Last modified: 2015-08-27
Abstract
INTRODUCCIÓN:
La evaluación en el taller de diseño se centra principalmente en las tareas predominantemente heurísticas y evaluaciones cualitativas, a menudo requeridos por las propuestas de proyectos. Las evaluaciones formativas y sumativas generalmente se limitan a una valoración de carácter cuantitativo. Estos instrumentos de evaluación tradicionales suelen ser deficientes o insuficientes como medios para informar la evolución del alumno de manera integral que pueda mejorar y ayudar a mejorar las competencias de los estudiantes. En el curso del taller, se aplican instrumentos de evaluación no tradicionales, personalizados por los profesores, con el fin de dar cuenta de aspectos que una escala de evaluación cuantitativa y estandarizada no permite. Se requiere una forma de evaluación que considere un modelo educativo basado en competencias.
La visualización, ayuda a llevar a cabo tareas de forma más eficiente a través de representaciones visuales diseñadas a partir de grupos de datos. Se ha estado desarrollando modismos de visualización para representar datos obtenidos a partir de la aplicación de un modelo de evaluación personalizado por profesores de taller para:
Promover la pedagogía centrada en el estudiante,
Favorecer métodos participativos activos,
Adoptar la formación por competencias orientadas como elemento motriz del plan de estudios,
Promover estrategias metodológicas adecuadas y dispositivos de evaluación para el desarrollo de competencias.
Inicialmente, el equipo docente ha utilizado distintos modismos visuales provenientes de aplicaciones ofimáticas como experiencias piloto [1], no se ha medido el aporte de los modismos a la comprensión de los estudiantes. Los esfuerzos se centran en ajustar los prototipos anteriores creados por el profesor desarrollador del modelo de evaluación. Sin embargo, los avances del proyecto, llevan al equipo a enfrentar la necesidad de desarrollar nuevas propuestas. La generación de dichos prototipos es impulsada por tres preguntas: ¿Qué se presenta (nivel de datos), ¿Por qué se presenta (nivel de tarea) y ¿Cómo se presenta (nivel de presentación)? [2]
En una primera instancia la revisión de la literatura, deja en evidencia la existencia de varios otros recursos de visualización posibles, no considerados por el equipo docente del taller, además de la existencia de enfoques metodológicos para la evaluación y diseño de dichos modismos. Se hace imperiosa la necesidad de generar taxonomías que nos permitan llegar a modismos que visualizarán el proceso de enseñanza-aprendizaje del estudiante durante su tránsito por el taller. Una exploración mayor con el fin de determinar ¿cuál o cuáles recursos visuales hacen mayor sentido a los usuarios y son fidedignos al cuerpo de datos? [3]
Se revisan estudios [2]; [4]; [5]; [6]; [7], que han emprendido el reto de la meta-evaluación de visualización en la última década, algunos más centrados en la discusión conceptual del proceso de generación y otros más centrados en el análisis morfológico de las estructuras de datos o las morfologías visuales de representación a los que llamaremos modismos. [8]
Tory y Möller [6] hacen un examen exhaustivo que desecha las distinciones tradicionales (tipos de visualización), como criterio insuficiente para una taxonomía útil y actualizada. Distinguen entre los enfoques de nivel bajo (low-level) y de nivel alto (high-level). Low-level, son taxonomías más utilizadas en función del tipo de datos, categorías de esta perspectiva incluyen: tanto dimensionalidad de los valores de los datos, como el número de variables independientes/dependientes o su naturaleza discreto/continuo o nivel de medición (nominal, ordinal, intervalar o de razón). Mientras, High-level favorece una perspectiva novedosa para una taxonomía, como es la incorporación de la dimensión de diseño en el análisis de las diferentes categorías de visualización. Desde esta perspectiva, los objetivos se emparejan con los medios adecuados (técnicas), con los objetivos particulares (el propósito y la naturaleza del conjunto de datos). A partir de estas distinciones, se construye un modelo de visualización compuesto por el Objeto de Estudio (qué se está describiendo y dónde obtenemos los datos), los Datos (Dichas medidas, valores o descripciones sobre la cosa), el Modelo de Diseño (los supuestos sobre el objeto de estudio y los datos que determinan la elección del algoritmo para la visualización de los datos) y un Modelo de Usuario (los supuestos sobre el objeto de estudio). Por último, la Representación de los datos, transformada por el modelo de diseño y percibida por los usuarios a través de su propio modelo cognitivo.
Además del enfoque High-level propuesto por Tory [6]; Jackson et al.[9], abogan por un nuevo énfasis en el empleo de procesos propios del dominio del diseño, como un modo formal de evaluación para visualizaciones de datos.
Así, desde una perspectiva de High-level, se adopta la taxonomía modelo de diseño para el análisis, así como el enfoque de métodos mixtos. Ambos se ajustan a un enfoque de investigación basada en diseño.
Desde una perspectiva Low-level, se abordan tipologías de modismos de visualización, centrando el foco en la comparación entre modismos cartesianos y radiales. Esta distinción se remonta a los modismos piloto utilizados, que evolucionan de formas cartesianas (Líneas de tendencias, gráficos de barra), a formas radiales (Pie Charts, Polar Charts, Radar Charts). Draper et al. [5] —por un lado— proporcionan un panorama muy completo y detallado de los diagramas radiales. Por otro lado, Burch y Weiskopf [4] comparan las fortalezas y debilidades de estas dos tipologías generales de representación.
PROCEDIMIENTOS METODOLÓGICOS:
La presentación de los prototipos se socializa entre pares y el equipo docente del taller. La presentación y evaluación de la herramienta por parte de los estudiantes, es la fase siguiente. Surgen interrogantes como ¿Por qué es importante validar? y ¿Cómo validar los modismos de visualización?
Para Munzner [8], el diseño de visualización es una tarea difícil debido a la gran cantidad de posibilidades de diseño que pueden ser no efectivas siendo un número muy reducido las opciones que realmente se ajustan al contexto de uso específico. Advierte que elegir posibilidades de visualización de manera aleatoria es una mala idea debido a que la probabilidad de encontrar una solución adecuada es muy baja. De los 17 prototipos previos, se seleccionan basados en el proceso de desarrollo de los modismos, tres representativos de las categorías principales de la revisión teórica y la evaluación heurística.
Gráfico Polar de Área (GPA), un modismo que durante la socialización con pares recibió retroalimentación positiva, valorado como “atractivo y novedoso”. El modismo Gráfico de Barra (GB), elegido debido a que culturalmente es conocido y no debía ser descartado a priori dado que su tipología cartesiana presenta una serie de atributos de expresividad y efectividad. Finalmente, el modismo Gráfico Polar de Columna (GPC) elegido pues transfiere algunas de las fortalezas de los gráficos cartesianos a un eje polar.
Se realiza una sesión de prueba con usuarios, correspondientes al total de alumnos del taller (24 estudiantes), los cuales en una primera instancia ven sus puntajes a través de la rúbrica utilizada. Luego, ven la traducción de esos datos a los tres modismos seleccionados. Finalmente, los usuarios son consultados por sus impresiones respecto a los niveles de eficacia y efectividad de tal forma de dar respuesta a nuestra interrogante inicial.
La encuesta de validación, a través de ocho preguntas, indaga las impresiones de los estudiantes respecto al nivel de contexto, el nivel de tarea y el nivel de codificación visual e interacción con el modismo.
RESULTADOS:
El análisis cualitativo de las respuestas ha utilizado el modelo anidado de niveles de diseño y validación de visualización, que ha permitido construir un esquema de codificación e interpretación de las apreciaciones que surgen de los estudiantes en las pruebas de usuario. Dos ítems analizados han considerado la situación o dominio estudiado; dos el nivel de datos y tareas; cuatro los modismos de codificación visual y de interacción. El nivel de algoritmo fue observado informalmente sin aplicar mediciones de usabilidad. El detalle de la información se presentará en el artículo final.
DISCUSIÓN:
En un principio la investigación es impulsada por lograr un ajuste técnico a la visualización definida de modo intuitivo, sin embargo se transforma en una indagación impulsada por el problema de base.
Desde una perspectiva ex post facto, los cuatro niveles anidados de diseño de visualización y validación erige como un marco sólido. Este modelo era muy útil para el análisis de los datos recogidos, las respuestas comenzaron a tener sentido y revelar, cómo ciertas características en los modismo visuales analizados, muestran éxitos, pero también errores.
Retrospectivamente, la exploración de modismos alternativos puede verse beneficiado de mayor indagación previa sobre las expectativas de los estudiantes-usuarios y levantamiento de su perfil.
Los modismo radiales presentan ventajas en su efectividad respecto de los cartesianos. Sin embargo se requiere una versión mejorada de GPC, pues el GPA presenta problemas de adecuación o imprecisión. El GB si bien evidencia ventajas justamente en la debilidad anterior es desechado en la dimensión de la efectividad, sus atributos deben ser incorporados al GPC.
Keywords
References
[1] Autores, 2013.
[2] Aigner, W., Miksch, S., Schumann, H., y Tominski, C. (2011). Visualization of Time-Oriented Data. London: Springer London. doi:10.1007/978-0-85729-079-3
[3] Autor, 2014.
[4] Burch, M., y Weiskopf, D. (2014). On the Benefits and Drawbacks of Radial Diagrams. In W. Huang (Ed.), Handbook of Human Centric Visualization (pp. 429–451). New York, New York, USA: Springer New York. doi:10.1007/978-1-4614-7485-2
[5] Draper, G. M., Livnat, Y., & Riesenfeld, R. F. (2008). A survey of radial methods for information visualization. IEEE Transactions on Visualization and Computer Graphics, 15(5), 759–76. doi:10.1109/TVCG.2009.23
[6] Tory, M., & Moller, T. (2004). Rethinking Visualization: A High-Level Taxonomy. In Proceedings of the IEEE Symposium on Information Visualization (pp. 151–158). Washington, DC, USA: IEEE Computer Society. doi:10.1109/INFOVIS.2004.59
[7] Ware, C. (2012). Information Visualization, Third Edition: Perception for Design (Interactive Technologies) (3rd ed.). Morgan Kaufmann.
[8] Munzner, T. (2014). Visualization Analysis & Design (p. 428). CRC Press.
[9] Jackson, B., Coffey, D., Thorson, L., Schroeder, D., Ellingson, A. M., Nuckley, D. J., & Keefe, D. F. (2012). Toward mixed method evaluations of scientific visualizations and design process as an evaluation tool. In Proceedings of the 2012 BELIV Workshop on Beyond Time and Errors - Novel Evaluation Methods for Visualization - BELIV ’12 (pp. 1–6). New York, New York, USA: ACM Press. doi:10.1145/2442576.2442580