TFM - Máster en Sistemas Inteligentes de la Universidad de Salamanca

1. Analítica visual de datos para representación de
la interacción en una red social privada y con
restricciones de privacidad
Jorge Durán Escudero

2. Introducción
• Este trabajo se desarrolla dentro del proyecto WYRED[1], el cual está financiado por la Unión Europea
bajo el programa Horizonte 2020 (Referencia 727066)
• Su duración comprende desde el 1/11/2016 al 31/10/2019
• Su presupuesto es de 993.662,50€
• El consorcio que lo desarrolla está formado por:
• Universidad de Salamanca (España)
• OXFAM Italia Onlus (Italia)
• PYE global (Reino Unido)
• Asist Ogretim Kurumlari A.S. (Turquía)
• Early Years (Reino Unido)
• Youth for Exchange and Understanding International (Bélgica)
• Zauchner-Studnicka Sabine (Austria)
• The Boundaries Observatory (Reino Unido)
• Tel Aviv University (Israel)
• Está accesible en https://wyredproject.eu

3. Introducción
Plataforma
social
Usuarios con
distinto rol
Requisitos de
privacidad
Interacciones
Proyectos de
investigación
• El objetivo es permitir que los tengan voz sobre la sociedad actual, para influir en la toma de decisiones
• Para ello cuenta con un ecosistema tecnológico, cuyo componente principal es el siguiente[2]:

4. Objetivos
• Utilizar la Analítica Visual para explorar las interacciones en el proyecto WYRED
• Realizar una propuesta de arquitectura que permita desarrollar las visualizaciones interactivas
• Los principales requisitos de esta arquitectura es que debe ser flexible para poder adaptarse a los
cambios del proyecto y que tiene que ayudar a los investigadores a:
• Conocer cómo evoluciona la comunidad
• Tomar decisiones basadas en las respuestas de los jóvenes
• Los objetivos secundarios de este trabajo son:
• La validación de esta propuesta
• El estudio de distintos mecanismos para representar grandes volúmenes de datos

5. Metodología utilizada
• En primer lugar se ha realizado una detección de necesidades con el fin de dar respuesta a
aquellas preguntas de investigación más relevantes:
• ¿Cómo se relacionan los usuarios?
• ¿Cuáles son los temas más frecuentes?
• ¿Hay un comportamiento distinto según el género de los usuarios?
• ¿La participación es igual en cualquier instante temporal?
• En segundo lugar se ha realizado una revisión sistemática de la literatura (SLR) con el fin de
recopilar, analizar y conocer los trabajos más importantes que se han realizado para explorar
datos de comunidades mediante la analítica visual

6. Estado del arte
• Redes sociales: evolución, características y principales métricas
• Foros de discusión: estructura, técnicas de análisis y características de sus usuarios
• Privacidad: necesidad de la misma y maneras de respetarla
• La creación de un conjunto de datos: qué técnicas se han utilizado para generar un conjunto de
datos artificial
• Analítica Visual: qué es, qué ventajas plantea, dónde se ha aplicado y cómo es posible aplicarla

7. Estado del arte
• ¿Quiénes son los autores más importantes?
• ¿Cuál ha sido la evolución temporal de este campo?
• ¿En qué medios están publicados los documentos más relevantes de este campo?
• ¿Cuáles son las principales técnicas de visualización utilizadas?
• ¿Qué soluciones ofrece la visualización interactiva de datos para explorar el contenido y los datos
de uso de una plataforma?

8. Propuesta de arquitectura
• Los principales requisitos que con los que tiene que lidiar son:
• La capacidad de trabajar con distintas fuentes de datos
• El soporte para gestionar la privacidad de los mismos
• El análisis automático de los datos
• La capacidad de representar la información mediante visualizaciones interactivas
• Para soportarlos se va a utilizar una arquitectura de micronúcleo, que se basa en ofrecer una
funcionalidad mínima en el núcleo y una serie de componentes que realizan las tareas requeridas
• Siendo el núcleo el encargado de la obtención y anonimización de los datos, y los componentes
los que construirán cada una de las visualizaciones
• La principal ventaja de este sistema es que es muy flexible, permitiendo añadir y quitar módulos,
desarrollarlos por separado y adaptarlos a las necesidades futuras

9. Propuesta de arquitectura

10. Propuesta de arquitectura
• El módulo para el análisis de los temas más frecuentes se encarga de extraer los temas que se
incluyen en cada mensaje y establecer un conteo estadístico de los mismos
• Para extraer de manera automática el tema a partir de un mensaje se propone utilizar LDA[3]
• Respecto a la visualización, se ha combinado el concepto de Theme River[4], con la disposición de
un gráfico de áreas sobre líneas horizontales paralelas, con el fin de poder representar más
elementos

11. Propuesta de arquitectura
• La detección de comunidades es otra de las principales tareas que se quiere realizar, para conocer
cómo interaccionan los usuarios
• Para poder representar este tipo de datos se ha elegido la visualización en forma de grafo ya que
es la que mejor se adapta y permite ver las distintas comunidades que forman los mismos
• Para ello se ha definido una métrica que dota a los arcos entre dos nodos de una longitud menor,
cuanto más interacción han tenido

12. Propuesta de arquitectura
• La exploración de los usuarios es otra de las cuestiones más demandadas, debido a la
heterogeneidad de los mismos
• El tipo de visualización propuesta son las coordenadas paralelas[5], ya que permiten representar
multitud de características, de manera sencilla, en un contexto bidimensional
• Además este sistema permite explorar los datos fácilmente mediante el filtrado múltiple

13. Propuesta de arquitectura
• Otro aspecto clave del proyecto es medir las diferencias culturales entre usuarios de distintos
países y cómo es la participación en cada uno de ellos
• Para ello se plantea el uso de un mapa donde se pueda identificar por el color a aquellas regiones
más activas. Aunque proyecciones para un mapa hay muchas, se propone usar la proyección
Mercator al ser la más utilizada en Internet

14. Generación del conjunto de datos
• Para probar la propuesta de arquitectura es necesario contar con un conjunto de datos, sin
embargo, el proyecto todavía no tiene los suficientes usuarios para generarlo
• La generación de los datos es un proceso complejo, donde se pueden utilizar múltiples enfoques:
• Usar los datos de una comunidad similar
• Utilizar otras fuentes de datos con características comunes
• Generar los datos de manera artificial
• El principal proyecto que genera un conjunto de datos de forma artificial es LDBC-SNB Data
Generator[6], sin embargo, no se puede modificar y adaptar los datos que genera. Por ello se ha
decido generar el conjunto de datos desde cero, siguiendo estos pasos:
• Analizar las entidades a simular
• Identificar sus principales atributos
• Crear el grafo de dependencia entre los mismos siguiendo el modelo de S3G2[7]
• Asignar valores a cada atributo de manera lógica

15. Generación del conjunto de datos

16. Resultados

17. Resultados

18. Conclusiones
• Se ha propuesto una arquitectura que sirva como base para el desarrollo de distintos módulos
que permitan crear visualizaciones interactivas
• Se ha conseguido explorar los datos del proyecto WYRED mediante la analítica visual, de una
manera sencilla y efectiva
• Esta propuesta ha permitido solventar los problemas surgidos al trabajar en un entorno
multicultural, respetando la privacidad de cada usuario
• Este trabajo podría ser ampliado mediante:
• La realización de un estudio de usabilidad con un número reducido de usuarios
• El soporte al trabajo colaborativo
• La integración del mismo con otros sistemas

19. Bibliografía
• [1] García-Peñalvo, F.J., Kearney, N.A.: Networked youth research for empowerment in digital society.
The WYRED project. In: García-Peñalvo, F.J. (ed.) Proceedings of the Fourth International Conference on
Technological Ecosystems for Enhancing Multiculturality (TEEM’16) (Salamanca, Spain, November 2-4,
2016), pp. 3-9. ACM, New York, NY, USA (2016)
• [2] García-Peñalvo, F.J., Durán-Escudero, J.: Interaction design principles in WYRED platform. In:
Zaphiris, P., Ioannou, A. (eds.) Learning and Collaboration Technologies. Technology in Education. 4th
International Conference, LCT 2017. Held as Part of HCI International 2017, Vancouver, BC, Canada, July
9–14, 2017. Proceedings, Part II, pp. 371-381. Springer International Publishing, Switzerland (2017)
• [3] Blei, D. M., Ng, A. Y. and Jordan, M. I. Latent dirichlet allocation. Journal of machine Learning
research, 3, Jan (2003), 993-1022.
• [4] Havre, S., Hetzler, E., Whitney, P. and Nowell, L. ThemeRiver: visualizing thematic changes in large
document collections. IEEE Trans Visual Comput Graphics, 8, 1 (2002), 9-20.
• [5] Inselberg, A. and Dimsdale, B. Parallel Coordinates for Visualizing Multi-Dimensional Geometry.
Springer Japan, City, 1987.
• [6] Sanchez, A. P. X. LDBC-SNB Data Generator. 2017.
• [7] Pham, M.-D., Boncz, P. and Erling, O. S3g2: A scalable structure-correlated social graph generator.
Springer, City, 2012.

20. Agradecimientos
With the support of the EU Horizon 2020 Programme in its “Europe in a changing world – inclusive,
innovative and reflective Societies (HORIZON 2020: REV-INEQUAL-10-2016: Multi-stakeholder
platform for enhancing youth digital opportunities)” Call. Project WYRED (netWorked Youth
Research for Empowerment in the Digital society) (Grant agreement No 727066). The sole
responsibility for the content of this webpage lies with the authors. It does not necessarily reflect
the opinion of the European Union. The European Commission is not responsible for any use that
may be made of the information contained therein.

21. Analítica visual de datos para representación de
la interacción en una red social privada y con
restricciones de privacidad
Jorge Durán Escudero