more things + detailed steps

digitalmethods.md

@@ -14,11 +14,19 @@ diego.antolinos@unine.ch
 
 -
 
+### Cours IA et outils numériques
+_Merci à Nicolas Becquet et Antonin Descampe_
+- Excel et les données tabulaires
+- Flourish, Datawrapper et la visualisation
+- Google Colab et les Jupyter notebooks en Python
+- Exercice : analyser -> visualiser -> mettre en récit
+
+-
+
 ### Objectifs
-- Découvrir des méthodes et outils numériques
-- Démystifier et pointer les pièges
-- Préciser les étapes d'un travail outillé
-- Compléter le riche cours sur l'IA de Nicolas Becquet et Antonin Descampe
+- Explorer d'autres méthodes numériques
+- Préciser les étapes d'un travail sur des données
+- Démystifier et pointer les pièges à éviter
 
 ------
 
@@ -47,8 +55,8 @@ Du simple tableau Excel au "pipeline" complexe d'analyses utilisant du code info
 
 ------
 
-### Données
-Différents types de données impliquent différents types d'hypothèses, de traitements, de résultats, non ?
+### Les données
+Différents types de données impliquent différents types d'hypothèses, de traitements, de résultats
 
 -
 
@@ -88,8 +96,100 @@ N'importe quoi est une donnée, si ça rentre dans un algorithme et que ça donn
 
 ------
 
+### Étapes 
+- Formulation d'hypothèses
+- Identification des sources
+- Collecte des données
+- Exploration et contrôle
+- Choix des outils adaptés
+- Filtrage et enrichissement
+- Analyse et visualisation
+- Restitution et mise à disposition 
+
+-
+
+### Formulation d'hypothèses
+Les questions doivent, autant que possible, précéder l'exploration et l'analyse
+
+__Les méthodes numériques =/= magie__
+
+_Conseil : noter/(re)formuler vos pistes et intuitions_
+
+-
+
+### Sources
+- Sources officielles
+- Sites web
+- Entrepôt de données
+- Constitution manuelle d'un jeu de données
+- Capteurs
+...
+
+-
+
+### Collecte
+- Parfois simple : télécharger un jeu de données, demander gentiment à un partenaire, ...
+- Parfois complexe : faire du scraping sur un site, constituer son jeu de données à la main, ...
+- Parfois impossible : certaines données sont inexistantes, trop couteuses, interdites, ...
+
+-
+
+### Exploration & contrôle
+- Regarder ses données, les lire, s'en "imprégner"
+- Ajuster ses hypothèses, re-re-formuler ses questions
+- Contrôler la qualité de ses données, l'adaptation à la tâche
+
+-
+
+### Choix des outils
+- Des outils libres, open source, gratuit
+- Des formats simples et ouverts : csv, json, txt
+- Des outils modulaires dont on comprend les entrées/sorties
+- Un "pipeline" dimensionné correctement
+
+-
+
+### Filtrage & enrichissement
+- Inutile de garder des données énormes si ça n'est pas nécessaire : difficile à manipuler, ajoute des possibilités d'erreur
+- Possibilité de documenter, d'annoter, ou de joindre des données : manuellement ou à l'aide d'outils adaptés
+
+-
+
+### Analyse & visualisation
+- Analyse guidée par les hypothèses : pour répondre à une question précise, outillée correctement
+- Visualisation exploratoire, analytique ou de restitution ? 
+
+-
+
+### Restitution et mise à disposition
+- Raconter une histoire avec des données
+- Mettre autant que possible à disposition ses sources de données et sa méthodes / outils / code
+
+------
+
+### Un exemple concret
+Le projet [Panda](https://www.unine.ch/ajm/panda/)
+
+_Pandemic Data : Production, diffusion et compréhension des données en temps de pandémie_
+
+-
+
+### Données 
+- __~180k articles - 5 partenaires médias - 3 ans__ 
+- ~40 entretiens qualitatifs
+- 3 expériences contrôlées sur la perception des données (N=600)
+
+-
+
+### Méthodes numériques
+- Analyse du contenu des articles "Covid-19"
+- Analyse des représentations de données / dataviz
 
 
+------
+
+###
+
 ------
 
 [Bibliographie](bibliographie.md)