Evaluación de la calidad de visualizaciones de datos basada en el proceso analítico jerárquico y redes neuronales de propagación hacia atrás

Abstract

La visualización de datos se ha vuelto esencial para comprender grandes conjuntos de datos y comunicar hallazgos. La narrativa basada en datos se utiliza cada vez más para dar soporte a la toma de decisiones en diferentes ámbitos, por lo cual resulta fundamental evaluar su calidad. Este trabajo propone la implementación del proceso analítico jerárquico en combinación con redes neuronales de propagación hacia atrás (AHP-BP), teniendo en cuenta el conocimiento y experiencia de los evaluadores. Se analizaron estudios existentes para conocer los factores de mayor influencia en la calidad de visualizaciones narrativas y se elaboró el sistema de índices de evaluación. Se seleccionaron diferentes usuarios como expertos evaluadores y se calculó el peso de cada uno. Se ajustaron los valores iniciales de las evaluaciones con los pesos de los expertos y luego se ponderaron para mitigar la subjetividad de los cálculos. Finalmente, con los resultados de la evaluación de 20 visualizaciones se entrenó un modelo de red neuronal BP. Los resultados demuestran que el método refleja la competencia de

los expertos y reduce la subjetividad de la evaluación. La capacidad de aprendizaje de la red neuronal proporciona resultados precisos y confiables.