Pendant longtemps, faire de la science signifiait avoir de grandes idées sur les mécanismes de la nature. Au fur et à mesure de son développement, la nécessité d'enregistrer les occurrences et les modèles a favorisé l'émergence de nouvelles analyses et d'algorithmes complexes. Cependant, cela a également rendu la science accessible à un petit nombre de personnes.
Parallèlement, le monde tournait dans une autre direction. Tandis que l'internet plongeait le monde dans une toile actualisée à l'infini, la science constituait son club secret de spécialistes.
Il y a quelques années seulement, les scientifiques ont ressenti le besoin d'exposer leurs découvertes afin de sensibiliser le grand public.
Le problème est que le fossé est si grand que seuls les scientifiques s'intéressent à la science.
Pire encore, seuls les scientifiques comprenaient le langage scientifique. Pour le grand public, "données" est un mot vide de sens. Il n'y a pas de comptes à rendre, c'est vide et c'est ennuyeux.
Le défi était de taille : comment intéresser les gens à la science ?
Et la réponse était claire : les gens doivent comprendre le langage scientifique.
Le langage scientifique dont nous parlons est également connu sous le nom de visualisation de données.
La visualisation des données consiste à rendre l'information visuelle. Il s'agit de présenter votre travail de manière à ce que d'autres personnes puissent le comprendre et établir des liens. En gardant cela à l'esprit, l'étape suivante consistait à découvrir comment réussir une visualisation de données.
Réussir une visualisation de données, c'est présenter des informations pertinentes de manière logique et attrayante. Il est important de comprendre que pour une personne qui a toujours parlé le langage scientifique, la visualisation de données peut ne pas être facile.
À cette fin, la science et la conception forment un couple parfait.
Alors que la science fournit des informations et un objectif, le design fournit une forme visuelle et une histoire. Ensemble, ils fournissent la visualisation de données telle qu'elle devrait être.
De nombreuses personnes mélangent l'idée de la visualisation de données avec l'ajout de toute matière visuelle. Vous pouvez contourner ce problème en vous posant la question suivante : quelle est la meilleure façon de présenter mes résultats ? Seraient-ils mieux expliqués à l'aide d'une illustration ou d'un texte ? Pourquoi pas une infographie ? Ou un graphique ?
Décider de la manière de communiquer son travail est une étape importante de la visualisation de données.
Une fois que vous l'aurez fait, que diriez-vous de la deuxième étape ?
S'abonner à notre newsletter
Contenu exclusif de haute qualité sur le visuel efficace
la communication dans les sciences.
French 
English 
Chinese 
Japanese 
German 
Spanish 
Portuguese 
Dutch 
Russian 
Italian