Bienvenue dans le premier module de Thing 1 ! Ce module part de zéro : il définit la notion de « données », propose des exemples concrets et remet en question les différentes façons dont vous pourriez envisager les données. Avant de nous plonger dans la définition même des données, nous vous invitons à visionner cette vidéo d'introduction proposée par la bibliothèque de l'université de Houston.
Les données sont partout autour de nous. En ce moment même, vous nagez dans votre propre océan de données ! Les données peuvent être pratiquement n'importe quoi. Si les données peuvent être n'importe quoi, qu'est-ce qui les distingue alors de l'information ? Comment pouvons-nous même définir et suivre les données s'il existe tant de possibilités ?
Le contexte est essentiel ! Les données sont des informations replacées dans un contexte précis. Ce sont des informations qui servent à répondre à une question que vous pourriez vous poser, qu’elle soit aussi simple que « Quelle est la taille moyenne dans ma famille ? » ou aussi complexe que « Comment les ouragans à répétition affectent-ils la population de homards de la Nouvelle-Écosse sur le long terme ? ».
Il y a sans doute quelques exemples numériques qui vous viennent à l'esprit lorsque vous pensez aux données. Par exemple, les réseaux sociaux, où vous pouvez trouver des données sur le nombre de vues, de « j'aime » et d'autres interactions avec le contenu que vous publiez.
Vous pouvez également extraire des données simplement à partir de votre galerie de photos ou en visionnant vos vidéos. Qui y figure ? Quelle est la durée des vidéos ? Où et quand ont-elles été tournées ?
Grâce aux données numériques, vous pouvez disposer d'une immense mine d'informations en un clin d'œil !
Il y a fort à parier que chacun d’entre vous qui suit ce cours avait en tête un exemple de données numériques. Mais les données ne se limitent pas au domaine numérique ; en réalité, les données numériques sont encore relativement récentes en comparaison ! Même des éléments auxquels on ne s’attendrait pas à première vue peuvent être considérés comme des données.
Où que vous soyez, que ce soit en télétravail, au bureau, ou même si vous suivez ce cours dans une bibliothèque ou un café, il y a des données que vous pouvez observer et comprendre autour de vous. Regardez autour de vous pour repérer des éléments qui pourraient constituer des données.
Si vous travaillez chez vous, que ce soit dans un bureau à domicile ou dans une pièce aménagée à cet effet, vous possédez très probablement plusieurs livres ou manuels destinés à vos études, à votre travail ou à vos loisirs. Quelles informations pouvez-vous tirer de ces livres ?
Si vous êtes au bureau, il y a probablement d’autres box, des ordinateurs ou des personnes autour de vous, et ceux-ci peuvent constituer autant de données que des livres. Enfin, même dans un café, les données sont omniprésentes : prix des différentes boissons et collations, niveau des stocks, mais aussi des éléments tels que le temps de cuisson de chaque pâtisserie ou le nombre de clients présents dans le café chaque heure.
Observez ce qui vous entoure. Existe-t-il un autre ensemble d'objets qui pourrait fournir des points de données, en dehors des exemples cités ici ? Pourquoi le pensez-vous ? Quelles données fournissent-ils ?
Notre réponse : Prenons l’exemple d’un sac à main, d’un sac à dos ou d’un sac. Les objets qu’il contient peuvent révéler de nombreuses informations sur une personne, et certains d’entre eux peuvent également constituer, à eux seuls, des ensembles de données. C’est le cas, par exemple, d’un ticket de caisse provenant d’un magasin, qui contient des informations sur l’article acheté, son prix, souvent la date et l’heure de la transaction, le nom du caissier ainsi que les éventuels bons de réduction ou offres promotionnelles. Le ticket de caisse en lui-même ne serait qu’un point de données parmi tous ceux que l’on pourrait trouver dans un sac, ce qui permettrait d’obtenir des informations telles que : où la personne fait-elle ses achats, que transporte-t-elle habituellement avec elle (ordinateur portable, livre, en-cas) ? A-t-elle de l’argent liquide sur elle, ou uniquement des cartes bancaires ? Et ce ne sont là que quelques-unes des réponses possibles !
Allons encore plus loin en revenant à notre exemple initial des livres dans une chambre. Voici un exemple de réponse présentant des données possibles issues d'un ensemble d'objets, plus précisément les livres qu'une personne pourrait avoir dans sa chambre.
Il existe un grand nombre de données différentes pouvant être recueillies à partir des livres. Il y a notamment le format physique des livres, comme le format A5, le format de poche ou le format lettre, pour n'en citer que quelques-uns. On peut également distinguer les différents types de livres (manuels scolaires, livres reliés, livres de poche, livres de poche grand format), le nombre de pages, le prix de chaque ouvrage ou encore le sujet traité. Au-delà des exemples cités ici, on peut trouver encore davantage de données à partir de quelques livres seulement ! Selon vous, quelles sont ces données ? Essayez d’en trouver vous-même quelques-unes qui ne figurent pas dans cette liste.
En prenant cet ouvrage comme exemple, voici quelques-unes des réponses que vous pourriez trouver :
Cet ouvrage, intitulé « Automate the Boring Stuff With Python : Practical Programming for Total Beginners » et dont le numéro d’édition est « 2e édition », est un manuel au format unique, compte 547 pages, traite de la programmation et de l’informatique et coûte 53,95 $ canadiens. Autres informations à prendre en compte : l’auteur « Al Sweigart », l’éditeur « No Starch Press » et le lieu de publication d’origine, à savoir San Francisco. D’autres informations pourraient être disponibles en effectuant des recherches, telles que le nombre de mots du livre.
À partir de ces exemples (ou de vos propres exemples), réfléchissez à des questions auxquelles vous pourriez répondre grâce à ces données. Une fois que vous avez trouvé une question, demandez-vous : est-elle simple ou complexe ? Faut-il un seul type de données pour y répondre, ou devrez-vous en utiliser plusieurs ?
Voici quelques réponses possibles, en reprenant l'exemple des livres de ta chambre évoqué précédemment :
Avec un seul livre, on pourrait répondre à des questions simples telles que : qui en est l'auteur ? Quelle est la longueur du livre ? De quel genre de livre s'agit-il ?
C'est lorsque l'on ajoute un autre type de données que les choses deviennent vraiment intéressantes ! Parmi ces autres données, on peut citer un autre livre avec lequel comparer les deux, ou des éléments plus abstraits, comme la date de parution ou les critiques et avis sur le livre.
Avec davantage de données, il est possible de répondre à des questions plus complexes, telles que :
Quel est le prix moyen par catégorie de livre ? Combien de pages compte en moyenne chaque catégorie de livre ?
En combinant plusieurs variables et différents types de données, on obtient un ensemble de données, et c'est là que les choses deviennent encore plus intéressantes ! Du coup, les questions à poser et auxquelles il faut répondre se multiplient. Des questions telles que : les élèves estiment-ils que les livres portant sur un sujet donné et d'une certaine longueur en valent plus ou moins la peine au regard des acquis pédagogiques qu'ils en tirent ? Envisagez des questions plus complexes auxquelles on pourrait répondre grâce à des ensembles de données plus volumineux.
Maintenant que nous avons réfléchi aux questions que nous pouvons poser à partir des données dont nous disposons, abordons les données sous un autre angle et demandons-nous de quelles données nous aurons besoin pour répondre à une question particulière.
Nous commencerons par une question de recherche relativement simple et aborderons les différents types de données dont nous aurions besoin pour y répondre.
Dans ce cours, nous nous intéresserons principalement à l'océan ; la question portera donc naturellement sur la recherche océanographique.
Notre question est la suivante : comment la température de l'océan influence-t-elle les conditions météorologiques en Nouvelle-Écosse sur une période d'un an ?
De quel type de données aurions-nous besoin pour répondre à cette question ?
Voici quelques réponses possibles :
Et ce n'est là qu'un petit aperçu des données que vous pourriez utiliser pour répondre à une telle question ! Le projet de recherche proprement dit s'avérerait sans doute bien plus complexe, mais cette leçon offre un bon aperçu des étapes fondamentales à suivre pour y parvenir.
Lorsqu'elles sont combinées à d'autres données, celles-ci forment des ensembles de données, qui peuvent être utilisés à travers le temps et l'espace pour répondre à des questions. La plupart des recherches partent d'une question et, à partir de là, les chercheurs affinent progressivement le type de données dont ils auront besoin pour y répondre. Ce module a cherché à vous amener à réfléchir aux données sous différents angles. Il peut être utile de changer de perspective lorsque l’on est bloqué et d’envisager la recherche sous un autre angle, comme dans l’exemple donné précédemment où l’on s’interroge sur les questions que l’on peut se poser à partir des données collectées.
Dans notre prochain module, nous aborderons la gestion des données.
Réfléchissez à une question de recherche qui vous intéresse. De quel type de données auriez-vous besoin pour y répondre ?
Ensuite, changez de perspective. À quelles autres questions ces données pourraient-elles apporter une réponse ? Y en a-t-il ? Serait-il facile de les associer à une autre étude pour répondre à de nouvelles questions ? Et pourquoi est-il important d'aborder les données sous cet angle ? (Vous trouverez les réponses dans le module suivant !)
