Visualiza tus resultados de investigación: mapas, gráfos y nubes de palabras con IA

Diana López García

En nuestro Seminario de IA para la investigación y Tesicamps hemos compartido algunas herramientas que coadyuvan a la sección de resultados, sin embargo, identificamos que si no hay un corpus teórico claro, la pregunta que surge es: ¿Tus gráficos explican realmente tu investigación o sólo ocupan espacio en la tesis?

Elegimos colores, acomodamos elementos y los insertamos en el texto esperando que “comuniquen” algo. Pero, muchas veces, el problema aparece cuando no sabemos interpretar aquello que mostramos en una gráfica, que aunque es estética, no aporta realmente al análisis. 

¿Para qué te sirven los gráficos en investigaciones?

Los gáficos en una investigación ayudan a interpretar información, comunicar hallazgos y construir narrativas académicas más claras.

En este contexto, el Maestro Enrique Martínez quien impartió la sesión enfocada en el uso de inteligencia artificial aplicada a la visualización de datos, proponiendo una transición que va de lo técnico hacia lo comunicativo durante la segunda edición del Seminario de IA para la Investigación.

Hay que resaltar que no todos los gráficos sirven para lo mismo. Cada visualización responde a necesidades específicas de análisis y comunicación.

Por ejemplo, las gráficas de líneas permiten identificar tendencias y cambios a lo largo del tiempo, mientras que las barras y columnas ayudan a comparar categorías o variables. Los gráficos de pastel o dona facilitan la comprensión de proporciones dentro de un conjunto, y los diagramas de dispersión muestran relaciones entre variables y posibles correlaciones.

Esto coincide con discusiones abordadas previamente en otras sesiones del seminario por el Dr. Josué Lugo Sánchez sobre escritura académica y construcción del conocimiento, donde se plantea que la comunicación visual forma parte de la argumentación científica.

De acuerdo con las normas APA, los gráficos y elementos visuales deben presentarse como figuras numeradas, con títulos descriptivos y referencia de la fuente utilizada. También se destaca que ningún gráfico debe aparecer aislado: siempre necesita ser introducido, explicado e interpretado dentro del texto académico.

Ejemplos de gráficos presentados durante la sesión “Visualización de datos + IA” del Seminario de IA para la investigación, 2.ª edición.

Que tenga efecto, no defecto: construye visualizaciones efectivas 

Un gráfico que sí es eficiente no depende únicamente de la cantidad de información que contiene, sino de la claridad con la que logra transmitir un mensaje recuperando la analogía de “menos es más”. Eliminar elementos innecesarios, evitar saturar los gráficos y reducir el ruido visual son decisiones fundamentales para mejorar la comprensión de los datos.

Durante la sesión impartida por el Mtro. Martinez, realizó énfasis en el uso del color como una herramienta comunicativa y no solamente estética. Incluso algunos tonos suelen asociarse con emociones o alertas específicas (como el rojo para indicar riesgo o atención), por lo que su elección debe ser orientado a un objetivo. A la par, recomienda no utilizar más de cinco colores dentro de una misma visualización para evitar confusión y menciona que, manipular escalas, exagerar diferencias entre variables o construir gráficos engañosos continúa siendo una práctica de mala fe científica, independientemente de las herramientas utilizadas.

Plataformas de IA que facilitan el análisis y la visualización de datos académicos

A continuación te compartimos algunas de las plataformas que nuestros tesistas han explorado:

Julius AI

Un asistente conversacional que funciona mediante lenguaje natural, es decir, no involucra un lenguaje de programación. La plataforma permite subir bases de datos en Excel o CSV y solicitar análisis estadísticos, frecuencias o visualizaciones complejas sin necesidad de programar directamente en Python.

Graphy

Destaca por su enfoque visual y su facilidad de uso. A diferencia de otras herramientas más técnicas, permite modificar aspectos estéticos mediante opciones intuitivas, facilitando la personalización de gráficos para exposiciones, tesis o publicaciones digitales.

Flourish

Definido por el Mtro. Enrique como el “Canva de las visualizaciones”, Flourish permite crear gráficos animados, mapas interactivos y visualizaciones dinámicas. Su potencial radica en la divulgación y presentación de resultados de manera más atractiva e interactiva.

Ejemplos de gráficos presentados durante la sesión “Visualización de datos + IA” del Seminario de IA para la investigación, 2.ª edición

Voyant Tools

En el ámbito cualitativo, Voyant Tools se posiciona como una herramienta clave para la analítica textual. Su principal diferenciador es que es de acceso abierto y código libre, además, tus datos no los usa para entrenar su modelo de lenguaje por lo que están seguros. Permite cargar entrevistas, libros o artículos para generar nubes de palabras, análisis de frecuencia y visualizaciones sobre el comportamiento de conceptos dentro de un texto. Este tipo de herramientas se vincula con metodologías digitales y enfoques contemporáneos de análisis discursivo y cultural.

Nuevas tecnologías conducen a nuevas formas de aprender 

En un entorno saturado de información, las visualizaciones pueden marcar la diferencia entre un hallazgo que pasa desapercibido y uno que logra generar comprensión, diálogo e incidencia dentro del ámbito académico. 

La Guía para Uso Ético de la Inteligencia Artificial: Una Propuesta para la Investigación y Educación menciona que la inteligencia artificial abre posibilidades inéditas para analizar datos y construir narrativas visuales más accesibles; no obstante, también exigen investigadores más críticos, conscientes y responsables. El reto es aprender a usar plataformas digitales de la mano con desarrollar una mirada metodológica y ética capaz de transformar datos en conocimiento significativo.

Por ende, te invitamos a profundizar en el tema consultando el video  3 herramientas de IA para análisis de datos y social listening | IA para tu investigación o tesis disponible en nuestro canal de Youtube donde encontrarás una variedad de recursos educativos.

Esta nota fue elaborada con apoyo de inteligencia artificial. ChatGPT) se usó para mejorar el tono periodístico, la sintaxis y la creación de infografías. Por su parte, se empleó Google Notebook para identificar los puntos clave (bullets) de la sesión Visualización de datos + IA del Seminario de IA para la investigación, 2.ª edición, así como para apoyar la redacción de la infografía principal.

No obstante, el proceso contó con una guía e intervención humana sustantiva. Diana López participó en la selección y procesamiento de la información para la redacción del blog. Además, con el apoyo de Angelina Mijares, Arlette Morales, y Andrea Oropeza se realizó la adaptación del lenguaje y la supervisión o revisión editorial del texto final.