6.3: Acomodar las limitaciones humanas

Última actualización
Guardar como PDF

Page ID: 150502

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

Los humanos tienen limitaciones tanto perceptuales como cognitivas que pueden hacer que algunas visualizaciones sean muy difíciles de entender. Siempre es importante tenerlos en cuenta a la hora de construir una visualización.

6.3.1 Limitaciones perceptuales

Una limitación perceptual importante que sufren muchas personas (incluyéndome a mí mismo) es el daltonismo. Esto puede hacer muy difícil percibir la información en una figura (como la de la Figura 6.10) donde solo hay contraste de color entre los elementos pero no hay contraste de brillo. Siempre es útil utilizar elementos gráficos que difieran sustancialmente en brillo y/o textura, además del color. También hay paletas “colorblind-friendly” disponibles para su uso en R, que usamos en Figura?? .

Figura 6.10: Ejemplo de una mala figura que se basa únicamente en el contraste de color.

Incluso para las personas con visión cromática perfecta, existen limitaciones perceptuales que pueden hacer que algunas parcelas sean ineficaces. Esta es una de las razones por las que los estadísticos nunca usan gráficos circulares: Puede ser muy difícil para los humanos percibir con precisión las diferencias en el volumen de formas. El gráfico circular de la Figura 6.11 (presentando los mismos datos sobre afiliación religiosa que mostramos anteriormente) muestra lo complicado que puede ser esto.

Un ejemplo de gráfico circular, destacando lo difícil de aprehender el volumen relativo de las diferentes rebanadas de tarta. — Figura 6.11: Un ejemplo de un gráfico circular, destacando lo difícil de aprehender el volumen relativo de las diferentes rebanadas de tarta.

Esta trama es terrible por varias razones. Primero, requiere distinguir una gran cantidad de colores de parches muy pequeños en la parte inferior de la figura. En segundo lugar, la perspectiva visual distorsiona los números relativos, de tal manera que la cuña de pastel para católicos aparece mucho más grande que la cuña de pastel para Ninguno, cuando de hecho el número para Ninguno es ligeramente mayor (22.8 vs 20.8 por ciento), como se evidenció en la Figura 6.6. En tercer lugar, al separar la leyenda del gráfico, se requiere que el espectador mantenga la información en su memoria de trabajo para mapear entre el gráfico y la leyenda y realizar muchas “búsquedas de tabla” para hacer coincidir continuamente las etiquetas de leyenda con la visualización. Y finalmente, usa texto que es demasiado pequeño, lo que hace imposible leer sin hacer zoom.

Trazando los datos usando un enfoque más razonable (Figura 6.12), podemos ver el patrón con mucha más claridad. Esta gráfica puede no parecer tan llamativa como la gráfica circular generada con Excel, pero es una representación mucho más efectiva y precisa de los datos.

Figura 6.12: Una presentación más clara de los datos de afiliación religiosa (obtenidos de http://www.pewforum.org/religious-landscape-study/).

Esta gráfica permite al espectador hacer comparaciones basadas en la longitud de las barras a lo largo de una escala común (el eje y). Los humanos tienden a ser más precisos a la hora de decodificar diferencias basadas en estos elementos perceptuales que en función del área o el color.