ARGIRA ↔ RMA · Candidato 4 · Representación Estructural Global

Red de dependencia de entrada visual a salida acústica

Cada flecha refleja la estructura de dependencias de la versión de conocimiento actualmente seleccionada, verificada contra compute_sonic_params(). El grosor de la flecha representa la sensibilidad —el cambio medio normalizado en la salida bajo una perturbación de entrada del ±5%— no solo la presencia de una dependencia. Cuando la versión seleccionada aún no tiene su propia campaña de perturbación, algunas flechas pueden mostrar valores de sensibilidad heredados de la campaña anterior del Candidato 4 (N=123 pinturas). Esto afecta solo al grosor de esas flechas; la estructura de dependencias y los nodos mostrados siempre corresponden a la versión de conocimiento seleccionada. Los nodos grises a la izquierda son calculados por el pipeline pero nunca usados por ninguna fórmula. Pasa el cursor o toca un nodo para rastrearlo.

ARGIRA ↔ RMA v1.8.0 · DOI: 10.5281/zenodo.21400719

ⓘ Sobre este Explorador

Qué es ARGIRA — ARGIRA es una iniciativa de investigación y accesibilidad que explora nuevas formas de representar información mediante tecnología, incluyendo enfoques de sonificación diseñados para crear experiencias más ricas para personas con discapacidad visual.

Qué es RMA — Residual Mapping Auditor, el método usado para evaluar y validar relaciones entre variables — distinto de una simple correlación.

Qué es este Explorador — Una herramienta para explorar la red de dependencias entre características visuales de entrada y parámetros acústicos de salida, y ver qué relaciones están verificadas, son exploratorias, o han sido ejecutadas.

Qué puedes hacer aquí — Explorar la red de dependencias verificada, inspeccionar la evidencia detrás de cada relación, explorar hipótesis generadas en el Modo Investigación, y ejecutar análisis RMA con tu propio CSV en la pestaña Análisis.

Qué no significa un resultado — Una correlación exploratoria no es un hallazgo confirmado; una hipótesis del Modo Investigación no ha sido validada; "Ejecutado" significa que el análisis se corrió, no que esté verificado como conocimiento general.

Knowledge version:

Dataset: —

Hypothesis engine: —

Audited: —

→ → → →

✓ Verified evidence Every relationship shown here is source-verified against compute_sonic_params() and backed by an entry in edge_validation.json.

▶ Executed📊 Analysis — real execution, on your own CSV. Runs the validated RMA engine locally on your own CSV. No data leaves your browser.

Runs rma_core.py (identical, byte-for-byte, to the validated engine used elsewhere in this project) inside Pyodide, right in your browser. Your CSV and your data never leave the browser — but the first time you use this, you need a connection to download the Python engine (~35-50MB, one time only; the browser caches it after that). Nothing here is a hypothesis or pre-computed evidence — it is a live RMA run on whatever columns you select below. Uses the exact same confirmatory-RMA methodology as rma_auditor_v3.html.

Drag & drop a CSV here, or 📁 Choose a file

🔗 Correlation Network ⚠ Exploratory (dataset correlations)

Deliberate methodological separation from the Dependency Network above: this is NOT an RMA audit. These are simple Pearson correlations between the chosen target (above, in Target (Y)) and the rest of the numeric columns in the loaded CSV — no control of variables, no cross-validation, no claim of causality. Useful for quick exploration, not as confirmatory evidence. All numeric columns are always shown as nodes (CSV column order); those that don't clear the threshold appear dimmed and without a connection to the target, instead of disappearing from the graph.

Minimum threshold |r|:

Sensitivity values from ±5% perturbation, N=123/227 (104 rows excluded — tempo_space saturated at the 15-BPM cap, making spatial_variance reconstruction from persisted corpus fields unreliable for those rows). roughness and value_mean perturbed as a negative control — both measured 0.0 sensitivity on every output, confirming Layer 1's "not consumed" finding. zones→tempo_bpm/stereo_pan weights are nominal placeholders (not re-derived from this session's perturbation run) — see candidate4_global_representation.md for the source-verified dependency table and full sensitivity matrix.