AGRUPA
Base de datos pictórica para el análisis de estereotipos en arte
2026-06-05
Arquitectura de capas
AGRUPA funciona como una infraestructura relacional: una pintura conecta metadatos, texto, SADCAT, iconografía, figuras y embeddings.
Cobertura de capas: conteos
La cobertura absoluta muestra que las capas críticas están disponibles para buena parte del corpus pictórico.
Disponibilidad por siglo
La cobertura por siglo es bastante homogénea en las capas principales, con excepciones localizadas en registros sin siglo codificado.
Distribución por siglo
El corpus está dominado por pintura de los siglos XVII y XIX, algo que conviene controlar en análisis temporales.
Religión y fauna
Religiosas vs seculares.
Presencia de fauna.
La mayoría de pinturas son seculares y no contienen fauna explícita; los análisis de animales deben leerse como submuestras específicas.
Densidad de etiquetas
La mayoría de pinturas tienen pocas etiquetas, lo que facilita la navegación pero también limita algunas combinaciones iconográficas.
Etiquetas más frecuentes
La taxonomía está dominada por personas, santos y fauna, tres ejes muy relevantes para análisis psicológicos.
Coocurrencia iconográfica
Las coocurrencias son en general bajas; algunas asociaciones fuertes reflejan combinaciones iconográficas esperables.
Longitud textual: museo y LLaVA
Descripción del museo.
Descripción LLaVA.
El museo presenta una cola larga; LLaVA genera textos más regulares, probablemente por el formato del modelo.
Longitud textual: Qwen y comparación
Caption global Qwen.
Comparación entre fuentes.
Qwen muestra una distribución más heterogénea, compatible con diferentes niveles de detalle descriptivo.
Figuras detectadas por Qwen
Desde caption global.
El bloque con cinco o más figuras justifica analizar tanto la obra completa como la figura individual.
Museo: distribuciones SADCAT
Calidez.
Competencia.
Las descripciones del museo muestran un efecto techo marcado, especialmente en competencia.
Museo: espacio SCM
El espacio SCM del museo concentra muchas pinturas en zonas positivas, lo que reduce la variabilidad disponible para modelado.
LLaVa: distribuciones SADCAT
Calidez.
Competencia.
LLaVA muestra una distribución normal para cordialidad, pero sigue teniendo un efecto techo en competencia.
LLaVA: espacio SCM
LLaVA mantiene la concentración positiva, pero su patrón no replica exactamente al museo.
Qwen figuras: distribuciones SADCAT
Calidez.
Competencia.
Qwen por figuras muestra el mejor resultado en cuanto a la distrubición de ambas dimensiones.
Qwen figuras: espacio SCM
Qwen por figura conserva algo más de dispersión, coherente con un cambio de unidad de análisis.
Ortogonalidad SCM
Correlación calidez–competencia.
Cuadrantes SCM.
Calidez y competencia son casi ortogonales en museo y LLaVA, pero menos en Qwen figuras.
Convergencia global entre métodos
La convergencia global es débil: las fuentes deben tratarse como operacionalizaciones distintas.
Convergencia por dimensión
Calidez.
Competencia.
LLaVA y Qwen comparten más señal en competencia que en calidez, pero no son equivalentes.
Acuerdo Museo–LLaVA: calidez
Acuerdo.
Diferencias.
En calidez, LLaVA no replica linealmente al museo: hay una nube amplia y diferencias relevantes.
Acuerdo Museo–LLaVA: competencia
Acuerdo.
Diferencias.
La competencia también muestra diferencias centradas cerca de cero, pero con dispersión suficiente para no tratarlas como equivalentes.
Acuerdo LLaVA–Qwen figuras: calidez
Acuerdo.
Diferencias.
La relación entre LLaVA y Qwen figuras es más visible que con el museo, aunque todavía parcial.
Acuerdo LLaVA–Qwen figuras: competencia
Acuerdo.
Diferencias.
La convergencia es más clara en competencia, pero sigue lejos de una equivalencia perfecta.
Calidez por religión y fauna
Calidez por religión.
Calidez por fauna.
Las obras religiosas muestran mayor calidez; la fauna produce diferencias más pequeñas.
Competencia por religión y fauna
Competencia por religión.
Competencia por fauna.
La competencia se mantiene alta y relativamente estable, lo que refuerza la idea de efecto techo.
Evolución por siglo
La competencia se mantiene alta a través de los siglos, mientras que la calidez cae con fuerza en los periodos más recientes.
Figuras: género y contexto
Género detectado.
Contexto.
Qwen detecta muchas más figuras masculinas que femeninas, y el contexto está suficientemente distribuido para analizar interacciones.
Figuras: género × contexto
La matriz confirma que el análisis por figura permite cruzar género detectado y contexto religioso/secular.
Figuras: calidez por género y contexto
Por género.
Por contexto.
Las figuras femeninas aparecen descritas con mayor calidez media; el contexto religioso también eleva la calidez.
Figuras: competencia por género y contexto
Por género.
Por contexto.
Las figuras masculinas tienden a recibir mayor competencia, aunque las diferencias no son enormes.
Interacción género × religión: calidez
El contexto religioso incrementa la calidez en todos los géneros detectados.
Interacción género × religión: competencia
La competencia no sigue un patrón paralelo: las figuras masculinas pierden algo de competencia en contexto religioso.
Complejidad figurativa: museo
Calidez.
Competencia.
El número de figuras se relaciona con los scores de forma no lineal; no parece un predictor simple.
Complejidad figurativa: LLaVA
Calidez.
Competencia.
La complejidad visual parece una variable candidata, pero su relación con SADCAT depende de la fuente textual.
Grupos sociales y animales en SCM
Los grupos sociales y animales quedan en la zona positiva del SCM LLaVA, con diferencias pequeñas pero interpretables.