Predicción del desempeño de las técnicas de visualización a partir de métricas sobre los datos

• Autores: Urribarri, Dana
• Año de publicación: 2014
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Silvia M. Castro
• Materia: Ciencias de la Computación e Información; Visualización de la información; Técnicas de predicción; Escalabilidad visual; Técnicas de visualización
• Institución: Comisión de Investigaciones Científicas de la Provincia de Buenos Aires

El objetivo de una visualización es obtener una representación del conjunto de datos que ayude al usuario en la correcta interpretación de los mismos y así lograr un acertado análisis de éstos. Dado el constante crecimiento de los conjuntos de datos en diferentes y variados campos de la información, la tarea de elegir la técnica más adecuada para visualizar convenientemente los datos no es sencilla. Además, el resultado del proceso de visualización depende de todas las decisiones que se hayan tomando a lo largo de dicho proceso: un usuario inexperto es propenso a tomar decisiones equivocadas afectando negativamente la visualización obtenida y, a la larga, frustrando su experiencia con la visualización. Si bien a la hora de visualizar conjuntos de datos pequeños no hay grandes desafíos, la situación cambia al intentar visualizar grandes conjuntos de datos: una mala decisión en cualquier punto del proceso de visualización y el resultado obtenido puede no ser satisfactorio. Una alternativa para solucionar este problema es guiar al usuario en la toma de decisiones a lo largo del proceso. Sin embargo, esta tarea no es sencilla: implica la existencia de herramientas que permitan predecir qué decisión es “más conveniente” tomar. Una forma de elegir la decisión más conveniente es basarse en métricas sobre los datos que describan aspectos claves de la técnica y permitan predecir el resultado final sin necesidad de aplicar la técnica sobre los datos.
The goal of visualization is to achieve a representation of a dataset that helps the user to interpret them correctly and achieve a proper analysis. Given the constant growing of datasets in deferent application areas, the task of choosing the more suitable technique to visualize a dataset is not easy. Besides, the result of the visualization process depends on every decision made along it: an unskilled user is prone to make incorrect decisions which affect negatively the final visualization and, eventually, frustrate the user’s experience with the visualization. Visualizing small datasets is not a big challenge, but this changes when trying to visualize big datasets: a wrong decision at any point in the visualization process and the result might not be satisfactory. A solution to this problem is to guide the user while making decisions along the process. Nevertheless, this task is not easy: it implies the existence of tools which allow the prediction of what decision if “more advisable” to make. A way to choose the more advisable decision is using metrics over the data which describe key aspects of the techniques and allow the prediction of the final result without applying the technique to the dataset.