Tesis Doc o al
Tendencias del diseño emocional y a ec i o.
E aluación de p opiedades de diseño e iden idad
de p oduc o de coches eléc icos y de combus ión
basada en seguimien o ocula y Análisis Conjun o.
Se illa, diciemb e 2024
P og ama de Doc o ado en Ins alaciones y Sis emas pa a la Indus ia po la Uni e sidad de Se illa
Au o
Raúl Núñez Rome o
Di ec o es:
D a. Amalia Luque Send a
D . An onio Có doba Roldán
Raúl Núñez Rome o - 2
Raúl Núñez Rome o - 3
DEDICATORIA
A quienes han dedicado oda su ida a su amilia, a quienes han dado lo mejo de sí de o ma
cons an e e incansable pa a sus hijos, a quienes han hecho de mi la pe sona que soy…
A mis Pad es.
Raúl Núñez Rome o - 4
AGRADECIMIENTOS
No quedan su icien es días en el u u o pa a pode ag adece lo su icien e la ayuda que me han
b indado mis di ec o es de esis: D a. Amalia Luque Send a y D . An onio Có doba Roldán. Su
apoyo con inuo y enseñanzas han enido un incalculable alo , y me han lle ado po el mejo
camino posible.
También quie o ag adece p o undamen e lo bien que me han a ado los Compañe os y
Amigos del Á ea de P oyec os de Ingenie ía del Depa amen o de Ingenie ía del Diseño de la
Uni e sidad de Se illa. Mil g acias les debo po compa i me su espléndido sabe hace y
habe me pe mi ido c ece en conocimien o.
Y po úl imo, un ag adecimien o especial al D . F ancisco Aguayo González, po ende me la
mano en el pasado incie o y da luz a mi ca e a p o esional.
Resumen
Raúl Núñez Rome o - 5
Resumen
En los úl imos años, el núme o de nue os modelos de ehículos eléc icos (EV) se ha
mul iplicado, gene ando así una endencia en el me cado. En los análisis de endencias
consul ados sob e las ac i udes de los usua ios en elación con los ehículos eléc icos,
pa icula men e con los coches eléc icos, en ninguno el ac o es é ico o de diseño apa ece
como mo i ación de comp a, p obablemen e po que los coches eléc icos aún no han
es ablecido una iden idad p opia que los de ina. Po an o, es de in e és analiza aquellos
a ibu os es é icos o males que pueden ealza la iden idad de los ehículos eléc icos.
Ac ualmen e la ansición al coche eléc ico es á siendo paula inamen e acep ada po odos los
usua ios, po lo que el diseño de es os p oduc os ocupa un espacio des acado en el sec o del
diseño del au omó il. Asimismo, la expe iencia de usua io es uno de los aspec os de e minan es
pa a la elección de un modelo. Es e es udio p opone un p oceso di idido en cua o ases. La
p ime a ase comp ende un análisis de an eceden es pa a de ini el mé odo y las écnicas con
las que alcanza los obje i os. Así mismo, se e alúa la e olución del discu so y el a ance de la
in es igación en es e ámbi o has a la ac ualidad median e un análisis en p o undidad de la
p oducción cien í ica median e écnicas de bibliome ía y análisis de las publicaciones ob enidas
de Web O Science. Se incluye un análisis de allado de las e isiones bibliog á icas más ele an es
sob e diseño emocional y a ec i o, así como las p incipales publicaciones sob e análisis
bibliomé ico. Se e alúan palab as cla e, uen es, au o es, ci as, o ganizaciones, ca ego ías y
países u ilizando di e sas écnicas bibliomé icas. En los esul ados se ob ienen clús e es de las
ca ego ías emá icas donde se e leja un cambio en la endencia de las publicaciones. En segunda
ase, se ealiza un análisis de Eye acking, median e el cual se de e mina qué zonas de la imagen
de un ehículo son más in luyen es en la pe cepción del mismo como eléc ico o de combus ión,
y la iden i icación del ipo de ehículo median e el análisis de mapas de calo , mapas de
seguimien o y núme os y iempos de ijación, en e o os da os. A a és de es o, es posible
desa olla diseños óp imos alineados con la pe cepción del usua io. En la e ce a ase se emplea
el mé odo de Análisis Conjun o pa a analiza las p e e encias de los usua ios po los coches
eléc icos y de combus ión, buscando iden i ica qué p opiedades es é icas y o males del on al
de un au omó il es án asociadas a los ehículos eléc icos. Y en la cua a ase, se oma de base
la in o mación ob enida en las ases p e ias pa a aplica Ingenie ía Kansei (IK). La aíz de la
Ingenie ía Kansei es el diseño emocional y a ec i o. Y los concep os de diseño emocional y
a ec i o se han des acado en los úl imos años como una endencia con un al o po encial de
c ecimien o, p oponiendo un en oque que es udia los es ados a ec i os que p o ocan los
p oduc os en las pe sonas. Si se ealiza un análisis de ciclo de ida del p oduc o, se comp ueba
cómo, al conside a a la a ec i idad y las emociones, se puede apoya al diseño sos enible. Con
es a me odología se busca comp ende y aduci las emociones y sensaciones de los usua ios
en pa áme os y ca ac e ís ica diseño del ehículo eléc ico, y así con ibui a la iden idad p opia
de es os ehículos, y que su acep ación en el me cado siga en aumen o. Además, asociado a la
ob ención de in o mación de los usua ios en las di e en es ases, se ealizan es de usua io con
cues iones sociodemog á icas con el in de segmen a la población y comp oba median e
Análisis de Va ianza (ANOVAs) que exis en di e encias signi ica i as en la pe cepción sob e los
ehículos eléc icos y ob ene in o mación complemen a ia sob e las p opiedades es é ico-
o males y las di e en es ca ac e ís icas sociodemog á icas de los usua ios.
Abs ac
Raúl Núñez Rome o - 6
Abs ac
In ecen yea s, he numbe o new elec ic ehicle (EV) models has mul iplied, hus gene a ing
a end in he ma ke . In he end analyses consul ed on use a i udes owa ds elec ic ehicles,
pa icula ly elec ic ca s, he aes he ic o design ac o does no appea as a pu chasing
mo i a ion in any o hem, p obably because elec ic ca s ha e no ye es ablished a s yle o hei
own ha de ines hem. The e o e, i is o in e es o analyse hose o mal aes he ic a ibu es
ha can enhance he iden i y o elec ic ehicles.
Cu en ly, he ansi ion o elec ic ca s is g adually being accep ed by all use s, so he design o
hese p oduc s occupies a p ominen place in he au omo i e design sec o . Likewise, use
expe ience is one o he de e mining aspec s o choosing a model. This s udy p oposes a p ocess
di ided in o ou phases. The i s phase includes a backg ound analysis o de ine he me hod
and echniques wi h which o achie e he objec i es. The aim is also o e alua e he e olu ion
o he discou se and he p og ess o esea ch in his ield o da e h ough an in-dep h analysis o
scien i ic p oduc ion using bibliome ic echniques and analysis o publica ions ob ained om
Web O Science. A de ailed examina ion o he mos ele an bibliog aphic e iews on emo ional
and a ec i e design is included, as well as he main publica ions on bibliome ic analysis.
Keywo ds, sou ces, au ho s, ci a ions, o ganiza ions, ca ego ies and coun ies a e e alua ed
using a ious bibliome ic echniques. The esul s ob ain clus e s o he hema ic ca ego ies
whe e a change in he end o publica ions is e lec ed. In he second phase, an Eye acking
analysis is ca ied ou , h ough which i is de e mined which a eas o he image o a ehicle a e
mos in luen ial in he pe cep ion o i as elec ic o combus ion, and he iden i ica ion o he
ype o ehicle h ough he analysis o hea maps, acking maps and numbe s and ixa ion imes,
among o he da a. Th ough his, i is possible o de elop op imal designs aligned wi h he use 's
pe cep ion. In he hi d phase, he Conjoin Analysis me hod is used o analyse use p e e ences
o elec ic and combus ion ca s, seeking o iden i y which aes he ic and o mal p ope ies o he
on o a ca a e associa ed wi h elec ic ehicles. And in he ou h phase, he in o ma ion
ob ained in he p e ious phases is used as a basis o apply Kansei Enginee ing (KE). The oo o
Kansei Enginee ing is emo ional and a ec i e design. And he concep s o emo ional and
a ec i e design ha e eme ged in ecen yea s as a end wi h high g ow h po en ial, p oposing
an app oach ha s udies he a ec i e s a es ha p oduc s p o oke in people. I a p oduc li e
cycle analysis is ca ied ou , i can be seen how, by conside ing a ec i i y and emo ions,
sus ainable design can be suppo ed. Wi h his me hodology, he aim is o unde s and and
ansla e he emo ions and sensa ions o use s in o pa ame e s and design cha ac e is ics o he
elec ic ehicle, and hus con ibu e o he iden i y o hese ehicles, and o ensu e ha hei
accep ance in he ma ke con inues o inc ease. In addi ion, in addi ion o ob aining in o ma ion
om use s in he di e en phases, use es s a e ca ied ou wi h sociodemog aphic ques ions
in o de o segmen he popula ion and e i y, h ough Analysis o Va iance (ANOVAs), ha he e
a e signi ican di e ences in he pe cep ion o elec ic ehicles and o ob ain complemen a y
in o ma ion on he aes he ic- o mal p ope ies and he di e en sociodemog aphic
cha ac e is ics o use s.
Índice
Raúl Núñez Rome o - 7
Índice
Resumen ........................................................................................................................................ 5
Abs ac ......................................................................................................................................... 6
Índice ............................................................................................................................................. 7
Capí ulo 1. In oducción .............................................................................................................. 10
1.1 Jus i icación ....................................................................................................................... 10
1.2 An eceden es .................................................................................................................... 12
1.3 P egun as de in es igación, obje i os e hipó esis ............................................................. 18
1.4 Es uc u a de la esis ......................................................................................................... 20
Capí ulo 2. Es ado del a e .......................................................................................................... 21
2.1 In oducción ...................................................................................................................... 21
2.2 Me odología de la e isión bibliog á ica ealizada ............................................................ 23
2.3 Resul ados de la e isión bibliog á ica .............................................................................. 24
2.4 Conclusiones de la e isión bibliog á ica ........................................................................... 30
2.5 Ingenie ía Kansei ............................................................................................................... 31
2.6 Eye acking ........................................................................................................................ 37
2.7 Análisis Conjun o ............................................................................................................... 48
2.8 Conclusión Es ado del a e ................................................................................................ 53
Capí ulo 3. Fundamen os Teó icos .............................................................................................. 57
3.1 Ingenie ía Kansei ............................................................................................................... 57
3.1.1 Elección del dominio del diseño. ................................................................................ 60
3.1.2 Espacio Semán ico ...................................................................................................... 61
3.1.3 Espacio de p opiedades. ............................................................................................ 64
3.1.4 Espacio de sín esis ...................................................................................................... 66
3.1.5 C eación del modelo y es de alidez. ....................................................................... 69
3.2 Técnicas aplicadas en Ingenie ía Kansei ............................................................................ 69
3.2.1 Teo ía Eye acking ...................................................................................................... 70
3.2.2 Análisis Conjun o ........................................................................................................ 73
3.2.3 Teo ía cuan i icación ipo 1 (QT1)) ............................................................................. 74
3.2.4 Análisis Fac o ial ......................................................................................................... 76
3.2.5 Análisis Clús e ........................................................................................................... 88
Capí ulo 4. Me odología .............................................................................................................. 97
4.1 E aluación de p opiedades de diseño de coches eléc icos y de combus ión basada en
seguimien o ocula (Eye acking) ............................................................................................ 97
4.1.1 De ini a ibu os y ni eles .......................................................................................... 98
Índice
Raúl Núñez Rome o - 8
4.1.2 De ini a ibu os y ni eles del obje o de diseño......................................................... 99
4.1.3 Rep esen a el espacio mues al ................................................................................ 99
4.1.4 De ini AOIs .............................................................................................................. 100
4.1.5 Realización de expe imen os .................................................................................... 100
4.2 Iden idad de p oduc o de coches eléc icos y de combus ión basada en Análisis
Conjun o. ............................................................................................................................... 100
4.2.1 Análisis de an eceden es .......................................................................................... 101
4.2.2 Tes de usua io ......................................................................................................... 101
4.2.3 Análisis Conjun o ...................................................................................................... 101
4.2.4 Tes isual ................................................................................................................. 102
4.3 Aplicación Ingenie ía Kansei pa a diseño de ehículo eléc ico ...................................... 102
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
................................................................................................................................................... 104
5.1 Diseño del expe imen o .................................................................................................. 104
5.1.1 Eye acking ............................................................................................................... 104
5.1.2 Tes de usua io ......................................................................................................... 105
5.1.3 Tes isual pa a iden i ica ipo ehículo .................................................................. 107
5.2 Resul ados del expe imen o ............................................................................................ 107
5.2.1 Desa ollo del expe imen o de Eye acking ............................................................. 107
5.2.2 Tes de usua io ......................................................................................................... 115
5.2.3 Tes isual pa a iden i ica ipo ehículo .................................................................. 116
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o .............................................. 118
6.1 Diseño del expe imen o .................................................................................................. 118
6.1.1 Tes de usua io ......................................................................................................... 118
6.1.2 Selección de los a ibu os y sus ni eles .................................................................... 118
6.1.3 Selección de la me odología de Análisis Conjun o ................................................... 121
6.1.4 Especi icación de las combinaciones de p opiedades y aplicación de diseño ac o ial
o ogonal ........................................................................................................................... 121
6.1.5 Selección del mé odo de encues ación .................................................................... 122
6.1.6 Recolección de da os ................................................................................................ 122
6.1.7 Es imación de la impo ancia de los a ibu os y la u ilidad de sus ni eles .............. 122
6.1.8 E aluación de la alidez ............................................................................................ 123
6.2 Resul ados de Análisis Conjun o. .................................................................................... 123
6.2.1 Tes de usua io ......................................................................................................... 123
6.2.2 Análisis Conjun o ...................................................................................................... 124
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico .......................................... 130
7.1 Plan eamien o de Ingenie ía Kansei ................................................................................ 130
Raúl Núñez Rome o - 9
7.1.1 Selección del Dominio .............................................................................................. 130
7.1.2 Espacio Semán ico .................................................................................................... 130
7.1.3 Espacio de p opiedades............................................................................................ 146
7.1.4 Sín esis ...................................................................................................................... 148
7.2 Resul ados de Ingenie ía Kansei ...................................................................................... 150
7.2.1 T a amien o de da os QT1 ........................................................................................ 150
7.2.2 Resul ados de Ingenie ía Kansei ............................................................................... 154
7.3 Conclusiones de Ingenie ía Kansei .................................................................................. 156
Capí ulo 8. Discusión y conclusiones ......................................................................................... 161
8.1 P egun as de in es igación. ............................................................................................. 162
8.2 Hipó esis: ......................................................................................................................... 163
8.3 Con ibuciones y limi aciones ......................................................................................... 164
8.4 Líneas u u as .................................................................................................................. 165
8.5 Publicaciones ................................................................................................................... 166
Re e encias bibliog á icas .......................................................................................................... 167
Anexos ....................................................................................................................................... 183
Capí ulo 1. In oducción
Raúl Núñez Rome o - 16
En me cado ecnia es ecuen e u iliza el Análisis Conjun o pa a analiza el compo amien o de
los usua ios a la ho a de oma una decisión de comp a de un coche (Jamali Hondo i e al., 2013;
Numon e al., 2019).
En lo e e en e a EV, Kowalska e al. (2022), analizan las p e e encias de comp a en coches
eléc icos median e Análisis Conjun o, pa a lo cual p oponen 11 a ibu os (p ecio, ma ca,
au onomía, acceso a se icios, acceso a es aciones de eca ga, segmen o de coche, alo es
uncionales, segu idad, ipo de combus ible, eca ga de ba e ías e impac o de las condiciones
climá icas). De es e es udio se concluyó que los a ibu os más alo ados en la elección de un
ehículo eléc ico son la segu idad, seguida del p ecio y de la au onomía. (Kowalska-Pyzalska e
al., 2022).
Moons and De Pelsmacke (2014) u ilizan el Análisis Conjun o pa a analiza la expe iencia
e ocada en EV (Moons & De Pelsmacke , 2014). Rudolph (2016) analiza que ipo de incen i os
en la comp a de EV, como: sub enciones di ec as, un impues o al CO2 independien e,
apa camien o g a ui o, aumen o de la in aes uc u a de eca ga disponible y un aumen o de los
cos es del combus ible median e el aumen o del impues o, son p e e idos po los usua ios
(Rudolph, 2016).
En e e encia a los aspec os es é icos o males del ehículo Suzian i e al. (2016) u ilizan el
Análisis Conjun o pa a analiza los a ibu os es é icos ex e nos del ehículo en la oma de
decisiones de los usua ios, haciendo e e encia a la pe cepción a ec i a del usua io. Pa a ello los
au o es p oponen in oduci la Ingenie ía Kansei y combina la con el Análisis Conjun o. En
cuan o a los a ibu os es é icos o males los au o es seleccionan: luces ase as, manija de la
pue a, a os, pa achoques delan e o y luz an iniebla. Los a ibu os se analizan en su conjun o
p esen ados en o ma de o og a ías de coches eales donde los usua ios alo an su g ado de
p e e encia de cada uno (Suzian i e al., 2016)
Exis en es udios en los que se cen a la a ención en un elemen o conc e o del ehículo. Muslim
e al. (2019) p oponen analiza median e Análisis Conjun o los a ibu os que de inen a un panel
de ins umen os del coche eléc ico y panel de ins umen os del coche con encional. Los au o es
conside an a ibu os como el ipo de dis ibución, el elocíme o, la capacidad de la ba e ía, la
au onomía y el ecóme o (Muslim e al., 2019).
Un ejemplo en cuan o al uso de la Ingenie ía Kansei en el diseño de EV, es el p opues o po M.Li
e al. (2020). En es e caso los au o es desean es ablece la elación en e las emociones o
kanseis: “sua e-du o”, “ ecnológico- e o”, “simple-complejo” y “lige o-es able” con elemen os
ca ac e ís icos de un coche eléc ico como “ o ma del a o”, “ o ma de la pa illa supe io ”,
“ o ma de los a os an iniebla” y “deco ación pa amé ica”. La conclusión a la que llegan los
au o es es que la o ma del a o delan e o es la que más con ibuye a los kanseis “ ecnológico-
e o”, siendo el a o de ipo línea el más ecnológico y el a o ci cula el más e o. En segundo
luga , la o ma de la ejilla supe io es lo más impo an e pa a da un aspec o ecnológico, siendo
la o ma apezoidal la más adicional y los ehículos sin pa illa los de aspec o más ecnológico
(M. Li e al., 2020). El es udio de coches eléc icos p opues o po Xi e al. (2017) es ablecen que
pa a e oca un aspec o de “al a- ecnología” en un EV los a ibu os “ a o”, “ o ma de la ca a
on al” y “pa illa delan e a” son los más impo an es. En ando en de alle, las o mas “ o ma
la ga y delgada” de los a os delan e os y la o ma “ ipo X” pa a la o ma de la ca a on al son
las p edominan es (Xi e al., 2017). Las conclusiones de es os es udios de e e encia son de g an
u ilidad pa a es ablece los a ibu os de diseño a ene en cuen a en el p esen e es udio.
Capí ulo 1. In oducción
Raúl Núñez Rome o - 17
Los es udios e in es igaciones ienen en común el uso de di e en es ipos de écnica de medición
de las pe cepciones y ap i udes de los usua ios. De o ma gené ica se puede hace una
clasi icación en dos g andes g upos: écnicas psicomé icas y écnicas biomédicas y
neu ocien í icas. En cuan o a écnicas psicomé icas, las más ele an es son:
- Encues as y Cues iona ios: Que son una se ie de p egun as de o ma o al o esc i a, que se
u ilizan pa a ecoge da os sob e la sa is acción del usua io, ac i udes, p e e encias y
expec a i as espec o a un p oduc o.
- Análisis Conjun o: Pe mi e en ende cómo los di e en es a ibu os de un p oduc o in luyen en
la pe cepción que iene el usua io. Po ejemplo, pa a un ehículo, pueden oma se como
a ibu os: el diseño es é ico, la au onomía y el p ecio.
- Di e encial Semán ico: Pe mi e medi las conno aciones y signi icados que las pe sonas asocian
con cie os concep os o palab as con pun uaciones cuan i a i a. Se u iliza pa a e alua cómo se
pe ciben di e en es ideas, p oduc os o ma cas a a és de escalas que e lejan dimensiones o
ca ac e ís icas del p oduc o. Es a écnica ayuda a en ende las ac i udes y emociones que las
pe sonas ienen hacia un p oduc o o elemen o especi ico. Median e la escala de Di e encial
Semán ico se u iliza pa es de adje i os opues os (como "bueno-malo" o "ag adable-
desag adable") y los encues ados ma can su posición en una escala en e esos dos ex emos.
Es o pe mi e cap a ma ices en la pe cepción de un concep o. Mien as que una a ian e, que
igualmen e pe mi e e alua las conno aciones es la escala Like , que se en oca en e alua el
g ado de acue do con a i maciones especí icas. Gene almen e, se p esen an a i maciones y los
encues ados indican su g ado de acue do o desacue do en una escala que puede i de
" o almen e en desacue do" a " o almen e de acue do". Po ejemplo, una escala Like ípica
pod ía ene cinco pun os: 1 ( o almen e en desacue do) a 5 ( o almen e de acue do).
En cuan o a écnicas biomédicas y neu ocien í icas, es as écnicas se en ocan en la espues a
isiológica y neu ológica de los usua ios al in e ac ua con un p oduc o. Algunas de las más
ele an es son:
- Elec oence alog a ía (EEG): Se puede u iliza pa a medi la ac i idad ce eb al de los usua ios
mien as e alúan el diseño o la uncionalidad de un p oduc o, p opo cionando in o mación
sob e sus emociones y ni eles de a ención, con la ayuda de senso es o cascos colocados en la
cabeza que cap an la ac i idad en la co eza ce eb al.
- Resonancia Magné ica Funcional (FMRI): Pe mi e obse a cómo el ce eb o esponde a
di e en es es ímulos elacionados con un p oduc o, lo que puede ayuda a iden i ica
ca ac e ís icas que gene an mayo in e és o sa is acción, iendo cómo se ac i an las di e en es
pa es del ce eb o.
- Medición de la Conduc ancia de la Piel o Respues a Gal ánica de la Piel (GSR): Usa senso es
colocados sob e la piel que miden la conduc ancia de la piel debido a la sudo ación. Es a écnica
ambién puede ayuda a e alua la espues a emocional de los usua ios al expe imen a con un
p oduc o, lo que puede se ú il pa a en ende su conexión emocional con él.
- La oculome ía o Eye acking (ET): U iliza las ca ac e ís icas únicas del compo amien o ocula
de una pe sona, como el mo imien o y la posición de los ojos, pa a e alua o e i ica los
pa áme os ele an es al mos a le un es ímulo isual.
Además, odos los es udios p esen ados incluyen un análisis de ca ac e ís icas demog á icas a
a és de encues as que ayuden a comp ende mejo las p e e encias de los usua ios y a ob ene
da os de de alle en bases a dichas ca ac e ís icas.
Capí ulo 1. In oducción
Raúl Núñez Rome o - 18
1.3 P egun as de in es igación, obje i os e hipó esis
Se plan ean es p egun as de in es igación de o ma que es ablezcan una guía que o ien e odo
el p oceso de es udio. Es as ayudan a de ini el en oque y los obje i os, delimi ando y ma cado
la senda a segui en el camino de la in es igación. Es as p egun as buscan apo a conocimien o
en el á ea de es udio y dan pie a ma ca los obje i os que se quie en alcanza y o mula
hipó esis.
• RQ1: ¿Cuáles son los elemen os es é ico- o males que con ibuyen a la pe cepción de la
iden idad de un ehículo eléc ico? Es a p egun a de in es igación se cen a en la
in e sección en e la iden idad de un ehículo eléc ico y su diseño es é ico- o mal, lo
cual es un ema muy ele an e en el con ex o ac ual de la mo ilidad sos enible. En
cuan o, a la "iden idad": Es impo an e es ablece qué se en iende en el con ex o de un
ehículo eléc ico. Se ían aspec os como la pe cepción del usua io, la ma ca, la
sos enibilidad, y cómo es os elemen os se e lejan en el diseño es é ico del ehículo. La
dimensión es é ico- o mal explo a cómo los elemen os isuales y o males del diseño
(como la o ma, el colo , los ma e iales y la e gonomía) con ibuyen a la iden idad del
ehículo, buscando que ca ac e ís icas es é icas son más alo adas po los consumido es
de ehículos eléc icos.
• RQ2: ¿Qué écnicas cien í icas son más e ec i as pa a e alua la base iden i a ia de un
ehículo eléc ico y cómo pueden aplica se pa a mejo a su diseño y desa ollo? Den o
de las écnicas cien í icas, se busca qué mé odos cien í icos se pueden u iliza pa a
analiza la iden idad es é ica de un ehículo. El u o es consegui he amien as pa a la
mejo a del diseño apo a di ec ices que puedan se u ilizadas po diseñado es e
ingenie os pa a mejo a la es é ica y la iden idad de los ehículos eléc icos. Pod ían
es as he amien as ayuda a c ea ehículos que no solo sean uncionales y sos enibles,
sino que ambién apelen emocionalmen e a los consumido es. Aquí se conside a
écnicas de pe cepción isual, encues as a usua ios, análisis de endencias de diseño, y
écnicas de neu ociencia que es udien las eacciones emocionales a di e en es diseños.
De o ma gené ica se pueden clasi ica en dos g andes g upos: écnicas psicomé icas
(encues as, Análisis Conjun o, Di e encial Semán ico, e c.) y écnicas biomédicas y
neu ocien í icas (Elec oence alog a ía, esonancia magné ica, oculome ía, …).
• RQ3: ¿Cómo in luyen las a iables socio-demog á icas, de los di e en es g upos de
población, en la iden i icación y pe cepción de los ehículos eléc icos? Al explo a es a
p egun a, se puede descub i cómo di e en es g upos demog á icos (edad, géne o, ni el
educa i o, ing esos) pe ciben los ehículos eléc icos, sus ac i udes hacia la
sos enibilidad, la ecnología y la inno ación. Así mismo, pod ían encon a se si hay
di e encias en el conocimien o sob e bene icios y ca ac e ís icas ehículos eléc icos
en e dis in os g upos poblaciones con di e en e ni el educacional. Fac o es económicos
ambién pueden apa ece a la ho a de in lui en la disposición a comp a un ehículo
eléc ico. Pod ía analiza se cómo el ing eso y la si uación labo al a ec an la pe cepción
de cos o-bene icio de es os ehículos. También la pe cepción puede a ia según la
egión. En á eas u banas, donde la in aes uc u a de ca ga puede se más accesible, la
acep ación pod ía se mayo en compa ación con á eas u ales. Así mismo, las c eencias
y alo es cul u ales pueden in lui en la pe cepción de los ehículos eléc icos. Es o
pod ía inclui ac i udes hacia el medio ambien e y la ecnología. E igualmen e pod ían
iden i ica se ba e as y mo i aciones que en en an di e en es g upos pa a adop a
ehículos eléc icos. La in o mación ecopilada al abo da es a RQ3 da ía una isión más
comple a de cómo las ca ac e ís icas demog á icas a ec an la pe cepción y acep ación
de los ehículos eléc icos.
Capí ulo 1. In oducción
Raúl Núñez Rome o - 19
Los obje i os p incipales de i ados de las p egun as de in es igación plan eadas, como me as a
consegui en es a in es igación son:
• O1: De ini una se ie de a ibu os y ni eles de a ibu os ele an es pa a el
es ablecimien o de la iden idad de un coche eléc ico y ob ene un espacio mues al
obje o de es udio. Con es e obje i o se consegui ía esponde a RQ1.
• O2: Aplica oculome ía y Análisis Conjun o pa a ob ene in o mación ele an e sob e
que a ibu os y ni eles son los que más con ibuyen a la iden idad de un ehículo
eléc ico e iden i ica los a ibu os y ni eles que no con ibuyen. Con es e obje i o se
consegui ía da espues a a RQ2.
• O3: Analiza el g ado de acie o y allo en la clasi icación de ehículos como eléc icos y
de combus ión po pa e de los usua ios. A a és de es e obje i o se puede enlaza las
espues as a las RQ1 y RQ2
• O4: Analiza si exis en di e encias en los esul ados basadas en ca ac e ís icas sociales y
demog á icas como el géne o, la edad, la in ención de comp a, conciencia p oambien al,
e c. Alcanza es e obje i o da ía espues a a RQ3
Se o mulan las siguien es hipó esis, pun o de pa ida pa a desa olla los obje i os cen ales del
abajo:
• H1: Es impo an e omen a el coche eléc ico como medida al e na i a de disminución
de la con aminación g acias al anspo e e de.
• H2: El me cado es á dispues o a acep a el coche eléc ico ya que, pa iendo de los da os
expues os, las en as mundiales u ie on un c ecimien o exponencial y se ha acep ado
es e anspo e como la mejo al e na i a ac ible y iable en el u u o p óximo.
• H3: Las p opiedades es é icas del ehículo in luyen en la pe cepción de cualquie
ehículo, y po an o, en el sec o incipien e del coche eléc ico.
• H4: Median e oculome ía (Eye acking) se puede de e mina qué zonas de una imagen
(en es e caso imágenes de ehículos) son más in luyen es en la pe cepción de es e como
eléc ico o de combus ión.
• H5: Las zonas más impo an es de un ehículo y las pe cepciones de los usua ios sob e
el mismo pueden se dis in as en unción del géne o y o as a iables sociodemog á icas.
• H6: Exis en a ibu os y ni eles de a ibu o es é ico o males que son más in luyen es que
o os en la iden i icación de un coche como eléc ico o de combus ión.
• H7: Ac ualmen e es di ícil iden i ica un coche como eléc ico o de combus ión median e
pe cepción isual.
• H8: Exis en a iables sociales y/o demog á icas que in luyen en la pe cepción de un
coche como eléc ico o de combus ión.
Capí ulo 1. In oducción
Raúl Núñez Rome o - 20
1.4 Es uc u a de la esis
Es a esis se es uc u a en seis capí ulos que ecogen el abajo undamen al desa ollado en la
in es igación doc o al y a ios apa ados inales donde se de allan las e e encias bibliog á icas
y los anexos.
El capí ulo 1 es la isión gene al del abajo y en él se es ablece una jus i icación que mo i a la
in es igación ealizada y se p o ee una isión de los an eceden es que la consolidan. Y en es e
p ime capí ulo se plan ean es p egun as de in es igación y se o mulan ocho hipó esis y cua o
obje i os pa a pone el pun o de pa ida de los siguien es pasos.
En el capí ulo 2 se hace una e isión ex ensa del es ado del a e de la emá ica y conocimien o
ac ual, pa a es ablece el ma co eó ico. Hay una ecopilación de abajos que a an el diseño
emocional y a ec i o, así como abajos que a an sob e el diseño de p oduc os bajo es e ipo
de diseño y o os abajos que a an el ehículo eléc ico. Aquí Se desc ibe la me odología
empleada y se plasman los esul ados y conclusiones del es ado del a e.
En el capí ulo 3 se exponen los undamen os eó icos que dan base a las me odologías, écnicas
y p ocedimien os u ilizados pa a desa olla es e abajo de in es igación.
En el capí ulo 4 se concen a el núcleo de la me odología aplicada. Di ido en es bloques, cada
uno de ellos comp ende una ase expe imen al. El p ime o usa la écnica de oculome ía
(Eye acking) pa a e alua las p opiedades de diseño del ehículo eléc ico. El segundo se apoya
en de la écnica de Análisis Conjun o (CA) pa a e alua los a ibu os es é ico o males del
ehículo eléc ico que de inen su iden idad. El e ce expe imen o complemen a a los dos
an e io es como b oche de cie e al simula el diseño del ehículo eléc ico median e Ingenie ía
Kansei.
En el capí ulo 5 se p esen a el expe imen o de Eye acking, que cons i uye uno de los elemen os
cla e de es a in es igación. A a és de es a écnica, se p e ende iden i ica las ca ac e ís icas
más ele an es del on al de los ehículos desde la pe spec i a de los usua ios. Además, el
Eye acking se complemen a con una p ueba de usua io y un es isual pa a iden i ica el ipo
de ehículo, lo que p opo ciona una uen e adicional de da os que en iquece los esul ados
ob enidos con el Eye acking.
El capí ulo 6 se abo da el segundo pila undamen al de la in es igación, cen ado en el
expe imen o que examina la iden idad del on al de los ehículos a a és del Análisis Conjun o.
Median e es a écnica es adís ica, se p e ende e alua los dis in os a ibu os y ca ac e ís icas del
on al del ehículo, así como sus combinaciones, con el in de comp ende cómo los usua ios
pe ciben la iden idad del ehículo. Y ambién se asis e su desa ollo con in o mación ela i a a
las ca ac e ís icas sociodemog á icas de los usua ios.
En el capí ulo 7 se p esen a el e ce pila de la in es igación, en el que se in eg an los da os y
esul ados de los expe imen os p e ios de Eye acking y Análisis Conjun o. A pa i de los
pa áme os y a ibu os iden i icados en el análisis de los da os ob enidos en esos expe imen os,
se es ablece la base pa a el desa ollo de la Ingenie ía Kansei. Con la in eg ación de in o mación,
se gene a án esul ados que pe mi i án o mula conclusiones
El capí ulo 8 se des ina a la exposición de conclusiones de i ada del desa ollo del abajo de
in es igación. Aquí se conside an los lími es a los que se llega y se discu e la alidez de las
hipó esis plan eadas en el inicio en base a los obje i os y inalmen e se apun an u u as líneas
de in es igación que den pie a a anza en el campo del diseño a ec i o-emocional en el campo
del ehículo eléc ico.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 21
Capí ulo 2. Es ado del a e
En es e capí ulo se es ablece el es ado del a e y se plasma el conocimien o ac ual. La isión en
pe spec i a del es ado del a e ecien e da una imagen de la endencia ac ual en las á eas de
es udio. Se hace un análisis exhaus i o de las in es igaciones p e ias elacionadas con los emas
en es udio. P incipalmen e se ci an a ículos cien í icos y uen es ele an es. Y con la
me odología seguida pa a la e isión bibliog á ica, se jus i ican los esul ados ob enidos de la
e isión. En e oda la in o mación ecabada se encuen an acíos de conocimien o, o á eas que
no han sido su icien emen e in es igadas, y que se p e enden ellena con los abajos de es a
esis. Así mismo, se delimi a el campo de es udio donde se enma ca la esis y se da mues as de
écnicas y me odologías ampliamen e u ilizadas y con econocidos esul ados, que si en de
apoyo en es a in es igación.
2.1 In oducción
El diseño emocional y a ec i o es un en oque de diseño que busca diseña y desa olla
p oduc os, se icios y/o expe iencias que conec en emocionalmen e con las pe sonas. El diseño
emocional su ge como una e olución de la e gonomía de p oduc o que a más allá de la
e gonomía adicional, cen ada en aspec os uncionales y de segu idad, y del diseño cen ado
en el usua io el cual aba ca aspec os como la usabilidad. El diseño emocional explo a nue os
ac o es humanos en el diseño de p oduc os como p opo ciona una in e acción placen e a,
apo a alo social y alo emocional al usua io (He nández e al., 2018; Yoon e al., 2021).
Es e en oque se basa en la idea de que las emociones in luyen en las decisiones y
compo amien os de los usua ios. Po lo an o, al diseña y desa olla p oduc os que despie en
emociones posi i as, se puede log a que las pe sonas sien an el comp omiso que iene la
emp esa con el usua io y el alo emocional que apo a el p oduc o, lo que a su ez puede
gene a una mayo leal ad, sa is acción y idelidad del usua io con el p oduc o y con la emp esa
o ma ca que lo desa olla (Fukuda, 2010).
Algunas es a egias comunes u ilizadas en el diseño emocional y a ec i o incluyen:
• U iliza colo es, o mas y ma e iales que e ocan emociones posi i as.
• Inco po a elemen os isuales o in e ac i os que despie an la cu iosidad y la
explo ación.
• Diseña in e aces in ui i as y áciles de usa .
• Pe sonaliza la expe iencia de diseño pa a que se adap e a las necesidades y p e e encias
indi iduales de cada usua io.
El diseño emocional y a ec i o es u ilizado en una amplia a iedad de campos, desde la
ecnología y el diseño de p oduc os de cualquie complejidad, diseño de embalaje, has a el
diseño de en o nos de ocio y de abajo, se icios y e en os.
Di e sos au o es han abo dado el diseño emocional de p oduc os. Donald No man, expe o en
ciencia cogni i a en el dominio de la ingenie ía de la usabilidad es uno de los au o es de
e e encia en diseño emocional. No man (No man 2004) explica cómo el diseño emocional
puede a ec a a la elación con los obje os co idianos que nos odean. Aa on Wal e (Wal e
2011) explo a cómo el diseño emocional puede a ec a la o ma en que los usua ios in e ac úan
con p oduc os digi ales. El au o p esen a écnicas p ác icas pa a inco po a el diseño emocional
en el diseño de in e aces de usua io y si ios web.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 22
Aa on Wal e (Wal e 2019) ambién expone las mejo es p ác icas disponibles pa a el diseño y
desa ollo de p oduc os que ayudan al equipo de diseño a inco po a las emociones en el
desa ollo, así como c ea en o nos de diseño colabo a i o y educi iempos de desa ollo.
Pamela Pa liscak (Pa liscak 2018) explo a cómo el diseño puede se u ilizado pa a omen a la
elicidad y el bienes a . Se p esen an una se ie de écnicas y he amien as pa a el diseño de
p oduc os y se icios que ienen como obje i o aumen a la sa is acción del usua io. Po o o
lado, Mi suo Nagamachi (Nagamachi 2011) p opone una me odología cuan i a i a pa a el diseño
y desa ollo de p oduc os emocionales y a ec i os denominada Ingenie ía Kansei. Es a p opues a
se p esen a como una me odología de diseño e gonómico basada en sa is ace a los usua ios
psicológicamen e, median e una aducción ecnológica de las emociones del usua io en
elemen os de diseño a in eg a en el p oduc o.
La di e encia en e el diseño emocional y a ec i o es bas an e su il, y algunos expe os los
conside an como sinónimos. Sin emba go, el diseño emocional se en oca en c ea p oduc os o
expe iencias que gene en una espues a emocional en los usua ios, ya sea posi i a o nega i a.
El diseño emocional u iliza écnicas de diseño isual, de in e acción y de comunicación que
buscan es imula una espues a emocional en los usua ios (Sha, 2021).
Po o o lado, el diseño a ec i o se en oca en diseña expe iencias que sean más aco des con las
necesidades y expec a i as emocionales de los usua ios. El obje i o del diseño a ec i o es c ea
expe iencias que gene en una espues a emocional posi i a en los usua ios y, al mismo iempo,
se adap en a sus necesidades y expec a i as indi iduales. El diseño a ec i o u iliza écnicas de
diseño cen ado en el usua io, la in es igación y la pe sonalización pa a c ea expe iencias
ele an es y signi ica i as pa a los usua ios (Alexand os e al., 2011).
Po lo an o, se puede es ablece que el diseño emocional se en oca en c ea una espues a
emocional en los usua ios, mien as que el diseño a ec i o se en oca en diseña expe iencias que
sa is agan las necesidades emocionales de los usua ios de una mane a pe sonalizada. Aunque
los dos concep os es án elacionados, la di e encia en e ellos adica en la mane a en que se
cen an en las emociones de los usua ios.
Aa on Wal e (Wal e 2011) hace una dis inción en e el diseño emocional y el diseño a ec i o.
Se a i ma que el diseño emocional busca c ea una espues a emocional en los usua ios,
mien as que el diseño a ec i o se en oca en diseña expe iencias que sean más ele an es y
signi ica i as pa a los usua ios.
Pie e Desmen (Shio a e al., 2021), expe o en diseño expe iencial, analiza los é minos
“emoción posi i a” y “a ec o posi i o” ya que el a ec o posi i o y la emoción se han con e ido
en emas impo an es en las ciencias del compo amien o, y de c ecien e impo ancia en las
ciencias básicas y aplicadas. Pa a el au o , las emociones posi i as se e ie en a complejos y
múl iples componen es de las espues as emocionales e ocadas po la pe cepción de
opo unidades y ecompensas en un en o no; y el a ec o posi i o se de ine como cualquie
sen imien o subje i o expe imen ado como ag adable o placen e o.
Donald No man (No man 2004), discu e cómo las emociones pueden a ec a la o ma en que se
in e ac úa con los p oduc os y cómo se puede diseña y desa olla p oduc os pa a ene en
cuen a las emociones de los usua ios. Aunque no se hace una dis inción cla a en e el diseño
emocional y a ec i o, sus ideas sob e cómo las emociones in luyen en la expe iencia del usua io
pueden ayuda a di e encia ambos en oques.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 23
Aunque algunas uen es discu en las di e encias en e el diseño emocional y a ec i o, los dos
en oques a menudo se u ilizan de mane a in e cambiable. Ambos en oques buscan c ea
expe iencias que conec en emocionalmen e con los usua ios y, en úl ima ins ancia, mejo en la
sa is acción y la idelidad del usua io.
El diseño emocional y a ec i o es un campo en cons an e e olución. Algunas endencias
ecien es en es e ámbi o son:
Diseño inclusi o: una endencia ecien e en el diseño emocional y a ec i o es el en oque en la
inclusión y la di e sidad. Los diseñado es es án p es ando más a ención a cómo las emociones y
las necesidades de di e en es g upos de usua ios pueden a ia y cómo pueden diseña
expe iencias que sa is agan las necesidades de odos los usua ios (Pa ick & Hollenbeck, 2021).
Diseño basado en da os: el diseño emocional y a ec i o ambién es á e olucionando hacia un
en oque más basado en da os. Los diseñado es es án u ilizando da os y análisis pa a comp ende
mejo las emociones y necesidades de los usua ios y diseña expe iencias que se adap en a ellas
(Chan e al., 2018; Mon ijn, 2017).
Diseño cen ado en la salud men al: el diseño emocional y a ec i o ambién es á p es ando más
a ención a la salud men al, especialmen e as el pe iodo de pandemia. Los diseñado es es án
c eando expe iencias que p omue en la anquilidad, la elajación y la elicidad, y que pueden
ayuda a mejo a el bienes a emocional de los usua ios (Hassell, 2019; Visch e al., 2011).
Diseño ecológico: el diseño emocional y a ec i o ambién se es á cen ando en la sos enibilidad
ambien al. Los diseñado es es án c eando p oduc os y expe iencias que p omue en la
conciencia ambien al y que ayudan a educi la huella ecológica de los usua ios (Bao e al., 2019;
J. Wu e al., 2021).
Diseño de ealidad aumen ada y i ual: el diseño emocional y a ec i o ambién es á
expe imen ando con nue as ecnologías como la ealidad aumen ada y i ual. Los diseñado es
es án c eando expe iencias inme si as que ap o echan la ecnología pa a o ece expe iencias
emocionales más in ensas (Ka icic e al., 2015; Ogi, 2011).
Po lo an o, el diseño emocional y a ec i o es á e olucionando pa a adap a se a las necesidades
cambian es de los usua ios y a los a ances en la ecnología y los da os. Las endencias ac uales
apun an a una mayo inclusión, sos enibilidad, salud men al, y una mayo inme sión y
pe sonalización.
2.2 Me odología de la e isión bibliog á ica ealizada
Se ha seguido una me odología de e isión a endiendo a los obje i os de: encon a la li e a u a
cien í ica ecien e que haya a ado la las á eas y emá icas simila es, sabe en qué campos se
desa olla la emá ica, encon a que endencia exis e ac ualmen e, conoce que egiones ienen
mayo in ensidad de in es igación y encon a huecos o acíos de conocimien os que sean de
in e és pa a desa olla conocimien o:
Se han iden i icado las palab as cla e ele an es pa a es a in es igación. Algunas palab as cla e
e aluadas han sido "diseño emocional", "diseño a ec i o", "expe iencia del usua io",
"in e acción humano-compu ado a", "psicología del diseño", en e o as. Finalmen e se ha
decidido cen a se en los é minos "diseño emocional" y "diseño a ec i o".
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 24
Se ha ealizado una búsqueda en una base de da os especializada, conc e amen e Web o
Science, u ilizando las palab as cla e enunciadas. Se han u ilizado ope ado es booleanos (en es e
caso OR) y comillas pa a delimi a ases exac as y ob ene esul ados más p ecisos. En la igu a
1 se mues a la búsqueda conc e a ealizada: en la colección p incipal de Web o Science, en la
edición del “Science Ci a ion Index” ampliado, u ilizando como ema "diseño a ec i o" o "diseño
emocional", en los úl imos 5 años (de 2018 a 2022, pa a e i a el e ec o dis o sionado de 2023,
aún en cu so).
Se han expo ado los esul ados de la búsqueda a un so wa e bibliomé ico (VOS iewe ), pa a
ealiza un análisis en p o undidad de la p oducción cien í ica. Es e análisis pe mi i á isualiza
las elaciones en e au o es, e is as y palab as cla e, iden i ica las á eas emá icas más
in es igadas y analiza la e olución empo al de la in es igación.
Se ha ealizado un examen de allado de las e isiones bibliog á icas más ele an es sob e diseño
emocional y a ec i o. Pa a ello se han u ilizado los esul ados del análisis bibliomé ico pa a
iden i ica las e isiones bibliog á icas más ci adas y ele an es, y analiza las en p o undidad pa a
comp ende mejo la e olución y las endencias de la in es igación en es e campo.
Figu a 1. Búsqueda ealizada en Web o Science.
Se han u ilizado los esul ados del análisis bibliomé ico y del examen de allado de las e isiones
bibliog á icas pa a elabo a los esul ados, que p esen an los hallazgos y conclusiones sob e la
e olución de las endencias y el a ance de la in es igación en diseño emocional y a ec i o, con
la in ención de que sea ú il pa a in es igado es, diseñado es y p o esionales in e esados en es e
campo.
2.3 Resul ados de la e isión bibliog á ica
Realizando la búsqueda especi icada en el segundo paso de la me odología, se ob iene como
esul ado un conjun o de 99 publicaciones. Si es udiamos la ca ego ía a la que pe enecen dichas
publicaciones, podemos e ( igu a 2) que las ca ego ías más ep esen adas son: ingenie ía
mul idisciplina (23), ciencias compu acionales (11), e gonomía (10), in es igación en educación
(9) e ingenie ía eléc ica y elec ónica (9).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 25
Figu a 2. Resul ados de á eas de in es igación ob enidos en Web o Science.
Se han ex aído publicaciones de los cinco úl imos años (2018-2022), ob eniendo una
dis ibución empo al como la que se mues a en la igu a 3. Se obse a una endencia c ecien e
en núme o de publicaciones en los úl imos años, excep uando el año 2021 que sob esale en
núme o de publicaciones, como consecuencia (p obablemen e) de la pandemia. En dicha la
igu a 3 se obse a ambién el c ecien e núme o de ci as que eciben las publicaciones
mencionadas.
Figu a 3. Dis ibución de publicaciones y ci as pa a el pe iodo 2018-2022. Resul ados ob enidos en Web o Science.
Como se ep esen a en la igu a 4 la p ocedencia geog á ica de los abajos es mayo i a iamen e
China (52), seguida po Co ea del Su (8) y Es ados Unidos (8). Los países eu opeos con mayo
núme o de con ibuciones son Alemania (7), España (6) e I alia (5).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 32
Figu a 7. Es uc u a de sis ema de Ingenie ía Kansei (Nagamachi, 2010).
Schü e e al., 2004, ( igu a 7) desa olla pa a Ingenie ía Kansei he amien as semán icas como
el Mé odo del Di e encial Semán ico, así como p ocedimien os es adís icos como eg esión
lineal, modelos lineales gene ales, edes neu onales y algo i mos gené icos. Es as he amien as
ayudan a cap u a y cuan i ica las imp esiones y emociones de los usua ios en elación con las
p opiedades del p oduc o. Las e apas de la Ingenie ía Kansei ( igu a 8) incluyen:
1. Iden i icación de las emociones y necesidades del clien e: Recopilación de imp esiones
y sen imien os sob e el p oduc o.
2. Desa ollo del espacio semán ico: Uso de he amien as como el Mé odo del Di e encial
Semán ico pa a aduci emociones en palab as.
3. Modelado y análisis: C eación de modelos ma emá icos y p edicciones que conec an las
p opiedades del p oduc o con las imp esiones del usua io.
4. Validación: Realización de p uebas expe imen ales a pos e io pa a alida los modelos
y asegu a que cumplen con las expec a i as del clien e (S. T. W. Schü e e al., 2004).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 33
Figu a 8. Modelo de Ingenie ía Kansei (S. T. W. Schü e e al., 2004).
Jindo & Hi asago, 1997 aplica Ingenie ía Kansei en el diseño de in e io es de au omó iles,
especí icamen e en componen es como el elocíme o y el olan e. Los elemen os de diseño del
elocíme o analizados en el es udio incluyen la escala, la ipog a ía (le as), los ipos de
indicado es y el pun o de inicio del indicado . Se ealiza on e aluaciones subje i as u ilizando un
mé odo de di e encial semán ico, donde los pa icipan es asigna on alo es numé icos a pa es
de adje i os que desc ibían sus imp esiones sob e los elocíme os. Las imp esiones más
impo an es conside adas en la e aluación de los elocíme os según los suje os del es udio
ue on " ácil de en ende " y "diseño". Es as dos dimensiones ue on undamen ales pa a
in e p e a las e aluaciones subje i as y de e mina cómo los elemen os de diseño in luían en la
pe cepción gene al del elocíme o (Jindo & Hi asago, 1997).
Los campos de aplicación de Ingenie ía Kansei son muy a iados, en C. C. Wang e al., 2016
in eg an la ingenie ía Kansei y edes neu onales a i iciales pa a diseña zapa illas de balonces o
pe sonalizadas. U ilizando cues iona ios y da os de jugado es de la NBA, se c eó un mapa
opológico pa a ag upa ca ac e ís icas de zapa illas y jugado es. Un p og ama en MATLAB
e i icó los g upos y acili ó el diseño de nue as zapa illas en SolidWo ks. El esul ado ue que la
o ma de la suela en las zapa illas pa a co e es el ac o de diseño más signi ica i o que a ec a
las espues as emocionales de los consumido es (C. C. Wang e al., 2016).
En el campo a qui ec ónico, Ishiha a e al., 2011 aplican la ingenie ía Kansei en el diseño de
ja dines esidenciales japoneses y el desa ollo de un sis ema de ealidad i ual de bajo cos o
pa a isualiza es os diseños ( igu a 9). La ingenie ía Kansei con ie e las ideas ambiguas de los
clien es en diseños de allados, acili ando la colabo ación en e diseñado es y clien es.(Ishiha a
e al., 2011).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 34
Figu a 9. Resul ado de ja dín i ual as aplica IK (Ishiha a e al., 2011).
Incluso en el campo de diseño in angible, como el sec o se icios, se encuen an ejemplos del
uso de Ingenie ía Kansei. Ha ono, 2020 p esen a un en oque modi icado de la Ingenie ía Kansei
pa a diseña se icios sos enibles en un ae opue o in e nacional, des acando la impo ancia de
sa is ace las necesidades emocionales del clien e pa a mejo a la sos enibilidad y la sa is acción
del se icio. En el es udio in eg a on el modelo Kano y la eo ía TRIZ. Pa icula men e
implemen a el modelo Kano juega un papel c ucial en la sa is acción emocional del clien e al
iden i ica las necesidades la en es que es án es echamen e conec adas con el delei e y las
emociones del clien e. Es e modelo mejo a la me odología de Ingenie ía Kansei al p opo ciona
una he amien a de apoyo pa a mapea el ni el de desempeño de los a ibu os del se icio
basándose en la imp esión del clien e. Además, p io iza los a ibu os a ac i os que conducen a
una sa is acción signi ica i a del Kansei. Y la implemen ación de TRIZ busca esol e las posibles
con adicciones en e é minos Kansei. Se u ilizó el en oque con i ma o io basado en Kansei (KE-
based con i ma o y app oach) pa a con i ma la aplicabilidad del modelo p opues o en el
es udio ( igu a 10). Es e en oque e i ica si el Kansei es á e dade amen e ep esen ado po la
pe cepción de los a ibu os de se icio elacionados (Ha ono, 2020).
Figu a 10. Modelo de IK modi icado pa a el diseño de se icios sos enible (Ha ono, 2020).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 35
El uso de Ingenie a Kansei en el diseño de ehículo eléc ico se e ep esen ada en X. Kang,
(2021), donde u iliza la Ingenie ía Kansei pa a explo a la elación en e la sensibilidad isual del
clien e y el diseño de la o ma de los ehículos híb idos eléc icos (HEV). Median e la subdi isión
mo ológica ( igu a 11) y el uso de algo i mos de educción de a ibu os, se iden i ican los
pa ones cla e de los HEV que impac an en la sa is acción del clien e. Y se es ablece un modelo
de mapeo en e las ca ac e ís icas mo ológicas cla e y la pe cepción emocional del clien e,
op imizando así el diseño del p oduc o pa a mejo a la sa is acción y el deseo de comp a (X.
Kang, 2021).
Figu a 11. Cuad o mo ológico de a ibu os HEV (X. Kang, 2021).
O o ejemplo de la conjunción de ehículo eléc ico e Ingenie ía Kansei es el abajo de Qi & Kim,
2024. U ilizan la Ingenie ía Kansei y la complemen an con o a me odología: el P oceso Analí ico
Je á quico (AHP) pa a e alua el diseño de los ehículos eléc icos ( igu a 12). La Ingenie ía
Kansei se u ilizó pa a cuan i ica el ocabula io de la imagen del diseño y selecciona palab as
pe cep uales ep esen a i as. El AHP se empleó pa a es ablece la elación en e las
ca ac e ís icas del diseño y el ocabula io de la imagen, y pa a de e mina los pesos de cada
ca ac e ís ica (Qi & Kim, 2024).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 36
Figu a 12. Modelo combinado de IK y AHP (Qi & Kim, 2024a).
Una a ian e en la u ilización de Ingenie ía Kansei es el es udio de M. Li e al., 2020. También
explo a la elación en e los elemen os de diseño y la imagen Kansei en el diseño de ehículos
eléc icos. Pe o u iliza el 'Image Ci cumplex' ( igu a 13) pa a medi la imagen Kansei y aplica el
Análisis Mo ológico y la Teo ía de Cuan i icación Tipo I pa a cons ui un modelo ma emá ico
que apoye el diseño. Es e 'Image Ci cumplex' es un mé odo desa ollado pa a medi la imagen
Kansei, donde se combina el mé odo de Di e encial Semán ico (SD) y el able o de imágenes,
disponiendo las palab as Kansei de mane a ci cula , con las palab as que desc iben el p oduc o
ideal en la pa e supe io y sus opues os en la pa e in e io . Y los pa icipan es pueden pun ua
cada palab a Kansei en una escala de 5 pun os (M. Li e al., 2020).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 37
Figu a 13. Imagen Ci cumplex pa a IK.
2.6 Eye acking
La écnica de seguimien o ocula , oculome ía o Eye acking, es una he amien a u ilizada pa a
medi y analiza los mo imien os de los ojos de una pe sona mien as obse a un es ímulo isual
( igu a 14). Exis en di e en es mé odos pa a ealiza el seguimien o ocula , incluyendo
disposi i os que se colocan en la cabeza (como ga as de Eye acking) y sis emas que u ilizan
cáma as ijas pa a as ea los mo imien os ocula es. El Eye acking puede p opo ciona da os
sob e dónde mi a una pe sona (pun os de ijación), cuán o iempo pasa mi ando cie os
elemen os (du ación de ijación) y cómo se mue en sus ojos en e di e en es á eas (sacadas)
(Jacob & Ka n, 2003).
Figu a 14. Esquema uncionamien o Eye acking (Choosing an Eye T acking Sys em, n.d.).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 38
Es a écnica se u iliza en di e sas disciplinas, como la psicología, la neu ociencia, el ma ke ing y
el diseño de in e aces. En in es igación de me cado, se u iliza pa a en ende cómo los
consumido es in e ac úan con anuncios, embalaje o si ios web (Q. Wang e al., 2014). En diseño
de in e aces, ayuda a op imiza la usabilidad al iden i ica qué elemen os a aen más la a ención
del usua io (C. Zhou e al., 2022). Y en psicología y neu ociencia, pe mi e es udia p ocesos
cogni i os y emocionales (Aidan Mo an & Ranie i, 2018; Mele & Fede ici, 2012; Rahal & Fiedle ,
2019) ( igu a 15).
Figu a 15. Ejemplo de aplicacion de in es igacion de los mecanismo cogni i os y a ec i os median e Eye acking
(Rahal & Fiedle , 2019).
El seguimien o ocula ha e olucionado desde mé odos in asi os y mecánicos en sus inicios,
como los desa ollados po Dodge y Cline en 1901, has a écnicas no in asi as ( igu a 16) y más
so is icadas en la ac ualidad. En las décadas de 1960 y 1970, se in oduje on sis emas de
seguimien o ocula mon ados en la cabeza ( igu a 17) y se au oma izó el análisis de da os,
pe mi iendo su uso en iempo eal. Se u iliza an o pa a es udios de usabilidad como pa a
in e aces de con ol en iempo eal, in eg ándose con o os disposi i os de en ada pa a
mejo a la in e acción humano-compu ado a (Hyön e al., 2003).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 39
Figu a 16. Sis ema pa a econoce el mo imien o de los ojos. Fuen e: By Ya bus, A. L. a English Wikipedia.
Figu a 17. Sis ema de Eye acking mon ado en cabeza. Fuen e: Joab o 17 a Englisch Wikipedia.
Pa a en ende el uncionamien o del seguimien o ocula hay que conside a que in e accionan
elemen os ísicos y componen es ecnológicos. Y de es a in e acción se puede egis a y e alua
la mane a en que las pe sonas p ocesan un es ímulo isual. El ó gano biológico del que se
ob iene la in o mación es el ojo humano ( igu a 18), un ó gano muy complejo enca gado de
p ocesa la luz pa a c ea la secuencia de imágenes que c ean la ealidad.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 40
Figu a 18. Esqueda del ojo y ep esen acion del pun o de is a y el e lejo en la o ea. Fuen e: Web obii.com.
Los pa áme os de la isión que se egis an con el seguimien o ocula , comp enden las acciones
ex e io es del ojo humano, como son la elocidad del mo imien o del globo ocula , el en oque
o la dila ación de la pupila. Y median e su egis o y medición se busca que el mo imien o ocula
medible apo e in o mación sob e cognición, en endimien o, comp esión u en endimien o de la
imagen o es imulo isual que se ecibe. Los pa áme os o acciones ocula es pueden se medidos
y egis ados de di e en es mane as, pudiendo se de o ma in asi a o no in asi a.
Como inicio de oculome ía, el o almólogo Louis Emile Ja al en 1879 es udio los mo imien os
ocula es y a aíz de sus expe imen os concluyó que el ojo ealiza una se ie de pa adas co as
llamadas ijaciones y un mo imien o ápido llamadas sacadas. Y en 1898, Edmund Huey in en ó
un sis ema in asi o, consis en e en una especie de “len e de con ac o” colocada en el ojo de una
pe sona. La len e enía un aguje o conec ado a un pun e o de aluminio de mane a que el pun e o
se mo ía con o me al ojo y podía egis a los mo imien os ápidos (sacadas).
El p ime mé odo no in asi o de seguimien o ocula ue cons uido en chicago en 1901. Dodge
y Cline (1901) idea on la o ma de egis a la luz e lejada po la có nea pa a medi los
mo imien os del ojo. A mediados del siglo XX, se inco po ó el uso de cáma as pa a analiza los
mo imien os ocula es, y se ue on desa ollando écnicas pa a mejo a la p ecisión de las
medidas ocula es u ilizando apa a os ex e nos y o os que iban sob e el usua io.
Uno de los p ime os es udios que buscaba en ende la elación en e las ijaciones ocula es y las
e apas de p ocesamien o men al ue (Jus & Ca pen e , 1976).
El desa ollo de los o denado es, así como los a ances en ecnología y en el campo de la
psicología y los p ocesos cogni i os, ue on undamen ales pa a espalda las in es igaciones con
seguimien o ocula . Con el paso de los años y has a la ac ualidad la écnica de seguimien o ocula
ha ido mejo ando (Rosch & Vogel-Walcu , 2013).
En el con ex o de diseño de p oduc o y el empleo de Eye acking, Guo e al., 2016 analizan
p incipalmen e imágenes de elé onos in eligen es ( igu a 19), cen ándose en cómo los usua ios
pe ciben y e alúan es os p oduc os a a és de su apa iencia y ca ac e ís icas isuales. El es udio
in es iga la elación en e el mo imien o ocula y la expe iencia del usua io al e alua p oduc os,
u ilizando da os de seguimien o ocula pa a en ende cómo los usua ios pe ciben y eligen en e
di e en es opciones. Sin emba go, el es udio econoce limi aciones, como el amaño educido
de la mues a y la necesidad de conside a una mayo di e sidad de usua ios y al e na i as en la
ida eal (Guo e al., 2016).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 41
Figu a 19. Ta ea de e aluación de elé ono con Eye acking (Guo e al., 2016).
Khalighy e al., 2015 ealizan una in es igación en la que se cen an en el análisis de da os con
Eye acking pa a e alua las p e e encias de los usua ios hacia di e en es diseños de sillas. Se
u ilizan imágenes ende izadas de sillas ( igu a 20) y se ecopilan da os de ijaciones ocula es
pa a cada suje o, eliminando ijaciones ex emadamen e co as y ue a de ango. Los da os se
p ocesan y analizan pa a calcula cualidades de belleza, u ilizando so wa e especializado pa a
con e i y il a los a chi os de da os (Khalighy e al., 2015).
Figu a 20. Ejemplo de diseño de sillas con las que se empleo Eye acking (Khalighy e al., 2015).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 48
2.7 Análisis Conjun o
El Análisis Conjun o es una me odología c ucial pa a en ende las p e e encias de los
consumido es, pe mi iendo a las emp esas diseña p oduc os y se icios que se alineen con sus
necesidades. Su lexibilidad y capacidad de aplicación en di e sos sec o es, lo con ie en en una
he amien a compe i i a pa a la ges ión es a égica. Además, acili a la segmen ación del
me cado y la iden i icación de opo unidades no sa is echas, maximizando así la u ilidad de los
es ue zos emp esa iales (Dominique & Lopes, 2011). En cuan o al diseño de p oduc o, el Análisis
Conjun o es una he amien a muy ú il, ya que pe mi e en ende cómo los consumido es alo an
di e en es ca ac e ís icas de un p oduc o. En esencia, el Análisis Conjun o ayuda a iden i ica qué
a ibu os son más impo an es pa a los consumido es y cómo es os a ibu os in luyen en sus
decisiones. Po ejemplo, pa a el diseño de un ehículo, pod ías analiza ca ac e ís icas como la
dimensión de la ca oce ía, la au onomía, la calidad de los in e io es, el p ecio, e c. Los
consumido es suelen ene p e e encias complejas, y el Análisis Conjun o pe mi e simula
di e en es combinaciones de es as ca ac e ís icas pa a e cuál se ía la opción más a ac i a pa a
ellos (Chaudhu i & Bha acha yya, 2009). El Análisis Conjun o se basa en la p emisa de que las
decisiones de comp a de los consumido es son in luenciadas po múl iples a ibu os de un
p oduc o. En luga de e alua cada a ibu o de o ma aislada, es a écnica conside a cómo los
consumido es alo an combinaciones de a ibu os. Pa a ello se descompone un p oduc o en sus
ca ac e ís icas o a ibu os indi iduales (como p ecio, amaño, colo , uncionalidades, e c.) y
analiza cómo cada uno de es os a ibu os a ec a la p e e encia gene al del consumido . Se
u ilizan encues as donde se p esen an di e en es combinaciones de a ibu os a los pa icipan es.
A a és de es as elecciones, se puede in e i la impo ancia ela i a de cada a ibu o y cómo
in e ac úan en e sí, pidiendo a los pa icipan es que cali iquen o elijan sus p e e encias. El
Análisis Conjun o u iliza modelos es adís icos pa a es ima las p e e encias de los consumido es.
Es o pe mi e p edeci cómo cambia ían las decisiones de comp a si se modi ican cie os
a ibu os. Los esul ados del Análisis Conjun o ayudan a los diseñado es a oma decisiones
in o madas sob e qué ca ac e ís icas inclui en un p oduc o, asegu ando que se alineen con las
expec a i as y deseos del consumido . Es o p opo ciona in o mación aliosa que puede guia el
desa ollo del p oduc o, asegu ando que se alineen con las expec a i as y deseos de los usua ios
y del me cado (Rao, n.d.).
El Análisis Conjun o en el diseño de p oduc os es una po en e y e sá il he amien a. Alp & Öz,
2020 hacen una aplicación de es a he amien a buscando medi las p e e encias del consumido
en el diseño de p oduc os in o má icos. Conc e amen e se u iliza pa a iden i ica los a ibu os
más alo ados, como el p ocesado y la memo ia RAM en o denado es po á iles ( igu a 20). Lo
cual o ece esul ados numé icos in e p e ables y ayuda a p edeci la pa icipación de me cado
y las combinaciones de p oduc os p e e idas (Alp & Öz, 2020).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 49
Figu a 30. Ejemplo de a ibu os y ni eles de p oduc o in o má ico e aluados con CA (Alp & Öz, 2020).
También es posible in eg a Análisis Conjun o con o as écnicas pa a op imiza el desa ollo de
p oduc os. Ak a Demi as e al., 2009 p oponen un en oque in eg ado de dos e apas pa a
op imiza el diseño de g i os de cocina ( igu a 31), u ilizando eg esión logís ica o dinal
(OLOGREG) y Análisis Conjun o (CA). Y ambién se u ilizan palab as Kansei. Se concluye que
OLOGREG es supe io a CA pa a de e mina las p e e encias de diseño basadas en pe cepciones
isuales de los usua ios, mejo ando así la compe i i idad del p oduc o en el me cado (Ak a
Demi as e al., 2009).
Figu a 31. Mues as de g i os de cocina e aluados con CA y OLOGREG (Ak a Demi as e al., 2009).
O o ejemplo de u ilización de Análisis Conjun o pa a el desa ollo de p oduc o, es el es udio de
Kuzmano ic & Ma ic, 2012, donde p esen an un en oque pa a el diseño compe i i o de líneas
de p oduc os ( igu a 32) u ilizando da os de Análisis Conjun o y el concep o de equilib io de
Nash. El es udio se ealiza sob e imp eso as, analizando la compe encia en el me cado de los
ab ican es de imp eso as y se p opone un p ocedimien o en dos ases pa a esol e lo. El
obje i o es maximiza las ganancias al sa is ace las p e e encias del clien e y conside a las
eacciones de los compe ido es (Kuzmano ic & Ma ic, 2012).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 50
Figu a 32. Mues a de a ibu os y ni eles y alo es de pun uaciones de CA (Kuzmano ic & Ma ic, 2012)
Y en el mundo ex il, L. Wang e al., 2022 analizan las p e e encias de los consumido es po
a ibu os de opa sos enible pa a ex e io , u ilizando un Análisis Conjun o ( igu a 33). Se
iden i ican el p ecio, ipo de ela, disponibilidad de e ique as ecológicas y ipo de plumón como
a ibu os cla e. Las p e e encias a ían según demog a ía, y se des aca la impo ancia de
es a egias de ma ke ing basadas en es os a ibu os (L. Wang e al., 2022).
Figu a 33. Resul ados del Análisis Conjun o en es udio de opa sos enible (L. Wang e al., 2022).
En la aplicación de Análisis Conjun o en el diseño de ehículos, cabe des aca el abajo de
in es igación ealizado pa a el diseño del panel de ins umen os pa a un ehículo eléc ico
donde se quie e e ela las p e e encias de los consumido es espec o a di e en es a ibu os del
diseño ( igu a 34). Se combina on a ibu os y ni eles en opciones de diseño que ue on alo adas
po los consumido es u ilizando una escala de Like . Los a ibu os e aluados en el Análisis
Conjun o pa a el diseño del panel de ins umen os incluyen el diseño del “lay-ou ”, el ipo de
elocíme o (digi al o analógico), la capacidad de la ba e ía ( ipo analógico o digi al), el ango de
conducción ( ipo digi al) y la indicación de lis o pa a conduci ( ipo digi al). Cada uno de es os
a ibu os se combinó en di e en es ni eles pa a c ea opciones de diseño que ue on alo adas
(Muslim e al., 2019).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 51
a)
b)
c)
Figu a 34. Ejemplo de 3 a ian es de cuad o de ins umen os e aluados con Análisis Conjun o y sus alo es de
u ilidad (Muslim e al., 2019).
El Análisis Conjun o se aplica en Oli ei a & Dias, 2020 donde se simula decisiones de comp a
pa a e alua las p e e encias de los consumido es espec o a ehículos de combus ibles
al e na i os. Se ealizan a eas donde los pa icipan es eligen en e di e en es combinaciones de
a ibu os de p oduc o ( igu a 35), pe mi iendo así iden i ica la impo ancia ela i a de cada
a ibu o en sus decisiones. Además, se combina con me odología de oma de decisiones
mul ic i e io (MAUT) pa a analiza cómo las p e e encias pueden cambia a a és de un p oceso
de ap endizaje, compa ando las espues as iniciales y inales de los consumido es
(Oli ei a & Dias, 2020).
Figu a 35. A ibu os seleccionados sob e los que hace análisis pa a decisión de comp a (Oli ei a & Dias, 2020).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 52
Una adap ación de la écnica de Análisis Conjun o es la no edad plan eada en Nickka & Lee,
2022 con Análisis Conjun o Basado en Elecciones Adap a i as (ACBC). El ACBC ( igu a 36) es un
mé odo de análisis que se u iliza pa a iden i ica p e e encias y ac o es de decisión de los
consumido es, especialmen e en el con ex o de a ibu os de p oduc os. A di e encia de o os
mé odos de Análisis Conjun o, el ACBC calcula alo es de u ilidad en una escala de in e alo,
pe mi iendo una in e p e ación más p ecisa de las p e e encias de los consumido es. Es e
mé odo es especialmen e ú il pa a es udios con amaños de mues a más pequeños y o ece
he amien as a anzadas pa a cap u a p e e encias. El obje i o de aplica el ACBC en es e
es udio es de e mina la disposición a paga (WTP) po cada a ibu o de ca ac e ís icas de
segu idad a anzadas en ehículos y e alua la p e e encia de los ni eles de esos a ibu os.
Además, busca medi la compe i i idad de las ca ac e ís icas de ehículos conec ados en
compa ación con las ca ac e ís icas de segu idad a anzadas (Nickka & Lee, 2022).
Figu a 36. Diag ama de lujo de la a ian e de Análisis Conjun o ACBC (Nickka & Lee, 2022).
En el diseño ehículos, N. Kang e al., 2007 aplica el Análisis Conjun o al diseño de in e io es pa a
iden i ica y op imiza a iables que maximicen la sa is acción del clien e, en ocándose en la
sensibilidad a la ape u a y o as ca ac e ís icas del espacio in e io . Realiza on expe imen os con
e aluaciones de di e en es ehículos, u ilizando escalas de sa is acción y un diseño o ogonal
pa a analiza las p e e encias de los usua ios. Los esul ados pe mi en de e mina
combinaciones óp imas de diseño que equilib an la es é ica y la e gonomía, mejo ando así la
expe iencia del conduc o y los pasaje os (N. Kang e al., 2007).
La u ilización de Análisis Conjun o en el con ex o de ehículos eléc ico ha sido es udiada po
Will e al., 2022 donde iden i ican y e alúan los a ibu os del se icio de Ca ga Neu a en
Ca bono (CNCS) que los consumido es conside an y cómo es os consumido es alo an dichos
a ibu os ( igu a 37). Buscan ce a la b echa en la in es igación sob e la comp ensión y
p e e encias de los consumido es en elación con los se icios de ca ga de ehículos eléc icos.
Y el ipo de Análisis Conjun o, es una a ian e más a ac i a e in e ac i a pa a los encues ados
que es el Análisis Conjun o Basado en Elección Adap a i a (ACBC), que mejo a la calidad de los
da os y hace más comp esible las p e e encias del consumido (Will e al., 2022).
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 53
Figu a 37. A ibu os y ni eles de a ibu o conside ados po e aluación po Análisis Conjun o (Will e al., 2022).
2.8 Conclusión Es ado del a e
En cuan o a la expe imen ación con Eye acking se han analizado en p o undidad 10 ex os (Ve
abla 3), pa a ex ae c i e ios necesa ios en el diseño de expe imen os.
Re e encia
Con enido
(Luo e al., 2022)
In es igación sob e las p e e encias es é icas de los
usua ios pa a el diseño de la o ma de las luces ase as
de ehículos median e Eye acking.
(Hyun e al., 2017)
E aluación de diseños ex e io es de au omó iles
median e Eye acking pa a ob ene simili udes de o ma,
y elemen os de diseño no edosos.
(L. Lin e al., 2019)
In es igación de las expe iencias pe cibidas a a és del
diseño es é ico o mal de ehículos in eligen es median e
Eye acking y análisis semán ico.
(Wickman e al., 2014)
Análisis po Eye acking de la in luencia de las líneas de
ensamblado en e elemen os de la ca oce ía en la
pe cepción de un ehículo
(Lu e al., 2018)
E aluación obje i a de los usua ios sob e el diseño o mal
de ehículos median e Eye acking pa a la ex acción de
p opiedades.
(Moon e al., 2021)
Análisis median e Eye acking y elec oence alog a ía de
la imp esión isual de on ales de ehículos.
(Pu ucke e al., 2014)
In es igación median e Eye acking de las eacciones de
usua ios a on ales de ehículos con diseño “ag esi o”
(“ h ea ening”).
(Chang e al., 2013)
Análisis median e Eye acking de la apa iencia on al de
au omó iles pa a analiza las p incipales á eas de in e és.
(Köhle e al., 2015)
Diseño de p oduc o po Ingenie ía Kansei con écnicas de
Eye acking pa a e alua la pe cepción y las á eas de
in e és de los usua ios.
(Köhle e al., 2013)
Análisis e iden i icación de componen es ele an es del
p oduc o y inculación con concep os semán icos
u ilizando Eye acking.
Tabla 3. Re e encias.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 54
No hay consenso en el iempo de exposición de cada es ímulo o imagen, pe o se puede
es ablece que a ía en e 3 y 20 segundos. Algunos ex os me en en e imágenes una imagen
acía que suele es a en o no a los 0,1 y 5 segundos. Pa a la de inición de cuán o du a una
ijación solo un ex o la de ine y es ablece 100ms. Hay ex os en los que el encues ado debe
oma una decisión sob e si el es ímulo que e es de " ipo A" o " ipo B", pa a cual se usan dos
le as del eclado.
En cuan o al amaño mues al los ex os analizados no suelen usa un amaño muy g ande,
a iando en e unos 11 y 89 pa icipan es, es ando la mayo ía sob e unos 25 encues ados. En
los es udios de e e encia analizados es os son los amaños mues ales:
• n1= 46 (23 muje es, 23 homb es)
• n2= no lo especi ican
• n3= 89
• n4= 31 (5 muje es, 26 homb es)
• n5= 11 (7 homb es, 4 muje es)
• n6= 12 (10 homb es, 2 muje es)
• n7= 39 (13 muje es, 26 homb es)
• n8= 20
• n9= no lo especi ican
• n10= 11
Po lo an o, se conside a que el amaño mues al u ilizado (33 pa icipan es) es muy adecuado
pa a es e ipo de expe imen os.
P omo e el coche eléc ico es una o ma de abo da los desa íos medioambien ales y de
sos enibilidad a los que se en en a el anspo e, ya que la elec i icación del anspo e puede
desempeña un papel impo an e en la ansición hacia un sis ema ene gé ico más sos enible y
limpio.
Exis en nume osas publicaciones que han es udiado cómo las p opiedades es é icas del coche
pueden a ec a a la pe cepción del consumido sob e si es eléc ico o de combus ión, y cómo
es as pe cepciones pueden u iliza se pa a mejo a la acep ación de los ehículos eléc icos en el
me cado.
El Eye acking ha demos ado se una he amien a muy e sá il pa a ecaba in o mación
implíci a en los usua ios an e cualquie ipo de es ímulo isual, Ya sea de p oduc os ísicos,
in e aces de comunicación o se icios. Dicha in o mación, de o a o ma hab ía eque ido
u iliza o as écnicas y he amien as que eque i ían más ca ga de abajo, sin emba go, el
Eye acking equie e equipos ela i amen e sencillos y poco cos osos, y que pueden es a al
alcance de los in es igado es. Los equipos disponibles pueden llega a se muy compac os y
acili an hace abajos de campo sin necesidad de ci cunsc ibi las in es igaciones al ámbi o de
los labo a o ios. El uso de los disposi i os de Eye acking no equie e es ue zo po pa e de los
usua ios, no son in asi os y los hay muy compac os. Po o a pa e, los p og amas in o má icos
pa a la con igu ación de los disposi i os de seguimien o ocula ambién ienen un en o no de
abajo sencillo y no equie en de una especialización en el á ea. Con las in es igaciones
ealizadas con es a écnica y los abajos p e ios en el campo del diseño de ehículos, se
con as a que el Eye acking es indispensable pa a la e aluación y análisis de a ibu os y
ca ac e ís icas del ehículo eléc ico.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 55
La Ingenie ía Kansei iene una asociación di ec a con el diseño emocional y a ec i o. Ha
demos ado se la al e na i a p incipal cuando se busca en diseño, implemen a a ibu os y
p opiedades en los p oduc os que ayan más allá de lo uncional. Hay un amplio espec o en el
mundo del diseño donde se equie e implemen a a ibuciones emocionales y inculaciones
a ec i as en odo ipo de campos, como puede se el diseño de p oduc os, diseño a qui ec ónico,
se icios, in e aces g á icos o diseño web. Desde los inicios de la Ingenie ía Kansei has a hoy se
han ido consolidando y undamen ando la me odología de aplicación y las bases neu ocien í icas
que espaldan los soluciones. Las e apas y pasos a segui pa a aplica Ingenie ía Kansei es án
bien ma cados y de inidos. El es uc u ado de p oceso de aplicación han dado soluciones de
diseños exi osas, habiendo casos de ac edi ado el éxi o del me cado, como el del Mazda MX5.
No obs an e, las posibilidades que b inda es a mi ología se an ac ecen ado al combina las con
o as, y su gen nue os pa adigmas que se explo an desde di e sos en oques. En é minos
gene ales, cualquie p oyec o de diseño puede hace uso de Ingenie ía Kansei. Y
pa icula men e, en el á ea de es udio de es a esis, como es el caso de los ehículos, hay
in es igaciones de g an in e és sob e di e en es dimensiones del ehículo con Ingenie ía Kansei,
desde elemen os de diseño del ex e io has a elemen os in e io es. Con oda es a ac edi ada
expe iencia de aplicaciones, se demues a la u ilidad de la Ingenie ía Kansei.
Aunque el Análisis Conjun o no es una écnica especi ica que se desa olló pa a el diseño de
p oduc os, sí que se in eg a en el ámbi o del diseño, po que pe mi e en ende y cuan i ica las
p e e encias y decisiones de los consumido es con espec o a ca ac e ís icas especí icas de un
p oduc o o se icio. La base que subyace en la idea de que las decisiones de elección de un
p oduc o o se icio no dependen solo de una única p opiedad o a ibu o de un p oduc o, sino
de una combinación de a ios a ibu os. Así en cualquie ámbi o en que haya mul ia ibu os
sob e los que haya que es ablece c i e ios de selección, el Análisis Conjun o es una he amien a
de ayuda. En el compendio de a ibu os es udiados po Análisis Conjun o en an en juego, no
solo p opiedades ísicas, sino concep os in angibles. Aquello que le da cualidad a un p oduc o es
un a ibu o. El núme o de es os y sus di e en es a ian es o ni eles y sus combinaciones, c ea
una a iabilidad del p oduc o, que es donde Análisis Conjun o en a en juego. Y apo a solidez
en la oma de decisiones sob e qué a ibu os y combinaciones de a ibu os selecciona en un
p oduc o basado en la in o mación ob enida del análisis. Así, pe mi e, po ejemplo, ealiza una
segmen ación de me cado más p ecisa, iden i icando di e en es g upos de consumido es que
ienen di e en es p e e encias y necesidades, o e alua mejo as, si po ejemplo una emp esa
es á conside ando ag ega nue as ca ac e ís icas a un p oduc o exis en e. El Análisis Conjun o
pe mi e e alua la iabilidad de es as ca ac e ís icas en é minos de p e e encia del consumido
y de su impac o en la decisión de comp a. Es e sá il en el sen ido de que se puede aplica a
di e en es ipos de p oduc os, desde p oduc os ísicos (como disposi i os elec ónicos, opa,
coches, e c.) has a se icios (como segu os, elecomunicaciones, e c.). Es una he amien a
e sá il que puede complemen a a o as. De la misma o ma que se puede combina con o as
me odologías, y hace a iaciones o adap aciones pa a el obje o de es udio. Su lexibilidad
pe mi e que se use en di e sas indus ias pa a diseña p oduc os y se icios que mejo se
adap en a las expec a i as de los consumido es. En el caso de p oduc os digi ales (como
aplicaciones, so wa e, o si ios web), el Análisis Conjun o puede se u ilizado pa a op imiza la
expe iencia del usua io (UX) al comp ende qué ca ac e ís icas del diseño de la in e az, la
uncionalidad o la usabilidad son más alo adas po los usua ios. Es o acili a la c eación de
p oduc os digi ales in ui i os y a ac i os. Y una de las g andes en ajas del Análisis Conjun o es
que cuan i ica de mane a p ecisa las p e e encias de los consumido es, lo que p opo ciona da os
du os y obje i os sob e la impo ancia ela i a de los dis in os a ibu os.
Capí ulo 2. Es ado del a e
Raúl Núñez Rome o - 56
Es a in o mación cuan i a i a puede se usada pa a jus i ica decisiones de diseño y de in e sión
en desa ollo de p oduc os. Desde el pun o de is a del diseño de ehículos, al in e eni en es a
a ea g an núme o de p opiedades y sus a ian es, cuya combinación a de ini un p oduc o
demando de p ime a necesidad e indispensable como el au omó il, el Análisis Conjun o iene
un amplio núme o de abajos e in es igaciones que demues an el apo e de alo en el p oceso
de diseño.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 57
Capí ulo 3. Fundamen os Teó icos
En es e e ce capí ulo se expone oda la eo ía y concep os que undamen an las me odologías
y écnicas empleadas pa a desa olla la in es igación. La base eó ica se hace imp escindible
pa a ene el conocimien o p e io que dan sen ido al desa ollo me odológico. El cue po
p incipal de es e capí ulo lo ocupa la eo ía ela i a a Ingenie ía Kansei. Hay un desa ollo
ex enso de los apa ados que comp enden es a me odología, y den o de ella se de allan o as
écnicas en las que se apoya la Ingenie ía Kansei, que no son p opias o exclusi as de es a, pe o
sí que son necesa ias. La Teo ía de cuan i icación de ipo 1, Eye acking, Análisis Conjun o o
Análisis ac o ial, son aplicadas en o os campos y pueden conside a se en ámbi os
independien es, sin emba go, aquí se plan ean como supedi adas a las necesidades de Ingenie ía
Kansei. Y en el úl imo pun o del capí ulo se expone la eo ía de Análisis Clus e que ha sido o a
he amien a de apoyo.
3.1 Ingenie ía Kansei
La ingenie ía Kansei es un en oque inno ado que busca in eg a las emociones y sensaciones
humanas en el p oceso de diseño y desa ollo de p oduc os. Su o igen se emon a a Japón en la
década de 1970, cuando el p o eso Mi suo Nagamachi, de la Uni e sidad de Hi oshima,
comenzó a in es iga cómo las emociones de los consumido es podían in lui en la pe cepción y
acep ación de los p oduc os. El é mino Kansei, no iene una aducción exac a al cas ellano. es
una palab a japonesa cuyo signi icado es muy pa ecido a las palab as “sensación”, “emoción” o
“sen imien o”. Y suele aduci se como “sen imien o psicológico”
• KAN = Sensación, Sen imien o, Imp esión
• SEI = Ca ac e ís icas, Na u aleza, Cualidad
• KAN SEI = Sen imien o (imagen men al) + Ca ac e ís icas o Cualidades
El é mino "Kansei" se aduce como "sensibilidad" o "pe cepción emocional", y se cen a en
cómo los p oduc os pueden e oca espues as emocionales posi i as en los usua ios. El Kansei
es la imp esión o es ímulo que una pe sona puede ene an e un de e minado p oduc o,
ambien e o si uación, cuando emplea plenamen e sus sen idos. La ingenie ía Kansei se basan en
la idea de que los p oduc os no solo deben cumpli con equisi os uncionales, sino que ambién
deben apela emocionalmen e a los consumido es. Pa a log a es o, se u ilizan di e sas écnicas,
como encues as, en e is as y análisis senso iales, que pe mi en iden i ica las emociones que
los usua ios asocian con di e en es ca ac e ís icas de un p oduc o. Es a in o mación se aduce
en especi icaciones de diseño que guían el desa ollo de p oduc os que an más allá de los
eque imien os uncionales, y además consigan gene a una conexión emocional con el usua io.
A lo la go de los años, la ingenie ía Kansei ha e olucionado y se ha expandido más allá de su
con ex o o iginal en Japón. Du an e los años 80 y 90, la ingenie ía Kansei comenzó a gana
econocimien o ue a de Japón.
Se aplicó en di e sas indus ias, como la au omo iz, la elec ónica y el diseño de p oduc os de
consumo. Un ejemplo no able es el diseño del Toyo a Cam y, donde se u iliza on écnicas de
ingenie ía Kansei pa a en ende cómo los consumido es pe cibían di e en es aspec os del
ehículo, desde el diseño ex e io has a la e gonomía del in e io . En la década de 1990, comenzó
a gana econocimien o in e nacional, especialmen e en el ámbi o del diseño indus ial y la
ingenie ía de p oduc os. Las emp esas comenza on a adop a es e en oque pa a di e encia se
en un me cado cada ez más compe i i o, donde la expe iencia del usua io se con i ió en un
ac o cla e pa a el éxi o.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 64
2. Mé odos es adís icos:
Los mé odos manuales p esen an el incon enien e de que pa e de c i e ios y opiniones
pe sonales de los usua ios, po lo que se pueden da disc epancias en e unos y o os. La o ma
de sal a es e hándicap es consul a median e p egun as a los usua ios de los p oduc os espec o
a los kanseis p esen es y como de impo an es los es iman. Lo habi ual es hace es as consul as
median e cues iona ios o en e is as al conjun o de usu a ios obje i o, y dado el cúmulo de
da os de i ados se hace necesa io usa he amien as de ipo es adís ico pa a analiza y ex ae
la in o mación. Así se puede cuan i ica la a inidad en e el conjun o de é minos Kansei. Los
mé odos es adís icos más comunes son:
- Análisis de los componen es p incipales (Osgood and Suci, 1969)
- Análisis ac o ial (Osgood and Suci, 1969)
- Análisis de g upos (Hai e al., 1995)
- Teo ía de la cuan i icación ipos II, III y IV (Tsuchiya, 2004)
- Redes neu onales (Ishiha a, Ishiha a and Nagamachi, 1996)
- Análisis “Rough Se ” (Tsuchiya, 2004)
3.1.3 Espacio de p opiedades.
El dominio del p oduc o se de ine desde dos en oques: uno semán ico y o o ísico, ambos
ep esen ados median e espacios ec o iales. No obs an e, exis en di e encias no ables en el
o igen de es os dos espacios. Po un lado, las ep esen aciones semán icas ienen una base
eó ica p o enien e de in es igaciones, como el Di e encial Semán ico desa ollado po Osgood,
no exis e una eo ía compa able pa a el espacio de p opiedades. Es undamen al de e mina la
ele ancia de las dis in as p opiedades del p oduc o y u iliza es e c i e io pa a su selección.
Exis en algunos mé odos que pueden ayuda a elegi ap opiadamen e las p opiedades del
p oduc o pa a la Ingenie ía Kansei, pe o el p oblema adica en que no es án sis ema izados ni
han sido su icien emen e e aluados pa a es e p opósi o.
- Gene a el espacio de p opiedades
La de inición me ódica de las p opiedades que sean ac ibles pa a ealiza el es udio de
Ingenie ía Kansei, se ap oxima a la o ma que se seleccionan y ag upan los é minos Kansei. De
o ma gene al pueden di e encia se es pasos, como se ejempli ica en la siguien e igu a (39):
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 65
Figu a 39. Gene ación del espacio de p opiedades (Felgue oso Fe nández-San e al., 2011).
En la p ime a e apa de ecolección, se eúne ma e ial suge en e ela i o al dominio del p oduc o,
a pa i de o ígenes di e sos, señalando posibles ca ac e ís icas y a ibu os pa a de ini
p opiedades. En una segunda ase, es as p opiedades se ca alogan siguiendo cie as pau as y se
ag upan, op ando las más ele an es. Solamen e las p opiedades con un al o impac o emocional
a anzan a las ases de e aluación pos e io men e. Finalmen e, se selección p oduc os
ep esen a i os en los que es én implíci as o posean las p opiedades seleccionadas y que
simbolicen de mane a adecuada el espacio de p opiedades. En gene al, los p oduc os angibles
del me cado o ecen una amplia gama de p opiedades po enciales que pueden se inco po adas
en el p oduc o obje o de es udio. Una de las o mas más habi uales de iden i ica p opiedades
ele an es es basa se en p oduc os an e io es. Como se ilus a en la columna de la izquie da, las
uen es pa a la ecopilación suelen p o eni de ma e iales publicados, a ículos écnicos,
e is as, en e o os. Pa a iden i ica las p opiedades, gene almen e bas a con c ea una lis a. La
e aluación de la impo ancia y la selección de las p opiedades más ele an es y con mayo alo
emocional debe se ealizada po ep esen an es de los consumido es. Pa a acili a la
ecolección de da os sin p ocesa , se pueden u iliza he amien as como g upos ocales o
en e is as indi iduales.
En la mayo pa e de los abajos de Ingenie ía Kansei ealizados en p oyec os de desa ollo de
p oduc os indus iales, la especi icación p incipal debe es a en consonancia con la imagen de la
ma ca. Po es a azón, las emp esas ienden a inclui sus ca ac e ís icas únicas en sus p oduc os.
La columna de echa de la igu a indica las p opiedades del p oduc o que son exclusi as de la
emp esa. Jun o con los especialis as en ma ke ing, se es ablece la ele ancia ela i a de es as
p opiedades.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 66
Gene almen e, el núme o de p opiedades asociadas con la imagen de la emp esa es an pequeño
que no se equie en he amien as especializadas. Po o o lado, la columna cen al se e ie e a
la in eg ación de concep os pa a nue os p oduc os. La Ingenie ía Kansei ha sido obje o de c í icas
po su al a de inno ación. Es a sección mues a cómo se puede in oduci el pensamien o
c ea i o y nue as ideas den o de la Ingenie ía Kansei como un en oque me odológico. La
p incipal uen e de c ea i idad p o iene de los diseñado es, quienes ienen la capacidad de c ea
boce os, maque as o p o o ipos comple os o pa ciales del p oduc o. De es e modo, se pueden
gene a nue as p opiedades, que luego se án iden i icadas y seleccionadas po un g upo de
expe os. Como se mues a en la ilus ación 29, es os p ocesos no ocu en de mane a aislada,
sino que es án in e conec ados, como indican las lechas. El equipo de diseño puede inspi a se
an o en los p oduc os exis en es como en la imagen de la emp esa, y, a su ez, el nue o
concep o puede in lui en las decisiones de la emp esa sob e qué p opiedades del p oduc o
deben selecciona se pa a ep esen a su imagen. Además, las nue as endencias del me cado o
el pano ama ac ual pueden lle a a modi ica la selección de p opiedades de los p oduc os
exis en es. Finalmen e, odas las p opiedades seleccionadas se ag upa án en un conjun o de
ca ac e ís icas del p oduc o, a pa i del cual se de ini án o simula án p oduc os ep esen a i os
que se u iliza án en la siguien e e apa de sín esis.
3.1.4 Espacio de sín esis
En es e paso de sín esis se casan el Espacio Semán ico y el Espacio de P opiedades. Pa a cada
é mino Kansei, se iden i ica á una p opiedad o conjun o de p opiedades que in lui án en es e
Kansei. Además, se medi á la magni ud del impac o emocional que las p opiedades del p oduc o
ienen sob e cada Kansei. Ac ualmen e, hay nume osas he amien as an o cuan i a i as como
cuali a i as disponibles pa a ealiza es os análisis.
- Iden i icación de las elaciones.
La iden i icación de la elación du an e la ase de sín esis cons i uye la esencia de la Ingenie ía
Kansei. Aunque la iden i icación de la es uc u a semán ica y ísica se ealiza de di e sas
mane as, la aducción de los Kansei seleccionados se lle a a cabo de mane a exclusi a den o
de la Ingenie ía Kansei. Po es a azón, es a e apa ha sido el oco p incipal de in es igación desde
el inicio de la disciplina. A lo la go de es a ase, se han desa ollado y u ilizado muchas
he amien as. Al igual que en o as á eas, se puede clasi ica en es ca ego ías p incipales:
mé odos manuales, mé odos es adís icos y o os en oques. Los mé odos manuales pa a incula
los Kansei con las di e en es p opiedades del p oduc o son áciles de aplica y equie en
ela i amen e pocos ecu sos. De los mé odos manuales des aca:
- Ca ego ía de iden i icación (Nagamachi, 1997)
La clasi icación po ca ego ías es una es uc u a de á bol que a desde un e en o p incipal has a
los sub-e en os subsiguien es, como se mues a en la abla 4. Es e mé odo ue u ilizado po
Mazda. El di ec o ejecu i o decidió desa olla un nue o au omó il cuyo obje i o e an los
conduc o es jó enes y el dominio del p oduc o e a un au omó il depo i o. El equipo del
p oyec o se sen ó jun o al conduc o con una ideocáma a y g abó su manejo. O o equipo se
pa ó en una in e sección y g abó las maniob as del jo en conduc o . Después de eso, los
miemb os del equipo examina on odos los ma cos de o os y u iliza on el mé odo de las a je as
pa a egis a sus hallazgos. Cuando ob u ie on una pis a o suge encia de las imágenes, ano a on
una palab a cla e en cada a je a pequeña (llamada a je a K); una palab a en una a je a.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 67
Si el equipo encon ó a ias a je as K con concep os o signi icados simila es, es as a je as se
eunie on en un g upo. El núme o o al de a je as K al examina las imágenes ue de
ap oximadamen e 600, que se o ganiza on en ap oximadamen e 20 g upos, lo que ep esen a
un p omedio de 30 a je as en cada g upo.
Tabla 4. Clasi icación de ca ego ías u ilizadas en el desa ollo de Mazda Mia a (MX5) (Nagamachi, n.d.).
Es os g upos se o ganiza on desde los concep os supe io es has a los g upos más undamen ales
en una es uc u a de á bol ( abla 4). Al desa olla el Mazda Mia a, se clasi ica on al ededo de
600 a je as de palab as cla e en unos 20 g upos, y luego es os g upos se eo ganiza on desde
el concep o de ni el supe io a los subni eles. Todos los g upos de a je as se ep esen a on con
un nomb e y, inalmen e, un concep o supe io se denominó “una máquina humana” (o la
uni icación de humano y máquina), lo que implica que los conduc o es jó enes necesi an un
sen imien o emocional o desean una conexión uni icada en e la emoción humana y el
mo imien o y/o unción de la máquina.
La clasi icación po ca ego ías signi ica que exis e una es uc u a de á bol desde un concep o
supe io has a subconcep os. Los subconcep os en el ni el n se ans i ie on a la ase de
expe imen o e gonómico, en la que los expe imen os e gonómicos p oduje on las
especi icaciones de alladas del ni el n. Los de alles analizados se ans i ie on inalmen e al
dominio de diseño. En es e caso, los de alles de las especi icaciones de diseño se in eg a on en
un diseño au omo iz de un au omó il depo i o.
El mé odo de clasi icación de concep os es ácil de ealiza , se puede ap ende el p oceso muy
ácilmen e. Pa a es e p oceso, se obse a el compo amien o del clien e obje i o y se ealiza una
encues a psicológica de los clien es. Después del análisis de los da os obse ados, se conside a
lo que quie en los clien es y qué ipo de sen imien o emocional ienen. A pa i de es a
in es igación, se decide el concep o p incipal del desa ollo del p oduc o y luego se comienza la
encues a de clasi icación de ca ego ías. In e p e amos el signi icado del concep o p incipal y
colocamos una palab a cla e en a je as K en el p ime ni el. En el segundo ni el,
implemen amos cada concep o en los subconcep os, y es o con inúa has a el ni el n.
Pos e io men e, es os subconcep os en el ni el n se con ie en en los da os eales a a és de la
encues a e gonómica y se ans ie en al dominio de diseño. En gene al, el despliegue de los
ni eles de ca ego ía se de iene al ededo del e ce o cua o ni el. En el caso del Mia a (MX5),
el equipo del p oyec o p ime o lle ó a cabo el abajo de implemen ación del concep o pa a
c ea una nue a imagen de au omó il depo i o pa a un conduc o jo en, y luego cada uno de
los subconcep os inales se ans i ió a los expe imen os e gonómicos.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 68
Po ejemplo, se lle ó a cabo un expe imen o e gonómico de mecanismo de di ección u ilizando
una a iedad de eng anajes expe imen ales en di e en es longi udes y con di e en es pa es de
o sión. Luego se lle ó a cabo un expe imen o pa a decidi la longi ud y el pa de o sión,
ealizado con el pe sonal de la emp esa. Los suje os oca on y mo ie on los di e en es
mecanismos de di ección y cali ica on sus sen imien os en una escala de 10 pun os, siendo el
mejo ajus e a la sensación emocional “Es oy con olando es a máquina”. Al conclui el
expe imen o e gonómico, se descub ió que 9,5 cm es el mejo ajus e a la emoción de
au ocon ol, y es a longi ud del mecanismo de di ección se implemen ó en el diseño inal del
Mia a. Todas las pa es del Mia a, desde el mo o , el ex e io y el in e io , has a los asien os y el
olan e, se decidie on u ilizando un p oceso simila . El Mia a se ol ió muy popula en odo el
mundo, debido a su diseño es é ico, es uc u al y uncional, odo decidido a a és de la
in es igación emocional u ilizando la ingenie ía Kansei (Nagamachi, 2010).
Al igual se hacía a la ho a de iden i ica la es uc u a semán ica, en es e apa ado se u ilizan
mé odos es adís icos pa a analiza un g an cumulo de da os de i ados de los es y en e is as.
La he amien a u ilizada debe ajus a se pa a casa con el en oque de la Ingenie ía Kansei. Va ias
he amien as es adís icas ca ac e ís icas de es a ase son:
- Teo ía de la Cuan i icación Tipo I (Komazawa and Hayashi, 1976)
- Modelo Lineal Gene al (A nold, 2002)
- Análisis de Reg esión (Shü e, 2005)
En es adís ica, el análisis de eg esión, en su sen ido más amplio, se puede u iliza pa a modela
la elación en e una a iable dependien e y una o más a iables independien es. En un es udio,
cada palab a Kansei del espacio semán ico ac úa como una espues a, mien as que cada ac o
del espacio de p opiedades es una a iable independien e. Todas las écnicas conocidas del
análisis de eg esión ayudan pa a a on a la ase de sín esis desde un en oque es adís ico. Po
lo an o, el obje i o es es ima los e ec os p incipales y las in e acciones de segundo o den.
Dos hechos siemp e ca ac e izan los conjun os de da os de ingenie ía Kansei: Po un lado, las
a iables independien es son ac o es ca egó icos, que ienen dos o más ni eles (con bas an e
ecuencia, algunos ac o es ienen más de dos ni eles). No hay a iables independien es
cuan i a i as. Po o o lado, la espues a es disc e a, no malmen e núme os en e os de una
escala o dinal (que a de 1 a 7, o de 1 a 5, po ejemplo). Como la espues a es disc e a, no se
puede u iliza di ec amen e una eg esión lineal múl iple pa a modela los da os, ya que se
necesi a una espues a con inua. La o ma más común de esol e es e p oblema es abaja con
la media de las cali icaciones de odos los pa icipan es. Como odas las a iables independien es
son ca egó icas, se deben u iliza a iables ic icias. Es o es básicamen e lo que se hace en la
eo ía de cuan i icación de ipo I. Po supues o, se pie de in o mación al esumi los da os con
la media. En pa icula , no se iene en cuen a la a iabilidad en e los pa icipan es del es udio.
Una al e na i a es cons ui un modelo di ec amen e con los da os b u os. Una eg esión
logís ica o dinal (OLR) es adecuada pa a es e p opósi o, pe o a a ez se u iliza en Ingenie ía
Kansei. También se deben u iliza a iables ic icias pa a in oduci ac o es como eg eso es en
el modelo. Un úl imo de alle que se debe ene en cuen a es ene espues as independien es.
Sin emba go, las espues as no son independien es: cada pa icipan e del es udio o o ga una
cali icación a odo el conjun o de es ímulos. Las cali icaciones de la misma pe sona no son
independien es. Es a a iabilidad en e los pa icipan es debe ene se en cuen a, y la mejo
o ma de hace lo es in oduci el ac o suje o en el modelo como un e ec o alea o io.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 69
De es a mane a, las p opiedades se a an como e ec os ijos, mien as que los pa icipan es se
a an como e ec os alea o ios. El modelo esul an e es una eg esión logís ica o dinal de e ec os
mix os (Ma co Almag o, 2011).
He amien as más a anzadas apoyadas en ecnología in o má ica in eligen e ienen la capacidad
de analiza pa ones y ca aloga in o mación en el conjun o de da os, de o ma más a anzada y
e icaz, log ando mejo es esul ados. Va ios de las he amien as de clasi icación a anzada son:
- Teo ía Fuzzy Se (Shimixzu and Jindo, 1995)
- Algo i mo Gené ico (Nishino e al., 1999)
- Teo ía Rough Se (Mo i, 2002; Nishino, Nagamachi and Ishiha a, 2001)
3.1.5 C eación del modelo y es de alidez.
En la ase inal se p ocede a c ea un modelo, que puede se ma emá ico o no, en unción del
mé odo de sín esis seleccionado. Y se ensaya el modelo pa a e alua la alidez en la p edicción
de la ca ac e ís ica del p oduc o, y así con i ma la bondad o la di e gencia del modelo pa a su
u ilización de ini i a.
3.2 Técnicas aplicadas en Ingenie ía Kansei
Como ayuda y apoyo a la aplicación de Ingenie ía Kansei hay una se ie de he amien as y écnicas
de o as disciplinas, como pueden se del campo de la es adís ica, del ma ke ing o de la
neu ociencia. Dada la necesidad de da os de pa ida pa a aplica Ingenie ía Kansei, hay un
conjun o de écnicas cuya unción es ecopila da os en b u o. No malmen e los da os se
ecolec an de los usua ios o público obje i o al que se des ina el p oduc o que se desa olle bajo
Ingenie ía Kansei. El olumen de da os suele se bas an e g ande, y se puede encon a
in o mación edundan e en ellos, in o mación i ele an e, e o es e c. Po lo que es necesa io
depu a y educi en la medida de lo posible el al o olumen de da os a un conjun o meno y
más ácilmen e manejable. Y pa a cumpli la unción a a los da os y acomoda los a las
necesidades de la Ingenie ía Kansei, hay o o conjun o de écnicas que cumplen esa unción
común.
Conside ando la unción que cumplen las di e en es écnicas y he amien as que si en de apoyo
a la Ingenie ía Kansei, pueden clasi ica se en dos g upos. Po un lado, es án las he amien as
pa a ob ención de da os, alguna de las cuales ya se han ido mencionando en es e documen o.
Una ep esen ación de las más comunes:
- Encues as y Cues iona ios: Se diseñan pa a e alua las emociones y p e e encias de los usua ios
median e escalas mé icas cuan i a i as (Di e encial semán ico, Escala Like ).
- En e is as: Pe mi en p o undiza en las expe iencias y emociones de los usua ios,
p opo cionando da os cuali a i os en comunicación pe sonal.
- G upos Focales: Reúnen a un g upo de pe sonas pa a discu i sus sen imien os y opiniones
sob e un p oduc o, lo que ayuda a iden i ica pa ones emocionales.
- Oculome ía o Eye acking: He amien a pa a medi pa áme os ocula es que acili an mapas
de calo o g á icos pa a isualiza la elación en e ca ac e ís icas del p oduc o y las emociones
asociadas a es ímulos isuales. Es a he amien a es una de las que si e de apoyo en es a
in es igación y se desa olla con más p o usión en es e pun o.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 70
- Mediciones Fisiológicas: Di e sas he amien as que miden a ias espues as isiológicas, como
la ecuencia ca díaca o la conduc ancia de la piel, pa a e alua las eacciones emocionales en
iempo eal.
- Mediciones neu ológicas: Miden ac i idad y pa áme os del uncionamien o ce eb al, como la
elec oence alog a ía o esonancia magné ica, ambién pa a e alua eacciones emocionales en
iempo eal.
- Análisis Conjun o: Ayuda a iden i ica las ca ac e ís icas más impo an es que in luyen en la
decisión del consumido y cómo es as se combinan pa a gene a p e e encias. Se basa en la
p esen ación de di e en es combinaciones de a ibu os a los encues ados, quienes luego indican
sus p e e encias, lo que pe mi e analiza y modela es as elecciones
Po o o lado, se puede ag upa en un segundo g upo las he amien as y écnicas analizan los
da os con el obje i o de educi el olumen de da os, ex ae da os ep esen a i os o desca a
da os de poca u ilidad y e o es. Las he amien as más ep esen a i as de es e g upo y que
ambién se de allan eó icamen e en es e pun o son:
- Teo ía de cuan i icación de ipo 1 (QT1): se u iliza pa a ans o ma da os cuali a i os, como las
emociones y pe cepciones de los usua ios, en a iables cuan i a i as que pueden se analizadas
es adís icamen e, de o ma que pe mi e ep esen a y analiza la elación en e a ibu os de
p oduc os y las espues as emocionales de los consumido es, acili ando la iden i icación de
pa ones y endencias en los da os.
- Análisis ac o ial: Ayuda a educi la dimensionalidad de un conjun o de da os y pa a iden i ica
pa ones subyacen es en las a iables. En el con ex o de la Ingenie ía Kansei, el análisis ac o ial
puede ayuda a descub i cómo di e en es ca ac e ís icas de un p oduc o es án elacionadas con
las emociones y pe cepciones de los usua ios. Con el análisis ac o ial, se pueden ag upa
a iables elacionadas y en ende mejo los ac o es que in luyen en la expe iencia del usua io.
Es o es esencial pa a in e p e a los da os ob enidos a a és de encues as, en e is as u o os
mé odos de ecolección de in o mación.
- Análisis Clús e : Ayuda a ag upa un conjun o de obje os (como usua ios o p oduc os) en
clús e es o g upos que son más simila es en e sí que a los de o os g upos. En el con ex o de la
Ingenie ía Kansei, el análisis de clús e puede ayuda a iden i ica segmen os de usua ios con
emociones y p e e encias simila es hacia un p oduc o o se icio.
3.2.1 Teo ía Eye acking
El Eye acking es una he amien a de ayuda en el p oceso de desa ollo de p oduc os, y se basa
en el empleo de ecnología que es capaz de moni o ea y egis as la posición y el mo imien o
del ojo humano cuando una pe sona ealiza una a ea isual. Con Eye acking se consigue
analiza la pe cepción isual, sabe cómo se p ocesa la in o mación isual y cómo se compo a
la mi ada en una di e sidad de si uaciones, como puede an desde la in es igación psicológica
has a la ingenie ía, pasando po la neu ociencia y el ma ke ing. Y en es e mismo con ex o puede
se ú il en cualquie acción o ac i idad que equie a el uso de la mi ada y el análisis de
in o mación isual, como puede se el diseño de in e aces o el diseño g á ico.
El Eye acking o ece a los diseñado es la posibilidad de obse a cómo los usua ios in e ac úan
con los di e en es componen es de un diseño y qué elemen os isuales a aen más su a ención
(Duchowski, 2007). Además, pe mi e e alua la e ec i idad de un diseño, ya que los diseñado es
pueden comp oba si los usua ios log an iden i ica y u iliza co ec amen e los elemen os.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 71
Es o esul a especialmen e ele an e en diseños que demandan un al o ni el de concen ación.
Y ambién es ú il es a he amien a pa a e alua la expe iencia de usua io (Gue e o Salinas,
2023).
Un disposi i o de Eye acking se basa en egis a los mo imien os de los ojos de una pe sona y
localiza el pun o exac o en el que en oca la is a du an e una a ea o ac i idad de e minada.
Es o se consigue median e el seguimien o de los mo imien os ocula es, que puede inclui la
medición de las señales elec omiog á icas p oducidas po los músculos ocula es, el análisis de
la e lexión de la luz in a oja o el es udio de las p opiedades óp icas de la e ina. Exis en dos
ipos p incipales de disposi i os de Eye acking: los sis emas de seguimien o ocula basados en
ha dwa e y los sis emas basados en so wa e.
• Los sis emas de ha dwa e de Eye acking usan conjun o de écnicas especí icas como la
cáma a, la luz in a oja y su e acción pa a egis a los mo imien os ocula es. Los
apa a os de Eye acking de es e ipo se pueden coloca en la cabeza, en un esc i o io,
anclados a un pc de sob emesa o en o os en o nos.
• Los sis emas de Eye acking basados en so wa e se alen de componen es menos
especí icos como una cáma a web o la cáma a de un disposi i o mó il. De o ma que
median e un so wa e adap ado pa a cap a las imágenes del ojo con dicho ipo de
cáma as egis an los mo imien os ocula es. Es os sis emas son de más ácil acceso y
ela i amen e ba a os comp ados con los sis emas dedicados. Po con apa ida, la
in o mación ob enida no es an iable y p ecisa como los de ipo ha dwa e.
En Eye acking, se u ilizan da os sob e el mo imien o ocula pa a es udia cómo pe cibe
isualmen e el se humano. Con es a in o mación se aba can da os sob e la ubicación de los
ojos, la di ección en la que se ija la mi ada, la elocidad y la ecuencia de los mo imien os
ocula es, además del iempo que los usua ios pasan obse ando dis in os elemen os en la
pan alla. Es os da os ambién se pueden complemen a con o os adicionales isiológicos, pa a
mejo a el es udio de la pe cepción y la comp ensión de las pe sonas. Los mo imien os y
pa áme os comunes egis ados con Eye acking son (Gue e o Salinas, 2023):
• Fijaciones: Se e ie e al mo imien o ocula en el que los ojos pe manecen en un luga
conc e o de la pan alla. El iempo mínimo de una ijación a ía en e 20 y 220 ms. La
du ación de las ijaciones es un indicado cla e de la a ención e in e és que los usua ios
mues an hacia un elemen o especí ico.
• Mo imien o sacádico: Se a a de un mo imien o ocula ápido y con olado que ocu e
cuando los ojos se desplazan de un pun o a o o en la pan alla. Es e mo imien o sigue
un pa ón secuencial de ijaciones en un es ímulo. Las sacadas son un indicado cla e de
la di ección de la mi ada y del p oceso de búsqueda isual.
• Reg esiones: Es el mo imien o ocula en el que los ojos eg esan a un pun o que ya se
había obse ado an e io men e en la pan alla. La eg esión es un indica i o cla e de la
ele ancia y la impo ancia de los elemen os mos ados en la pan alla.
• Pa padeo: Es el cie e b e e y ápido de los ojos. Los pa padeos son un indicado cla e
de la a iga y la ca ga men al que expe imen an los usua ios.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 72
• Mic osacadas: Es un ipo de mo imien o ocula pequeño y ecuen e, en el que los ojos
se desplazan ápida e in olun a iamen e hacia una di ección conc e a. Su du ación a ía
en e 10 y 20 ms. Las mic osacadas son un indica i o cla e de la a ención y la explo ación
isual.
• Dispe sión de ijaciones: Se e ie e a la dis ibución de las ijaciones en dis in as á eas de
un elemen o isual. La dispe sión de ijaciones es un indicado cla e de la complejidad y
la comp ensión de los elemen os en la pan alla.
Cada clase de mo imien o ocula o ece in o mación impo an e sob e la pe cepción isual
humana y con ibuye a comp ende cómo los usua ios esponden al es ímulo isual. La elección
de los da os a u iliza depende á de los obje i os especí icos del es udio sob e pe cepción isual.
Pa a analiza y isualiza los da os ob enidos median e Eye acking se ealizan ep esen aciones
g á icas. Las comunes son (Gue e o Salinas, 2023):
• Mapa de calo (hea map): Es un mapa de colo es que ilus a cómo se dis ibuyen las
ijaciones ocula es en una pan alla. Es os mapas mues an de mane a g á ica las zonas
de la pan alla que a aen más o menos la a ención de los usua ios, acili ando la
iden i icación de pa ones y endencias en la in e acción del usua io con un es ímulo
isual.
• Ru a sacádica o “scan pa h”: Se e ie e al eco ido que indica el o den en que los
usua ios obse an dis in os elemen os en una pan alla. Los 'scanpa hs' isualizan la
secuencia de las ijaciones ocula es, lo que pe mi e a los in es igado es comp ende
cómo los usua ios explo an y p ocesan la in o mación en un es ímulo isual.
• Á eas de in e és (AOI): Facili an la iden i icación y señalización en una imagen o pan alla
de las á eas impo an es pa a los es udios de Eye acking, con el in de analiza cómo los
usua ios in e ac úan con dis in as pa es de un es ímulo isual.
• G á icos de asa de ijación: Son ep esen aciones g á icas que ilus an el iempo que los
ojos pe manecen en ocados en dis in os elemen os de una pan alla. Es os g á icos
ayudan a iden i ica de mane a ápida las á eas de un diseño que cap an más a ención y
el iempo que los usua ios pasan obse ando cada elemen o.
• G á icos de asa de clic: Son ep esen aciones g á icas que ilus an la conexión en e las
ijaciones ocula es y los clics en una pan alla (si el es ímulo isual in oluc a esa
in e acción). Es os g á icos pe mi en iden i ica qué elemen os de un diseño ienen más
p obabilidades de gene a clics y cómo los usua ios in e ac úan con ellos.
• G á icos de asa de desplazamien o: Son ep esen aciones g á icas que mues an la
conexión en e las ijaciones ocula es y los desplazamien os en la pan alla. Es os g á icos
pe mi en iden i ica qué elemen os de un diseño es án impulsando a los usua ios a
desplaza se po la pan alla y cómo in e ac úan con los demás elemen os.
Exis en di e sos ipos de disposi i os pa a Eye acking, los más habi uales que se pueden
encon a en el me cado son:
- Moni o es de ojo de ipo “open sou ce”. Son componen es que usan cáma as de in a ojo pa a
egis a la posición y el mo imien o de los ojos y que no equie en un so wa e especí ico de
espaldo, sino que es compa ible con cualquie ipo.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 73
- Tobii (Tobii ab, Dande yd, Suecia). Son disposi i os en ocados al Eye acking pa a el mundo
cien í ico y come cial, ab icados po una compañía sueca con un amplio ca álogo de p oduc os
- EyeLink (SR Resea ch L d. [s. .], O awa, oN, Canadá). Es un disposi i o desa ollado po SR
Resea ch pa a Eye acking muy común en el mundo de la in es igación cien í ica y en el mundo
come cial.
- SMI (SensoMo o ic Ins umen s GmbH, Tel ow, Alemania). Es un ab ican e alemán de
disposi i os de Eye acking con un amplio ca álogo de disposi i os pa a di e en es aplicaciones,
que an desde la in es igación cien í ica has a el ma ke ing.
- Gazepoin : de la emp esa Gazepoin Technologies o ece an o el ha dwa e como el so wa e
necesa io pa a ealiza el Eye acking, siendo el so wa e Gazepoin uno de los p oduc os más
des acados de la compañía. Es á diseñado pa a se ácil de usa , an o pa a in es igado es como
pa a p o esionales del diseño, b indando he amien as obus as pa a la cap u a y análisis de
da os en iempo eal.
Y en cuan o, al so wa e que se pueden asocia a los di e en es disposi i os, ambién hay cie a
a iedad, y suele selecciona se según el ipo de in es igación y obje i os se pe sigan. En e ellos
podemos encon a :
- Tobii P o Lab (Tobii Technology AB [s. .], Suecia). Es e so wa e, desa ollado po la misma
ma ca sueca que ab ica los disposi i os, acili a la ecopilación, el análisis y la isualización de
da os, o eciendo di e sas he amien as pa a analiza la in o mación ecolec ada. Además,
pe mi e combina los da os de Eye acking con o os ipos de in o mación, como da os
demog á icos, espues as e bales y compo amen ales.
- EyeLink (SR Resea ch L d. [s. .], Canadá). También es un so wa e de la misma ma ca que ab ica
los disposi i os, e igualmen e pe mi e ecopila , isualiza y analiza da os en iempo eal, así
como ealiza análisis a anzados y c ea in o mes de allados.
- Gazepoin es un so wa e basado en el disposi i o de su mismo nomb e, el cual pe mi e el
egis o y el análisis de da os en iempo eal.
- Pupil Labs ambién es un so wa e que pe mi e el egis o, el análisis y la isualización de da os.
- OGAMA. Es pa icula men e des acable, po se de código abie o y se u ilizado en
in es igación cogni i a y psicología. Y es ampliamen e u ilizado pa a es udia cómo las pe sonas
p ocesan in o mación isual, la pe cepción, la a ención y la memo ia. Además, pe mi e analiza
cómo los usua ios in e ac úan con elemen os isuales en una pan alla, lo que acili a la mejo a
de la usabilidad y la accesibilidad de los sis emas.
3.2.2 Análisis Conjun o
El Análisis Conjun o es una écnica que pe mi e e alua dis in os p oduc os en compa ación con
o os, con el in de iden i ica qué ca ac e ís icas de los p oduc os son p e e idas po un g upo
especí ico de consumido es, así como el p ecio que es a ían dispues os a paga . La p emisa
p incipal del Análisis Conjun o es que las pe cepciones sob e las ca ac e ís icas de un p oduc o
pueden descompone se en a ibu os indi iduales o componen es (G een y S ini asan, 1978).
Es o implica que la combinación de di e en es a ibu os, como el p ecio, colo , ma ca, en e
o os, in luye de mane a conjun a en la decisión del consumido de adqui i o no el p oduc o.
Es e análisis se basa en la capacidad humana pa a clasi ica concep os con di e sos a ibu os,
con el p opósi o de acili a el p oceso de oma de decisiones.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 80
U ilizando las hipó esis an e io es, se iene:
𝑉𝑎𝑟(𝑋𝑖)=∑𝑎𝑖𝑗
2
𝑘
𝑗=1 +𝜓𝑖=ℎ𝑖2+𝜓𝑖 (𝑖=1,2,…,𝑝)
( 8)
Donde, ℎ𝑖2=𝑉𝑎𝑟(∑ 𝑎𝑖𝑗
2
𝑘𝑗=1 𝐹𝑗)…. y 𝜓𝑖=𝑉𝑎𝑟 (𝑢𝑖), eciben los nomb es de Comunalidad, y
Especi icidad de la a iable Xi, espec i amen e.
En consecuencia, la a ianza de cada una de las a iables analizadas se puede descompone en
dos pa es: la Comunalidad ℎ𝑖2, que ep esen a la a ianza explicada po los ac o es comunes y
la especi icidad 𝜓𝑖 que ep esen a la pa e de la a ianza especi ica de cada a iable. Ademas
se iene:
𝐶𝑜𝑣 (𝑋𝑖,𝑋𝑗)=𝐶𝑜𝑣(∑𝑎𝑖𝑗
𝑘
𝑗=1 𝐹𝑗,∑𝑎𝑖𝑗
𝑘
𝑗=1 𝐹𝑗)= ∑𝑎𝑖𝑗
𝑘
𝑗=1 𝑎𝑖𝑗 ∀𝑖≠1
( 9)
Los ac o es comunes son los que explican las elaciones en e las a iables. Po es a azón, es os
ac o es son ele an es y pueden se in e p e ados de mane a expe imen al. Los ac o es únicos
se inco po an al modelo debido a que no es posible ep esen a , en gene al, p a iables usando
solo un núme o más pequeño k de ac o es.
- Análisis de la ma iz de co elaciones.
El p opósi o de examina la ma iz de co elaciones mues ales R=( ij), donde ij indica la
co elación mues al obse ada en e las a iables (Xi, Xj), es de e mina si los da os son
ap opiados pa a ealiza un análisis ac o ial. Un equisi o cla e es que las a iables es én
ue emen e co elacionadas en e sí. Además, se espe a que las a iables con al as
co elaciones se ag upen bajo un mismo ac o o ac o es comunes. Po lo an o, si las
co elaciones en e las a iables son bajas, el análisis ac o ial pod ía no se adecuado.
Pa a e alua la ma iz de co elación hay a ios indicado es:
• Tes de es e icidad de Ba le
Con as a, bajo la hipó esis de no malidad mul i a ian e, si la ma iz de co elación de las p
a iables obse adas (Rp) es la iden idad.
Si una ma iz de co elación es la iden idad signi ica que las in e co elaciones en e las a iables
son ce o. Si se con i ma la hipó esis nula 𝐻0: |𝑅𝑝|=1 𝑜 𝑅𝑝=𝐼 (ma iz iden idad), las a iables
no es án in e co elacionadas.
Si hay k mues as con amaño ni y a ianzas de las mues as Si2 en onces el es adís ico de p ueba
de Ba le es:
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 81
𝑋2=(𝑁−𝑘)ln(𝑆𝑝2)−∑(𝑛𝑖−1)
𝑘𝑖=1 ln(𝑆𝑖2)
1+ 1
3(𝑘−1) (∑(1
𝑛𝑖−1)
𝑘𝑖=1 −1
𝑁−𝑘)
( 10)
Donde 𝑁= ∑𝑛𝑖
𝑘𝑖=1 y 𝑆𝑝2= 1
𝑁−𝑘∑(𝑛𝑖−1)
𝑖𝑆𝑖2 es la es imación combinada de la a ianza.
El es adís ico de p ueba iene ap oximadamen e una dis ibución 𝑋𝑘−1
2. Así la hipó esis nula se
echaza si 𝑋2>𝑋𝑘−1,𝛼
2 (donde 𝑋𝑘−1,𝛼
2 es el alo c í ico de la cola supe io pa a la dis ibución
𝑋𝑘−1
2).
En caso de acep a se la hipó esis nula, las a iables no es án in e co eladas y debe ía
econside a se la aplicación de un Análisis Fac o ial (de la Fuen e Fe nández, 2011).
- Medidas de adecuación de la mues a.
El coe icien e de co elación pa cial mide el g ado de elación en e dos a iables, eliminando el
impac o de o as a iables. Si las a iables compa en ac o es comunes, el coe icien e de
co elación pa cial en e ellas se á bajo, ya que se eliminan los e ec os lineales de las demás
a iables. Es as co elaciones pa ciales son ap oximaciones de las co elaciones en e los
ac o es únicos, y debe ían se ce canas a ce o si el Análisis Fac o ial es ap opiado, ya que se
asume que los ac o es únicos no es án co elacionados en e sí. En esumen, si se obse an
a ios coe icien es de co elación pa cial signi ica i os, se sugie e que las hipó esis del modelo
ac o ial no son cohe en es con los da os. Una o ma de medi es a adecuación es a a és de la
Media de Adecuación de la Mues a KMO, p opues a po Kaise -Meye -Olkin:
𝐾𝑀𝑂= ∑ ∑ 𝑟𝑖𝑗2
𝐽≠𝐼𝐽≠𝐼
∑ ∑ 𝑟𝑖𝑗2
𝐽≠𝐼𝐽≠𝐼 +∑ ∑ 𝑟𝑖𝑗(𝑝)
2
𝐽≠𝐼𝐽≠𝐼 0≤ 𝐾𝑀𝑂 ≤ 1
( 11)
donde ij(p) es el coe icien e de co elación pa cial en e (Xi , Xj) eliminando la in luencia del es o
de las a iables.
El índice KMO es ú il pa a co eja las magni udes de los coe icien es de co elación pa cial. Po
lo que en e más bajo sea su alo , más al o se á el alo de los coe icien es de co elación
pa ciales ij(p) y, consecuen emen e menos adecuado es aplica un Análisis Fac o ial (de la Fuen e
Fe nández, 2011).
Kaise -Meye -Olkin pa a ealiza un Análisis Fac o ial, p oponen:
KMO ≥ 0,75 Bien
KMO ≥ 0,5 Acep able
KMO < 0, 5 Inacep able
La expe iencia p ác ica sugie e que no es adecuado usa únicamen e el índice KMO como
indicado de la adecuación de la mues a a las hipó esis del modelo de Análisis Fac o ial,
especialmen e cuando se abaja con un núme o educido de a iables.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 82
Pa a decidi si se debe elimina una a iable del análisis, es ecomendable complemen a es a
e aluación con o as uen es de in o mación, como las comunalidades de cada a iable, los
esiduos del modelo y la in e p e ación de los ac o es ob enidos.
- Ex acción de ac o es.
El p opósi o del Análisis Fac o ial (AF) es iden i ica un conjun o educido de ac o es que puedan
ep esen a las a iables o iginales. Una ez con i mado que el AF es la écnica adecuada pa a el
análisis de los da os, es necesa io elegi el mé odo más adecuado pa a ex ae los ac o es.
Exis en a ios mé odos disponibles, cada uno con sus p opias en ajas y des en ajas (de la
Fuen e Fe nández, 2011).
El modelo ac o ial en o ma ma icial: X = FA' + U, eniendo que cuan i ica la ma iz A de ca gas
ac o iales que explica X en unción de los ac o es.
Pa iendo de X =FA' + U, se deduce la llamada Iden idad Fundamen al del Análisis Fac o ial:
Rp = AA' +
( 12)
donde Rp es la ma iz de co elación poblacional de las a iables (X1, X2, ... , Xp) y = diag(i)
es la ma iz diagonal de las especi icidades.
- Mé odo de ex acción de ac o es.
Exis en di e en es mé odos pa a ob ene los ac o es comunes (de la Fuen e Fe nández, 2011):
• El mé odo de Componen es P incipales se basa en calcula las pun uaciones ac o iales
u ilizando las pun uaciones es anda izadas de las p ime as k componen es y la ma iz de
ca gas ac o iales median e las co elaciones en e las a iables o iginales y esas
componen es. La en aja de es e en oque es que siemp e o ece una solución. Sin
emba go, su des en aja es que, al no es a undamen ado en el modelo de Análisis
Fac o ial, puede gene a es imaciones sesgadas de la ma iz de ca gas ac o iales,
especialmen e cuando hay a iables con bajas comunalidades.
• Mé odo de los Ejes p incipales: Se undamen a en la Iden idad Fundamen al del
Análisis Fac o ial Rp = AA' + , sus i uyendo la ma iz de las co elaciones
poblacionales Rp po las co elaciones mues ales R, con lo que:
R
'
=
R
'
=
A A'
( 13)
Respe ando R' = R ' = A A' , el mé odo es i e a i o y consis e en al e na una es imación
de la ma iz de las especi icidades con una es imación de la ma iz de las ca gas
ac o iales A.
Se pa e de una es imación inicial de la ma iz
,
(0)
, y en el paso i-ésimo
del algo i mo se
e i ica que R(i) = A(i) A(i)' . La es imación A(i) se ob iene aplicando el
mé odo de las componen es p incipales a la ma iz
R
−
(i
−
1)
.
Pos e io men e, se calcula
(i)
a pa i de la igualdad R
(i)
=
A
(i)
A
(i)'
y se i e a has a que
los
alo es de dichas es imaciones apenas cambien.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 83
• El mé odo de Máxima Ve osimili ud se basa en el modelo x = A + u ⇔ X = FA' + U,
asumiendo la hipó esis de no malidad mul i a ian e. Aplica el mé odo de máxima
e osimili ud pa a es ima los pa áme os. Una de sus en ajas sob e los mé odos
an e io es es que las es imaciones ob enidas no dependen de la escala de medida de las
a iables. Además, dado que se basa en el p incipio de máxima e osimili ud, posee
odas las p opiedades es adís icas asociadas a es e, como la insesgadez asin ó ica,
e iciencia y no malidad, siemp e que se cumplan las hipó esis del modelo ac o ial.
También pe mi e de e mina el núme o de ac o es a a és de p uebas de hipó esis.
Es e mé odo es ú il en el Análisis Fac o ial Con i ma o io, donde se pueden o mula
hipó esis, como supone que algunas ca gas ac o iales sean nulas o que algunos
ac o es es én co elacionados, y luego ealiza p uebas es adís icas pa a comp oba si
los da os cumplen con esas es icciones. El p incipal incon enien e de es e mé odo es
que, debido a que la op imización de la unción de e osimili ud se ealiza median e
mé odos i e a i os, si las a iables o iginales no siguen una dis ibución no mal, puede
habe p oblemas de con e gencia, especialmen e en mues as pequeñas.
• Mé odo Mínimos cuad ados no ponde ados: Pa a un núme o ijo de ac o es, gene a una
ma iz de coe icien es que minimiza la suma de las di e encias al cuad ado en e las
ma ices de co elación obse ada R y ep oducida R
=
A
~
A
~'
, eliminando en las
di e encias los elemen os de la diagonal.
• Mé odo Mínimos cuad ados gene alizados: Minimiza el mismo c i e io que el de
mínimos cuad ados no ponde ados, es o es, la suma de las di e encias al cuad ado en e
las ma ices de co elación obse ada R y ep oducida R
=
A
~A
~'
ponde ando las
co elaciones in e samen e po la a ianza del ac o especí ico. Además, es e mé odo
gene alizado da pie a ealiza el con as e de hipó esis pa a de e mina el núme o de
ac o es.
• Mé odos de Fac o ización po imágenes: Consis e en aplica el mé odo de componen es
p incipales a la ma iz de co elaciones R ob enida a pa i de las pa es p edichas de las
di e sas eg esiones lineales de cada una de las a iables sob e las demás, siendo es a
pa e la imagen de la a iable.
• Mé odo Al a: Maximiza el al a de C onbach pa a los ac o es.
- De e mina el núme o de ac o es.
La ma iz ac o ial pod ía inclui más ac o es de los necesa ios pa a explica adecuadamen e la
es uc u a de los da os o iginales. Po lo gene al, un pequeño g upo de ac o es iniciales aba ca
la mayo pa e de la in o mación, mien as que los ac o es es an es apo an mucho menos.
Uno de los desa íos es decidi cuán os ac o es se deben e ene , ya que se busca aplica el
p incipio de simplicidad. Exis en a ias eglas y c i e ios pa a selecciona el núme o adecuado
de ac o es a man ene , siendo algunos de los más comunes los siguien es (de la Fuen e
Fe nández, 2011):
• De e minación “a p io i”: Es e en oque es el más con iable cuando los da os y las
a iables se han seleccionado adecuadamen e y el in es igado iene un buen
conocimien o del con ex o. Lo ideal es ealiza el Análisis Fac o ial con una idea p e ia
de cuán os ac o es exis en y cuáles son.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 84
• Regla de Kaise : Es e c i e io consis e en calcula los au o alo es de la ma iz de
co elaciones R y de e mina el núme o de ac o es en unción de cuán os de es os
au o alo es supe an la unidad. Inspi ado en el Análisis de Componen es P incipales, se
ha comp obado en simulaciones que suele subes ima el núme o de ac o es, po lo que
se ecomienda u iliza lo pa a es ablece un lími e in e io . Pa a de ini un lími e supe io ,
se aplica ía el mismo c i e io, pe o conside ando un umb al de 0,7.
• C i e io del po cen aje de a ianza: Es e en oque, inspi ado en el Análisis de
Componen es P incipales, es ablece el núme o de ac o es en unción del po cen aje
acumulado de a ianza explicada que se desea alcanza , po lo gene al, un 75% o 80%.
Su en aja es que puede aplica se ambién cuando se u iliza la ma iz de a ianzas y
co a ianzas, aunque ca ece de una jus i icación eó ica o p ác ica sólida.
• C i e io de Sedimen ación: Es e c i e io se basa en una ep esen ación g á ica en la que
los ac o es se ubican en el eje ho izon al (abscisas) y los alo es p opios en el eje e ical
(o denadas). Los ac o es con a ianzas al as suelen sepa a se cla amen e de aquellos
con a ianzas bajas. Los ac o es an es de es e pun o de cambio (o in lexión) se
conside an los más ele an es pa a conse a . Aunque ha mos ado buenos esul ados
en simulaciones, su p incipal des en aja es que depende del juicio subje i o del analis a
pa a iden i ica el pun o de in lexión.
• C i e io de di isión a la mi ad: Es e mé odo consis e en di idi alea o iamen e la mues a
en dos g upos iguales y ealiza el Análisis Fac o ial po sepa ado en cada uno de ellos.
Se conse an únicamen e aquellos ac o es que mues an una al a co espondencia en
las ca gas ac o iales en e las dos mues as. Es ecomendable, an es de aplica es e
c i e io, e i ica que no exis an di e encias signi ica i as en e las dos mues as en
elación con las a iables analizadas.
In e p e ación de los ac o es
La in e p e ación de los ac o es se basa en las co elaciones es imadas de los mismos con las
a iables o iginales. El modelo de Análisis Fac o ial es cie o, si se e i ica:
Co e(Xi , Fl) = Co (Xi , Fl) = aij Co (Fj , Fl)
i
=
1,
L
, p; l
=
1,
L
, k
( 14)
Y, en pa icula , si los ac o es son o ogonales:
Co e(Xi , Fl) = ail
i
=
1,
L
, p; l
=
1,
L
, k
( 15)
Pa a la in e p e ación hay que basa se en la ma iz de ca gas ac o iales (A), que juega un papel
esencial. En o o o den, las ca gas ac o iales al cuad ado (aij 2) indican si los ac o es son
o ogonales, qué po cen aje de la a iable o iginal (Xi) es explicado po el ac o Fl. En la p ác ica,
pa a in e p e a los ac o es, es necesa io iden i ica las a iables que p esen an las
co elaciones más al as (en alo absolu o) con cada ac o . Luego, se asigna un nomb e a cada
ac o , basándose en la es uc u a de las co elaciones. Si la elación en e el ac o y una a iable
es posi i a, se conside a que la elación es di ec a; si es nega i a, se in e p e a como in e sa.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 85
Al analiza las a iables con las que un ac o iene una elación ue e, en muchos casos se puede
ob ene una idea más o menos cla a de su signi icado. La ep esen ación g á ica de los esul ados
ob enidos es ú il pa a in e p e a los ac o es. Es a ep esen ación se ealiza compa ando los
ac o es de dos en dos, donde cada ac o ac úa como un eje de coo denadas, denominado eje
ac o ial. Las a iables o iginales se p oyec an sob e es os ejes, y sus coo denadas co esponden
a los coe icien es de co elación en e la a iable y el ac o . De es a o ma, las a iables que
ienen al as co elaciones con un mismo ac o se ag upan, lo que puede ayuda a iden i ica la
es uc u a la en e de ese ac o . También es ú il o dena la ma iz ac o ial de mane a que las
a iables con al as ca gas pa a el mismo ac o es én jun as, y elimina las ca gas bajas, lo que
sup ime in o mación edundan e y acili a la in e p e ación
- Ro ación de ac o es.
La ma iz de ca gas ac o iales es undamen al pa a in e p e a el signi icado de los ac o es.
Cuando los ac o es son o ogonales, es a ma iz mide el g ado y ipo de elación en e los
ac o es y las a iables o iginales. Sin emba go, en la p ác ica, los mé odos de ex acción de
ac o es a eces no p oducen ma ices de ca gas ac o iales que sean ácilmen e in e p e ables.
Pa a soluciona es e p oblema, se emplean los p ocedimien os de o ación de ac o es, que
ajus an la solución inicial pa a ob ene una ma iz de ca gas ac o iales que acili e su
in e p e ación. Es os mé odos in en an ace ca se al P incipio de Es uc u a Simple (Louis Leon
Thu s one, 1935), que es ablece que la ma iz de ca gas ac o iales debe cumpli es
ca ac e ís icas:
1. Cada ac o debe ene unos pocos pesos al os y los demás p óximos a ce o.
2. Cada a iable no debe es a sa u ada más que en un ac o .
3. No deben exis i ac o es con la misma dis ibución, es o es, dos ac o es dis in os
deben p esen a dis ibuciones di e en es de ca gas al as y bajas.
De es e modo, dado que hay más a iables que ac o es comunes, cada ac o es a á
ue emen e co elacionado con un g upo de a iables, mien as que end á una co elación
débil con las demás.
Al analiza las ca ac e ís icas de las a iables den o de un g upo elacionado con un ac o
especí ico, se pueden iden i ica pa ones comunes que ayuden a in e p e a y nomb a ese
ac o de acue do con esos asgos. Si es os pa ones se log an iden i ica con cla idad, no solo se
educe la complejidad del p oblema, sino que ambién se e ela la na u aleza de las elaciones
en e las a iables o iginales.
La Ro ación de Fac o es puede ealiza se de dos mane as p incipales: o ación o ogonal y
o ación oblicua. La elección de uno u o o mé odo depende de si los ac o es o ados deben
man ene se o ogonales o no. En ambos casos, la comunalidad de cada a iable pe manece
igual, es deci , la o ación no a ec a la calidad del ajus e de la solución ac o ial: aunque la ma iz
ac o ial cambie, las especi icidades de las a iables no lo hacen, po lo que las comunalidades
siguen siendo cons an es. Sin emba go, lo que sí cambia es la a ianza explicada po cada ac o ,
lo que implica que los nue os ac o es no es a án o denados según la can idad de in o mación
que con ienen, medida po su a ianza.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 86
- Ro ación o ogonal: Los ejes se ajus an de mane a que se man iene la al a de co elación
en e los ac o es. Es deci , los nue os ejes (ejes o ados) pe manecen pe pendicula es, al
igual que los ac o es o iginales an es de la o ación. El p oceso de o ación abo da el
p oblema de la al a de iden i icabilidad de los ac o es ob enidos median e o aciones
o ogonales, de o ma que si T es una ma iz o ogonal con TT' = T' T = I , en onces:
X =FA' +U=FTT'A' +U= GB' +U
( 16)
La ma iz G, desde un pun o de is a geomé ico, es una o ación de la ma iz F, man eniendo
las mismas hipó esis que es a úl ima. En ealidad, lo que se hace es un gi o de los ejes, lo
que p o oca un cambio en las ca gas ac o iales y en los ac o es. La me a es ob ene una
ma iz T al que la nue a ma iz de ca gas ac o iales B enga la mayo pa e de sus alo es
ce canos a ce o o nulos, y algunos pocos alo es ce canos a uno, siguiendo el p incipio de
es uc u a simple.
Los mé odos más comunes en la o ación o ogonal de ac o es son Va imax, Qua imax y
Equamax. En el caso de Va imax, la o ación iene como obje i o disminui la can idad de
a iables con al as ca gas en un solo ac o , acili ando así su in e p e ación. Es e en oque se
cen a en inc emen a la a ianza de las ca gas ac o iales al cuad ado pa a cada ac o , lo
que hace que algunas ca gas se ap oximen a 1 y o as a 0, lo que a su ez es ablece una
elación más cla a en e cada a iable y su ac o co espondien e. Los nue os ejes se
de inen maximizando la suma de las a ianzas de las ca gas ac o iales al cuad ado den o
de cada ac o pa a los ac o es que se man ienen.
Pa a e i a que las a iables con mayo es comunalidades in luyan excesi amen e en la
solución, se aplica la no malización de Kaise , que consis e en di idi cada ca ga ac o ial al
cuad ado en e la comunalidad de la a iable co espondien e. El mé odo Qua imax, po
o o lado, iene como obje i o que cada a iable es é ue emen e asociada con un pequeño
núme o de ac o es. Pa a consegui es o, maximiza la a ianza de las ca gas ac o iales al
cuad ado de cada a iable en los ac o es, de mane a que cada a iable se elacione de
mane a más cla a con un ac o y enga ca gas bajas en los demás ac o es. Es e en oque
acili a la in e p e ación, ya que la comunalidad o al de cada a iable pe manece cons an e,
pe mi iendo iden i ica de o ma más p ecisa el ac o p incipal. Es e mé odo es
especialmen e ú il cuando se calculan a ios ac o es. Finalmen e, el mé odo Equamax a a
de op imiza la media de los c i e ios de los dos mé odos an e io es, combinando sus
ca ac e ís icas pa a log a esul ados simila es.
- Ro ación oblicua: En es e ipo de o ación, la ma iz T u ilizada no necesa iamen e debe se
o ogonal (es deci , no se equie e que, al mul iplica la ma iz po su anspues a, se ob enga
la ma iz iden idad TT' = I), sino que debe se simplemen e no singula (una ma iz cuad ada
cuyo de e minan e no es ce o).
De es a o ma, los ac o es o ados pueden es a co elacionados en e sí, ya que no es
necesa io que sean o ogonales. La o ación oblicua es adecuada cuando se p e é que los
ac o es en la población es án ue emen e co elacionados. Es impo an e ene p ecaución
al in e p e a las o aciones oblicuas, ya que la supe posición de ac o es puede di icul a la
comp ensión cla a de su signi icado.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 87
- In e p e ación de los ac o es. Cálculo de pun uaciones ac o iales.
Una ez de e minados los ac o es o ados, se calcula la ma iz de pun uaciones ac o iales
F. Es as pun uaciones son ú iles pa a iden i ica qué elemen os son inusuales o ex emos,
pa a ubica cie os g upos o subg upos den o de la mues a, pa a e qué a iables se
des acan en un ac o y cuáles no, o pa a in e p e a las azones po las que su gie on esos
ac o es en el análisis ac o ial. Es esencial conoce los alo es de los ac o es pa a cada
obse ación, ya que el Análisis Fac o ial puede se una e apa p e ia a o os p ocedimien os,
como la Reg esión Múl iple o el Análisis de Clús e , en los que los ac o es ob enidos
eemplazan a las a iables o iginales. Exis en a ios mé odos pa a es ima la ma iz F y
calcula las pun uaciones ac o iales. Los ac o es es imados deben cumpli cie as
p opiedades deseables: deben ene una al a co elación con el ac o eal, no deben
co elaciona se en e sí, deben se o ogonales si se suponen o ogonales, y deben se
es imado es insesgados de los ac o es e dade os. La es imación es un p oceso complejo
debido a la na u aleza de los ac o es comunes, y en la mayo ía de los casos no hab á una
solución exac a, ni se á única. Todos los mé odos pa a ob ene pun uaciones ac o iales
pa en de es a exp esión:
X =FA'+U, con EU= 0, Va U=
( 17)
buscando es ima el alo de F. Los mé odos de es imación más u ilizados son:
- Mé odo de Reg esión: Es ima F po el mé odo de los mínimos cuad ados:
F
ˆ = (A'A)
−
1
A'X
( 18)
- Mé odo de Ba le : U iliza el mé odo de los mínimos cuad ados gene alizados es imando
las pun uaciones ac o iales median e:
F
ˆ = (A'
−
1
A)
−
1
A'
−
1
X
( 19)
- Mé odo de Ande son-Rubin: Es ima F median e el mé odo de los mínimos cuad ados
gene alizados, imponiendo la condición F'F = I
F
ˆ = (A'
−
1
R
−
1
A)
−
1
A'
−
1
X
( 20)
- Validación del modelo.
El paso inal en el Análisis Fac o ial consis e en e alua la alidez del modelo. Es e p oceso
debe abo da se desde dos en oques: examinando la calidad del ajus e y la aplicabilidad
gene al de los esul ados.
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 88
- Bondad de Ajus e. Una p emisa cla e en el Análisis Fac o ial es que las co elaciones
obse adas en e las a iables pueden se explicadas po ac o es comunes. En
consecuencia, las co elaciones en e las a iables debe ían se de i adas o eplicadas a
pa i de las co elaciones es imadas en e las a iables y los ac o es. Pa a e alua qué an
bien se ajus a el modelo, se pueden compa a las di e encias ( esiduos) en e las
co elaciones obse adas (de la ma iz de co elación o iginal) y las co elaciones es imadas
(p o enien es de la ma iz ac o ial). Se conside a que el modelo ac o ial es adecuado
cuando los esiduos son pequeños.
Si un al o po cen aje de los esiduos supe a un umb al p e iamen e es ablecido (po
ejemplo, 0,05), es o indica que el modelo ac o ial ob enido no se ajus a adecuadamen e a
los da os. Además, se ha comp obado que los esul ados son más es ables cuando el núme o
de casos po a iable es ele ado.
- Gene alidad de los esul ados. Es ecomendable e i ica los esul ados del análisis ac o ial
inicial ealizando nue os análisis sob e di e en es mues as omadas de la población de
es udio o, si no es posible, sob e sub-mues as de la mues a o iginal. En cada caso, se debe
examina qué ac o es iden i icados en el análisis inicial se con i man en los análisis
subsecuen es. O a opción es ealiza nue os análisis ac o iales modi icando las a iables
conside adas, eliminando aquellas que no es án elacionadas con ningún ac o o aquellas
con elaciones más ue es, con el in de obse a cómo se compo an las demás a iables
sin su in luencia. Un en oque adicional pa a complemen a y p o undiza la in e p e ación
de los esul ados es ealiza nue os análisis ac o iales, no con oda la mues a, sino
en ocándose en subg upos o ca ego ías den o de la mues a, que pueden se de inidas po
las a iables o iginales (de la Fuen e Fe nández, 2011).
3.2.5 Análisis Clús e
El análisis clus e o de conglome ados, desempeña un papel c ucial en la in es igación cien í ica.
Se a a de un conjun o de écnicas mul i a ian es empleadas pa a ag upa a un conjun o de
indi iduos o a iables en g upos homogéneos, buscando que es os g upos sean lo más di e en es
posible en e sí. El obje i o p incipal es gene a clasi icaciones (clus e ings o clus e s) a a és de
un análisis explo a o io. En es e con ex o, se plan ea el desa ío de clasi ica un conjun o de N
indi iduos, cada uno ca ac e izado po in o mación de n a iables Xj (donde j = 1, 2,..., n), de al
o ma que los miemb os de un mismo g upo (clus e ) sean lo más semejan es en e sí, mien as
que los di e en es g upos sean lo más dis in os posibles.
El análisis clus e iene como obje i o iden i ica un conjun o de g upos a los que se asigna án
los di e en es indi iduos según algún c i e io de homogeneidad. Pa a ello, es undamen al de ini
una medida de simili ud o, en su caso, de di e gencia, que pe mi a clasi ica a los indi iduos en
los g upos co espondien es. Es impo an e conside a si la ag upación se inicia á a pa i de
g upos p e iamen e de inidos o si, po el con a io, cada elemen o se a a á como un g upo
independien e al p incipio, pa a luego i ag upándolos g adualmen e has a llega a los g upos
inales. Además, debe ene se en cuen a la posibilidad de ealiza easignaciones du an e el
p oceso, y se deben es ablece los c i e ios pa a sabe cuándo de ene la ag upación y cómo
lle a la a cabo.
El análisis se basa en un algo i mo de clasi icación que pe mi i á ob ene una o a ias pa iciones,
siguiendo los c i e ios p e iamen e es ablecidos. La es uc u a del análisis clus e se mues a en
el siguien e esquema ( igu a 41) (de la Fuen e C espo, n.d.; Leja za, 2018):
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 89
- Elección de la medida de asociación en e indi iduos.
A aíz de la selección de las a iables a analiza , cada indi iduo en el es udio es a á ep esen ado
po los alo es de esas a iables co espondien es a cada caso. Es e es el pun o de inicio pa a la
clasi icación. Pa a lle a a cabo una clasi icación adecuada, es necesa io de e mina cuán
simila es o di e en es (en é minos de di e gencia) son los indi iduos en e sí, e aluando cómo
a ían sus ep esen aciones en el espacio de las a iables. Exis en a ios índices pa a medi la
simili ud o disimili ud en e los indi iduos, cada uno con di e en es ca ac e ís icas y aplicaciones.
La mayo ía de es os índices se basan en dos en oques p incipales: algunos u ilizan dis ancias
( a ando a los indi iduos como ec o es en el espacio de las a iables, donde una g an dis ancia
indica una al a disimili ud), o os emplean coe icien es de co elación, o incluso se basan en
ablas de da os que indican la p esencia o ausencia de de e minados a ibu os en los indi iduos.
- C i e ios de disimila idad
La dis ancia o disimili ud en e dos indi iduos i y j se e ie e a una medida, deno ada como d(i,j),
que e alúa el ni el de semejanza en e los indi iduos en unción de di e sas ca ac e ís icas, an o
cuan i a i as como cuali a i as. El alo de d(i,j) siemp e se á un núme o no nega i o, y a medida
que es e alo aumen e, mayo se á la di e encia en e los indi iduos i y j. Y hay una se ie de
p opiedades que, al menos, ienen que cumpli odas las dis ancias. Son las siguien es:
d(i,j) > 0 (no nega i idad)
d(i,i) = 0
d(i,j) = d(j,i) (sime ía)
Pa i de un conjun o de N indi iduos de los que se dispone de una in o mación ci ada po
un conjun o de n a iables (una ma iz de da os de N indi iduos × n a iables)
Es ablece un c i e io de simila idad pa a pode de e mina una ma iz de
simila idades que nos pe mi a elaciona la semejanza de los indi iduos en e sí
(ma iz de N indi iduos x N indi iduos).
Escoge un algo i mo de clasi icación pa a de e mina la es uc u a de ag upación de los
indi iduos
Especi ica la es uc u a median e diag amas a bó eos o dendog amas u o os g á icos
Figu a 41. Esquema de análisis clus e .
Capí ulo 3. Fundamen os Teó icos
Raúl Núñez Rome o - 96
- Mé odos no je á quicos
La clasi icación de odos los casos de una abla de da os en g upos dis in os es lo que de ine el análisis
de clus e s no je á quicos. Es e é mino hace e e encia a la ausencia de una es uc u a je á quica
en e los g upos o mados, es deci , no hay una elación de dependencia en e ellos y no se p esen an
en ni eles je á quicos. En es e ipo de análisis, el in es igado debe de e mina de an emano el
núme o de clus e s en los que desea di idi los da os. Dado que no siemp e se conoce de an emano
cuán os g upos debe ían exis i , es necesa io epe i la p ueba con di e en es can idades de clus e s
pa a iden i ica la clasi icación que mejo se ajus e al obje i o del es udio o que sea más ácil de
in e p e a . Los mé odos no je á quicos, ambién llamados mé odos pa i i os u op imización, se
en ocan en hace una sola pa ición de los indi iduos en un núme o de e minado de g upos, lo que
equie e especi ica p e iamen e cuán os g upos deben se o mados. Es a es una di e encia cla e con
los mé odos je á quicos. La asignación de los indi iduos a los g upos se ealiza a a és de un p oceso
que busca op imiza el c i e io de selección. O a di e encia impo an e es que los mé odos no
je á quicos abajan di ec amen e con la ma iz de da os o iginales, sin necesidad de con e i la en
una ma iz de p oximidad. Un p incipio in ui i o en es e ipo de clasi icación es que la mejo
dis ibución se á aquella en la que la dispe sión den o de cada g upo sea mínima. Es e p incipio se
conoce como c i e io de a ianza, y se busca selecciona la pa ición en la que la suma de las a ianzas
den o de cada g upo ( a ianza esidual) sea lo más pequeña posible.
En es e ipo de análisis de clus e es común el uso del algo i mo de k-medias. Es e comienza con
asignaciones iniciales de medias de mane a a bi a ia y, median e i e aciones sucesi as, e alúa cómo
a ec a la asignación de los casos a cada g upo en la a ianza esidual. El alo mínimo de la a ianza
de ine una nue a con igu ación de g upos y sus co espondien es medias. Luego, odos los casos se
asignan de nue o a es os cen oides, y el p oceso se epi e has a que no sea posible hace más
ans e encias que eduzcan la a ianza esidual. También puede de ene se si se alcanza o o c i e io
de pa ada, como un núme o p ede inido de i e aciones o si la di e encia en e los cen oides de dos
i e aciones consecu i as es meno que un alo es ablecido. Es e p oceso o ganiza los g upos
maximizando la dis ancia en e sus cen os de g a edad. Como la a ianza o al se man iene
cons an e, minimiza la a ianza esidual implica maximiza la a ianza en e los g upos. Es o, a su ez,
equi ale a minimiza la suma de las dis ancias al cuad ado desde cada caso has a la media del g upo
al que se le asigna, lo que se calcula u ilizando la dis ancia euclidiana al cuad ado. Los casos se e alúan
de o ma secuencial, lo que puede hace que el cálculo se ea a ec ado po el o den en que se
p esen an en la abla. Sin emba go, es e algo i mo iende a p oduci los mejo es esul ados. O as
a ian es del mismo mé odo suelen gene a clasi icaciones muy simila es. Al igual que o os mé odos
de clasi icación no je á quica, p opo ciona una única solución inal pa a el núme o de clus e s
seleccionados, y gene almen e equie e menos i e aciones si las medias iniciales es án ce canas a las
medias inales. Los p og amas es adís icos suelen elegi es os alo es iniciales basándose en los pun os
más dis an es de la nube de da os, según la can idad de g upos que se deseen o ma . Los mé odos
no je á quicos son ideales pa a maneja g andes conjun os de da os y son ú iles pa a iden i ica casos
a ípicos. Si se selecciona un núme o mayo de g upos del necesa io, los clus e s con pocos indi iduos
pueden iden i ica casos ex emos que pod ían a ec a la es uc u a de los g upos. En es os casos, es
ecomendable ealiza el análisis inal sin esos casos a ípicos y asigna los pos e io men e al g upo
co espondien e, que ya se hab á o mado sin su in luencia. Un desa ío impo an e al ealiza la
clasi icación es de e mina cuán os clus e s deben usa se. Po ello, es ecomendable p oba di e en es
opciones, y la elección del núme o adecuado debe basa se an o en c i e ios ma emá icos como
in e p e a i os (de la Fuen e C espo, n.d.; Leja za, 2018).
Capí ulo 4. Me odología
Raúl Núñez Rome o - 97
Capí ulo 4. Me odología
Con el capí ulo de me odología se plani ica el desa ollo expe imen al de la in es igación. Aquí
se p opo ciona una guía de allada sob e cómo se lle a a cabo la in es igación. Con la exposición
me odológica se busca da alidez y obus ez a los esul ados del es udio. Los di e en es pun os
dan el en oque de la in es igación y mues an el diseño seguido pa a la ob ención de da os. Así
mismo, se desc ibe el o igen de los da os y quienes y de qué o ma son la uen e de da os. En la
ecolección de da os se usan di e en es he amien as ajus adas a cada p oceso, y con una
adecuada elección. Hay una co elación de p ocedimien os p opios de cada he amien a
me odológica adap ada al caso de es udio. En odo el desa ollo de la me odología se es ablecen
las opo unas conside aciones é icas, donde se iene en cuen a el consen imien o in o mado y
la con idencialidad de que aquellas pe sonas que han pa icipado en la ob ención de da os.
En el apa ado de oculome ía el obje i o es ealiza el expe imen o a un g upo de usua ios,
consis en e en mos a secuencialmen e imágenes de on ales de ehículos en una pan alla de
o denado mien as una cáma a de seguimien o ocula a egis ando los pa áme os de la
mi ada. Lo que se espe a encon a es conoce que á eas o pa es del ehículo son de in e és
pa a los usua ios.
En la ase de Análisis Conjun o el obje i o ambién se ecu e a la pa icipación de un g upo de
usua ios pa a que e alúen unas a je as que ienen imp esas la imagen de un ehículo, y las
o denen je á quicamen e desde el que iene más apa iencia de ehículo eléc ico al que menos.
Las imágenes an a combina las p opiedades y sus a ian es que se descub an con el
expe imen o de oculome ía, y el esul ado espe ado es encon a que combinación de
p opiedades es la que o o ga a un ehículo la iden idad de eléc ico.
En la úl ima ase de la me odología se aplica Ingenie ía Kansei. Con la pe spec i a del diseño
emocional y a ec i o, se ecopilan é minos Kansei en la li e a u a cien í ica pa a los ehículos
eléc icos, y po o a pa e se seleccionan las p opiedades e eladas en oculome ía y Análisis
Conjun o, buscando la co elación de las p opiedades que e ocan los kansei elegidos.
4.1 E aluación de p opiedades de diseño de coches eléc icos y de combus ión
basada en seguimien o ocula (Eye acking)
Uno de los obje i os (O2) de es e abajo es busca y de e mina qué zonas de una imagen (en
es e caso imágenes de on ales de ehículos) son más in luyen es en la pe cepción de es e como
eléc ico o de combus ión, segmen ando las á eas más impo an es de un ehículo y las
pe cepciones de los usua ios sob e el mismo en unción de a iables sociodemog á icas.
Pa a alcanza es a me a se ealiza una p opues a me odológica p opia, apoyada en abajos
académicos analizados. La me odología seguida pa a la ealización de es e expe imen o de
oculome ía (Eye acking) se encuen a de allada a a és de los siguien es apa ados. En la
igu a 44 se mues a el diag ama de lujo comple o de la me odología p opues a.
Capí ulo 4. Me odología
Raúl Núñez Rome o - 98
Figu a 44. Diag ama de lujo oculome ía.
4.1.1 De ini a ibu os y ni eles
Se comienza po de ini los a ibu os y ni eles del p oduc o p opues o. El a ibu o se á el
pa áme o de diseño o a iable de diseño obje o de es udio y el ni el ep esen a los dis in os
alo es, opciones o al e na i as que puede ene el a ibu o.
Pa a ep esen a g á icamen e los a ibu os y los ni eles p opues os se u iliza á la écnica de
c ea i idad de cuad o mo ológico, ya que pe mi e analiza los a ibu os del p oduc o sus
a ian es y sus posibles combinaciones de mane a g á ica.
Capí ulo 4. Me odología
Raúl Núñez Rome o - 99
4.1.2 De ini a ibu os y ni eles del obje o de diseño
El espacio mues al ep esen a odas las combinaciones conc e as de ni eles de a ibu o que
de inen a cada uno de los p oduc os obje o de análisis.
Un a ibu o puede se impo an e pa a un p oduc o y no con ibui a di e encia se de sus
compe ido es, po lo que la elección de los a ibu os se ealiza en base a su elación y posible
in luencia con la es é ica y pe cepción del p oduc o. La p opues a de a ibu os cla e se ha
ealizado en base a los ex os de e e encia y a los obje i os del p opio análisis. La de inición de
los ni eles de a ibu o se ha ealizado en base a un es udio de me cado de los p oduc os ac uales
o e ados po las emp esas.
Si el espacio mues al ob enido en el paso an e io esul a demasiado g ande (hecho bas an e
p obable), esul a inabo dable pa a su a amien o en una encues a. En el caso de que haya
sob eca ga de in o mación debido a un ele ado núme o de combinaciones exis en algunos
p ocedimien os que pe mi en disminui el núme o de combinaciones que se p esen a án al
encues ado. En es e caso se p opone la inco po ación de Diseños Fac o iales F accionados
O ogonales que son u ilizados pa a educi el núme o de combinaciones o pe iles p esen ados
a los usua ios.
P esen a un espacio mues al muy ex enso puede se ago ado pa a los suje os. Es en es e
sen ido se aplican los Diseños Fac o iales F accionados que, eniendo un núme o de
combinaciones más limi ado, p esen an la misma o semejan e e icacia. Po ello se p opone
(median e diseño o ogonal) la educción del espacio mues al. En la igu a 45 se mues a el
p oceso de diseño de un expe imen o o ogonal.
Figu a 45. Imagen adap ada de J. Zhou e al. (Zhou e al. 2012).
4.1.3 Rep esen a el espacio mues al
El espacio mues al de ehículos se ealiza median e ep esen ación g á ica u ilizando imágenes
de ehículos eales que se ajus en a las combinaciones de ni eles de a ibu os ob enidas en la
ase an e io . En es as ep esen aciones g á icas se ajus a el con ex o pa a elimina el ondo de
la imagen, logo ipos y dis in i os de ma ca, da os de ma ícula y colo del ehículo, ya que son
elemen os ajenos al es udio que pueden ene in luencia en la pe cepción y opinión de los
encues ados, dis o sionando así el obje i o del expe imen o.
De e mina los
ac o es que a ec an
los esul ados
expe imen ales y el
ni el ap opiado.
Tabulación
au omá ica
Gene ación
au omá ica de
esquema de
expe imen o
o ogonal
In oduci los
ac o es y los ni eles
adecuados
Ing esa los
esul ados
expe imen ales a la
abla o ogonal.
P ocesamien o de
da os y análisis de
esul ados.
Capí ulo 4. Me odología
Raúl Núñez Rome o - 100
4.1.4 De ini AOIs
Pa a cada es imulo ( ep esen ación g á ica ehículo) a analiza se deben di e encia las á eas de
in e és (AOIs). Las AOIs se u ilizan pa a di idi las imágenes y pode ob ene da os especí icos de
zonas o á eas de la ep esen ación g á ica que ayuden a mejo a los esul ados apo ando un
mayo ni el de de alle. Dichas á eas deben se delimi adas cla amen e en cada una de las
imágenes.
4.1.5 Realización de expe imen os
Se selecciona un g upo de pe sonas del ámbi o de la ingenie ía del diseño indus ial y se les
o ece pa icipa indi idualmen e en una mues a sucesi a de los es ímulos (imágenes de
ehículos) en una pan alla de o denado , mien as un equipo de Eye acking escanea y analiza la
a ención del pa icipan e sob e las imágenes. Al comienzo del expe imen o los in es igado es
explican el p ocedimien o de la p ueba, así como los obje i os del es udio p e ia a la ealización
del expe imen o. Del mismo modo se solici a á po esc i o su consen imien o y se in o ma á de
que los da os ecopilados son anónimos y solamen e se án usados pa a es e es udio y que en
cualquie momen o pod án abandona la p ueba.
4.2 Iden idad de p oduc o de coches eléc icos y de combus ión basada en Análisis
Conjun o.
O o de los obje i os (O2) de es e abajo es es udia la iden idad de los coches eléc icos y de
combus ión. Pa a el análisis de la iden idad se ha elegido el Análisis Conjun o ya que es una de
las écnicas de análisis más u ilizadas pa a conoce las p e e encias de los usua ios al y como se
ha de inido en el análisis de an eceden es (2.7). El obje i o de aplica Análisis Conjun o es
conoce los a ibu os es é ico- o males que mejo de inen a un coche eléc ico y,
simul áneamen e, conoce los a ibu os que mejo de inen a un coche de combus ión.
El Análisis Conjun o es una écnica mul i-a ibu o cen ada en analiza las elecciones de los
usua ios pa a consegui explica la mane a en la que es os es ablecen su sis ema de p e e encias
an e un p oduc o. La p e e encia de un usua io sob e un p oduc o se debe al e ec o conjun o de
unos a ibu os de inidos median e sus ni eles de a ibu o que cons i uyen al p oduc o (Wilkie &
Pessemie , 1973). Es po ello que la me a del Análisis Conjun o es ob ene el alo cuan i a i o,
denominado u ilidad, asociado a cada ni el de a ibu o del p oduc o analizado.
Pa a pode explica las p e e encias de un usua io sob e un p oduc o el Análisis Conjun o se basa
en la es a egia de descomposición. Es a es a egia, a ni el p ác ico, signi ica que los usua ios
deben o dena o pun ua una se ie de p oduc os y a pa i de ahí ob ene un alo cuan i a i o
de la impo ancia indi idual de cada a ibu o y la u ilidad asociada a cada ni el de a ibu o
(Fe ei a, 2011).
Según es udios p e ios se de inen ocho e apas pa a la aplicación de Análisis Conjun o de es e
es udio (Chu chill & Iacobucci, 2002; Fe ei a, 2011; G een & S ini asan, 1978; Numon e al.,
2019). Las e apas de inidas son:
1. De ini el obje i o.
2. Selecciona los a ibu os y los ni eles de a ibu o.
3. Selecciona la me odología conjun a.
4. Especi ica las combinaciones de ca ac e ís icas y aplica un diseño ac o ial o ogonal.
5. Selección del mé odo de cues iona io.
6. Recolección de da os.
7. Es ima la impo ancia de los a ibu os y las u ilidades de los ni eles de a ibu o.
8. E alua la alidez.
Capí ulo 4. Me odología
Raúl Núñez Rome o - 101
En base a las e apas de inidas po los es udios p e ios, en es e caso se es ablece á una
me odología condensada en cua o ases como se ilus a en la igu a 46. En la p ime a ase se
ealiza á un análisis de an eceden es pa a de ini el mé odo y écnicas con las que consegui los
obje i os. En la segunda ase se ealiza á un cues iona io pa a ob ene in o mación del usua io.
La siguien e ase se á aplica el mé odo de Análisis Conjun o pa a el análisis de p e e encias de
los usua ios sob e coches eléc icos. Po úl imo, se ealiza á un es isual pa a analiza la
capacidad de los usua ios de econoce un coche eléc ico:
Análisis de écnicas de explo ación de me cados
y mé odos de diseño y desa ollo de p oduc os
• Análisis de an eceden es
Análisis de da os sociodemog á icos de usua ios
y elación en e usua ios y coches eléc icos
• Cues iona io pa a encues a
Explo ación sob e la ac i ud de p e e encia de los
usua ios hacia los coches eléc icos y de
combus ión
• Análisis Conjun o
Capacidad del usua io pa a econoce coches
eléc icos y de combus ión
• Tes isual
Figu a 46. Me odología p opues a.
4.2.1 Análisis de an eceden es
En la p ime a ase median e una Besseme e isión bibliog á ica sob e el ema en cues ión, se
busca conoce como p e iamen e o os in es igado es emplean me odologías y écnicas. Y
aquellas que es én su icien emen e con as adas se selecciona an pa a eplica las en es e
abajo.
4.2.2 Tes de usua io
Implica hace un cues iona io ipo es a los pa icipan es en el expe imen o p e io al Análisis
Conjun o pa a ex ae una se ie de a iables sociodemog á icas que si an pa a segmen a los
usua ios y co elaciona da os ob enidos del Análisis Conjun o.
4.2.3 Análisis Conjun o
Pa a iden i ica si un ehículo es eléc ico o de combus ión median e Análisis Conjun o, se
de inen a ibu os, median e selección de ca ac e ís icas del ehículo que puedan ayuda a
dis ingui en e ehículos eléc icos y de combus ión. A con inuación, se c ean pe iles de
ehículos, gene ando combinaciones de es os a ibu os pa a o ma di e en es pe iles de
ehículos. T as la c eación de pe iles se pide a los encues ados que e alúen je á quicamen e lo
pe iles y que los clasi iquen como eléc icos o de combus ión. T as la espues a de cada usua io
se ecopilan los da os de sus espues as y selecciones. Po úl imo, se analizan de da os u ilizando
écnicas es adís icas pa a analiza cómo cada a ibu o in luye en la capacidad de los usua ios
Capí ulo 4. Me odología
Raúl Núñez Rome o - 102
F on al del ehículo eléc ico pa a do a lo
de iden idad p opia
Kanseis ob enidos de a ículos sob e
ehículo eléc ico, y educidos po análisis
de a inidad
P opiedades del on al de ehículo:
Pa illa (6 ni eles) y a o (5 ni eles)
QT1
Combinación de p opiedades y ni eles que
esponden a los eque imien os
Figu a 47. Esquema me odología Ingenie ía Kansei aplicada.
pa a iden i ica el ipo de ehículo. En la aplicación de esul ados se puede de e mina qué
a ibu os son más impo an es pa a que los usua ios dis ingan en e ehículos eléc icos y de
combus ión.
4.2.4 Tes isual
Pa a cada pe il gene ado pa a la e aluación de Análisis Conjun o, se solici a a cada usua io si
desde su pun o de is a conside a que el ehículo que isualiza en la imagen lo conside a que si
es eléc ico o de combus ión. De o ma que se ob ienen da os de la a iable “capacidad de
ace a o e a ” en la iden i icación de un ehículo eléc ico.
4.3 Aplicación Ingenie ía Kansei pa a diseño de ehículo eléc ico
A pa i de los da os ex aídos en los abajos p e ios con la écnica de Eye acking y Análisis
Conjun o se ealiza á una p opues a de diseño es é ico o mal del ehículo eléc ico median e la
me odología de Ingenie ía Kansei.
Como ya se plan eó en los obje i os (O1 y O2) y la jus i icación de es a esis, uno de los ac o es
pa a que los usua ios acep en y se decan en po los ehículos eléc icos es que les esul en
a ac i os a los consumido es, que despie en sen imien o de a ec o y emoción, y que ello
desencadene una in ención posi i a hacia ipo de ehículos, y los usua ios quie an que o men
pa e de su es ilo de ida. Una o ma de log a es a ape encia po el ehículo eléc ico es su
aspec o es é ico, su apa iencia, su o ma. En de ini i a, la iden idad de p oduc o de inida po la
dimensión es é ico y o mal desencadenada po los es ímulos isuales.
La Ingenie ía Kansei p o ee un ma co me odológico pa a es ablece elaciones en e las
emociones espe adas del usua io y las p opiedades y ca ego ías que de inen el p oduc o. Con la
aplicación me odológica, se busca ob ene el conjun o de a ibu os y ni eles de a ibu o que
sa is agan los kanseis buscados. En la siguien e igu a (47) se p esen a un esquema adap ado a
la aplicación de Ingenie ía Kansei pa a el caso del ehículo eléc ico:
Selección del Dominio
Espacio Semán ico
Espacio de P opiedades
Sín esis
Resul ado
Capí ulo 4. Me odología
Raúl Núñez Rome o - 103
En la Ingenie ía Kansei con luyen los esul ados de Eye acking y Análisis Conjun o, y después de
analiza la co elación en e lo é minos kansei asociados al ehículo eléc ico y las p opiedades,
el esul ado espe ado es ob ene undamen os sólidos pa a co obo a el conjun o de
p opiedades del on al del ehículo que con ibuyan a de ini la iden idad p opia como
eléc ico.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 104
Capí ulo 5. E aluación de p opiedades de diseño basada en
seguimien o ocula (Eye acking)
En es e capí ulo se desa olla el expe imen o de Eye acking, que sus en a uno de los pila es de
es a in es igación. Median e es a écnica se busca e ela p opiedades del on al de los
ehículos des acadas pa a los usua ios. Además, pa a ob ene in o mación ampliada, se
acompaña el Eye acking con un Tes de usua io y o o Tes isual de iden i icación del ipo de
ehículo.
5.1 Diseño del expe imen o
Al comienzo del expe imen o los in es igado es explican el p ocedimien o de la p ueba, así como
los obje i os del es udio a los usua ios pa icipan es.
Du an e el expe imen o se han ealizado es omas de da os de los pa icipan es y po lo an o
se ob end án es ipos de esul ados. Además del análisis p opio de da os de Eye acking, se
ealiza án análisis de da os pa a es udia posibles elaciones con los o os dos es (Tes de
usua io y Tes isual).
5.1.1 Eye acking
Se ealiza un análisis pa a decidi qué p opiedades (á eas del ehículo) an a se obje o de
es udio, eniendo en cuen a que el análisis se basa en la is a on al del ehículo. Pa a cada una
de las cuales se decidi á el conjun o de dis in os ni eles a conside a .
Pa a analiza los a ibu os y ni eles de a ibu o del ehículo que pa icipa an en el expe imen o,
ambién se u iliza la écnica de cuad o mo ológico, po la u ilidad de ep esen a de o ma
g á ica los a ibu os del ehículo y sus a ian es.
Se han de inido los a ibu os y ni eles del p oduc o p opues o. En es e caso se ob iene un
espacio mues al con o mado po los dis in os ni eles de las siguien es p opiedades:
• Fo ma de los a os (5 ni eles).
• Sepa ación de a os (2 ni eles).
• Fo ma de pa illa (6 ni eles).
• Fo ma del on al (5 ni eles).
• Fo ma de capó (3 ni eles).
• Ne io de capó (3 ni eles).
La combinación de es as p opiedades y ni eles cons i uyen un espacio mues al de amaño:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠=5×2×6×5×3×3=2.700 combinaciones.
El espacio mues al ob enido esul a demasiado g ande, inabo dable pa a su a amien o en una
encues a. Se ealiza, median e diseño o ogonal, lle ado a cabo median e el so wa e IBM SPSS
S a is ics .29.0, la educción del espacio mues al.
El expe imen o de diseño o ogonal ealizado con el so wa e SPSS p opuso 49 combinaciones
de ni eles de a ibu o en base al cuad o mo ológico p opues o. El equipo de diseño decidió
ene una ep esen ación equi a i a de ehículos eléc icos (n=24) y de gasolina (n=25) en el
espacio mues al p opues o (N=49).
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 105
Va iable
Ca ego ías
n
%
Sis ema de p opulsión del ehículo
Eléc ico
24
49,0
Gasolina
25
51,0
Tabla 6. Ca ac e ís icas de la mues a del ehículo (N=49).
Se ealiza a con inuación la ep esen ación g á ica de las 49 mues as ob enidas y pa a cada
es imulo ( ehículo) se di e encian las á eas de in e és (AOIs). Pa a el análisis de la is a on al
del ehículo se han de inido seis AOIs: pa ab isas, capó, a os de echos, a os izquie dos, pa illa
y on al. Dichas á eas se delimi an cla amen e en cada una de las imágenes ob enidas. Se
mues a en la igu a 48 un ejemplo de mues a ep esen ada g á icamen e, con sus AOIs
delimi adas, que es una de las 49 mues as.
Figu a 48. Ejemplo de de inición de AOIs.
Pa a analiza la impo ancia ela i a de las AOIs se analizan el núme o de ijaciones y el iempo
medio de ijación en base al amaño o ex ensión de las AOIs, a a és de dos indicado es. Es os
indicado es son una p opues a p opia basada en el es udio de Hyun e al. (2017) (Hyun e al.,
2017).
Index A = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑖𝑗𝑎𝑐𝑖𝑜𝑛𝑒𝑠
% Á𝑟𝑒𝑎
( 24)
Index B = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑖𝑗𝑎𝑐𝑖𝑜𝑛𝑒𝑠
% Á𝑟𝑒𝑎
( 25)
5.1.2 Tes de usua io
T as el análisis de an eceden es ealizado se ha conside ado ealiza un cues iona io a los
usua ios pa a ob ene in o mación sociodemog á ica ya que es e ipo de cues iona ios es aba
p esen e en los es udios analizados. Además, se inclui án cues iones que ayuden a es ablece la
elación en e los usua ios y el obje o de es udio, en es e caso, el coche eléc ico.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 112
• El núme o de ijaciones en las AOIs “capó” y “pa illa” es mayo en homb es.
• El núme o de ijaciones en las AOIs “ca a” es mayo en muje es.
ANOVA en e núme o de ijaciones en AOIs s P2: Edad:
• El núme o de ijaciones media en las AOIs o ales p esen an di e encias signi ica i as,
con un ni el de con ianza del 95%, espec o al ac o edad (P2).
• El núme o de ijaciones media en las AOIs “capó”, “F1” “F2” y “ca a” p esen an
di e encias signi ica i as, con un ni el de con ianza del 95%, espec o al ac o edad (P2).
En conclusión, los usua ios más jó enes “en e 18 y 21” ienen más ijaciones en las AOIs
“F1” y “F2”.
ANOVA en e núme o de ijaciones en AOIs s P7: Capacidad de di e encia un ehículo 100%
eléc ico:
• El núme o de ijaciones media en las AOIs o ales p esen an di e encias signi ica i as,
con un ni el de con ianza del 95%, espec o al ac o di e enciación en e ehículos (P7)
• El núme o de ijaciones media en las AOIs “luna”, “capó”, “F1” y “F2” p esen an
di e encias signi ica i as, con un ni el de con ianza del 95%, espec o a la p e e encia
di e enciación en e ehículos (P7). En conc e o los usua ios que han espondido que si
son capaces de di e encia un ehículo elec o de o o que no lo sea p esen an mayo
núme o de ijaciones en las AOIs “F1” y F2”.
ANOVA en e du ación media de ijaciones (ms) en AOIs s ipo de ehículo:
• El iempo medio de ijaciones en la AOIs “pa illa”, p esen a di e encias signi ica i as,
con un ni el de con ianza del 95%, espec o al ipo de ehículo (E/G).
• El iempo medio de ijaciones en las AOIs “pa illa” es mayo en “Gasolina”.
ANOVA en e du ación media de ijaciones (ms) en AOIs s P1: Sexo:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en los a os
(F1 y F2), con un ni el de con ianza del 95%, espec o a P1: Sexo del encues ado.
• El iempo medio de ijaciones en las AOIs “F1” y “F2” es mayo en “Homb es”.
ANOVA en e du ación media de ijaciones (ms) en AOIs s P2: Edad:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en odas las
á eas de in e és, con un ni el de con ianza del 95%, espec o a P2. Edad del encues ado.
• Como conclusión apa e, en odas las AOIs los usua ios de “más de 25” son los que
p esen an unos iempos medio de ijación signi ica i amen e in e io es al es o de
g upos de usua ios.
ANOVA en e du ación media de ijaciones (ms) en AOIs s P4: Conciencia ecológica:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en odas las
á eas de in e és menos en el AOI “ca a”, con un ni el de con ianza del 95%, espec o a
P4: Conciencia ecológica.
• Como conclusión gene al, los encues ados que no ienen conciencia ecológica en la
comp a de ehículos ienen unos iempos medios de ijación más al a.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 113
ANOVA en e du ación media de ijaciones (ms) en AOIs s P5: P e e encia de comp a po un
ehículo 100% eléc ico:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en odas las
á eas de in e és con excepción del AOI “Luna”, con un ni el de con ianza del 95%,
espec o a P5. P e e encia de comp a.
• Los usua ios cuya p e e encia de comp a es la “Ma ca” han enido un iempo medio de
ijaciones mayo en las AOIs F1, F2 y el capó. Pa a los usua ios cuya p e e encia es el
“P ecio” han enido una mayo ijación po la AOI “Pa illa”.
ANOVA en e du ación media de ijaciones (ms) en AOIs s P6: Deseo de comp a de un ehículo
100% eléc ico:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en odas las
á eas de in e és con excepción del AOI “F1” y “Pa illa”, con un ni el de con ianza del
95%, espec o a P6: Deseo de comp a de un ehículo 100% eléc ico.
• Como conclusión gene al, los encues ados que ienen pensado adqui i un coche 100%
eléc ico ienen unos iempos medios de ijación más al a.
ANOVA en e du ación media de ijaciones (ms) en AOIs s P7: Capacidad de di e encia un
ehículo 100% eléc ico:
• El iempo medio de ijaciones en la AOIs p esen a di e encias signi ica i as en odas las
á eas de in e és, con un ni el de con ianza del 95%, espec o a P7: Capacidad de
di e encia un ehículo 100% eléc ico.
• Como conclusión gene al, los encues ados que han con es ado que son capaces de
conoce si un ehículo es eléc ico o no po su aspec o es é ico- o mal ienen unos
iempos medios de ijación más al a. Los encues ados que han con es ado que no son
capaces de conoce si un ehículo es eléc ico o no po su aspec o es é ico- o mal ienen
unos iempos medios de ijación más baja.
5.2.1.1 Es udio de la impo ancia ela i a de los AOI
Tal como se ha indicado en el apa ado de me odología, pa a analiza la impo ancia ela i a de
las AOIs se analizan el núme o de ijaciones y el iempo medio de ijación en base al amaño o
ex ensión de las AOIs, a a és de dos indicado es (24, 25), p opues a p opia.
Index A = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑖𝑗𝑎𝑐𝑖𝑜𝑛𝑒𝑠
% Á𝑟𝑒𝑎
(24)
Index B = 𝑡𝑖𝑒𝑚𝑝𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑖𝑗𝑎𝑐𝑖𝑜𝑛𝑒𝑠
% Á𝑟𝑒𝑎
(25)
Pa a ello, en p ime luga , se ha ealizado un análisis de co elación:
Va iables a co elaciona :
• TAMAÑO_AOI.
• Tiempo comple o de ijación en AOI (ms).
• Núme o de ijaciones en AOI.
• Du ación media de la ijación en la AOI.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 114
Todas las co elaciones son signi ica i as, en especial el núme o de ijaciones en el AOI con el
amaño del AOI. Teniendo en cuen a el amaño de la AOI cabe des aca que es a a iable iene
un coe icien e de co elación de 0,707 con el núme o de ijaciones en el AOI, lo cual es un
indicado que el núme o de ijaciones, así como su du ación media es á muy co elacionado con
el amaño del AOI ( abla 9).
Ma iz de co elaciones
Tamaño AOI
Tiempo o al de
ijación en AOI
(ms)
Núme o de
ijaciones en
AOI
Du ación media
de la ijación en
AOI
Co elación
Tamaño_AOI
1,000
,640
,707
,334
Tiempo o al de ijación en AOI
(ms)
,640
1,000
,984
,744
Núme o de ijaciones en AOI
,707
,984
1,000
,679
Du ación media de la ijación en
AOI
,334
,744
,679
1,000
*Todos los sig.=0,00
En las igu as 52 y 53 se mues an los esul ados de los índices p opues os A y B pa a las dis in as
AOIs.
Figu a 52. Núme o de ijaciones acumulado pa a cada AOI.
Las AOIs que mayo núme o de ijaciones acumulan po amaño de á ea ( igu a 52) son:
• 1º: Pa illa.
• 2º: Fa o 2.
• 3º: Fa o 1.
Tabla 9. Ma iz de co elaciones.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 115
Asimismo, las AOIs que mayo iempo de ijaciones acumulan po amaño de á ea ( igu a 53)
son:
• 1º: Fa o 2.
• 2º: Pa illa.
• 3ª: Fa o 1.
Se puede de e mina que las á eas Fa o 1, Fa o 2 y Pa illa son las más impo an es pa a los
usua ios a la ho a de decidi si un ehículo es eléc ico o de gasolina.
Figu a 53. Tiempo de ijaciones acumulado (ms) pa a cada AOI.
5.2.2 Tes de usua io
En el expe imen o p opues o han pa icipado 33 encues ados mayo es de edad del ámbi o
uni e si a io, con ep esen an es de ambos sexos y de a ios angos de edad. Los esul ados
ob enidos de las 7 p egun as ealizadas en la encues a es de usua io se e lejan en la abla 10.
Va iables
Ca ego ías
n
%
Sexo
Femenino
17
51,5
Masculino
16
48,5
Edad
En e 18 y 21
8
24,2
En e 22 y 25
9
27,3
Mas de 25
16
48,5
Pe miso de conduci
Si
30
90,9
En p oceso
3
9,1
Elección ecológica
Si
19
57,6
No
14
42,4
P e e encia de comp a po un ehículo 100% eléc ico
P ecio
6
18,2
Au onomía
19
57,6
Capacidad de ca ga
5
15,2
Ma ca
1
3,0
Po encia
2
6,1
Deseo de comp a un ehículo 100% eléc ico
Si
19
57,6
No
14
42,4
Posibilidad de di e encia a ehículo 100% eléc ico
Si
7
21,2
En duda
17
51,5
No
9
27,3
Tabla 10. Ca ac e ís icas de los pa icipan es (N=33).
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 116
Se ha ealizado un análisis de co elación en e las a iables del es de usua ios y se ha
es ablecido que exis e una le e co elación es adís icamen e signi ica i a en el ni el 0,05
(bila e al) en e:
• Edad (P2) y posesión del ca ne de conduci B1 (P3). 2,3=-0,352; sig2,3=0,045.
• P e e encia de comp a po un ehículo 100% eléc ico (P5) y la capacidad de di e encia
un ehículo 100% eléc ico (P7). 5,7=-0,351; sig5,7=0,046.
Se puede a i ma que las demás a iables del es de usua io son independien es en e sí.
5.2.3 Tes isual pa a iden i ica ipo ehículo
P esen ados los 49 pe iles a los 33 usua ios se les pidió que es ablecie an pa a cada pe il si en
base a su c i e io, es aban an e un coche eléc ico o un coche de combus ión. En es e
expe imen o los da os ecabados son: acie os y allos en el econocimien o de ehículos. En la
abla 11 se ecopila un esumen de los da os del es isual.
Mean
%
SD
Max
Min
Acie os
33,70
68,77
4,07
40
22
Fallos
15,30
31,23
4,08
27
9
Tabla 11. Resumen de acie os y allos po pa e de los usua ios.
En gene al odos los encues ados ienen una asa de acie o supe io al 50%, solamen e un
encues ado iene una asa de acie o po debajo del 50%. Se puede supone que al u iliza
imágenes de ehículos eales los encues ados es aban más amilia izados con es os y les ha sido
más ácil ace a ( abla 12).
Sis ema p opulsión ehículo
n
Mean
SD
Min.
Max.
Eléc ico
24
21,00
8,612
3
31
Combus ión
25
24,32
6,095
11
33
To al
49
22,69
7,545
3
33
Tabla 12. Resumen de acie os según el sis ema de p opulsión del ehículo.
T as ealiza un ANOVA se han ob enido que el núme o de acie os y de allos en el es isual es
independien e del ipo de ehículo (eléc ico o de combus ión). La media de acie os en
ehículos de gasolina es lige amen e supe io a la media de acie os en ehículos eléc icos ( abla
12). Si es des acable que los coches eléc icos ienen un mínimo de acie os (3) más bajo que los
ehículos de combus ión (11), po lo que hay encues ados que les ha sido di ícil ace a cuando
se a aba de un coche eléc ico.
Además de es e análisis gene al, se han ealizado una se ie de ANOVAs pa a los acie os y allos
en base a las 7 a iables del es de usua io ( abla 10). De los ANOVAs ealizados se ob iene que
el núme o de acie os p esen a di e encias signi ica i as, con un ni el de con ianza del 95%,
espec o a la capacidad de di e encia un ehículo 100% eléc ico (P7). La media de acie os es
signi ica i amen e mayo en los encues ados que han con es ado que si son capaces de
econoce un ehículo eléc ico. Es a a iable (P7) es la única que iene elación signi ica i a con
el núme o de acie os, lo cual es un indicado que los usua ios han con es ado hones amen e en
base a su habilidad de econocimien o.
Capí ulo 5. E aluación de p opiedades de diseño basada en seguimien o ocula (Eye acking)
Raúl Núñez Rome o - 117
El núme o de acie os p esen a di e encias signi ica i as, con un ni el de con ianza del 95%,
espec o al núme o de ijaciones en la pa illa (Núme o de ijaciones en AOI: Pa illa). Es e
núme o de ijaciones es signi ica i amen e mayo en los ehículos que se ha allado que en los
ehículos que se han ace ado ( igu a 54).
Figu a 54. Acie os en e a núme o de ijaciones en AOI: Pa illa.
Cabe conside a que as u iliza la écnica de Eye acking se e elan que los elemen os en los
que se ijan mayo men e los usua ios al e el on al de un ehículo son la pa illa y los a os.
Se deduce que al se elemen os con g an peso isual den o del conjun o del on al, sean
suscep ible de cap a la a ención. Ambos elemen os ienen con o nos de inidos y con as an con
los elemen os que los odean, po lo que de o ma jus i icada se conside an p opiedades
impo an es pa a e alua su con ibución en la es é ica del ehículo eléc ico en siguien e ase.
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 118
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
En es e capí ulo se concen a el segundo pila que sus en a la in es igación, en el que se
desa olla el expe imen o que analiza la iden idad del on al de los ehículos median e Análisis
Conjun o. Con es a écnica se busca alo a los di e en es a ibu os y p opiedades del on al del
ehículo, así como sus combinaciones, pa a de e mina que pe cepción ienen los usua ios
espec o a la iden idad del ehículo. Es e expe imen o ambién se acompaña de los da os
ecabados del es de usua io, pa a complemen a los esul ados y ex ende las conclusiones
elacionadas con las a iables sociodemog á icas.
6.1 Diseño del expe imen o
El obje i o de aplica Análisis Conjun o es analiza que a ibu os es é ico o males y ni eles de
a ibu os de inen a un ehículo eléc ico en con aposición a un ehículo de combus ión en base
a la pe cepción isual de los usua ios. Pa a el es udio de un coche, al se un p oduc o
idimensional complejo ya que cada is a iene una se ie de a ibu os di e en es en e sí, se ha
elegido analiza el on al de un ehículo ya que es la is a más ca ac e ís ica y di e enciado a
en e ipos de ehículos y ma cas.
6.1.1 Tes de usua io
Al igual que en el expe imen o de Eye acking, esul a de in e és ealiza un es de usua io cuyos
da os se con as en con los ob enidos del Análisis Conjun o. Con o me con los an eceden es
e isados, es común ealiza un es de usua io con el in de ob ene in o mación
sociodemog á ica. Las p egun as o ien adas a explo a la elación en e los usua ios y el ehículo
eléc ico se basan an o en los es udios analizados como en algunas p opues as p opias
cen adas en el ema de in es igación. El cues iona io cons a de las siguien es a iables: P1: Sexo,
P2: Edad, P3: Ca ne de conduci , P4: Elección ecológica, P5: P e e encia de comp a de un coche
100% eléc ico, P6: Deseo de adqui i un coche 100% eléc ico, P7: Capacidad pa a di e encia
un coche 100% eléc ico. Las a iables P1 a P3 se p oponen pa a clasi ica al usua io ( a iables
sociodemog á icas), mien as que las a iables P4 a P7 ienen como obje i o analiza la elación
en e el usua io y el coche eléc ico. El es es anónimo y los usua ios son in o mados sob e el
obje i o del es udio y de la con idencialidad.
6.1.2 Selección de los a ibu os y sus ni eles
Los a ibu os son las ca ac e ís icas en las que puede descompone se el on al de un coche, y
los ni eles son las dis in as al e na i as u opciones que pueden exis i den o de cada a ibu o.
La selección de los a ibu os y sus ni eles se ha basado en los es udios desc i os en el análisis de
an eceden es y en p opues as p opias as ealiza un análisis de me cado de ehículos
exis en es.
Analizando la pa e on al de un ehículo se pueden dis ingui una se ie de elemen os o pa es
ca ac e ís icas. La pa e on al de un coche no solo se diseña pa a una apa iencia es é ica, sino
que in e ienen una combinación de ac o es uncionales, como la segu idad, la ae odinámica,
la e ige ación y la isibilidad. Cada uno de es os elemen os debe se cuidadosamen e
conside ado pa a c ea un ehículo que sea segu o, e icien e, y a ac i o, mien as cumple con
las no ma i as y necesidades del me cado.
Siguiendo la línea de es a in es igación, los elemen os o a ibu os a selecciona pa a el p esen e
es udio se cen a án en la dimensión es é ica y la semán ica de ás de ella. Cada uno de esos
a ibu os iene una a iabilidad de o mas. Toda esa a iedad esponde a los eque imien os que
los ab ican es y ma cas implemen an en sus diseños, pa a consegui no edad en sus p oduc os,
segui lenguaje de diseño p opios de la ma ca, segui una endencia en el me cado, e c.
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 119
A pa i de oda es a a iedad de combinaciones, y siguiendo la línea de abajos p e ios, se
seleccionan seis elemen os o pa es p incipales que se des acan en is a on al de un coche.
Es os son: o ma de los a os, sepa ación de los a os, o ma de la ejilla, o ma del en e, o ma
del capo y ne io del capó. De es os a ibu os se desca a el pa ab isas, ya que, aunque ambién
iene una imp esión isual en el conjun o del on al, sus di e en es o mas y cu a u a, no son
iden i icables cla amen e en una imagen, iéndose dis o sionadas po la anspa encia del
c is al. Los a ibu os del on al son:
• Fo ma de a o. Los a os son elemen os esenciales pa a la iluminación y son
imp escindibles cumpli con la no ma i a. Aho a bien, su o ma da juego a los
diseñado es pa a da a luz in inidad de al e na i as de diseño. No obs an e, se puede
hace una ag upación en 6 ipos de o ma de a o, que ep esen an 6 ni eles de es e
a ibu o. Po un lado, es án los a os edondeados donde su o ma p incipal es o se
ap oxima mucho a una ci cun e encia. El siguien e ni el con apues o al p ime o son los
a os poligonales, cuya o ma iene de inida po un pe íme o de líneas ec as o
asimiladas a una ec a y que se e ía como un polígono de di e so núme o de lados.
O o ni el se ía el ino, donde una de sus dimensiones (la go o al o) es mucho más
g ande que la o a, o la sepa ación en e lados opues os es muy educida. Y los dos
úl imos ni eles comp enden a a os cuya o ma p incipal es e de inido po un a co o una
cu a bien ma cada. Pueden se de un a co, donde la o ma la de ine un mismo ipo de
a co, o de doble a co cuando hay di e enciados dos a cos con di e en e y dis inguida
cu a u a.
• Sepa ación de a os. Pa a las necesidades lumínicas de los coches una opción común
usadas po los ab ican es es que haya más de un elemen o de iluminación po a o pa a
c ea una es é ica isual di e en e o buscando unciones di e en es. En cualquie caso,
se plan ea el a ibu o de sepa ación de a os, pa a conside a si hay más de un elemen o
de iluminación como unción de a o. Y los dos ni eles exis en es son que haya un único
a o (no sepa ación) o que si haya más a os (si sepa ación).
• Fo ma de la ejilla (pa illa). O igina iamen e la necesidad de e ige ación del mo o del
coche en la pa e delan e a equi ió la ape u a de huecos en el on al. Es os huecos o
hendidu as son econside ados po los diseñado es y ab ican es como un elemen o más
suscep ible de a ibui le una iden idad isual, c eando es ilo, ca ác e , e iden idad de
ma ca. En es e a ibu o se de inen seis ipologías que son los seis ni eles de la o ma de
la pa illa: la ga y delgada, o gánica, panca a, poligonal, isual, sin ejilla. Po un lado,
puede dis ingui se la ausencia de pa illa en los coches eléc icos más ac uales que no
ienen la necesidad de e ige ación pa a el mo o é mico. Con lo que la ausencia de
pa illa, es un ni el. Po o a pa e, un segundo ni el lo ocupa aquella pa illa que se
asemeja a una línea ina, siendo de g an anchu a, pe o de escasa al u a, es o es, la ga y
delgada. O o ni el es el de pa illa de o ma o gánica, donde su diseño imi a las cu as
na u ales y las o mas sua es que se encuen an en la na u aleza, y se ian un opues o a
las líneas ec as y geomé icas. Una pa illa o gánica iene ca ac e ís icas que ansmi en
luidez y dinamismo. Y pa a pa illas que se de inan po líneas ec as y geomé icas, que
se asemeja ía o ap oxima ían a una o ma ec angula de cua o lados p incipalmen e y
con unos lados ec os o con poca cu a u a, se aco a el g upo de las llamada de ipo
“panca a”. Si la pa illa iene más de cua o lados de inidos y es án de inidos po líneas
o cu as lige as, y da luga a un ipo de polígono, se de ine como o o ni el llamado ejilla
de ipo poligonal. Y el úl imo ni el se nomb a como “ isual”, que comp ende aquel ipo
de pa illa con un ma cado elie e sob esalien e y un des acado impac o a la is a
espec o al balance comple o del on al.
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 120
• Fo ma del en e. Es e a ibu o comp ende la isión gene al del en e del ehículo,
donde se in eg an odos los elemen os. La posición o ma y dimensiones de odos los
elemen os c ean o mas di e en es. Se di e encian cinco o mas gene ales, que son cinco
ni eles de a ibu o. Po un lado, se de ine el on al con o ma de “boca g ande”, donde
el on al se asemeja ía a una ca a, y las pa es cen ales con di e en e con as e y colo
imi an a la o ma de una boca g ande. Po o o lado, si odos los elemen os del on al
son homogéneos, si no des aca o sob esale ninguno espec o del es o, y hay una
a monía en e odos se de ine el ni el de o ma de en e in eg ado. El e ce ni el es el
en e de o ma de “son isa”, de modo que aquí ambién las pa es cen ales del en e
de inen una cu a u a ascenden e en los ex emos, iene una ansición sua e desde el
cen o hacia los la e ales. El cua o ni el es el ipo “U”, pa ecido al an e io , pe o sin una
ansición sua e en e el la zona cen al y los la e ales. La zona cen al es á dominada
po líneas ho izon ales y los ex emos po líneas e icales, habiendo una lige a
ansición cu a en e ambas. Po úl imo, el ni el de ipo “X” pa a la o ma del en e se
iden i ica al es a dominado el on al po elemen os isuales que se c uzan, bien po
que haya con as e en e las di e en es colo es y elie es o po ne adu as inclinadas.
• Fo ma del capó. Es e a ibu o se cen a en la pa e al a que domina la ho izon al del
en e del ehículo. Suele se un elemen o de g an supe icie que cuya unción es da
acceso al ano del mo o o a un male e o delan e o cuando no hay mo o . Al se una
componen e de g an supe icie ambién da juego a ab ican es y diseñado es pa a usa lo
en la iden idad es é ica. Den o de es e a ibu o se de inen es ni eles. Po un lado, un
capó que iene un aspec o isual dominado po una cu a en su o alidad end ía el ni el
de o ma de capó en a co. Po o a pa e, si el capó iene poca cu a u a en conjun o y
puede ap oxima se a una línea ec a o de cu a muy sua e, se de ine el ni el de capo de
o ma ec a. Y el úl imo ni el, es una combinación de las dos an e io es, a co y ec o,
donde se combina y di e encian la unión de líneas cu as y pa es ec as.
• Ne io de capó. Aunque es e a ibu o es una ca ac e ís ica del capo, en el on al se pude
ap ecia isualmen e como una ca ac e ís ica p opia que in luye en el conjun o y que
puede pe cibi se de o ma independien e al es o de a ibu os, se conside a un a ibu o
apa e. Den o de es e se dis inguen es ni eles: que haya una única línea ma cada
cen al (línea), que haya dos líneas pa alelas simé ica a ambos del capó (doble línea), o
que sea un capó liso sin elie e, que no end ía ne io (sin ne io).
En esumen, los a ibu os y sus ni eles obje o de es udio son ( igu a 15):
• Fo ma de los a os: a co, doble a co, ino, poligonal, edondeado.
• Sepa ación de los a os: sí, no.
• Fo ma de la ejilla: la ga y delgada, o gánica, panca a, poligonal, isual, sin ejilla.
• Fo ma del en e: boca g ande, in eg ada, son isa, ipo U, ipo X.
• Fo ma del capó: a co, ec o, a co ec o.
• Ne io del capó: línea, doble línea, sin ne io.
Los a ibu os seleccionados no es án co elacionados en e sí y los ni eles son cohe en es en e
sí pa a asegu a que no se ob engan combinaciones i eales. Pa a p esen a los a ibu os
seleccionados y sus ni eles se ha elegido la écnica del cuad o mo ológico, el cual pe mi e
de ini los ni eles de los a ibu os g á icamen e siendo idónea pa a es ablece a ibu os es é ico
o males (Suzian i e al., 2016). En la igu a 55, además de inclui una imagen ep esen a i a del
ni el de a ibu o se ha de inido un é mino lingüís ico pa a cada ni el, así como un iden i icado .
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 121
Figu a 55. Cuad o mo ológico de a ibu os y ni eles.
6.1.3 Selección de la me odología de Análisis Conjun o
Exis en a ian es den o del Análisis Conjun o, po lo que an es de segui , se debe elegi una
me odología conjun a. En es e caso de es udio se abaja con el Análisis Conjun o adicional o
Análisis Conjun o de pe il comple o ( ull p o ile conjoin análisis) ya que es el que mejo se
adap a a los obje i os del es udio y del que se ob iene más in o mación. En Análisis Conjun o se
en iende po pe il a la combinación conc e a de ni eles de a ibu o que de ine a un p oduc o.
El Análisis Conjun o de pe il comple o se basa, a ni el p ác ico, en solici a a los usua ios que
o denen un conjun o de pe iles en base a sus p e e encias; ambién se les puede solici a que
pun úen indi idualmen e cada pe il mos ado. En es e caso de es udio los pe iles se án las
di e en es combinaciones de ni eles de los a ibu os de inidos en la igu a 21, dando luga a
múl iples on ales de coches.
6.1.4 Especi icación de las combinaciones de p opiedades y aplicación de diseño
ac o ial o ogonal
Teniendo en cuen a los a ibu os y ni eles de inidos en el cuad o mo ológico ( igu a 21), el
núme o de posibles combinaciones o pe iles a ob ene se ía de 2700 (5×2×6×5×3×3). Cuando
se aplica el en oque de Análisis Conjun o de pe il comple o se iende a ob ene un núme o
ele ado de combinaciones o pe iles po lo que es necesa ia una educción, ya que se ía in iable
que los usua ios alo en odos los pe iles.
Reduci el núme o de pe iles es habi ual en el en oque de Análisis Conjun o de pe il comple o,
pa a lo cual se u iliza un diseño ac o ial accional median e el uso de ma ices o ogonales.
Con la aplicación de es a écnica se consigue ob ene una acción ep esen a i a y adecuada
de odas las posibles combinaciones de los ni eles de a ibu o (J. Jiao e al., 2007; Numon e al.,
2019). Pa a lle a a cabo el diseño ac o ial accional se u iliza el so wa e IBM SPSS S a is ics
.29.0 median e la unción “O hogonal Design”. El esul ado de es a aplicación ha sido ob ene
49 pe iles.
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 128
En base a los da os ob enidos ambos “p- alue” son meno es que 0,05 (g ado de con ianza del
95%) po lo que se puede es ablece que los pa ones de opinión es imados de los usua ios no
di ie en mucho. (Ege en e al., 2020).
Analizados los esul ados globales del Análisis Conjun o pa a los 33 encues ados, se p ocede a
ealiza una se ie de Análisis Conjun os pa a cada una de las ca ego ías de las a iables de la
encues a de cues iona io o es de usua io. Es os Análisis Conjun os ealizados ienen como
obje i o de ec a di e encias en las p e e encias según las 7 a iables analizadas en el es de
usua io. En es e caso no se en a á en de alle de los 16 Análisis Conjun o ealizados ya que el
p ocedimien o es simila al desc i o an e io men e, si se apo a á una isión gene al y se
comen a án los casos cuyas di e encias sean signi ica i as.
En p ime luga , se analizan los a ibu os más in luyen es en el econocimien o de coches
eléc icos, siendo la o ma de pa illa el a ibu o de mayo impo ancia en los 16 g upos
analizados con unas pun uaciones de impo ancia supe io al 31% en odos los g upos ( igu a
59). El segundo a ibu o más in luyen e es la o ma de a o con unas pun uaciones de
impo ancia supe io al 20% en odos los g upos excep o en los usua ios cuya p e e encia de
comp a de un ehículo eléc ico es el p ecio. Pa a es e g upo de usua ios ha in luido un poco
más la o ma on al (18,7%) que la o ma de a o (18,6%). La o ma on al se consolida como el
e ce a ibu o más in luyen e pa a odos los g upos, a excepción del g upo comen ado
an e io men e. Po úl imo, cabe des aca un cambio de endencia signi ica i o en los usua ios
que espondie on que “si” ienen la capacidad de di e encia un ehículo 100% eléc ico. Pa a
es os usua ios, el cua o a ibu o más in luyen e es la sepa ación de a os con un alo de
impo ancia del 13,7%, siendo la media del es o de g upos de un 7,4%.
Figu a 59. Rep esen ación g á ica de la pun uación de impo ancia (%, eje Y) en unción de las ca ego ías de las
a iables de p ueba del usua io (eje X).
En cuan o al análisis de la pun uación de u ilidad ( igu a 26) se ap ecia una endencia muy simila
en los 16 g upos analizados. Se puede ap ecia que el ni el: ausencia de pa illa (“no g ill”) se
man iene como el ni el de a ibu o con mayo p e e encia en la de inición del on al de un coche
eléc ico. En base a la a iable sexo (P1) solo se ap ecian di e encias signi ica i as en la o ma del
on al, ya que en muje es el ni el con mayo pun uación de u ilidad es un “ ipo X” (1,775) y en
homb es la o ma on al de ipo “son isa” es el de mayo u ilidad (1,594).
Capí ulo 6. Iden idad de p oduc o basada en Análisis Conjun o
Raúl Núñez Rome o - 129
Pa a la a iable edad (P2) se ap ecia que la ausencia de pa illa (“no g ill”) sigue siendo la de
mayo u ilidad, pe o con o me a anza la edad la pun uación de u ilidad de “sin pa illa” a
descendiendo, siendo la pun uación de u ilidad pa a las edades de 18 a 21 de 9,966 (la mayo
pun uación de u ilidad pa a “sin pa illa” de odos los g upos), pa a las edades de 22 a 25 el alo
es de 7,459 y pa a los mayo es de 25 años el alo es de 5,410. En cuan o a la a iable capacidad
de di e encia un ehículo 100% eléc ico (P7), des aca que los usua ios que espondie on que
“no” ienen las pun uaciones de u ilidad más bajas en el ni el “sin pa illa” (3,295), siendo pa a
es e único g upo la o ma de pa illa la ga-delgada (“long hin”) la de mayo u ilidad (3,708).
Figu a 60. Rep esen ación g á ica de la pun uación de la u ilidad (eje Y) basada en las ca ego ías de las a iables de
p ueba del usua io (eje X).
En base a los da os ob enidos de la pun uación de impo ancia ( igu a 59) y las pun uaciones de
u ilidad ( igu a 60) se ap ecia que los 16 g upos analizados en base a las ca ego ías del es de
usua io p esen an unas p e e encias de a ibu os y sus ni eles muy pa ecidas, con i mándose
así la hipó esis ob enida en el es de la au de Kendall que el pa ón de p e e encias de los
usua ios es simila .
Como cie e a es e capí ulo cen ado en Análisis Conjun o, se descub e que a pa i de las
p opiedades de pa ida de inidas en Eye acking, las a ian es que con ibuyen a ca ac e iza
que un ehículo sea pe cibido como eléc ico, son que la pa illa es é ausen e y que los a os
engan o ma de doble a co. Se deduce que la ausencia de pa illa se asocia a que el ehículo
ca ece de e ige ación pa a un mo o de combus ión, y se pe cibe con un aspec o más limpio y
angua dis a, que son ca ac e ís icas p opias de un ehículo eléc ico. Así mismo los a os con
o ma de doble a co se asocia ían a o mas más ae odinámicas y es ilizada p opia de un diseño
inno ado y angua dis a, que son ambién asgos compa idos po el ehículo eléc ico.
T as la ase de Eye acking y Análisis Conjun o quedan de inidas que p opiedades y a ian es son
ele an es y en qué medida con ibuyen a a ianza la iden idad eléc ica de los ehículos. No
obs an e, el esul ado de las ases p e ias puede con e ge en asen a la base de p opiedades
sob e las que es udia el diseño emocional de la mano de la Ingenie ía Kansei. Y jun o con los
é minos kansei ela i os al ehículo eléc ico, se e alúan en qué medida de e minadas
p opiedades impac an a los kansei seleccionados. Así con mayo undamen o se conc e a la
con ibución de las p opiedades a de ini la iden idad del ehículo eléc ico.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 130
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
En es e capí ulo 7 se desa olla el e ce pila de la in es igación donde con e gen los da os y
esul ados de los expe imen os p e ios de Eye acking y Análisis Conjun o. De o ma que a pa i
de los pa áme os y a ibu os e elados en el análisis de los da os de los expe imen os
an e io es, se cimien a la base sob e la que desa olla la Ingenie a Kansei. Así po úl imo se
cosecha án unos esul ados sob e los que es ablece conclusiones sólidas y undamen adas.
7.1 Plan eamien o de Ingenie ía Kansei
Se plan ean las cua o e apas sob e las que se desa olla la Ingenie ía Kansei. En p ime luga ,
se es able la selección del dominio del diseño sob e el que se a a aplica la me odología. En
segundo luga , se de ine el espacio semán ico donde se ecogen las palab as Kansei. El e ce
pun o comp ende la de inición del espacio de las p opiedades que se an a co elaciona con
los Kansei. Y po úl imo se ealiza la sín esis de los dos pasos an e io es pa a ob ene las
unciones de co elación en e kansei y p opiedades.
7.1.1 Selección del Dominio
En la p ime a e apa de la aplicación de Ingenie ía Kansei se pa e de la iden i icación y de inición
de los aspec os especí icos que se an a conside a en el diseño del elemen o en cues ión. Es o
es una con inuación de los abajos p e ios y de los obje i os ma cados en es a esis. En es e
caso, el elemen o obje i o de aplica Ingenie ía Kansei es el on al de un ehículo eléc ico.
Conside ando gené icamen e el concep o de “ ehículo eléc ico”, sin disc imina po segmen o
de ehículo u o as a ibuciones en cuan o a usabilidad.
El ma co concep ual es el de busca a ibu os y p opiedades a ni el es é ico y o mal, que de inan
la iden idad p opia de es e ipo de ehículos y sin ene en cuen a aspec os uncionales
Respec o a las pe sonas de in e és que pa icipan en es a pa e del es udio de Ingenie ía Kansei,
se an conside a dos g upos di e enciados. Po una pa e, es á el g upo de expe os, p o eso es
del ámbi o académico de ingenie ía y diseño indus ial, que con en base a su c i e io pa icipan
en una p ime a en ences a pa a selecciona los kanseis de p ime ni el; Y un segundo g upo, de
pe sonas jó enes de en e 18 y 24 años, es udian es de del ámbi o de ingenie ía y diseño
indus ial, cuyas opiniones se án la base pa a busca la sín esis en e p opiedades y kanseis. Y
pa a de ini los kanseis de o igen, se ecu e a ealiza un es udio bibliog á ico de la li e a u a
cien í ica cinco años a ás en e 2019 y 2024, pa a busca los adje i os, é minos y concep os
que se le a ibuyan al ehículo eléc ico.
7.1.2 Espacio Semán ico
La base pa a aplica Ingenie ía Kansei pa e de ene una colección de é minos kanseis. En es a
in es igación la ecopilación de es os é minos se ha en ocado en los a ículos elacionados con
el ema de es udio. Se ex ae án de los ex os aquellos é minos o adje i os (kanseis) que se le
a ibuyan al ehículo eléc ico o es én di ec amen e elacionados con él.
El buscado de e e encia es Web o Science (WoS) y en las p ime as búsquedas especi icas
usando “kansei” y “elec ic ehicle” como pa e del í ulo, solo se ob ienen dos esul ados, que
son insu icien es. Y ehaciendo la búsqueda con el il o de “Topic” ( ema), hay una mejo a de
los esul ados ob enidos, llegando has a diez, que sigue siendo un núme o de ex os insu icien e
pa a ob ene una colección de su icien es kanseis. Se deduce que la asociación de los concep os
“kansei” y “elec ic ehicle” iene aún muy poca di usión en la li e a u a cien í ica.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 131
El siguien e paso es no hace la búsqueda usando el concep o especi ico de “kansei”, sino pa i
de concep os más gené icos y que sean sinónimos más amplios engloben a la Ingenie ía Kansei,
como son “emo ional design” o “a ec i e design”, y que o man p ecisamen e como pa e del
í ulo de es a esis. Po o a pa e, se conside an como é mino cla e imp escindible en la
búsqueda el concep o de “elec ic ehicle”. En el siguien e paso de búsqueda, con el il o de
“ opic” se hacen las búsquedas pa a los concep os de “a ec i e” y “elec ic ehicle” po una
pa e, y con los concep os de “emo ional” y “elec ic ehicle” po o a pa e, a ojando 56 y 81
esul ados espec i amen e. Es os esul ados son ya un núme o su icien e pa a hace la mine ía
de ex acción de kanseis. Como la segunda búsqueda con los concep os de “emo ional” y
“elec ic ehicle” es la que mayo núme o de esul ados apo a es la que inalmen e se elige. El
úl imo il o que se aplica es el pe iodo empo al, que il a las publicaciones en los cinco años
a ás en e 2019 y 2024, pa a homogeneiza es a búsqueda al pe iodo de oda la in es igación.
Así queda un o al de 55 publicaciones a es udia ( igu a 61).
Figu a 61. Á eas de in es igación de los esul ados de búsqueda: “emocional” y “ ehículo eléc ico”.
De los 55 esul ados, hay que descon a 5 esul ados de los que no es posible accede al ex o
comple o, y además hay 4 esul ados en co eano. Finalmen e, de los 46 ex os se ealiza una
búsqueda exhaus i a donde haya e e encia al ehículo eléc ico, y aquellos adje i os o é minos
que si an pa a cali ica lo, son omados como kanseis. No obs an e, hay que ene en cuen a
que no odos los ex os son suscep ibles de apo a kanseis, bien po que no hay cali ica i os pa a
el ehículo eléc ico, o su mención es ans e sal.
T as analiza los ex os se ex aen los é minos, adje i os y concep os que los a ículos ienen
pa a e e i se al ehículo eléc ico, y que se conside an kanseis. Se esumen a con inuación los
kanseis asociados a cada a ículo:
Kang & Zhu (2022) hizo es e mismo p oceso de ob ención de kanseis, ob eniendo: “Young”,
“ene ge id”, “elegan ”, “s eamlined”, “Heal hy”, “ ashion”, “Unique”, “Magni icien ”, “Na u al”,
“Easy”, “ as ”, “cool”, “En i omen al- iendly”, “Exquisi e”, “Ad anced” y “Casual” (X. Kang & Zhu,
2022).
X. Liu e al., (2023) hace una p opues a me odológica po me á o as isuales con un ehículo
eléc ico y o o ga los é minos: “Speedy”, “sa e”, “in elligen ”, “con o able”, “High- ech” y
“simple” (X. Liu e al., 2023).
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 132
Du a & P akash, (2022) u iliza un con olado emocional (con olado in eligen e basado en el
ap endizaje emocional del ce eb o, BELBIC) pa a el con ol de la ecuencia de ca ga de un
sis ema de ene gía híb ido, y asociado a es e desc iben el ehículo eléc ico como: “clean” (Du a
& P akash, 2022).
En el es udio sob e el diseño sos enible del ehículo eléc ico hib ido, combinando el modelo
Kano di uso con inuo y el desa ollo de la unción de calidad (QFD), al habla del ehículo
eléc ico se e ie en a él con los kanseis: “hale”, “ iny”, “s eady”, “ echnological”, “com o able”,
“ ashionable”, “simple”, “elegan ”, “g ace ul” y “ i id” (X. Kang & Nagasawa, 2023).
En el abajo de in es igación sob e la expe iencia de usua io y las emociones de los pea ones
espec o a los sonidos de ala ma de los u u os coches au ónomos, hacen e e encia a los
ehículos eléc icos como: “clean”, “sa e y” y “silen ” (Zhang & Lee, 2020).
Z. Liu e al., (2022) in es iga la elación de p ocesamien o neu onal en e las emociones aciales
humanas y los ehículos de gasolina y eléc icos u ilizando un diseño de medidas epe idas de
emociones, ipos de os o y egis os de elec oence alog a ía (EEG). Los kanseis pa a el ehículo
eléc ico son: “an h opomo phous”, “neu al”, ”posi i e” y “ag esi e (Z. Liu e al., 2022).
Yanagisawa e al., (2022) p opone un ma co bayesiano que explica y es ima la pe cepción
humana del sis ema de ca ga y las emociones elacionadas con el ehículo eléc ico, del que
habla en é micos de: “unce ain y”, “posi i e”, “nega i e”, “anxie y” y “ elie ” (Yanagisawa e
al., 2022).
Yanagisawa e al., (2022) ambién es udia la p e e encia pe cep i a del usua io sob e el diseño
de au omó iles, y usa los siguien es kanseis pa a el ehículo eléc ico: “no el”, “con o able”,
“Dinamic”, “ ashion” y “sma ” (Yanagisawa e al., 2022).
Dec inis e al., (2023) es udia los mensajes que pueden in lui en como los empleados de una
emp esa au omo ilis ica se decan an en elegi un ehículo eléc ico en de imen o de o os. En
e e enencia a los ehículos eléc ico se les a ibuye los concep os: “economy”, “clean” y
“posi i e” (Dec inis e al., 2023).
M. Li e al., (2020) in es iga sob a la elación en e los elemen os de diseño y el es ilo del ehículo
eléc ico, de donde se ob ienen los é minos: “so ”, “ ecnological”, “simple” y “ligh ” (M. Li e
al., 2020).
Un es udio de las ca ac e ís icas de ma cas de ehículos eléc icos en china e eló los kanseis:
“ ashionable”, “ u u is ”, “sophis ica ed”, “beau i ul”, “balanced”, “indi idualis ic”, “unique”,
“mode n”, “ha monized” y “dynamic” (Qi & Kim, 2024).
En el es udio que u o como obje i o explica los di e en es compo amien os y p e e encias de
los usua ios po enciales analizando sus ac i udes hacia un ehículo eléc ico diseñado
especí icamen e pa a la mo ilidad u al, des acan los é minos: “sus ainable”, “economy”, “eco-
iendly”, “ eliabili y”, “sa e y”, “p ice” y “d i ing expe ience” (Palmie i e al., 2023).
En o o es udio que u o como obje i o mejo a la comp ensión ac ual de los ac o es que
in luyen en las in enciones de los clien es de adop a opciones de mo ilidad con ehículo
eléc ico, se ob ienen los siguien es kanseis: “P ice”, “acele a ion”, “silen ”, “ecological”,
“quali y”, “au onomy”, “ echa ging” y “social alue” (Higue as-Cas illo e al., 2019).
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 133
S. Zhou e al., (2021) in es igan sob e la in ención de comp a del consumido de acue do con la
eo ía del alo pe cibido, e aluando di e sos aspec os y dimensiones. Cons uyen el modelo de
in ención de comp a del consumido de ehículos eléc icos, a los que se e ie en con los
siguien es adje i os: “g een”, “ene gy-sa ing”, inno a i e”, “Expensi e” y “cos ” (S. Zhou e al.,
2021).
En la in es igación de Xu e al., (2020) explo a cómo la expe iencia de conducción del consumido
a ec a la in ención de adopción del ehículo eléc ico desde la pe spec i a de la espues a
emocional del consumido . Los é micos kansei pa a el ehículo eléc ico de es e a ículo son:
“sus ainable”, “sa is ac ion”, “p ice”, “ us ”, “quali y”, “sa e y”, “inno a ion” y “d i ing-
expe ience” (Xu e al., 2020).
Sugimo o e al., (2020) es udia sob e la ca ga cogni i a y las emociones posi i as de ope a un
ehículo eléc ico, y ca ego iza es e ipo de ehículos con los siguien es é minos: “d i ing-
expe ience”, “ lexible”, “pleasu e”, “inme sión”, “easy” y “e o lessness” (Sugimo o e al., 2020).
En el abajo de desa ollo de un con olado pa a los mo o es de ehículo eléc icos, de o ma
ans e sal ci a ca ac e ís icas de los ehículos eléc icos. Aquí los kanseis conside ados son:
“sus ainabili y”, “e iciency” y “g een (low-emision)” (Balan e al., 2022).
En el es udio sob e ca ga de ehículo eléc ico p oponen una solución mul iagen e pa a esol e
la a ea de asignación de ehículos eléc icos en ca gado es de ed in eligen e, y ambién de
o ma ans e sal ca ego iza a los ehículos eléc icos con: “cha ge”, “au onomy” y “p ice”
(Apa icio e al., 2021).
En la in es igación de Bhu o e al., (2022) in eg an la eo ía de los alo es de consumo y la
au oiden idad é ica pa a explo a la in ención de adop a ehículos ecológicos en e la
Gene ación Z. Y en cuan o a los ehículos eléc icos se encuen an los siguien es é minos:
“g een”, “clean”, “e iciency”, “no el y”, “quali y”, “p ice”, “pe o mance”, “quali y”, “con o ” y
“usabili y” (Bhu o e al., 2022).
Shu e al., (2022) analiza el iesgo pe cibido po los clien es a pa i de los da os de comen a ios
de e ce os en las edes sociales espec o del ehículo eléc ico. Los kanseis que cali ican al
ehículo eléc ico son: “e iciency (ene gy conse a ion)”, “sus ainabili y”, “dis up i e”,
“inno a i e”, “pe o mance”, “ eliabili y”, “ educed cos ” y “sa e y” (Shu e al., 2022).
En el abajo de W. Li e al., (2023) desa olla un modelo de in es igación que analiza el e ec o
de la in e acción en la in ención de comp a de los ehículos eléc icos y u iliza el alo de la
expe iencia como a iable mediado a. Los adje i os a ibuidos a es e ipo de ehículo son:
“cos ”, “quie ”, “accele a ion”, “g een “, “quali y (p osocial)” y “en i omen al bene i s” (W. Li e
al., 2023).
Sha ma e al., (2024) u iliza el ma co de alo pe cibido del consumo pa a in es iga los ac o es
que a ec an las pe cepciones de los comp ado es sob e los ehículos eléc icos, los cuales son
cali icado con los siguien es concep os: “g een”, “inno a ion”, “en i onmen ally iendly”,
“sus ainabili ” y “p ice” (Sha ma e al., 2024).
En un análisis de los ehículos eléc icos ul apequeños en a ias o mas según su aplicación pa a
su di usión en Ko ea, se e ela como adje i o p incipal: “economic” (H. Kim & Kim, 2021).
En la in es igación de J. Wang e al., (2024) e alúan la con ianza de los usua ios en el sis ema de
es imación de au onomía de los ehículos eléc icos pa a asocia los a la ansiedad po la
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 134
au onomía. Y espec o a es o, los é minos asociados a ehículo eléc ico son: “ ange anxie y” y
“ us ” (J. Wang e al., 2024).
T as un es udio sob e las ac i udes de los consumido es malayos hacia los ehículos ecológicos,
se ob ienen los kanseis: “p ice”, “quali y”, “com o ”, “sa is ac ion”, “sus ainabili y”, “clean”,
“sel -iden i y” y “sus ainable” (Alganad e al., 2023).
Najmi e al., (2023) analiza la impo ancia de los ac o es socio-é icos en el compo amien o de
los indi iduos hacia el uso de los se icios de anspo e. En es e con ex o al e e i se al ehículo
eléc ico se encuen an los siguien es concep os: “inno a ion”, “ ange”, “speed”, “cos ”, “sel -
iden i y” y “sa ing he en i onmen ” (Najmi e al., 2023).
En la in es igación sob e la in ención de los consumido es de comp a elec odomés icos
ene gé icamen e e icien es se menciona ans e salmen e concep os pa a ehículo elec o. De
aquí se ob iene: “pleasu e”, “con o ”, “P ice” y “ecological (en i omen al iendlines)” (C. C. Lin
& Dong, 2023).
En el es udio de Dilo so lhe, (2022) se examina los ac o es que in luyen en las in enciones de
los “millennials” de adop a ehículos eléc icos híb idos enchu ables en Gau eng, Sudá ica. Los
kanseis ob enidos de es e es udio son: “Sus ainable”, “e icien ”, “ecological (en i omen ally
iendly)”, “cos owne sihp”, “d i ing ange”, “cha ging ime” y “ne wo k a ailabili y”
(Dilo so lhe, 2022).
X. Kang & Zhu, (2022) explo an la conexión en e el sen imien o del clien e y el diseño on al de
los ehículos eléc icos enchu ables. Ese en oque pe mi e iden i ica las expec a i as
emocionales de los clien es y clasi ica las ca ac e ís icas cla e del ehículo, y de él se ex aen los
siguien es kanseis: “elegan ”, “simple”, “li ely”, “mellow”, “ ound”, “ligh ”, “g een” y
“sus ainable” (X. Kang & Zhu, 2022).
El o al de é minos kansei ecopilados es de 83, as ag upa aquellos que son iguales o
sinónimos en a ios ex os. En la abla 16 se mues a el conjun o de los kanseis:
kansei
speedy
eco- iendly
neu al
inno a i e
sa e
eliabili y
pos i e
expensi e
in elligen
p ice
ag esi e
cos
con o able
d i ing expe ience
unce ain y
sa is ac ion
high- ech
acele a ion
nega i e
us
simple
ecological
anxie y
lexible
elegan
quali y
elie
pleasu e
Li ely
au onomy
no el
inme sion
mellow
echa ging
dynamic
e o lessness
ound
social alue
sma
e iciency
Ligh
young
economy
pe o mance
g een
ene ge ic
so
usabili y
sus ainable
s eamlined
u u is
dis up i e
clean
heal hy
sophis ica ed
quie
hale
magni icien
beau i ul
accele a ion
iny
na u al
balanced
sel -iden i y
s eady
easy
indi idualis ic
ange
echnological
cool
unique
cha ging- ime
ashion/able
exquisi e
mode n
ne wo k a ailabili y
g ace ul
as
ha monized
ene gy-sa ing
i id
casual
an h opomo phous
Tabla 16. Kanseis ob enidos de e ision bibliog a ica.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 135
Es a colección de kanseis de la abla 16 ep esen a los Kansei de bajo ni el, elacionados
di ec amen e con el ehículo eléc ico. Es a colección iene que se sin e izada en el siguien e
paso pa a el educi su núme o. Pa a es a educción de in o mación se es ablece el c i e io de
po cen aje de apa ición en los a ículos analizados. Así ob enemos la abla 17 donde son
elegidos aquellos kanseis que apa ecen 3 o más eces en los a ículos.
Kansei
F ecuencia
%Rela i o
Sus ainable
8
5,2%
P ice
8
5,2%
G een
6
3,9%
Sa e
5
3,2%
Clean
5
3,2%
Quali y
5
3,2%
Inno a i e
5
3,2%
Con o able
4
2,6%
Simple
4
2,6%
Fashion/able
4
2,6%
Cos
4
2,6%
Elegan
3
1,9%
Pos i e
3
1,9%
Reliabili y
3
1,9%
D i ing expe ience
3
1,9%
Ecological
3
1,9%
Tabla 17. Clasi icacion de kanseis po ecuencia de apa icion en a ículos.
Con lo cual hay 16 kanseis, que as se analizados se p opone elimina el kansei “p ice” ya que
no ep esen a es ic amen e un kanseis, y al es a en la lis a el é mino “cos ”, en es e es a ía
implíci o dicho é mino, aunque ampoco es un buen é mino como Kansei.
El siguien e paso sigue con la unción de educi los 15 é minos, y espondan a las ca ac e ís icas
buscadas y sean kanseis de al o ni el. Pa a ello se p opone u iliza el mé odo de Di e encial
Semán ico (SD).
Es a he amien a desa ollada po Osgood pa a la e aluación psicología, si e pa a medi de
o ma cuan i a i a la emoción que gene a un p oduc o en un usua io. Median e el Di e encial
Semán ico hay que ealiza una encues a a un g upo de usua ios. En es e caso, después de
ecolec a los kanseis de li e a u a cien í ica, la en e is a se pasa a usua ios expe os. Sin
emba go, pa a conside a la opción de Di e encial Semán ico se necesi a el pa de é minos
opues os, pe o los ecolec ados son odos posi i os y hay de e mina su é mino nega i o,
habiendo a ios de ellos, como po ejemplo “g een”, “quali y”, “elegan ”, de los que es di ícil
ob ene el é mino con a io o nega i o. An e es a di icul ad, se op a po la al e na i a de la
escala Like , donde con una a i mación comple a que con iene el kansei en es udio, se le pide
al usua io que con es a si es á de acue do o en desacue do.
Pa a el diseño de la encues a se ha pa ido de 12 on ales de ehículos eléc icos con los que se
expe imen ó p e iamen e con Eye acking y Análisis Conjun o. Es os 12 ehículos ue on
iden i icados como eléc icos con una asa de acie o de más del 50%, al se p egun ado los
pa icipan es si conside aban que e a un ehículo eléc ico o de combus ión. A la imagen de cada
on al se le asoció los 15 kanseis con una escala Like de 5 pun os (1 a 5), como se ep esen a
en la igu a 62:
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 136
This ca is …
Sus ainable
5
4
3
2
1
G een
5
4
3
2
1
Sa e
5
4
3
2
1
Clean
5
4
3
2
1
Quali y
5
4
3
2
1
Inno a i e
5
4
3
2
1
Con o able
5
4
3
2
1
Simple
5
4
3
2
1
Fashionable
5
4
3
2
1
Cos -e ec i e
5
4
3
2
1
Elegan
5
4
3
2
1
Pos i e
5
4
3
2
1
Reliabili y
5
4
3
2
1
D i ing expe ience
5
4
3
2
1
Ecological
5
4
3
2
1
Figu a 62. Ejemplo de escala Like u ilizada en encues a a expe os.
Con los 15 kanseis ( abla 18) y con las imágenes on ales de los 12 ehículos queda una encues a
de 180 decisiones, pa a ealiza la en un iempo ap oximado de 15 minu os, que son pa áme os
de decisión y iempo azonables.
K1
Sus ainable
K2
G een
K3
Sa e
K4
Clean
K5
Quali y
K6
Inno a i e
K7
Con o able
K8
Simple
K9
Fashionable
K10
Cos -e ec i e
K11
Elegan
K12
Pos i e
K13
Reliabili y
K14
D i ing expe ience
K15
Ecological
Tabla 18. 15 kanseis u ilizados de a iales pa a los 12 on ales de ehiculos.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 137
Con los da os ob enidos de la p ime a encues a se busca ex ae los kanseis de ni el supe io , de
o ma que se enga un pequeño núme o ep esen a i o de odos. La he amien a u ilizada es un
análisis ac o ial.
7.1.2.1 Análisis ac o ial
En la abla 19 se mues an las alo aciones medias ob enidos de la encues a. Cada alo es la
media de odas las pun uaciones dadas po los usua ios, a cada una de las imágenes de los 12
ehículos mos ados (Ca 1 a ca 12), pa a cada uno de los 15 kanseis e aluados en cada imagen
(K1 a K15).
K1
K2
K3
K4
K5
K6
K7
K8
K9
K10
K11
K12
K13
K14
K15
Ca 1
2,95
2,84
4,11
3,63
4,00
3,74
3,89
2,84
3,58
3,37
3,74
3,42
3,37
3,63
2,89
Ca 2
2,68
2,74
3,42
3,79
4,42
4,47
3,11
2,68
4,42
2,58
4,21
3,58
3,58
4,16
2,89
Ca 3
3,16
3,16
3,68
3,37
3,53
3,21
3,68
3,16
3,11
3,26
3,26
3,11
3,05
2,89
3,05
Ca 4
3,58
3,47
3,21
3,42
3,32
2,79
3,26
3,32
2,58
3,37
2,58
3,37
3,11
2,74
3,26
Ca 5
3,32
3,32
2,47
2,89
2,47
2,74
2,47
3,42
2,32
3,21
1,84
2,63
2,84
2,26
3,26
Ca 6
3,26
3,11
3,63
3,37
3,58
3,89
3,68
2,74
3,42
3,21
3,26
3,11
3,37
3,53
3,21
Ca 7
2,84
2,89
3,74
3,32
3,84
3,16
3,58
2,68
3,16
3,00
3,53
3,11
3,47
3,47
2,84
Ca 8
3,26
3,26
3,37
3,63
3,89
4,26
3,37
2,84
4,21
2,74
4,05
3,63
3,42
4,21
3,11
Ca 9
3,42
3,32
3,42
3,53
3,47
3,84
3,37
3,42
3,37
3,00
3,42
3,21
3,32
3,37
3,26
Ca 10
3,68
3,68
2,11
3,68
2,47
2,53
2,42
4,21
2,21
3,58
1,89
2,89
2,89
2,00
3,47
Ca 11
2,84
2,79
3,84
3,21
3,74
3,26
3,95
2,68
3,47
3,05
3,42
3,00
3,58
3,63
2,89
Ca 12
2,53
2,79
3,84
3,16
3,84
3,63
4,05
2,47
3,58
3,11
3,32
3,32
3,63
3,63
2,79
Tabla 19. Valo ación media de 12 ehículos pa a 15 kanseis.
Con el obje i o de busca las elaciones en e los 15 kanseis pa a educi in o mación se ealiza
el análisis ac o ial a los da os de abla 19 con so wa e SPSS .29.0 Se ob iene la ma iz de
co elaciones de las alo aciones medias kanseis median e el coe icien e de co elación de
Pea son (-1, 1). Siendo “-1“ la máxima co elación in e sa, “1” la máxima co elación di ec a y
“0” cuando no exis e co elación.
El mé odo de ex acción de ac o es es median e componen es p incipales, basado en
au o alo es mayo es a 1, y el mé odo de o ación es Va imax con no malización Kaise .
La ma iz de co elaciones es la siguien e:
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 144
La ex acción de ac o es de como esul ado 2 ac o es ( abla 28):
Ma iz de componen e o adoa
Componen e
1
2
Sus ainable
-,904
-,028
Sa e
,825
,200
Clean
-,271
,894
Inno a i e
,538
,763
Simple
-,966
-,143
Fashionable
,670
,718
Cos -e ec i e
-,566
-,536
Elegan
,689
,692
Pos i e
,328
,844
Reliabili y
,847
,394
D i ing expe ience
,761
,629
Mé odo de ex acción: análisis de componen es p incipales.
Mé odo de o ación: Va imax con no malización Kaise .
a. La o ación ha con e gido en 3 i e aciones.
Tabla 28. Ma iz de componen es o ados as educi a 11 los kanseis.
También se ob iene el índice KMO y se aplica el es de es e icidad de Ba le a los da os ( abla
29):
P ueba de KMO y Ba le
Medida Kaise -Meye -Olkin de adecuación de mues eo
,626
P ueba de es e icidad de
Ba le
Ap ox. Chi-cuad ado
151,168
gl
55
Sig.
<,001
Tabla 29. Indice KMO y es de espe icidad de Ba le a los da os de 11 kanseis.
En cuan o al índice KMO queda en e 0,5 y 0,75, lo cual da in o mación la ex acción de ac o es
pod ía se acep able, sin emba go, el es adís ico chi-cuad ado, con un alo al o, jun o con el
de e minan e de la ma iz p óximo a ce o, indica que la ex acción de ac o es no es buena. El
esul ado de la o ación se ía bas an e malo y muy di ícil de in e p e a .
Se uel e a epe i el p oceso con un quin o análisis ac o ial donde se desea pe de menos del
5% de la in o mación en la educción de kanseis. Se p opone ex ae 4 ac o es con el mismo
mé odo de ex acción de componen es p incipales, y hace una o ación de ac o es de ipo
Va imax con no malización Kaise median e SPSS .29.0 La ma iz de componen es o ados
ob enida es:
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 145
Ma iz de componen e o adoa
Componen e
1
2
3
4
Sus ainable
-0,287
-0,355
0,080
-0,868
Sa e
0,148
0,896
0,086
0,370
Clean
0,139
-0,069
0,975
-0,075
Inno a i e
0,769
0,378
0,404
0,153
Simple
-0,446
-0,676
0,120
-0,540
Fashionable
0,727
0,420
0,395
0,343
Cos -e ec i e
-0,929
-0,054
-0,090
-0,291
Elegan
0,592
0,565
0,429
0,330
Pos i e
0,433
0,435
0,694
0,088
Reliabili y
0,455
0,516
0,201
0,626
D i ing expe ience
0,681
0,547
0,305
0,357
Mé odo de ex acción: análisis de componen es p incipales.
Mé odo de o ación: Va imax con no malización Kaise .
a. La o ación ha con e gido en 8 i e aciones.
Tabla 30. Ma iz de componen es o ados pa a 4 ac o es de 11 kanseis.
A la is a de los alo es de la ma iz ( abla 30) se concluye que el esul ado de la o ación es
bas an e malo y muy di ícil de in e p e a .
T as no ob ene unos buenos esul ados en la educción de in o mación median e Análisis
Fac o ial, se p opone ealiza un Análisis de A inidad en base a la ma iz de co elaciones ( abla
19). Pa a acili a la in e p e ación de la ma iz de co elaciones se han señalado en e de
aquellas elaciones iguales o supe io es a 0,8, y po o o lado, se ha señalado en ojo aquellas
co elaciones iguales o supe io es a -0,8.
K1
K2
K3
K4
K5
K6
K7
K8
K9
K10
K11
K12
K13
K14
K15
K1
Sus ainable
1,000
0,959
-0,679
0,134
-0,728
-0,475
-0,623
0,847
-0,634
0,524
-0,625
-0,314
-0,791
-0,659
0,955
K2
G een
0,959
1,000
-0,789
0,079
-0,798
-0,538
-0,701
0,891
-0,681
0,515
-0,704
-0,339
-0,821
-0,726
0,950
K3
Sa e
-0,679
-0,789
1,000
0,027
0,834
0,541
0,955
-0,838
0,644
-0,320
0,781
0,511
0,766
0,741
-0,803
K4
Clean
0,134
0,079
0,027
1,000
0,387
0,467
-0,072
0,143
0,432
-0,194
0,454
0,658
0,173
0,329
0,092
K5
Quali y
-0,728
-0,798
0,834
0,387
1,000
0,803
0,714
-0,833
0,906
-0,671
0,962
0,798
0,878
0,930
-0,796
K6
Inno a i e
-0,475
-0,538
0,541
0,467
0,803
1,000
0,415
-0,625
0,951
-0,769
0,877
0,750
0,710
0,902
-0,439
K7
Con o able
-0,623
-0,701
0,955
-0,072
0,714
0,415
1,000
-0,779
0,533
-0,172
0,655
0,416
0,736
0,642
-0,734
K8
Simple
0,847
0,891
-0,838
0,143
-0,833
-0,625
-0,779
1,000
-0,742
0,592
-0,756
-0,481
-0,856
-0,832
0,874
K9
Fashionable
-0,634
-0,681
0,644
0,432
0,906
0,951
0,533
-0,742
1,000
-0,814
0,951
0,785
0,826
0,968
-0,631
K10
Cos -e ec i e
0,524
0,515
-0,320
-0,194
-0,671
-0,769
-0,172
0,592
-0,814
1,000
-0,736
-0,530
-0,648
-0,786
0,478
K11
Elegan
-0,625
-0,704
0,781
0,454
0,962
0,877
0,655
-0,756
0,951
-0,736
1,000
0,791
0,833
0,957
-0,695
K12
Pos i e
-0,314
-0,339
0,511
0,658
0,798
0,750
0,416
-0,481
0,785
-0,530
0,791
1,000
0,606
0,765
-0,404
K13
Reliabili y
-0,791
-0,821
0,766
0,173
0,878
0,710
0,736
-0,856
0,826
-0,648
0,833
0,606
1,000
0,901
-0,792
K14
D i ing
expe ience
-0,659
-0,726
0,741
0,329
0,930
0,902
0,642
-0,832
0,968
-0,786
0,957
0,765
0,901
1,000
-0,692
K15
Ecological
0,955
0,950
-0,803
0,092
-0,796
-0,439
-0,734
0,874
-0,631
0,478
-0,695
-0,404
-0,792
-0,692
1,000
Tabla 31. Ma iz de co elaciones des ando los kanseis simila es y con a ios.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 146
En la abla 31 es án somb eados en e de las celdas que ep esen an al as co elaciones
posi i as, donde los kanseis son muy simila es. Y en ojo es án somb eadas las celdas que
ep esen an al as co elaciones nega i as, donde los kanseis son “con a ios”.
Analizado la abla 31 usando como alo lími e 0,8 y -0,8 pa a la clasi icación, se ob iene:
• K1: muy simila a K2, K8 y K15.
• K2: muy simila a K2, K8 y K15. Con a io a K13.
• K3: muy simila a K5 y K7. Con a io a K8 y K15.
• K4: Kansei “independien e” no iene co elación al a posi i a ni nega i a con ninguno
o o Kansei.
• K5: muy simila a K3, K6, K9, K11, K13 y K14. Con a io a K8.
• K6: muy simila a K5, K9, K11 y K14.
• K7: muy simila a K3.
• K8: muy simila a K1, K2, K15. Con a io a K3, K5, K13 y K14.
• K9: muy simila a K5, K6, K11, K13 y K14. Con a io a K10.
• K10: no es simila a ningún Kansei. Si es con a io al K9.
• K11: muy simila a K5, K6, K9, K13 y K14.
• K12: Kansei “independien e” no iene co elación al a posi i a ni nega i a con ninguno
o o Kansei.
• K13: muy simila a K5, K9, K11, K14. Con a io a K2 y K8.
• K14: muy simila a K5, K6, K9, K11 y K13. Con a io a K8.
• K15: muy simila a K1, K2, K8. Con a io a K3.
En conclusión, as el análisis de a inidad el espacio semán ico o iginal de 15 kanseis se ha
educido a 4 kanseis ( abla 32) y son los que se u ilizan en la e apa de sín esis.
K1
Sus ainable
K2
Sa e
K3
Inno a i e
K4
Quali y
Tabla 32. Kanseis de p ime ni el.
7.1.3 Espacio de p opiedades
La ecopilación me ódica de p opiedades ú iles pa a un es udio de Ingenie ía Kansei sigue un
p oceso especí ico de ecopilación y selección de p opiedades. En una e apa inicial, se ecoge
ma e ial inspi ado elacionado con un á ea de p oduc o a pa i de di e sas uen es,
iden i icando así p opiedades po enciales. En una e apa pos e io , es as p opiedades se
o ganizan según cie as di ec ices. El núme o de p opiedades se educe al selecciona las más
ele an es, quedando solo aquellas que ienen el mayo impac o emocional pa a una e aluación
pos e io . Finalmen e, se iden i ican p oduc os de ejemplo que inco po an las p opiedades
seleccionadas, ep esen ando así el espacio de p opiedades. Dependiendo del mé odo
empleado pa a iden i ica las elaciones, el conjun o de p oduc os puede a ia .
Pa a es e caso de es udio, las p opiedades o a ibu os ele an es ienen que e con el on al
del ehículo eléc ico. En los abajos p e ios ya se e ela on las p opiedades que ca ac e izan
es os ehículos. Del pun o 5.2.1 de Eye acking y del pun o 6.2.2 de Análisis Conjun o, se e eló
que la pa illa y los a os son las p opiedades des acadas. Así mismo los ni eles de cada
p opiedad ambién han sido ya clasi icados, eniendo 6 ni eles la pa illa y 5 los a os ( igu a 63).
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 147
Figu a 63. Cuad o mo ológico de p opiedades y ni eles.
Pa a el espacio mues al se abaja con Pe iles Comple os donde se ienen en cuen a odas las
combinaciones de ni eles. A la ho a de c ea el espacio mues al que con emple la combinación
de los ni eles de p opiedades, se a a ene 30 imágenes de ehículos (6x5) donde se con emplen
las o mas a iadas de pa illa y la o ma de los a os, man eniendo cons an e el es o de
p opiedades. En la siguien e abla 33 se ecoge las combinaciones de p opiedades asignadas a
un núme o o iden i icado de ehículo:
CAR
Head_Ligh s_Fo m
G ill_Fo m
1
A c
Banne
2
Double A c
Banne
3
Fine
Banne
4
Polygonal
Banne
5
Rounded
Banne
6
A c
Long hin
7
Double A c
Long hin
8
Fine
Long hin
9
Polygonal
Long hin
10
Rounded
Long hin
11
A c
No g ill
12
Double A c
No g ill
13
Fine
No g ill
14
Polygonal
No g ill
15
Rounded
No g ill
16
A c
O ganic
17
Double A c
O ganic
18
Fine
O ganic
19
Polygonal
O ganic
20
Rounded
O ganic
21
A c
Polygonal
22
Double A c
Polygonal
23
Fine
Polygonal
24
Polygonal
Polygonal
25
Rounded
Polygonal
26
A c
Visual
27
Double A c
Visual
28
Fine
Visual
29
Polygonal
Visual
30
Rounded
Visual
Tabla 33. Combinación de p opiedades pa a gene a 30 imágenes de ehículos.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 148
Pa a gene al el conjun o de 30 imágenes con la combinación de p opiedades, se pa e de una
imagen gené ica de las mues as del an e io expe imen o de Eye acking, y se an añadiendo
los ni eles ca ac e ís icos de las p opiedades de a o y pa illa, has a ob ene el conjun o de las
30 imágenes de ehículos ic icios ( abla 34) pa a la e apa de sín esis. El ehículo de e e encia
pa a gene a las 30 imágenes ha sido el que mayo pun uación en aspec o eléc ico en el
expe imen o de Análisis Conjun o y Eye acking.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Tabla 34. Conjun o de 30 imagenes de ehiculos ic icios combinando p opiedades.
7.1.4 Sín esis
En la ase de sín esis se es ablece y cuan i ica las elaciones exis en es en e cada una de las
p opiedades y los kanseis seleccionados. Es a es la e apa más impo an e de la Ingenie ía Kansei,
y aquí se puede es ablece cuál es el impac o de cada ca ego ía o ni el de p opiedad sob e el
é mino kansei, y ambién se puede de e mina que p opiedad es más in luyen e sob e cada
Kansei.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 149
Pa a es ablece y cuan i ica la elación en e los ni eles de las p opiedades e ocado as y la
alo ación de cada palab a Kansei, se cons uye el modelo ma emá ico: Y = ( X1,.....,Xp), donde
Y es la alo ación Kansei p omedio de odos los indi iduos que se incluyen en el es udio y
X1,X2,….,Xp son las a iables que indican los ni eles e aluados de las p opiedades.
- Diseño encues a
Una ez de e minado el espacio semán ico con su co espondien e conjun o de kanseis de
p ime ni el, y el espacio de p opiedades con su co espondien e cuad o mo ológico con la
colección de 30 imágenes ep esen a i as de p opiedades combinadas, se p ocede a elabo a
con ellos el cues iona io pa a ecaba in o mación de los usua ios. En la encues a se incluye
además cues iones de ca ác e demog á ico, pa a un es de usua io, con el obje i o de ob ene
in o mación ex a. Así se pude conoce las ca ac e ís icas de los en e is ados y comp oba la
posible exis encia de clús e es o g upos homogéneos den o de la mues a, y analiza posibles
a iaciones en las a iables del es udio en unción de los clus e o ex ae ac o es in luyen es u
o a in o mación implíci a en el conjun o de la mues a de encues ados.
Las p egun as sociodemog á icas son:
P1
Edad
P2
Géne o
P3
Si uación labo al
P4
¿Tienes coche?
P5
O os ehículos. Señala el que más se u ilice
P6
¿Piensas en comp a un coche eléc ico?
P7
Mo i o pa a comp a lo
P8
Uso p incipal que le da ías al coche
Tabla 35. P egun as del es de usua io.
Con es as p egun as se o ma el es de usua io, que ayuda a conoce y e alua la elación del
usua io con el p oduc o. Las p egun as han sido p opues as eniendo en cuen a el ipo de
usua ios que an a con es a , en su g an mayo ía alumnado de cua o cu so del G ado en
Ingenie ía en Diseño Indus ial y Desa ollo del P oduc o.
A la ho a de asegu a unos al os ni eles de iabilidad es adís icos de i ados del análisis de la
in o mación ecogida po la encues a, es muy impo an e el amaño de la mues a de
encues ados. En la plani icación del amaño de la mues a se conside a que los pa icipan es de
la encues a sean usua ios, y que los u u os usua ios se alineen con la e olución ecnológica del
ehículo eléc ico. La egión de p ocedencia de los encues ados es Andalucía y el ango de edad
es de 18 a 34 años. Con el obje i o de ob ene un ni el de con ianza del 95% y un e o del 10%,
el amaño de la mues a es 97 encues ados.
La in o mación ela i a a las ap eciaciones indi iduales de los encues ados de los kanseis
implíci os en las imágenes se ob iene median e Di e encial Semán ico. Se o maliza la encues a
median e Google Fo ms y se p esen an cada una de las imágenes con los 4 kanseis, los cuales se
ienen que e alua con una escala de 5 ni eles Like indicando la p oximidad del kansei desde
el 5 que se ía “To almen e de acue do” al 1 que se ía “To almen e en desacue do” ( igu a 64)).
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 150
Figu a 64. Imagen de encues a de di e encial semán ico.
Los es ímulos, las 30 imágenes de ehículos, se mues an en o den alea o io pa a e i a que el
usua io pueda p edeci o condiciona se po el es ímulo mos ado. Pa a ob ene la o denación
alea o ia se u iliza la unción “ andom” en Py hon, esul ando el siguien e o den:
[11, 19, 17, 21, 30, 14, 1, 16, 22, 29, 2, 26, 5, 9, 7, 13, 25, 3, 8, 23, 10, 6, 27, 15, 28, 24, 4, 12, 20,
18]
7.2 Resul ados de Ingenie ía Kansei
Después de ecopila los da os de las encues as se hace el a amien o de los da os y se explo an
los esul ados y conclusiones.
7.2.1 T a amien o de da os QT1
Hay que e alua la elación del espacio de p opiedades y el semán ico. Hay que busca la
con ibución de los ni eles de cada p opiedad sob e la alo ación Kansei ealizada po los
encues ados. La he amien a pa a al in es el modelo de eg esión lineal, la Teo ía de
Cuan i icación ipo 1 (QT1), y pe mi e o mula un mé odo de cuan i icación de las elaciones
exis en es en e el espacio semán ico y el espacio de p opiedades.
Las alo aciones de kanseis ob enidas de la encues a se mues a en la abla 36:
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 151
K1
K2
K3
K4
Sus ainable
Sa e
Inno a i e
Quali y
Ca 1
3,433
3,639
3,763
3,753
Ca 2
3,443
3,567
3,485
3,619
Ca 3
3,340
3,639
3,608
3,701
Ca 4
3,381
3,835
3,330
3,825
Ca 5
3,113
3,144
3,041
3,144
Ca 6
3,577
3,660
3,670
3,742
Ca 7
3,258
3,814
3,505
3,866
Ca 8
3,196
3,526
3,330
3,557
Ca 9
3,392
3,649
3,495
3,835
Ca 10
3,278
3,567
3,485
3,608
Ca 11
3,186
3,732
3,577
3,887
Ca 12
3,412
3,711
3,515
3,619
Ca 13
2,928
3,237
2,794
3,082
Ca 14
3,402
3,660
3,619
3,649
Ca 15
3,433
3,773
3,670
3,711
Ca 16
3,567
3,567
4,010
3,794
Ca 17
2,959
3,278
3,041
3,175
Ca 18
3,155
3,546
3,443
3,691
Ca 19
3,443
3,546
3,639
3,639
Ca 20
3,196
3,701
3,588
3,794
Ca 21
3,052
3,165
3,124
3,031
Ca 22
3,247
3,577
3,619
3,577
Ca 23
3,371
3,619
3,660
3,732
Ca 24
3,144
3,082
3,000
2,969
Ca 25
3,443
3,526
3,536
3,680
Ca 26
3,351
3,866
3,701
3,887
Ca 27
3,237
3,784
3,546
3,773
Ca 28
3,680
3,546
3,732
3,732
Ca 29
2,887
3,103
2,938
3,134
Ca 30
3,309
3,526
3,361
3,536
Tabla 36. Valo aciones kanseis de encues a.
Po o o lado, es necesa io codi ica las a iables ca egó icas de los ni eles de p opiedades ( a o
y pa illa) en a iables numé icas median e codi icación “dummy” pa a e i a p oblemas de
mul icolinealidad en la aplicación de QT1 ( abla 37).
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 152
P opiedad 1: Fo ma de a o
Ni eles de P1: (D1, D2, D3, D4)
Codi icación:
(1, 0, 0, 0): A co
(0, 1, 0, 0): Doble a co
(0, 0, 1, 0): Fina
(0, 0, 0, 1): Poligonal
(0, 0, 0, 0): Redondeado
T aducción de las a iables:
D1: a co
D2: doble a co
D3: Fino
D4: Poligonal
P opiedad 2: Fo ma de pa illa
Ni eles de P2: (D5, D6, D7, D8, D9)
Codi icación:
(1, 0, 0, 0, 0): La ga delgada
(0, 1, 0, 0, 0): O ganica
(0, 0, 1, 0, 0): Panca a
(0, 0, 0, 1, 0): Poligonal
(0, 0, 0, 0, 1): Visual
(0, 0, 0, 0, 0): Sin pa illa
T aducción de las a iables
D5: La ga delgada
D6: O ganica
D7: Panca a
D8: Poligonal
D9: Visual
Tabla 37. Codi icacion dummy.
La abla de da os con la codi icación de a iables de las p opiedades y sus ni eles pa a las 30
imágenes en la siguien e ( abla 38):
Fo ma de a o
Fo ma pa illa
CAR ID
A co
Doble a co
Fina
Poligonal
Redondo
La ga Delg.
O gánica
Panca a
Poligonal
Visual
Sin P.
Ca 1
1
0
0
0
0
0
0
0
0
0
1
Ca 2
0
0
0
1
0
0
1
0
0
0
0
Ca 3
0
1
0
0
0
0
1
0
0
0
0
Ca 4
1
0
0
0
0
0
0
0
1
0
0
Ca 5
0
0
0
0
1
0
0
0
0
1
0
Ca 6
0
0
0
1
0
0
0
0
0
0
1
Ca 7
1
0
0
0
0
0
0
1
0
0
0
Ca 8
1
0
0
0
0
0
1
0
0
0
0
Ca 9
0
1
0
0
0
0
0
0
1
0
0
Ca 10
0
0
0
1
0
0
0
0
0
1
0
Ca 11
0
1
0
0
0
0
0
1
0
0
0
Ca 12
1
0
0
0
0
0
0
0
0
1
0
Ca 13
0
0
0
0
1
0
0
1
0
0
0
Ca 14
0
0
0
1
0
1
0
0
0
0
0
Ca 15
0
1
0
0
0
1
0
0
0
0
0
Ca 16
0
0
1
0
0
0
0
0
0
0
1
Ca 17
0
0
0
0
1
0
0
0
1
0
0
Ca 18
0
0
1
0
0
0
0
1
0
0
0
Ca 19
0
0
1
0
0
1
0
0
0
0
0
Ca 20
0
0
1
0
0
0
0
0
1
0
0
Ca 21
0
0
0
0
1
1
0
0
0
0
0
Ca 22
1
0
0
0
0
1
0
0
0
0
0
Ca 23
0
1
0
0
0
0
0
0
0
1
0
Ca 24
0
0
0
0
1
0
0
0
0
0
1
Ca 25
0
0
1
0
0
0
0
0
0
1
0
Ca 26
0
0
0
1
0
0
0
0
1
0
0
Ca 27
0
0
0
1
0
0
0
1
0
0
0
Ca 28
0
1
0
0
0
0
0
0
0
0
1
Ca 29
0
0
0
0
1
0
1
0
0
0
0
Ca 30
0
0
1
0
0
0
1
0
0
0
0
Tabla 38. Da os de codi icación “dummy”.
Capí ulo 7. Ingenie ía Kansei pa a el diseño del ehículo eléc ico
Raúl Núñez Rome o - 153
A con inuación, se in eg an las alo aciones kanseis (espacio semán ico) y los da os de
codi icación de a iables (espacio de p opiedades) pa a aplica QT1 ( abla 39):
K1
K2
K3
K4
Fo ma de a o
Fo ma Pa illa
Sus ainable
Sa e
Inno a i e
Quali y
A co
Doble a co
Fino
Poligonal
Redondo
La ga Del.
O gánica
Panc.
Poligonal
Visual
Sin P
Ca 1
3,433
3,639
3,763
3,753
1
0
0
0
0
0
0
0
0
0
1
Ca 2
3,443
3,567
3,485
3,619
0
0
0
1
0
0
1
0
0
0
0
Ca 3
3,340
3,639
3,608
3,701
0
1
0
0
0
0
1
0
0
0
0
Ca 4
3,381
3,835
3,330
3,825
1
0
0
0
0
0
0
0
1
0
0
Ca 5
3,113
3,144
3,041
3,144
0
0
0
0
1
0
0
0
0
1
0
Ca 6
3,577
3,660
3,670
3,742
0
0
0
1
0
0
0
0
0
0
1
Ca 7
3,258
3,814
3,505
3,866
1
0
0
0
0
0
0
1
0
0
0
Ca 8
3,196
3,526
3,330
3,557
1
0
0
0
0
0
1
0
0
0
0
Ca 9
3,392
3,649
3,495
3,835
0
1
0
0
0
0
0
0
1
0
0
Ca 10
3,278
3,567
3,485
3,608
0
0
0
1
0
0
0
0
0
1
0
Ca 11
3,186
3,732
3,577
3,887
0
1
0
0
0
0
0
1
0
0
0
Ca 12
3,412
3,711
3,515
3,619
1
0
0
0
0
0
0
0
0
1
0
Ca 13
2,928
3,237
2,794
3,082
0
0
0
0
1
0
0
1
0
0
0
Ca 14
3,402
3,660
3,619
3,649
0
0
0
1
0
1
0
0
0
0
0
Ca 15
3,433
3,773
3,670
3,711
0
1
0
0
0
1
0
0
0
0
0
Ca 16
3,567
3,567
4,010
3,794
0
0
1
0
0
0
0
0
0
0
1
Ca 17
2,959
3,278
3,041
3,175
0
0
0
0
1
0
0
0
1
0
0
Ca 18
3,155
3,546
3,443
3,691
0
0
1
0
0
0
0
1
0
0
0
Ca 19
3,443
3,546
3,639
3,639
0
0
1
0
0
1
0
0
0
0
0
Ca 20
3,196
3,701
3,588
3,794
0
0
1
0
0
0
0
0
1
0
0
Ca 21
3,052
3,165
3,124
3,031
0
0
0
0
1
1
0
0
0
0
0
Ca 22
3,247
3,577
3,619
3,577
1
0
0
0
0
1
0
0
0
0
0
Ca 23
3,371
3,619
3,660
3,732
0
1
0
0
0
0
0
0
0
1
0
Ca 24
3,144
3,082
3,000
2,969
0
0
0
0
1
0
0
0
0
0
1
Ca 25
3,443
3,526
3,536
3,680
0
0
1
0
0
0
0
0
0
1
0
Ca 26
3,351
3,866
3,701
3,887
0
0
0
1
0
0
0
0
1
0
0
Ca 27
3,237
3,784
3,546
3,773
0
0
0
1
0
0
0
1
0
0
0
Ca 28
3,680
3,546
3,732
3,732
0
1
0
0
0
0
0
0
0
0
1
Ca 29
2,887
3,103
2,938
3,134
0
0
0
0
1
0
1
0
0
0
0
Ca 30
3,309
3,526
3,361
3,536
0
0
1
0
0
0
1
0
0
0
0
Tabla 39. Modelo comple o de alo aciones kanseis y a iable de p opiedades pa a QT1.
Con los da os del modelo comple o ( abla 39) y la ayuda del so wa e es adís ico IBM SPSS .29.0,
se ealiza el modelo de eg esión múl iple QT1. Donde se es ima el modelo pa a las p opiedades
y pa a los ni eles (ca ego ías) de cada p opiedad. En el modelo, se incluyen las a iables Xjk pe o
como a iables Dummy, del modelo de eg esión clásico, donde en cada p opiedad se incluyen
kj-1 a iables. De es a o ma, con el modelo se hace la es imación del e ec o de las p opiedades
y sus ni eles sob e las alo aciones Kansei. Usando el modelo se puede es ima el coe icien e de
de e minación R2 y los Coe icien es de Co elación Pa cial (CCP) pa a cada Xjk. El coe icien e de
de e minación mide el e ec o global del espacio de p opiedades sob e cada alo ación Kansei y
el CCP, mide el e ec o de cada p opiedad sob e es a. El modelo pe mi e es ima los (CS) Ca ego y
Sco es que cuan i ica el e ec o de cada ni el de cada p opiedad sob e la alo ación Kansei.
