Une belle expérience de formation au Mind Mapping à Dakar

J’ai été sélectionné pour former deux  groupes de 10 personnes de l’Organisation Internationale du Travail à Dakar. La durée de la formation « Efficacité professionnelle avec le Mind Mapping » était de deux jours et de ce fait, j’ai donc séjourné une semaine au Sénégal.

Au delà des applications professionnelles (organisation et gestion de projets, classement de documentation électronique, prise de notes, résumé d’un document, veille, etc.) nous avons aussi aborder des aspects plus personnels comme l’élaboration d’un CV ou encore le « travail d’introspection » que permettent les cartes mentales en utilisant du papier et des crayons de couleurs  (j’ai donné une formation à un groupe de psychologues au printemps dernier qui ,sans le savoir, utilisaient des outils semblables auprès de leur patients).

Ce fut vraiment une très belle expérience ! Tout d’abord, j’ai été chaleureusement accueilli par les participants qui ont manifestement appréciés cette formation (voir les évaluations sur cette page). Ensuite, aller en Afrique dans un cadre professionnel, ce n’est pas rien ! Dakar, le Sénégal, comme beaucoup de régions africaines, sont plein de contrastes où l’on sent tout le potentiel du pays et tout le chemin qui reste à faire pour qu’il prenne forme.

stage-cartes-mentales

Une dataviz sur le bruit des avions

Avec la mouvance Open Data, de nombreuses données sont disponibles sur le Net et parmi celles-ci, des informations sur la fréquence et le niveau de bruit des avions au voisinage des aéroports. J’avais d’ailleurs écrit un article il y  a quelques mois à partir des données d’un capteur de ma fabrication.

Ce qui suit est cette fois-ci relatif à un système plus professionnel, avec des mesures en décibels (dB) et une horloge précise (woir eans.net).

Ce système génère des graphiques et des tableaux comme celui-ci :

eans.net

Malgré la pertinence et la qualité de ces représentations, difficile de discerner à partir de ces affichages, les données importantes de celles qui ne le sont pas. En l’occurrence, ce qui peut être intéressant, ce n’est pas tant d’avoir connaissance qu’un avion soit passé, mais plutôt de savoir si son niveau de bruit est « acceptable » dans une tranche horaire déterminée.

C’est ce qui m’a conduit à construire la visualisation suivante. Elle ne mentionne que les aéronefs qui ont dépassé des seuils de bruit dans les tranches horaires suivantes :

  • 0H à 6H : 75 dB
  • 6H à 18H : 75 dB
  • 18H à 22H : 75 dB
  • 22H à 24H : 75 dB (suite…)

Un cours (MOOC) résumé avec le Mind Mapping

Je me suis inscrit il y a quelques semaines au MOOC « Fondamentaux en statistique » sur la plateforme FUN et j’ai donc suivi avec beaucoup d’intérêt cette formation en ligne (tout n’est pas terminé de mon côté ; je suis en retard…). En dehors du fait que cette activité demande beaucoup de temps, il m’est vite apparu, étant donné le découpage du cours et les nombreuses ressources communiquées, que l’utilisation d’une carte heuristique m’aiderait beaucoup dans la gestion de ce petit projet.

J’ai choisi XMind qui m’a semblé plus approprié dans ce cas de figure. Ce logiciel va à l’essentiel, est très simple, convivial, et j’y fais de nombreuses références lors de mes formations aux cartes mentales.

La première étape a été de créer une carte maître qui reprend les intitulés des têtes de chapitres au niveau des branches principales. Les sous-chapitres et quelques autres éléments constituent les branches secondaires. Cette carte est construite au fur et à mesure de l’avancement du MOOC.

mind-mapping-mooc

Chaque branche secondaire (généralement un sous-chapitre donc) renvoie vers une autre carte (une « feuille » pour reprendre la terminologie d’XMind) afin, bien sûr de ne pas surcharger la première carte et en vue de garder la structure du cours. Les aller-retour entre la carte principale et les cartes secondaires sont vraiment aisés avec les raccourcis symbolisés par les C (branche) et T (sujet central). Ceci constituent une structure gigogne très efficace. Ces feuilles (24 au total) contiennent donc les principaux éléments du cours issus de notes personnelles, de capture du support, de liens vers la séquence audio du cours, de liens vers d’éventuelles ressources, etc., etc.

Cartes gigognes

Ici, pas de dessins, d’icônes ou autres illustrations que j’utilise habituellement. Il s’agit d’un résumé de cours, une porte d’entrée vers les éléments détaillés, les exercices, bref, vers toute la connaissance à acquérir (ou à se réapproprier, et ce n’est pas si simple…).

feuille-xmind

Ouf, on respire !Les notions essentielles sont là, facilement accessibles avec toutes les ressources liées.

 

La dataviz au service de la gestion des territoires

Comment rendre compréhensibles des informations sur la gestion des prélèvements effectués sur le fleuve Garonne ? C’est la question que m’a posé un client toulousain qui travaille dans ce domaine.

Classiquement, pour connaitre les prélèvements effectués sur la Garonne, des responsables d’Unités de Gestion (UG) saisissent les volumes d’eaux prélevés dans des formulaires web et le résultat est ensuite compilé dans une immense feuille Excel. Beaucoup de chiffres donc (fort utiles) mais dont on ne peut rien extraire rapidement : quelles UG (au nombre de 8) sont les plus concernées par ces prélèvements ? Quels affluents sont les plus sollicités ? Comment sont répartis ces m3 d’eaux dans les départements ?…

Comprendre et analyser rapidement un phénomène, observer des tendances, aller à l’essentiel : tels sont les défis de la visualisation de données et en tant que consultant formateur sur des solutions de dataviz, j’ai maquetté un outil basé sur un diagramme de Sankey et la librairie D3.

Voici ce que cela donne (attention, il s’agit bien d’une maquette : les chiffres ne sont issus de la réalité) :

Diagramme de Sankey sur la Garonne - Toulouse

 

Avec ce type de diagramme, il devient aisé de comprendre les flux des prélèvements dans les UG et les départements, et d’apprécier les volumes prélevés dans les rivières et affluents de la Garonne.

J’ai également rendu cette visualisation interactive de sorte qu’au survol des nœuds et des liens de ce réseau, des aides visuelles et des éléments chiffrés apparaissent :

Détail 1

Détail 2

Détail 3

Détail 4

En production, cet outil interagira bien entendu avec la base de données liée aux formulaires de saisie, de sorte qu’à tout moment on pourra effectuer une analyse visuelle.

 

Une carte mentale d’introduction à une méthode de mémorisation

De nombreuses techniques de mémorisation existent pour retenir une suite de chiffres. L’une d’elles, appelée méthode des « tables de rappel » ou encore « Grand Système », se base sur un codage des chiffres par certaines consonnes de notre alphabet.

Il suffit de bien connaitre le codage des chiffres 0 à 9 pour se constituer un dictionnaire qui vous permettra alors de retenir facilement des numéros de téléphone, les décimales de Pi, des mots de passe, etc.

Voici l’association chiffres-mots sous la forme d’une carte mentale :

Carte heuristique sur la méthode du code chiffre-lettre

L’association, basée sur les sonorités, est donc la suivante :

Le son t ou d représentera le 1. Ainsi, un dé convient bien. On aurait également pu choisir le mot tas ou thé ou encore toit (noter que le deuxième t ne se prononce pas donc il n’intervient pas dans le codage).

De la même façon, 2 est associé au son n. Il pourra ainsi être représenté par un nez (ou un nid).

La suite de la table de rappel est la suivante :

3 => m ; 4 => r ; 5 => l ; 6 => j, g ou ch ; 7 = k, qu ou gu; 8 => f ou v, 9 = b ou p et enfin 0 => s ou z.

Comment mettre en pratique cette méthode ?

Commençons par exemple simple : Pour appeler les pompiers, vous faites le ??… le 18 car il y a « du feu » (soit du pour 1 et feu pour le 8). Vous pouvez donc construire des phrases entières en vous basant seulement sur la sonorité des mots qui la constitue.

Prenons maintenant ce numéro de téléphone (fictif) : 13 67 04 70 24

ce qui donne par exemple « dame chic sur case noire ». Maintenant, à vous de visualiser la propriétaire de ce numéro de téléphone habillée avec une belle robe sur la case noire d’un échiquier géant. Idéalement, votre image mentale doit être loufoque ou drôle pour mieux la retenir.

Je peux vous garantir qu’à tout moment si vous visualisez cette scène dans votre tête, vous retrouverez sans difficulté son numéro de téléphone !

Vous pouvez bien sûr vous aider des tables de rappel déjà constituées et construire votre histoire avec ces mots (voir les liens ci-dessous).

Par exemple : si je veux mémoriser le nombre Pi, je peux imaginer cette scène : un MouTon (31) se promène tranquillement sur une RouTe (41) quant il tombe sur une énorme LouPe (59) sur le bas côté ! Il la prends, regarde au travers et voit apparaitre une NiCHe (26), etc., etc. A vous de constituer votre propre histoire.

Les sites suivants mentionnent d’autres usages et de façon bien plus exhaustive que ce court billet.

Bonne lecture sur :

 

Petite expérience avec Gephi et les hashtags de Twitter

J’ai beaucoup travaillé avec le logiciel Gephi (d’ailleurs je propose désormais des formations sur cet outil ; voir ici : formation à Gephi) et je me suis livré à un petit exercice en relation avec les hashtags de Twitter (enfin, les « mots-dièse »…). Je me suis demandé s’il y avait des occurrences significatives lorsqu’au moins deux hashtags étaient inclus dans un même tweet. Bref, je souhaitais savoir si deux mots-dièse étaient souvent couplés.

Après avoir demandé une clé d’accès à Twitter, j’ai développé un petit script qui permet d’accéder à la base de tweets à partir d’une requête.

Mon premier test à consisté à scanner les 500 derniers tweets contenant « #mindmapping » et un autre (ou plusieurs autres) hashtag(s). Le résultat est visible ici :

hashtags-mindmapping

 

On constate que « km », « visual », « management », innovation », « edtech », « mindmap », « dashbord », « angers » et « humantalks » sont le plus souvent associés à ce terme.

J’ai relancé le processus avec cette fois le mot-dièse « dataviz » et en examinant 1000 tweets (j’ai éliminé ceux qui n’étaient que des RT pour ne pas fausser les résultats). « bigdata » et « opendata » sont arrivés en tête des associations (sans surprise pourrait-on dire). A ce niveau, le processus a été renouvelé une nouvelle fois avec ces deux termes. On obtient alors, après traitement dans Gephi, le graphe suivant :

hashtags-dataviz

 

Évidemment, on pourrait faire des itérations à l’infini sur « opengov », « cloud », « infographics »,  » sintransparencia », « ddj », etc., etc.

Le résultat de cette petite étude montre qu’assez peu de couples phares de mots-dièse apparaissent dans les tweets. Mais cette photographie devrait être prise à des moments différents (on obtiendrait alors un graphe dynamique) et sur des échantillons beaucoup plus importants.

Pour information, le site http://www.hashtags.org/ fourni d’autres éléments sur l’usage des hashtags.