Zoals ik in de ‘abstract’ heb uitgelegd is het doel van mijn onderzoek om een programma te ontwerpen waarin persoonlijke vragen gesteld worden, die vervolgend omgezet worden in een beeld. Dit beeld zie ik voor mij als een canvas van ongeveer 20 bij 20 centimeter waarin vormen en kleuren staan. Met regels wordt bepaald welke vormen en kleuren er op het canvas komen, waar deze komen te staan, wat de grootte van de vormen is en welke intensiteit de kleuren hebben.
Prototype 1 ➕
Tijdens het maken van mijn eerste prototype kwam ik in aanraking met het bepalen waar ik deze regels op zou moeten baseren. Ik heb hierbij gekozen om het prototype over mijn eigen persoonlijkheid te maken. Na het doen van literatuuronderzoek over persoonlijkheid kwam ik tot de conclusie dat ik een aantal persoonlijkheidstesten kon doen. Hierdoor kwam ik uit op een aantal karaktereigenschappen die bij mij passen en kon ik gelijk ervaren hoe het is om een persoonlijkheidstest te doen. Ik heb de testen ’16 personalities’, ‘Nederlandse Big-5 test en de ‘Job Personality’ gedaan. Hieruit kon ik opmaken dat ik de eigenschappen extravert, avontuurlijk, feestelijk, creatief, enthousiast, spontaan, veerkrachtig, communicatief, vrolijk, goedaardig, ontspannen, vriendelijk, nuchter, emotioneel stabiel, opmerkzaam, rustig, kalm, nieuwsgierig, rusteloos, assertief, flexibel, chaotisch en experimenteel heb.
Gebaseerd op literatuuronderzoek heb ik de karaktereigenschappen gekoppeld aan een kleur. Hierbij merkte ik dat het voor een aantal eigenschappen makkelijk was om deze te koppelen, maar voor anderen kon ik niet gelijk een eenduidig antwoord vinden en daarom heb ik hier een eigen invulling aan gegeven. Voor vormen merkte ik ook dat ik hier geen duidelijke antwoorden bij kon vinden en heb daarom voor iedere eigenschap zelf gekozen tussen een driehoek, een cirkel, een vierkant en een rechthoek.
Foto 10. Prototype 1
Zoals je in de tabel kunt zien heb ik bij iedere eigenschap met een cijfer aangegeven hoeveel betrekking deze eigenschap op mij heeft en hier de grootte van de vorm op gebaseerd. Ik heb het DISC-model gebruikt om de locatie van de vorm te bepalen. Dit is een persoonlijkheidsmodel die mensen opdeelt in vier verschillende categorieën. Bij iedere eigenschap heb ik gekeken bij welke categorie ik deze vond passen en zo heb ik de vorm binnen het bijbehorende vlak geplaatst. Deze gegevens heb ik handmatig in Processing ingevoerd om zo op het onderstaande resultaat uit te komen.
Foto 11. Resultaat prototype 1
Conclusie:
De conclusies die ik uit het maken van dit prototype kon trekken is dat het moeilijk is om op basis van theorie de karaktereigenschappen te koppelen aan vormen en kleuren. Ik zal op een andere manier aan deze data moeten komen, bijvoorbeeld doormiddel van vragenlijsten. Verder wil ik de locatie bepaling doormiddel van het DISC-model in mijn volgende prototype niet meer gebruiken, omdat het heel erg gebaseerd is op de mening die ik heb over het koppelen van karaktereigenschappen aan de vier categorieën. Een positief punt dat ik uit dit prototype kan halen is dat het handig is om te werken met een schaal die de grootte en misschien in het vervolg de kleurintensiteit kan bepalen.
Prototype 2 ➕
Het uiteindelijke doel is om mijn prototype in een website te maken, omdat dit gebruiksvriendelijker en toegankelijker is dan bij Processing waarmee je lokaal op je computer werkt. Ik ben mij hierdoor verder gaan verdiepen in P5js, een vorm van Javascript die dezelfde programmeertaal als Processing gebruikt. Het werkt goed samen met HTML en CSS en is daarom makkelijk om te gebruiken.
Door het vervolg van mijn onderzoek en de beredenering te vinden onder het kopje persoonlijkheid heb ik mijn tweede prototype aan de hand van de Big-5 theorie gemaakt. De Engelse Big-5 theorie gebruikt de vijf persoonlijkheidskenmerken: Extroversion, Agreeableness, Conscientiousness, Neuroticism en Openness to Experience. Zoals je in de onderstaande foto’s kunt zien ben ik op zoek gegaan naar de Nederlandse vertaling van de tegenovergestelde karaktereigenschappen. Vervolgens heb ik bij deze eigenschappen gezocht naar sub eigenschappen die hier ook bij horen. Deze heb ik gevonden tussen een grote lijst met karaktereigenschappen en door per eigenschap te googelen op de zoekterm: ‘karaktereigenschappen die horen bij (Big-5 eigenschap)’. [18] Al deze sub-eigenschappen heb ik verdeeld over een canvas om zo de locatie van de vorm de kunnen bepalen. In de foto’s hieronder kun je zien wat de werking achter mijn prototype is. Iedere knop staat voor een ander antwoord die ik heb gebaseerd op het onderzoek dat ik tot nu toe heb gedaan.
Foto 12. Prototype 2 uitwerking (Bijlage 4)
Bekijk hier mijn tweede prototype (opent in nieuw tablad).Conclusie:
Een doel voor mijn uiteindelijke ontwerp is om af te stappen van de standaard vormen als cirkels en rechthoeken om zo een iets abstracter beeld te creëren. Met dit prototype heb ik geprobeerd om hier mee te experimenteren. Het nadeel van P5js hierbij is dat je bij zo’n vorm iedere parameter zelf moet bepalen, waardoor het veel tijd kostte om dit prototype te maken. Ik wilde dus graag opzoek gaan naar een manier hoe vormen zelf gegenereerd worden, zonder dat je zelf ieder punt moet bepalen.
De manier waarop ik mijn prototypes tot nu toe heb aangepakt, is dat ik zelf alle regels die gesteld moeten worden in het ontwerp bepaal aan de hand van mijn onderzoek. Bij het verkrijgen van nieuwe inzichten en data betekent dit dan ook dat ik alle regels opnieuw zou moeten gaan stellen. Ik had zelf door dat deze manier onpraktisch is en te veel tijd gaat kosten, maar door mijn gebrek aan technische kennis had ik op dat moment geen grip op een andere aanpak. Tijdens het gesprek van mijn Midterm Assessment kwam ook naar voren dat ik een keuze moest gaan maken in mijn technische aanpak. Mijn beoordelende docenten hebben mij geadviseerd om Machine Learning te gebruiken. Dit is een term die mij al wel bekend was, maar waarvan ik niet wist hoe ik dit moest gaan gebruiken. Omdat er nu een nieuwe module Machine Learning geïntroduceerd is op CMD, kon ik gebruik maken van de lesstof die voor deze module online staat.
Wat is Machine Learning? ➕
Machine Learning (ML) is een vorm van kunstmatig intelligent (AI) die gericht is op het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren. [27] Machine Learning gaat om het ontwikkelen van algoritmes waarmee software kan worden getraind. [28]
Door het vervolg van mijn onderzoek en de beredenering te vinden onder het kopje persoonlijkheid heb ik mijn tweede prototype aan de hand van de Big-5 theorie gemaakt. De Engelse Big-5 theorie gebruikt de vijf persoonlijkheidskenmerken: Extroversion, Agreeableness, Conscientiousness, Neuroticism en Openness to Experience. Zoals je in de onderstaande foto’s kunt zien ben ik op zoek gegaan naar de Nederlandse vertaling van de tegenovergestelde karaktereigenschappen. Vervolgens heb ik bij deze eigenschappen gezocht naar sub eigenschappen die hier ook bij horen. Deze heb ik gevonden tussen een grote lijst met karaktereigenschappen en door per eigenschap te googelen op de zoekterm: ‘karaktereigenschappen die horen bij (Big-5 eigenschap)’. [18] Al deze sub-eigenschappen heb ik verdeeld over een canvas om zo de locatie van de vorm de kunnen bepalen. In de foto’s hieronder kun je zien wat de werking achter mijn prototype is. Iedere knop staat voor een ander antwoord die ik heb gebaseerd op het onderzoek dat ik tot nu toe heb gedaan.
Na het volgen van de lessen van de module en het oefenen met andere modellen liep ik bij het maken van mijn eigen model al snel tegen een paar problemen. Doormiddel van Machine Learning zou ik dus bij iedere vraag, ieder antwoord kunnen voorspellen aan de hand van een dataset. Naar mijn idee zou ik dan voor iedere vraag een eigen model moeten maken en ik merkte al snel dat het te ingewikkeld voor mij werd. Wanneer het me zou lukken om doormiddel van een algoritme te kunnen voorspellen welke kleuren en vormen er op het canvas moeten komen, zou ik nog steeds op een andere manier de locatie en kleurintensiteit moeten bepalen. Omdat ik wist dat ik er zelf niet uit ging komen ben ik op zoek gegaan naar iemand die mij kon helpen. Tijmen Kort is Global Marketing Data Scientist bij KLM en heeft daardoor veel ervaring met het programmeren met Data en ook Machine Learning. In het volgende onderdeel ‘Proof of Concept’ vertel ik over hoe hij mij geholpen heeft in het maken van het ontwerp hiervoor.