Från reduktion till kunskap

Att skriva tillsammans kan vara otroligt givande. Som ett bra seminarium eller en bra kritik, fast ännu bättre. Jag arbetar nu med mitt första större samskrivprojekt på Historia i en digital värld tillsammans med Kenneth Nyberg. Det har hittills funkat nästan skrämmande bra, och jag tror och hoppas att vi kommer att kunna utvidga samarbetet för vissa delar av texten och ta med experter på olika områden. Det blir spännande.

Många intressanta tankar och frågor har vuxit fram under processens gång, åtminstone hos mig. Jag tänker att det är material vi delvis kommer att jobba vidare med i kapitlet om metodfrågor inom digital historia. Förutom mer eller principiella ordval diskuterar vi också stilfrågor; tilltal och nyanser är relevanta frågor då man försöker skriva begripligt och på ett sätt som inbjuder till diskussion och vidare läsning.

En av de senaste frågorna som dök upp i anslutning till min inledning om digitalisering och digitala källmaterial var frågan om den oundvikliga reduktion som alltid äger rum vid digitalisering. Jag var egentligen inspirerad av Jer Thorp, som jag kanske hänvisat till tidigare, som i samband med visualisering talar om de två aspekterna "reduction/revelation". För det första kom jag att tänka på det faktum att reduktionen sannolikt ser olika ut för digitaliserade och digitalbaserade material. Reduktionen i information som föds i digital form har sannolikt en annan form och betydelse än då man digitaliserar material. Detta är något jag måste fundera lite mera på.

Thorp anser att man gärna borde sträva till att genom datavisualisering också uppnå insikt (revelation). Jag tycker det är en poäng som borde gälla all digitalisering i slutändan. Eftersom all digitalisering innebär reduktion, borde vi inte nöja oss med att skapa nya verktyg och ny tillgänglighet till material genom att omvandla dem till digital form. Vi bör också sträva till att tillföra ny kunskap. Detta har bland annat Lev Manovich åtminstone indirekt påpekat (pappersbok). Som exempel utgår han från en analys av mangaserier. I de digitala bilderna han arbetat med finns över 250 nyanser av grått. De olika nyanserna har inte ett namn, men man kan grafiskt framställa hur bilderna och exempelvis kontrasterna i dem förändras under berättelsens gång, eller hur ”flick-” och ”pojkserien” skiljer sig från varandra.

Varför är detta viktigt och intressant? Varför kan man inte bara göra närläsning och analysera, göra kvalitativ analys? Manovich svar är beklämmande enkelt, men lika väl tvingar det till eftertanke: För att man kan. I dag har vi inte möjlighet att bedriva forskning riktigt på samma sätt som förr. Vi har för mycket information. Poängen är ändå att Manovich, liksom många andra, inte alls vill förringa betydelsen av traditionell närläsning och andra etablerade metoder. Men eftersom vi i dag kan teckna också en ”fond” av större helheter, vinner forskningen på att göra det också. De kvantitativa metoderna kan, och enligt Manovich också bör,  användas också inom humanistisk forskning, som komplement. Det leder ändå till intressanta metodiska frågor.

Men den insikten man får genom till exempel visualisering är inte färdig kunskap. Den behöver processas för att bli det, inte minst om vi talar om vetenskapligt baserad kunskap. Dan Dixon skriver, i samma bok jag hänvisade till ovan, om den kreativa abduktionen som ett sätt att uppnå ny kunskap. Visualisering och andra digitala metoder kan användas för att hitta mönster i material, som ett hjälpmedel i detta kreativa skede av den kunskapsskapande processen. Vi kan alltså också inom humaniora kanske gå en väg via reduktion och abduktion till ny kunskap. Men enligt Dixon sitter abduktionen i skarven mellan induktion och deduktion i den vetenskapliga processen (om jag minns rätt, har inte tillgång till texten nu).

I själva verket är ju denna väg inte alls ny, eftersom reduktion är den del av varenda ett teoribygge, och inte heller humanistisk forskning kan göras utan teoretisk grund. Via digitalisering kan vi ändå få tillgång till nya möjligheter för abduktion genom mönsterigenkänning (alla teorier handlar om mönster), vid sidan av de induktiva och deduktiva resonemang som erbjuds i det komplicerade samspel kvantitativa digitala metoder avancerad kalkyl och den växande mängden digital information. Det är den Manovich talar om. Under min semestervecka tänker jag ta mig an hans pinfärska bok, som jag hoppas kan hjälpa mig vidare.

Tills dess rekommenderar jag verkligen varmt Kenneths intressanta text om utvecklingen inom forskningsvärlden.

Uppdatering: Manovich senaste projekt utgår från Instagram. Kanske värt att kolla, som exempel?