[论文解读] Figuring Out Art History

Maximilian Schich|arXiv (Cornell University)|Oct 22, 2015

Aesthetic Perception and Analysis参考文献 55被引用 4

一句话总结

本文通过整合数字方法、网络科学与可视化技术，提出了一套系统化、数据驱动的艺术与文化科学方法，以揭示文化历史中大规模、非随机的模式。它展示了如何利用网络框架与计算工具对文化艺术品进行量化分析，揭示出与自然系统相似的结构动力学，关键成果包括对文化演化的百万次观看可视化展示，以及一种促进跨学科合作的框架。

ABSTRACT

World population and the number of cultural artifacts are growing exponentially or faster, while cultural interaction approaches the fidelity of a global nervous system. Every day hundreds of millions of images are loaded into social networks by users all over the world. As this myriad of new artifacts veils the view into the past, like city lights covering the night sky, it is easy to forget that there is more than one Starry Night, the painting by Van Gogh. Like in ecology, where saving rare species may help us in treating disease, art and architectural history can reveal insights into the past, which may hold keys to our own future. With humanism under threat, facing the challenge of understanding the structure and dynamics of art and culture, both qualitatively and quantitatively, is more crucial now than it ever was. The purpose of this article is to provide perspective in the aim of figuring out the process of art history - not art history as a discipline, but the actual history of all made things, in the spirit of George Kubler and Marcel Duchamp. In other words, this article deals with the grand challenge of developing a systematic science of art and culture, no matter what, and no matter how.

研究动机与目标

• 建立一种系统化、量化的艺术与文化科学，超越定性研究。
• 应对在文化艺术品与数字数据指数级增长背景下，理解文化复杂性的挑战。
• 通过共享的可视化与计算工具，将艺术史、计算机科学与复杂系统研究相结合，实现跨学科融合。
• 开发一种受物理与系统生物学实验室启发的新学术协作模式，强调数据、可视化与国际合著。
• 将可视化不仅视为工具，更视为一种学术通用语，促进术语与方法迥异的学术群体之间的交流。

提出的方法

• 采用网络科学与图数据结构，对时间与空间维度上的文化艺术品及其关系进行建模。
• 利用大规模数字资源库（如来自AKL的110万份XML文件、漫画数据）提取并分析文化谱系。
• 应用计算可视化技术，追踪文化网络中个体的‘出生’到‘死亡’过程，使用蓝到红的渐变色表示时间演化。
• 将定性艺术史洞察与定量建模相结合，包括幂律分布与重尾分布分析，以检测非随机模式。
• 利用高性能计算与数据挖掘技术处理大规模图像与文本档案，例如谷歌文化学院与普罗米修斯图像档案馆的数据。
• 将学术图表与可视化设计为发现与传播的核心工具，其标准参照科学与艺术出版规范。

实验结果

研究问题

• RQ1 如何通过数据系统识别并建模文化历史中的大规模非随机模式？
• RQ2 可视化在术语与方法迥异的学科之间，如何作为共享语言发挥作用？
• RQ3 数字方法与网络科学在多大程度上能揭示文化演化的潜在动力学，使其与自然系统相媲美？
• RQ4 计算工具与数据基础设施在何种方式下可将传统艺术史研究转化为可扩展、协作的科学？
• RQ5 在历史进程中，文化主体（如艺术家、建筑师）的职业生涯与影响力存在何种结构与时间模式？

主要发现

• 一项动态文化历史网络可视化——追踪个体从‘出生’到‘死亡’——获得了超过一百万次观看，被主流科学媒体报道并获多项奖项。
• 本研究证明，文化演化表现出非随机、无标度的模式，艺术影响力与网络连通性中普遍存在幂律分布。
• 当大规模文化数据被结构化为多层网络时，其揭示出与生物与物理系统相似的复杂、分层动力学。
• 计算方法与艺术史专业知识的结合，使人们能够发现仅通过定性分析无法察觉的宏观模式。
• 当以科学与艺术严谨性设计时，学术可视化可作为文化科学中发现与传播的主要媒介。
• 该方法可催生新型学术产出形式，包括作为艺术品展出的可视化成果，模糊了研究与艺术表达之间的界限。