Thèse Visualisation Inclusives de Données Sociodémographiques H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Laboratoire Interdisciplinaire des Sciences du Numérique Direction de la thèse : Petra ISENBERG ORCID 0000000229486417 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-12T23:59:59 Ce projet vise à fournir des conseils de conception et des techniques innovantes de visualisation des données afin de représenter de manière équitable et inclusive les données sociodémographiques et tenant compte de la diversité des personnes représentées. Ce projet a pour objectif de comprendre la manière dont les visualisations sociodémographiques peuvent influencer la compréhension des données et affecter visuellement les minorités (mal)représentées.

Les données sociodémographiques sont souvent confrontées à plusieurs défis inhérents qui entravent une communication équitable et inclusive. Certains groupes peuvent être sous-représentés, des mesures inexactes peuvent avoir été prises, ou les données peuvent s'appuyer sur des normes historiques obsolètes. De plus, même si les données sont collectées avec le plus grand soin pour atténuer ces biais, la représentation visuelle de ces données peut introduire de nouvelles formes d'influence. L'une de ces influences peut se produire lorsqu'un codage spécifique est utilisé pour représenter une certaine catégorie sociodémographique - comme le rose pour les femmes, le jaune pour les personnes d'origine asiatique ou les icônes de fauteuils roulants pour les personnes ayant un handicap quelconque. Malheureusement, nous manquons actuellement de connaissances sur la manière dont les associations entre les attributs sociodémographiques et le codage visuel affectent la compréhension des données et contribuent à la représentation erronée des catégories sociodémographiques. Une autre influence peut provenir de l'omission visuelle d'une catégorie entière. En effet, il est courant de voir certaines catégories sociodémographiques omises ou regroupées dans une catégorie « fourre-tout », généralement parce que la taille de l'échantillon pour cette catégorie est trop petite.

Le doctorant explorera ce sujet en poursuivant trois objectifs :

1. Documenter et répertorier les associations stéréotypées entre les données sociodémographiques et les codages visuels (Objectif 1, mois 1 à 9).
2. Évaluer l'impact de ces associations stéréotypées sur la compréhension des données (Objectif 2, mois 9 à 24).
3. Concevoir de nouvelles visualisations sociodémographiques équitables et inclusives (Objectif 3, mois 24 à 36).
Sociodemographic data is prone to several inherent problems that hinder the fair and inclusive communication of data. Certain sociodemographic groups may be under-represented, inaccurate measurements may have been taken, or data may be based on historical norms that are outdated. However, even if data was collected with careful attention to mitigate these biases, the visual representation of the data may introduce new forms of influence. For instance, Figure 1's designers chose to represent women before men, younger people before older people, higher degrees in highly saturated colors, and gender using icons. We have no knowledge of how possible associations between sociodemographic attributes and visual encoding (i.e., graphical encodings modified to represent data) affect data understanding, trust, or how they create affective responses that together contribute to the perpetuation of misrepresentations of people's sociodemographic categories 1. Document and catalog the stereotyped associations between sociodemographic data and visual encodings (Objective 1, Months 1-9).
2. Evaluate the impact of these stereotyped associations on data understanding (Objective 2, Months 9-24).
3. Design new, fair, and inclusive sociomographic visualizations (Objective 3, Months 24-36).

Nous recherchons des candidat·es exceptionnel·es possédant :
- Une solide expérience en visualisation de données ou en interaction homme-machine (obligatoire).
- Une expérience dans le milieu universitaire. Une expérience de publication d'articles constituera un atout.
- Un intérêt pour la psychologie sociale et cognitive, en particulier pour l'étude de l'influence des stéréotypes et/ou des émotions sur la perception des individus.
- Une excellente maîtrise de l'anglais, tant à l'écrit qu'à l'oral.
- Une volonté à participer à l'animation de l'équipe AVIZ et en particulier des doctorant·es