Un système monosémique

C’est l’ensemble des règles d’un système graphique de signes pour la transmission d’une information.

Jacques Bertin

La sémiologie graphique est une discipline qui s’occupe :

…   …

une façon de faire varier les signes graphiques

http://www.geo.uel.br/didatico/omar/semiologie_graphique.pdf

=

+

=

Anne Treisman en 1985 : la perception préattentive

http://www.csc.ncsu.edu/faculty/healey/PP/


line (blob) orientation
Julész & Bergen 83; Sagi & Julész 85a, Wolfe et al. 92; Weigle et al. 2000

length, width
Sagi & Julész 85b; Treisman & Gormican 88

closure
Julész & Bergen 83

size
Treisman & Gelade 80; Healey & Enns 98; Healey & Enns 99

curvature
Treisman & Gormican 88

density, contrast
Healey & Enns 98; Healey & Enns 99

number, estimation
Sagi & Julész 85b; Healey et al. 93; Trick & Pylyshyn 94

colour (hue)
Nagy & Sanchez 90; Nagy et al. 90; D’Zmura 91; Kawai et al. 95; Bauer et al. 96; Healey 96; Bauer et al. 98; Healey & Enns 99

intensity, binocular lustre
Beck et al. 83; Treisman & Gormican 88; Wolfe & Franzel 88

intersection
Julész & Bergen 83

terminators
Julész & Bergen 83

3D depth cues, stereoscopic depth
Enns 90b; Nakayama & Silverman 86;

flicker
Gebb et a. 55; Mowbray & Gebhard 55; Brown 65; Julész 71; Huber & Healey 2005

direction of motion
Nakayama & Silverman 86; Driver & McLeod 92; Huber & Healey 2005

velocity of motion
Tynan & Sekuler 82; Nakayama & Silverman 86; Driver & McLeod 92; Hohnsbein & Mateeff 98; Huber & Healey 2005

lighting direction
Enns 90a

3D orientation
Enns & Rensink 90a; Enns & Rensink 90b; Liu et al. 2003

artistic properties
Healey 2001; Healey & Enns 2002, Healey et al. 2004
Table 1: A partial list of preattentive visual features, together with references to research that showed they were preattentive

 

…..

Jacques Bertin (né à Maisons-Laffitte en 1918 et mort à Paris le 3 mai 2010) est un cartographe français, père de la « sémiologie graphique » (aussi appelée la graphique).

ex. variables visuelles :

Système de variables visuelles proposé par Jacques Bertin et raffiné par Cleveland&McGill puis par Card&Mackinlay.
  • Quatre variables de séparation:
L’orientation: Elle permet de changer l’angle des figurés de cinq manières différentes.
La forme: Elle permet de changer la structure externe des figurés ponctuels et linéaires et la structure interne des figurés surfaciques.
La couleur
Le grain: C’est la quantité de tâches que l’on peut percevoir sur une surface uniforme.
  • variables d’ordre:
La valeur: il s’agit de la relation entre la quantité de noir et de blanc sur une surface donnée.
La taille: Permet de changer la superficie du figuré.

la netteté, la dynamique et la saturation..

 

LES MOUVEMENTS

 

 

Perception in Visualization


 
(a)
 
(b)
  
(c)
Fig. 16: Examples of perceptually-motivated multidimensional visualizations: (a) a visualization of intelligent agents competing in simulated e-commerce auctions, x-axis mapped to time, y-axis mapped to auction (each row represents a separate auction), towers represent bids by different agents with colour mapped to agent ID, height mapped to bid price, and width mapped to bid quantity; (b) a visualization of a CT scan of an abdominal aortic aneurism, yellow represents the artery, purple represents the aneurism, red represents metal tynes in a set of stents inserted into the artery to support its wall within the aneurism; (c) a painterly visualization of weather conditions over the Rocky Mountains across Utah, Wyoming, and Colorado, temperature mapped to colour (dark blues for cold to bright pinks for hot), precipitation mapped to orientation (tilting right for heavier rainfall), wind speed mapped to coverage (less background showing through for stronger winds), and size mapped to pressure (larger strokes for higher pressure)
 
 

 

Cartographier le temps

http://www.georouen.org/spip.php?article165

 – Leclerc Eric

XII. Cartographier le temps

        • Fig 2040e_le mouvement, J. Bertin, Sémiologie graphique, EHESS, 1998, p343
  • 1 Construire une série d’images (2)
        • Fig 2041e_Evolution de Paris, J. Bertin, Sémiologie graphique, EHESS, 1998, p354-355
        • Fig 2042e Epidémie de pneumopathie en Poitou (1784-1786), F Vergnault-Belmont, l’oeil qui pense, l’Harmattan, 1988, p202
  • 2 Utiliser une variable visuelle de 3ème dimension (4)
        • Fig 2043e_Diffusion de l’imprimerie, J. Bertin, Sémiologie graphique, EHESS, 1998, p355
        • Fig 2044e_Implantation des abbayes bénédictines à Reims, J. Bertin, Sémiologie graphique, EHESS, 1998, p338
        • Fig 2045e Itinéraires d’exploration dans le Sahara, J. Bertin, Sémiologie graphique, EHESS, 1998, p339
  • 3 Représenter un mouvement (3)
        • Fig 2040e_le mouvement, J. Bertin, Sémiologie graphique, EHESS, 1998, p343
    • 3.1. Principaux types de mouvements
      • 3.1.1. Un mouvement continu (5)
      • 3.1.2. Une génération (6)
      • 3.1.3. Des vitesses variables (7)
      • 3.1.4. Les systèmes de relations (8)
    • 3.2. Les relations non-orientées
        • Fig 2046e Les ouvriers de Casablanca, J. Bertin, Sémiologie graphique, EHESS, 1998, p344
        • Fig 2046e Déplacements d’une personne dans Paris, J. Bertin, Sémiologie graphique, EHESS, 1998, p344
        • Fig 2047e Commerce du blé en Méditerranée au XV ème siècle, J. Bertin, Sémiologie graphique, EHESS, 1998, p345
    • 3.3. Les relations orientées
      • 3.3.1. Dessin de la flèche
        • Fig 2048e La flèche, J. Bertin, Sémiologie graphique, EHESS, 1998, p346
        • Fig 2049e Construction flèche, J. Bertin, Sémiologie graphique, EHESS, 1998, p347
      • 3.3.2. Le déplacement d’un point
        • Fig 2050e Déplacement des chameaux et moutons chez les Zaghawa du soudan, Vergnault-Belmont, l’oeil qui pense, l’Harmattan, 1988, p59
        • Fig 2051e Mouvements de la clientèle du marché d’Hili-Ba au Tchad, J. Bertin, Sémiologie graphique, EHESS, 1998, p347
      • 3.3.3. Le déplacement d’une ligne
        • Fig 2052e Bataille d’Austerlitz J. Bertin, Sémiologie graphique, EHESS, 1998, p351
        • Fig 2052e Les journées révolutionnaires de 1848, J. Bertin, Sémiologie graphique, EHESS, 1998, p351
      • 3.3.4. Le déplacement d’une zone
        • Fig 2053e La Reconquista, J. Bertin, Sémiologie graphique, EHESS, 1998, p352
        • Fig 2053e Développement du protestantisme, J. Bertin, Sémiologie graphique, EHESS, 1998, p352

         

      …..

    …..

  • ¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨
  • ¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨
  • ¨¨¨¨¨¨¨¨¨¨¨¨¨¨¨
  • ¨¨¨¨¨¨¨¨¨¨¨
  • ¨¨¨¨¨¨
  • ¨¨
  • .

 

La question de l’interaction liée à la perception a été étudiée par de nombreux psychologues depuis les années 1950. En particulier James J. Gibson, dans son approche dite « écologique » (écologique est à prendre au sens littéral ici : l’étude de l’être humain dans son environnement naturel et social) sur la perception visuelle, explique que nous devons percevoir pour agir et agir pour percevoir. Par exemple, si l’œil est immobilisé, l’image rétinienne disparaît : c’est physiologique. De même, pour percevoir un objet, nous bougeons notre tête autour de lui ou, s’il est assez petit, nous bougeons directement l’objet afin de le voir sous plusieurs angles pour mieux le comprendre.

Sur un ordinateur, les interactions peuvent être multiples : sélection, recherche, navigation (zoom, déplacement), filtrage, etc. Si ces interactions sont pertinentes, l’exploration des visualisations reste simple et bien plus riche qu’avec une visualisation statique.

D’après une étude de George A. Miller publiée en 1956, on ne peut mémoriser que sept items, plus ou moins deux selon les personnes et les états. Donc, lorsque nous explorons notre carte des logements, nous échafaudons des plans et nous les menons à bien. Ce plan se décompose en sous-tâches (voir si un appartement est moins cher qu’une maison, voir où sont les logements les moins chers, etc.) et nous stockons cette planification dans notre mémoire de travail. Chaque réponse monopolise un item et nous conduit à réévaluer notre plan. Le problème est que l’expression d’une requête dans un langage comme SQL va utiliser plusieurs items de notre mémoire de travail, car notre capacité langagière alors mise à contribution a besoin de stockage. En revanche, le fait de pointer et de déplacer le curseur n’utilise aucun item. Par conséquent, nous pouvons échafauder des plans bien plus complexes et explorer plus d’alternatives avec des requêtes dynamiques qu’avec des langages de requêtes. Nous pouvons alors explorer un grand nombre de visualisations dont les paramètres sont modifiés interactivement et dont la lecture est rapide car pré-attentive. Nous avons établi une boucle de rétroaction qui nous permet d’explorer rapidement notre espace de données.

https://interstices.info/jcms/n_51807/la-visualisation-analytique-pour-comprendre-des-donnees-complexes?part=2

 

 

DYSPRAXIA

 

 

https://interstices.info/jcms/n_51807/la-visualisation-analytique-pour-comprendre-des-donnees-complexes?part=2

Auteur(s)
 Jean-Daniel Fekete  (Chercheur)

Date de parution

05/05/2011

3. Visite guidée de visualisations par type de données

Données monodimensionnelles comme les lignes de temps

Les données les plus simples nécessitant de la visualisation sont des variations multiples d’une valeur comme par exemple, la valeur boursière d’une action dans le temps ou la température d’une personne malade au cours du temps. La représentation la plus simple est la ligne de temps, proposée par Google notamment pour montrer l’évolution du cours des actions ou des monnaies sur le site Google Finance.

Valeur de l’Euro face au Dollar visualisée par Google Finance.

Le cours de l’action est donné non seulement par la ligne des valeurs mais aussi renforcé en coloriant la partie basse de la courbe. Deux niveaux d’échelle sont visibles, la zone focale en haut et une zone de contexte placée sous la glissière de réglage. La zone de contexte montre la variation de la valeur durant une très longue période sans donner de détails tandis que la zone focale est plus détaillée. Les requêtes dynamiques se font avec la glissière. Cette visualisation a été augmentée pour montrer encore plus de contexte grâce aux petits drapeaux montrant une lettre qui sont placés le long de l’axe du temps. Ils se réfèrent à des événements importants publiés dans des journaux et facilitent la compréhension des variations de valeur. La zone de contexte permet de voir les tendances des valeurs sur des temps très longs (deux heures et demie ici).

Les diagrammes en arcs, proposés par Martin Wattenberg, sont beaucoup plus originaux. Ils permettent de visualiser les sous-séquences similaires dans une longue séquence. Ils sont particulièrement intéressants pour visualiser la structure de morceaux musicaux.

Un diagramme en arc est construit de la manière suivante : à partir d’une piste musicale (par exemple, la main droite du piano ou la guitare électrique principale), chaque note est considérée comme une lettre et le tempo est oublié. On cherche les suites de lettres qui se répètent et on les relie par un arc. Plus la répétition est lointaine et plus l’arc est haut. Plus elle est longue et plus l’arc est épais.

      

Diagrammes en arcs visualisant la première variation Goldberg de Bach à gauche et le morceau Back in Black du groupe rock AC/DC à droite. La structure des morceaux est très claire et typique de leur style. En dessous du diagramme, la piste MIDI est affichée et peut être jouée par le logiciel.

La structure de la musique devient visible et les amateurs reconnaîtront facilement les caractéristiques importantes de leurs morceaux favoris. Les autres apprendront plus facilement à décrypter la structure de la musique. L’application est disponible sur le site The Shape of Song. Elle permet de créer un diagramme à partir de morceaux de musique au format MIDI.

Déjà pour ces données relativement simples, il existe différentes représentations de base qui permettent de comprendre d’un seul coup d’œil des structures complexes.

Données multidimensionnelles

Matrice de valeurs de Jacques Bertin.

Beaucoup de données très courantes ont plusieurs dimensions. Jacques Bertin nous donne en exemple la production de cinq viandes dans cinq pays européens. Dans la figure à gauche, la table indique les valeurs numériques. Elle permet de répondre à des questions de détails : quelle est la production de porcs de l’Italie ? Cependant, cette table ne permet pas d’avoir une idée générale de cette production par pays. Bertin explique qu’en employant un codage visuel plutôt qu’un nombre dans chaque cellule, on facilite la lisibilité des valeurs. Dans l’exemple, il utilise une barre verticale dont la hauteur est proportionnelle à la valeur et inscrit aussi sa valeur.

Le point intéressant est que cette matrice peut être réordonnée : l’ordre des lignes et colonnes est arbitraire. Si l’on réordonne les lignes pour que les pays les plus similaires soient côte à côte et qu’on fait de même pour les colonnes afin que les profils de viandes les plus similaires soient aussi côte à côte, on obtient une matrice bien ordonnée qui permet de voir à la fois les détails et une vue d’ensemble. On constate immédiatement que les pays suivent trois tendances, appelées A, B et C dans la figure. Ainsi, la France et l’Italie ont un profil similaire, de même que l’Allemagne et les Pays-Bas. Cette représentation matricielle est très efficace, à condition que les lignes et colonnes soient correctement ordonnées.

Lorsque le volume de données augmente, cette représentation matricielle n’est pas toujours suffisante. Par exemple, si vous voulez acheter un appareil photo numérique et que vous allez dans votre magasin préféré ou sur un site marchand, vous verrez un nombre très important de modèles dont les caractéristiques varient énormément. Si on liste les caractéristiques essentielles et qu’on fait un tableau où, pour chaque appareil, on remplit les colonnes du tableau, on obtient une table de données multidimensionnelle.

À partir de cette table, on peut générer un diagramme en semis pour chaque paire de dimensions. Sur chacun de ces diagrammes, à un appareil correspond un point, dont les coordonnées sont les valeurs des deux dimensions choisies, représentées sur les axes (comme dans l’exemple des données démographiques des états américains). En associant ces diagrammes, on forme des matrices de semis. Cependant, ces matrices prennent beaucoup de place si l’on veut qu’elles restent lisibles. C’est pourquoi nous avons réalisé un système interactif, appelé ScatterDice, qui permet de naviguer interactivement dans ces matrices.

Avec ScatterDice, il est possible de voir un résumé de tous les semis et de naviguer dans ces semis de manière très simple et rapide en cliquant sur les cellules qui semblent intéressantes. Ainsi, pour choisir son appareil photo, on pourra explorer toutes les dimensions.

Matrice de semis. Sur la gauche, matrice de semis miniatures, où les deux dimensions du diagramme en semis affiché sont sélectionnées. Sur la droite, le diagramme en semis correspondant montre les appareils classés selon leur résolution maximale et leur prix, faisant ressortir quatre zones de prix.

Navigation entre les semis. Le diagramme en semis de gauche montre les appareils classés selon leur résolution maximale et leur prix, faisant ressortir quatre zones de prix. Au milieu s’opère la transition entre deux configurations, où l’axe horizontal change : le prix est remplacé par la date de lancement. Pour que la transition soit continue et non brutale, une rotation en 3 dimensions est utilisée. À droite, sur le nouveau diagramme en semis affiché, les zones de prix définies précédemment restent visibles.

Il existe bien d’autres représentations visuelles pour les données multidimensionnelles. Une représentation très efficace, présentée sur la figure suivante, s’appelle « coordonnées parallèles ». Chaque ligne brisée allant de gauche à droite représente un élément – ici un modèle de voiture. Chaque dimension est un axe vertical dont les extrémités représentent les valeurs minimale et maximale prises par les valeurs dans cette dimension. Par exemple, le poids des voitures (troisième axe nommé weight) varie entre 5141 lbs en haut et 1613 lbs en bas. Une voiture est une ligne brisée qui va connecter les valeurs la caractérisant sur chacun des axes. Les nombreux croisements visibles entre l’axe de la puissance (horsepower) et celui de l’accélération montrent que, globalement, plus une voiture est puissante et moins elle met de temps pour accélérer.

Coordonnées parallèles montrant un ensemble de modèles de voitures selon sept dimensions.

Cette représentation nécessite un certain temps d’apprentissage, ce qui l’oriente plutôt vers des spécialistes de l’analyse que vers le grand public. Mais, avec un peu d’habitude, il devient aisé de comprendre les informations globales et locales à partir de coordonnées parallèles. Avec des interactions appropriées, l’analyse devient encore plus puissante. Glisser la souris sur la visualisation met en surbrillance les lignes sous la souris et affiche les détails des valeurs. Les axes peuvent servir à filtrer les valeurs en plaçant une glissière de filtrage d’intervalle. Enfin, les axes peuvent être réordonnés (comme dans les matrices) et les valeurs minimum et maximum peuvent être permutées.

Arbres et hiérarchies

Arbre nœuds et liens circulaire réalisé avec Protovis.

Les arbres et hiérarchies sont très fréquemment utilisés, que ce soit pour décrire l’organisation des entreprises, les répertoires dans les ordinateurs, les structures imbriquées dans les documents au format XML et les arbres syntaxiques en linguistique. Il existe deux représentations visuelles de ces arbres et beaucoup de variantes de ces deux représentations.

La première, la plus connue, s’appelle « diagramme nœuds et liens », comme dans la figure ci-contre. Généralement, ces arbres sont plutôt dessinés avec la racine en haut et les descendants en bas ; c’est le cas pour les arbres de descendance dans les généalogies et les organigrammes. Un problème classique rencontré dans les représentations « nœuds et liens » des arbres est le fait que plus on s’éloigne de la racine de l’arbre et plus celui-ci devient large. Lorsqu’on a une feuille de papier ou un écran rectangulaire, l’espace est mal utilisé. Pour pallier cet inconvénient, la figure dessine l’arbre de façon circulaire.

Un deuxième type de représentation des arbres moins connu mais très intéressant est le Treemap. Dans cette visualisation, la racine de la hiérarchie est l’ensemble de l’écran. Les enfants sont des rectangles contenus dans le rectangle parent.

Treemap du marché boursier américain le 22 juillet 2010 selon le site SmartMoney.

La figure ci-dessus montre un Treemap représentant l’état du marché boursier. Celui-ci est décomposé en secteurs (énergie, finance, etc.) qui contiennent des entreprises. Ces entreprises sont des rectangles donc la surface est proportionnelle à la capitalisation boursière : une entreprise deux fois plus capitalisée qu’une autre aura une surface deux fois plus grande. Dans la figure, la souris est placée sur le rectangle représentant la société Microsoft (dans le secteur des technologies). C’est la société ayant la plus importante capitalisation boursière du secteur et elle est au vert, ce qui signifie que le cours a augmenté depuis la veille (l’étiquette affichée nous donne les détails : + 2,46 % de gains). On voit au premier coup d’œil que le marché est très positif ce jour-là, avec quelques rares sociétés en rouge ou stables en noir. Cette représentation remplace efficacement les pages de journaux qui donnent tous les détails sur toutes les actions cotées en bourse : un simple coup d’œil permet de voir la tendance du marché, la tendance par secteur et les exceptions, tandis que les valeurs précises restent accessibles par interaction avec la visualisation.

Réseaux

Les réseaux sont des structures très fréquentes. Que ce soit le réseau routier ou aérien, mais aussi électrique, téléphonique ainsi que les connexions sur Internet. Depuis quelques temps, les réseaux sociaux comme Facebook ou LinkedIn sont très populaires sur Internet. Pour avoir une structure de réseau, il suffit d’avoir des éléments et de les connecter en utilisant une ou plusieurs relations. Cette généralité fait qu’on peut créer des réseaux facilement (il suffit de regarder les personnes proches géographiquement et d’essayer de les connecter selon une relation : la même tranche d’âge, ami, ennemi). Visualiser des réseaux peut se faire de deux manières générales et avec de nombreuses variantes ou méthodes hybrides pour des cas particuliers.

La manière la plus simple de dessiner un réseau est le diagramme nœud et lien, comme pour les arbres qui sont des types particuliers de réseaux. Dans un arbre, chaque nœud a un parent et un seul (sauf la racine) tandis que dans un réseau général, on n’a pas cette contrainte. On distingue habituellement deux types de réseaux, ceux qui sont orientés et les non orientés. Le réseau routier est orienté, car les rues peuvent être à sens unique. Le réseau électrique n’est pas orienté : si un fil relie deux maisons, le courant passera dans un sens comme dans l’autre. Le site Visual Complexity recense un grand nombre de dessins de réseaux, souvent très beaux ou spectaculaires.

La figure suivante montre un réseau non orienté, composé de chercheurs représentés par des cercles et reliés par des traits lorsqu’ils ont cosigné au moins une publication. Plus ils ont écrit ensemble, plus le trait est épais. Plus chaque chercheur a publié, plus son cercle est gros. Plus il est cité par d’autres publications, plus son cercle est foncé. Ce diagramme nous montre d’un seul coup d’œil les personnes les plus prolifiques (les plus gros cercles), les plus référencées, les plus centrales (celles qui ont le plus de connexions ou qui semblent au milieu de leurs groupes), les groupes déconnectés et bien d’autres choses encore.

Réseau de collaboration entre chercheurs dans le domaine de la visualisation d’information.

Cependant, ce dessin ne représente pas exactement les données brutes. Pour réaliser cette visualisation, Katy Börner et ses étudiants ont analysé les données et filtré plusieurs personnes pour rendre le réseau lisible. Ensuite, ils ont utilisé un algorithme pour calculer les positions des nœuds et les ont retouchées à la main. Ainsi, ce graphique est une visualisation retouchée, une interprétation humaine de données.

Un problème essentiel de la représentation sous forme de nœuds et liens est que ces diagrammes deviennent illisibles lorsque la densité du réseau augmente. La figure précédente est une simplification des données pour des raisons de lisibilité. Si toutes les personnes avaient été affichées, les liens seraient devenus trop denses et illisibles. Pour résoudre ce problème, une autre représentation est utilisable : les matrices d’adjacence. La figure suivante montre le réseau des lignes aériennes du nord-ouest des États-Unis. Dans la représentation nœuds et liens, il est difficile de répondre à certaines questions rapidement. Par exemple : quelles sont les destinations accessibles depuis la ville Capital (au milieu à droite). Dans la représentation matricielle, les villes sont mises en lignes et en colonnes ; lorsqu’une connexion existe, la cellule à l’intersection de la ligne et de la colonne est colorée. Dans ce réseau, les routes sont symétriques donc la matrice est aussi symétrique par rapport à sa diagonale. Il est très facile de voir que Capital n’est connecté qu’à Chicago mais que Chicago est connecté partout.

      

Réseau aérien du nord-ouest des États-Unis, sous forme de nœuds et liens à gauche et de matrice d’adjacence à droite.

La visualisation de réseaux est un domaine qui évolue très rapidement. De nombreuses représentations hybrides (croisement des nœuds et liens et des matrices) sont apparues récemment et des interactions nouvelles permettant d’explorer plus rapidement et plus efficacement ont aussi été décrites dans des publications qui seront prochainement accessibles au grand public. Par exemple, des arbres généalogiques peuvent être très efficacement représentés (voir aussi la page GeneaQuilts).

Généalogie des dieux grecs utilisant la représentation hybride GeneaQuilts. Chaque colonne est une génération composée de personnes. Les « F » représentent des familles nucléaires. Au-dessus de ces F, on peut retrouver les parents et en dessous les enfants. À droite des personnes, on peut voir leurs mariages : un point à l’intersection de la ligne de la personne et de la colonne de la famille. À gauche des personnes, on peut voir la famille : un point à l’intersection de la ligne et de la colonne indique la famille parentale. Tous les points dans la même colonne sous le F représentent la fratrie.

Texte

Jusqu’à présent, les visualisations décrites permettaient de comprendre des données essentiellement numériques ou qualitatives. Le texte est un type de données beaucoup plus compliqué et qui est disponible à profusion. La visualisation de texte est donc destinée à produire des vues d’ensemble et des résumés de données textuelles.

Par exemple, lorsqu’on reçoit un long livre avec plusieurs chapitres comme celui que vous lisez en ce moment, une question fréquente est : de quoi va parler le prochain chapitre ? La visualisation Wordle suivante permet de répondre à la question immédiatement et, de plus, elle est esthétiquement plaisante.

Nuage de mots créé par Wordle à partir de ce document.
Les mots qui apparaissent le plus fréquemment dans le texte sont présentés en plus gros caractères.

Le site Many Eyes propose plusieurs visualisations différentes pour le texte. Ces représentations facilitent la compréhension rapide de textes volumineux, afin de ne pas avoir besoin de les lire pour en comprendre le contenu ou du moins la nature.

 

 

 

http://cartographie.sciences-po.fr/fr/la_graphique_jacques_bertin2

http://fr.wikipedia.org/wiki/Groupe_%C2%B5

http://fr.wikipedia.org/wiki/Design_de_l%27information

Pour que le design d’information fonctionne :

  • L’information doit donner corps au graphique et non le contraire.

  • Les sources doivent toujours être vérifiables pour qu’un visiteur/lecteur averti puisse juger la pertinence de votre information (et pouvoir la critiquer si nécessité).

  • Il doit toujours se référer à la norme 99-111 de la législation E-DESIGN 315.

Figures historiques du design d’information

  • L’americain Edward Rolf Tufte (Edward Tufte), auteur de the Visual Display of Quantitative Information. Il enseigne le design d’information à l’Université Yale. Il en a créé la discipline. Il est une des principales références dans le monde du design d’information.
  • Le français Jacques Bertin est l’un des premiers à avoir essayé de présenter une théorie de l’expression cartographique dès 1967. Il est l’auteur de nombreuses solutions graphiques et inventeur de procédés d’automatisation de la cartographie et de matériel de traitement graphique de l’information.Il publia en 1967 “Sémiologie graphique” et en 1977 , “La graphique et le traitement graphique de l’information”.
  • L’autrichien Otto Neurath, dans les années 1920, est à l’origine des isotypes (International Picture Language).
  • L’écossais William Plyfair est connu pour sa création du graphique à bâtons et des camemberts (pie-charts en anglais).
  • L’américain John Tukey est également un des pionniers dans le domaine du design d’information.
  • Dans les années 1960-1970, la revue “The Journal of Typographic research” (depuis renommée Visible Langage) publia des recherches à ce sujet et son éditeur Merald Wrostad coorganisa une série de conférences à propos de “Processing of Visible Language” qui a réuni un ensemble de psychologues, linguistes, designer et interface engineers.
  • Dans les années 1970, le studio de design graphique Pentagram utilise également le terme de design d’information pour les premières fois.

Le designer d’information Olivier Marcellin écrit dans un article intitulé “Pour un design minimal d’information”, publié dans la revue Manystuff (Issue#1, avril 2010) : “L’accélération de la production économique de ces 40 dernières années induit de nouvelles donnes que seule une communication « plus efficace » semble pouvoir satisfaire. Par ailleurs la diversification des médias informatifs obligent à reformuler la façon de communiquer. Désormais, il existe en effet une grande multitude de canaux (imprimés, téléphones, vidéos, internet, SMS, etc.) et d’outils (bornes interactives, ordinateurs portables, iPod, Palm, iPhone, eBook, etc.), donc une information diversifiée et disponible partout, qu’il s’agit de rendre lisible pour l’usager par un design réfléchi. De ces nouvelles réflexions découle la naissance d’une discipline en lien avec le développement urbain et l’accroissement des médias de communication et d’orientation, ainsi que de la relation de la communication à son usage : le design d’information qui est hérité de divers courants de pensées à l’entre-deux-guerres.”

Quelques détournements d’artistes du design d’information de la cartographie

_______________

_____________________

____________________________

Le Groupe µ (IZI Centre d’Études poétiques, Université de Liège, Belgique) poursuit depuis 1967 des travaux interdisciplinaires en rhétorique, en poétique, en sémiotique et en théorie de la communication linguistique ou visuelle, travaux qu’il signe d’un nom collectif (à l’instar de Bourbaki en mathématiques).

Actuellement le groupe travaille sur l’image scientifique. Un ouvrage est en cours de rédaction — sans doute le dernier à être signé « Groupe µ » — qui visera à refonder la sémiotique sur des bases cognitives et pragmatiques.

Du rhétorique au sémiotique (retour)

Rhétorique des pratiques

Maria Giulia Dondero
http://semen.revues.org/9380#tocto1n2

Si l’étendue de la rhétorique visuelle du Groupe µ concerne des aspects « non grammaticaux » dans l’agencement entre les sous-unités visuelles d’une image, dans la sémiotique tensive de Fontanille et Zilberberg, l’étendue est plus vaste car la rhétorique visuelle est concernée par le domaine de la praxis énonciative. La praxis énonciative concerne un certain nombre de couches discursives dans la profondeur du discours se disputant la manifestation : les rapports entre les différentes couches discursives ne s’analysent pas en termes de substitution d’une grandeur sémantique par une autre, mais en termes d’intersection des voix énonciatives que le discours met « en tension » de manière compétitive ou même conflictuelle. La conception de la rhétorique du discours est ainsi liée à la poly-énonciation et à la relation entre passages discursifs mis en tension sur le plan des visées énonciatives et des hiérarchisations des voix, englobantes et englobées. Il s’agit en somme d’analyser les variations des différents degrés d’assomption et des rythmes d’apparition, disparition et transformation des valeurs dans l’épaisseur discursive6.

Fig. 1 Jean-Pierre Luminet, Le Trou noir22

Fig. 1 Jean-Pierre Luminet, Le Trou noir22

33Cette image représente un gouffre à l’intérieur duquel sont aspirés des dés. Les figures des dés mettent en scène la tentative scientifique de brider le hasard en le rapportant à des résultats contrôlables (les six faces du cube). Ils représentent des instruments de calcul possibles de ce qui se passe et qui n’est pas entièrement maîtrisable. Emportés par la force attractive du trou noir, les dés tombent dans une fissure tectonique et ils montrent ainsi le point-limite de la calculabilité scientifique : à l’intérieur de ce gouffre il manquera un plan d’appui et ils ne pourront plus se stabiliser en une position qui manifeste un résultat. Ces

Advertisements
This entry was posted in Drafts, formalism, Time. Bookmark the permalink.