A3-13 Data visualisation : représenter efficacement ses données de recherche - 7H

La formation vise à aider les doctorants à représenter au mieux leurs données de recherche. Ils verront d’abord les principales formes de représentation de données (histogrammes, diagrammes, courbes, cartes, etc), et un regard critique sera apporté sur chacune d’elle, avec notamment les biais possibles.

Ils verront ensuite une mise en pratique concrète : comment récupérer des données et les mettre en forme dans un tableur (Excel, LibreOffice, OpenRefine, Google Sheet, ...) pour pouvoir être traitées ; représenter ces données, avec Excel (ou équivalent), Python, et Inkscape - avec éventuellement une initiation rapide selon les besoins individuels.

Plusieurs représentations seront comparées. Enfin, les étudiants pourront représenter un set de données issues de leurs recherches pour mettre en application le contenu de la formation. 

• Partie 1 :Bases de data visualisation (2h)

Importance de la représentation visuelle des données. Évolution historique et grandes tendances. Revue de différentes façons de représenter des données : histogrammes (bâton, « camembert », étoile, ...) ; courbes et points avec et sans incertitudes ; représentations de courbes dépendant de deux ou trois variables ; surfaces et cartes (chloroplèthes, avec symboles, par anamorphose, etc). Discussion sur les biais possibles de chaque représentation et erreurs fréquentes. 

• Partie 2 : Récupérer et représenter les données (4h)

Récupération des données (fournies d’avance) et insertion dans un tableur ou un fichier brut, et exploitation/visualisation par un logiciel (Excel ou équivalent : LibreOffice, Google Sheet, OpenRefine, ...). Traitement de ces données avec un logiciel : Excel (ou équivalent) et Python ; initiation rapide individuelle pour les participants ne connaissant ni l’un, ni l’autre. Mise en forme finale (annotations, etc) avec un logiciel de dessin (Inkscape). Les différentes représentations des mêmes données seront comparées. 

• Partie 3 : Mise en pratique individuelle (1h)

Chaque participant sera invité à représenter des données issus de ses recherches, avec conseils individuels.