Storytelling

with data

Luis Miguel de la Cruz Salas

Depto. de Recursos Naturales, IGEF-UNAM

2026-03-24

Contenido

  • SciVis and Visual Analytics.
  • Visión y percepción.
  • Preattentive features.
  • El proceso.

SciVis and Visual Analytics.

Scientific Visualization.

Visual Analytics.

Visual analytics (análisis visual) es un campo multidisciplinario de la ciencia y la tecnología que surgió de la visualización científica (Visualization) y la visualización de la información (InfoViz). Se centra en cómo las interfaces visuales interactivas pueden facilitar la exploración de datos complejos, identificar patrones y promover el razonamiento analítico para obtener información útil.

IEEE Vis 2026: Visualization & Visual Analytics.

Visual Analytics.

  • Convertir la información en conocimientos prácticos.
  • Comprender las necesidades de información del grupo de usuarios objetivo.
  • Determinar qué tipo de datos son los necesarios y qué técnicas de visualización se deben usar.
  • Utilizar parámetros visuales: color, contraste, distancia, tamaño, …, para crear una jerarquía visual adecuada y una ruta visual óptima a través de la información.

Visual Analytics and Storytelling.

There’s always room for a story that can transport people to another place. J. K. Rowling.

Hunting scene. Cueva Khao Chan Ngam en Nakhon Ratchasima Tailandia. La presencia de perros sugiere que esta pintura tiene menos de 4,000 años. Foto: Noel H. Tan.

Hunting scene. Cueva Khao Chan Ngam en Nakhon Ratchasima Tailandia. La presencia de perros sugiere que esta pintura tiene menos de 4,000 años. Foto: Noel H. Tan.

Visión y percepción.

Los conceptos y figuras de esta sección provienen de (Cairo, 2013).

El ojo humano.

  • Células fotoreceptoras:

    • Bastones: muy sensibles a la luz débil, no distinguen color.
    • Conos: Perciben el color.

  • Fóvea (~0.3mm):

    • Libre de bastones, contiene muchos conos, provee la información más clara y detallada, ahí se enfocan los rayos luminosos.

Visión periférica y mov. sacádicos

A. Yarbus, Eye Movements and Vision, 1967.

A. Yarbus, Eye Movements and Vision, 1967.

.

.

.

.

El cerebro visual

  • Lo que ve la retina, no es exactamente lo que el cerebro percibe.
  • El cerebro completa información con base en lo que conoce, es eficiente.

  • La visión está compuesta de: vista, percepción y cognición.

  • Moraleja: si el cerebro le da prioridad a ciertos objetos, entonces prioricemos de antemano.

Preattentive features.

Los conceptos y figuras de esta sección provienen de (Cairo, 2013).

¿Qué son?

  • Preattentive features: propiedades de las imágenes que se procesan en nuestra memoria espacial sin una acción consciente.

  • Son procesadas en ~0.5 s por nuestro sistema visual.

El mayor valor de una imagen se nota cuando nos obliga a fijarnos en lo que nunca esperábamos ver, John Tukey.

¿Cuáles son?

Colin Ware (2013) define cuatro familias de preattentive features:

  • Color. RGB (Red, Green, Blue), sistema aditivo, que usa una estructura hexadecimal #F453A2. HTML colors.
  • Forma. Colinealidad, curvatura, longitud, amplitud, ancho, marcadores, cantidad, patrón, tamaño, agrupamiento, orientación, …
  • Movimiento. Parpadeo y movimiento espacial.
  • Posicionamiento espacial. La forma más efectiva es en 2D.

Ejemplos.

  • El cerebro detecta más fácilmente las diferencias en contraste y color, que las formas.

Leyes de la forma (gestalt).

  • El cerebro detecta patrones.

    • Proximidad.
    • Similaridad.
    • Conectividad.
    • Continuidad.
    • Agrupamiento.
    • Cierre.
    • Familiaridad.

Clasificación de Cleveland y McGill.

La clasificación CM (Clevaland & McGill, 1984) es un método para representar datos y determinar diferencias en la información con precisión o de forma más genérica.

El proceso.

Storytelling with data.

(Nussbaumer, 2025) y (Nussbaumer, 2019).

Referencias.