数据驱动的设计模式之变

 在网络化的大数据时代下，“数据科学”（Data Science）迅速兴起，数据界与物理界、人类社会之间的关联广度与强度发生了革命性变化[1]。以信息交互为代表，大数据技术对于设计领域的影响主要体现在两个方面：一方面，以大范围、低成本、增量累积的方式获取设计驱动与约束的相关数据成为可能，如市场需求、消费者行为、使用情境信息等；另一方面，以开源（open source）、众筹（kick-start）、社会化（social）的组织形式实现设计构想成为可能。这些影响首先促使设计开发的迭代周期变得更短，用户参与设计过程更直接和深入，例如互联网产品开发中追求以尽可能低的开发成本尽快上线产品原型，以及在产品发布前通过爱好者社区征求使用和改进建议等方式，被形象地称为“永远的测试版”（Always Beta）模式。这种产生自信息技术先导行业的设计模式革新，正在渗透和颠覆着其他商业领域传统的产品开发思维。

1. 特斯拉汽车系列产品（ 图片来源：teslamotors.com）

2. Oculus Rift 孵化项目（图片来源：kickstarter.com）

3. 某界面方案的Heatmapps 分析图（图片来源：pathmapp.com）

4. 某Facebook 用户的“朋友轮”信息图（ 图片来源：friendwheel.com）

5. 桑德斯等提出的“共设计”模式

一、硅谷模式：从特斯拉到Oculus
成立于2003 年的全新电动汽车企业特斯拉（Tesla Motors）作为自1956 年福特汽车以来第一家上市的美国汽车制造商，至2013 年的市值已逾百亿美元，先后推出的几款车型颇受设计界和科技界的关注。（图1）其外观设计、性能与传统汽车相比毫不逊色，彻底颠覆了人们对纯电动车的认知，更令人深思的是，这一切竟然是这家创立刚10 年的新兴企业推出的头一批量产车。这在百余年的汽车发展史中是前所未有的，因为10 年对于传统车企可能只是一次比较重要的技术迭代周期而已。探究其创始人伊隆•马斯克(Elon Musk) 的背景，可以发现特斯拉成功背后的某些因素。他是硅谷的一位连续创业者，同时是第三方支付服务Paypal 和其他几家高技术企业的创始人。伊隆对于信息与数据技术改变传统产业有着很高的热情，他在2013 年向股东发布的一封邮件中解释道，特斯拉之所以能够盈利，部分原因是采用自动化技术与基于数据分析的管理规划，大幅提高了汽车的生产效率，将生产一辆汽车所需要的时间下降了40%。在产能方面，凭借着160 台机器人以及3000 名工人，特斯拉工厂可以在3-5 天内实现一辆车从模型到生产成型的生产过程。这种高效生产力并不仅仅用于完成自家汽车的生产目标，还为丰田和戴姆勒研发电力系统和汽车，以获得投资。曾经，汽车行业的“福特式”（Fordism）大规模制造是现代工业社会标志性的生产方式。但如今，特斯拉所代表的硅谷孵化模式较之以福特为代表的传统底特律制造模式无疑是一种颠覆式革新，这种颠覆正是源自信息数据先导行业的技术渗透。
进一步，上述这种扩散趋势会促使设计模式从传统以个体专家知识为基础的中心化模式，转为去中心化的自组织模式，例如近来创客（maker）文化与互联网科技驱动的硬件复兴中，往往是爱好者、创业团队通过社会关系网络进行自我组织，以敏捷、开放的协同方式进行概念孵化，进而通过众筹（crowdfunding）创业孵化类的网站渠道吸引公众参与，募集资金的同时也在进行使用需求、市场预判和社会资本的积累工作。2014 年3 月，当Facebook 宣布斥资20 亿美元收购虚拟现实产品公司Oculus 的时候，很多人可能还没有听说过这家才创立两年多的小公司。这家公司的第一个产品虚拟现实游戏头盔（Oculus Rift）尚处于工作原型阶段，就通过著名众筹平台Kickstarter 上线发布，引起众多爱好者关注，并成功融资240 万美元。（图2）其创始人帕尔默•勒奇（Palmer Luckey）年仅20 岁，是一位对技术狂热的创客，他根据自己玩电子游戏的兴趣和长期经验，开始尝试制作全新的虚拟现实游戏头盔，之后通过电子爱好者论坛认识了另一位现在公司的工程师，共同的兴趣使他们聚集几位具有互联网经验的同伴，并不断改进技术原型，直到在众筹网站推出并获得成功。这又是一个乔布斯式的“车库创新”神话，只不过这一次，在数据助推下，众筹孵化和互联网社区让参与更早、更直接，影响范围更广，成功来得更快。因此，从互联网科技领域开始，设计正在从个体的技能驱动（skill-driven）转向群体的数据驱动（data-driven）。

二、数据驱动的设计
虽然大数据与设计的关系是近年来设计学界讨论的一个热点，但是关于数据驱动的设计尚缺少明确界定。究其原因，一方面是数据对我们世界的渗透和改变正在进行中，在很多领域才初现端倪，尚不足以抽象成某种理论范式。另一方面，各领域设计对象的差异性造成了设计过程、设计工具与专家知识呈现不同形态，使抽象某种普遍性的设计范式更为困难[2]。但是在商业实践中，数据驱动的设计已经在部分行业崭露头角。例如，A/B 测试（A/B testing，又称分离测试）是网页设计中一种常用的用户测试方法，传统的A/B 测试是将在字体、配色、布局等元素上改进的方案和原有页面以随机的方式推送给所有浏览用户，并分别统计两个页面的用户转化率等指标，进而比较设计改进的优劣。创业公司Pathmapp 将A/B 测试与数据可视化分析结合，提供一种面向移动界面设计的数据采集与分析工具。设计者可以将针对某个应用的不同设计方案上传至Pathmapp 的云服务平台，并通过一些软件部署，收集使用者针对每一个界面细节的交互行为，如点触、滑动、拖拽等。基于数据采集，可以针对每个界面提供一种可视化的交互密度分布图（Heatmapps，图3），精确地显示出使用区域与频率等信息，并可以进一步分析整个被测方案中使用者最优的交互路径。
在另外一些探索性研究中，数据的作用不仅仅局限在方案测试环节。例如，斯坦福大学的拉吉萨•库马尔（Ranjitha Kumar）等[3] 将机器学习用于网页设计，构建基于数据积累优化的设计模板，为具体设计提供预测与辅助分析，并通过计算机算法生成与进化用户界面，模拟人工设计过程，甚至尝试探索某种“基于设计的搜索”（design-based search）表达模型与引擎。
总结这些案例实践，数据驱动的设计具有以下几个特点：1. 设计概念产生于大规模数据分析，如来自用户与市场的数据抓取；2. 设计过程性输出以更精确、更真实的数据描述，如高保真的原型、高精度的仿真等；3. 设计结果利用数据模型进行优化与预测，如基于数据积累的市场预测模拟、跨学科知识下的工程优化等。但是在信息设计之外的其他领域，如工业产品设计、室内设计等，上述的这种设计模式转变尚不明显。究其原因，在于以下两个方面：1. 针对具体领域对象的数据采集可及性问题，尤其是在三维、动态的真实物理空间中，大规模数据采集与传输既具有现实技术局限，也存在成本问题。孟小峰等[4] 从人类社会开始使用数据库（database）作为数据管理的主要方式开始，将数据产生方式分为三个阶段：1) 运营式系统阶段，比如超市的销售记录系统、银行的交易记录系统、医院病人的医疗记录等。人类社会数据量第一次大的飞跃正是基于运营式系统开始广泛使用数据库。这个阶段最主要的特点是：数据往往伴随着一定的运营活动而产生并记录在专门数据库中，这种数据产生方式是被动的；2) 用户原创内容（user generated content， UGC）阶段，以博客、微博等Web 2.0 服务为代表，人类社会数据量出现第二次大的飞跃，这种存在于公共网络中的数据产生方式是主动的；3) 感知式系统阶段，开始于人们已经有能力制造极其微小的带有处理功能的传感器，并开始将这些设备广泛地布置于社会的各个角落，通过这些设备来对整个社会的运转进行监控。人类社会的第三次数据飞跃主要源于这些设备会源源不断地产生新数据，这种数据的产生方式是自动的。在这方面，国内外一些学者已经尝试将移动互联网、物联网、可穿戴计算等技术用于研究性的数据采集工作。例如，Liang Wang 等[5] 通过音频、近场通信等穿戴式的传感器搜集智能家居环境下的多人真实交互数据，构建用户生活形态。Dimitri Schuurman 等[6] 运用基于生活实验室的数据采集方式对移动电视的用户需求、产品定位进行探索。但是目前这方面的尝试更多处在实验室研究阶段，面向行业应用的系统性、商业性的工具体系尚需建立。

2. 支撑设计求解的数据分析与可视化问题。正如Google的首席经济学家Hal Varian 所说[7]，“数据是广泛可用的，所缺乏的是从中提取出知识的能力”。由于大数据与生俱来就存在“高价值总量、低价值密度”的冗余性问题，因此面向设计的数据处理既包括如何根据设计领域知识去除原始数据中的噪点，也包括如何开发符合设计专业需求的、通用的数据分析与可视化工具。Facebook 研究员Cameron Marlow 及其研究团队利用Facebook 海量的用户数据进行社交图谱（social graph）分析，对于社交网络中的群体行为、文化、社会资本等影响因素进行大规模定量研究，其研究成果一部分发布在《自然》杂志上[8]，可见这种数据可视化分析方法对其他基础性研究领域的影响。Facebook 平台上面“朋友轮”（Friend Wheel，图4）等社交关系可视化应用也是以这类数据分析为基础的。在商业性数据分析领域，一批如ClearStory、 Idibon、Zoomdata 等初创公司近期纷纷推出了为企业提供大数据可视化分析的服务与工具。这些分析服务的数据来源主要包括公众网络和企业内部信息系统，少数服务开始尝试采集和分析来自传感器及其他硬件的数据等。但是目前这些数据分析服务主要针对公司管理、舆情分析、市场决策等方面，与产品研发体系的深度整合并不多，面向设计应用的更少。以上两方面的需求必定促使设计工具发展，首先是大数据与云计算、机器学习结合，促使设计软件革新。进一步，基于数据的智能将会促使越来越多靠“数据的体量+ 简单的逻辑”的方法去解决复杂问题，甚至出现一些具有初步智能化的设计工具、设计系统。

三、设计模式之变
如果对于近年来以互联网为主导的产品创新做一个大致回顾的话，会发现无论是Google 最新的眼镜、微软最新的操作系统还是前文提到的那些创业公司的产品孵化，设计虽然每次都会参与，甚至扮演重要角色，但是似乎已经跟制造业时代的模式不同。知名的创业公司创始人、杰出的产品孵化者，虽然大都承认设计与用户体验对于产品成功的重要作用，但是传统设计背景出身、直接获得成功的人并不多。乔布斯的“苹果”也许被很多人作为近年商业设计成功的典范，但乔布斯也只是一个辅修过设计、对体验苛求极致的产品经理，或者套用前面的概念，他更像是一位“创客”，一个带领着专业设计团队的非专业爱好者。在工业时代，罗维、菲利浦•斯塔克式的明星设计师，IDEO、Frog 式的明星设计公司创造出大量杰出而经典的产品，但是在网络时代，这种设计明星式的成功个案似乎并不多见。与此同时，在企业的组织架构中，设计团队也开始去集中化甚至是“碎片化”。在传统制造型企业中往往会有职业性很高的设计中心、设计研究院之类的固定机构，将设计资源与项目集中，也便于设计能力在公司内部专业性的成长。但是互联网企业出于管理扁平化的需要，也出于项目快速迭代的需要，设计者们往往会散布于各个产品团队中，甚至其中一些并不一定接受过传统设计院校的教育，而只是出于自身长期兴趣爱好，但是他们也一样出色。这种在整体产品创新中，设计“下沉”、“开放”甚至“模糊”的趋势，既有设计职业更具参与性、开放性的角色边界变化，也有新环境下传统设计者在操作层面的职位适配性问题，同时也是由数据驱动下的商业环境与产品研发需求特点决定的。
海量的数据基础和复杂、智能的数据工具毕竟只是设计活动的支撑环境与工具，设计模式的关键还是人的创造性行为。唐纳德•舍恩（Donald A. Schön）曾经将设计描述成人与问题情境中各种素材的一场反思性对话[9]。安迪•迪尔登（Andy Dearden）提出如果将设计比作设计者与物质情境之间有关“人工物”（artefact）的对话，那么“物化的言辞”（material utterance）必然属于某些特定对话语境下，既包括了“讲述者”的风格特点，也包含了“听者”的反应[10]。在当代数字化设计环境下，数字媒介在这场对话中充当某种符号解释系统（notational system），数字化设计方式与相应的人机交互（HCI）必然会对设计者及其思维模式产生影响。借用舍恩与迪尔登对于设计的解释，未来的设计模式将更多是设计者与海量数据之间的对话。传统的设计从业者需要具备新的能力以适应这场新的对话。
智能家居公司Nest 的创始人兼首席执行官托尼•法德尔（Tony Fadell）在谈到大数据对于产品开发的作用时说：“设计者首先是为自己在设计好的产品，因此必须对数据导出的大量需求进行判断，并对其中大部分说不，乔布斯就是一个这方面的天才。但是大数据常常可以揭示一些你没有预料到的用户使用行为，为你改进产品、满足用户提供有力的支撑”[11]。纳特•西尔弗（Nate Silver）在《信号与噪声》（The Signal and the Noise ）一书中也指出了单纯依靠大数据进行预测的种种缺点[12]，指出大数据持续累积与日益复杂，对分析和解释具体行为、喜好或事件背后的关联性提出更多的挑战。因此，数据驱动的设计模式要求设计者具有更高的设计研究、数据分析与洞察能力，设计者在更多情况下将首先需要成为设计研究者。互联网行业的设计岗位需求已经开始向这方面转型，越来越多的企业强调设计者应具有一些定量分析、信息可视化和产品预测判断能力等，例如可以利用一些数据工具进行使用研究、分析用户需求、支撑产品功能定义，这是一种设计能力“向前移”的趋势。相应地，设计能力“向后移”的趋势在很多企业需求中也同时出现，例如需要设计师具有较强的交互原型开发与快速迭代的能力，并在后续过程中持续不断地改进细节设计，即在数据环境下的“设计动手”能力。上述两种趋势其实与前文提到的数据驱动下产品开发周期变短、用户参与更快更直接等商业大环境变化有关。这种设计职业边界的前移与后移趋势，导致设计在团队中的分工与其他产品研发角色的出现更多重叠和融合，例如设计前移趋势会导致设计师参与更多需求分析、交互系统定义等产品经理的工作，设计后移有时候需要设计师成为一个前端开发工程师，编写轻量级的软件代码。这些能力需求对于传统学科知识结构下的从业设计师提出了新的挑战。近年来，一些大学开设交叉工程、管理学科的设计类课程正是顺应了这一变化趋势。
同时，设计模式的改变还在于设计从业者与参与者群体规模和结构的变化，其更多源自当代信息化社会的整体性结构改变之后，新的社会化创新关系下的扩散作用。这种结构性改变主要在于设计活动中人与人之间的群体关系与各自角色转变，既包括传统设计者之间的协同关系，也包括设计者与生产者、使用者之间的合作关系。通过前文的数据世界基础，概念可以更广泛地被分享，设计可以被更多人共同完成。“群件”（Groupware）的兴起就是源自许多企业对于大范围协同创新的工具需求，并出现各种远程交流、文档协作、项目管理的IT 解决方案。以诺基亚手机设计为例，一款机型的工业设计通常以一位主任设计师（design lead）负责的10 人左右规模的团队完成，这还是一种典型的工作室（studio）式的设计模式。在这种企业内部的“设计明星制”模式中，主任设计师的个人经验与风格倾向至关重要。但是智能操作系统的用户体验与交互设计工作需要由全球数百名设计师与数千名软件工程师共同完成，绝大部分设计师只是这个庞大的设计工程中的一员，他们共同遵循全局性视觉规范、布局规范和交互行为规范，共同工作于同一个基础性平台，但是每个人在自己的局部，又需要提出具体而创新的解决方案并细化它。这更像是一种集群化的“无名姓设计”模式，体现出前文提到的数据驱动下设计模式正由以个体专家中心化转向集群智慧（collective intelligence）的特点。因此，同一个产品的不同设计工作并存两种不同的设计模式，正体现出设计模式处在从工业时代到信息时代的变革之中。虽然后续的安卓操作系统对于定制用户体验与交互的门槛有所降低，但是设计一个用户体验比较优秀的交互系统，总的来说还是一件需要依靠集群智慧的工程活动。这种集群化设计模式的趋势一方面由信息交互时代设计对象的复杂化需求决定，另一方面也是由于数据技术下，工具与系统的发展使其成为可能。
在数据驱动的设计模式中，设计者与使用者之间的角色也发生了转换。如前文所述的Oculus 为代表的创客文化似乎正在挑战原有的角色定义。“创客”原意是指不以盈利为目标，努力把各种创意转变为现实的人。因此，“他”首先是使用者，其次是爱好者，同时也是设计者，甚至还是个生产者，是一种模糊了多重职业的角色。用户作为参与者融入设计过程的理念并不新鲜，最早可以追溯到20 世纪70 年代在斯堪的纳维亚国家兴起的协同设计（cooperative design）。例如，当时在挪威钢铁工人工会项目中采用了一种“采集性资源方式”（collective resource approach）[13]，工人通过工作场所中的计算机程序影响针对他们的系统设计结果。近年来，以用户为中心的设计方法（user-centered design）进一步促使用户更多地参与到产品开发周期中[14]。一部分学者将这样一种设计模式称为“共设计”（Co-Design）或者“共创造”（Co-Creation），如图5 所示。但是在大数据时代之前，这种模式的商业影响力并不十分显著。桑德斯等[15] 分析其中原因，主要包括：1) 这种模式要求协作关系中的每一个人都信任其他合作者是具有创造性的，这种过于理想化的协作文化很难在现代大型商业公司层及细分的权力结构中实现；2) 参与式思维是反消费主义（consumerism）的，因为传统消费主义认为，商业上的个人愉悦来自于购买与消费物质产品，而非制造它；3)参与式设计更多被认为是一种激进的学术主张，而非可以实际在竞争性市场中运用的商业策略，企业对该领域的研发投资被认为回报不大。
但是正如前文所述，互联网对于整个商业社会产生了结构性改变，大量的初创公司、社会化创新网络出现，数据与知识的集聚力量打破了传统商业企业的壁垒，一个有创造力的个体既可以很便捷地接触到另一个能力互补的伙伴，也可以低成本地利用一些专业领域的群体智慧来解决问题。这种力量促使设计作为一种信息社会的新角色，更具有开放性、全民性，同时也使传统设计职业的边界进一步模糊。2011 年，时任《连线》杂志主编的克里斯•安德森（Chris Andersen）提出了“DIY革命”（DIY Revolution）的口号，认为开源硬件、3D 打印机、创客文化将改变传统产品开发模式，一些传统的产品创造（包括设计与开发）门槛会降低、实现性约束会减少，群体智慧和协同创新会增强。之后，他离开《连线》杂志，创办孵化企业，实践自己的理念。有趣的是，这种“人人都可创造”的趋势不仅仅出现在互联网领域，甚至出现在当代手工艺复兴过程中。例如印度Kotwalia 地区通过外来设计师与本地手工艺人合作，将当地一种竹编遮阳棚进行可持续性产品开发，以适应当代消费品市场的需求[16]。台湾地区探索“手工艺- 设计”合作模式以拓展传统手工制品形式，通过设计领域专家知识介入，复兴当地一种灯心草编制技艺[17]。泰国通过不同的艺术家、年轻设计师与Bangchaocha 社区农户共同创作的形式，进行当地传统竹篓用具的衍生品开发，在创造出适应民众发展性生活需求的同时，也加深了当地儿童、年轻人对于本土手工技艺的情感认知[18]。其实，能将互联网硬件复兴与手工艺社会化创新放在一起讨论的正是全民参与式的创造行为。在上述这些案例中，设计者既包含外来设计师，也包含当地的生产体系参与者、使用者等。因此，一种观点认为手工艺、当代艺术与现代设计的职业界限正在变得模糊[19]。
自工业革命之后，设计作为一个兼顾艺术性与宜人性的“人工物”创造者而出现，并逐渐形成一个现代行业。但是在当前数据时代的商业环境中，设计模式最主要的变化应该就是广泛开放的可参与性与设计职业的模糊性并存。如上述分析，在商业企业中，个体设计者能力需要向前和向后延伸，融合部分产品经理与工程师的工作，设计工程更多依靠去中心化的集群智慧，甚至打破了传统公司的商业组织壁垒，再加上一些技术性门槛的降低，使得任何真正爱好创新的人都有机会参与甚至主导一个革命性的产品诞生。数据时代给了设计一个有可能成为全民性创新运动的机会。

结语
2011 年， 图灵奖获得者、著名数据库专家金• 格雷（Jim Gray）博士在人类科学研究历史性回顾之上，提出在先后经历了实证（empirical）、理论（theoretical）和计算（computational）三种范式之后，数据将成为科学研究的第四范式（The Fourth Paradigm）[20]。正如计算机技术对于现代设计的影响一样，大数据对于未来设计模式的改变将会是深刻的，它深深根植于信息社会的变化大潮中。但是立足当前，数据这种新范式对于设计行业和设计学科的渗透才刚刚开始，客观评估其整体性影响为时尚早。更重要的是，对于设计而言，数据只是手段不是目的，本质上只是一种新的“使能”条件，关键还在于新条件下人类的创新活动。我们期待对于大数据的研究讨论会在未来几年产生一批务实的设计实践，届时再对本文的观点进行讨论应更为客观。

注释：
[1] 李国杰, 程学旗:“ 大数据研究：未来科技及经济社会发展的重大战略领域—— 大数据的研究现状与科学思考”，《中国科学院院刊》，2012.6，第647-657 页。
* 本文研究由国家科技支撑计划（2012BAH85F00）、湖南省科技条件服务平台专项（2012TP2047）、长沙市科技计划（K1306027-11）资助。
[2]W illemienV i s s e r :“esign: one, but in different forms” Design Studies, 2009, Vol. 30,pp.187-223.
[3]Ranjitha Kumar:“ata-driven interactions for web design” Proceeding UISTAdjunct
Proceedings‘12 Adjunct proceedings of the 25th annual ACM symposium on User interface software and technology, New York, NY, USA, 2012, pp.51-54.
[4] 孟小峰、慈祥: “大数据管理：概念、技术与挑战”，《计算机研究与发展》，2013 年，第50 卷， 第1 期， 第146-169 页。
[5]Liang Wang, Tao Gu,Xianping Tao , Hanhua Chen, Jian Lu,“ecognizing multiuser activities using
wearable sensors in a smart home” Pervasive and Mobile Computing, 2011, Vol.7, pp.287-298.
[6] Dimitri Schuurman, Katrien DeMoor, Lieven De Marez, Tom Evens:“ Living Lab research approach for mobile TV” Telematics and Informatics, 2011, Vol. 28, pp.271-282.
[7] “Data,data , everywhere— special report on managing information ”, The Economist, [EB/OL].[2012-10-02]. http://www.economist.com/node/15557443
[8]Robert M. Bond,Christopher J. Fariss, Jason J. Jones, Adam D. I. Kramer, Cameron Marlow, Jaime E . Settle, James H. Fowle:“ 61-million-person experiment in social influence and political mobilization” Nature, 2012, Vol.489, pp.295-298.
[9] D.A.Schön:“esigning as reflective conversation with the materials of a design situation” Knowledge-
Based Systems, 1992,Vol.5, pp.3-14.
[10]Andy Dearden: “Designingasa conversation with digital materials ”, Design Studies, 2006, Vol. 27, pp.399-421.
[11]“Big Data's Promise: Messy, Like Us” Forbes [EB/OL].[2012-07-24]. http://www.forbes.com/sites/richkarlgaard/2013/07/24/big-datas-promisemessy-like-us/
[12]（美）纳特•西尔弗：《信号与噪声》，胡晓姣、张新、朱辰辰译，中信出版社， 北京，2013，第211 页。
[13] P. Ehn, M. Kyng:"The Collective Resource Approach to Systems Design",Computersand Democracy–A Scandinavian Challenge, Aldershot, UK: Avebury,pp.17-58.
[14] 王巍、王洁、 王霞：“探索中国农村用户的信息通信体验”，李砚祖编，《设计研究：为国家身份及民生的设计》，重庆大学出版社，2010，第29-39 页。
[15] Elizabeth B.-N. Sanders, Pieter Jan Stappers: “o-creation and the new landscapes of design” CoDesign,
2008, Vol.4, pp.5-18.
[16] Re Becca Reubens,“amb o o c a n opy : Creating new referencepoints for the craft of the Kotwalia community in India through sustainability” Craft Research, 2010, Vol.1, pp.11-38.
[17] Fang-Wu Tung:“eaving with Rush:Exploring Craft-Design Collaborations in Revitalizing a Local Craft” InternationalJournal of Design, 2012, Vol.6, pp.71-84.
[18] Woranooch Chuenrudeemol ,Nanthana Boonlaor, Apirom Kongkanan:“es ign Process in Retrieving the Local
Wisdom and Communal Identity: A Case Study of Bangchaocha ’ Bamboo BasketryCrafts” Proceedings of the 6th International Conference of Design Research Societ y, Bangkok, Thailan, 2012[CD-ROM]
[19] Larry Shiner :“ ‘Blurred Boundaries’ Rethinking the Concept of Craft and its Relation to Art and Design”Philosophy Compass,2012, Vol.7, pp.230-244.
[20]Hey T, TansleyS, ToleK . The“Fourth Paradigm:Data -in tensive Scientific Discovery”[M O L ] .Microsoft Research, Redmond, Washington[2009]. http://research.microsoft.com/en-us/collaboration /fourthparadigm/