Visualisation de l'information et présentation multimodale

Enseignants

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.

Méthodes d'enseignement

Le cours est organisé en mode hybride en trois phases.

• Phase 1 en personne uniquement – Classe inversée : Les étudiant·es travaillent en autonomie les ressources H5P sur Moodle et réalisent des tests blancs. Les séances en présentiel sont consacrées aux questions-réponses et aux activités de consolidation. La phase se termine par un test de connaissances.
• Phase 2 en ligne uniquement – Projet : Les étudiant·es préparent et structurent un ensemble de données, puis développent un tableau de bord avec Tableau.
• Phase 3 en personne uniquement – Critique de visualisations : Les étudiant·es analysent et critiquent une série de visualisations de données, en identifiant leurs qualités et leurs limites.

Modes d'évaluation
des acquis des étudiants

L’évaluation combine contrôle continu et examen en session.

• Contrôle continu : test individuel écrit de connaissances (30 %) et projet avec Tableau (35 %).
• Session de juin : examen écrit (35 %).
• Session de septembre : examen oral. En cas d’échec au projet, le projet doit également être remis le premier jour de la session.

Intelligence artificielle (IA) : L’utilisation des outils d’IA est balisée par les règles mentionnées dans la note facultaire à ce sujet, disponible sur le site intranet de la faculté, dans les informations à destination des étudiant·es. 

• Autorisé sans déclaration : assistance linguistique ; exploration et idéation ; recherche bibliographique. Les références bibliographiques doivent avoir été consultées et analysées par les étudiant·es et ne peuvent pas être reprises uniquement sur la base d’une réponse fournie par une IA.
• Autorisé avec déclaration : analyse de données quantitatives et qualitatives ; génération de figures ; génération, correction ou adaptation de code informatique (Python, R, etc.). Pour ces usages, les étudiant·es doivent indiquer l’outil utilisé et fournir un lien vers la conversation ainsi que les prompts complets. Un lien non fonctionnel ou ne permettant pas de vérifier l’usage déclaré entraîne la note de 0 pour le travail concerné.
• Interdit : simulation de participant·es ; génération de données à la place d’une collecte réelle ; et, plus généralement, tout usage de l’IA qui empêcherait d’évaluer les connaissances, compétences et démarches personnelles de l’étudiant·e.

Autres infos

• Projet avec Tableau : https://www.tableau.com/
• L’ensemble des ressources et activités pédagogiques est disponible sur Moodle.
• Certaines ressources (ex. ressources bibliographiques, diapositives, vidéos explicatives) sont en anglais.

Faculté ou entité
en charge

> COMU