News Letter - TDV - Hackaviz 2020 #1
News Letter - TDV - Hackaviz 2020 #1

News Letter - TDV - Hackaviz 2020 #1

Contenu
Data Journalisme et Couleurs
Date
Feb 17, 2020

Pourquoi visualiser ?

notion image
 
💡
Dans moins d’un mois, le Hackaviz 2020 organisĂ© par l’association Toulouse Dataviz va dĂ©marrer ! Un Hackaviz ? KĂ©zako ? C’est un concours de visualisation de donnĂ©es en temps limitĂ©, seul ou en Ă©quipe, dotĂ© de rĂ©compenses, ouvert Ă  un trĂšs large public. Le principe ? Tu as 10 jours pour raconter une histoire avec des graphiques (seul ou en Ă©quipe) Ă  partir d’un jeu de donnĂ©es original qui regroupe des donnĂ©es ouvertes concernant les communes de la rĂ©gion Occitanie. Si tu n'es pas encore inscrit, c'est par lĂ  ! Pour t’accompagner dans cette aventure, on te concocte une newsletter hebdomadaire Ă  lire en 5 minutes avec des ressources (prĂ©sentĂ©es pour la plupart lors de nos meetups 😊) pour approfondir le sujet : de vraies petites pĂ©pites !

Le mot d'introduction

Eh oui, toi qui te lances dans cette fabuleuse aventure qu’est la visualisation de donnĂ©es tu as bien dĂ» te poser la question : "Pourquoi visualiser" un jour ! Pour le Toulouse DataViz (TDV) la rĂ©ponse est toute simple : pour raconter une histoire avec des graphiques  On n’a rien contre la littĂ©rature mais les graphiques c’est plus visuel et plus percutant pour le cerveau. Mais attention Ă  ne pas tomber dans les piĂšges de la visualisation mensongĂšre car on est tous responsables des messages que l’on veut faire passer ! Aujourd’hui, on en profite aussi pour vous rappeler quelques piĂšges Ă  Ă©viter 😊

Le data journalisme

 
notion image
Résumé :
Un premier dĂ©but de rĂ©ponse avec la prĂ©sentation de Pierre Vincelot et Xavier Lelu (immediatlab.fr) qui ont Ă©tĂ© nos invitĂ©s lors d'un meetup TDV pour nous expliquer et dĂ©battre avec nous des enjeux du data journalisme : Effet de mode ou changement profond de l’approche journalistique ? Qu’apporte la visualisation de donnĂ©es aux journalistes et aux lecteurs ? Quelles sont les sources de donnĂ©es ? Quels arbitrages entre « fouille de donnĂ©es » et « reprĂ©sentation rĂ©sumĂ©e » de l’information ? Quels sont les avantages et les inconvĂ©nients des visualisations statiques et dynamiques ? Quels sont les outils des data journalistes Comment se forment les journalistes Ă  la data ? Comment les data Journalistes travaillent-ils avec les data scientists et les dĂ©veloppeurs de graphisme? Quel sont les enjeux des coĂ»ts de rĂ©alisation ? 

Présentation : lien

La data visualisation en stimulant l’imagination

Une autre ressource intĂ©ressante avec la prĂ©sentation de Laurent JĂ©gou (enseignant chercheur Ă  l’universitĂ© de Toulouse 2- Jean JaurĂšs).
Résumé :
AmĂ©liorer l’efficacitĂ© de la data visualization en stimulant l’imagination, quelques pistes. Dans une pĂ©riode oĂč se multiplient les donnĂ©es et les outils pour les analyser et les reprĂ©senter, la question de la mĂ©thode de cette reprĂ©sentation et de son public se pose. ReprĂ©sente-t’on pour un opĂ©rateur spĂ©cialisĂ© qui lit un tableau de bord complexe ou plutĂŽt pour un lecteur lambda qu’il faut d’abord intĂ©resser puis captiver ? Face Ă  la multiplication des infographies et Ă  la standardisation visuelle apportĂ©e par les logiciels courants, il est utile de se demander comment rendre les infographies plus Ă©loquentes, plus captivantes, pour un public plus large, en dĂ©passant le simple intĂ©rĂȘt de l’originalitĂ©. Une des pistes consiste Ă  chercher Ă  stimuler l’imagination du lecteur, sa capacitĂ© Ă  imaginer Ă  partir des informations qu’on lui fournit, en lui proposant un contenu riche, profond. Pour ce faire, il existe notamment des techniques tirĂ©es de la critique d’art, de la sĂ©miotique ou de l’esthĂ©tique. On proposera quelques exemples de mĂ©thodes d’analyse et de crĂ©ation qui peuvent guider la rĂ©alisation : palettes et dĂ©gradĂ©s de couleurs, mesure et attĂ©nuation de la complexitĂ© visuelle, utilisation de styles picturaux, souvent disponibles sous la forme d’outils pratiques.
 
Palettes (Laurent JĂ©gou)
Palettes (Laurent JĂ©gou)
 
Laurent JĂ©gou (Meetup Toulouse Dataviz, Juin 2017)
Laurent JĂ©gou (Meetup Toulouse Dataviz, Juin 2017)
 
Analyse des effets de superposition (Laurent JĂ©gou)
Analyse des effets de superposition (Laurent JĂ©gou)

Comment Mentir avec des Graphiques? Les dessous de nos médias.

RĂ©sumĂ© visuel de la prĂ©sentation (Édith Maulandi)
RĂ©sumĂ© visuel de la prĂ©sentation (Édith Maulandi)
Pour terminer, on vous conseille l’intervention d’un des co-organisateurs du TDV, Christophe Bontemps, ingĂ©nieur de rechercher pour l’INRA Ă  la Toulouse School of Economics, qui est un spĂ©cialiste de la DataViz et surtout de ses piĂšges !!
Résumé :
La reprĂ©sentation graphique de nos donnĂ©es a envahi nos mĂ©dias. De nombreux facteurs (choix de la forme du graphique, des Ă©chelles, des couleurs, etc
) peuvent influencer la perception que nous avons de l’importance de certains phĂ©nomĂšnes. Pire encore, des liens de cause Ă  effet entre deux Ă©vĂ©nements peuvent apparaĂźtre visuellement, venant biaiser notre interprĂ©tation de donnĂ©es chiffrĂ©es. En montrant comment mentir efficacement, ce Meetup tente de dĂ©coder les mĂ©canismes fallacieux ou mensongĂ©s qui envahissent nos Ă©crans et nos cerveaux.
Liens :
Quelques exemples de graphiques "trompeurs".
Quelques exemples de graphiques "trompeurs".
━━━━━━━━━━━━━━━━━━ Cette newsletter de Toulouse-dataviz a Ă©tĂ© rĂ©digĂ©e avec l'outil Notion que nous aimons bien. Si vous lisez cette newsletter et que vous n'ĂȘtes pas encore inscrit au club, il vous suffit de cliquer ici. Pour se dĂ©sinscrire demandez ici. Toutes les anciennes newsletter sont consultables ici. Vous pouvez aussi rejoindre nos communautĂ©s : Club ou Discord. Merci Ă  nos sponsors qui soutiennent nos activitĂ©s.