Visualisation de données : répartition spatiale des représentations préhistoriques en France, un état de la recherche

Cliquer sur l’image pour accéder à cette page hébergée chez Rpubs

Présentation de ce travail de cartographie

Nous continuons notre “découverte” de l’environnement RStudio qui nous semble un outil aujourd’hui devenu indispensable dans la communication de résultats scientifiques (évidence!) mais aussi pour son intérêt pédagogique.

carte interactive : repartition spatiale des grottes prehistoriques

Cette visualisation de données vise à présenter des données extraites de la base de données de Jean-Loïc Le Quellec — IMAf CNRS UMR 8171, accessible à l’adresse suivante http://rupestre.on-rev.com/styled-2/.

Ce travail de cartographie (en ligne sur GoogleMap) a permis de recenser les différentes grottes ornées en France, en donnant accès aussi bien à leur localisation, la typologie de leurs représentations, d’éventuels commentaires ou à une bibliographie sur chaque grotte.

Ce jeu de données se compose de 189 observations réparties sur 18 variables.

La richesse de cette base de données permet des lectures différentes selon l’angle d’étude choisi. Pour nous, l’objectif était de montrer la répartition de ces représentations recensées dans cet inventaire.

Le constat est que ces populations du passé dessinaient principalement des animaux qu’ils côtoyaient ou chassaient. Rien de très nouveau, mais peut-on le vérifier ? Le corollaire de cette question revient à cette quantité de données et comment en sortir de l’intelligible, de la connaissance? 

Démarche de cette visualisation de données

carte interactive : les representations parietales pour chaque region 

La visualisation des données a pour finalité de faciliter l’appropriation des connaissances ou du moins la compréhension de concepts, en évitant la charge mentale.

De nouveaux rapports à la lecture et à l’écriture ont été crées par les hypertextes et l’avènement du numérique.

Pour ces questions relatives à l’apprentissage numérique, nous renvoyons aussi aux travaux de Franck Amadieu et François Tricot. Bien qu’ils s’agissent d’innovations pédagogiques, c’est à dire tournées vers l’enseignement, les technologies numériques transforment métiers et réciproquement acquisition de savoir-faire. 

Ces nouvelles tâches et cette réorganisation du travail ne sont pas anodines car si le but est de comprendre pour apprendre, il faut se ranger derrière cette idée : « l’important pour apprendre c’est d’être actif cognitivement… » (Tricot, 2017)

Et face à cela, les technologies numériques offrent une quantité impressionnante d’outils qui rendent le choix et la démarche plus complexes.

Raison qui nous a amenées à la plateforme RStudio (environnement en langage R), car celle-ci permet de se concentrer sur l’analyse des données, limitant ainsi les manipulations et par voie de conséquence les ressources à mobiliser et donc la charge mentale.

Finalement, il s’agit d’abord de définir un cadre de travail.

Quant au choix de l’outil, le traitement des données a été réalisé avec la librairie “leaflet-minichart” de François Guillem. Celle-ci permet de réaliser des graphiques géolocalisées. Nous conseillons la lecture de la documentation correspondante pour mettre en place ce type d’analyse.

Pour notre étude, le calcul a consisté simplement à un cumul des différentes représentations par région et à les ramener à un pourcentage pour faciliter la visualisation.

Un autre des très grands avantages de ces environnements informatiques est la reproductibilité des résultats, et donc la possibilité de vérifier leur cohérence avec les données de départ . Cette étape est d’autant plus assez aisée vu la taille de notre échantillon.

Répartition des représentations pariétales par région

Le choix du graphique en camembert n’est souvent pas recommandé, pourtant, dans notre cas, le diagramme en bar rendait la lecture impossible à cette échelle.

De plus, en tenant compte de la composition de notre série de données, le résultat en pourcentage est un indicateur suffisamment global permettant une vue d’ensemble de ce que nous voulons appréhender comme concept, c’est à dire l’emprise territoriale de ces populations anciennes.

Analyse des données & Critiques

Il ressort plusieurs niveaux d’interprétation de cette analyse de données.

  • Premier niveau : il s’agit bien d’un état de la recherche sur le sujet. Les régions françaises n’ont aucun sens pour ces époques, par contre, elles nous permettent de projeter une réalité archéologique.
  • Deuxième niveau : il semble y avoir une corrélation entre le type de gibier chassé et leur représentation. En effet, les ruminants et herbivores demeurent les espèces les plus représentées (en nombre et dans la variété des familles de mammifères), ce qui est cohérent avec les pratiques de chasse de ces périodes.
  • Troisième niveau : on peut alors avancer l’idée que les représentations pariétales sont à mettre en lien avec l’environnement de ces populations préhistoriques. Le principal résultat ou l’information qui ressort de cette visualisation est le caractère systématique et important des représentations classées en “Hominidés”, terme choisi parce que nous n’avons pas précisé de chronologie.

Il s’agit donc bien de constater une forme d’emprise territoriale par ces populations anciennes.

Cependant, il serait difficile d’aller plus loin dans ce type d’interprétations. Les données archéologiques se caractérisent par leur manque de continuité et l’extrapolation serait plus qu’hasardeuse à notre niveau.

Ensuite, l’interactivité avec ces données reste limitée : nous souhaiterions explorer cela prochainement.

De plus, la simplicité de notre analyse ne doit pas réduire la complexité d’un tel sujet : nous nous sommes focalisées sur un classement des ordres de Vertébrés. Ce choix est tout à fait contestable et nous avons aussi volontairement mis de côté certaines variables de ce jeu de données, afin de rendre notre modèle cohérent à notre problématique.

Enfin, des biais dans notre série de données doivent aussi être mentionnés : le déséquilibre entre le nombre de grottes recensées dans le nord ou le sud de la France. Ainsi, les régions Nouvelle Aquitaine et Occitanie regroupent à elles seules plus des deux tiers du corpus.

Raison pour laquelle il nous a fallu aussi présenter par une autre cartographie cette répartition inégale. Cela doit aussi être pris en compte dans la portée de ce que nous avançons par cette visualisation. Mais d’une certaine manière, la répartition dans ces deux régions confirment ce que nous avançons.

En conclusion, seul le recoupement avec d’autres sources permet d’approfondir ce concept d’emprise territoriale. Notre visualisation est une démarche exploratoire qui amène à une valorisation des données, rendant finalement le sujet très actuel.

Références

Guillem, F. (2018) librairie ‘leaflet-minichart’, https://github.com/rte-antares-rpackage/leaflet.minicharts

Tricot, F. (2017), L’innovation pédagogique, selon André Tricot. In Éditions Retz « Mythes et réalité », consultable en ligne : https://ucip.hypotheses.org/174

Amadieu, F. & Salmerón, L. (2014). Concept maps for comprehension and navigation of hypertexts. In R. Hanewald & D. Ifenthaler (Eds). Digital Knowledge Maps in Education (pp. 41-59). Springer, New York, consultable en ligne : https://amadieu.files.wordpress.com/2012/11/130302_amadieu_hypertextmap.pdf

Citez cet article : archnum, "Application/méthodologie d'un indice de conservation des vestiges archéologiques par imagerie LIDAR (projet "Lidar-Haye" - projet "Archaedyn")", archnum, 24 novembre 2019, https://archnum.hypotheses.org/

 


Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.