En este módulo vamos a definir el término, vamos a hablar de la revolución tecnológica que conlleva la sociedad de la información, hablaremos de cómo los datos se gestionan y se trabajan en esta llamada sociedad de la información y nos centraremos en tres ejemplos de visualización de datos. Y, finalmente, para cerrar el bloque, haremos una reflexión sobre la responsabilidad, tanto de los que van a crear o que vayais a crear visualizaciones de datos como aquellos que, a diario, consumimos infografías o visualizaciones de datos. Empecemos, pues, con una pequeña contextualización. La sociedad de la información se considera una sociedad postindustrial que surge después de la revolución industrial, siendo la revolución industrial un momento clave para su desarrollo, ya que nos encontramos delante de un despliegue masivo de procesos automatizados, de creación sistemática, de producción y distribución sistemática de mercancías. Y, durante este período, se empieza a trabajar para poder automatizar también los procesos más informacionales, poder detectar, poder monitorizar, poder analizar los procesos de creación. Es en este contexto que surge la sociedad de la información, que fue acuñada por un teórico japonés pero que, después, Manuel Castells utiliza mucho más comúnmente y populariza el término. Hablamos de sociedad de la información aunque, hoy en día, se habla, también, mucho de la sociedad del conocimiento. Cuando lleguemos al final del módulo reflexionaremos cuál de los dos términos nos parecen más adecuados. En este contexto de sociedad avanzada, altamente industrializada, aparecen ciertas tecnologías que permiten empezar a hablar de lo que sería una sociedad donde el principal, o uno de los grandes motores, es los datos, la información. Esta revolución tecnológica, que es intrínseca de la sociedad del conocimiento, requiere tres grandes puntos, o parte de tres grandes procesos en concreto. Uno es la capacidad de computar los datos que se analizan y, en este computar, no es sólo procesarlos, sino también, ser capaces de conectar sensores con computadores que puedan optimizar, comprimir, descartar y simplificar los datos recogidos. Por otro lado, una capacidad importante de almacenaje de datos que, como todos sabéis y todas habéis visto a lo largo de nuestra vida, han aumentado de forma exponencial estos dispositivos de almacenaje y estos sistemas de almacenaje, incluyendo ahora la capacidad casi infinita de almacenaje de la nube. Y, finalmente, la aparición de Internet que, como veis en el gráfico que aparece en pantalla, el gráfico que vemos es la representación del volumen de gente que está conectada a internet. En el primer mundo podemos ver la línea fucsia, un 81 por ciento a fecha de hoy, aproximadamente, y en países subdesarrollados, un 41 por ciento. Este masivo despliegue de Internet, esta gran distribución de procesadores por todo el globo y esta capacidad de almacenaje, dan pie a lo que permite una sociedad en la que los datos cogen una importancia muy, muy elevada. Vamos a ver un caso aquí, Nicholas Felton, que es artista, diseñador, ingeniero, periodista, nos propone un ejercicio de visualización de datos. Nicholas Felton, en 2005, decide hacer el "Annual Report" de su propia vida. Ni más ni menos, Nicholas decide empezar a anotar en una libreta todos los datos de su día a día y lo hace de forma manual, lo hace de forma semi automatizada, registra y revisa sus llamadas, sus desplazamientos, su economía, y lo anota para crear un Annual Report. Vamos a ver su página web, feltron.com, vamos a ver otro ejemplo, ya que Felton hace el Annual Report en 2005, 2006, 2007, etcétera, vamos a ver, por ejemplo, el del 2008. Una de las cosas que fascina al público, cuando conocen el Annual Report de Felton, es que encarna en su propio proyecto el concepto de "quantify itself", el representarse, la obsesión que tenemos hoy en día casi todos en recoger nuestros datos, en cuantificarnos, en analizar cuántas horas dormimos, cuántas veces hacemos una cosa o la otra, etcétera, etcétera. Os recomiendo visitar la web y tomar un rato para ver cada uno de los detalles porque estamos delante de un tipo de proyecto que combina de forma muy magistral, tanto el diseño gráfico como la recogida de datos y, a su vez, de alguna manera, estamos delante de un intento, por parte de Feltron, de analizar la información desde un punto de vista muy humano y muy vinculado al periodismo de datos y al fenómeno actual del "quantify itself". Veamos otro ejemplo, en este caso, estamos viendo en pantalla ahora un vídeo de Aaron Koblin. Aaron Koblin es un artista que lo que hace es recoger, acceder a las fuentes de datos que analizan los vuelos de los aviones en Estados Unidos durante un día. Si nos fijamos en la imagen vamos a ver que, a medida que amanece por Oriente, va a ir aumentando el volumen de vuelos locales que hay en Estados Unidos, y casi podemos ver el amanecer, cómo se desplaza hacia la izquierda. Es una imagen que ha sido muy, es una visualización de datos que ha sido muy popular dentro de la esfera de expertos del ámbito de visualización de datos porque no estamos delante de una visualización científica, el objetivo es artístico y, en este caso, nos habla del poder de las infraestructuras de Estados Unidos de una forma extremadamente bella, pero también permitiéndonos descubrir cosas que pueden no ser tan obvias cuando vemos una tabla de datos, un listado de los vuelos que existen en Estados Unidos. Como veréis, el vídeo, si lo queréis buscar está disponible en las redes, es profundamente hipnótico porque a medida que lo observamos vamos viendo matices y detalles, estamos delante de muchísima información recogida a lo largo de un día, en este caso, por ejemplo, en este momento estamos viendo 19 mil vuelos en activo. Y este volumen de información, vista de esta manera tan simplificada, nos da la capacidad de acceder a patrones, de ver tendencias y de detectar cosas que de otra manera no conseguiríamos. El tercer ejemplo que pongo, y voy a explicar el porqué he puesto estos ejemplos en la siguiente diapositiva, es una fotografía de Internet en el 2011. Cada color que veis representa un país, el azul turquesa es Estados Unidos, el amarillo, que está muy apartado, está muy segregado del resto es China. Y cada globo, cada círculo representa el volumen de visitas que ha tenido cada página web. Vamos a ver la página en cuestión ya que es una navegación interactiva. Aquí, hemos elegido la página de la UOC para ver que, efectivamente, mediante el buscador se pueden buscar páginas en concreto y al aparecer un gran círculo, vamos a ver qué relación tiene en el contexto, es un 0,015 por ciento del total. Está situada en España, por eso es roja, en rojo están las páginas españolas y, si vamos alejándonos un poco, vemos que tenemos de vecinos a Adobe.com, a YouTube y que estamos viendo todo un mapa que no es un mapa, efectivamente geográfico, sino que la posición física de cada uno de los objetos, de cada uno de los círculos está en relación a los links que tiene establecidos entre sí. Por ejemplo, en este caso, Facebook, Google y YouTube están en una tensión de relación fuerte porque hay muchos enlaces y que están conectados entre ellos. En cambio, por ejemplo, podemos ver que China, con sus servicios típicos Baidu o QQ, no está prácticamente relacionada con otros países. Todos sabemos que, o no sé si todos sabemos, pero la muralla china también ha sido considerada digital, el gran cortafuegos de China, su capacidad por aislar a un país del resto de culturas. Este mapa es una visualización de Big Data. Estamos viendo un volumen de información masivo con todas sus relaciones, con una propuesta de pesos y de orden que tiene que ver con los propios datos de Internet. Vamos a hablar entonces de por qué hemos escogido estos tres ejemplos para este caso. En el primer caso, Felton hace una recogida, una recopilación de datos de forma consciente y activa. Es Felton el que decide qué datos monitorizará, qué datos va a recoger y cómo los va a visualizar. Es un caso poco común porque, en la mayoría de casos, los datos son recuperados de forma pasiva. En el caso de Aaron Koblin, lo que hace es recoger los datos de unas compañías aéreas que están volando a diario y que tienen, evidentemente, un registro de su actividad. Cuando un pasajero o un avión despega utilizando una línea no es consciente de que está contribuyendo, evidentemente, a la visualización de Aaron Koblin y, efectivamente, es de forma automatizada que Aaron Koblin accede a estos bancos de datos. Sería impensable que Aaron consultara, uno por uno, los vuelos de cada aeropuerto de Estados Unidos. Parece banal esta observación, u obvia a lo mejor, pero es importante entender que sin los procesos de computación, sin el almacenaje y sin la capacidad de distribución, este tipo de visualizaciones y recopilación de datos de forma automática y pasiva no sería posible. Finalmente, el ejemplo último que hemos puesto, el de Internet, el mapa de Internet, en el fondo nos ha enseñado mucho de Internet pero, a la vez, no hemos visto ningún contenido. Si una página web podría ser los datos que se observan en esta visualización, en el fondo, el sistema de representación que vemos utiliza los metadatos. Los metadatos son aquellos datos que no son implícitos a un objeto, sino que son los que acompañan este objeto. Lo explico con un ejemplo, la página de Google tiene unos contenidos o tiene unas informaciones internas, pero lo que utiliza esta visualización es el número de visitas que recibe, el número de enlaces a los que apunta y el número de enlaces que recibe. Estas tres informaciones no son intrínsecas de la página web, sino que acompañan la página web. En la recogida de metadatos, veréis a lo largo de esta formación, y habéis visto ya a lo largo del curso de big data, hay mucho interés en encontrar relaciones, información que va más allá de lo que es la información, el objeto informacional en sí, sino todo el contexto que lo conlleva. Simplemente, para insistir con los metadatos, la geolocalización sería un metadato, la hora de una llamada sería un metadato, y la llamada en sí sería el dato. Vamos a ir terminando este bloque hablando de cómo podemos observar que, a lo largo de esta sociedad de la información, han aparecido de forma masiva cada vez más y más visualizaciones de datos, sean estas infografías desde un ámbito más periodístico, o sean estas visualizaciones desde un ámbito o científico o artístico, como hemos visto hoy. Cabe apuntar que, una de las razones, una de las principales necesidades de una visualización de datos, es que se encuentre la intencionalidad de comunicar una información, de diseñar un entorno, junto con la capacidad tecnológica de analizar un conjunto grande de datos, de limpiarlo y de prepararlo. Os recomiendo, si queréis, esta página, visualcomplexity.com, que recoge 1000 proyectos de visualización de datos y que podréis ver largo y tendidamente para descubrir posibles visualizaciones que os pueden inspirar, que os pueden parecer de interés. Por desgracia, el proyecto termina en 2015 pero podéis ver claramente que, a partir de 1995, empiezan a haber cada vez más y más visualizaciones de datos. Para terminar con este bloque quisiera que entráramos en una pequeña reflexión, porque cuando estamos trabajando y creando visualizaciones de datos es muy importante que compartamos nuestro posicionamiento y nuestra intención. Cuando creamos un proyecto de visualización, dentro de este proyecto siempre hay una parte clara de intencionalidad que, a veces, nosotros mismos somos conscientes de ello, a veces no. Es importante entender que, cuando se visualizan datos, es tan complejo lo que se está haciendo que es muy probable que la persona que recibe esta información quede impactada visualmente, quede sorprendida pero, difícilmente, acceda en profundidad a los datos, con lo cual, la honestidad es, desde mi punto de vista, un hecho muy importante. Evidentemente, citar las fuentes de los datos para que se pueda acceder a ellos y se pueda analizar de dónde vienen los procesos. Y, por último, explicar los procesos, que es una práctica muy típica como veréis más adelante en las infografías, pero que no es tan típica en la visualización de datos. La editorial, para decirlo de alguna manera, la contextualización de qué se ha hecho, cómo se ha hecho y por qué se ha hecho, para mí, es una de las cosas importantes a tener en cuenta cuando somos creadores de visualizaciones de datos y, sobre todo, cuando somos consumidores, intentar acceder también a esta información para entender quién nos está comentando qué, de qué manera y entender mejor lo que visualmente estamos captando. Esto es todo para esta sesión sobre la sociedad de la información. Seguimos más adelante con otros videos.
