Visualisation de l'information et présentation multimodale

Enseignants

Kieffer Suzanne; Ramelot Justine (supplée Kieffer Suzanne);

Langue
d'enseignement

Français

Thèmes abordés

·         Perception visuelle
·         Représentation (encodage de valeurs, de relations)
·         Présentation (techniques de visualisation) et interaction
·         Principes de conception (Gestalt, Bertin, théorie des couleurs)
·         Tableaux de bord et visual analytics

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1.	Décrire les visualisations de données en termes de type de données, de représentation, de technique de présentation et d'interaction, et de tâche utilisateur ;
2.	Expliquer les différentes étapes du développement de visualisations interactives en illustrant chaque étape par ses résultats types (ex. livrables) ;
3.	Appliquer les principes et les techniques de visualisation de l'information pour concevoir et développer une visualisation interactive d'un grand ensemble de données ;
4.	Evaluer une visualisation à l'aide de critères et proposer des améliorations.

Contenu

Perception visuelle
Traitement, représentation et présentation des données
Interaction avec les données
Principes de conception
Tendances : dashboards et visual analytics

Méthodes d'enseignement

Le cours est dispensé en 100% distanciel sur Teams.

• Articulation Teams/Moodle : Moodle est la plateforme de référence. Toutes les ressources, consignes officielles et évaluations y sont centralisées. Teams complète ce dispositif comme espace d’échange pour les rappels rapides, les questions et la communication en temps réel. Les documents et consignes ne sont jamais dupliqués sur Teams. À titre exceptionnel, un travail peut être remis sur Teams, notamment afin de vérifier que tout·e étudiant·e est bien inscrit·e et actif·ve sur la plateforme.
• Classe inversée : En début de quadrimestre, les étudiant·es réalisent en autonomie les exercices interactifs H5P sur Moodle pour acquérir les bases théoriques. Les séances synchrones sur Teams sont alors consacrées aux questions-réponses et à des exercices de consolidation, afin de vérifier et renforcer la compréhension de la matière.
• Projet : La suite du quadrimestre est consacrée au projet, où les étudiant·es utilisent Tableau pour nettoyer un dataset puis concevoir une visualisation interactive (dashboard avec brushing).

Modes d'évaluation
des acquis des étudiants

L’évaluation repose sur le contrôle continu sans examen final.

• Si la cohorte compte moins de 35 étudiant·es : 40% tests de connaissance individuels, 60% travaux individuels (projet).
• Si la cohorte compte 35 étudiant·es ou plus : 40% tests de connaissance individuels, 30% travaux de groupe (projet), 30% travaux individuels (projet).
• En session de septembre, un travail individuel adapté est demandé selon les éléments en échec.

L'utilisation des outils d'intelligence artificielle (IA) doit respecter les balises établies par la faculté ESPO. Elle est autorisée comme aide à la rédaction (ex. amélioration de texte, traduction) et à la recherche d'informations. L'enseignant·e encadre les autres usages permis dans la remise de travaux (ex. exploration d'idées, brainstorming, génération d'images ou de texte).

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.

Ressources
en ligne

Moodle  : description du dispositif pédagogique, exercices H5P, slides, ressources bibliographiques, consignes/grilles critériées, tests, devoirs, ateliers avec évaluation par les pairs
Liens web : vidéos explicatives, sites web, logiciels en ligne
Logiciel Tableau (https://www.tableau.com/) : tutoriels en ligne, création d’une licence académique avec son adresse mail UCLouvain.

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. Traduction et adaptation de la troisième édition américaine par Louis Imbeau, De Boeck, 1999.
Spence, R. Information Visualization: Design for Interaction. 2007.
Tufte, E. The visual display of quantitative information, 2nd edition. Graphics Press. 2001.
Ware, C. Information Visualization, 3rd Edition, Perception for Design. Morgan Kaufmann. 2012.

Faculté ou entité
en charge

> COMU