Дэвид Сиббет - Визуализируй это! Как использовать графику, стикеры и интеллект-карты для командной работы

Всегда крайне любопытно видеть, какие озарения рождает этот в общем-то простой сдвиг перспективы – от линейной истории к кривой событий.

На протяжении всего тренинга мы приглашали гостей – прекрасных рассказчиков, умеющих ярко представить картину потенциальных возможностей. Для разогрева на вводной сессии выступил Алан Кей, интеллектуал, работавший в Atari, Xerox, а теперь в Apple: он занимался концептуализацией первого ноутбука – DynaBook. Алан был живым примером, которому, как мы надеялись, лидеры Apple хотели бы подражать. Его взгляды на эффективность зрительных образов и визуализацию интеллекта в работе трудового коллектива на деле оказали огромное воздействие на будущее компании. Получив образование в области молекулярной биологии, состоявшись как музыкант и изобретатель, он обладал исключительным творческим потенциалом. Алан мгновенно стал центром внимания. Мы также знали, что в ходе тренинга (как и в процессе чтения этой книги) каждому необходимо почувствовать открывающиеся для него возможности, увидеть цель, и мы постарались учесть это в ходе тренинга, дабы получить нужный нам результат.

Этот рисунок – пример диаграммного мышления, где части соединены линиями пространственных связей. Даже простые системы нуждаются в визуализации, если нужно понять, как они работают.

«Мы еще на подступах к созданию систем, которые планируем строить» – так начал Алан свое выступление. Он представил современный компьютер как «усилитель», который предоставляет пользователю различные инструменты, а косвенно – доступ к посредникам и сетям. (Это было до начала эры социальных сетей.) «Компьютер обладает архитектурой, в которой напрямую можно управлять пользовательскими представлениями».

«Мы живем в иллюзорном мире, который сами и создали», – продолжил Алан. И пояснил: мы проецируем то, что знаем, на то, что наблюдаем. «Это постоянно воссоздаваемая мечта». И поэтому, по его словам, «точка зрения дает нам 80 баллов по IQ». Он имел в виду следующее: то, как вы видите (буквально: «воспринимаете зрительно»), оказывает непосредственное влияние на объем получаемой информации, а также показывает, насколько вы сообразительны, что символически можно представить как 80 баллов по IQ. Я больше чем уверен, что Алан использовал выражение «80 баллов по IQ» как символ высокого интеллекта, не пытаясь сказать, что тесты IQ – истинные измерители всех типов интеллекта, что есть на свете. Но действительно ли визуализация делает нас сообразительнее? Мой опыт и исследования говорят именно об этом.

Работа Колина Вэра в лаборатории по исследованию визуализации данных при Университете Нью-Гэмпшира подкрепляет аргументацию Кея. Вэр и его коллеги разработали прибор «умный глаз», который закреплялся на голове испытуемого и позволял видеть, как он выделяет системообразующие связи в сложном информационном поле. Испытуемым предлагался массив точек, отражающих позиции компаний из списка Fortune 500. Нужно было найти, какие точки связаны с членами совета директоров, входивших в состав советов двух компаний. Имя можно было увидеть, кликнув на точку.

Вэр и его команда обнаружили, что каждый из испытуемых шел следующим путем:

1. Пытались представить проблему и задачу четко и ясно.

2. Задействовали визуальный поиск системообразующих связей.

3. Фиксировали полученные массивы данных.

4. Находили в связях между точками систему.

Известно, что люди не могут удерживать в визуальной памяти более 2–3 массивов данных одновременно, поэтому им нужно было снова и снова вести поиск. (Именно поэтому компьютерные мониторы так помогают визуализации интеллекта.)

Испытуемые обычно делали три движения глазами в секунду. Идентификацию системообразующих связей они проводили путем сопоставления задачи с тем, что обнаруживали в процессе визуального анализа.

Вэр убежден, что ориентированность на задачу определяет то, что мы видим. В ходе процесса мы все более детально считываем сигналы, которые поступают на кору головного мозга, и сопоставляем искомое с реальностью. Первый уровень поиска системообразующих элементов в конкретном массиве данных состоит в распознавании видеообраза, состоящего из линий или точек. На втором уровне мы видим контуры, определяем границы объектов и выявляем их сходство. Затем оцениваем вычлененные структуры на предмет соответствия поставленной задаче, а потом высказываем суждение об увиденном.