L'atlas pédagogique du créatif des données




* Un outil de représentation et d’exploration (de l'approche du master)

* Fournir une entrée narrative dans les spécificités du master

* Spéculer sur les profils d’étudiant que le master formerait

* Rendre visible les éléments latents mais non revendiqués dans le syllabus


Une enquête visuelle par Axel Meunier et Loup Cellard,
Commanditée par le Master Numi - Université Paris-Est-Marne-la-Vallée.
Imaginaire du data scientist

Imaginaire du data scientist

Un autre imaginaire: métiers et industries créatives, sensibilité, imaginaire, subjectivité, imprévu...

A partir de cette figure, nous explorons comment le travail sur les données est distribué parmi une grande une variété de profils réels.

Des travailleurs aux profils hybrides :

Bernhard Rieder
L'ingénieur hétérogène

Celui capable de trouver les bons outils pour collecter et formater des données.
Il sait mobiliser les théories et méthodes d’analyses du sociologue.
Le design est pour lui un moyen de transmettre efficacement des informations.





Guilhem Fouetillou

Le social data scientist

Celui capable de mobiliser une expertise scientifique dans un contexte industriel et commercial.
La data science comme la sociologie font partie de sa caisse à outils conceptuels.
C’est un expert dans l’analyse des données sociales.

Des profils hybrides :

Aaron Swartz
Le Hacktiviste

Celui qui va s’appliquer à utiliser ses compétences d’ingénieur pour défendre une cause.
Il n’hésite pas à prendre part et à s’engager dans des débats en ligne.
Bien qu’il reconnaisse la qualité explicative de la sociologie, il reste méfiant à son égard.





Constance de Quatrebarbes

L'entrepreneur d'intérêt général

Celui qui transforme les institutions publiques à partir du travail sur les données.
Il espère changer la société en prenant modèle sur la culture du web.

Des profils hybrides :

Giorgia Lupi
L'entrepreneur-designer

Celui capable de donner une belle, cohérente et originale forme aux données.
Sa culture et ses techniques graphiques lui permettent de simplifier une visualisation.
C’est un auteur conscient de la valeur économique du design.





Donato Ricci

Le formaliste

Celui qui conçoit le processus de recherche comme un processus de design.
Il aborde les contenus à travers leurs formats et médiums de création.
Sa vision globale lui permet d’être un médiateur entre la sociologie et l’ingénierie.

Les profils hybrides :

Peter Davy Braun

Le Creative developer


Un designer-developer fou ! Aussi appellé creative coder, creative technologist ou de(v)signer.





Benjamin Gaulon

Le Data Art Activiste

Un hacktiviste avec une sensibilité artistique qui utilise les données comme moyen de protestation et d’expression.

Des profils plus variés à l'interface entre données et société

Le Sociologue
Enquêteur
Théoricien du social
L'Ingénieur de recherche
Ingénieur base de données
Développeur d’outils web
Statisticien, Mathématicien
Le Designer
Graphiste
UI/UX designer
Facilitateur
L'Activiste
Lobbyiste
Hacker
L'Entrepreneur
Start-Upper
CEO / CTO / CDO
Le Consultant
Data scientist
Expert
Standardisation des compétences

Nous mettons en cause la hiérarchie entre les types de compétences et donc entre les profils. Il faut redéfinir les compétences mises en jeu dans le travail sur les données.

Nous voudrions être capable de représenter le processus de travail d'un hypothétique profil de créatif des données.
Des nouveaux types de compétences :

Opérations : des alternatives aux compétences d’ingénieurs et aux objectifs définis par la data science.

Réflexe : conditionnement du geste (y compris intellectuel) dû à la répétition, à l'habitude, pas forcément explicable. Fruit d'une acculturation, d'un contact prolongé avec une communauté de praticiens semblables.

Savoir-faire : connaissance acquise d'outils et de méthodes grâce à l'expérience et à l'apprentissage. Peut être mis au service d'objectifs variés, dans des contextes divers sans être modifié. Connaissance de l'expert, qui fait autorité.

Critique : pensée par la déconstruction et la reconstruction d’un contexte pour expliquer les causes d’une situation présente. Met en jeu l’éthique et les valeurs.

Engagement : volonté de changement, de contribuer à une action collective dans un certain contexte. Plutôt pragmatique, l’engagement se penche sur les effets plutôt que sur les causes.
Une journée :

Une étape de travail :
Un projet :

Une vie :

Quatre compétences clés partagées par différents profils :


1) Analyse


Capacité à faire émerger du sens à partir des données.
Formuler des hypothèses d'interprétation puis soutenir des arguments à l’aide de visualisations de données.

2) Médiation, facilitation, diplomatie


Orchestrer le travail des différents métiers rassemblés
autour d’un projet. Traduction de prises de positions et
facilitation de prise de décisions.

3) Interrogation sociologique


Capacité à interroger la construction socio-politique des données. Cette compétence permet de mettre en récit l'action des infrastructures informationnelles.

4) Prise de décision


Capacité à prendre des décisions pour agir grâce à une analyse des données.
Forte compréhension de comment la donnée transforme les organisations.

Table critique de la responsabilité envers les publics

La neutralité des outils techniques .......................... la loyauté des machines

L'objectivité des données..................................... la construction des données

L'expertise des techniques informatiques ..........................l'interrogation sociologique

La communication de l'information........................... la médiation par la visualisation

La prise de décision après analyse..................la constante prise de décision

Des données "sociales"......................................... de l'analyse "sociale" des données

Les big data.................................................. Les données pertinentes