Enseignants
Langue
d'enseignement
d'enseignement
Français
Thèmes abordés
Le cours initie les étudiant.e.s en journalisme à la collecte, l’analyse et l’interprétation des données. Il fixe les reprères pour la représentation de données en vue d’une production d’information journalistique. Il aborde l’histoire et les caractéristiques du data journalism. Les étudiant.e.s doivent réaliser des mises en œuvre concrètes en situation de production journalistique.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1. | rechercher, d’acquérir et de valider des données quantitatives portant sur un sujet spécifique |
| 2. | analyser et d’interpréter les données en vue de communiquer une information journalistique précise |
| 3. | choisir une représentation de données permettant une présentation et une mise en récit journalistiques pertinentes |
| 4. | développer une stratégie d’interaction avec le public cible |
| 5. | évaluer une visualisation en vue de son amélioration. |
Contenu
- Contexte : les données au service du journalisme
- Traitement des données : acquisition, nettoyage et vérification, analyse et visualisation
- Mise en récit des données dans une production journalistique
Méthodes d'enseignement
L'approche pédagogique est l’enseignement mixte (blended teaching), qui alterne enseignement en classe en face à face et enseignement en ligne à distance via Microsoft Teams. Les méthodes d’enseignement incluent des séances ex-cathedra, la classe inversée et l’enseignement par projet:
- Classe inversée : les étudiant·es étudient la matière ou réalisent un travail à la maison et rencontrent ensuite enseignant·es et pairs dans une salle de classe pour poser des questions, obtenir une aide supplémentaire ou pour travailler en groupe ;
- Enseignement par projet : les étudiant·es développent un projet en combinant apprentissage en ligne (ex. visionner des tutoriels) et réunions en face à face.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Contrôle continu sans examen en janvier selon deux modes : travaux individuels et/ou de groupe comptant pour 70% de la note finale, et des tests de connaissance comptant pour 30% de la note. En septembre, travail individuel sur mesure à remettre le premier jour de la session.
Utilisation des outils d'IA
L’utilisation des intelligences artificielles lors des épreuves d’évaluation de ce cours est balisée par les règles mentionnées dans la note facultaire à ce sujet et disponible sur le site intranet de la faculté dans les informations à destination des étudiant·es.
Utilisation des outils d'IA
L’utilisation des intelligences artificielles lors des épreuves d’évaluation de ce cours est balisée par les règles mentionnées dans la note facultaire à ce sujet et disponible sur le site intranet de la faculté dans les informations à destination des étudiant·es.
Autres infos
Toutes les informations utiles relatives à ces modalités et au déroulement des activités (calendrier, consignes détaillées, critères d’évaluation, etc.) sont présentées lors de la première séance et sont disponibles sur Moodle.
Certaines ressources (ex. ressources bibliographiques, diapositives, vidéos explicatives) sont en anglais.
Certaines ressources (ex. ressources bibliographiques, diapositives, vidéos explicatives) sont en anglais.
Ressources
en ligne
en ligne
Moodle (en asynchrone) : slides du cours, ressources bibliographiques, calendrier, modèles et grilles critériées, exercices H5P, tests, devoirs, ateliers avec évaluation par les pairs, forum Q&A
Microsoft Teams (en direct) : calendrier, réunions, documents, discussion, notes de cours
Liens web : vidéos explicatives, sites web, logiciels en ligne
Microsoft Teams (en direct) : calendrier, réunions, documents, discussion, notes de cours
Liens web : vidéos explicatives, sites web, logiciels en ligne
Bibliographie
Bateman, S., Mandryk, R. L., Gutwin, C., Genest, A., McDine, D., & Brooks, C. (2010, April). Useful junk?: the effects of visual embellishment on comprehension and memorability of charts. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 2573-2582). ACM.
Bertin, J. (1983). Semiology of graphics; diagrams networks maps (No. 04; QA90, B7.).
Cairo, A. (2015). Graphics lies, misleading visuals. In New Challenges for Data Design (pp. 103-116). Springer, London.
Heer, J., Bostock, M., & Ogievetsky, V. (2010). A tour through the visualization zoo. Commun. Acm, 53(6), 59-67.
Fox, W. Statistiques sociales. (1999). Traduction et adaptation de la troisième édition américaine par Louis Imbeau, De Boeck.
Spence, R. (2007). Information Visualization: Design for Interaction.
Tufte, E. (2001). The visual display of quantitative information, 2nd edition. Graphics Press.
Ware, C. (2012). Information Visualization, 3rd Edition, Perception for Design. Morgan Kaufmann.
Bertin, J. (1983). Semiology of graphics; diagrams networks maps (No. 04; QA90, B7.).
Cairo, A. (2015). Graphics lies, misleading visuals. In New Challenges for Data Design (pp. 103-116). Springer, London.
Heer, J., Bostock, M., & Ogievetsky, V. (2010). A tour through the visualization zoo. Commun. Acm, 53(6), 59-67.
Fox, W. Statistiques sociales. (1999). Traduction et adaptation de la troisième édition américaine par Louis Imbeau, De Boeck.
Spence, R. (2007). Information Visualization: Design for Interaction.
Tufte, E. (2001). The visual display of quantitative information, 2nd edition. Graphics Press.
Ware, C. (2012). Information Visualization, 3rd Edition, Perception for Design. Morgan Kaufmann.
Faculté ou entité
en charge
en charge
