Blog de Fernando Santamaría

Reflexiones sobre ecologías y espacios del aprendizaje, análisis del aprendizaje y análisis de redes sociales, visualización de datos, Big Data y otros temas emergentes

Etiqueta: visualización datos

Las ciudades de los datos y empoderadas por la ciencia de los ciudadanos (II)

Información suave pero implacable llovizna sobre nosotros en una lluvia eléctrica, invisible e impalpable. Codificado en las ondas de radio que llenan la atmósfera, sus brumas llenan el aire, que pasa a través de las paredes de nuestras casas y penetrar en nuestros propios cuerpos.

Estas fueron las primeras palabras del físico Hans Christian von Baeyer en su libro “Information: The New Language of Science” (2005). La declaración no es sólo una metáfora interesante para nuestro mundo contemporáneo inundado de datos, sino una aguda mirada hacia el futuro. Si la visualización ha desempeñado hasta ahora un papel fundamental como un filtro de relevancia verificado, la divulgación de los patrones imperceptibles y las conexiones ocultas de esa lluvia eléctrica de la que habla Hans Christian, simplemente se convertirá en indispensable como las gotas de agua que rápidamente se convierten en un aguacero torrencial. La visualización llegará a ser imprescindible no sólo como una respuesta a la creciente oleada de datos, sino también como un mecanismo de apoyo a los distintos avances políticos, económicos, culturales, sociológicos y tecnológicos que configuran los próximos años.           

Algunos de los topics que están emergiendo y que tendrán un papel relevante en el mundo de la visualización son la visualización ubicua, la recopilación de datos sociales en la que el ciudadano tendrá un amplio protagonismo, la neocartografía, la visualización ambiental, la inteligencia colectiva y el tipo de redes por medio de sensores y la interconectividad inalámbrica ad hoc.

Los principios

En los años 30 del siglo pasado un antropólogo, un poeta y un cineasta comenzaron un proyecto en el Reino Unido, llamado Mass-Observation (Observación de masas), en el que el objetivo era lograr una mejor comprensión de su comunidad. Se pidió a los participantes que llevasen un diario que documentase su vida cotidiana. A veces se daba a los participantes objetivos específicos, como contar cuántas personas en un pub llevaban sombreros. Otras veces, el tema de la documentación fue de composición abierta con muy poca o ninguna estructura. El resultado colectivo fue una micro-visión del Reino Unido, hecho posible  gracias a miles de personas que trabajaban hacia un objetivo común. Estos diarios fueron significativos para las personas que los mantenían pero que también proporcionaron  algo útil como un conjunto. Esto, por supuesto, fue antes de los ordenadores e Internet.

Los desarrollos tecnológicos actuales ofrecen la oportunidad de recoger datos de la misma veta que Mass-Observation (esta organización sigue en pie y adaptada a los tiempos que corren) en una escala mucho mayor, aún más detallada. Podemos utilizar los avances tecnológicos, como teléfonos móviles e Internet, para recopilar información sobre nuestro entorno y nosotros mismos. Una persona puede recolectar miles de puntos de datos en un solo día sin ni siquiera pestañear o usar un lápiz y un bloc de notas. Cientos de miles de personas que forman parte de este mundo digital de ritmo rápido.

Las ciudades dinámicas a partir de sus datos

Ciudades inteligentesSegún Fran Castillo nos descubre una Internet de las ciudades y de las ciudades en tiempo real. Por todo ello este autor cree que estamos involucrados en la exploración de nuevos modelos de ciudades dinámicas. En paralelo a la evolución del modelo “Internet de las Cosas”, en el que el cálculo micro está integrado en el diseño de objetos, está emergiendo el modelo Internet de las ciudades: consiste en varias capas interconectadas de energía, de movilidad y de información, como un ejemplo de una de sus capas, la Internet de la Energía. Se propone, este autor, un nuevo modelo de generación distribuida y gestión de la energía sobre la base de la infraestructura info-energética. Le ha llamado Open Energy. En el modelo, Internet de las Ciudades, el cálculo se distribuye entre la infraestructura urbana, el despliegue de la tecnología de redes de sensores que permitirá el seguimiento de los diferentes entornos urbanos y con parámetros de energía concretos. Esta tecnología produce una gran cantidad de datos (Big Data). La exploración y el análisis de estas estructuras de datos a través del diseño de sistemas de visualización (e interacción) que nos permitirá mostrar nuevas dinámicas de comportamiento en la ciudad y también nuevas dinámicas humanas. Alrededor de la confluencia entre la ciudad y de datos (Ciudad de sensores de datos) surge el concepto de Ciudad en tiempo real, en el que se explicita una dimensión evolutiva, auto adaptable y dinámica en los sistemas de información que constituyen este nuevo modelo de ciudad, por lo tanto, los ciudadanos pueden cambiar su patrones de comportamiento en relación con estos sistemas de información, creando una reconfiguración dinámica de la ciudad.

Con estos avances vienen una serie de aplicaciones posibles. Un área es la ciencia de los ciudadanos (citizen science y dos referencias: 1, 2), que se basará sobre los tres principios de la dinámica humana (de su corazón) que postula Sandra Seagal (1997): mental, emocional y físico. Las personas pueden tomar roles activos en su comunidad mediante la recopilación de datos acerca de lo que les rodea, contribuyendo a una base de datos común que los expertos a su vez puede analizar para encontrar soluciones a los problemas locales. Por ejemplo, las personas pueden reportar los niveles de tráfico, niveles atmosféricos, donde hay actividad en una ciudad, cuales son los puntos informativos candentes a nivel local, rutas/trayectorias retroalimentadas, ya que a su vez podría ayudar a otros a encontrar la mejor ruta a casa o al trabajo en tiempo real. Los ciudadanos pueden recoger los niveles de contaminación en su área, que en conjunto podrían proporcionar un punto de vista de la calidad del aire de la ciudad y proporcionar una dirección clara para la política pública. También se pueden medir temas menos formales, como ayudar a las personas a encontrar un lugar divertido para pasar el rato.

Es fácil ver el potencial de estas ideas. Sin embargo todavía estamos muy al comienzo de la recolección de datos sociales, o de detección de la participación. Antes de chocar con cualquier acontecimiento importante y realmente hacer uso de estos nuevos flujos de datos y las trayectorias. Hay tres áreas principales según Ethan You en las que tenemos que trabajar: recolección, análisis e interacción.

Recolección de datos
Con el enorme crecimiento y adopción de la tecnología móvil, la recolección de datos es más fácil que nunca. Podemos grabar nuestra posición cada pocos segundos con los dispositivos GPS, tomar fotos digitales a nuestro antojo y enviar mensajes de texto en cualquier lugar donde haya conectividad y la geolocalización. Algunos flujos de datos de este tipo se autoactualizan automáticamente de manera transparente. Otros son manuales e involucran procedimientos de recolección más activos. De cualquier manera, una de las claves para la recolección de datos es hacer que el proceso sea fácil y se entrelace con las actividades diarias.

Millones de personas alrededor del mundo poseen teléfonos móviles propios y se suscriben a los servicios de modo que están conectados en casi todos los lugares a donde van. Estos teléfonos podrían ser reutilizados en los dispositivos de recopilación de datos con el software que hace que el smartphone recupere los datos un par de veces por minuto para que la gente pueda recogerlos en casi cualquier lugar a donde vayan. Los programas se podrían crear para permitir a los usuarios que tomen fotografías y las anoten junto con la ubicación y los metadatos. Aplicaciones que cada vez serán más sencillas en el uso de metadatos colectivos e integración en dispositivos móviles.

Por supuesto que no es tan fácil como parece. Igual que con cualquier experimento, hay muchas vueltas que dar para resolver antes de ir al paso siguiente y su recopilación. La conectividad, por ejemplo, inevitablemente irregular en algunas áreas. Junto con la conectividad y el almacenamiento vienen los problemas de sincronización con el teléfono y el servidor o los sistemas en nube que se están desplegando.

Después están la cuestión de la privacidad de los datos. ¿Quién ve los datos cuando se carga en el servidor? ¿Qué tan seguros son sus datos y cuánto tiempo va a permanecer en la memoria? Algo de lo que no tenemos conciencia por su automatismo, algo que creo que se trata de otro “pozo de la privacidad” en el que dejamos pasar como si no fuera grande. Si los datos son utilizados para la investigación, son los datos correctamente “anónimos”? Por ejemplo, algunos no le importe compartir lo que comen, pero la mayoría de las personas no se sienten cómodos revelando su ubicación cada minuto del día.

En definitiva, se trata de temas a tratar, manteniendo la transparencia para el usuario. Cuando el usuario, que no está necesariamente capacitado profesionalmente para hacer frente a los datos, se convierte en un analista, es importante que sepa lo que está pasando.

Análisis
Una vez que hay flujos de datos para trabajar, tenemos que decidir qué hacer con ellos en esta economía de la abundancia. Hay una tendencia a mostrar todos los datos a la vez, lo cual puede ser apropiado a veces, pero ¿qué sucede cuando hay demasiados como para caber en una sola pantalla? En estos casos, en que en número continúan creciendo, el análisis tiene lugar entre la recolección de datos y el uso final en estado de background. Los algoritmos y las técnicas estadísticas tradicionales ayudan a localizar los puntos útiles en los datos, los que después se visualizan.

Por ejemplo, imagine un teléfono con cámara programado para tomar varias fotos por minuto, quizá con la intención de examinar con quien interactuamos o los alimentos que comemos durante un solo día. Sin algoritmos apropiados para refinar los datos, los cientos de miles de imágenes son difíciles de procesar. Nuestros cerebros son muy buenos en la búsqueda de patrones, pero cuando tenemos gigabytes o terabytes de información, es fácil ver como podrían perderse detalles importantes. El análisis no sólo ayuda a encontrar los puntos de interés en nuestros datos, sino que también filtra los valores atípicos, incluso archivos corruptos y, por otro lado, automatiza tareas tediosas como la clasificación y correlación.

Interacción
Una vez que la información está en la base de datos y adecuadamente repasada, por fin podemos ver nuestro mundo en los datos a través de la visualización. Con la creciente cantidad de datos, se han aplicado muchas herramientas, algunas artísticas, algunas análiticas y otras en el medio, para proporcionar una vista única de nuestro entorno. Y la web ha hecho que sea mucho más fácil propagar estas ideas.

La cartografía dinámica en línea, también llamada neocartografía, ha llevado a interfaces intuitivas en un entorno geográfico familiar para que todos los usuarios accedan a la información específica acerca de su país o ciudad. ¿Qué ocurriría si fuésemos capaces de ver lo que estaba pasando en la comunidad de vecinos desde  el punto de vista de los datos?  ¿Qué farolas son las que parpadean por la noche? O ¿Acaso los niveles de ruido son demasiado altos en medio de la noche? Todo será posible en tiempo real. Las personas pueden acceder a esta información, que no satisface la curiosidad sino que también proporciona evidencia cuantitativa que se pueden usar en los sectores públicos y las reuniones del Consejo o suministrada a los responsables políticos. Los participantes también pueden recoger y agregar información acerca de sus propios barrios. Así, mientras que las personas interactúan con los datos a través de un ordenador, realmente son capaces de mejorar sus comunidades.

Aunque no todos los que “analizan” estos datos tienen un trasfondo en las técnicas adecuadas, debe desarrollarse un cierto nivel de alfabetización en los datos. La visualización será esencial para hacer los datos más accesibles y se debe tener competencias de lectura de datos ambientales en el entorno de una ciudad inteligente. 

¿Y en un futuro?

Al final, todo se reduce a los datos. Todo se reduce a la persona que toma un interés por su entorno. No todas los ciudadanos serán activos. La visualización sólo es tan buena como lo son los datos que la crean y conforman, y si no hay datos, no hay nada que analizar, no hay una nueva comprensión del mundo.

Si nadie hubiera enviado a revistas para la observación de masas, no habría narración localizada en los archivos de Gran Bretaña. Hemos recorrido un largo camino desde los primeros años del siglo XX. La recolección de datos es mucho más fácil hoy en día, y tenemos la oportunidad de implicar a no profesionales en la visualización y análisis. De alguna manera, esto ya está ocurriendo con el microblogging en las aplicaciones sociales como Twitter y Facebook, o con información ciudadana en los sitios populares de noticias, con el periodismo de datos. El siguiente paso es añadir la estructura y las herramientas que se aprovechan de estas aplicaciones abiertas (fundamental para que todo esto funcione), y cuando eso sucede, obtener micro-puntos de vista de nuestro vecindario. Pero de manera más importante, vamos a empezar a ver relaciones por descubrir entre barrios y comparativas de estos, comunidades, estados, países y continentes. Veremos cómo nosotros, como individuos, interactuamos con nuestros alrededores y cómo podemos usar esa información para mejorar y para cambiar decisiones tomadas en modo autocuantificación personal. Todo un negocio en un futuro. Los ordenadores e Internet, a menudo, se consideran como la tecnología que nos aleja del mundo físico y de las interacciones sociales. Todo lo contrario. Cada vez que avancemos en esta línea de futuro y a través de los datos, la visualización y las interfaces, puede acercarnos de forma transparente y casi de forma invisible a esas capas informacionales de estas ciudades inteligentes. Serán casi invisibles por medio de las redes de sensores que se comunican con nuestro dispositivo móvil. La ciencia de los datos se abre al ciudadano de a pie y es algo que sin duda esperamos con interés.

En este entorno de sensores de datos serán ciudades microtópicasLas microtopías congregan personas, ideas y prácticas a escala local, sostenible y descentralizada. Las microtopías catalizan la interacción social, la participación colectiva y los cambios en el paisaje. Las microtopías transforman el mundo haciendo que los confines vigilados sean más permeables. ¿Contradictorio ante una ciudad de los datos que se considera sobrevigilada? No lo creo. En el próximo post hablaremos de ello.

Referencias:

13. Measure and evaluate. (n.d.). Retrieved July 3, 2012, from http://www.smartcities.info/13-measure-and-evaluate
Baeyer, H. C. V. (2004). Information: The New Language of Science. Harvard University Press.
How do you measure a Smart City? – Smart+ Connected Communities Institute. (n.d.). Retrieved July 3, 2012, from http://www.smartconnectedcommunities.org/message/1482
Hubbard, D. W. (2010). How to Measure Anything: Finding the Value of Intangibles in Business (2nd ed.). Wiley.
Hubbard, D. W. (2011). Pulse: The New Science of Harnessing Internet Buzz to Track Threats and Opportunities (1st ed.). Wiley.
IBM – How Smart is your city? Helping cities measure progress. (n.d.). Retrieved July 3, 2012, from http://www-935.ibm.com/services/us/gbs/bus/html/ibv-smarter-cities-assessment.html
Kozinets, R. V. (2009). Netnography: Doing Ethnographic Research Online. Sage Publications Ltd.
Lima, M. (2011). Visual Complexity: Mapping Patterns of Information. Princeton Architectural Press.
Seagal, S. (1997). Human Dynamics : A New Framework for Understanding People and Realizing the Potential in Our Organizations (1st ed.). Pegasus Communications.
The disposable academic: why doing a PhD is often a waste of time. (n.d.). Retrieved January 1, 2011, from http://www.economist.com/node/17723223
You, Ethan (2011). Looking Ahead. In Visual Complexity: Mapping Patterns of Information. Princeton Architectural Press

Los futuros desarrollos en entornos de aprendizaje: visualización ambiental

Este artículo y este concepto de visualización ambiental es clave para un diseño integral en el ambiente para los futuros diseños de aprendizaje en la vida. En el ambiente, en una calle, en un jardin u otro espacio público será posible generar espacios para el aprendizaje. El diseño ambiental es fundamental para integrar los procesos de aprendizaje en la propia vida cotidiana. Lo web y lo tecnológico no existirá, será invisible y “naturalista” a nuestros propios actos y movimientos. Es un texto que me ha influido para preparar mi charla en el TEDxLeon.
Lanzado en 2002, el Ambient Orb [Globo ambiental], se trata de un emisor de luz capaz de cambiar su color externo en función de diversos datos, tales como la temperatura prevista, el rendimiento actual del mercado de valores o las estadísticas deportivas. Es un ejemplo perfecto de “exposición del ambiente” un nuevo enfoque para la visualización que combina dos objetivos intrínsecamente contradictorios: informar constantemente a los espectadores sobre la útil información de la variación del tiempo sin molestarlos.
Ambient Orb

El famoso globo ambiental

O, en términos académicos, la visualización del ambiente comunica la información a través de la “periferia de atención del usuario” (Weiser and Brown, 1995 en http://nano.xerox.com/weiser/calmtech/calmtech.htm )  para que uno pueda permanecer atendiendo a otros, lo más importante es tener las tareas a mano.
La contradicción significativa radica en el hecho de que nuestro sentido visual tiende a ser tan sensible que el más mínimo cambio perceptible en nuestro campo visual, inevitablemente, obstruirá cualquier actividad actual. (Por eso es importante en educación estudiar más profundamente la economía de la atención un un mundo hiperconectado y con superabundancia informativa). Pero ¿por qué existe la necesidad de una visualización de los datos, cuando sin embargo uno no quiere ser molestado por ellos? Se cree que la idea de la visualización ambiental ha sido concebido por un grupo de investigadores del Media Lab del MIT, que investigó la idea de descubrir una forma de transmitir información por medios que vayan más allá de la pantalla del ordenador tradicional.
Se propone la modificación dinámica de la calidad ambiental de acuerdo a cambios en los datos, tales como ligeros cambios en el sonido o adapticiones sutiles de la luz, de modo que la gente pueda tener siempre, de manera continua, información como las condiciones de tráfico en tiempo real, las tendencias de precios de las aerolíneas a destinos de vacaciones favoritos, o el estatus online de amigos y familiares. Se han desarrollado muchos ejemplos de visualización del ambiente aunque la mayor parte de ellos no aparecen fuera de la burbuja académica. Por ejemplo, investigadores suecos en el 2000 propusieron el concepto de arte informativo, un intento de introducir visualizaciones de datos dinámicos en espacios públicos para la explotación de la aceptación social de las obras de arte.
Una versión electrónica de un cuadro de estilo Mondrian, cambiaba lentamente su composición visual de acuerdo con las condiciones atmosféricas mundiales o la ubicación en tiempo real de los autobuses de transporte público. Los transeúntes se desconcertaban inicialmente, a veces sin saber que la réplica de Mondrian montada en la pared era un trabajo artístico de ordenador lentamente cambiante, incluso cuando ciudadanos informados revelaron que la pintura en realidad retrataba información significativa.

La caída
El deseo de presentar la información sin que se note demuestra la contradicción de los requisitos de visualización del ambiente, una disciplina que surgió cuando la visualización de la información se introdujo en el campo de la computación ubicua (ubicomp, o visualización de datos+computación ubicua=visualización ambiental), que investiga cómo la tecnología informática puede desaparecer en el tejido de la vida cotidiana.4 Los problemas que enfrenta la visualización del ambiente son múltiples, incluyendo una creencia generalizada de que la gente no aprecia las interfaces textuales. Por ejemplo, la visualización de la temperatura exterior prevista de una manera ambiental es a menudo más difícil de comprender que la simple lectura de un valor numérico: mientras que la diferencia relativamente pequeña entre 20 y 23 grados Celsius podría llevar a un ajuste del estilo, que sólo podría ser un cambio ligero, casi indistinguible del cambio de matiz del color en la tonalidad del Ambient Orb. Además, el impulso para la creación de visualizaciones que tienen más cualidades decorativas que informativas ha llevado a que la mayoría de los laicos no pueden entender la necesidad de dedicar su dinero o espacio para algo que requiere descifrar para que sea funcional. También se ha producido una grave escasez de conjuntos de datos interesantes que vayan más allá de los simples informes del tiempo o cotizaciones del mercado de valores y de establecer una relación personal con el usuario. ¿Quién realmente se preocupa por el tiempo cuando uno puede simplemente mirar por la ventana? Y para las personas que realmente se preocupan por el rendimiento en tiempo real de su cartera de acciones en el mercado ¿no es mucho mejor con herramientas más precisas que darse cuenta de un extraño giro en el patrón de Mondrianesque?

Lo actual
Durante los últimos años, algunas de estas cuestiones han cambiado drásticamente. La visualización de datos se está convirtiendo en un medio de comunicación por derecho propio, capaz de informar y comprometer a la gente. También está la nueva tendencia de la autovigilancia y detección participativa [Participatory Sensing, y que entra dentro de la corriente “naturalista en entornos-red”, Networked Naturalist y la capacidad de crear ambientes donde sean humanos/cuerpos como sensores], la gente que voluntariamente graba sus conductas personales para autoanálisis o compartir en los medios de comunicación sociales. (Ver el ensayo de  Nathan Yau “Seeing the World in Data,” (Visión del mundo en datos, pp. 246-48 de este libro).

Participatory Sensing

Participatory Sensing

Finalmente, nos hemos dado cuenta de la urgente necesidad de utilizar la tecnología moderna para objetivos persuasivos, por ejemplo mostrar retroalimentación informativa que esté específicamente diseñada para cambiar el comportamiento de la gente, la actitud u opiniones (http://www.ubiq.com/hypertext/weiser/SciAmDraft3.html  – The computer for the 21st century).5 En resumen, la combinación única de estos tres fenómenos (visualización de datos, autovigilancia y detección participativa)  habilitará la visualización ambiental para salir de sus cenizas y forjar un propósito que va más allá de la trivialidad de la representación de las condiciones ambientales a través de cambios demasiado sutiles como para que sean realmente notados o incluso comprendidos(la representación informativa y de los cambios está representado débilmente y adaptado al ambiente).El ascenso
De manera lenta, pero segura, nos estamos moviendo hacia un mundo que nos exige con urgencia ser más conscientes de las consecuencias ambientales de nuestras acciones, tal vez mediante la introducción de algún tipo de retroalimentación visual que revele su verdadero costo o impacto. Dado que la mayoría de nuestras acciones ya están trazadas y almacenadas electrónicamente, la mayoría de los datos requeridos ya existen en algún lugar de las bases de datos de grandes empresas de hoy en día-por ejemplo, nuestro uso cotidiano de energía, el consumo de agua o hábitos de consumo de alimentos. Sin embargo, aún no hay una interfaz convincente que revele las consecuencias de las acciones de los consumidores, justo cuando más se necesita esa información. ¿Dónde están las experiencias viscerales multimedia que podría motivarnos para efectuar cambios de comportamiento, incluso menores, mostrar nuestro progreso en relación con los objetivos establecidos, o hacer una evaluación comparativa de nuestros hábitos con los de personas similares?La investigación de la visualización ambiental debería explorar como podrían llegar a integrase tales representaciones de datos socialmente relevantes en nuestra experiencia física, usando potencialmente la plétora de manifestaciones tecnológicas de hoy para objetivos más relevantes socialmente. Las personas tendemos a tomar decisiones más atentas, consideradas, cuando nos confrontamos directamente con la información pertinente y digna de confianza sobre las consecuencias de nuestras acciones pretendidas. Esta representación de datos situada debería estar presente cuando y donde realmente cuentan, es decir, cuando tomamos decisiones.

Por otra parte, la ubicación física de las representaciones de esos datos podría contextualizar la información más allá de resaltar los patrones de datos o tendencias que están más allá de nuestra propia experiencia personal. En su lugar, las representaciones de datos que relacionan inmediatamente las actividades humanas con su impacto podría demostrar los principios básicos que en realidad dirige los datos. Incluso podría dar un sentido al entorno físico, haciendo invisible, pero el lugar específico de los flujos de datos que definen la identidad local perceptible a la comunidad local. La retroalimentación ambiental en un contexto público podría enfatizar además el movimiento actual hacia la democratización del acceso a datos para empoderar a la gente cuyos verdaderos datos se están representados.

Abstracto versus realista
El uso de la visualización para objetivos persuasivos de hecho ha sido intentado ya antes. Sin embargo, la mayoría de tales iniciativas se ha centrado en simulaciones fotorealistas de resultados potenciales, tales como la comunicación del cambio climáticos o las consecuencias negativas de hábitos de alimentación insanos. Las visualizaciones que simulan la realidad, sin embargo, tienden a enfatizar los aspectos visuales del cambio, lo que puede ser exacerbado por la tendencia a que la gente relacione su toma de decisión individual solamente con lo que puede ver. En cambio, una visualización ambiental bien diseñada podría cambiar el centro de atención a lo oculto, pero a menudo más significativo, a insights que realmente podrían considerarse, tales como factores causales que relaciona nuestras acciones con su impacto. La figura y forma real de tales visualizaciones situadas pueden ser múltiples yendo más allá de las pantallas normales, planas de hoy. En un rango que va desde el cambio de la forma de la ropa y de las texturas reactiva de la pared hasta monumentos urbanos cinéticos multitáctiles, debemos tratar de integrar lo que muestra la información con nuestra experiencia cotidiana mediante la explotación de nuestra capacidad natural para comprender nuestro entorno a través de sus posibilidades [affordances] naturales.

El futuro
El papel futuro de la visualización en un contexto ambiental es potencialmente mucho más versátil que simplemente proporcionar retroalimentación para estimular el cambio de conducta. Una visualización ambiental bien diseñada podría tener el único poder para también ayudar a dar forma a nuestra identidad así como a nuestra experiencia de un lugar [Añadiría que es también el parte del diseño ambiental para un aprendizaje en el entorno de la vida cotidiana]. En la sociedad de la información de hoy hemos perdido un sentido de la presencia de nosotros mismos, de nuestras acciones y de otras personas que nos rodean (ver Presence Theory and Social Presence Theory y los estudios concomitantes de HCI. Importante para diseñar los espacios de aprendizaje del futuro). Sin embargo, un sentido de la presencia aún persiste a través de la creación continua de datos de nuestra sociedad. Para capturar la verdadera naturaleza de nuestra existencia, debemos mirarla a través de las lentes de los datos socialmente relevantes en forma de trazas digitales en tiempo real, y considerar su impacto cualitativo en nuestras vidas, a través de las cuales se pueden distinguir muchas de las características que configuran nuestra identidad única o troceada. Mediante el seguimiento de estos datos que se están generando continuamente en torno a nosotros y compartiéndolos a través del medio de la visualización, se podría instaurar un sentido significativo de la existencia, así como la responsabilidad e implicación/compromiso (engagement). Cuando la estación meteorológica puede informarnos del impacto de nuestras acciones, además de las condiciones de salida y entrada no tenemos control sobre ellas y cuando las fachadas de los medios arquitectónicos finalmente muestran información significativa y socialmente relevante para sus alrededores inmediatos, la visualización ambiental podría finalmente disfrutar el éxito que merece.

Notes:
1. Weiser and Brown, “Designing Calm Technology.”

2.  Wisneski, lshii, Dahley, Gorbet, Brave, Ullmer, and Yarin, “Ambient Displays,” 22-32.

3.   Redström, Skog, and Halinäs, “Informative Art,” 103-114.

4.  Weiser, “The Computer for the 21st Century,” 94-104.

5. Fogg, Persuasive Technology.

Fuente: Andrew Van de Moere
from book “Visual Complexity:…”  pag. 249

La visualización de redes: la nueva cartografía del siglo XXI (I)

Una cartografía del mundo digital from Future Feeder

“Maps codify the miracle of existence.”
― Nicholas CraneMercator: The Man Who Mapped the Planet

Después del desarrollo promovido por los pioneros J. Moreno y  M.L. Northway en cuento al análisis de redes sociales, muchos otros investigadores han dedicado su tiempo y energía a la representación de diagramas de redes, incrementada a través de uso de algoritmos de software de ordenador. Las representaciones actuales de las redes habitualmente se hacen en dos áreas principales:
a) en dibujo de grafos (bajo teoría de grafos y con perspectiva matemática) y
b) en visualización de redes(bajo la visualización de la información).En ambas disciplinas, grafo es el término preferido para describir la representación pictórica de una red a través de un conjunto de vértices (nodos) conectados por segmentos (enlaces o vínculos). Pero mientras que representar un grafo, tal como el nombre implica, tratar principalmente con la representación matemática de grafos, la visualización de redes va más allá del mero constructo geométrico, empleando principios de diseño complementarios se dirige a una representación eficiente y comprensible de un sistema dado.Las redes tienen múltiples interpretaciones y definiciones, habitualmente dependiendo de la materia responsable para el estudio de una determinada red. También hay numerosos insights (intuiciones / percepciones/nueva visión, etc ver estás transparencias para analizarlo más profundamente) que se pueden extraer de estas estructuras: ¿qué hacen los nodos?, ¿cómo interactúan?, ¿cuántas conexiones tienen?, ¿qué comparten? Esta serie de interrogantes puede llevar a la identificación de una taxonomía o una verdad topológica de la red analizada en cuestión. Con este propósito la visualización de la red puede ser una herramienta notable de descubrimiento, capaz de trasladar estructuras complejas en insights visuales perceptibles en busca de una comprensión más nítida (tema del que he estado hablando con mi hermano de este tema, con la lectura de “Analítica Web 2.0” de  A. Kaushik). Se puede decir que es a través de su representación pictórica y análisis interactivo como la visualización de red moderna da vida a muchas estructuras ocultas a la percepción humana, proporcionándonos un “mapa” original del territorio. Aún considerando que las redes sociales (relaciones de amistad, parentesco, colaboración, interés común) tienen una larga historia de estudio y análisis cuantitativo, la visualización de la red explora numerosos fenómenos, particularmente en las redes tecnológicas (la WWW, sistemas ferroviarios, rutas aéreas, redes de poder, redes móviles) , redes de conocimiento (sistemas de clasificación, intercambio de información, relaciones semánticas entre conceptos) y redes biológicas (redes de interacción proteinica, funciones metabólicas, redes de regulación genéticas reguladoras, redes neuronales). Para una taxonomía más precisa consulten Networks de M. J. Newman.
La influencia de la cartografía

Una carta náutica del Mar Mediterráneo hecho en el segundo cuarto del siglo XIV. De la Wikipedia http://en.wikipedia.org/wiki/Cartography

Una tradición altamente influyente para la visualización de redes, además del legado intelectual de la teoría de grafos y el reciente avance de la computación gráfica, es la cartografía. Desde la extraordinaria contribución de la Geografía de Ptolomeno (150 ac), hace casi 2.000 años y los notables cartógrafos de la era de la exploración, que tuvo lugar durante los siglos XV, XVI y XVII, para la explosión de la representación estadística, a mitad del siglo XIX, la antigua herencia de la cartografía proporciona un rico escenario para el desarrollo presente de la visualización de las redes. La conexión entre ambas areas puede incluso fortalecerse cuando los historiadores examinen los actuales esfuerzos de muchas décadas a partir de ahora. Algunos autores hablan del concepto de neocartografía.
Después de todo, esta explosión de innovación, a medida que la visualización de redes abraza una multitud de intentos para descodificar los sistemas complejos, se asemeja a una nueva edad de oro de la cartografía en este siglo XXI dirigida por las estimulantes aspiraciones para el conocimiento. A pesar de que sentimos la necesidad de etiquetar nuestros esfuerzos contemporáneos en la visualización de redes como una práctica única y original, la cartografía podría incorporarla simplemente como un paso más en su amplia práctica.
La cartografía ha sido comúnmente usada como un vehículo para la representación de varios conceptos abstractos y lugares imaginarios. Sin embargo, sus raíces están en la representación de características físicas del entono natural: costas, montañas, ríos, ciudades y carreteras. La cartografía es una ilustración del mundo tangible, una abstracción del objeto o pensamiento en sí mismo, lo que enlaza de nuevo con la bien conocida expresión del filósofo Alfred Korzybski “el mapa no es el territorio”. La afirmación de Korzybski desencadena una preocupación antigua que se aplica igualmente a la visualización de las redes, advirtiendo en contra de la creencia desproporcionada en la fidelidad de ciertos mapas. Cada sistema se puede representar e interpretar de múltiples formas y un mapa específico da sólo uno de los posibles puntos de vista. Pero la visualización de las redes es también una cartografía de lo indiscernible, representando estructuras intangibles que son invisibles e indetectables por el ojo humano, desde visualizaciones excéntricas de la WWW a representaciones de la red neuronal del cerebro. En algunos casos, las mapas de estas estructuras ocultas son solamente la referencia visual que tenemos, constituyendo nuestro territorio alternativo. La visualización de redes se encuentra siempre en un estadio emergente.
Hay muchas visualizaciones de red que pueden aprender de la cartografía, particularmente como un caso ejemplar de la armoniosa combinación de ciencia, estética y técnica.(La estética es otro concepto en alza. L. Manovich sacará un libro sobre el tema: Info-Aesthetics) Una breve supervisión de la gramática de los mapas destaca la indudable relación entre las dos disciplinas, como la mayor parte de los mapas, similar a las representaciones de redes, empleando tres tipos básicos de señales gráficas:
a) superficies,
b) las líneas y sus características y
c) el punto.
Krempel (2011) relaciona este nuevo alfabeto con tamaños, formas y símbolos (relaciones de estudio con la semiótica), líneas y por último el color.
Según M. Lima (2011), la realización de mapas y “gráficos” de redes está limitada fundamentalmente por los objetivos fundamentales de simplificación, clarificación, comunicación, exploración, registro y apoyo. Así que ¿cuáles son los propósitos específicos de la visualización de red?. La práctica de la visualización de datos está guiada por cinco funciones fundamentales: documentar, aclarar, desvelar, ampliar y abstraer/resumir.
a) Documentar
Consiste en trazar un sistema que nunca ha sido representado antes. Es un resultado de nuestra inherente curiosidad humana: pintar un territorio desconocido y nuevo. El mapa de un sistema particular puede estimular el interés y el conocimiento de un tema al tiempo que abre de forma natural las puertas a descubrimientos e interpretaciones adicionales. Una unidad clave de muchos proyectos es la posibilidad de documentar y registrar la estructura estudiada para su conocimiento posterior.

b) Aclarar
Consiste en hacer el sistema más comprensible, inteligible y transparente. El objetivo central en este contexto es la simplificación para explicar los aspectos importantes y aclarar áreas dadas del sistema. A través de la comunicación de forma simple, efectiva, las visualizaciones de las redes se convierten en potentes medios para el procesamiento y comprensión de la información.

c) Desvelar
Consiste en encontrar un patrón oculto en el sistema o explicitar un nuevo insight sobre él, en otras palabras, un tesoro pulido de conocimiento a partir de un conjunto de datos plano. El objetivo debería concentrarse en la causalidad guiando la divulgación de las relaciones y correlaciones no identificadas a la vez que la comprobación de las hipótesis iniciales y cuestiones centrales.

d) Ampliar
Se trata de servir como un vehículo para otros usos y establecer el escenario para una exploración más profunda. La expansión subsiguiente podría relacionarse con el retrato de conductas multidimensionales o la estructura representada podría convertirse, simplemente, en una parte complementaria de un trabajo más amplio. En este contexto, la red se ve como el medio para un fin, la capa subyacente de las visualizaciones adicionales capaces de integrar conjuntos de datos multivariantes. Los nodos y las líneas se convierten en el terreno, de la misma forma que muchas representaciones gráficas en web sirven como el boceto para la construcción y ampliación adicionales.

e) Abstraer/resumir
Se trata de explorar el esquema de la red como una plataforma para abstraer o resumir. La visualización de la red puede ser un vehículo para expresiones hipotéticas y metafóricas, a pesar de una variedad de conceptos intangibles que incluso podrían no depender de un conjunto de datos existente.

Espero que les haya gustado. Continuaremos con esta serie de artículos extensos sobre visualización de redes.

Referencias consultadas:

Brandes, U., & Kenis, P. (2005). La explicación a través de redes. Redes, 9(6). Recuperado de http://revista-redes.rediris.es/pdf-vol9/vol9_6.pdf

Cartography. (2011). En Wikipedia. Recuperado 21 de octubre, 2011 de http://en.wikipedia.org/wiki/Cartography

Chatti, M. A., Jarke, M., Indriasari, T. D., & Specht, M. (2009). NetLearn: Social Network Analysis and Visualizations for Learning. En Learning in the Synergy of Multiple Disciplines (pp. 310-324). Berlin: Springer. doi: 10.1007/978-3-642-04636-0_30

Eick, S. T. (1996). Aspects of network visualization. Computer Graphics and Applications, IEEE, 16(2), 69-72. Recuperado de http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=486685

Friendman, V. (2008). Data Visualization and Infographics. Recuperado 4 de octubre, 2010 de http://www.smashingmagazine.com/2008/01/14/monday-inspiration-data-visualization-and-infographics/

Steele, J., & Iliinsky, N. (Eds.). (2010). Beautiful Visualization: Looking at Data through the Eyes of Experts. Beijing: O’Really Media.

Krempel, L. (2011). Network Visualization. En J. Scott & P. J. Carrington (Eds.), The SAGE Handbook of Social Network Analysis (pp. 558-577). Thousand Oaks, CA: SAGE.

Lima, M. (2011). Visual Complexity: mapping patterns of information. New York: Princeton Architectural Press.

Parker, P. M. (Ed.). (2010). Cartographie: Webster’s Timeline History, 1845 – 2007. ICON Group International.

Schelling, J. A. (2007). Social network visualization [Tesis Doctoral]. Recuperado de http://thesis.jasperschelling.com/thesis_jasperschelling_socialnetworkvisualization.pdf

Yau, N. (2011). Visualize This: The FlowingData Guide to Design, Visualization, and Statistics. Wiley. Recuperado de http://book.flowingdata.com/

Las trayectorias en redes dinámicas

Las trayectorias de redes es un concepto poco desarrollado por los teóricos de análisis y visualización de redes. Me voy a fijar en él ya que creo que tendrá mucho juego dentro de la interdisciplinariedad de las redes junto a la exposición de los datos y el análisis de  manera dinámica en un periodo de tiempo.

Se ha ido impulsando desde una perspectiva sociológica y antropológica desde los años 60 del anterior siglo. Tanto Clyde Mitchell como el sociólogo Harrison White fueron investigando en el concepto de trayectorias de redes (network trajectories) (Douglas, 2004).

trayectoria de los nodos

Rutas críticas y trayectorias en red / ATA - Advanced Technology Assessment, Lucca, Italy

Los últimos 35 años, inicialmente impulsada las trayectorias de red por el antropólogo Clyde Mitchell y sociólogo Harrison White, vio un desarrollo masivo de los conceptos y herramientas para el análisis de redes y aplicaciones creciente cada vez más amplio en los tipos de problemas en las ciencias sociales.

Las trayectorias de análisis de redes sociales en las dos disciplinas (sociología y antropología) son muy diferentes en sus planteamientos. En la antropología, donde se introdujo en la década de 1960 como una herramienta de garantía para el análisis institucional y cultural, el paradigma de red no se convirtió en un factor central en la teoría, como en la sociología. Sin embargo, incluso en la sociología, el desarrollo de la metodología (Wasserman y Faust,1994) ha superado con creces la de una teoría integrada de las redes, que sitúa los principios explicativos en un marco conceptual común. La falta de esa evolución es notable en ambas disciplinas. En la última década, sin embargo, los acontecimientos que fomenten el estudio de la dinámica de la red ha proporcionado marcos explicativos más general en una teoría de las redes emergentes.

Se están estudiando estos últimos años en muchos campos. Es interesante lo que se consigue como técnica de predicción de por donde van a ir determinas trayectorias. Ejemplo de ello son los análisis de trayectorias de los coches en una ciudad y sus trayectorias (Idé and Sugiyama, 2011).

Visualización de datos orientados a lo largo de un tiempo determinado

Hay un estudio/visualización concreto en Lisboa de Pedro Miguel Cruz, Penousal Machado y Joao Bicker. Se trata de las trayectorias de 1.534 taxis un día de octubre de 2009 mediante la coordinación de GPSs en sus taxis con la colaboración del CityMotion Project del MIT de Portugal y la Universidad de Coimbra.

Podemos ver las arterias más grandes representadas en verde donde suelen ir a unos 60 km/h, mientras que las más lentas son las de color rojizo. Sin embargo, la intensidad de tráfico se asigna al espesor y el brillo de las arterias. Los puntos blancos representan los propios taxis. Se establece un énfasis visual en las áreas con más lento tráfico. Todo un organismo vivo como podemos ver en la imagen:

Visualizando tráfico de taxis en Lisboa. Todos los derechos reservados por Pedro Miguel Cruz.

Otro proyecto es Biomapping Sketch de Tom Carden. Se trata de una visualización de los datos GPS de la gente que camina en la península de Greenwich (Londres, Reino Unido). La altura de la malla es una medida de GSR (en una respuesta galvánica de la piel, en relación con los niveles de estrés) en ese punto. Como Tom Carden, explica: “ya que no divide a los paseos individuales de los datos muestra que esto no debería ser considerado como un mapa exacto de la tensión en Greenwich”.

El proyecto Biomapping Sketch permite al usuario grabar su respuesta (GSR, Galvanic Skin Response), que es un indicador simple de la activación emocional en relación con su ubicación geográfica. Esto puede ser usado para trazar un mapa que pone de relieve el punto de excitación alta o baja, diferenciada por colores. Si está en rojo intenso hay más emoción y si esta en gris poco emoción. Al compartir estos datos se pueden construir mapas que visualizan en una comunidad puede sentirse estresado o excitado.

Copyright de Tom Carden con Biomapping Sketch

Trayectorias en redes sociales

Estas técnicas son posibles para rastrear también trayectorias en una red social desde una perspectiva dinámica y con perspectiva temporal de los datos para poder ser visualizados [Aigner et al., 2011, #7254] y también con datos temporales para el análisis exploratorio geoespacial y del entorno (Andrienko and Andrienko, 2006).

Martin Kilduff y Wenpin Tsai (2003) también hablan de las trayectorias ante la complejidad de las redes y sus intrincadas estructuras. Habla más de procesos que de trayectorias.

Al considerar las trayectorias de la red, podemos distinguir entre dos procesos: los que tienen un objetivo definido y los que se producen por serendipia/casualidad. Estos dos procesos generan trayectorias de red muy diferentes. Además, estos dos procesos se diferencian fundamentalmente en el funcionamiento y en las dinámicas estructurales. Como comentó uno de nuestros teóricos organizativos más sagaces en su demanda de un cambio hacia una  teoría de red mejorada, algunos procesos de red implican interacción “para lograr, planificar, coordinar o decidir sobre … actividades individuales y colectivas”, mientras que otros implican “la casualidad de conocer gente y gustarse mutuamente unos a otros “. Los procesos dirigidos a objetivos y los fortuitos/ serendípicos son tipos ideales que nos permiten diferenciar entre dos trayectorias diferentes en el tiempo. No tienen por que ser trayectorias únicas de uno de los procesos de la trayectoria, sino que pueden ser mixtos también.
Será una de las medidas analíticas del futuro y que estarán “embebidas” en muchos de los aspectos de “nuestra vida en red”, también de la evaluación y mejoras de procesos, así como de la posibilidad de predecir procesos y actividades futuras (carácter predictivo).
Referencias consultadas y citadas:

Aigner, W., Miksch, S., Schumann, H., & Tominski, C. (2011). Visualization of time-oriented data. London: Springer.

Andrienko, N., & Andrienko, G. (2006). Exploratory analysis of spatial and temporal data: a systematic approach. London: Springer.

Douglas, R. W. (2004). Network Analysis and Social Dynamics. Cybernetics and Systems, 35(2-3), 173-192. Recuperado de http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.84.7412

Idé, T., & Sugiyama, M. (2011). Trajectory Regression on Road Networks. Recuperado de http://www.aaai.org/ocs/index.php/AAAI/AAAI11/paper/viewFile/3695/3858

Kilduff, M., & Tsai, W. (2003). Social Networks and Organizations. London: Sage Publications Ltd.

Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge: Cambridge University Press.

Visualización de datos como composición artística

Aaron Koblin, Director Creativo de datos del equipo de “Google Creative Lab”, es uno de los hombres y acciones artísticas de futuro. Un importante eslabón de generar arte en esencia a partir de una minería de datos puesta al día. En la presentación de 20 minutos de TED hace un repaso a su obra artística y nos comenta:

Una interfaz puede ser un recurso narrativo de gran alcance, y nosotros recogemos los datos socialmente más relevantes y tenemos la oportunidad y tal vez incluso la obligación de mantener a la humanidad y contar algunas historias increíbles a medida que exploramos y colaboramos juntos.

Esto es, un storytelling digital visualizada de diferentes cruces de datos cual minería de datos.
Me ha gustado su vídeo de Johnny Cash montado a través de dibujos de origen público o el videoclip de una canción de Radiohead “House of Cards”, eClouds en el aeropuerto internacional de San José, o el intercambio de voces desde Nueva York hacia el mundo (New York Talk Exchange) hecho para el MIT, o el sorprendente mosaico 10.000 ovejas pintadas a mano. Lo mejor es que lo veamos presentando algunos de sus proyectos con las diferentes formas y patrones de visualización con este “Data Mining Art”: