La primera iteración consiste en un documento (estilo presentación) donde cada grupo hace lo siguiente:

  1. Elegir Dataset.
  2. Definir 3 preguntas a responder con los datos. Como ejemplos de preguntas pueden ver las clases prácticas del curso.
  3. Realizar un análisis descriptivo del dataset. Lo que interesa es lo relevante para la preguntas planteadas en el punto anterior.
  4. Definir el data set en función de lo visto en la unidad de Abstracción de Datos.
  5. Para cada característica relevante del data set, mostrar los tipos de valores, la distribución que tiene, las correlaciones, etc.
  6. Expresar las preguntas del punto 2, con los datos del punto 3, utilizando el esquema visto en la unidad de Abstracción de Tareas.
  7. Buscar en la literatura o en la Web visualizaciones que podrían ser utilizadas para resolver las tareas y mencionar el por qué (incluir al menos una imagen o screenshot de cada visualización).

La segunda iteración consiste en un documento (estilo presentación) donde cada grupo hace lo siguiente:

  1. Mejorar el proyecto de acuerdo al feedback recibido. Profundizar / Reemplazar / Redefinir las preguntas de investigación, de acuerdo al feedback recibido.
  2. Expresar las preguntas de investigación utilizando el esquema visto en la unidad de Abstracción de Tareas.
  3. Para cada tarea, explicar la visualización que se utilizará, indicando cuál es la codificación visual a utilizar, y el por qué se ha elegido esa visualización. En el por qué deben incluir las siguientes respuestas:
    • ¿Cómo se justifica en relación al principio de efectividad en codificación visual?
    • ¿Cómo se justifica en relación al principio de coherencia en codificación visual?
    • ¿Se ha utilizado esta misma codificación visual para tareas iguales o similares en el pasado? Si la respuesta es sí, ¿cuáles?
  4. Realizar un mock-up del diseño de las visualizaciones. Esto es un borrador, que puede estar dibujado a mano alzada, no necesariamente con datos reales, pero que sí deben seguir las tendencias que se esperarían al ver los datos en el análisis descriptivo.

La iteración final consiste en ejecutar el diseño definido en la iteración anterior luego de recibir feedback sobre el mock-up. El resultado puede ser una infografía estática (imagen generada en Python), una visualización interactiva (en PowerBI por ej.), o incluso hecha a mano alzada o utiliza materiales análogos. Lo que importa es que cumpla con la rúbrica de evaluación a continuación.