Un nuevo método de sonificación para la minería de datos de series temporales

Abstract

Se presenta un nuevo método de sonificación determinista al que llamamos “melodización de series temporales”. El método se basa en la traducción univoca de datos de una serie temporal en una secuencia de sonidos, ajustándolos posteriormente a un cierto compás y ritmo, obteniendo así una melodía más agradable al oído, haciendo analogía entre la distribución de eventos en la serie temporal y su correspondiente composición musical, ya que ambas siguen una ley de potencias o ley de Zipf generalizada. Este método se aplicó a cuatro series temporales, cada una correspondiente al precio de cierre en la bolsa de valores de Nueva York, entre el periodo 2000-2010, del Dow Jones Industrial Average, Microsoft Corporation, el Oro y el Petróleo, obteniendo cuatro melodías únicas, con las cuales se procedió a evaluar auditiva y grá camente, mediante dos pruebas y un periodo de entrenamiento, en el que participaron varios sujetos de prueba. Realizando un primer test al comienzo y otro después del entrenamiento de dos semanas, para así determinar la efectividad de este nuevo método. Las pruebas se enfocan en la parte auditiva a la hora de reconocer, reproducir y predecir los diferentes patrones notas de las series temporales utilizadas. Se obtuvo como resultados, luego de haber escuchado y visto una única vez las series, una probabilidad de 0:29 de que el primer test haya sido llenado de forma aleatoria, mientras que esta probabilidad cayó al 0:05 luego del entrenamiento en el segundo test, observando una mejora significativa en los aciertos para el test luego del entrenamiento. Concluyendo entonces que nuestro método de melodización de series temporales produjo un aprendizaje en los individuos que se entrenaron.