Google Images, cambio climático y la desaparición de los humanos

Barra lateral del artículo

PDF (English) (English) PDF (Español)
Publicado: sep 2, 2021
DOI: https://doi.org/10.7764/disena.19.Article.3
Palabras clave:
Cambio climático, Metodologías visuales, Métodos digitales, Línea de tiempo de la imagen, Visión artificial Climate change, Visual methodologies, Digital methods, Image timeline, Computer vision

Contenido principal del artículo

Warren Pearce
University of Sheffield, Departamento de Estudios Sociológicos
Carlo De Gaetano
Universidad de Ciencias Aplicadas de Ámsterdam, Colectivo de Metodologías Visuales

Resumen

A través de esta contribución, presentamos un enfoque visual para estudiar cómo se desarrolla la representación en línea del cambio climático. Durante doce años reco­pilamos listas de imágenes clasificadas en el buscador Google Images y las analizamos con una doble visualización: una línea de tiempo de las cinco imágenes principales por año y un gráfico de áreas que muestra las 10 etiquetas principales detectadas auto­máticamente por el algoritmo de visión arti­ficial en un conjunto de datos más amplio, el de los 100 mejores resultados por año. Pode­mos sacar dos conclusiones principales de estos resultados. Primero, que la separación artificial entre el cambio climático y los humanos, ya identificada en estudios pre­vios de imágenes del cambio climático, se está perpetuando y reforzando en una de las ubicaciones digitales más importantes para la cultura visual: Google Images. En segundo lugar, que existe una notable homogeneidad dentro del corpus de imágenes, así como una estabilidad en el tiempo.


Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Pearce, W., & De Gaetano, C. (2021). Google Images, cambio climático y la desaparición de los humanos. Diseña, (19), Article.3. https://doi.org/10.7764/disena.19.Article.3
Número
Núm. 19 (2021): Métodos visuales para imágenes en línea: recolección, circulación y co-creación con máquinas
Sección
Artículos originales “más-que-textuales”

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional.

NOTA DE COPYRIGHT

Todos los contenidos de esta edición electrónica se distribuyen bajo licencia Creative Commons de “Atribución-Copartirigual 4.0 Internacional” (CC-BY-SA). Cualquier reproducción total o parcial del material deberá citar su procedencia.

Los derechos de las imágenes publicadas pertenecen a sus autores, quienes otorgan a Diseña la licencia para su uso. La gestión de los permisos y la autorización de publicación de las imágenes (o de cualquier material) que contenga derechos de autor y sus consecuentes derechos de reproducción en esta publicación es de exclusiva responsabilidad de los autores de los artículos.

Biografía del autor/a

Warren Pearce, University of Sheffield, Departamento de Estudios Sociológicos

Licenciado en Geografía y Política, University of Sheffield. Máster en Políticas Públicas y Máster en Métodos de Investigación, University of Nottingham. Ph.D. en Políticas Públicas, University of Nottingham. Es profesor titular del Departa­mento de Estudios Sociológicos de la Universidad de Sheffield. Sus investigaciones se centran en tres áreas: cómo se utiliza la ciencia en los debates públicos sobre política y política organizacional, con énfasis en el uso de la evidencia científica, el asesoramiento y la evaluación del trabajo político; cómo las plataformas digitales están cambiando a los expertos y la experiencia; y el papel de las imágenes en la comunicación científica en línea. Algunas de sus publicaciones más recientes son “Visual Cross-platform Analysis: Digital Methods to Research Social Media Images” (con S. M. Özkula, A. K. Greene, L. Teeling, J. S. Bansard, J. J. Omena y E. T. Rabello; Information, Communication & Society, vol. 23, n° 2) y “Learning the Lessons of Climate­gate: A Cosmopolitan Moment in the Public Life of Climate Science” (con S. Raman; Wiley Interdis­ciplinary Reviews: Climate Change, vol. 11, n° 6).

Carlo De Gaetano, Universidad de Ciencias Aplicadas de Ámsterdam, Colectivo de Metodologías Visuales

Máster en Diseño de la Comunicación, Politecnico di Milano. Diseñador de información e investigador digital en el Colectivo de Metodologías Visuales (Visual Methodologies Collective) de la Universidad de Ciencias Aplicadas de Ámsterdam. Es miembro fundador del Colectivo de Metodologías Visuales, trabajando en la visua­lización de datos para la investigación social con énfasis en la cartografía de los problemas sociales a través de imágenes y prácticas participativas. También colabora desde hace tiempo con la Digital Methods Initiative de la Universidad de Ámsterdam. Imparte clases de issue mapping en el Máster de Creación de Empresas de Moda en el Instituto de la Moda de Ámsterdam. Algunas de sus últimas publicaciones son “Dutch Political Instagram” (con G. Colombo; en The Politics of Social Media Manipulation, Amsterdam University Press, 2020) y “Confronting Bias in the Online Representation of Pregnancy” (con L. Bogers, S. Niederer y F. Bardelli; Convergence, vol. 26, n° 5-6).

Citas

Brin, S., & Page, L. (1998). The Anatom of a Large-scale Hypertextual Web Search Engine. Computer Networks and ISDN Systems, 30(1), 107–117. https://doi.org/10.1016/S0169-7552(98)00110-X

Corner, A., Webster, R., & Teriete, C. (2015). Climate Visuals: Seven Principles for Visual Climate Change Communication (Based on International Social Research). Climate Outreach. https://climateoutreach.org/reports/climate-visuals-seven-principles-for-visual-climate-change-communication/

Doyle, J. (2016). Celebrity Vegans and the Lifestyling of Ethical Consumption. Environmental Communication, 10(6), 777–790. https://doi.org/10.1080/17524032.2016.1205643

Fei-Fei, L., Fergus, R., & Perona, P. (2004). Learning Generative Visual Models from Few Training Examples: An Incremental Bayesian Approach Tested on 101 Object Categories. 2004 Conference on Computer Vision and Pattern Recognition Workshop, 178–178. IEEE. https://doi.org/10.1109/CVPR.2004.383

Huang, D., Shan, C., Ardabilian, M., Wang, Y., & Chen, L. (2011). Local Binary Patterns and Its Application to Facial Image Analysis: A Survey. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 41(6), 765–781. https://doi.org/10.1109/TSMCC.2011.2118750

Mauri, M., Elli, T., Caviglia, G., Uboldi, G., & Azzi, M. (2017). RAWGraphs: A Visualisation Platform to Create Open Outputs. Proceedings of the 12th Biannual Conference on Italian SIGCHI Chapter, 28:1-28:5. https://doi.org/10.1145/3125571.3125585

Page, L., & Brin, S. (2004). Letter from the Founders “An Owner’s Manual” for Google’s Shareholders. USA: Securities and Exchange Commission. https://www.sec.gov/Archives/edgar/data/1288776/000119312504073639/ds1.htm#toc16167_1