| Pregunta | Enunciado | Correctas (%) | Incorrectas (%) | Sin respuesta (%) |
|---|---|---|---|---|
| Pregunta 1 | eBay está dentro de la categoría Software: | 52.83 | 9.76 | 37.41 |
| Pregunta 2 | ¿Qué país tiene la menor proporción de medallas de oro? | 57.83 | 24.53 | 17.64 |
| Pregunta 3 | ¿Qué distancia en taxi han recorrido más los clientes? | 68.83 | 7.47 | 23.71 |
| Pregunta 4 | En 2023, el porcentaje de Tarragona fue más bajo que el de Zaragoza: | 72.60 | 12.31 | 15.09 |
| Pregunta 5 | ¿Cuál es la cuota de mercado mundial aproximada de smartphones de Samsung? | 44.30 | 35.68 | 20.02 |
| Pregunta 6 | ¿Qué red de metro tiene el mayor número de estaciones? | 56.52 | 9.93 | 33.55 |
| Pregunta 7 | ¿Cuál es el precio de los cacahuetes en Seoul? | 5.17 | 41.67 | 53.16 |
| Pregunta 8 | ¿Cuál era el precio del barril de petróleo en febrero de 2020? | 81.79 | 3.86 | 14.36 |
| Pregunta 9 | ¿Cuál es la velocidad media de Internet en Japón (Japan)? | 77.19 | 8.04 | 14.77 |
| Pregunta 10 | ¿Cuál fue el precio medio de la libra de café en octubre de 2019? | 51.03 | 16.24 | 32.73 |
| Pregunta 11 | ¿Cuál fue la proporción de niñas llamadas «Isla» con respecto a las niñas llamadas «Amelia» en 2012 en el Reino Unido? | 16.98 | 16.90 | 66.12 |
| Pregunta 12 | Existe una relación negativa entre la estatura y el peso de las 85 personas: | 52.01 | 13.62 | 34.37 |
Informe
Introducción
El presente informe resume los primeros resultados de la aplicación del Mini-VLAT. El objetivo es cuantificar de manera rápida y fiable la capacidad de leer e interpretar 12 tipos canónicos de visualización de datos y, con ello, identificar brechas formativas relevantes para futuros programas de alfabetización visual. En la taxonomía europea DigComp 2.2 (Vuorikari et al., 2022) la lectura e interpretación de gráficos forma parte nuclear del área 1 Information and data literacy, junto a la evaluación y gestión de datos.
Contar con personal capaz de comprender visualizaciones a alto nivel no es, por tanto, un simple lujo académico. Condiciona la transparencia, la rendición de cuentas y la eficacia operativa de las políticas públicas.
Medir esa habilidad a gran escala suele chocar, sin embargo, con dos habituales obstáculos prácticos. En primer lugar, la extensión y la fatiga cognitiva de los test clásicos y, en segundo lugar, la enorme heterogeneidad de perfiles formativos dentro de la función pública. Para solventar ambos problemas se adoptó el Mini-VLAT de Pandey y Ottley (2023), versión abreviada y psicométricamente robusta del VLAT original de 53 ítems (Lee et al., 2016). El Mini-VLAT mantiene la lógica factorial del VLAT y sus evidencias de validez convergente, pero reduce la carga de respuesta a esos 12 ítems señalados.
En estudios independientes ha mostrado una consistencia interna adecuada (ω = 0,72) y una correlación sustancial con el VLAT largo y con pruebas externas de lectura de gráficos avanzados.
Metodología
Se diseñó una adaptación al castellano y otra al valenciano del Mini-VLAT siguiendo un doble proceso de traducción y sustitución de ejemplos culturalmente marcados por datos neutros (por ejemplo, en la pregunta 4 se incluyó el mapa de España en lugar de un mapa de EE.UU.). Cada participante respondió a los 12 ítems de opción múltiple (siempre con la opción posible de no respuesta), con 25 segundos por pregunta y avance automático.
La invitación se distribuyó por correo corporativo entre todas las consellerias. Se recogieron variables demográficas (edad, género), académicas (máximo nivel de estudios), laborales (subgrupo y conselleria) y autorreportes de familiaridad con visualizaciones y daltonismo.
La puntuación individual se ha calculado como porcentaje de aciertos sobre los 12 ítems, registrándose también errores y omisiones. Para el análisis inicial se han empleado también pruebas ANOVA de un factor (nivel educativo, subgrupo, familiaridad, grupo de edad), con contraste post-hoc Tukey cuando procedía, preservando la tasa de error familiar.
Análisis de los resultados del Mini-VLAT
El total de respuestas válidas analizadas ascendió a 1.219 participantes, todos ellos vinculados profesionalmente a la Administración Pública autonómica. En términos de género, la muestra presenta una clara sobrerrepresentación femenina. 62,6% se identificó como femenino (n=762), frente al 34,4% que se identificó como masculino (n=419). Además, un pequeño porcentaje seleccionó “Otro” (n=5), “Prefiero no responder” (n=20), o dejó el campo en blanco (n=13).
En relación con posibles condicionantes visuales, un 3,2% de los participantes (n=39) declaró sufrir algún tipo de anomalía en la visión de los colores. Se trata de una proporción minoritaria, pero a tener en consideración de cara a aplicar criterios de accesibilidad visual en la elaboración de cuadros de mando e informes analíticos.
Seguidamente se calcula el porcentaje de respuestas correctas, incorrectas y no respondidas para cada una de las 12 preguntas del test.
Las preguntas con mayores tasas de acierto fueron aquellas basadas en la lectura literal de valores numéricos, como el precio del barril de petróleo (P8) o la velocidad media de Internet (P9), ambas por encima del 75% de respuestas correctas.
La pregunta con más dificultades fue la pregunta 7 (precio de los cacahuetes en Seoul), con apenas un 5% de aciertos y una altísima tasa de omisión (53%). Igualmente problemática fue la pregunta 11 (proporción de nombres femeninos «Isla» vs «Amelia»), con más del 66% de omisiones. En ambos casos se trataba de gráficos apilados. En este sentido, se hace palpable cierta dificultad para interpretar razones proporcionales.
Además del análisis desglosado por ítem, se examinó el rendimiento general en función del grupo etario. Para ello, se estimó la edad de cada participante a partir de su año de nacimiento, agrupando posteriormente en intervalos decenales.
El objetivo era identificar posibles patrones de desempeño ligados al ciclo vital o al contexto formativo de cada cohorte generacional. Los resultados muestran una tendencia decreciente en la tasa media de aciertos conforme aumenta la edad (véase Figura 1). El grupo de 26 a 35 años obtiene la segunda media más alta de aciertos (66%), solo superado por un caso aislado en la franja 16–25 (n=1), cuya interpretación estadística carece de robustez. A partir de ahí, se observa un descenso progresivo. Los participantes de entre 36 y 45 años logran un 62,1%, mientras que aquellos entre 56 y 65 años apenas alcanzan el 49%. En paralelo, las omisiones crecen sensiblemente con la edad.
Más allá de la edad, el nivel educativo, aunque estos resultados no implican una relación causal directa, también parece modular la alfabetización visual. La Figura 2 muestra cómo los porcentajes de aciertos tienden a disminuir conforme se desciende en la escala formativa. Así, los participantes con doctorado (n=55) alcanzan una media del 64,6% de respuestas correctas, seguidos por quienes cuentan con un máster oficial (60,3%) o una titulación universitaria larga (55%). A medida que el nivel baja, se observa cierta pérdida paulatina de precisión, desde un 53,2% en diplomaturas o grados cortos hasta apenas un 22,9% entre quienes solo completaron primaria.
Una pauta similar se observa si se examinan los resultados según el subgrupo administrativo de pertenencia. Como muestra la Figura 3, los porcentajes de aciertos siguen una gradación coherente con la jerarquía funcionarial. Los grupos A1 y A2 (que concentran los perfiles con mayores exigencias de titulación y acceso) obtienen un 59,8% y un 55,9% de aciertos respectivamente. En cambio, los grupos C1 y C2 caen ya por debajo del 52% y 45% respectivamente.
Se pueden apreciar también determinadas tendencias cuando se desagregan los resultados por conselleria de adscripción (véase Figura 4). Una unidad más asociada a funciones analíticas o económico-presupuestarias (como Hacienda y Economía) encabeza el ranking con medias superiores al 60%. En el otro extremo, áreas como Servicios Sociales o Justicia se sitúan por debajo del 50% de aciertos.
El desempeño en el Mini-VLAT también parece estar modulado por factores cognitivos y experienciales más próximos al terreno de la práctica profesional o personal. Como se observa en la Figura 5, la familiaridad declarada con las visualizaciones guarda una relación positiva con la precisión de respuesta. Aquellos empleados que indicaron haber creado previamente visualizaciones de datos (n=97) alcanzaron una media de aciertos del 61,9%. La puntuación desciende progresivamente entre quienes se declararon algo familiarizados (54,3%) y quienes nunca han generado una visualización (51,9%).
Con el objetivo de identificar factores que puedan explicar diferencias significativas en el rendimiento en el test Mini-VLAT (medido como porcentaje de aciertos), se llevó a cabo un análisis de varianza unidireccional (ANOVA) para las las principales variables independientes antes mostradas: grupo de edad, nivel de estudios, subgrupo administrativo y conselleria.
Para identificar qué grupos concretos difieren significativamente entre sí, se realizaron pruebas post-hoc de comparaciones múltiples mediante el test de Tukey HSD, para las variables cuyo ANOVA resultó significativo (todas en este caso).
Los cuatro gráficos que pueden consultarse a continuación muestran las diferencias medias en el porcentaje de aciertos en el Mini-VLAT entre pares de niveles dentro de esas cuatro variables categóricas principales. Cada celda del mapa representa la magnitud de la diferencia entre dos grupos (señalándose únicamente aquellas diferencias estadísticamente significativas). Los tonos azules indican que, en promedio, el grupo de la fila superó significativamente al de la columna. Los tonos rojos reflejan lo contrario: el grupo de la fila quedó por debajo del de la columna. La intensidad del color representa la magnitud de la diferencia: cuanto más intenso el tono, mayor es la brecha entre ambos grupos. La escala lateral expresa estas diferencias en puntos porcentuales de acierto en el test.
La edad, como anteriormente se avanzó, introduce un eje diferenciador. El grupo de 26-35 años rinde hasta 17 puntos por encima de las cohortes de 56-65 y 66-75 años, y mantiene una ventaja de once puntos sobre el tramo inmediatamente inferior (46-55).
El declive es progresivo y se intensifica a partir de los 45 años, alineándose con la hipótesis de que la alfabetización visual se resiente cuando la formación inicial estuvo menos expuesta a la cultura del dato o cuando la práctica profesional no ha requerido actualizar estas competencias.
El escaso número de casos en la franja 16-25 impide extraer conclusiones sólidas en ese extremo, pero el gradiente generacional restante resulta estadísticamente robusto.
Conclusiones
El Mini-VLAT emerge como un instrumento diagnóstico rápido y útil de alfabetización visual en la administración. Los resultados muestran un nivel medio de acierto moderado, con claros contrastes entre la lectura de valores puntuales (resuelta con solvencia) y la interpretación de relaciones proporcionales, donde emergen las mayores dificultades. La capacidad de entender gráficos apilados y escalas relativas se perfila como el principal cuello de botella conceptual.
El análisis, por lo tanto, evidencia un gradiente formativo-generacional nítido. A mayor nivel educativo, menor edad y mayor exposición profesional a tareas analíticas, mejor puntuación; el patrón se invierte en cuerpos funcionariales de menor cualificación y en esas consellerias con menor cultura de datos. La competencia gráfica, en conclusión, no depende solo del talento individual, sino de la acumulación de capital formativo reciente y de la práctica deliberada en entornos que valoran la evidencia visual.
Podría resultar útil un plan de capacitación estratificado en vías de fortalecer la interpretación profunda de visualizaciones de datos, que priorice a las cohortes sénior y a quienes carecen de estudios superiores, y que promueva la creación activa de visualizaciones como estrategia de aprendizaje. Durante las próximas semanas continuaremos analizando los resultados para afinar estas líneas de intervención y comprender con mayor precisión cómo la cultura organizativa condiciona la lectura de gráficos dentro de la Administración.
Referencias
Lee, S., Kim, S.H., y Kwon, B. C. (2017). VLAT: Development of a visualization literacy assessment test. IEEE Transactions on Visualization and Computer Graphics, 23(1), 551-560. https://doi.org/10.1109/TVCG.2016.2598920.
Pandey, S., y Ottley, A. (2023). Mini-VLAT: A short and effective measure of visualization literacy. Computer Graphics Forum, 42(3), [Eurographics Conference on Visualization (EuroVis)]. https://doi.org/10.1111/cgf.14809.
Vuorikari, R., Kluzer, S., y Punie, Y. (2022). DigComp 2.2, The Digital Competence framework for citizens : with new examples of knowledge, skills and attitudes, Publications Office of the European Union. https://data.europa.eu/doi/10.2760/115376.