Dans le cadre du module #Data viz superpowers, trois tâches d’évaluation de différents niveaux de difficulté sont proposées ici. Elles peuvent être utilisées et combinées selon les besoins. Les tâches sont à réaliser à la maison, car elles impliquent d’observer des données pendant une semaine. 

Si cette évaluation doit être réalisée en classe, les élèves peuvent observer des données sur une période de temps plus courte et faire les classifications, tableaux et représentations graphique en classe lors de la leçon suivante. 

Un projet supplémentaire peut être réalisé en collaboration avec le cours d’éducation artistique. Le choix de l’intégrer à l’évaluation est laissé à l’enseignant⸱e.

Ces tâches, et surtout la composante artistique, sont inspirées du projet Dear Data de Giorgia Lupi et Stefanie Posavec. Pendant une année, chaque semaine, elles ont collecté et mesuré un certain type de données de leur vie privée. Puis, elles ont créé une visualisation artistique de leur collecte de données sous forme de cartes postales qu’elles se sont envoyées l’une à l’autre (Davis, 2016). Si les élèves réalisent ce projet, il·elle·s peuvent contacter les designers et leur envoyer leurs œuvres. Ceci est expliqué en bas de la page du projet Dear Data.

Niveau de difficulté simple

Nous avons désormais vu de nombreux exemples de data visualisations utilisant des statistiques. Elles nous donnent des super-pouvoirs pour lire plus vite, trouver ce dont nous avons besoin, comparer des données ou trouver des valeurs rares. À présent, c’est aux élèves de jouer et de combiner le tout. 

D’abord, les élèves choisissent un thème. Par exemple : « musique écoutée ». Puis, il⸱elle·s récoltent, pendant une semaine, toutes les données relatives à ce thème. Il⸱elle·s doivent documenter chaque morceau de musique écoutée volontairement ou involontairement (dans un magasin, les transports en commun, etc.), avec une possible limite supérieure s’il y a trop de morceaux de musique. Ensuite, les élèves doivent :

1. classifier les données (déterminer si ce sont des données discrètes, continues, ordinales, nominales etc.),
2. ordonner les données dans un tableau,
3. choisir un super-pouvoir et réaliser une représentation des données en utilisant ce super-pouvoir. 

Niveau de difficulté moyen

Nous avons désormais vu de nombreux exemples de data visualisations utilisant des statistiques. Elles nous donnent des super-pouvoirs pour lire plus vite, trouver ce dont nous avons besoin, comparer des données ou trouver des valeurs rares.  À présent, c’est aux élèves de jouer et de combiner le tout. 

D’abord, les élèves choisissent un thème. Par exemple : « musique écoutée ». Puis, ils⸱elles récoltent, pendant une semaine, toutes les données relatives à ce thème. Ils⸱elles doivent documenter chaque morceau de musique écoutée volontairement ou involontairement (dans un magasin, les transports en commun, etc.), avec une possible limite supérieure s’il y a trop de morceaux de musique. Ensuite, les élèves doivent :

1. classifier les données (déterminer si ce sont des données discrètes, continues, ordinales, nominales etc.),
2. ordonner les données dans un tableau.
3. choisir un super-pouvoir et réaliser une représentation des données en utilisant ce super-pouvoir. 
4. créer un graphique trompeur des données en utilisant une des 4 stratégies trompeuses que nous avons étudiées. 

Niveau de difficulté élevé

Nous avons désormais vu de nombreux exemples de data visualisations utilisant des statistiques. Elles nous donnent des super-pouvoirs pour lire plus vite, trouver ce dont nous avons besoin, comparer des données ou trouver des valeurs rares.  À présent, c’est aux élèves de jouer et de combiner le tout. 

D’abord, les élèves choisissent un thème. Par exemple : « musique écoutée ». Puis, il⸱elle·s récoltent, pendant une semaine, toutes les données relatives à ce thème. Il⸱elle·s doivent documenter chaque morceau de musique écoutée volontairement ou involontairement (dans un magasin, les transports en commun, etc.), avec une possible limite supérieure s’il y a trop de morceaux de musique. Ensuite, les élèves doivent :

1. classifier les données (déterminer si ce sont des données discrètes, continues, ordinales, nominales etc.),
2. ordonner les données dans un tableau,
3. réaliser une représentation des données pour chaque super-pouvoir en utilisant chacun des super-pouvoirs,
4. créer plusieurs graphiques trompeurs des données en utilisant les 4 stratégies trompeuses que nous avons étudiées. 

Composante artistique

Il existe d’autres façons de visualiser des données en utilisant nos propres vocabulaires visuels. Regardons les deux exemples de visualisations faites par les designers Giorgia Lupi et Stefanie Posavec : pendant une semaine elles ont surveillé leur activité sur leur smartphone et elles en ont fait une visualisation. 

 Source: http://www.dear-data.com/all

Tous les exemples, semaine par semaine, se trouvent ici.

Les élèves doivent reprendre les données qu’ils⸱elles ont collectées dans les évaluations plus haut et composer leur propre visualisation :

• sur une carte postale,
• sur une feuille A4,
• sur un poster digital,
• sous forme de vidéo,
• ou sous n’importe quelle autre forme. 

Références

Lupi, Giorgia & Posavec, Stefanie. (2013). Dear Data. http://www.dear-data.com/theproject
Lupi, Giorgia & Posavec, Stefanie. (2018). Observe, Collect, Draw! : A Visual Journal : Discover the Patterns in Your Everyday Life. Hudson, New York: Princeton Architectural.
Davis, Nicola. (2016). Can you get to know a person through data alone ? The Guardian. https://www.theguardian.com/artanddesign/2016/aug/21/dear-data-stefanie-posavec-giorgia-lupi