なデータ２年分をトラッキングしました。
このレポートが興味深いのは、2年分あるので、比較をすることができました。
そして、この中で、誰と時間を過ごしているのかで、
振る舞いが変わるのかどうかがわかります。
非常にやっかいな作業になります。
カレンダーから何をしていたのか読みとらないといけないからです。

情報の海に溺れてしまっているのかがわかります。
ここまで沢山の情報をみていかないといけませんでした。
2009年は、人に入力してもらう方法を集めましたが、
もっといい方法が必要でした。
よりいい解がみつかったのが 2012年のことです。
細かくみて、作業量が必要無い方法です。

腕時計を身につけているもので、アラートを送られた時、
入力していくツールを求めていました。
レポーターというアプリケーションが生まれました。
ランダムな時間に通知がはいってきて、
スマートフォンアプリの質問に答えていきます。

このアプローチによって、私自身が、自分で文書化
できるようになり、一回に1分くらいで、一日に10-12回ぐらい、
お知らせがやってきます。

黒い点が反応したタイミングで、白い線が睡眠時間です。
こちらが SNS の状況です。一日に何回か回答することで、
ここまで詳細な情報が得られます。

2013年になりますと、これは10年続くなと考えました。
9年目に非常に野心的なことをやってみようと思い、
コミュニケーションの全てを記録しようと考えました。
これらの情報を収集するとき、デジタルなコミュニケーションは
気にする必要がありません。
電話や会話をトラッキングするには、なんらかの方法が必要です。

Fulcrum というアプリケーションを使いました。
誰かと何かするたびに答えなければいけない質問です。
短時間で記録しますが、何をしたかを思い出せるようになっており、
一万件入力するようになり、本になるくらいです。
400ページの本です。

非常に長いエントリーの時も、短いエントリーもあり、
挨拶程度だと、短いです。
非常に遠いところから、だんだん近づくという表現にしました。
どれだけの数のコミュニケーションがいったい何時おこったのか？
それぞれがどういった媒体を介して会話になったのか？
その中でどんな言葉が使われたかについても、記録しました。

自分が発した言葉の一覧です。
ひとつ一つの点は、辞書からの１語を示しています。
これがもっとも親密なものです。

たとえば、儀礼的な挨拶、
ありがとう、ありがとうございます、ごめんなさい
の３つです。
これらの年次報告書においてモットーは、
自分以上に自分のことを知りたい人は居ないということです。
これが私の作業の根幹にあります。
これは、私自身がさまざまな取り組みの中で、
テータベースの中であなたの名前が言及されたのであれば
喜んでデータを公開します。

これが最後のものです。
どう情報の扱いが変わってきたのかを示そうとしたのがこのレポートです。
2005年初めて作った時は、デジカメと last.fm のデータだけでした。
2014年は利用サービスや、個人情報を記録するものも、爆発的に増えています。

ここでのアイデアは、個人的な情報をトラッキングできるものを
出来うる限り使っていこうというものです。
いったいここで作られるレポートがどれだけ完全性が近いのか？
昔のものと比較するとどうなるのか？
赤の２つには、フラストレーションがたまって使わないと決めたものです。

スマホに入れたもの MOVES, 他、
PC では LAST.FM, RESCUETIME, NETFLIX
アクセスした Webサイトを記録する
BASIS WATCH で動きと睡眠をトラッキングできます。
LAPKA BAM 気に入っている端末です。
血中アルコール濃度をトラッキングしてくれます。
クルマには AUTOMATICという端末を入れています。
WITHING スマート体重計で、体重と脂肪率を調べます。

それをまとめました。企業の年次報告書同じようなものです。
データもどんなコンテキストのデータなのか？を伝えるもの。
もちろん、その中で場所というのはあらゆる要素で使えるデータ。
体重、脂肪を表すチャート。
3月に心拍数があがっているのはスキー旅行にいったのです。
体重が抜けているのは、自宅に居なかった時期です。
最後に、数学的な相関関係をとる、
ジョギングと体重の相関関係を調べました。
体重と心拍数の関係性もみてみました。

最後に表紙を作るとき、これまでとは変えてみたいと思いました。
地図や円グラフから離れようと思いました。
パーソナルデータを扱うのは、鏡を見ているのと同じであり、
そこから自分が見えてこないと、良い表現では無いということです。

時間軸は良くみえても私自身を見ることはできないと思っています。
移動した位置の地図を見ると、私の生活が見えてきます。
軸として一方向しか見ていないという難点がありました。

これまでの時間と、収集してきた、全ての指標が表せる
と思いました。もっとも大きなストーリーと細かなストーリ
全部を包括できると思いました。
場所、音楽、など。

こういったプロジェクトがどうプロダクトにどう繋がってきたのかを話します。
2008年にデザインした DAYTUMアプリ
数字を入れることで、気にしている要素をグラフ化することができます。
アイテムの情報を入れると、グラフで表すことができます。

Facebook でタイムラインの手伝いをしました。
父のレポートを作った時の体験がかなり影響しています。
facebook の中では、写真や文章を統合していかないといけない
というミッションがありました。

これがアクティビティログ、いろんな要素があって、
それが統合されており、
人生で大きなイベントも統合されています。
インタフェースのバランスをとることで、小さなイベントも
ちゃんと示せるようにしました。

このコンポーザーを使うことで、コーヒーを飲んでいるとか、
細かなことも記録できるようになりました。

最後の製品が Reporter-app という製品です。
ひとつだけ言えることは、
人が使うためには、まだまだ改善の余地があります。
情報をとることについては、非常に優秀です。
編集するとか、結果を見ることができず、
短時間で収集することを念頭においた設計になっています。
例えば、一緒に時間を過ごした人をタグ付けしたいとか。
いろいろと入力する必要はありません。

プライベートポリシーがあって、
アプリケーションの情報は、個人のものとなります。
ただ、冗長性があって、公開しても良いということであれば、
それも出来るようになっています。

sambev.com で、いろいろ見ることができます。

もう一つ、データと私たちということ。
通勤通学に関連したプロジェクト。
バイクサイクルというプロジェクトです。
自転車共有のプロジェクトが開始されています。

322のステーションがあって、通れる道は10万以上。
800万回を超える利用がありました。
実は、MoMA とフレンドという共同作業で、アプローチがありました。

壁掛けのフレームを作って欲しいという依頼でした。
インタラクティブな作品で使われることが多かったのですが、
ビジュアル的要素を加えて欲しいと言われ、
時計を作ろうと決めました。

一緒に生活しているので、一度に情報を得なければいけないということは無く、
一年前にどんな天気だったのか、おおよそ検討を着けることができる。
いろんなシーンで使われている詳細なバージョンがあり。

プロジェクトの規模感をお伝えしてきました。
非常にすごい時代に入ってきたなと思いました。
いろんな意味で、ビデオゲームの世界と融合してきています。

エスターダイソンの言葉、
これから先、計測できるものは全て計測されるだろう。
すでに目の当たりにしています。
犬に取り付けるセンサー。
スマートカップで飲んでいるものをトラッキングしています。

データこそが新しい森である。
これはクリエイティブな素材。
私たちにとって良い時代。

プロジェクトはいろんなスケール感でできるということを
理解して欲しい。
プライベートを公開する意味にも、いろんなレベルがあるということ。
やはりデータというのは、画像と同じように考えるべき、
テキスト、イメージ、データも扱えるようにするべき。