informe Horizon 2010 - The New Media Consortium

A n á l i s i s d e dato s v i s ua lHorizonte de implantación: de cuatro a cinco añosEl análisis de datos visual combina métodos computacionales altamente avanzados con motores gráficossofisticados para aprovechar la extraordinaria capacidad de las personas de ver patrones y estructurasincluso en las presentaciones visuales más complejas. Las técnicas, actualmente aplicadas a conjuntosde datos masivos, heterogéneos y dinámicos, como los que generan los estudios de procesos astrofísicos,fluidos, biológicos y otros, se han convertido en técnicas lo bastante sofisticadas para permitir la manipulacióninteractiva de variables a tiempo real. Los visores de alta resolución permiten a los equipos de investigadoresampliar las imágenes para estudiar los aspectos específicos de las representaciones o navegar porcaminos visuales interesantes, siguiendo su intuición e incluso presentimientos para ver adonde llevan. Lanueva investigación empieza a aplicar estos tipos de herramientas también en las ciencias sociales y en lashumanidades, y todo indica que las técnicas podrían ayudarnos a entender procesos sociales complejoscomo el cambio docente, político u organizacional, y la difusión de conocimiento.Visión generalEn el último siglo, la recopilación, el almacenamiento,la transmisión y la presentación de datos hacambiado radicalmente, y los investigadores tienenque pasar por una profunda transformación en lamanera como afrontan las tareas relacionadas conlos datos. La recogida y recopilación de datos ya noes el proceso pesado y manual que era antes, y lasherramientas para analizar, interpretar y presentarlos datos son cada vez más sofisticadas, y su usoes rutina en muchas disciplinas. Las opciones parailustrar tendencias, relaciones y causa y efectohan estallado, y ahora es relativamente fácil paracualquier persona hacer los tipos de análisis queantes eran sólo terreno de estadísticos e ingenieros.En escenarios de investigación avanzada, científicosy otros estudiosos de sistemas masivamentecomplejos generan montañas de datos, y handesarrollado una amplia variedad de nuevasherramientas y técnicas para poder interpretarestos datos holísticamente y exponer patronesy estructuras, tendencias y excepciones, y otrasmanifestaciones significativas. Los investigadoresque trabajan con conjuntos de datos deexperimentos o simulaciones, como la dinámica defluidos computacional, la astrofísica, el estudio delclima o la medicina, recurren a técnicas del estudiode visualización, minería de datos y estadística paracrear maneras útiles de investigar y entender lo quehan descubierto.La combinación de estas disciplinas ha provocadola aparición de un nuevo campo de análisis dedatos visual, que no solamente se caracteriza porcentrarse en el uso de técnicas de comparaciónde patrones que parecen integradas en el cerebrohumano, sino también en la manera como facilitael trabajo de equipos que trabajan conjuntamentepara sacar significado de conjuntos de informacióncomplejos. Mientras que las herramientas mássofisticadas todavía se encuentran en escenariosde investigación, empiezan a aparecer una serie deherramientas que permiten a casi cualquier personacon aptitudes analíticas interpretar fácilmente todotipo de datos.Los mapas autoorganizados son un enfoque queimita la manera como nuestro cerebro organizarelaciones multifacéticas; crean una red de «unidadesneuronales» que hace que las unidades vecinasreconozcan datos similares, y refuercen patronesimportantes para que puedan verse. El análisis declústeres es un conjunto de técnicas matemáticaspara dividir una serie de objetos de datos encantidades más pequeñas de grupos o clústeres, deforma que los objetos de datos dentro de un clústerguardan más parecido entre ellos que con los que hayen los otros clústeres. El análisis de componentes