Saber cómo construir consultas de búsqueda basadas en texto (SQs) para su uso en motores de búsqueda (SEs) como Google o Wikipedia se ha convertido en una habilidad fundamental. Aunque hay muchos datos disponibles a través de tales SEs, la mayoría de los conjuntos de datos estructurados viven fuera de su alcance. Las herramientas de visualización ayudan en esta limitación, pero ninguna de estas herramientas se acerca a la enorme cantidad de información disponible a través de SEs de propósito general. Para llenar este vacío, este documento presenta Q4EDA, un marco novedoso que convierte las consultas de selección visual de los usuarios ejecutadas sobre representaciones visuales de series temporales, proporcionando SQs válidas y estables para ser utilizadas en SEs de propósito general y sugerencias de información relacionada. La utilidad de Q4EDA se presenta y valida por los usuarios a través de una aplicación que vincula una réplica del gráfico de líneas de Gapminder con un SE poblado con documentos de Wikipedia, mostrando cómo Q4EDA apoya y mejora el análisis exploratorio de los indicadores mundiales de las Naciones Unidas. A pesar de algunas limitaciones, Q4EDA es único en su propuesta y representa un verdadero avance hacia la provisión de soluciones para consultar información textual basada en las interacciones del usuario con representaciones visuales.