CharText: relacionando texto con visualizaciones para la creación de ayudas visuales en documentos

• Autor: Pinheiro Rodriguez, Joao Valentinno
• Formato: tesis de maestría
• Fecha de Publicación: 2019
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/16249
• Enlace del recurso: https://hdl.handle.net/20.500.12590/16249
• Nivel de acceso: acceso abierto
• Materia: Automatización de charts; Documentos interactivos; Análisis de texto; https://purl.org/pe-repo/ocde/ford#1.02.01

Actualmente muchas fuentes de contenido presentan la información utilizando visualizaciones que complementan el texto en los documentos. Sin embargo, para leer este tipo de documentos debemos dividir nuestra atención entre el grafico y el texto. Es por eso que muchos creadores de contenido diseñan documentos interactivos con enlaces visuales que conectan el texto con el grafico. No obstante, para conseguir documentos interactivos se requieren de habilidades en desarrollo web y herramientas especializadas. Por otro lado, existen muchos de documentos estáticos (no interactivos) que podrían aprovecharse y convertirse en documentos interactivos. Es por eso, que presentamos CharText, un método que extrae automáticamente, los enlaces visuales entre un gráfico y el texto de un documento, como parte de un proyecto más ambicioso para automatización de documentos interactivos. Nuestro método encuentra los enlaces visuales mediante comparaciones basadas en la sintáctica, semántica y valores numéricos de las frases y el análisis de los elementos textuales del gráfico. Evaluamos nuestro método utilizando un conjunto de datos propuesto en un trabajo previo, que realiza la misma tarea mediante crowdsourcing (i.e., anotaciones de muchas personas). Proponemos un segundo conjunto de datos, que incluye tres tipos de gráficos: bar charts, line charts y scatter plots. En el primer conjunto de datos, obtenemos una similitud con las anotaciones de los expertos de un 45 %, mientras que el método basado en crowdsourcing obtiene una similitud del 59 %, y en el segundo conjunto de datos obtenemos una similitud de 53 %. A pesar que cuantitativamente no superamos al método basado en crowdsourcing, nuestro método propone un enfoque automático, que no requiere acceder a los datos de la visualización y soporta tres tipos de gráficos, a diferencia del método basado en crowdsourcing, que no es automático y solo fue evaluado en bar charts. Para mostrar la utilidad de nuestro método presentamos dos aplicaciones. La primera es una herramienta que permite la visualización de los enlaces obtenidos a través de overlays (i.e., elementos gráficos sobrepuestos en las imágenes resaltando algún aspecto de la visualización) y la segunda es una aplicación para la conversión automática de voz a overlays.