Éthique et Dataviz, Datarama #2

Transcript

1. Dataviz et éthique Colin FAY - ThinkR 2017/09/20 Colin FAY - @_colinfay - ThinkR- @thinkR_fr 1 / 34
2. $ whoami Colin FAY Data Analyst, formateur R, Social Media Manager chez ThinkR, agence spécialisée en Data Science et en langage R. Fondateur de Data-Bzh, la première plateforme de data-blogging bretonne. http://thinkr.fr http://data-bzh.fr http://twitter.com/_colinfay http://github.com/colinfay Colin FAY - @_colinfay - ThinkR- @thinkR_fr 2 / 34
3. ThinkR Colin FAY - @_colinfay - ThinkR- @thinkR_fr 3 / 34
4. Société spécialisée en Data Science et langage R. Formation Analyse Développement Consultance ThinkR Colin FAY - @_colinfay - ThinkR- @thinkR_fr 4 / 34
5. Data-Bzh Colin FAY - @_colinfay - ThinkR- @thinkR_fr 5 / 34
6. Première plateforme de data-blogging en Bretagne. Dataviz Analyse Conférences Tutoriels Data-Bzh Colin FAY - @_colinfay - ThinkR- @thinkR_fr 6 / 34
7. De quoi va-t-on parler aujourd'hui ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 7 / 34
8. Éthique et Dataviz La question à mille dollars : Pourquoi c'est important de se poser la question de l'éthique en dataviz ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 8 / 34
9. Éthique et Dataviz La question à mille dollars : Pourquoi c'est important de se poser la question de l'éthique en dataviz ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 9 / 34
10. "L'éthique c'est l'esthétique du dedans." Pierre Reverdy Trop souvent, créer une dataviz se résume à se concentrer sur l'esthétique du dehors, au détriment de l'esthétique du dedans. Quand peut-on dire qu'une dataviz est "belle du dedans" ? Créer une dataviz, c'est respecter à la fois les données et son audience. C'est quoi l'éthique ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 10 / 34
11. 1954 1991 Ten thousand ways to lie... Colin FAY - @_colinfay - ThinkR- @thinkR_fr 11 / 34
12. [Alerte Pratique douteuse] Cherry picking : ne choisir que les résultats favorables. Si nous savons par exemple qu'un traitement est inefficace, nous pouvons réaliser 40 tests, et nous avons au moins deux chances de trouver des résultats significatifs. Il suffit ensuite de ne publier que les données significatives. ... beyond dataviz : cherry picking Colin FAY - @_colinfay - ThinkR- @thinkR_fr 12 / 34
13. [Alerte Pratique douteuse] Biased sample : réaliser un test statistiques sur un échantillon non représentatif. Si nous voulons montrer que les français sont petits, nous pourrions réaliser un échantillonage à la sortie d'une école primaire. Ou l'inverse, en nous concentrant sur les joueurs de basket. ... beyond dataviz : Biased samples Colin FAY - @_colinfay - ThinkR- @thinkR_fr 13 / 34
14. [Alerte Pratique douteuse] p hacking : En testant suffisamment, on trouve toujours une valeur significative. Quand un test n'est pas significatif et qu'on a pas beaucoup d'éthique, on peut faire du p hacking, c'est-à-dire torturer les données pour avoir un p significatif, en retirant certaines données / créant des sous groupes / changeant de test... ... beyond dataviz : p hacking If you torture the data long enough, they will confess. Colin FAY - @_colinfay - ThinkR- @thinkR_fr 14 / 34
15. p-hacking Colin FAY - @_colinfay - ThinkR- @thinkR_fr 15 / 34
16. ... beyond dataviz : false causality "Cum hoc ergo propter hoc" - Correlation does not imply causation. Ce n'est pas parce que deux éléments sont corrélés qu'il existe une relation de cause à effet. Colin FAY - @_colinfay - ThinkR- @thinkR_fr 16 / 34
17. ... beyond dataviz : false causality "Cum hoc ergo propter hoc" - Correlation does not imply causation. via : http://www.tylervigen.com/spurious-correlations Colin FAY - @_colinfay - ThinkR- @thinkR_fr 17 / 34
18. ... beyond dataviz : false causality "Cum hoc ergo propter hoc" - Correlation does not imply causation. via : http://www.tylervigen.com/spurious-correlations Colin FAY - @_colinfay - ThinkR- @thinkR_fr 18 / 34
19. Savoir reconnaitre un "faux". Questionner ses propres pratiques. Ne pas succomber à la tentation. Sensibiliser. One of the best ways to learn how to detect bias in data visualization is to intentionally manipulate a chart, and tell two (or more) opposing stories with the same data. How to Lie with Charts - Jack Dougherty Pourquoi s'intéresser à l'éthique en dataviz ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 19 / 34
20. How to lie with dataviz Petit guide pratique Colin FAY - @_colinfay - ThinkR- @thinkR_fr 20 / 34
21. How to lie with dataviz Jouer avec l'échelle Colin FAY - @_colinfay - ThinkR- @thinkR_fr 21 / 34
22. How to lie with dataviz Renverser l'axe Colin FAY - @_colinfay - ThinkR- @thinkR_fr 22 / 34
23. How to lie with dataviz Créer des colonnes cumulatives Colin FAY - @_colinfay - ThinkR- @thinkR_fr 23 / 34
24. How to lie with dataviz Jouer avec les couleurs Colin FAY - @_colinfay - ThinkR- @thinkR_fr 24 / 34
25. How to lie with dataviz Jouer avec les couleurs Colin FAY - @_colinfay - ThinkR- @thinkR_fr 25 / 34
26. Non mais dans la vraie vie, ça n'existe pas... Colin FAY - @_colinfay - ThinkR- @thinkR_fr 26 / 34
27. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 27 / 34
28. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 28 / 34
29. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 29 / 34
30. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 30 / 34
31. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 31 / 34
32. Dans la vraie vie Colin FAY - @_colinfay - ThinkR- @thinkR_fr 32 / 34
33. Et maintenant, on fait quoi ? On y réfléchit. On en parle. On pense à Colin à chaque fois qu'on fait une dataviz. On utilise des logiciels de statistiques pour faire des dataviz. Colin FAY - @_colinfay - ThinkR- @thinkR_fr 33 / 34
34. Retrouvez-moi sur les internets : (je parle principalement de données) colin@thinkr.fr http://twitter.com/_colinfay http://twitter.com/thinkr_fr https://github.com/ColinFay J'écris des trucs sur les internets : (et ça parle principalement de données) https://thinkr.fr/ http://colinfay.me/ http://data-bzh.fr/ Merci ! des questions ? Colin FAY - @_colinfay - ThinkR- @thinkR_fr 34 / 34