Tendencias 21
   




Aplicaciones que ayudan a saber por qué hacemos ejercicio o cogemos el coche

Permiten aprovechar las ingentes cantidades de información que proporcionan los móviles


Científicos de la Universidad de Washington (Seattle, EE.UU.) han desarrollado herramientas de visualización para aprovechar las ingentes cantidades de datos que proporcionan las aplicaciones móviles de localización y de ejercicio físico. Así, permiten apreciar patrones como que cuando la distancia a recorrer es menor de 3 kilómetros, se opta por andar, y si es mayor, por el coche. Por Carlos Gómez Abajo.


09/07/2014

A la izquierda, el tipo de transporte utilizado según la distancia recorrida (verde=andar, azul=bicicleta, rosa=correr, gris=transporte público). A la derecha, los recorridos realizados, sobre el mapa. Fuente: UW.
A la izquierda, el tipo de transporte utilizado según la distancia recorrida (verde=andar, azul=bicicleta, rosa=correr, gris=transporte público). A la derecha, los recorridos realizados, sobre el mapa. Fuente: UW.
Las aplicaciones de los smartphones pueden rastrear dónde comemos, cuando vamos al trabajo, y la cantidad de tiempo que dedicamos al ejercicio cada día. ¿Pero son realmente útiles estos datos? Grandes cantidades de información que muestran patrones de vida a lo largo de una semana, un mes o un año se quedan sin analizar debido a que estas aplicaciones no son capaces de interpretar los datos a largo plazo.

Investigadores de la Universidad de Washington (Seattle, EE.UU.) han desarrollado herramientas visuales para ayudar a los usuarios de estas aplicaciones a entender sus patrones de actividad diaria durante un período más largo y con más detalle que lo que ofrecen los programas existentes actualmente. Su estudio descubrió que en general, era más fácil para la gente cumplir con sus objetivos de ejercicio cuando podían ver sus datos de una manera más amplia y visual.

"El seguimiento de la actividad personal se está volviendo cada vez más potente y hay cada vez más aplicaciones para elegir, pero a menudo la gente no obtiene valor de sus datos", lamenta en la información de la universidad James Fogarty, profesor asociado de ciencias e ingeniería de la computación.

El equipo de investigación presentó sus conclusiones en junio en la conferencia de la Asociación de Maquinaria Computacional (ACM) sobre Diseño de Sistemas Interactivos, celebrada en Vancouver (Columbia Británica, Las Canadá).

Las aplicaciones para smartphone que registran la localización y la actividad física son cada vez más populares, al igual que otras herramientas de seguimiento como FourSquare. Pero aunque estos programas son útiles para el seguimiento de los entrenamientos o las actividades del día a día, no son capaces de ayudar a las personas a determinar por qué se comportan de la manera en que lo hacen o a saber qué podrían hacer de manera diferente para satisfacer sus objetivos.

El equipo de la Universidad de Washington quiso saber qué es lo que la gente desea que le aporten estas herramientas. Para su estudio, 14 participantes de la costa oeste de EE.UU., de edades entre 23 y 66 años, utilizaron la aplicación Moves -adquirida recientemente por Facebook- en sus teléfonos inteligentes durante un mes del verano pasado, registrando pasivamente los tipos de actividades realizadas y los lugares visitados por ellos. Durante ese mes, los investigadores entrevistaron a los participantes varias veces sobre sus preferencias y la facilidad de uso de la herramienta.

Después, los investigadores se adentraron en los datos generados por cada persona para sacar los "cortes" o subconjuntos que ayudaran a los usuarios a descubrir tendencias. Ejemplos de ello son el tipo de transporte elegido según la distancia del viaje, o el tiempo promedio del trayecto al trabajo según el tiempo atmosférico del día.

La información sobre las horas de llegada y de salida del trabajo aporta información sobre la rutina diaria. Fuente: UW.
La información sobre las horas de llegada y de salida del trabajo aporta información sobre la rutina diaria. Fuente: UW.
Con sus propios ojos

A continuación mostraron estas relaciones mediante una serie de visualizaciones, incluyendo gráficos, tablas y mapas.

Todos los participantes coincidieron en que la información les era más útil así. Según Daniel Epstein, estudiante de doctorado de la Universidad de Washington en ciencias e ingeniería de la computación, "algunos de los participantes ya tenían una intuición acerca de los patrones de sus vidas, pero por fin pudieron ver con sus propios ojos los datos que sustentaban su idea previa".

Por ejemplo, un participante se dio cuenta de que si un destino estaba a más de 3 kilómetros de distancia, por lo general optaba por conducir en lugar de caminar. Otro se dieron cuenta de que los martes eran, con mucho, su día más activo de la semana, lo que les hizo reflexionar sobre por qué tenían ese comportamiento en ese día específico de la semana.

Los investigadores piensan desarrollar herramientas que se ocupen de otros aspectos específicos de la vida de una persona, como la elección de alimentos saludables.

Carencias

En general, el mercado de aplicaciones móviles no ha explotado las posibilidades de las técnicas para cambiar de conducta, según una investigación publicada hace dos meses por científicos de la Universidad de Penn State (Pensilvania, EE.UU.).

Los investigadores identificaron 200 de las aplicaciones más populares de salud y buena forma que había en iTunes y Google Play a fecha del 28 de agosto de 2013. A continuación, analizaron si incluían técnicas de cambio de comportamiento, y observaron que la mayoría incluían menos de cuatro de estas técnicas.

Las técnicas más comunes eran: instrucciones sobre la forma de realizar los ejercicios; retroalimentación sobre el desempeño; y ayuda en la fijación de objetivos. Un análisis más detallado reveló la existencia de dos tipos de aplicaciones, educativas y motivacionales. Pese a todo, los científicos echaron en falta muchas técnicas que se suelen utilizar en intervenciones personales.

Referencia bibliográfica:

Daniel A. Epstein, Felicia Cordeiro, Elizabeth Bales, James Fogarty, Sean A. Munson. Taming Data Complexity in Lifelogs: Exploring Visual Cuts of Personal Informatics Data. (2014).



Artículo leído 1070 veces





Nuevo comentario:
Twitter

Los comentarios tienen la finalidad de difundir las opiniones que le merecen a nuestros lectores los contenidos que publicamos. Sin embargo, no está permitido verter comentarios contrarios a las leyes españolas o internacionales, así como tampoco insultos y descalificaciones de otras opiniones. Tendencias21 se reserva el derecho a eliminar los comentarios que considere no se ajustan al tema de cada artículo o que no respeten las normas de uso. Los comentarios a los artículos publicados son responsabilidad exclusiva de sus autores. Tendencias21 no asume ninguna responsabilidad sobre ellos. Los comentarios no se publican inmediatamente, sino que son editados por nuestra Redacción. Tendencias21 podrá hacer uso de los comentarios vertidos por sus lectores para ampliar debates en otros foros de discusión y otras publicaciones.