چگونه ۱۰۰ میلیون نقاشی کودکان، دو دهه از روندهای فرهنگی را آشکار می‌کند

نقاشی‌های کودکان مانند آینه‌ای بدون فیلتر، تغییرات فرهنگی را بازتاب می‌دهند. اکنون، تحلیل جدیدی بر روی بیش از ۱۰۰ میلیون اثر هنری دانش‌آموزان، دقیقاً نشان می‌دهد که چه زمانی شخصیت‌ها، رویدادها و علاقه‌مندی‌های خاص به اوج می‌رسند و سپس محو می‌شوند. در ۱۰ سپتامبر ۲۰۲۶، رایلی والز (Riley Walz)، تحلیلگر داده، پروژه‌ای را منتشر کرد که این روندها را با استخراج (Scraping) دو دهه داده‌های بارگذاری‌شده در Artsonia - یک پلتفرم پورتفولیوی دیجیتال که توسط معلمان هنر مقاطع پیش‌دبستانی تا دوازدهم استفاده می‌شود - ترسیم می‌کند.[1]

پلتفرم Artsonia به‌عنوان بزرگ‌ترین موزه آنلاین هنر دانش‌آموزی در جهان فعالیت می‌کند و تا اواخر سال ۲۰۲۶، دقیقاً ۱۳۸,۱۷۸,۷۳۸ اثر منتشرشده را در خود جای داده است. معلمان از این پلتفرم برای ایجاد پورتفولیوهای دیجیتال استفاده می‌کنند؛ آن‌ها از کارهای دانش‌آموزان عکس می‌گیرند و برای اشتراک‌گذاری با خانواده‌ها بارگذاری می‌کنند. در همین حال، این شرکت ۲۰ درصد از درآمد حاصل از فروش کالاهای سفارشی را به برنامه‌های هنری مدارس اهدا می‌کند. از آنجا که این فایل‌های بارگذاری‌شده دارای برچسب و مهر زمانی (Timestamp) هستند، یک پایگاه داده عظیم و زمان‌بندی‌شده از آنچه در ذهن کودکان می‌گذرد را شکل می‌دهند.[2]

والز این داده‌های بصری ساختارنیافته را پردازش کرد تا نمودارهای روند قابل‌جستجویی ایجاد کند که طول عمر پدیده‌های فرهنگی را ردیابی می‌کنند. کاربران با جستجوی موضوعات خاص می‌توانند مسیر دقیق یک مد زودگذر را در ۲۰ سال گذشته مشاهده کنند. برای مثال، داده‌ها صعود سریع و سپس افول «بیبی یودا» (Baby Yoda) را نشان می‌دهند؛ شخصیتی که جذابیت آن در میان هنرمندان خردسال، پس از یک اوج عظیم، اکنون در حال کاهش است.[1]

نقطه قوت این شواهد در ماهیت ارگانیک آن‌ها نهفته است که تضاد آشکاری با سایر مجموعه‌داده‌های بزرگ نقاشی دارد. مجموعه داده «Quick, Draw!» گوگل که در سال ۲۰۱۷ منتشر شد، شامل ۵۰ میلیون نقاشی در ۳۴۵ دسته‌بندی است که از میان بیش از ۱ میلیارد خط‌خطی استخراج شده‌اند. با این حال، در آن پروژه، یک الگوریتم به کاربران دستورالعمل‌های مشخصی می‌داد تا برای آموزش مدل‌های یادگیری ماشین، در عرض ۲۰ ثانیه یک «سگ» یا «ماشین» بکشند.[3]

در مقابل، مجموعه داده Artsonia تا حد زیادی بدون دستورالعمل قبلی است یا تنها با تکالیف کلاسیِ باز هدایت می‌شود. وب‌سایت FlowingData درباره ارزش منحصربه‌فرد این پروژه خاطرنشان می‌کند: «کودکان فرهنگ را شکل می‌دهند و نقاشی‌هایشان نشان می‌دهد چه چیزی توجه آن‌ها را جلب می‌کند.» این مجموعه، زندگی روزمره، مدهای زودگذر و موضوعاتی را ثبت می‌کند که کودکان داوطلبانه انتخاب می‌کنند تا ساعت‌ها برای کشیدن آن‌ها در کلاس وقت بگذارند.[1]

با این وجود، این شواهد دارای محدودیت‌های ساختاری هستند که تحلیل فرهنگی خالص را پیچیده می‌کند. این داده‌ها به‌شدت تحت تأثیر برنامه‌های درسی معلمان هنر قرار دارند؛ اگر یک طرح درس محبوب در میان مربیان شامل کشیدن یک موضوع خاص باشد، آن موضوع بدون توجه به روندهای فرهنگی گسترده‌تر، به‌طور مصنوعی در مجموعه داده به اوج می‌رسد. در اینجا، سیگنال‌های مربوط به علاقه دانش‌آموزان با دستورالعمل‌های معلمان در هم آمیخته است.[4]

علاوه بر این، استخراج روندهای دقیق از ۱۰۰ میلیون تصویر نیازمند اتکا به فراداده‌هایی (Metadata) است که توسط معلمان یا دانش‌آموزان برچسب‌گذاری شده‌اند. فرآیند استخراج داده‌ها باید غلط‌های املایی، تفسیرهای بصری متفاوت از یک شخصیت و نویز ذاتی داده‌های ساختارنیافته را در نظر بگیرد و مدیریت کند.[1][4]

علی‌رغم این محدودیت‌ها، این پروژه نشان می‌دهد که چگونه می‌توان آرشیوهای بصری عظیم را برای تحقیقات جامعه‌شناختی تغییر کاربری داد. این تحلیل با تبدیل میلیون‌ها پروژه کلاسی فردی به نمودارهای روند تجمیعی، معیاری کمّی و قابل‌راستی‌آزمایی از تخیلات دوران کودکی در بیست سال گذشته ارائه می‌دهد.[4]