El análisis visual es una consecuencia de los campos de la visualización de información y la visualización científica que se centra en el razonamiento analítico facilitado por interfaces visuales interactivas . [1]
El análisis visual es "la ciencia del razonamiento analítico facilitado por interfaces visuales interactivas". [2] Puede atacar ciertos problemas cuyo tamaño, complejidad y necesidad de análisis humanos y mecánicos estrechamente relacionados pueden hacerlos, de otro modo, intratables. [3] El análisis visual promueve los desarrollos científicos y tecnológicos en el razonamiento analítico, la interacción, las transformaciones y representaciones de datos para el cálculo y la visualización, los informes analíticos y la transición tecnológica. [4] Como agenda de investigación, el análisis visual reúne a varias comunidades científicas y técnicas de la informática, la visualización de información, las ciencias cognitivas y perceptuales, el diseño interactivo, el diseño gráfico y las ciencias sociales.
El análisis visual integra nuevas herramientas computacionales y basadas en teorías con técnicas interactivas innovadoras y representaciones visuales para permitir el discurso de información humana. El diseño de las herramientas y técnicas se basa en principios cognitivos , de diseño y perceptivos . Esta ciencia del razonamiento analítico proporciona el marco de razonamiento sobre el cual se pueden construir tecnologías de análisis visual tanto estratégicas como tácticas para el análisis, la prevención y la respuesta a amenazas. El razonamiento analítico es fundamental para la tarea del analista de aplicar juicios humanos para llegar a conclusiones a partir de una combinación de evidencia y suposiciones. [2]
El análisis visual tiene algunos objetivos y técnicas que se superponen con la visualización de información y la visualización científica . Actualmente no existe un consenso claro sobre los límites entre estos campos, pero en términos generales las tres áreas se pueden distinguir de la siguiente manera:
La analítica visual busca casar técnicas de visualización de información con técnicas de transformación computacional y análisis de datos. La visualización de información forma parte de la interfaz directa entre el usuario y la máquina, amplificando las capacidades cognitivas humanas de seis maneras básicas: [2] [5]
Estas capacidades de visualización de información, combinadas con el análisis de datos computacionales, se pueden aplicar al razonamiento analítico para respaldar el proceso de dar sentido.
La analítica visual es un campo multidisciplinario que incluye las siguientes áreas de enfoque: [2]
Las técnicas de razonamiento analítico son el método mediante el cual los usuarios obtienen conocimientos profundos que respaldan directamente la evaluación de situaciones, la planificación y la toma de decisiones. El análisis visual debe facilitar el juicio humano de alta calidad con una inversión limitada de tiempo de los analistas. Las herramientas de análisis visual deben permitir diversas tareas analíticas como: [2]
Estas tareas se llevarán a cabo mediante una combinación de análisis individual y colaborativo, a menudo bajo extrema presión de tiempo. El análisis visual debe permitir técnicas analíticas basadas en hipótesis y escenarios, brindando apoyo al analista para razonar basándose en la evidencia disponible. [2]
Las representaciones de datos son formas estructuradas adecuadas para transformaciones basadas en computadora. Estas estructuras deben existir en los datos originales o ser derivables de los propios datos. Deben conservar el contenido de la información y el conocimiento y el contexto relacionado dentro de los datos originales en la mayor medida posible. Las estructuras de las representaciones de datos subyacentes generalmente no son accesibles ni intuitivas para el usuario de la herramienta de análisis visual. Con frecuencia son de naturaleza más compleja que los datos originales y no necesariamente son de menor tamaño que los datos originales. Las estructuras de las representaciones de datos pueden contener cientos o miles de dimensiones y ser ininteligibles para una persona, pero deben poder transformarse en representaciones de dimensiones inferiores para su visualización y análisis. [2]
Las teorías de la visualización incluyen: [3]
Las representaciones visuales traducen datos en una forma visible que resalta características importantes, incluidas similitudes y anomalías. Estas representaciones visuales facilitan que los usuarios perciban rápidamente los aspectos destacados de sus datos. Aumentar el proceso de razonamiento cognitivo con razonamiento perceptivo a través de representaciones visuales permite que el proceso de razonamiento analítico sea más rápido y más centrado. [2]
La entrada para los conjuntos de datos utilizados en el proceso de análisis visual son fuentes de datos heterogéneas (es decir, Internet, periódicos, libros, experimentos científicos, sistemas expertos ). De estas ricas fuentes, se eligen los conjuntos de datos S = S 1 , ..., S m , mientras que cada S i , i ∈ (1, ..., m) consta de atributos A i1 , ..., A ik . El objetivo o resultado del proceso es el conocimiento I. La información se obtiene directamente del conjunto de visualizaciones creadas V o mediante la confirmación de las hipótesis H como resultado de métodos de análisis automatizados. Esta formalización del proceso de análisis visual se ilustra en la siguiente figura. Las flechas representan las transiciones de un conjunto a otro.
Más formalmente, el proceso de análisis visual es una transformación F: S → I , mientras que F es una concatenación de funciones f ∈ {D W , V X , H Y , U Z } definidas de la siguiente manera:
D W describe la funcionalidad básica de preprocesamiento de datos con D W : S → S y W ∈ {T, C, SL, I} incluidas las funciones de transformación de datos D T , funciones de limpieza de datos D C , funciones de selección de datos D SL e integración de datos funciones D I que son necesarias para que las funciones de análisis sean aplicables al conjunto de datos.
V W , W ∈ {S, H} simboliza las funciones de visualización, que son funciones que visualizan datos V S : S → V o funciones que visualizan hipótesis V H : H → V .
H Y , Y ∈ {S, V} representa el proceso de generación de hipótesis. Distinguimos entre funciones que generan hipótesis a partir de datos H S : S → H y funciones que generan hipótesis a partir de visualizaciones H V : V → H .
Además, las interacciones del usuario U Z , Z ∈ {V, H, CV, CH} son una parte integral del proceso de análisis visual. Las interacciones del usuario pueden afectar solo visualizaciones U V : V → V (es decir, seleccionar o hacer zoom), o pueden afectar solo hipótesis U H : H → H generando nuevas hipótesis a partir de las dadas. Además, se puede concluir información a partir de visualizaciones U CV : V → I o de hipótesis U CH : H → I .
El preprocesamiento de datos típico que aplica funciones de limpieza de datos, integración de datos y transformación de datos se define como D P = D T (D I (D C (S 1 , ..., S n ))) . Después del paso de preprocesamiento, ya sea métodos de análisis automatizados H S = {f s1 , ..., f sq } (es decir, estadísticas, extracción de datos, etc.) o métodos de visualización V S : S → V, V S = {f v1 , ..., f vs } se aplican a los datos para revelar patrones como se muestra en la figura anterior. [7]
En general se utiliza el siguiente paradigma para procesar los datos:
Analizar primero – Mostrar lo importante – Ampliar, filtrar y analizar más – Detalles a pedido [8]
Medios relacionados con el análisis visual en Wikimedia Commons
