Stephen Few presenta en su blog la propuesta alternativa de Thomas Watkins, motivada por la dificultad de comprensión del gráfico anterior.

Recientemente la BBC acaba de publicar otro gráfico interactivo con la misma temática, pero diferente aproximación visual.

¿Cuál de estos gráficos resulta más atractivo, expresivo y sencillo de comprender? Probablemente la respuesta será diferente para cada uno de estos atributos.

Uno de ellos es el movimiento, cuya capacidad para atraer nuestra atención visual tiene efectos hipnóticos. Un ejemplo clásico lo encontramos en las visualizaciones de diagramas de grafo. Si para distribuir espacialmente los nodos hemos utilizado un algoritmo de tipo force-directed, ¿por qué no demostrar su acción cada vez que el usuario desplace o mueva un nodo? La respuesta es sencilla: porque más allá del efímero entretenimiento que nos produce ver cómo todos los nodos se reordenan, no aporta valor alguno. (Ejemplo: MentionMap).

Cuando hablo con alguien que próximamente va a defender su tesina o tesis doctoral, siempre le hago la misma recomendación: si quieres que el tribunal atienda, haz que algo se mueva. Bromas aparte, no debemos minusvalorar el efecto hipnótico del movimiento. Sólo tenemos que fijarnos en el tremendo éxito de servicios web como Prezi.

Otro de los recursos gráficos que, de igual forma, parecen fascinarnos, son las formas circulares. A este caso Stephen Few le dedica el artículo Our Irresistible Fascination with All Things Circular, que comienza así:

We humans are drawn to circles. From prehistoric gathering places in the round, to Hindu mandalas, to halos that fl oat over the heads of saints, to modern pie charts, we find circles naturally satisfying. I suspect that those parts of us that crave symmetry, wholeness, and closure take comfort in them. A circular archetype must reside deep in our psyches, which swaddles us in a snug, corner-less nest. Despite the undeniable beauty of their perfect form, however, circles often fail to support the functions that we assign to them. This is especially so in the field of data visualization. Elegance of form is undermined when a square-peg function is forced upon a circle.

La herramienta diagrama tu red de contactos en LinkedIn, aplicando técnicas de clustering y diferenciando los grupos detectados mediante color. La herramienta te ofrece además la posibilidad de etiquetar manualmente cada grupo.

En mi caso mi red está dominada principalmente por 4 grupos: Experiencia del Usuario, Documentación, Accesibilidad y la gente de Cadius Granada. El tamaño de los nodos indica su grado o número de interconexiones.

Aunque la herramienta no ofrece de forma automática métricas de centralidad como el grado de intermediación (betweenness), dado que la red es pequeña resulta fácil identificar visualmente esos nodos.

Por ejemplo, ¿Qué nodo intermedia entre el cluster de Cadius Granada y el de Experiencia del Usuario? Alberto Fortes.

¿Qué nodo intermedia entre Documentación y Experiencia del Usuario? Francisco Tosete (Mari-Carmen Marcos tiene un rol en la red muy similar).

¿Qué nodo parece ser el de mayor concentración de enlaces? Daniel Torres Burriel.

¿Cuál es el nodo de mayor concentración en mi cluster de Documentación? Javier Leiva.

Está generalmente aceptado que el propósito último de la visualización de información es posibilitar a los usuarios lograr o alcanzar “insights”, algo así como la revelación de una información oculta y desconocida previamente.

No existe una definición consensuada que aclare en qué consiste exactamente este propósito o función. Como señala Chaomei Chen [1]:

“La idea de ‘insight’ suele definirse en términos generales, incluyendo descubrimientos inesperados, una comprensión profunda, una nueva forma de pensar, experiencias del tipo ‘eureka’, y otros logros de tipo intelectual.”

Remco Chang y sus colegas [2] detectan que hay dos visiones diferenciadas del concepto: la de la comunidad de la neurociencia cognitiva y la de la visualización de información.

En el primer caso el término ‘insight’ se usa para describir ese momento comúnmente denominado “ahá” o “eureka”, es decir, un momento de espontánea e inesperada “iluminación”, alcanzado a través de un proceso subconsciente y que nos lleva a la solución de un problema. En visualización de información, en cambio, suele referirse a una ampliación de nuestro entendimiento, completando, expandiendo o modificando nuestro modelo mental previo sobre un dominio de conocimiento concreto.

El principal problema de la ausencia de una definición precisa del concepto es que imposibilita su medición o comprobación, y por tanto la evaluación empírica de las interfaces de visualización. Chris North [3] reflexiona sobre este asunto, concluyendo que los experimentos controlados en laboratorio – comparando el grado de consecución de tareas predefinidas- pueden servir para examinar efectos perceptuales específicos o la usabilidad de tareas concretas, pero no para determinar la capacidad de la visualización para propiciar ‘insights’. North propone evaluaciones abiertas, sin tareas predefinidas:

“De este modo, en vez de ordenar a los usuarios qué ‘insights’ lograr, los investigadores observan qué ‘insights’ logran los usuarios por sí mismos.”

A pesar de estas ‘aclaraciones’, diseñar y evaluar interfaces de visualización que faciliten o potencien ‘insights’ resulta una tarea casi a ciegas, y mientras siga siendo así, la mayoría de las visualizaciones no dejarán de ser, en el mejor de los casos, bellos experimentos gráficos con un interés real efímero. Por otro lado, es precisamente esta incertidumbre la que hace de la visualización de información un área de trabajo tan apasionante.

[1] Chen, C. (2010). Information Visualization. Wiley Interdisciplinary Reviews: Computational Statistics, 2 (4), pp. 387–403, July/August 2010.

[2] Chang, R. et al. (2009). Defining Insight for Visual Analytics. IEEE Computer Graphics and Applications, March/April 2009, pp. 14-17.

[3] North, C. (2006). Toward measuring visualization insight. Computer Graphics and Applications, IEEE, May-June 2006, Vol. 26, n. 3, pp. 6-9.

La imagen que acompaña la entrada es autoría de Kunal Anand.

Aunque ya era colaborador activo, a partir de este mes, finalizado mi contrato en la universidad, he comenzado a trabajar a tiempo completo para Scimago Lab, una spin-off del grupo Scimago.

Scimago Lab es una empresa de base tecnológica, enfocada al análisis, evaluación y monitorización de resultados de investigación e innovación. Mi trabajo se centra en el diseño y desarrollo de herramientas para el tratamiento, visualización y análisis de grandes volúmenes de datos, y en los servicios de consultoría sobre experiencia del usuario que ofrecemos.

El pasado mes de Octubre defendí mi tesis doctoral en el departamento de Biblioteconomía y Documentación de la Universidad de Granada, con el título Visualización de Información Persona-Ordenador: propuesta algorítmica para la ordenación espacial de grafos. Para quien pueda estar interesado en la temática, la he subido al repositorio E-LIS: Descargar (PDF)

Resumen:
El presente trabajo afronta la problemática del acceso a la información tomando como objeto de estudio una de sus formas: la visualización mediada por interfaces gráficas. Para ello se aproxima un marco teórico para el análisis del factor humano en visualización de información, tomando como contexto disciplinar la Interacción Persona-Ordenador; se propone un marco metodológico general para el diseño y evaluación de interfaces gráficas de visualización; y se propone y evalúa un procedimiento algorítmico para la ordenación espacial de grafos. Los experimentos realizados demuestran que el procedimiento algorítmico propuesto es el que mejor relación eficacia-eficiencia presenta de entre los comparados, y confirman la influencia que en la usabilidad visual de la representación tienen los criterios heurísticos empleados en su evaluación.

Pero el diseño todo es distinto: aquí no hay nada neutral. Y sobre todo, si se trata de un proyecto para construir visualizaciones a partir de datos estadísticos. ¿Por qué? Porque el diseño construye argumentos y las visualizaciones son herramientas de persuasión política. La narrativa de la visualización corresponde a una lectura dirigida y modelada desde el diseño; el diseño dice qué ver y cómo interpretar los datos. Esconde su carácter político en la aparente neutralidad de los “datos duros” y los moldea para conmover, para resaltar, para denunciar, provocar e, incluso, para hacer aparecer soluciones a los problemas descritos. La visualización y la infografía son artificios (de arte y oficio), por lo tanto, es muy difícil hacerlos desde una desapasionada neutralidad; son demasiado poderosas para desperdiciarlas de esa manera.

Fuente: Ética 2.0 [dp]

Fuente: xkcd Vía: FlowingData

Y sobre representación gráfica:

Fuente: Dilbert Vía: Information Design Watch

“Sigo diciendo que el trabajo más atractivo en los próximos diez años será el de estadístico. La gente cree que bromeo, ¿pero quien hubiera esperado que el de ingeniero informático sería el trabajo más atractivo de los años 90?. La capacidad para captar datos – ser capaz de comprenderlos, procesarlos, extraer valor de ellos, visualizarlos y comunicarlos – será una habilidad enormemente importante en las próximas décadas, no solo a nivel profesional, sino también a nivel educativo – desde la educación básica a la superior -.”

Hal Varian. Google’s chief economist.