Materializing Data: New Research Methods for Feminist Digital Humanities

This paper argues that materializing data may be a useful methodology in intersectional feminst digital humanities, because it requires close attention not only to the content of data and the contexts in which it is produced, but also to the individual, situated, differing knowledges that researchers leverage in the processes of generating, analyzing, and disseminating research data. We introduce two approaches to data materialization currently used at the qCollaborative, an intersectional feminist design research lab with nodes at the University of Waterloo, Mount Royal University, and the University of Illinois, Urbana-Champaign. The outcomes of these methods, which we call “forcing connections between the digital and the material” and “dwelling with embodied data in research scenes”, have included productive opportunities to: relax behavioural expectations and inhibitions; leverage tacit as well as explicit knowledges; engage in processes of vulnerable co-creation; engage in equitable co-creation of knowledge across differences in lived experience; cycle through stages of public representation, gathering, and presentation; account for the complex events, actions, and contestations that influence our processes of data-production, analysis, and remediation; generate research products that can become future research scenes for equitable data-dwelling processes; and leverage old-media tactics to intervene into harmful, normative digital cultures; and generate new conceptual paradigms; and: make explicit interventions into institutional cultures. These outcomes suggest the need for further work to develop a validated, transferable data materialization methodology for use by qCollaborative and and other digital humanities researchers. Resume Cet article argumente que concretiser des donnees peut etre une methodologie utile dans les humanites numeriques feministes intersectionnelles, parce que cela necessite une attention particuliere non seulement accordee au contenu des donnees et aux contextes dans lesquels elles sont produites, mais aussi accordee aux connaissances differentes situees individuelles que les chercheurs exploitent durant le processus de generer, d’analyser et de disseminer des donnees de recherche. Nous presentons deux approches de concretiser des donnees, lesquelles approches s’utilisent actuellement a qCollaborative, un laboratoire de recherche stylistique feministe intersectionnelle qui a des noeuds a l’Universite de Waterloo, a l’Universite Mount Royal et a l’Universite d’Illinois a Urbana-Champaign. Les resultats de ces methodes, ce que nous appelons « forcer des connections entre la numerique et le materiel » et « analyser des donnees incorporees dans des scenes de recherche », incluent des opportunites productives pour : ecarter des attentes de comportement ; pour exploiter des connaissances explicites et implicites ; pour s’engager dans des processus de co-creation vulnerable ; pour s’engager dans la co-creation equitable de connaissances en fonction de differences dans des experiences vecues ; pour parcourir les cycles des etapes de representation, de rassemblement et de presentation publics ; pour justifier les evenements, les actions et les contestations complexes qui influent sur nos processus de produire, d’analyser et d’assainir des donnees ; pour generer des produits de recherche qui peuvent devenir des scenes de recherche futures pour des processus equitables d’analyse de donnees ; pour exploiter des strategies de vieux medias pour intervenir dans des cultures numeriques normatives nocives ; pour generer de nouveaux paradigmes conceptuels ; et pour effectuer des interventions explicites dans des cultures institutionnelles. Ces resultats suggerent la necessite de travail supplementaire pour le developpement d’une methodologie transferable validee qui concretise des donnees exploitables pour qCollaborative et pour d’autres chercheurs des humanites numeriques. Mots-cles: qCollaborative; humanites numeriques feminists; concretiser des donnees; forcer des comparaisons; analyser des donnees