El Índice de Calidad Pictográfica (ICAP) es un marco métrico diseñado para la evaluación, validación y auditoría de sistemas de comunicación visual en el ámbito de la Comunicación Aumentativa y Alternativa (CAA).
Este índice permite cuantificar la eficacia de los pictogramas mediante un análisis multidimensional, siendo especialmente útil para el entrenamiento y evaluación de modelos generativos (como PictoNet) y la arquitectura MediaFranca.
- Evaluación Individual (1 a 1): Auditoría técnica y semántica de un pictograma frente a su concepto.
- Benchmark de Modelos (Set Fijo): Evaluación de la calidad generativa de un modelo mediante un corpus de referencia (50-60 frases concretas) para medir consistencia y precisión.
El índice se compone de seis dimensiones clave, evaluadas en una escala de 1 a 5.
Mide el grado en que el pictograma es visualmente nítido, legible y libre de ambigüedad visual.
- Fundamento: Basado en los principios de complejidad visual de Forsythe et al. (2003). Evalúa la calidad técnica y el contraste para asegurar que el signo escale correctamente en dispositivos de comunicación.
La facilidad con la que un observador identifica lo que representa el pictograma sin contexto adicional o explicación.
- Fundamento: Se alinea con la Teoría de la Iconicidad de Lloyd y Fuller (1990). Un nivel 5 indica una interpretación única y clara basada en convenciones universales (estándares tipo ARASAAC/PCS).
El grado en que el pictograma transmite con precisión el significado específico de la frase objetivo y su estructura lingüística.
- Fundamento: Basado en el concepto de translucidez de Schlosser (2003). Evalúa si los elementos semánticos clave están presentes sin pérdida ni distorsión del mensaje.
La utilidad y adecuación del pictograma en contextos reales de comunicación.
- Fundamento: Basado en la Competencia Comunicativa de Light (1989). Evalúa si el símbolo facilita la autonomía y dignidad del usuario en entornos públicos, escolares o domésticos.
Relevancia del pictograma para el contexto cultural y lingüístico del público objetivo (especialmente en entornos hispanohablantes).
- Fundamento: Responde a la necesidad de sensibilidad cultural en CAA señalada por Huer (2000), evitando estereotipos y reflejando auténticamente la vida diaria.
La usabilidad del pictograma para usuarios con diferencias cognitivas o dificultades de aprendizaje.
- Fundamento: Alineado con los estándares ISO/IEC 24751. Evalúa la simplicidad del procesamiento y si el signo requiere una carga cognitiva mínima para su reconocimiento instantáneo.
Cada dimensión se califica mediante una rúbrica de 5 niveles:
- 5 - Excelente: Sin necesidad de mejoras. Listo para uso profesional.
- 4 - Bien: Funciona bien; mejoras menores opcionales.
- 3 - Funciona: Aceptable. Cumple el mínimo para comunicación funcional.
- 2 - Insuficiente: Requiere mejoras significativas para ser apto.
- 1 - No funcional: Requiere rediseño completo desde cero.
El corpus de referencia consta de 50 frases organizadas por función comunicativa siguiendo la taxonomía de actos de habla de Austin/Searle:
- Solicitar (6 frases): SOL-01 a SOL-06
- Rechazar (5 frases): REC-01 a REC-05
- Dirigir (6 frases): DIR-01 a DIR-06
- Aceptar (6 frases): ACE-01 a ACE-06
- Interacción Social (6 frases): SOC-01 a SOC-06
- Emoción (5 frases): EMO-01 a EMO-05
- Comentar (6 frases): COM-01 a COM-06
- Preguntar (7 frases): PRE-01 a PRE-07
Cada frase incluye:
- ID único (ej: SOL-01)
- Categoría comunicativa
- Frase en español
- Primitivos NSM (Natural Semantic Metalanguage)
- Roles semánticos (FrameNet-style)
- Dominio de uso (Casa/Hogar, Escuela, Higiene/Salud, Ocio/Comunidad)
examples/hexagonal-rating-gradient.html
- Visualización hexagonal con interpolación de colores por dimensión
- Renderizado Canvas 2D con gradientes suaves
- Descripciones de rúbrica en tiempo real
- Evaluación compilada (texto narrativo automático)
- Exportación JSON con metadatos completos
- Tipografía Lexend para accesibilidad
examples/metadata-visualizer.html
- Extrae metadatos ICAP embebidos en SVGs
- Drag & drop de archivos
- Visualización hexagonal automática
- Muestra cadena de pensamiento completa
Ejemplo completo del flujo de trabajo: "Voy a hacer mi cama"
- Frase de entrada con análisis semántico (Frame Semantics + NSM)
- Estructura visual jerárquica definida
- Pictograma SVG generado con metadatos ICAP embebidos
- Evaluación ICAP completa con puntajes perfectos (5.0/5.0)
Archivos incluidos:
- semantic-analysis.json - Descomposición semántica (sigue nlu-schema)
- visual-structure.json - Jerarquía de elementos visuales y prompt de generación
- output.svg - Pictograma con metadatos (sigue mf-svg-schema)
- Documentación completa - Explicación detallada del flujo
ICAP es parte del ecosistema MediaFranca con separación de responsabilidades:
- nlu-schema - Análisis semántico (Frame Semantics, NSM, roles semánticos)
- mf-svg-schema - Especificación de SVGs pictográficos con metadatos embebidos
- ICAP (este repositorio) - Marco de evaluación de calidad pictográfica para CAA
Todas las definiciones operacionales de la rúbrica ICAP están centralizadas en:
data/rubric-scale-descriptions.json
Este archivo JSON sirve como fuente única de verdad (SSOT) para:
- Descripciones de cada nivel (1-5) por dimensión
- Texto narrativo compilable para evaluaciones
- Consistencia entre interfaces de evaluación
- Acceso programático desde scripts
# Compilar evaluación a partir de puntajes
node scripts/compile-evaluation-text.js --scores 5,4,3,4,5,4
# Formato HTML
node scripts/compile-evaluation-text.js --scores 5,4,3,4,5,4 --format html
# Evaluar caso específico
node scripts/compile-evaluation-text.js --case req-001_v1.0.0_default-v1_01├── frases.json # Corpus de 50 frases de referencia
├── data/
│ └── rubric-scale-descriptions.json # Rúbrica centralizada
├── examples/
│ ├── hexagonal-rating-gradient.html # Interfaz hexagonal interactiva
│ ├── metadata-visualizer.html # Visualizador de metadatos
│ └── toy-example/ # Ejemplo canónico completo
├── schemas/
│ └── rubric-descriptions.schema.json # Validación JSON Schema
├── scripts/
│ ├── compile-evaluation-text.js # Compilar evaluaciones
│ └── generate-report.js # Generar reportes
└── docs/
├── rubric.md # Rúbrica detallada
└── canonical-example.md # Documentación del ejemplo
- Generar pictograma usando PictoNet u otro modelo generativo
- Abrir interfaz hexagonal (hexagonal-rating-gradient.html)
- Evaluar cada dimensión (1-5) usando la rúbrica como guía
- Revisar evaluación compilada (texto narrativo automático)
- Exportar JSON con metadatos completos
- Embeber metadatos en SVG como SSOT para auditoría
- Generar pictogramas para todas las 50 frases del corpus
- Evaluar sistemáticamente usando la interfaz hexagonal
- Compilar resultados usando
generate-report.js - Calcular puntaje ICAP promedio por modelo
- Comparar versiones para medir mejoras iterativas
# Generar reporte agregado
node scripts/generate-report.js --corpus frases.json- Rúbrica ICAP Detallada - Descripciones extendidas de cada dimensión con ejemplos
- Ejemplo Canónico - Flujo completo documentado: "Voy a hacer mi cama"
- Forsythe, C., et al. (2003). Visual complexity and information processing.
- Huer, M. B. (2000). Examine perceptions of graphic symbols across different cultural groups.
- Light, J. (1989). Toward a definition of communicative competence for individuals using augmentative and alternative communication systems. Augmentative and Alternative Communication, 5(2), 137-144.
- Lloyd, L. L., & Fuller, D. R. (1990). The role of iconicity and translucency in symbol learning. In R. Schiefelbusch (Ed.), Augmentative and Alternative Communication (pp. 295-306).
- Schlosser, R. W. (2003). The Efficacy of Augmentative and Alternative Communication: Toward Evidence-Based Practice. Academic Press.
Este proyecto está diseñado para investigación académica y aplicaciones en el ámbito de la Comunicación Aumentativa y Alternativa (CAA). Para uso en producción o comercial, por favor contactar a los autores.
Versión: 0.2.0-icap Última actualización: Enero 2026