El mundo está inundado de visualizaciones de datos, desde gráficos que acompañan a las noticias sobre la economía hasta gráficos que registran la temperatura semanal y diagramas de dispersión que muestran relaciones entre las estadísticas del béisbol.

En esencia, las visualizaciones de datos transmiten información, y cada persona la consume de forma diferente. Una persona puede examinar los ejes, mientras que otra puede centrarse en un punto de datos atípico o examinar la magnitud de cada barra de color.

Pero ¿cómo consumes esa información si no puedes verla?

Hacer que una visualización de datos sea accesible para lectores ciegos o con baja visión a menudo implica escribir un título descriptivo que capture algunos puntos clave en un párrafo conciso.

“Pero eso significa que los lectores ciegos y con baja visión no pueden interpretar los datos por sí mismos. ¿Qué pasaría si tuvieran una pregunta diferente sobre los datos? De repente, un simple pie de foto ya no les da esa posibilidad. La idea central del trabajo de nuestro grupo en accesibilidad ha sido mantener la autonomía de las personas ciegas y con baja visión”, afirma Arvind Satyanarayan, profesor asociado titular del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) del MIT y miembro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).

El grupo de Satyanarayan ha explorado la posibilidad de hacer accesibles las visualizaciones de datos para lectores de pantalla, que narran el contenido en la pantalla de una computadora. Su equipo creó una plataforma jerárquica que permite a los usuarios de lectores de pantalla explorar diversos niveles de detalle en una visualización con el teclado, desglosando desde la información general hasta los puntos de datos individuales.

Bajo el paraguas de la investigación sobre interacción humano-computadora (HCI), el Grupo de Visualización de Satyanarayan también desarrolla lenguajes de programación y herramientas de creación para visualizaciones, estudia los elementos socioculturales del diseño de visualización y utiliza visualizaciones para analizar modelos de aprendizaje automático.

Para Satyanarayan, la HCI consiste en promover la capacidad humana para actuar, ya sea permitiendo que un lector ciego interprete las tendencias de los datos o garantizando que los diseñadores sigan sintiéndose en control de los sistemas de visualización impulsados ​​por IA.

“Realmente adoptamos un enfoque centrado en el ser humano para la visualización de datos”, afirma.

Un ojo para la tecnología

Satyanarayan encontró el campo de la visualización de datos casi por accidente.

Cuando era niño y crecía en India, Bahréin y Abu Dhabi, su interés inicial por la ciencia surgió de su amor por la experimentación.

Satyanarayan recuerda que su padre trajo a casa una laptop, la cual llenó de juegos sencillos. Internet creció con él, y de adolescente se involucró activamente en la popular plataforma de blogs Movable Type.

Maestro de corazón desde su adolescencia, Satyanarayan ofreció tutoriales sobre cómo usar la plataforma y organizó un concurso para que la gente diseñara su blog. Durante el proceso, aprendió por su cuenta las habilidades para desarrollar plugins y extensiones.

Disfrutaba diseñando blogs llamativos y fáciles de usar, sentando las bases para sus estudios en la interacción humano-computadora.

Cuando llegó a la Universidad de California en San Diego para la universidad, estaba lo suficientemente interesado en el campo de HCI como para tomar una clase introductoria.

“Siempre había sido un estudiante de historia, y esta clase introductoria realmente me atrajo porque se trataba más sobre la historia de las interfaces de usuario y el rastreo de la procedencia y el desarrollo de las ideas detrás de ellas”, dice.

Casi como una ocurrencia tardía, habló con el profesor Jim Hollan, un pionero en el campo. Aunque no había pensado mucho en la investigación de antemano, Satyanarayan terminó pasando el verano en el laboratorio de Hollan, estudiando cómo las personas interactúan con pantallas gigantes.

Mientras se preparaba para cursar estudios de posgrado (Satyanarayan dividió su doctorado entre la Universidad de Stanford y la Universidad de Washington), dudaba entre centrarse en lenguajes de programación o en HCI. A la hora de elegir, el enfoque centrado en el ser humano de HCI y la interdisciplinariedad de la visualización de datos lo atrajeron.

“La visualización de datos es profundamente técnica, pero también se nutre de la ciencia cognitiva, la psicología perceptiva, las artes visuales y la estética, y además tiene un gran interés en la responsabilidad cívica y social”, afirma.

Vio cómo la visualización desempeña un papel en la responsabilidad cívica y social durante su primer proyecto con su director de doctorado, Jeffrey Heer. Satyanarayan y sus colaboradores crearon una interfaz de visualización de datos para periodistas de redacciones que no podían permitirse contratar departamentos de datos. Esta herramienta de arrastrar y soltar permitió a los periodistas diseñar la visualización y toda la narrativa de datos que deseaban crear en torno a ella.

Ese proyecto sembró muchos elementos que se convirtieron en su tesis, para la cual estudió nuevos lenguajes de programación para visualización y desarrolló sistemas gráficos interactivos sobre ellos.

Después de obtener su doctorado, Satyanarayan buscó un trabajo como profesor y pasó una agotadora temporada de entrevistas recorriendo el país, participando en 15 entrevistas en sólo dos meses.

El MIT fue su última parada.

Recuerdo estar exhausto y en piloto automático, pensando que esto no iba bien. Pero entonces, el primer día de mi entrevista en el MIT estuvo lleno de algunas de las mejores conversaciones que tuve. La gente estaba tan ansiosa e interesada en comprender mi investigación y cómo se relacionaba con la suya —dice—.

Trazando un rumbo colaborativo

El carácter colaborativo del MIT siguió siendo importante durante la creación de su grupo de investigación; uno de los primeros estudiantes de posgrado del grupo cursaba un doctorado en el programa de Historia, Antropología y Ciencia, Tecnología y Sociedad del MIT. Continúan colaborando estrechamente con profesores que estudian antropología, humanidades y aprendizaje automático clínico.

Con colaboradores interdisciplinarios, el Grupo de Visualización ha explorado las implicaciones sociotécnicas de las visualizaciones de datos. Por ejemplo, los gráficos se comparten, difunden y discuten con frecuencia en redes sociales, donde se les desproporciona contexto.

Como resultado, pueden convertirse en vectores de desinformación o malentendidos. Pero esto no se debe a que estén mal diseñados desde el principio. Dedicamos mucho tiempo a analizar esos detalles, afirma Satyanarayan.

Su grupo también estudia gráficos táctiles, comunes en los museos para ayudar a las personas ciegas y con baja visión a interactuar con las exhibiciones. A menudo, crear un gráfico táctil se reduce a imprimir un gráfico en 3D.

Pero un gráfico fue diseñado para ser leído con los ojos, y nuestros ojos funcionan de manera muy diferente a nuestros dedos. Ahora estamos profundizando en lo que significa diseñar visualizaciones táctiles, afirma.

El codiseño es un principio rector de todo el trabajo de accesibilidad de su grupo. En muchos proyectos, colaboran estrechamente con Daniel Hajas, investigador del University College de Londres, ciego desde los 16 años.

“Eso ha sido muy importante para nosotros, asegurarnos, como personas que no son ciegas, de que estamos desarrollando herramientas y plataformas que realmente sean útiles para las personas ciegas y con baja visión”, afirma.

Su grupo también estudia las implicaciones socioculturales de la visualización de datos. Por ejemplo, durante el auge de la pandemia de COVID-19, las visualizaciones de datos se convirtieron a menudo en memes y artefactos sociales que se utilizaban para respaldar o refutar los datos de los expertos.

En realidad, ni los datos ni las visualizaciones son neutrales. Hemos estado pensando en los datos que se utilizan para visualizar, en las decisiones de diseño detrás de visualizaciones específicas y en lo que esto comunica, además de información sobre los datos —afirma—.

Visualizando un impacto en el mundo real

La interdisciplinariedad también es un tema de la clase de visualización de datos interactivos de Satyanarayan, que enseña junto con los profesores Sarah Williams y Catherine D'Ignazio en el Departamento de Estudios Urbanos y Planificación; y Crystal Lee en Estudios Comparativos de Medios/Escritura, con nombramientos compartidos en la Escuela de Artes, Humanidades y Ciencias Sociales y el MIT Schwarzman College of Computing.

En este popular curso, los estudiantes no solo adquieren las habilidades técnicas para crear visualizaciones de datos, sino que también desarrollan proyectos finales centrados en un área de importancia social. Durante los últimos dos años, los estudiantes se han centrado en la crisis de asequibilidad de la vivienda en el área de Boston, en colaboración con el Consejo de Planificación del Área de Massachusetts. Los estudiantes disfrutan de la oportunidad de generar un impacto real con su trabajo, afirma Satyanarayan.

Y él disfruta del curso tanto como ellos.

Me encanta enseñar. Disfruto mucho interactuando con los estudiantes. Nuestros alumnos son muy curiosos intelectualmente y comprometidos. Me tranquiliza saber que nuestro futuro está en buenas manos, dice.

Uno de los intereses personales de Satyanarayan es correr por la Explanada del Río Charles en Boston, algo que hace casi a diario. También le gusta cocinar, sobre todo con ingredientes que nunca ha usado.

Satyanarayan y su esposa, que se conocieron mientras eran estudiantes de posgrado en Stanford (su doctorado es en microbiología), también disfrutan cuidando su parcela en Fenway Victory Gardens, que rebosa de lirios, lavanda, lilas, peonías y rosas.

Su última incorporación es un cachorro caniche miniatura llamado Fen, que consiguieron cuando Satyanarayan obtuvo la titularidad a principios de este año.

Pensando en el futuro de su investigación, Satyanarayan está interesado en explorar más a fondo cómo la IA generativa podría ayudar eficazmente a las personas a crear visualizaciones y sus implicaciones para la creatividad humana.

“En el mundo de la IA generativa, esta cuestión de la agencia nos afecta a todos”, afirma. “¿Cómo podemos asegurarnos, en el caso de estos sistemas impulsados ​​por IA, de no perder las partes del trabajo que nos resultan más interesantes?”

​Autor​