VALS: A Visual Analytics Framework for Longitudinal Studies

• Autores: Duván Alberto Gómez Betancur
• Directores de la Tesis: Jose Tiberio Hernandez Peñaloza (dir. tes.), Nathalie Charpak (dir. tes.), Hans Hagen (dir. tes.), John William Branch Bedoya (dir. tes.), César A. Ahumada (dir. tes.), Pilar Villamil (dir. tes.), I+D+I Imagine: Computación Visual (dir. tes.)
• Lectura: En la Universidad de los Andes (Colombia) ( Colombia ) en 2023
• Idioma: inglés
• Tribunal Calificador de la Tesis: Hans Hagen (presid.), María del Pilar Villamil Giraldo (presid.), César A. Ahumada (presid.), John William Branch Bedoya (presid.)
• Enlaces
  • Tesis en acceso abierto en: hdl.handle.net
• Resumen

  • El análisis visual de datos ayuda a comprender distintos tipos de fenómenos al permitir a los expertos explorar en busca de relaciones, patrones, valores atípicos, cambios inesperados y mucho más. Los expertos necesitan herramientas que les ayuden a encontrar información útil y procesable en los datos para poder comprobar sus hipótesis y desarrollar otras nuevas. Esta necesidad se hace más evidente en los estudios longitudinales, en los que suele haber un gran número de variables y el proceso que se analiza también puede ser complejo. Presentamos VALS (Visual Analytics in Longitudinal Studies), un framework para explorar visualmente datos de estudios longitudinales. VALS incluye un modelo de datos, un modelo de categorización de tareas y un enfoque hacia la orientación de los usuarios mediante técnicas de ingeniería de características y visualizaciones interactivas, todo lo cual ayuda a los analistas a realizar sus tareas de análisis. La construcción de VALS estuvo acompañada por expertos en estudios clínicos longitudinales. También hemos desarrollado un prototipo de herramienta para un estudio de caso utilizando conjuntos de datos del mundo real. Las pruebas recogidas en el estudio de caso demuestran la utilidad de una herramienta de análisis visual basada en VALS.