Want to make creations as awesome as this one?

Transcript

La lecture
de datavisualisation
pour construire
l'esprit critique

Mai 2022

Esto es un párrafo listo para contener creatividad, experiencias e historias geniales.

Nadia Hours
Christine Muzellec
Aurélia Medan

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Définitions

La datavisualisation, c'est quoi pour vous ?

Sur le lien ci-dessous, noter 3 mots répondant à la question.

ATTENTION !
Notez 3 mots l'un après l'autre

https://answergarden.ch/2446140

Définitions

Données

Datavisualisation

...

Dataviz

...

...

"Ensemble des indications enregistrées en machine pour permettre l'analyse et/ou la recherche automatique des informations" (Cros-Gardin 1964)

"Toute forme graphique représentant un ou plusieurs jeux de données, réalisée dans le but de faire comprendre un fait, un phénomène."

(Réseau Canopé 2018)



Terme anglo-saxon. Mot valise formé à partir des termes anglais data et visualization.

(Grand dictionnaire terminologique)

Définitions

Big Data

Open Data

...

Data design

...

...

Données structurées ou non dont le très grand volume requiert des outils d'analyse adaptés. (Grand dictionnaire terminologique)

L'open data désigne un mouvement, né en Grande-Bretagne et aux Etats-Unis, d'ouverture et de mise à disposition des données produites et collectées par les services publics (administrations, collectivités locales...). Définition de la CNIL.

Data design... ou design des données :

- Le design évoque le fait de placer l'usager au coeur de la solution d'un problème.

- Le data design va donc permettre de rendre intelligibles, visibles, les données traitées numériquement.

Info

Un peu d'histoire

Les Pionniers

Wikipédia

Wikipédia

William Playfair

Charles de Fourcroy

https://balises.bpi.fr/les-pionniers-de-la-datavisualisation/

https://www.radiofrance.fr/franceculture/a-l-origine-des-graphiques-comment-on-a-mis-les-statistiques-en-images-7493246



Un peu d'histoire

L'explosion de la Dataviz

Démocratisation :

  • Internet
  • Ecrans

Dévloppement Des GAFAM

Le Big Data

+

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

A quoi servent les dataviz ?

Info

  • Compréhension
  • Communication
  • Décision

  • Prédire des événements futurs : Projet PredPOL

  • Des prises de décisions : Projet RATP

  • Des corrélations : Carte épidémies de Choléra à Broad Street

  • Raconter une histoire : Google

  • La visualisation est liée à la psychologie cognitive car elle étudie la perception visuelle :
  • Psy Américaine Anne Triesman mis en évidence les raison d’une visualisation efficace : Elle a découvert une des caractéristiques visuelles particulières pouvaient être perçues par un œil humain très rapidement (< 200 ms), inconsciemment et sans effort : ces caractéristiques sont dites pré-attentives. Ainsi, en regardant des points dessinés sur une feuille de papier ou un écran, il est très facile, lorsque la plupart des points sont bleus, de voir un ou deux points rouges. Que l’on regarde 10, 100 ou 10 000 points bleus, la présence d’un point rouge « saute aux yeux ».
  • https://www.cairn.info/revue-i2d-information-donnees-et-documents-2015-2-page-32.htm

Esto es un párrafo listo para contener creatividad, experiencias e historias geniales.

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam

Jean-Marie Lagnel - Manuel de Datavisualisation - 2e édition- Dunod - 2021

Quel est l'objectif de l'auteur ?

ESF

Quel est l'objectif de l'auteur ?

The Washington Post - 2016

Quel est l'objectif de l'auteur ?


The Fallen of World War II
Neil Halloran

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Les biais cognitifs
et la datavisualisation

Les biais cognitifs
et la datavisualisation

C'est un mécanisme de pensée à l’origine d’une altération du jugement (une distorsion dans le traitement (cognitif) de l’information).

180 biais cognitifs sont référencés (+ une vingtaine en codification), généralement classés dans les catégories suivantes :
  • Biais sensori-moteurs (illusions liées aux sens et à la motricité)
  • Biais attentionnels ou biais d’attention (problèmes d’attention)
  • Biais mnésique (en rapport avec la mémoire)
  • Biais de jugement (déformation de la capacité de juger)
  • Biais de raisonnement (paradoxes dans le raisonnement)

Conférence sur les biais cognitifs

Didier Nakache - Docteur en informatique et en sciences de la cognition

Les biais cognitifs
et la datavisualisation

Biais de confirmation

Biais émotionnel

Biais de popularité

Biais de cadrage

Biais d'ancrage

Biais de généralisation
hâtive

Ce type de biais nous amène à favoriser l'information qui confirme ce auquel on croit. Cela permet à notre cerveau de simplifier la tâche et trier plus rapidement l'information.

On va alors chercher dans la datavisualisation l'information qui nous convient.

https://www.youtube.com/watch?v=3saKhw0XlqM&t=165s

Le biais émotionnel amène à ce que face à une information, les personnes peuvent croire une information qui procure un sentiment agréable, ou la rejeter. Même si des éléments complémentaires présents sont des preuves rationnelles du contraire.

Sachant qu’un contenu qui suscite des émotions fortes peut mettre notre sens critique en veilleuse, les créateurs de datavisualisation peuvent s'arranger pour jouer sur nos émotions afin de nous faire lire l'information selon l'objectif souhaité.

Le biais de popularité correspond au fait que l'on croit en une information parce qu'un grand nombre de personnes estime qu'elle est vraie. Par conséquent, il est possible de jouer sur ce biais en proposant des datavisualisations afin que l'on croie que la majorité a raison.

Nous sommes influencés par la manière dont un problème est présenté. Par exemple, nous aurons davantage tendance à accepter une chirurgie qui nous est présentées en termes de taux de succès plutôt que de taux d'échec, même si les chiffres disent en réalité la même chose.

Les biais d'ancrage nous amènent à avoir tendance à utiliser indument le premier élément d'information acquis sur un sujet.

  • Biais de généralisation hâtive (dit de « représentativité ») : nous avons tendance à porter un jugement ou à identifier des schémas à partir de quelques éléments qui ne sont pas nécessairement représentatifs.

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Données erronées

Appréhender l'information, réfléchir sur les données

Travailler autour des données erronées des datavisualisations pour :
  • comparer
  • échanger des points de vue
  • faire confiance

Données erronées

Source : CLEMI

Ici, la longueur des barres est liée à la longueur du texte. Il y a donc confusion entre l'échelle et le contenu.

Données erronées

Source : CLEMI

Ici, certains points inférieurs sont au-dessus d'autres. Les données erronées du fait de la mauvaise disposition de points par rapport à l'axe des ordonnées.

Données erronées

Source : Quoi dans mon assiette

Ici, ce ne sont pas les mêmes bases d'années qui sont comparées :

1950 - 2008 (58 ans) VS 2009 - 2016 (7 ans)


Nous avons donc ici une échelle non respectée qui permet d'aller dans le sens des propos.

#CrookedHillary = troisième mandat d'Obama, ce qui serait une terrible nouvelle pour notre croissance économique - voir ci-dessous

Données erronées

Source : Quoi dans mon assiette

Extrait de l'article "Tromper avec des graphiques, représentations visuelles" - Quoi dans mon assiette ?


Ex : Faut-il manger du chocolat pour avoir un prix Nobel ?

Le Dr Franz H. Messerli est allé plus loin en s’amusant à publier une « note » sur les effets du chocolat sur les fonctions cognitives dans le prestigieux journal New England Journal of Medicine. Le cacao contient en effet des flavanols, des composés antioxydants qui pourraient ralentir le déclin cognitif lié à l’âge.

Comme les données sur les fonctions cognitives ne sont pas publiques, il a décidé d’utiliser des données gratuites accessibles, le nombre de lauréats du prix Nobel par habitant comme proxy de la fonction cognitive nationale. Messerli a découvert une étonnante et forte corrélation entre la consommation annuelle de chocolat par habitant de chaque pays et le nombre de prix Nobel par habitant des pays. Le pays en tête avec le plus grand nombre de lauréats du prix Nobel pour 10 millions d’habitants et la plus forte consommation de chocolat par habitant est la Suisse. La Suède arrive ensuite en 2ème position puis le Danemark. La pente de la régression linéaire montre qu’augmenter de 0,4 kg de chocolat par habitant par an augmente le nombre de lauréat pour un pays d’un lauréat.

La Suède apparaît comme un point en dehors avec un nombre élevé de lauréats et une consommation de chocolat plus faible qu’attendue. Le chercheur s’amuse en disant que le comité des Prix Nobel doit être biaisé et avoir une préférence patriotique. Messerli finit en rigolant par « cela doit être testé par un essai randomisé contrôlé prospectif » (l’essai randomisé contrôlé est le gold standard pour étudier une relation de causalité). Voici un bon exemple comique de comment on peut raconter n’importe quoi avec des simples corrélations linéaires.


Données erronées

En conclusion, les erreurs les plus fréquentes

  • Erreurs d'échelles
  • Aire des diagrammes circulaires non respectée
  • Mauvaise disposition de points par rapport aux axes
  • Axes tronqués

Info

  • Simplification abusive de la représentations
  • Mauvais choix de représentations
  • Corrélations d'éléments sans lien directs

Ex


Source :

https://datadesignfrench.github.io/CommonMistakes-French.html



Ici on ne connait ni à quoi, à quand, à qui cela est comparé.


Source : https://datadesignfrench.github.io/CommonMistakes-French.html



Difficile ici des comparer deux graphques à secteurs entre eux, d'autant plus que le manque de données complémentaire n'aide pas.


Source : https://datadesignfrench.github.io/CommonMistakes-French.html

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Le paradoxe
de Simpson

...ou comment une répartition des pourcentages peut amener à des interprétations paradoxales.

Qu'est-ce que ce paradoxe ?
Comment s'en prémunir ?

Info

Autre exemple de ce paradoxe illustré par des données de vaccination contre le Covid-19 sur le site The Conversation.

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

La Data en classe

Pix

Reférentiel CNIL

Programmes scolaires

SCC

Situations de classe

Situation 1

Situation 2

Lire une infographie
Cycles 1 à 3

Situation 3

L'usage de la datavisualisation dans les médias

EMI et mathématiques : repérer les erreurs de datavisualisation
Cycle 4

Fiche pédagogique "EMI et mathématiques : repérer les erreurs de datavisualisation" Cycle 4 et Lycée -Pages 22 à 24 : Dossier pédagogique du CLEMI 2022 "S'informer pour comprendre le monde"

Cycles 1, 2, 3 : Lire une infographie - CLEMI


Déclic'Critique : L'usage de la data visualisation dans les médias - CLEMI



Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Ressources

2e édition. Dunod- 2021

Datavisualisation : des données à la connaissance

Revue I2D

L'écosystème numérique de la datavisualisation

Revue I2D

Dataviz centric

Manuel de Datavisualisation

Manuel de Datavisualisation, Jean-Marie Lagnel, Dunod, 2021 : Méthodologie de la conception et de la réalisation d'une datavisualisation, qu'elle soit fixe ou animée, abordant notamment les vecteurs graphiques qui peuvent être utilisés, les ressources numériques disponibles, la façon de les adapter puis de les mettre en place. Des exemples et des études de cas illustrent le propos. Des QR codes donnent accès à des compléments.

Article "Recherche en visualisation d'information ou Dataviz : pourquoi et comment ?", Jean-Daniel Fekete / Jeremy Boy, dans I2D, Informations, données & Documents 2015/2 (Volume 52) p. 32 à 33. Cairn.info

Définitions

Intérêts des Dataviz

Les biais cognitifs de lecture

Le paradoxe de Simpson

Situations de classe

Ressources

Contact

Données erronées, données biaisées

Nous contacter

Christine
Muzellec

Médiatrice ressources documentaires
Atelier Canopé 65

Nadia
Hours

Médiatrice ressources documentaires
Atelier Canopé 48

Aurélia
Medan

Médiatrice ressources numériques
Atelier Canopé 65