El primer motor de búsqueda visual de diagramas científicos

En 1973, el estadístico Francis Anscombe ideó una demostración fascinante que mostraba por qué los datos siempre deben graficarse antes de analizarlos. La demostración consistió en cuatro conjuntos de datos que tenían propiedades estadísticas casi idénticas. Por esta medida son esencialmente lo mismo.

Pero cuando se grafican, los conjuntos de datos se ven completamente diferentes. el cuarteto de anscombe , como se ha hecho conocido, muestra cómo los buenos gráficos permiten a las personas analizar los datos de una manera diferente, pensar y hablar sobre ellos en otro nivel.

La mayoría de los científicos reconocen la importancia de buenos gráficos para comunicar ideas complejas. Es difícil describir la estructura del ADN, por ejemplo, sin un diagrama.

Y, sin embargo, hay poca o ninguna evidencia que demuestre que los buenos gráficos son una parte importante del esfuerzo científico. La importancia de los buenos gráficos puede parecer evidente, pero sin evidencia, es simplemente una hipótesis.

Hoy, eso cambia gracias al trabajo de Po-shen Lee y sus amigos de la Universidad de Washington en Seattle, quienes han utilizado un algoritmo de visión artificial para buscar gráficos en artículos científicos y luego analizarlos y clasificarlos. Este trabajo revela por primera vez que los gráficos juegan un papel importante en el proceso científico. Encontramos una correlación significativa entre el impacto científico y el uso de información visual, donde los artículos de mayor impacto tienden a incluir más diagramas y, en menor medida, más diagramas y fotografías, dicen.

Estos muchachos comienzan descargando 4,8 millones de cifras de 650.000 artículos científicos de la base de datos en línea PubMed Central, que alberga artículos principalmente de las ciencias de la vida y la biomedicina. Luego, Lee y compañía entrenaron un algoritmo de visión artificial para dividir las figuras de gráficos múltiples en sus partes componentes. Esto aumentó la base de datos a unos 10 millones de cifras para el análisis, el 67 por ciento de ellas provenientes de las cifras de gráficos múltiples.

Luego, el equipo le enseñó al algoritmo a reconocer cinco tipos diferentes de figuras: diagramas, fotos, tablas, diagramas de datos y ecuaciones. Los más comunes resultan ser gráficos de datos, que representan el 35 por ciento del total, seguidos de fotografías (22 por ciento), diagramas (20 por ciento) y ecuaciones (17 por ciento). Las tablas constituyen solo el 5 por ciento de la base de datos.

A continuación, los investigadores analizaron cómo esta distribución variaba según la revista, la disciplina y el tiempo. Encontramos que la distribución de figuras y tipos de figuras en la literatura se ha mantenido relativamente constante a lo largo del tiempo, pero puede variar ampliamente según el campo y el tema, dicen.

Pero su descubrimiento más notable es que los artículos más exitosos tienden a tener más cifras. Al graficar el número de diagramas en un documento contra su impacto, el equipo concluye que las ideas de alto impacto tienden a transmitirse visualmente.

Lee y compañía dicen que hay dos posibles explicaciones para esto: que la información visual mejora la claridad del artículo, lo que genera más citas y un mayor impacto, o que los artículos de alto impacto naturalmente tienden a incluir ideas nuevas y complejas que requieren una explicación visual.

Hay trabajo por delante, por supuesto. Lee y compañía son muy conscientes del sesgo de PubMed Central hacia las ciencias de la vida y la biomedicina. Entonces, un próximo paso obvio es incluir diagramas de las ciencias físicas. El Physics arXiv es un recurso obvio para explotar.

El equipo también quiere explorar las propiedades de diferentes representaciones de datos. Su objetivo es estudiar con qué éxito los diferentes tipos de diagramas transmiten información, produciendo alguna evidencia que podría convertir el arte negro del diseño de diagramas en una ciencia.

Es un trabajo interesante que sienta las bases para un tipo de ciencia completamente nuevo. El equipo llama a esto viziometría, la ciencia de la información visual. Esto refleja la bibliometría, que es el estudio estadístico de las publicaciones, y la cienciometría, que es el estudio de la ciencia de la medición.

La obra deja un importante legado. Lee y compañía han hecho que su base de datos se pueda buscar y esté disponible en www.viziometrics.org . Hace que la navegación sea interesante: ingrese un término científico y el motor de búsqueda arroja una amplia gama de diagramas, fotos, etc., relacionados con ese tema.

Eso permite a los científicos buscar literatura científica en un nivel diferente de abstracción. En otras palabras, les permite razonar sobre la ciencia y los datos de una manera nueva. Sin duda, esta es una herramienta nueva y poderosa que podría tener un profundo impacto en la forma en que producimos, buscamos y accedemos a la información científica. Anscombe seguramente estaría asombrado.

Ref: arxiv.org/abs/1605.04951 : Viziometría: análisis de información visual en la literatura científica

esconder