Des informaticiens de l'Université du Massachusetts à Amherst ont récemment découvert que les experts en visualisation de données n'avaient pas d'accord sur la composition de l'un de leurs publics les plus importants : les utilisateurs novices. Le travail, qui a récemment remporté le prix convoité du meilleur article lors de la conférence de l'Association for Computing Machinery sur les facteurs humains dans les systèmes informatiques (ACM CHI), est une première étape importante pour garantir des visualisations de données plus inclusives, et donc une visualisation des données qui fonctionne pour tous les utilisateurs. .

La visualisation des données est la représentation des données d'une manière visuelle et facilement compréhensible à l'aide de graphiques courants tels que des graphiques, des tracés, des infographies et des animations. L'utilisation d'éléments visuels offre un moyen accessible de voir et de comprendre les tendances, les valeurs aberrantes et les modèles dans les données. L'une des visualisations de données les plus connues, le graphique à secteurs, est lisible par presque tout le monde et est une méthode utilisée pour transmettre rapidement des informations depuis son invention au début du XIXe siècle.

Mais, avec l'avènement d'Internet, la gamme, la portée et la complexité de ces visualisations ont augmenté de façon exponentielle. Pensez aux différents trackers COVID en ligne, aux graphiques montrant les projections économiques ou les résultats des élections nationales. "De plus en plus, les gens ordinaires s'appuient sur les visualisations de données pour prendre des décisions concernant leur vie", déclare Narges Mayhar, professeur adjoint au Manning College of Information and Computer Science de l'UMass Amherst et auteur principal de l'article.

"Même bon nombre de nos décisions collectives reposent sur des visualisations de données."

Étant donné que l'utilisation d'une visualisation dépend de son intelligibilité, on pourrait penser que les experts en visualisation de données auraient une compréhension claire et standard de leur public, en particulier de leurs utilisateurs non experts.

Et pourtant, "malgré de nombreuses décennies de recherche sur la visualisation des données, nous n'avions aucune idée claire de ce qui fait de quelqu'un un" novice "", explique Mayhar. Cette idée était suffisamment importante pour que l'ACM CHI, la première conférence internationale sur l'interaction homme-machine, décerne le prix du meilleur article à la recherche, un honneur réservé aux meilleurs 1 % des articles soumis.

Mayhar, l'auteur principal Alyxander Burns, qui a terminé la recherche dans le cadre de ses études supérieures à l'UMass Amherst, et leurs co-auteurs ont passé au peigne fin les 30 dernières années de recherche sur la visualisation et ont trouvé 79 articles répartis dans sept revues universitaires qui s'intéressaient à identifier le public pour les visualisations de données.

Dans ces 79 articles, ils ont constaté que les définitions d'un utilisateur novice variaient considérablement, allant des personnes qui ont des difficultés à "utiliser efficacement les clusters GPU" à celles qui manquent de connaissances sur les "modèles ontologiques". De plus, l'équipe a constaté que la plupart des échantillons d'utilisateurs des chercheurs étaient majoritairement orientés vers les personnes blanches d'âge universitaire vivant aux États-Unis.

"Comment savons-nous que les visualisations que nous créons pourraient fonctionner pour les personnes âgées, pour ceux qui n'ont pas de diplôme universitaire, pour les personnes vivant dans l'un des nombreux autres pays du monde?" demande Mayhar. "Nous devons être clairs, en tant que domaine, sur ce que nous voulons dire lorsque nous disons "novice", et l'objectif de cet article est de changer la façon dont les chercheurs en visualisation pensent aux novices, répondent à leurs besoins et conçoivent des outils qui fonctionnent pour tout le monde. "