Design e sviluppo di un portale di Data Visualization per Data Portraits: dai Big Five alla generazione e al riconoscimento

Negli ultimi anni, la crescente disponibilità di dati personali e collettivi ha reso la Data Visualization uno strumento centrale non solo per l’analisi, ma anche per la comunicazione chiara e precisa e la costruzione di consapevolezza. In parallelo, prospettive come il Data Humanism sottolineano la dimensione umana, narrativa e contestuale della rappresentazione dei dati, abbracciando la loro complessità e imperfezione e favorendo visualizzazioni in grado di avvicinare l’informazione alle persone. In tale contesto si collocano i data portraits, visualizzazioni personalizzate che mirano a rappresentare aspetti dell’individuo in modo sintetico e riconoscibile, stimolando processi di self-awareness e self-recognition. Questa tesi presenta la progettazione e lo sviluppo di un portale web che raccoglie dati tramite questionari e genera data portraits personalizzati, con l’obiettivo di valutare sia la self-recognition dichiarata sia l’accuratezza oggettiva nella selezione del ritratto effettivamente generato per il partecipante. L’esperienza utente è strutturata in più fasi e confronta due livelli di personalizzazione: una prima versione del ritratto basata sui tratti di personalità (Big Five) stimati tramite questionario TIPI e una seconda versione arricchita con elementi tematici derivati da un questionario su hobby e passioni (Videogiochi o Film/Serie TV), traducendo le risposte in segni grafici con approccio prevalentemente metaforico. I risultati raccolti sulle sessioni completate indicano un incremento dell’accuratezza nella seconda fase, mentre la self-recognition rimane complessivamente stabile, suggerendo che l’arricchimento tematico può supportare l’identificazione del ritratto pur lasciando spazio a componenti interpretative e soggettive.