Suchergebnisse

Synthetic data are computer-generated data that mimic and substitute empirical observations without directly corresponding to real-world phenomena. Widely used in privacy protection, machine learning, and simulation, synthetic data is an emerging field only just beginning to be explored in the social sciences and critical data studies. However, recent developments, such as the use of synthetic data in the US Census and American Community Survey, make a reflection on the nature and implications of synthetic data urgent. While earlier work focused mostly on training data for machine-learning models, this paper presents a broad typology of synthetic data and discusses its frictions. The main argument presented is that the traditional representational model of data as symbolic references to corresponding physical or conceptual objects is insufficient for understanding and critically engaging with issues and implications of synthetic data. The paper discusses an alternative relational model, which defines data not through an object of reference but based on "who uses them, how and for which purposes". The relational model is more productive for capturing the fact that synthetic data are defined through their purpose; their performance in a particular situation (such as training a machine learning model); and a context-dependent operationalization of evidence. The post-representational anything-goes epistemology of synthetic data can be productively challenged through a forensic approach that foregrounds the outliers, artifacts, and gaps in datasets as meaningful information.

Die Autoren vom Senseable City Lab am MIT zeigen, wie Big Data die Realität und damit die Beschäftigung mit der Stadt verändern, sie interpretieren digitale Daten als Material, das sie zu Formulierung einen neuen urbanen Zukunft heranziehen. Vier Fallstudien erweitern die spezifischen Schwerpunkte. Nicht übersehen werden die Schattenseiten dieser Datenerfassung und -steuerung.

Das Senseable City Lab am MIT unter Carlo Ratti beschäftigt sich mit den Strömen von Menschen und Waren, die sich um den Globus bewegen. Erfahrungen mit infrastrukturellen Großprojekten legen nahe, dass komplexe und flexible Antworten auf Fragen des Transports oder der Entsorgung gesucht werden müssen. Die Autoren zeigen wie Big Data die Realität und damit die Beschäftigung mit der Stadt verändern, und diskutieren die Auswirkungen von Echtzeitdaten auf Architektur und Stadtplanung anhand von Beispielen: sie demonstrieren, wie das City Lab digitale Daten als Material interpretiert, das für die Formulierung einer urbanen Zukunft herangezogen werden kann. Nicht übersehen werden dabei die Schattenseiten der Datenerfassung und -steuerung. Fragen mit welchen sich die planenden Disziplinen in der Stadt in Zukunft intensiv beschäftigen müssen und bisherige Aufgaben und Selbstverständnis in Frage stellen.

"The mental image of the city has become complex. Since mobile phones have become geo-social devices, location-based data is increasingly shaping the way we experience public space. Until recently, the physical and the virtual spaces have been separate domains, now they are tightly packed together into what Malcolm McCullough calls the "Ambient Commons"--The collectively shared domain of environmental information. Media art practices have played an important role in shaping this development. This book investigates the potential of experimental and artistic forms of inquiry for helping us making sense of the city. The sections explore the sensory, structural and cultural aspects of new urban systems literacy - a re-examination of what constitutes public space in the real-time city."--Publisher's website