Visualización: Claves para destacar la información

Visualización gráfica 101: Apoyo perceptual de visualización

Linkurious


Estamos lanzando Graph Viz 101, una serie de publicaciones para enseñar los fundamentos de la visualización gráfica, escrito por Sébastien Heymann en colaboración con Bénédicte Le Grand de la Université de Paris 1. Este es nuestro segundo post, por favor discuta abajo!

La visualización de la información se ha utilizado para apoyar el análisis de redes sociales desde la década de 1930 con el "sociograma" de J. Moreno (Moreno 1937), que es una representación gráfica de los lazos sociales entre un grupo de personas. A pesar del comienzo temprano de las imágenes de la red, tuvimos que esperar hasta los años 90 y la democratización de la computación gráfica para ver el desarrollo del software de visualización interactiva, que ha hecho posible la exploración interactiva de redes complejas. Pajek (Batagelj 1998) es la herramienta más notable, ya que proporciona algoritmos estadísticos y representaciones visuales de las redes sociales. Su libro metodológico titulado "Exploratory Social Network Analysis with Pajek" fue publicado en 2005. La contribución de Information Visualization a la ciencia se expresa en (Fekete 2008):

La visualización de la información está destinada a generar nuevas ideas e ideas que son las semillas de las teorías mediante el uso de la percepción humana como un filtro muy rápido: si la visión percibe algún patrón, podría haber un patrón en los datos que revela una estructura. [...] Por lo tanto, desempeña un papel especial en las ciencias como un método generador de percepción.

De manera más general, la Visualización de Información es una forma de revelar propiedades de datos que no serían trivialmente detectadas de otra manera, para arrojar luz sobre los avances y para compartir la experiencia conmovedora de "Ajá, Ya veo!" (Few 2006) gracias a su aspecto intuitivo. Este campo de investigación contribuye a la aparición de nuevas teorías científicas mejorando la explotación de la cognición humana. Según Card, Mackinlay y Shneiderman (Card 1999), el objetivo principal de la visualización es, de hecho, amplificar la cognición. Los autores enumeraron una serie de maneras clave de hacerlo, mostrando las ventajas de utilizar técnicas de visualización durante la exploración de datos:

• Reduciendo el tiempo dedicado a buscar información,
• Mejorando el reconocimiento de patrones,
• Habilitando las operaciones de inferencia perceptiva,
• Utilizando mecanismos de atención perceptiva para tareas de monitoreo,
• Codificando la información en un medio accionable.

En esta entrada del blog ofrecemos una breve introducción al soporte perceptual de la visualización.

La visualización de la información se basa en las propiedades y las capacidades de percepción del sistema visual humano. De acuerdo con la Teoría de la Información, la visión es el sentido que tiene el mayor ancho de banda (100 Mbits / s), lo que lo convierte en el canal más adecuado para transmitir información al cerebro (en contraste, la audición tiene sólo alrededor de 100 bits / s). (Ware 2004). La visualización requiere, por tanto, la construcción y aplicación de un lenguaje visual para codificar la información que se puede leer e interpretar correctamente. Esta operación se denomina mapeo entre variables de datos y variables visuales. Este lenguaje se basa en características visuales como primitivas geométricas, colores y tamaños, y fue teorizado en (Bertin 1967) y (Cleveland 1984), y ampliado en (Mackinlay 1986).

Sin embargo, seleccionar características visuales para transmitir información no es trivial. Uno realmente desea seleccionar los más eficaces, pero evitando malentendidos e interpretaciones excesivas. Las directrices bien establecidas distinguen dos tipos de variables de datos: variables cuantitativas y cualitativas (véase el cuadro siguiente). Las características visuales se pueden seleccionar según el tipo de datos, pero las dificultades permanecen mezclando diversas variables visuales en la misma imagen.


Ejemplo de pautas para el mapeo de variables de datos a variables visuales (Stolte 2002).
Dos teorías psicológicas principales explican cómo la visión se puede utilizar eficientemente para percibir rasgos y formas, según (Ware 2004): la teoría preattentive del proceso, y la teoría de Gestalt.

Algunas características visuales son particularmente eficientes como se demuestra en (Triesman 1985) y (Healey 1995), un efecto llamado procesamiento preatentivo. Las saliencias visuales, es decir, elementos y patrones que se destacan perceptivamente del resto del cuadro y capturan la atención del observador (Itti 2001), pueden percibirse muy rápidamente (en un orden de menos de 250 milisegundos) y pueden reconocerse "al una mirada "sin ningún esfuerzo cognitivo, incluso si se ha encontrado que el nivel de atención juega un papel crítico. Un ejemplo se ilustra en la siguiente figura, donde localizamos las letras rojas entre varias letras oscuras (imagen izquierda), así como localizamos la T entre líneas muy rápidamente (imagen derecha).



Ilustración del impacto del tratamiento preatentivo en la detección de elementos periféricos (Wong 2010). (a) Algunos elementos se pueden ver en una sola mirada, mientras que otros son difíciles de encontrar. (b) Ejemplos de características visuales que hacen que los objetos sean distintos.

Pero mezclar colores y formas nos obliga a prestar una atención específica a cada artículo, como vemos en esta ilustración:




Ilustración del impacto de mezclar características visuales en el efecto de procesamiento preatentivo (Wong 2010): (a) El uso simultáneo de muchas características gráficas puede impedir el ensamblaje visual de los datos. (b) Múltiples vistas de los mismos datos con parámetros limitados trazados pueden comunicar mejor las relaciones específicas.

La teoría de la Gestalt, establecida en (Koffka 1935), explica los principales principios que conducen a la interpretación de las imágenes. (Ware 2004) los resume de la siguiente manera:

• Proximidad: Las cosas que están muy juntas se agrupan perceptualmente;
• Similitud: Elementos similares tienden a agruparse;
• Cercanía: Un contorno cerrado tiende a ser visto como un objeto;
• Continuidad: Los elementos visuales que están suavemente conectados o continuos tienden a agruparse;
• Simetría: Dos elementos visuales dispuestos simétricamente tienen más probabilidades de ser percibidos como un todo;

Ilustramos estas leyes en la siguiente tabla (fuente desconocida):

Ley de agrupamiento	Estructura	Percepción	Ilustración
Proximidad	2 componentes cercanos	1 componente seimple
Similaridad	Componentes similares	Componentes agrupados
Cercanía	Límites cercanos	Límites unificados
Continuidad	Ítemes vecinos	Ítemes agrupados
Simetría	Ítemes simétricos	Ítem global

I