编译：Mika

在本文中，前纽约时报数据艺术家杰尔·索普探讨了我们可以从这些丰富的数据中得出什么用途。

点击下方视频，先睹为快：

??????

几年前我开始用推特。它最吸引我的一点是人们会在早上起床的时候，会发一条推特说：“早上好！”

作为一个加拿大人，我喜欢这种问候方式。同时我也是个典型的技术男，于是我写了个程序，用来记录24小时内推特上所有发的“早上好！”。

记录一天内所有人发的“早上好”

之后我问了自己一个我最喜欢的问题，“那会是个什么样子？”

结果就像这样：

▲全球人们在醒来时发“早上好！”所组成的模型

我们看到这个由世界各地人们在醒来时发“早上好！”所组成的人浪。

当中绿色所代表的人，在早上8点左右醒来。

橙色代表的人，他们在9点左右发“早上好！”

之后这些红色代表的人，他们在10点左右发“早上好！”。

我们会发现，10点发的人比8点的多。

而且，事实上如果你观察这幅图，我们就能稍微了解世界各地人们起床时间的不同。

比如说西海岸的人就比东海岸的人起得稍晚一些。

从旅行打卡数据得出全球行程模型

但人们在推特上不只是发这个，对吧？

我们也收到这些推特，诸如：

“我刚刚在奥兰多降落了！！”

▲推文“我刚刚在奥兰多降落了！！”

或者“我刚刚降落在德州！”又或者“我刚刚在洪都拉斯降落了！”

这些内容没完没了，总有人在发这些。

从表面上看，这些人只是告诉我们一些他们的旅行信息。

但是我们都知道真相，不是吗？

这些人就是在炫耀！炫耀他们在开普敦，而我不在！

于是我想，我们如何才能利用这些虚荣，并将其转化成实用的东西？

因此我用类似于处理“早上好”的方法，将所有人的旅行制成统计图。

因为我知道他们在哪落地，他们直接告诉我了。而且我知道他们在哪儿居住，因为他们推特的个人简介上都写着呢。

▲全球各地人们旅行数据模型

所以我在推特上建立了一个模型，记录在36个小时内世界各地的人是如何旅行的。

这是一种原始模型，如果我们留意推特和脸书和其它一切社交媒体上的所有人，我们其实会获得一幅清晰的图像，反映人们如何在各地之间旅行。

▲36小时内世界各地人们的旅行数据

而这幅图像事实上对科学家来说非常有用，尤其是那些研究疾病扩散问题的专家。

针对某个事件的讨论得出舆论模型

我在《纽约时报》工作。在过去两年里，我们一直做一个叫“Cascade”的项目，它在某种程度上和这个模型很相似。

但是我们不是对人们如何流动，而是对人们如何发表言论进行建模。我们在研究针对某个事件的讨论看起来是怎样的。

这里有一个例子，这是一场围绕一篇文章的讨论。文章名字是《那个人们忘记死亡的小岛》，它描述了一个希腊的小岛，岛上的人们都非常非常长寿。

这里我们所看到的，这是一场从左下角那第一条推特开始延伸开来的讨论。

因此我们得以了解到，在9小时里这场讨论的规模。

▲9小时内对文章《那个人们忘记死亡的小岛》的讨论

我们来把时间跨度拉大到12小时。我们也可以在三维的模式下观察这场讨论。

▲12小时内对文章《那个人们忘记死亡的小岛》的讨论

而且这种三维的视角其实对我们更加有用。因为作为人类，我们非常习惯于三维的事物。

所以我们能够看着讨论的那些细小分支，来了解到底发生了什么。

这是一个交互式的，探索式的工具。我们可以仔细研究这个讨论的每一步，可以看看：

这些都是什么人；

他们说了什么；

他们年纪多大；

他们住在哪里；

谁