Fuera del ámbito del diseño gráfico y de la arqueología (pinturas rupestres y primeras escrituras), existen múltiples estudios que apuntan a usos muy específicos de pictogramas como los del código de tránsito o para advertencias de riesgos en diferentes industrias, generalmente orientados a mejorar el diseño para facilitar la comprensión. También se ha estudiado su uso en pedagogía, especialmente para la educación temprana, y como ayuda a ciertos discapacitados (CAA) como señalado en el post anterior. La Organización International de Estandarización (ISO) y el Instituto Nacional Americano de Estándares (ANSI) también se han preocupado del tema y hecho recomendaciones.
Se ha de tomar en cuenta que múltiples disciplinas y ámbitos de uso dan origen a estudios que se restringen a dichos usos específicos, por lo que encontrar investigaciones de aplicación general es relativamente difícil (y, de las que he encontrado, la mayoría están en diferentes revistas de Sage, con alto precio por artículo).
Para cubrir múltiples campos a través de la historia, la UE lanzó recientemente el proyecto NOTAE (NoT A writtEn word but graphic symbols), que representa el primer intento de investigar los pictogramas como fenómeno histórico desde la Baja Antigüedad hasta la Europa altomedieval en cualquier fuente escrita que contenga textos generados con fines pragmáticos (contratos, peticiones, cartas oficiales y privadas, listas, etc.).
Para un diseño adecuado, con un enfoque global, la Organización International de Estandarización (ISO) ha prestado atención al diseño de símbolos gráficos de modo de asegurar lo más posible una correcta interpretación a nivel universal. Así, la norma ISO 9186, de 1989, estableció un procedimiento de seis etapas para el desarrollo y prueba de símbolos de información pública. Su parte principal es la pruebas de comprensibilidad, cuyo nivel de comprensión sugerido es de al menos 66% en las pruebas de emparejamiento. Del mismo modo, el Instituto Nacional Americano de Estándares (ANSI) estableció en 1991 métodos para evaluar la comprensibilidad de los símbolos gráficos, que utilizan cuatro categorías: respuesta correcta, respuesta incorrecta, confusión crítica y ninguna respuesta, recomendando una comprensión mínima de 95%. La Unión Internacional de Telecomunicación (UIT), a su vez, hizo, en 1995, la recomendación F.910 que señala la necesidad de nuevos símbolos y procedimientos para la creación y evaluación de los nuevos diseños, su selección y aprobación (Piamonte, p.514).
El análisis de pictogramas
Los pictogramas pueden ser descritos en función de diversas características, como su iconicidad, realismo, ambigüedad, complejidad, figura-fondo, diferenciación, eficiencia, color y tamaño. Las propiedades visuales son evidentemente fundamentales y llevan a separar los distintos ideogramas en múltiples clases no comparables entre sí aunque la variables a considerar en la investigación pueden ser comunes.
"Dependiendo de la aplicación, podemos encontrar diferentes tipos de símbolos según sus propiedades visuales: formas binarias 2D simples compuestas de segmentos de línea (ingeniería, electrónica, mapas de servicios públicos, arquitectura), una combinación de segmentos de línea y formas sólidas (partituras musicales), formas complejas de nivel de gris o de color (logotipos), siluetas (símbolos geográficos), etc." (Lladós & alt, p.1)
Es imperativo que nuevos ideogramas sean probados empíricamente para asegurar su correcta interpretación. Para ello existen múltiples "métodos de reconocimiento", que Lladós y sus colaboradores agrupan en dos categorías, la estadística y la estructural, si bien los métodos son generalmente muy diferentes:
"Del análisis de todos estos métodos, podemos concluir que, aunque se han informado muchos enfoques diferentes, es difícil encontrar un método general y sólido que cubra diferentes dominios con un desempeño bien establecido y evaluado. Los autores tienden a desarrollar técnicas ad-hoc que son difíciles de reutilizar en otros dominios." (Lladós & alt, p.2).
Hay esencialmente dos tipos de pruebas de reconocimiento de ideogramas: los tests de identificación por parte de un grupo de sujetos y los tests de reconocimiento automático realizados en computadoras.
Identificación humana
La forma más recomendada para las evaluaciones sugeridas es presentar a varios sujetos un conjunto de símbolos contra un referente objetivo (que puede ser una expresión verbal o una fotografía). Sin embargo, varios estudios, como el de Dominic Paul Piamonte, pusieron en evidencia la importancia del contexto, en particular de los demás símbolos con los cuales aparecería el nuevo pictograma. Piamonte exploró los patrones de error en símbolos gráficos de interfaces hombre-máquina, apuntando a detectar diferencias en las representaciones de símbolos gráficos entre varios grupos de participantes, que de otro modo parecían tener niveles similares de reconocimiento. Puso en evidencia que la presencia de cada símbolo puede influir en la reconocibilidad del otro y la correcta asociación con sus pretendidos referentes (Piamonte, p.2 del PDF).
Piamonte recalca que "además de las asociaciones correctas, es igualmente importante realizar ciertos análisis de errores de las respuestas incorrectas. [...] Las tasas de aciertos por sí solas no pueden ser la única base para determinar qué tan bien se entiende un símbolo, especialmente si aparece junto con otros símbolos". (p.2 y 4 del PDF). Descubrir los patrones de distribución de los errores puede aportar un conocimiento importante.
Piamonte descubrió un problema asociado a la presentación conjunta de varios ideogramas: en este caso, "las tasas de acierto no pueden revelar la dinámica de cómo cada símbolo puede afectar el nivel de comprensión del otro y la asociación con su referente" (p.16). Por ello, es necesario profundizar en el análisis de los errores en diferentes contextos y diferentes interacciones en diferentes grupos.
¿Hay que tomar en cuenta la estética? Es útil para seleccionar los símbolos más atractivos entre los que tienen tasas de aciertos similares (ibidem).
Un estudio de 1993, de Vukelich y Whitaker, demostró que la comprensión es mayor cuando se proporciona el contexto completo junto con los símbolos que cuando los símbolos se presentan de forma aislada. Para algunos símbolos, la condición de contexto completo resultó en una mayor comprensión que la condición de contexto parcial y la condición de contexto parcial resultó en una mayor comprensión que la condición sin contexto. La precisión de la comprensión también se vio afectada por la familiaridad del sujeto con los símbolos. La comprensión fue más alta para los símbolos con una calificación alta en familiaridad que para los símbolos con una calificación más baja en familiaridad. Sobre la base de estos hallazgos, se hizo una recomendación de que las evaluaciones deberían proporcionar algún tipo de información contextual junto con los símbolos para permitir una prueba más realista de comprensión de símbolos.
En el próximo post abordaré el tema del reconocimiento automático.
Referencias
Lladós, J., Sánchez, G. & alt. (2001): Symbol Recognition: Current Advances and Perspectives, Computer Vision Center, Dept. Informática, Universitat Autónoma de Barcelona
Boccuzzi, M. & alt. (2020): Identifying, Classifying and Searching Graphic Symbols in the NOTAE System, Part of the Communications in Computer and Information Science book series (CCIS,volume 1177), https://link.springer.com/chapter/10.1007/978-3-030-39905-4_12
Piamonte, D.P. (1999): The Relevance of Error Analysis in Graphical Symbols Evaluation, International Journal of Occupational Safety and Ergonomics, 5:4, 513-528. https://www.tandfonline.com/doi/pdf/10.1080/10803548.1999.11076435
Vukelich, M. y Whitaker, L. (1993): The Effects of Context on the Comprehension of Graphic Symbols, Proceedings of the Human Factors and Ergonomics Society Annual Meeting https://journals.sagepub.com/doi/abs/10.1177/154193129303700804
