Taggad: prototyp

Faces of Sweden – Explore faces and costume through time with portraits in the Nordic Museum

I denna andra bloggpost i vår serie om generösa användargränssnitt beskriver Olivia Vane, designer och doktorand vid Royal College of Design, den prototyp hon utvecklat på uppdrag av Riksantikvarieämbetet. Om du vill kan du själv också testa den!

Portraits from the past can tell us a lot. What did people wear? What sort of people were painted? How did they want to be presented? ‘Faces of Sweden’ is an interactive timeline showcasing historical portraits from the Nordic Museum, Stockholm. You can use it to cut through time, compare different periods and see how clothes, hairstyles and the style of portraiture changes. The timeline displays 785 portraits (mostly oil paintings but also prints, silhouettes, photographs) dating between 1570-2003.

Portraiture in the Nordic Museum collection has been collected for its cultural heritage value; the paintings serve as a record of what people wore, what kinds of people were depicted, and the artwork that decorated people’s homes.

Portraits in the Nordic Museum collection, ordered vertically oldest to newest
Portraits in the Nordic Museum collection, ordered vertically oldest to newest


Herrporträtt, knästycke, kyller och byxor av gult skinn, spetskrage.
Herrporträtt, knästycke, kyller och byxor av gult skinn, spetskrage. Produktion 1620 – 1660 (Uppskattning). Nordiska museet. Vissa rättigheter förbehållna.


Damporträtt, midjeporträtt
Damporträtt, midjeporträtt.Produktion 1830 – 1839 (1830-TALET). Nordiska museet. Vissa rättigheter förbehållna.


Miniatyrporträtt
Miniatyrporträtt. Produktion 1600 – 1659 (uppskattning). Nordiska museet. Vissa rättigheter förbehållna.


Silhuettporträtt, bröstbild, man, vänster profil.
Silhuettporträtt, bröstbild, man, vänster profil. Produktion 1770 – 1820 (uppskattning). Nordiska museet. Vissa rättigheter förbehållna.


Select small time spans to focus on and compare different periods:

Screenshot of Faces of Sweden showing portraits from around 1610, and around 1800
Showing portraits from around 1610, and around 1800


Or by selecting a wide time span, cut across time to observe changes:

Screenshot of Faces of Sweden with timeline showing portraits from 1604 - 1887
Bottom timeline showing portraits from 1604 – 1887


’Faces of Sweden’ is built in Javascript/d3.js. The code is available as open source. Data is drawn from the K-samsök/SOCH API.

Generösa användargränssnitt – vad är det?

Tänk dig att du för första gången besöker ett museum. Du går in i museet, men du möts inte av ett urval föremål utan av en intendent bakom en disk. Det finns en informationsskylt som säger att det är en konstsamling och att museet har 72 384 konstföremål. Du är välkommen att titta på dem, men du måste skriva ner ett eller flera nyckelord på ett papper för att beskriva vilka konstföremål du vill ta en närmare titt på. Intendenten tar därefter pappret, går in i magasinet och hämtar ut föremålen, 10 åt gången, på ett rullbord. Du kan därefter modifiera dina nyckelord baserat på av intendenten förvalda konsthistoriska termer. Gör du det tar intendenten bort de konstföremål på rullbordet som inte matchar de termer du valde. Processen upprepas tills dess du är nöjd med urvalet på rullbordet.

Designern och designforskaren Mitchell Whitelaw använde denna liknelse i sin artikel, ”Generous Interfaces for Digital Cultural Collections”, för att beskriva hur han och många användare upplevelser de flesta söktjänster för digitala kulturarvssamlingar som då fanns online. Han menade att denna upplevelse var ”snål” (”stingy”) och enbart fungerar för de som redan vet exakt vad de letar efter och kan formulera en nyckelordssökning som matchar de termer som används av oss i kulturarvssektorn. I artikeln försöker han därefter att definiera karakteristika för generösa användargränssnitt (”generous interfaces”) och även ge exempel på några sådana.

Screenshot of Discover the Queenslander
Discover the Queenslander. Ett av de exempel Whitelaw använder.

Efter att Whitelaw skrev artikeln 2015 har det förstås tillkommit flera exempel – flera av dessa kan du hitta i denna översikt som John Stack från Science Museum gjort. På konferensen EuropeanaTech 2018 presenterade Whitelaw en statusuppdatering för hur generösa användargränssnitt har kommit att utvecklas sedan 2015. I uppdateringen definierar Whitelaw också fyra designprinciper för generösa användargränssnitt:
– Show first, don’t ask (provide rich overviews without search)
– Provide samples and clues (using collection content)
– Show relationships (between collection features)
– Provide rich primary content (deliver on the promise)

Under 2018 och en liten bit in på detta året har vi på Riksantikvarieämbetet, tillsammans med Nordiska museet, Nationalmuseum, Statens museer för världskultur, och Malmö museer, arbetat med att utvärdera generösa användargränssnitt. Syftet är att testa i praktiken om och hur svenska kulturarvsinstitutioner skulle kunna utveckla generösa användargränssnitt och även undersöka hur generösa användargränssnitt upplevs av användarna. Under arbetets gång har vi användartestat tre existerande generösa användargränssnitt och även utvecklat, eller låtit utveckla och användartesta, fyra egna fungerande generösa användargränssnittsprototyper baserade på svenska kulturarvssamlingar.

A screenshot of the splashcreen for the application COINS.
COINS – en av de existerande applikationer vi användartestade.

Givetvis ingår det också att vi delar med oss av resultaten, de positiva såväl som de negativa, så brett som möjligt. Denna bloggpost är därför den första av en serie där vi presenterar vårt arbete med generösa användargränssnitt, de prototyper vi utvecklat och testat, och de lärdomar vi dragit. Onsdagen den 23 januari kommer en bloggpost om prototypen ”Faces of Sweden” som gör det möjligt för användare att utforska och visuellt jämföra samlingsinnehåll via en interaktiv tidslinje.

Vi hoppas också att under året att presentera våra resultat på museikonferenser och seminarier runt om i landet. Mer om dessa när vi vet tid och plats!

Vad ser en artificiell intelligens när den tittar på museers bilder?

Ett ofta citerat problem i att göra kulturarvssamlingar tillgänglig och sökbara på webben är att vi som katalogiserar föremål, fotografier och andra kulturarvsobjekt använder termer och ett språk som inte faller sig naturligt för ”den vanliga användaren”. När användaren sedan knappar in sina sökord i våra söktjänster matchar de illa med våra termer. Resultatet är att användarna alltför ofta inte finner vad de söker.

I takt med utvecklingen av artificiell intelligens har datorer de senaste åren blivit alltmer kapabla att extrahera information från bilder: nyckelord, känslouttryck i ansikten, färger, m.m. Kan vi kulturarvsinstitutioner använda AI för att göra våra samlingar mera sökbara? Vi bjöd in studenter i systemvetenskap att testa möjligheterna. Två studenter från Uppsala universitet – Alfred Bjersander och Max Collin – antog utmaningen och nedan berättar de om sina resultat.

Vi har på inbjudan under våren tagit fram en prototyp för att göra bilder sökbara baserat på dess innehåll. Projektet resulterade i en webbapplikation som tillgängliggjorts vars källkod finns öppet tillgänglig.


AI:n ser segelfartyg. Skärmdump från prototypen.

Projektets mål var att utveckla en prototyp som kunde visa på eventuella styrkor eller svagheter med att tillföra maskinextraherade attribut till bilder som tillgängliggörs av Riksantikvarieämbetet. Google Vision användes tillsammans med K-samsök för att sammanfoga bildinformation. Resultatet presenteras via en webbapplikation som ger möjlighet att söka i bildmaterialet genom att dels kombinera etiketter samt söka på kombinationer av färger.


AI:n gör en modeanalys! Skärmdump från prototypen.

En utvärdering av prototypen visar att de tillförda etiketterna ökar möjligheten att framgångsrikt söka i bildmaterialet. Utvärderingen visar också på förekomsten av falska negativ, där bilder inte tillförts den information som förväntas. Kombinationer av valda etiketter kan därför minska antalet träffar där så inte borde vara fallet. Exempelvis minskar antalet träffar om etiketterna “människa” och “porträtt” kombineras.

Förmågan att söka bland bilder utifrån färginformation är i K-samsöks befintliga metadata begränsad till manuellt annoterade textfält. Prototypen tillför därför ett nytt sätt att utforska bildsamlingarna genom att kombinera färger.

Prototypen avgränsades till ett slumpmässigt urval om tusen bilder från K-samsök. Även om urvalet inte är så omfattande tycker vi att resultatet visar på hur ett komplement med maskinextraherade attribut kan förbättra sökupplevelsen.

För den som är nyfiken att lära mer om detta arbete finns källkoden och den uppsats vi skrev baserat på detta projekt tillgängliga online.