Diseño de un modelo de atención visual para campañas de comunicación. El caso de la Covid-19

Palabras clave: Covid-19, Coronavirus, Pandemias, Comunicación de crisis, Comunicación de salud, Educación para la salud, Modelos matemáticos, Machine learning, Seguimiento ocular, Eye-tracking, Deep learning, Atención visual

Resumen

La salud es una de las principales preocupaciones de la sociedad. La evidencia empírica subraya la importancia creciente de la prevención y la educación para la salud (Eps) como instrumento fundamental para mejorar la calidad de la salud pública. Las recientes crisis sanitarias, como la del ébola, la gripe A, el SARS o la del Covid-19 han puesto en relieve la importancia de la comunicación. La rapidez en la creación de mensajes y su eficacia en el diseño de campañas comunicación en tiempos de crisis tiene consecuencias sociales relevantes. El objetivo de este trabajo ha sido diseñar y desarrollar una herramienta matemática, basada en técnicas de machine learning, que permita predecir las áreas de atención visual de forma rápida y precisa sin necesidad de utilizar tecnología de eye-tracking. La metodología combina algoritmos de deep learning, para extraer las características de las imágenes, y el uso de técnicas matemáticas de modelización supervisada para predecir las áreas de atención. La validación se realiza analizando diferentes comunicaciones institucionales de la campaña de Covid-19 comparándolos con las áreas de atención obtenidas con una solución de eye-tracking de validez contrastada. Finalmente se analizan los resultados obtenidos mediante la herramienta en las piezas de comunicación Covid-19 investigadas, planteando conclusiones de interés para el desarrollo de nuevas campañas.

Referencias

Baluch, Farhan; Itti, Laurent (2011). “Mechanisms of top-down attention”. Trends in neurosciences, v. 34, n. 4, pp. 210-224. https://doi.org/10.1016/j.tins.2011.02.003

Barberá-González, Rafael; Cuesta-Cambra, Ubaldo (2015). “El virus del ébola: análisis de su comunicación de crisis en España”. Opción, v. 31, n. 4, pp. 67-86. https://www.redalyc.org/articulo.oa?id=31045569005

Basch, Corey H.; Mohlman, Jan; Hillyer, Grace C.; Garcia, Philip (2020). “Public health communication in time of crisis: Readability of on-line Covid-19 information”. Disaster medicine and public health preparedness, online first. https://doi.org/10.1017/dmp.2020.151

Beck, Ullrich (2008). La sociedad del riesgo mundial: en busca de la seguridad perdida. Barcelona: Paidós. ISBN: 978 84 493 2078 1

Blanco-Castilla, Elena; Paniagua-Rojano, Francisco-Javier (2007). “Periodismo, salud y calidad de vida. Contenidos y fuentes”. En: FISEC-Estrategias. Facultad de Ciencias Sociales de la Universidad Nacional de Lomas de Zamora, v. 3, n. 8, p. 3-24. https://www.monografias.com/trabajos917/periodismo-salud-calidad/periodismo-salud-calidad.pdf

Borji, Ali; Itti, Laurent (2012). “Exploiting local and global patch rarities for saliency detection”. In: 2012 IEEE conference on computer vision and pattern recognition. Providence, RI, EUA: IEE, pp. 478-485. https://doi.org/10.1109/cvpr.2012.6247711

Bouton, Christophe (2011). “La sima entre el saber y el poder: sobre algunas modalidades contemporáneas del porvenir”. En: Innerarity, Daniel; Solana, Javier (eds.). La humanidad amenazada: gobernar los riesgos globales. Madrid: Paidós, pp. 33-46. ISBN: 978 84 493 2561 8

Cadieu, Charles F.; Hong, Ha; Yamins, Daniel L. K.; Pinto, Nicolas; Ardila, Diego; Solomon, Ethan A.; Majaj, Najib J.; DiCarlo, James J. (2014) “Deep neural networks rival the representation of primate IT cortex for core visual object recognition”. PLoS computational biology, v. 10, n. 12, pp. e1003963. https://doi.org/10.1371/journal.pcbi.1003963

Cerf, Moran; Frady, E. Paxon; Koch, Christof (2009). “Faces and text attract gaze independent of the task: Experimental data and computer model”. Journal of vision, v. 9, n. 12, art. 10. https://doi.org/10.1167/9.12.10

Cothern, C. Richard (2019). Handbook for environmental risk decision making: Values, perceptions, and ethics. CRC Press. ISBN: 978 03 674 5597 2

Cuesta-Cambra, Ubaldo; Martínez-Martínez, Luz; Cuesta, Victoria (2018). “Neuromarketing olfativo: Análisis del electroencefalograma y las respuestas psicofisiológicas provocadas por diferentes olores”. En: Vega, Rita; Requeijo, Paula (coords.). La universidad y nuevos horizontes del conocimiento. Madrid: Tecnos, pp. 47-63. ISBN: 978 84 309 7392 7

Cuesta-Cambra, Ubaldo; Martínez-Martínez, Luz; Niño-González, José-Ignacio (2019). “Análisis de la información pro vacunas y anti vacunas en redes sociales e internet. Patrones visuales y emocionales”. El profesional de la información, v. 28, n. 2, e280217. https://doi.org/10.3145/epi.2019.mar.17

Einhäuser, Wolfgang; Spain, Merrielle; Perona, Pietro (2008). “Objects predict fixations better than early saliency”. Journal of vision, v. 8, n. 14, art. 18. https://doi.org/10.1167/8.14.18

España (2002). “Ley 41/2002, de 14 de noviembre, básica reguladora de la autonomía del paciente y de derechos y obligaciones en materia de información y documentación clínica”. BOE, n. 274, 15 noviembre. https://www.boe.es/buscar/act.php?id=BOE-A-2002-22188

España (2015). “Ley 17/2015, de 9 de julio, del Sistema Nacional de Protección Civil”. BOE, n. 164, 9 julio. https://www.boe.es/buscar/pdf/2015/BOE-A-2015-7730-consolidado.pdf

Federico, Giovanni; Brandimonte, María A. (2019). “Tool and object affordances: An ecological eye-tracking study”. Brain and cognition, v. 135, art. 103582. https://doi.org/10.1016/j.bandc.2019.103582

Flores, Daniel (2020). “España supera los 100.000 enfermos curados del coronavirus, casi la mitad de los infectados”. RTVE, 27 abril. https://www.rtve.es/noticias/20200427/espana-supera-100000-enfermos-recuperados-del-coronavirus-casi-mitad-infectados/2012860.shtml

Harel, Jonathan; Koch, Christof; Perona, Pietro (2007). “Graph-based visual saliency”. In: Schölkopf, Bernhard; Platt, John; Hofmann, Thomas (eds.). Advances in neural information processing systems, pp. 545-552. ISBN: 978 0 262256919 https://doi.org/10.7551/mitpress/7503.003.0073

Hartmann, Sönke; Pedoth, Lydia; Schneiderbauer, Stefan; Stawinoga, Agnieszka; Rudloff, Anna; Gallmetzer, Willigis; Macconi, Pierpaolo; Koboltschnig, Gernot (2019). “Risk communication and risk perception in South Tyrol and Carinthia: Recommendations for improved risk communication strategies”. In: International Mountain Conference, Innsbruck. https://www.uibk.ac.at/congress/imc2019/index.html.en

Ibáñez-Peiró, Ángel (2017). “La crisis del virus del Ébola en España y la gestión de la información pública ante situaciones extraordinarias relacionadas con la salud”. Cuadernos artesanos de comunicación. ISBN: 978 84 16458 85 1 https://doi.org/10.4185/cac133

Itti, Laurent; Koch, Christof (2000). “A saliency-based search mechanism for overt and covert shifts of visual attention”. Vision research, v. 40, n. 10-12, pp. 1489-1506. https://doi.org/10.1016/s0042-6989(99)00163-7

Itti, Laurent; Koch, Christof; Niebur, Ernst (1998). “A model of saliency-based visual attention for rapid scene analysis”. IEEE transactions on pattern analysis and machine intelligence, v. 20, n. 11, pp. 1254-1259. https://doi.org/10.1109/34.730558

Jacoby, Larry L. (1991). “A process dissociation framework: Separating automatic from intentional uses of memory”. Journal of memory and language, v. 30, pp. 513-541. https://doi.org/10.1016/0749-596X(91)90025-F

Jenkins, Sarah C.; Harris, Adam J. L.; Lark, R. Murray (2019). “When unlikely outcomes occur: the role of communication format in maintaining communicator credibility”. Journal of risk research, v. 22, n. 5, pp. 537-554. https://doi.org/10.1080/13669877.2018.1440415

Judd, Tike; Ehinger, Krista; Durand, Frédo; Torralba, Antonio (2009). “Learning to predict where humans look”. In: 2009 IEEE 12th international conference on computer vision. Kyoto, Japan: IEEE, pp. 2106-2113. https://doi.org/10.1109/iccv.2009.5459462

Juhola, Martti; Jäntti, Ville; Pyykkö, Ilmari (1985). “Effect of sampling frequencies on computation of the maximum velocity of saccadic eye movements”. Biological cybernetics, v. 53, pp. 67-72. https://doi.org/10.1007/BF00337023

Kilgo, Danielle K.; Yoo, Joseph; Johnson, Thomas J. (2019). “Spreading Ebola panic: Newspaper and social media coverage of the 2014 Ebola health crisis”. Health communication, v. 34, n. 8, pp. 811-817. https://doi.org/10.1080/10410236.2018.1437524

Kleinbaum, David G.; Klein, Mitchel (2010). Logistic regression. A self-learning text. New York, Springer. ISBN: 978 1 4419 1742 3 https://doi.org/10.1007/978-1-4419-1742-3

Koch, Christof; Ullman, Shimon (1987). “Shifts in selective visual attention: towards the underlying neural circuitry”. In: Matters of intelligence. Dordrecht: Springer, pp. 115-141. ISBN: 978 94 010 8206 8 https://doi.org/10.1007/978-94-009-3833-5_5

Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey E. (2017). “ImageNet classification with deep convolutional neural networks”. Communications of the ACM, v. 60, n. 6, pp. 84-90. https://doi.org/10.1145/3065386

López-Cerezo, José-Antonio; Luján-López, José-Luis (2000). Ciencia y política del riesgo. Madrid: Alianza. ISBN: 978 84 206 6745 4

Lu, Yao; Zhang, Wei; Jin, Cheng; Xue, Xiangyang (2012). “Learning attention map from images”. In: 2012 IEEE conference on computer vision and pattern recognition. Providence, USA: IEEE, pp. 1067-1074. https://doi.org/10.1109/cvpr.2012.6247785

Ministerio de Sanidad (2020). Actualización n. 88. Enfermedad por el coronavirus (Covid-19). Madrid, 27 abril. https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov/documentos/Actualizacion_88_COVID-19.pdf

Ministerio de Sanidad, Consumo y Bienestar social (2018). Barómetro Sanitario 2018. Estudio n. 8818. Madrid. https://www.mscbs.gob.es/estadEstudios/estadisticas/BarometroSanitario/Barom_Sanit_2018/BS2018_mar.pdf

Oliva, Aude; Torralba, Antonio (2001). “Modeling the shape of the scene: A holistic representation of the spatial envelope”. International journal of computer vision, v. 42, pp. 145-175. https://doi.org/10.1023/A:1011139631724

OMS (2013). Proyecto de resolución. 12º Programa General de Trabajo (2014-19). 66ª Asamblea Mundial de la Salud. https://apps.who.int/gb/ebwha/pdf_files/WHA66/A66_6Add1-sp.pdf

Sellnow, Timothy L.; Parrish, Adam; Semenas, Lauren (2019). “From hoax as crisis to crisis as hoax: Fake news and information disorder as disruptions to the discourse of renewal”. Journal of international crisis and risk communication research, v. 2, n. 1. https://doi.org/10.30658/jicrcr.2.1.6

Simoncelli, Eero P.; Freeman, William T. (1995). “The steerable pyramid: A flexible architecture for multi-scale derivative computation”. In: Proceedings international conference on image processing. Washington, DC, USA: IEEE, pp. 444-447. https://doi.org/doi:10.1109/icip.1995.537667

Torralba, Antonio (2003). “Modeling global scene factors in attention”. Journal of the Optical Society of America A, v. 20, n. 7, pp. 1407-1418. https://doi.org/10.1364/josaa.20.001407

Treisman, Anne M.; Gelade, Garry (1980). “A feature-integration theory of attention”. Cognitive psychology, v. 12, n. 1, pp. 97-136. https://doi.org/10.1016/0010-0285(80)90005-5

Tulving, Endel (1985). “How many memory systems are there?”. American psychologist, v. 40, n. 4, pp. 385-398. https://doi.org/10.1037/0003-066X.40.4.385

Weinstock, Daniel (2011). “Riesgo, incertidumbre y catástrofe”. En: Innerarity, Daniel; Solana, Javier (eds.). La humanidad amenazada: gobernar los riesgos globales. Madrid: Paidós, pp. 69-86. ISBN: 978 84 493 2561 8

Zhang, Lingyun; Tong, Matthew H.; Marks, Tim K.; Shan, Honghao; Cottrell, Garrison W. (2008). “SUN: A bayesian framework for saliency using natural statistics”. Journal of vision, v. 8, n. 7. https://doi.org/10.1167/8.7.32

Zhao, Qi; Koch, Christof (2011). “Learning a saliency map using fixated locations in natural scenes”. Journal of vision, v. 11, n. 3. https://doi.org/10.1167/11.3.9

Publicado
2020-12-28
Cómo citar
Silva-Torres, J.-J., Martínez-Martínez, L., & Cuesta-Cambra, U. (2020). Diseño de un modelo de atención visual para campañas de comunicación. El caso de la Covid-19. Profesional De La Información, 29(6). https://doi.org/10.3145/epi.2020.nov.27
Sección
Artículos de investigación Covid-19 / Covid-19 research articles

Descargas

La descarga de datos todavía no está disponible.