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 Jégou)
Palettes (Laurent Jégou)
 
Laurent Jégou (Meetup Toulouse Dataviz, Juin 2017)
Laurent Jégou (Meetup Toulouse Dataviz, Juin 2017)
 
Analyse des effets de superposition (Laurent Jégou)
Analyse des effets de superposition (Laurent Jégou)

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 newsletters sont consultables ici. Vous pouvez aussi rejoindre nos communautĂ©s : Club ou Discord. Merci Ă  nos sponsors qui soutiennent nos activitĂ©s.