3.2 Semántica de los datos

Muchas veces la semántica esta relacionada con una dupla llave:valor. A las llaves a veces las denominan dimensiones independientes, y a los valores medidas dependientes. En algunas ocasiones identificar la llave es parte del objetivo de la visualización.

La llave es un identificador único, el cual puede ser múltiple (de tipo vectorial), por ejemplo en las tablas multidimensionales.

En los campos, la posición espacial actúa como llave y es de caracter cuantitativo. En las tablas el número de la fila funciona como llave y es de carácter categórico, así parezca numérico.

En las estructuras multidimensionales, un campo escalar es el que sólo tiene un valor por celda. Un vector es el que tiene dos o más valores por celda. Un tensor tiene un arreglo de atributos por celda. El siguiente video ilustra bien qué es un tensor desde el punto de vista físico-matemático y ayuda a entender porqué podría haber un arreglo de valores por celda: Tensores. Ver también: Visualización de campos escalares

Si no se tiene una semántica, es improbable saber el significado de un arreglo de valores, por cuanto pueden ser un conjunto de campos escalares, un conjunto de vectores o un tensor.

Un flujo de datos debe tener necesariamente un atributo temporal que ordena los atributos en el tiempo. Pero sin conocer la semántica es improbable que se pueda establecer si es un conjunto de datos estático de tipo serie de tiempo o un flujo de datos ya que son comunes los atributos temporales.

En visualización, Viola, Chen e Isenberg (Viola, Chen, and Isenberg 2019) mencionan como la abstracción se presenta en tres etapas:

  • De la realidad a representaciones de datos en alguno de los tipos de conjuntos de datos mencionados al inicio de la sección.

  • De datos a representaciones visuales.

  • De visualizaciones a modelos mentales en el observador.

El último apunta a la necesidad de mantener en mente al observador/audiencia y adaptar la visualización a su nivel de alfabetización gráfica, de tal modo que ésta pueda ser comprendida y sea recibido el mensaje, es decir, se logre efectividad. Viola, Chen e Isenberg (Viola, Chen, and Isenberg 2019) mencionan que la visualización es significativa cuando la representación final conserva los elementos clave y reduce la carga cognitiva impuesta al observador frente a que consulte los datos directamente.

Referencias bibliográficas

Viola, Ivan, Min Chen, and Tobias Isenberg. 2019. “Visual Abstraction.” In Foundations of Data Visualization, 15–37. Springer Nature.