Análisis comparativo de herramientas web para la generación de visualizaciones interactivas: Chart.js, Google Charts y Highcharts

Luis René Quisaguano Collaguazo; Gladys Geoconda Esquivel Paula; Edwin Fabricio Damacela Calero; Edison Isaias Pallo Cuchiparte

doi:10.70577/ASCE/578.597/2025

Autores/as

Luis René Quisaguano Collaguazo Universidad Técnica De Cotopaxi https://orcid.org/0000-0003-1345-0898
Gladys Geoconda Esquivel Paula Universidad Técnica De Cotopaxi https://orcid.org/0009-0002-3715-7776
Edwin Fabricio Damacela Calero Universidad Técnica De Cotopaxi https://orcid.org/0009-0002-7126-5316
Edison Isaias Pallo Cuchiparte Universidad Técnica De Cotopaxi https://orcid.org/0009-0005-2992-5693

DOI:

https://doi.org/10.70577/ASCE/578.597/2025

Palabras clave:

Administración; Chart.js; Comparación; Google Charts; Herramientas Web; Highcharts; Visualizaciones Interactivas.

Resumen

Visualizar datos cambia la forma en que las personas perciben la información, pues transformar los datos en gráficos facilita su comprensión. El objetivo de la investigación fue; realizar un análisis comparativo de herramientas web destinadas a la generación de visualizaciones interactivas. Se realizó un diseño no experimental, con alcance descriptivo, método analítico, y enfoque cualitativo-cuantitativo; se compararon tres herramientas de visualización interactiva de datos populares: Chart.js, Google Charts y Highcharts; se elaboró una revisión bibliográfica y se aplicó una encuesta; las variables de estudio fueron; a) Facilidad del uso e implementación, b) Variedad de tipos de gráficos, c) Rendimiento técnico, d) Personalización y extensibilidad, y e) Comunidad, documentación y soporte; finalmente se elaboraron tablas comparativas. Al comparar las herramientas web, se logró conocer que cada herramienta tiene su grado de calidad, eficiencia y utilidad, sin embargo, la facilidad de uso, la variedad de tipos de gráficos, el rendimiento técnico, la personalización, la extensibilidad, depende del tipo de licencia, siendo más alto en la versión comercial (Highcharts) y bajo en las opciones gratuitas, dicho resultado no influye en la comunidad de usuarios, pues la mayoría prefiere las opciones de libre acceso aun cuando existen ciertas limitaciones (Chart.js y Google Charts).

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Agosti, M., Crivellari, F., Di Nunzio, G., y Gabrielli, S. (2010). Understanding user requirements and preferences for a digital library Web portal. International Journal on Digital Libraries, 11(1), 225-238. https://doi.org/10.1007/s00799-011-0075-7

Aksoy, F., Özdem, M., y Daş, R. (2025). A Perspective View on Data Visualization Libraries Used in Data Analytics. European Journal of Technique (EJT), 15(1), 81-96. https://doi.org/10.36222/ejt.1616824

Alomari, H., Vendome, C., y Rizkallah, L. (2023). A Comprehensive Evaluation Framework of Software Visualizations Effectiveness. IEEE Transactions on Visualization and Computer Graphics, 30(9), 6056-6074. https://doi.org/10.1109/TVCG.2023.3321211

Baziyad, H., Kayvanfar, V., y Kinra, A. (2024). A bibliometric analysis of data-driven technologies in digital supply chains. Supply Chain Analytics, 6(1), e100067. https://doi.org/10.1016/j.sca.2024.100067

Boström, F., Dahlberg, A., y Linderoth, W. (2022). A performance investigation into JavaScript visualization libraries with the focus on render time and memory usage: A performance measurement of different libraries and statistical charts. https://www.diva-portal.org/smash/record.jsf?pid=diva2%3A1679885&dswid=-9232

Cantrell, S., Walker, B., y Moseng, O. (2021). Highcharts sonification studio: una herramienta de sonificación de datos en línea, de código abierto, extensible y accesible. http://hdl.handle.net/1853/66348

Chandra, T., y Dwivedi, A. (2022). Data visualization: Existing tools and techniques. In Advanced data mining tools and methods for social computing, 1(2), 177-217. https://doi.org/10.1016/B978-0-32-385708-6.00017-5

Diesh, C., Stevens, G., Xie, P., De Jesus Martinez, T., Hershberg, E., Leung, A., y Holmes, I. H. (2023). JBrowse 2: a modular genome browser with views of synteny and structural variation. Genome biology, 24(1), 74.

Duarte, D. (2023). AutoVizuA11y: A tool to automate accessibility in data visualizations for screen reader users. Master's thesis. Universidade de Lisboa, Portugal.

Duarte, D., Costa, R., Bizarro, P., y Duarte, C. (2024). AutoVizuA11y: A Tool to Automate Screen Reader Accessibility in Charts. In Computer Graphics Forum, 43(3), e15099. https://doi.org/10.1111/cgf.15099

Fahmy, N., y Attia, M. A. (2024). Innovative Journalism Practices: Insights for Reporting Science and Health Issues. Palgrave Handbook of Science and Health Journalism, 239-269. https://doi.org/10.1007/978-3-031-49084-2_24

García, L. A., OliveiraJr, E., & Morandini, M. (2022). Tailoring the Scrum framework for software development: Literature mapping and feature-based support. Information and Software Technology, 146, 106814.

Igulu, K., Onuodu, F., Chaudhary, R., y Justice, P. (2023). Business Intelligence. In AI-Based Data Analytics. 1st Edition. Auerbach Publications. pp. 49-82.

Kato, A., Kisangiri, M., y Kaijage, S. (2021). A review development of digital library resources at university level. Education Research International, 2021(1), e8883483. https://doi.org/10.1155/2021/8883483

Kayvanfar, V., Elomri, A., Kerbache, L., Vandchali, H., y El Omri, A. (2024). A review of decision support systems in the internet of things and supply chain and logistics using web content mining. Supply Chain Analytics, 6(2), e100063. https://doi.org/10.1016/j.sca.2024.100063

Liggesmeyer, P., Barthel, H., Ebert, A., Heidrich, J., Keller, P., Yang, Y., y Wickenkamp, A. (2012). Quality improvement through visualization of software and systems. Quality Assurance and Management, InTech, 315-334. https://doi.org/10.5772/33058

Naceri, A., Mazzanti, D., Bimbo, J., Tefera, Y., Prattichizzo, D., Caldwell, D., y Deshpande, N. (2021). The vicarios virtual reality interface for remote robotic teleoperation: Teleporting for intuitive tele-manipulation. Journal of Intelligent & Robotic Systems, 101(2), 1-16. https://doi.org/10.1007/s10846-021-01311-7

Persson, J. (2021). Scalability of javascriptlibraries for datavisualization. https://www.diva-portal.org/smash/get/diva2:1574320/FULLTEXT01.pdf

Sacchi, F. (2024). Purché siano accessibili: una desk review dei dati statistici e amministrativi italiani delle persone con disabilità. L'INTEGRAZIONE SCOLASTICA E SOCIALE, (23), 90-105.

Sarker, H. (2021). Data Science and Analytics: An Overview from Data-Driven Smart Computing, Decision-Making and Applications Perspective’. SN Computer Science, 2(5), e377. https://doi.org/10.1007/s42979-021-00765-8.

Smatt, C., Pratt, R., Abegaz, T., y Dobbs, A. (2020). Towards Effective Customer Data Visualization: Data-Driven Documents (D3. JS) VS Google Charts. A Journal Of International Academy Of Business Disciplines, 7(3), 207-222.

Verma, S., y Dwivedi, U. (2023). Optimizing Digital Knowledge Repositories: Leveraging Electronic Resources in University Libraries For Enhanced Academic Advantages. Perspectives in Social Work, 37(03), 112-132.