Présenter ses données
Présenter ses données
La présentation des données constitue le socle de notre savoir scientifique collectif, puisque la compréhension qu’ont les lecteurs d’un jeu de données se limite généralement à ce que les auteurs en exposent dans leurs publications. Les figures jouent un rôle essentiel car elles montrent souvent les données qui sous-tendent les résultats principaux (Weissgerber, 2015).
Malheureusement, les auteurs se contentent souvent de graphiques simplifiés présentant des statistiques résumées, au lieu de fournir des informations détaillées sur la distribution des données ou de montrer l’ensemble du jeu de données. De plus, les images numériques ne doivent pas être considérées comme de simples illustrations esthétiques : elles constituent des données à part entière et doivent être traitées comme telles (Cromey, 2013). Puisque les figures représentent la méthode principale pour donner un aperçu des résultats d’un travail, les chercheurs doivent s’efforcer de présenter leurs données avec fidélité et transparence.
Code ALLEA :
- Les chercheurs publient les résultats et les interprétations de leurs activités de recherche de manière ouverte, honnête, transparente et précise, et respectent la confidentialité des données ou des conclusions lorsqu’il est légitime de le faire.
- Les chercheurs présentent leurs résultats et leurs méthodes, y compris le recours à des services externes ou à des outils d’IA et d’automatisation, de manière conforme aux normes reconnues de leur discipline et de façon à en faciliter, le cas échéant, la vérification ou la réplication.
Biais de publication
Les chercheurs qui ne parviennent pas à reproduire ou à répliquer des résultats antérieurs sont souvent peu enclins à poursuivre leurs investigations ou à publier leurs propres constats. Pourtant, ce phénomène engendre un biais de publication, susceptible de compromettre l’exactitude de la littérature scientifique, avec le risque de canoniser des faits erronés (Nissen et al., 2016). De plus, l’absence de vision complète peut fausser les conclusions tirées de méta-analyses ou de revues systématiques, ce qui conduit à une lecture biaisée susceptible, à son tour, d’influencer les décisions politiques.
Qui est concerné ?
Junior Researcher - Phd student
Dans la plupart des cas, l’analyse et la présentation des données sont réalisées par les chercheurs qui les ont collectées.
Senior Researcher
Les superviseurs et promoteurs ont la responsabilité de vérifier l’intégrité des données recueillies et de s’assurer que l’analyse, la présentation et les conclusions reflètent fidèlement les résultats obtenus.
Les éditeurs doivent mettre en place des politiques claires concernant la présentation des données dans les figures, et veiller non seulement à leur diffusion mais aussi à leur application effective.
Peer Reviewer - Editor
Les évaluateurs (peer reviewers) doivent se montrer suffisamment critiques vis-à-vis des figures, repérer les éventuels écueils et suggérer, si nécessaire, des méthodes de présentation alternatives.
Quand réfléchir à la présentation des données ?
La réflexion sur la présentation des données est essentielle : pendant la phase de recherche, en lien avec la gestion et l’analyse des données ; au moment de la publication, lors de la préparation des figures et de leur relecture critique ; après publication, notamment lorsqu’émergent des interrogations sur la validité des données présentées.
Illustrer ses résultats avec des graphiques
L’usage des diagrammes en barres pour représenter des données continues est devenu courant. Pourtant, cette approche repose sur des statistiques résumées (moyennes, écarts) qui masquent souvent la distribution réelle des données, en particulier lorsque l’échantillon est réduit.
Les chercheurs sont encouragés à privilégier des représentations permettant de visualiser la dispersion et les spécificités des données. La présentation doit refléter fidèlement les résultats sans dissimuler de particularités pouvant influencer leur interprétation. Les données doivent convaincre par elles-mêmes, et non par l’effet du graphique.
Quelques bonnes pratiques pour la presentation des données (continues) :
- Fournir autant de données que possible afin de permettre au lecteur d’appréhender leur distribution.
- Éviter les diagrammes en barres pour des données continues, surtout lorsque le nombre d’observations est faible ; privilégier plutôt des dot plots ou des box plots (voir Weissgerber 2019 paper).
- Montrer les valeurs aberrantes (outliers), préciser si elles ont été incluses dans l’analyse statistique et justifier ce choix.
- Au-delà de la liste des tests statistiques dans la section « Méthodes », indiquer le test utilisé pour chaque jeu de données.
La figure ci-dessous illustre comment des distributions très différentes peuvent aboutir au même diagramme en barres. Un accès aux données complètes peut cependant conduire à des conclusions bien différentes de celles suggérées par les seules statistiques résumées (Weissgerber, 2015).
Weissgerber TL, Milic NM, Garovic VD (2015) Beyond Bar and Line Graphs: Time for a New Data Presentation.
Cela illustre l’importance d’avoir accès à l’ensemble complet des données, car celles-ci révèlent d’éventuelles valeurs aberrantes ou une distribution inégale, susceptibles d’influencer à la fois l’analyse statistique et la perception des résultats.
