Visualisation interactive de données budgétaires

La réalisation de ce projet n'a pu se faire qu'avec l'appui indispensable et les encouragements continus de plusieurs personnes.Je tiens donc à leur exprimer ma profonde gratitude.Tout d'abord, je tiens à remercier sincèrement mon directeur de recherche, le professeur Thomas Hurtut, pour son soutien continu, ses judicieux conseils, sa grande patience et sa grande disponibilité tout au long de ce projet de recherche.Je tiens également à remercier les professeurs Michel Gagnon et Michael McGuffin d'avoir accepté d'agir à titre de membres du jury d'examen de ce mémoire.Je souhaite aussi remercier le CRSNG (Conseil de recherches en sciences naturelles et en génie du Canada) pour la bourse d'études qui m'a permis de compléter ce programme de maîtrise.J'aimerais remercier l'équipe du journal Le Devoir, en particulier Florent Daudens pour son soutien et ses conseils avisés, ainsi que Catherine Gentilcore pour son aide grandement appréciée.De plus, je tiens à exprimer ma gratitude à tous les participants à l'évaluation de ce projet, sans qui cette recherche n'aurait pu être réalisée.Par ailleurs, je souhaite remercier Yves Richelle et Henri Thibaudin de Daméco pour leurs précieux conseils en matière de finances publiques.Je tiens aussi à remercier le professeur Jonathan Jalbert de m'avoir bien éclairé concernant l'analyse statistique des résultats.Enfin, sur un plan plus personnel, je tiens à remercier ma famille, soit Nicole, Louis, Catherine, Sabrina et Frédéric, ainsi que Lucie et Rod, pour leurs encouragements, leur écoute et leur soutien inestimable pendant cette maîtrise.Également, je souhaite remercier mes amis pour leurs encouragements soutenus.v RÉSUMÉ La communication de données comporte souvent des défis pour les médias de masse et les organisations qui cherchent à informer un large public.Cette étude porte sur les données budgétaires de l'État, qui sont difficiles à comprendre par un non-initié en raison d'ordres de grandeur beaucoup plus grands que ceux auxquels il est habitué.De plus, pour le citoyen ordinaire, la plupart de ces données ne sont pas facilement compréhensibles dans leur forme d'origine (grands ensembles de données ou documents volumineux).Pour remédier à ces défis, les visualisations sont de plus en plus utilisées pour comprendre des données budgétaires d'une manière conviviale.Toutefois, ces visualisations ne sont pas toujours efficaces pour communiquer clairement ces données, et leur design est parfois limité quant aux tâches qu'il est possible de réaliser (p.ex., exploration, comparaison, manipulation, etc.).L'objectif de cette recherche est de proposer un modèle de visualisation amélioré afin de faciliter la compréhension des budgets publics et de leurs enjeux.La visualisation développée est basée sur des éléments discrets (unit visualization) et sur l'approche « focus-plus-context ».Cette visualisation intègre également diverses fonctionnalités telles que l'exploration et la modification d'éléments budgétaires.De plus, un mécanisme de rétroaction a été développé dans le but de faciliter la compréhension.Pour évaluer le design et les fonctionnalités de la visualisation proposée, 144 lecteurs du journal Le Devoir ont participé à cette étude sur une base volontaire.Les participants ont été répartis en deux groupes, qui ont chacun évalué différents aspects de la visualisation.Ces aspects ont été évalués à l'aide de mesures quantitatives (erreurs d'estimation et temps de réponse) et de mesures qualitatives (niveau de compréhension et de rétention, préférence et niveau de satisfaction).Pour le premier groupe, l'évaluation a porté sur la performance de la visualisation proposée en comparaison à une carte proportionnelle (treemap) ; cette dernière est souvent utilisée pour représenter les postes d'un budget.Pour le deuxième groupe, l'évaluation a porté sur les fonctionnalités du modèle proposé (interactivité et rétroaction), en comparaison au modèle de base (sans ces fonctionnalités).L'évaluation a été menée en utilisant des postes budgétaires simplifiés, avec des données fictives.Les résultats de l'évaluation montrent une préférence et un niveau d'appréciation marqués pour le modèle de visualisation budgétaire proposé, en comparaison à la carte proportionnelle.Ces résultats montrent aussi que la visualisation proposée offre une meilleure performance que la carte proportionnelle en termes de précision.En effet, la visualisation proposée aide l'utilisateur à être plus précis dans sa compréhension des données budgétaires, puisque les vi erreurs d'estimations sont moindres avec cette visualisation.Les résultats précédents sont statistiquement significatifs selon un niveau de confiance de 95 %.Ces résultats confirment donc de façon probante les deux hypothèses de recherche suivantes : 1) la visualisation proposée améliore la compréhension, en comparaison à la carte proportionnelle ; 2) la visualisation proposée améliore l'expérience utilisateur, en comparaison à la carte proportionnelle.Toutefois, les résultats sont mitigés et/ou non statistiquement significatifs pour les autres aspects de l'évaluation.Ainsi, les hypothèses de recherche suivantes n'ont pas pu être validées : 3) les mécanismes d'interactivité et de rétroaction dans la visualisation proposée améliorent la rétention et la compréhension, en comparaison au modèle de base ; 4) les mécanismes d'interactivité et de rétroaction dans la visualisation proposée améliorent l'expérience utilisateur, en comparaison au modèle de base.Le développement d'une visualisation est souvent complexe.Une visualisation efficace demeure un outil de communication valable pour aider les citoyens à saisir plus facilement et plus rapidement des enjeux qui les touchent.Elle peut potentiellement aider les utilisateurs à prendre des décisions mieux informées, et cela dans un monde inondé d'informations en constante diffusion.Les résultats statistiquement significatifs (sur l'amélioration de la précision dans la compréhension des données budgétaires, sur la préférence marquée et sur le niveau d'appréciation supérieur pour la visualisation proposée) suggèrent que ce type de recherche pourrait être valable pour d'autres domaines pour lesquels on dispose de données ayant soit des ordres de grandeur hors du commun, soit des relations complexes.Par exemple, de futures recherches pourraient porter sur l'application de techniques de visualisation similaires pour des sujets tels que la communication du risque, afin d'aider le non-initié à mieux comprendre la quantification des risques.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.