A blog about data, information and IT, by Mario Alberich

Dec 19
2013

Aprender y enseñar visualización de la información

A pesar de ser una especie cuyo valor diferencial está en su capacidad para transmitir información verbalmente, a menudo da la sensación que las metodologías de aprendizaje aún distan de ser eficientes.  Sin bajar a la realidad de las políticas educativas, las técnicas pedagógicas se enfrentan a un reto importante: cómo transmitir los conceptos, procesos y criterios a un público heterogéneo.

Este punto es especialmente importante cuando tratamos áreas de conocimiento relativamente nuevas, como es el caso de la visualización de la información. Claro que sus ingredientes principales no son nuevos, pero la forma como se combinan sí lo son, y aún es pronto para saber las recetas que facilitan una visualización adecuada.

Y entonces, ¿Cómo podemos aprender y/o enseñar a visualizar datos? Hay varios recursos al respecto:


Hago un resumen de los puntos que me han parecido más interesantes.

Aprender visualización después de haber aprendido visualización


Resumiendo lo comentado

  • Trabajar con los datos: Como en cualquier actividad fuertemente basada en la técnica (que no tecnología), la experiencia con los datos se basa en trabajar con ellos. Puedes buscar repositorios sobre datos que te interesen, para añadir aliciente a tus análisis. Parte de ese proceso implica aprender y reforzar las técnicas, y a la vez las tecnologías asociadas. La otra opción
  • Buscar opiniones de terceros: Como contrapunto, después del esfuerzo por mejorar personalmente, es importante mostrar nuestros resultados a otros ojos. Las opiniones de los demás, salvo excepciones, aportan información sobre la dirección en la que mejorar.
  • Leer más: Después del proceso anterior, vale la pena (re)leer y buscar respuestas que otros han dado a las preguntas que te planteas.

Después de aprender, ¿Cómo enseñar?


Aunque en este punto se está enfocando a enseñar a profesionales, algunos de los aspectos son válidos para fines didácticos hacia el público en general.

  • Iteraciones en el desarrollo de materiales: Como en cualquier disciplina inmadura, enseñar visualización de la información tiene menos paradigmas, y por ello requiere más adaptación al público, tema y objetivos. Es por ello que los materiales didácticos variarán en más grado.
  • Linearidad en la exposición: Como oposición a lo anterior, la exposición debe ser linear para evitar las máximas dudas, ineficiencias. A pesar de ello debe acomodar la incertidumbre, creatividad y experimentación.
  • Craft vs. instructional: Buscar el balance entre los principios y reglas, y lo hecho a medida.
  • Convicciones: De lo anterior se deduce algo importante: para afrontar las novedades, los alumnos deben desarrollar sus propias convicciones, más allá de lo que gusta o no. Se trata de que identifiquen los atributos que les conducen a esa opinión.
  • Elecciones: Provocar que los alumnos tomen decisiones como actitud natural, y con sentido.
  • Variedad: El público objetivo al que se dirige esa formación contará con una gran variedad de perfiles, desde tecnológicos hasta artísticos. Ningún estándar encaja en esta variedad, hay que ajustar y personalizar.
  • Herramientas y tecnología: Las herramientas evolucionan, por lo que importa es que sus usuarios tengan la habilidad para sacarles partido.

Lo que sabemos y lo que nos queda por descubrir


No existe la visualización perfecta y por ello se trata de adecuar las técnicas que conocemos al caso que se nos presenta. Ese grado de adecuación puede ser automatizado hasta un cierto grado, para convertirse en parte de una metodología, o más aún de un algoritmo.

Pero en cuanto el número de dimensiones de los datos aumenta, las posibilidades también lo hacen, y es cuando más importante resulta mantener el foco en lo que estamos intentando comunicar, sintetizar, responder.

Tags

gestión documental 10     Recuperación información 11     Linux 7     Usabilidad 5     open source 3     Tagging 12     lógica borrosa 2     fuentes de información 12     Google 6     off-topic 6     spam 2     grafos 6     Web social 11     modelización 12     Productividad 11     buscadores 2     utilidades 17     Profesionales 9     SEO 5     estándares 3     veracidad 3     relevancia 2     lingüística 2     PLN 2     lenguajes documentales 2     apis-mashups 3     reseñas 7     Flash 7     Gráficos estadísticos 13     Publicidad 3     Innovación 5     muestreo estadístico 9     PHP 14     internet 2     testeo 12     desarrollo 3     visualizacion 36     javascript 16     datos abiertos 9     elecciones 2     simulación 5     html5 7     phing 9     ssh 2     seguridad 3     indicadores 2     demografía 3     media 2     algoritmos 7     shell 4     mysql 2     backup 2     big data 6     twitter 2     d3js 11     revealjs 2     metodología 6     data-journalism 6     smartcities 2     NYT 2     privacidad 3     benchmarking 4     recopilaciones 21     magento 5     formacion 2     github 2     HHVM 3     psicología 2     angularjs 3     grep 2     nodejs 5     promises 2     mapreduce 3     crossfilter 2     exploración de datos 2     machine learning 2    

© 2007 and beyond Mario Alberich, licensed under CC-BY-SA unless stated otherwise.