💻 ciencias de la computación

Aesthetics Prediction of Websites using Federated Learning

Este artículo propone un enfoque basado en el Aprendizaje Federado utilizando EfficientNet-B0 para predecir la estética de las interfaces de sitios web mediante la incorporación de las preferencias individuales de los usuarios a través de cinco grupos demográficos, logrando un prometedor Error Cuadrático Medio de 0,0534 al tiempo que supera las limitaciones de la recopilación de datos centralizada y las calificaciones promedio.

Autores originales: Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Publicado 2026-10-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ranjan Maity, Jahnavi Roy, Rahul Son Boro, Deepali Borgayary

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Vivimos en un mundo donde la apariencia de una pantalla digital importa tanto como lo que hace. Antes de que una persona lea siquiera una sola palabra en un sitio web o aplicación, su cerebro ya ha formado una opinión sobre si es agradable o desalentadora. Este juicio de una fracción de segundo, realizado a menudo en menos de un parpadeo, puede determinar si un usuario se queda para explorar o se marcha inmediatamente. Para los diseñadores, esto crea un desafío difícil: la belleza es profundamente personal. Lo que una persona encuentra elegante, otra puede encontrarlo desordenado o aburrido. Tradicionalmente, para comprender estas preferencias, los investigadores han reunido a miles de personas para calificar imágenes y luego han promediado las puntuaciones para encontrar una opinión "general". Pero este enfoque tiene un fallo. Al mezclar los gustos de todos en un solo número, se borran las preferencias únicas de los individuos. Asume que un estudiante, un profesional trabajador y un jubilado ven el mundo de la misma manera, lo cual rara vez es cierto. Además, la recopilación de todas estas calificaciones personales en una base de datos centralizada plantea preocupaciones sobre la privacidad, ya que requiere que los usuarios entreguen sus opiniones privadas a una autoridad central.

Un equipo de investigadores del Instituto Central de Tecnología en Kokrajhar, India, se propuso resolver estos problemas construyendo un nuevo tipo de sistema que respete el gusto individual sin comprometer la privacidad. Propusieron un método llamado Aprendizaje Federado (Federated Learning), una técnica que permite a las computadoras aprender de los datos sin mover nunca esos datos del dispositivo del usuario. En lugar de reunir todas las calificaciones en un gran montón, el sistema envía un programa informático inteligente a los dispositivos de los usuarios. El programa aprende de las calificaciones almacenadas localmente en cada dispositivo, y solo las lecciones aprendidas —los ajustes matemáticos al programa— se envían de vuelta a un servidor central. Las calificaciones brutas, las opiniones personales, nunca salen del teléfono o la computadora del usuario. Para probar esta idea, los investigadores crearon un conjunto de datos de cien interfaces de sitios web, capturando tanto versiones de escritorio como móviles de cincuenta sitios diferentes que van desde portales gubernamentales hasta aplicaciones de compras. Luego pidieron a cien personas que calificaran estas pantallas en una escala del uno al diez. Los participantes representaban una mezcla de edades, géneros y ocupaciones, asegurando una amplia variedad de perspectivas.

Los investigadores primero necesitaron encontrar el mejor "cerebro de computadora" para realizar el trabajo pesado de reconocer la belleza visual. Probaron tres modelos de aprendizaje profundo diferentes, que son sistemas complejos diseñados para imitar cómo el ojo humano procesa las imágenes. Tras realizar extensos ensayos, descubrieron que un modelo llamado EfficientNet-B0 era el más efectivo. Era rápido, requería menos recursos informáticos y producía las predicciones más precisas. Sin embargo, la verdadera innovación residía en cómo manejaban el elemento humano. El equipo se dio cuenta de que las personas no utilizan las escalas de calificación de la misma manera. Algunas personas tienden a dar puntuaciones altas a todo, mientras que otras son naturalmente más críticas. Para solucionar esto, desarrollaron una forma de ajustar las calificaciones de cada persona antes de que la computadora aprendiera de ellas. Calcularon cómo una persona específica suele calificar las cosas en comparación con el promedio del grupo y ajustaron sus puntuaciones en consecuencia. Esto permitió que la computadora aprendiera la verdadera forma de la preferencia de una persona, en lugar de solo su tendencia a ser generosa o severa.

Para ver si este enfoque funcionaba en un escenario del mundo real, los investigadores dividieron a los cien participantes en cinco grupos distintos basados en su género y ocupación: mujeres no trabajadoras, estudiantes mujeres, trabajadoras mujeres, estudiantes hombres y trabajadores hombres. Cada grupo actuó como un "cliente" separado en el sistema de Aprendizaje Federado. El servidor central envió el modelo inicial EfficientNet-B0 a cada uno de estos cinco grupos. Cada grupo entrenó el modelo con sus propios datos locales, aprendiendo qué consideraba bello a su demografía específica. Una vez completado el entrenamiento, los grupos enviaron las actualizaciones de sus pesos del modelo de vuelta al servidor. El servidor luego combinó estas actualizaciones para crear un nuevo modelo global más inteligente que comprendía los matices de los cinco grupos. Este ciclo se repitió durante treinta y tres rondas. A lo largo de este proceso, el sistema nunca vio las calificaciones brutas; solo vio las mejoras matemáticas realizadas por cada grupo.

Los resultados mostraron que este enfoque de preservación de la privacidad fue altamente efectivo. El modelo final logró una tasa de error muy baja, lo que significa que sus predicciones sobre cuánto le gustaría un sitio web a una persona estaban extremadamente cerca de las calificaciones reales dadas por los usuarios. El sistema funcionó particularmente bien para los grupos con gustos más similares, como las participantes mujeres no trabajadoras, mientras que mantuvo una sólida precisión para los grupos con opiniones más diversas. Crucialmente, los investigadores encontraron que las versiones móviles de los sitios web eran calificadas de forma casi idéntica a sus contrapartes de escritorio, lo que sugiere que los principios del atractivo visual se mantienen constantes a través de diferentes tamaños de pantalla. El estudio demostró que es posible construir un sistema que aprenda de una gran variedad de personas sin necesidad de recolectar sus datos privados en una ubicación central. Al utilizar un único modelo global que se adapta mediante un ingenioso ajuste matemático de las calificaciones, el sistema puede ofrecer predicciones estéticas personalizadas a cualquier persona, independientemente de su origen. Este trabajo sugiere que el futuro del diseño de interfaces de usuario podría depender de sistemas que no solo sean lo suficientemente inteligentes para entender la belleza, sino también lo suficientemente respetuosos para mantener la privacidad de las preferencias personales.

Resumen Técnico: Predicción de la Estética de Sitios Web mediante Aprendizaje Federado

Planteamiento del Problema
La estética visual de las interfaces de usuario (UI) es crítica para la satisfacción y el compromiso del usuario; sin embargo, la percepción estética es inherentemente subjetiva y varía significativamente entre individuos debido a factores como la edad, el género y la ocupación. Los enfoques computacionales existentes para la predicción estética suelen depender de la recopilación de datos centralizados y de calificaciones agregadas a nivel de población para producir una puntuación estética "promedio" única. Esta metodología no tiene en cuenta la variabilidad interindividual e ignora las preferencias personales. Además, los métodos tradicionales como las encuestas o las evaluaciones heurísticas son lentos, difíciles de escalar y propensos al sesgo humano. Si bien los modelos de aprendizaje profundo han mostrado resultados prometedores en la evaluación estética de imágenes, generalmente carecen de mecanismos para manejar la naturaleza no IID (no independiente e idénticamente distribuida) de los datos estéticos entre diversos grupos de usuarios sin comprometer la privacidad o requerir conjuntos de datos centralizados masivos.

Metodología
Los autores proponen un marco de trabajo preservador de la privacidad para la predicción personalizada de la estética de la UI utilizando Aprendizaje Federado (FL). La metodología avanza a través de las siguientes etapas:

Construcción del Conjunto de Datos:
- Se creó un conjunto de datos personalizado de 100 interfaces de sitios web, que comprende 50 versiones de escritorio y 50 versiones móviles de los mismos sitios a través de diez dominios diversos (por ejemplo, gobierno, comercio electrónico, noticias).
- Las capturas de pantalla se capturaron en resoluciones estándar (1920x1080 para escritorio; 640x1136 para móvil).
- 100 participantes calificaron estas 100 interfaces utilizando una escala Likert de 10 puntos. Se empleó el método de Cuadrado Latino para mitigar el sesgo de orden.
- El análisis estadístico (prueba t pareada) confirmó que no hubo una diferencia significativa entre las calificaciones estéticas de las versiones de escritorio y móvil ( $p > 0.05$ ), lo que permite tratarlas como un conjunto de datos unificado.
Selección del Modelo Base:
- Se evaluaron tres arquitecturas: EfficientNet-B0, ResNet-50 y Vision Transformer (ViT-B/16).
- EfficientNet-B0 fue seleccionada como el modelo base debido a su rendimiento superior, menor costo computacional y menor número de parámetros, lo que la hace adecuada para el despliegue en el borde (edge deployment).
- El modelo se adaptó para regresión reemplazando la capa de clasificación final por una sola unidad lineal para predecir una puntuación estética continua.
Preprocesamiento de Datos y Personalización:
- Preprocesamiento de Imágenes: Las entradas se redimensionaron a 224x224, se aumentaron con giros aleatorios leves, rotaciones y fluctuación de color (color jitter), y se normalizaron usando estadísticas de ImageNet.
- Normalización de Calificaciones (Contribución Clave): Para abordar la subjetividad, se implementó una estrategia de normalización específica por usuario. Las calificaciones brutas se ajustaron eliminando la tendencia de la media de calificación del usuario y recentrándolas alrededor de la media global ( $r_{centrada} = r_{bruta} - \mu_u + \mu_g$ ). Estos valores fueron luego escalados mediante min-max al intervalo [0, 1]. Esto permite que el modelo aprenda preferencias relativas en lugar de puntuaciones absolutas.
Arquitectura de Aprendizaje Federado:
- Clientes: Los 100 usuarios se agruparon en cinco clientes demográficos basados en la intersección de género y ocupación: Mujer No Trabajadora, Mujer Estudiante, Mujer Trabajadora, Hombre Estudiante y Hombre Trabajador.
- Algoritmo: Se utilizó el algoritmo de Promedio Federado (FedAvg). Un servidor central inicializa el modelo global EfficientNet-B0 con pesos pre-entrenados de ImageNet-1K.
- Proceso de Entrenamiento: En cada ronda de comunicación, el servidor distribuye el modelo global a los cinco clientes. Cada cliente entrena localmente durante una época utilizando sus datos demográficos específicos. Solo los pesos actualizados del modelo (no los datos brutos) se envían de vuelta al servidor.
- Agregación: El servidor calcula un promedio ponderado de los pesos de los clientes, proporcional al número de muestras de entrenamiento por cliente, para actualizar el modelo global.
- Hiperparámetros: El entrenamiento utilizó el optimizador AdamW ( $1 \times 10^{-4}$ tasa de aprendizaje), pérdida de Error Cuadrático Medio (MSE) y Precisión Mixta Automática (AMP). El entrenamiento temprano (early stopping) se activó si la pérdida de validación no mejoraba durante 10 rondas consecutivas.

Resultados Clave

Convergencia: El modelo global convergió después de 33 rondas de comunicación. El MSE de validación disminuyó de 0.0702 en la ronda 1 a un 0.0534 final en la escala normalizada de [0, 1].
Métricas de Rendimiento: El modelo final logró un RMSE de 0.2312 y un MAE de 0.1837.
Variación por Cliente: El rendimiento varió según el grupo demográfico, reflejando la diversidad de preferencias internas. El grupo "Mujer No Trabajadora" logró el error más bajo (MSE = 0.0169), mientras que el grupo "Mujer Trabajadora" mostró el más alto (MSE = 0.0890). Los autores señalan que los grupos con mayor diversidad interna generan naturalmente tasas de error más altas.
Distribución de Errores: Los errores de predicción se distribuyeron aproximadamente de forma normal alrededor de cero, con la mayoría de los errores cayendo dentro de $\pm0.15$ en la escala normalizada (aproximadamente $\pm1.35$ puntos en la escala original de 1 a 10).

Significancia y Reivindicaciones
El artículo presenta un marco para la predicción personalizada de la estética de la UI utilizando el Promedio Federado (FedAvg), una arquitectura de fondo EfficientNet-B0 y un flujo de normalización de calificación adaptativo al usuario. El sistema distribuye el proceso de aprendizaje a través de cinco grupos de clientes demográficos, asegurando que los datos brutos de calificación del usuario nunca abandonen el dispositivo local. Los autores demuestran que un único modelo global puede servir a diversos usuarios de manera efectiva sin la necesidad de una recolección centralizada de datos. La personalización se logra a través del flujo de transformación de calificación (centrado de la media del usuario y reinyección del sesgo del grupo demográfico) en lugar de mantener modelos locales separados.

Sin embargo, los autores reconocen explícitamente una limitación prominente: el modelo global tiene una inclinación a predecir puntuaciones concentradas alrededor del promedio del conjunto de datos (aproximadamente 0.5–0.6 en la escala normalizada de 0 a 1). El sistema actual depende exclusivamente del flujo de transformación de calificación para la personalización y no realiza un ajuste fino (fine-tuning) específico del cliente o una personalización de la cabeza local después del entrenamiento federado.

Limitaciones
Los autores reconocen modestamente una limitación: el modelo global tiende a predecir puntuaciones concentradas alrededor del promedio del conjunto de datos (0.5–0.6 en la escala normalizada). La implementación actual depende únicamente del flujo de transformación de calificación para la personalización y no realiza un ajuste fino específico del cliente o una personalización de la cabeza local después del entrenamiento federado.

Más como este