데이터 기반 예술 제작

데이터 기반 예술이란? 데이터 기반 예술에 대한 정의를 찾기 시작했을 때, 처음에는 그 답이 비교적 간단할 것이라고 생각했습니다. 초기 정의는 데이터 시각화와 생성적 예술 사이에 위치한다는 것이었습니다. 데이터 시각화는 데이터를 정확히 표현해 인사이트를 전달하려는 반면, 생성적 예술은 알고리즘을 사용해 무작위성이나 미리 정의된 규칙을 포함하는 독특한 비주얼을 만들어 냅니다. 생성적 예술과 마찬가지로 데이터 기반 예술의 주요 목표는 명확성이나 분석이 아니라 예술적 충격입니다. 다시 생각해 보니, 이 정의는 컴퓨터를 사용하지 않고 만들어진 일부 데이터 예술 작품을 제외하고 있습니다. 그래서 이 정의가 여전히 어느 정도 맞다고 생각하지만, 데이터 예술의 일부 집합에만 적용됩니다. 조금 더 고민해 본 결과, 제게 나온 정의는 다음과 같습니다: 데이터 예술(또는 데이터 기반 예술)은 데이터를 시각적으로 매력적인 구성을 통해 감정의 불러일으키기나 숨겨진 패턴을 보여 주는 장르입니다. 이 정의는 손으로 그린 그림이나 코바늘 뜨개질 담요와 같은 작품, 음악적 표현과 같은 비시각적 작품, 그리고 원래 정의에서 가장 눈에 띄는 추상적 디지털 시각화까지 모두 포함될 수 있을 만큼 넓습니다. 데이터 예술이 더 넓은 예술 작품 맵에 어디에 해당되는지 아래 다이어그램에서 시도해 보았습니다. 데이터 예술은 전통적 데이터 시각화보다 훨씬 더 추상적이지만 생성적 예술보다는 덜 추상적이라고 생각합니다. 또한 생성적 예술보다 컴퓨터로 생성될 가능성이 낮지만, 초상화와 같은 작품보다 컴퓨터로 생성될 가능성이 높습니다. ChatGPT에게 데이터 기반 예술의 정의를 요청하면 다음과 같은 답을 얻었습니다: Data-driven art is creative work that transforms raw data into visual or interactive forms using algorithms, patterns, or real‑time inputs. 제 개인적인 생각은 그 문장의 앞부분만이 필요하고 올바르다고 보입니다. 데이터 기반 예술이 중요한 이유는? 데이터 시각화를 생각할 때 우리는 종종 가능한 한 명확하고 정직하게 메시지를 전달하는 방법을 고민합니다 – 적절한 축, 유익한 제목, 차트 유형 등을 생각하죠. 하지만 데이터 예술을 만들 때는 이러한 요소를 반드시 고려할 필요가 없습니다. 그 이유는 목적이 다르기 때문입니다. 데이터 예술의 목표는 통계나 데이터를 분석하기 전에 전달하는 것이 아니라 감정을 불러일으키는 것입니다. 예술은 특히 민감하거나 감정적인 주제와 관련된 데이터를 보다 기억에 남고 영향력 있게 만들어 줄 수 있습니다. 사람들이 데이터와 감정적으로 연결될 때, 그들은 그 데이터에 더 몰입하고, 그 의미를 이해하며, 그 함의를 성찰할 가능성이 높아집니다. 이 감정적 연결은 인식 제고, 행동 촉구, 관점 도전과 같은 효과를 가져올 수 있으며, 단순한 숫자나 전통적인 데이터 시각화가 할 수 없는 일을 합니다. 또한 데이터 예술은 확인 편향을 방지하는 데 도움을 줄 수 있습니다. 전통적 데이터 시각화를 볼 때 우리는 특정 패턴을 찾고 기대하는 것을 보게 되기도 합니다 – 예를 들어 관심 있는 한 범주에 집중하고 다른 범주의 패턴에는 덜 주의를 기울입니다. 하지만 데이터 예술은 대부분 추상화되고 텍스트 라벨이 없어 데이터가 어떻게 표현되는지 사전 선입견 없이 패턴을 볼 수 있게 합니다. 직접 데이터 기반 예술을 만들기 데이터 예술을 만들려면 예술가이거나 데이터 시각화 전문가라고 할 필요가 없습니다. 데이터 처리나 시각화 소프트웨어를 다룰 필요도 없습니다. 먼저 무엇을 말하고 싶은가요? 데이터 시각화와 마찬가지로 작업의 목적을 먼저 생각합니다. 무엇을 보여주고 싶으신가요? 사람들은 무엇을 보고 느끼길 원하시나요? 예를 들어, Our World in Data의 수명 데이터에서 예술을 만들고 싶다면, 어떻게 이야기를 전달할 수 있을까요? 가장 부유한 국가와 가장 가난한 국가 간 수명 격차? 특정 국가의 수명이 시간에 따라 어떻게 변했는가? 수명에 기반한 국가 순위에서 나타나는 패턴은 무엇인가? 마지막 옵션을 시도해 보겠습니다. 스케치하기 펜과 종이든 디지털 도구든 상관없이 스케치는 데이터 예술과 데이터 시각화 아이디어를 탐색하는 좋은 방법입니다. 아이디어를 빠르게 개요화할 수 있고, 스케치라면 실패해도 쉽게 버릴 수 있습니다. 스케치는 다른 차트 유형, 본 예술 작품, 무작위 객체에서 보이는 패턴에서 영감을 받을 수 있습니다. 위 스케치에서 x축은 시간(데이터 시각화에서 흔한 접근 방식), y축은 순위를 보여줍니다. 전통적인 데이터 시각화에서는 추천되지 않는 차트 유형을 사용해 데이터를 어떻게 나타낼 수 있을지 생각해 보세요. 예를 들어, 순위 데이터를 비례 면적 차트로 표현할 수 있을까요? 기존 차트에서 시작하기 데이터 예술을 만들 때 기존의 전통적 데이터 시각화에서 출발하는 것도 좋은 방법입니다. 이는 여러분이 수행한 분석을 보다 넓은 시각으로 부각시킬 수 있습니다. 수명 순위 예시에서는 시간이 지남에 따라 순위가 변하는 선 차트를 만들고, 각 국가를 다른 색으로 표시하고 직접 라벨을 붙이는 방식을 생각해 볼 수 있습니다. 아래와 같은 예가 있습니다. 이 시각화의 코드는 GitHub에서 확인할 수 있습니다. 이를 데이터 예술로 변환하려면 다음과 같은 조정을 시도할 수 있습니다: 제목, 부제, 캡션 텍스트를 삭제하고 축 라벨과 제목도 없애서 즉시 추상적이 되도록 합니다. 라벨, 범례, 그리드 라인까지 제거합니다. 일부 그룹이 시각적으로 뚜렷하지 않아도 아름답게 보이는 색상을 선택합니다. 그룹 간 구분이 없음을 보여주려는 의도일 수도 있습니다. 다른 가로 세로 비율과 배치를 실험합니다. 다른 좌표계를 사용해 보세요. 여러 차트를 겹쳐서 레이어를 구성해 보세요. 물론 이는 단지 시도해 볼 수 있는 몇 가지 제안일 뿐이며, 여러분의 예술은 여러분이 원하는 대로 완성될 수 있습니다. 코드 예시: Python 또는 R 아래는 Python 예시입니다. R 예시도 비슷하게 진행할 수 있습니다. import pandas as pd import numpy as np import plotnine as gg import matplotlib.pyplot as plt # Data life_expectancy = pd.read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/main/data/2023/2023-12-05/life_expectancy.csv') # Colours bg_col = "#262626" text_col = "#e5e5e5" # Wrangling plot_data = (life_expectancy .query("Year = 201