Luc GUIBARD (Université de Paris, UMR 8504 Géographie-cités)

Romain LECONTE (Université de Paris, UMR 8504 Géographie-cités)

2020 – Feuille n°7

Télécharger la Feuille


Objectifs : 

1. Décomposer les étapes de la construction de l’information géographique à partir de données individuelles : récolte de l’information auprès des individus, transformation en tableau élémentaire, en matrice d’information géographique, et en matrice de relation spatiale. Construire les objets géographiques, des individus aux territoires, par l’agrégation spatiale.

2. Identifier différents types de questions en analyse spatiale et mettre en forme des tableaux de données adaptée.

3. Sensibiliser aux enjeux éthiques des données individuelles, tant du point de vue de leur manipulation (anonymisation, secret statistique) que du point de vue de leur production par des tiers (organismes publics) et par les individus eux-mêmes.

4. Observer la répartition spatiale de la pauvreté à Paris avec les données des Caisses d’Allocations Familiales (CAF).


Description du cours

Type : Feuille de cours (TD)

Niveau : L2 ou L3

Mots-clés : Information géographique, analyse spatiale, données individuelles, éthique des données, géographie sociale

Pour citer cette Feuille : Guibard L. et Leconte R., 2020. “Construire l’information géographique : des données individuelles à l’analyse des territoires”, Feuilles de géographie, 2020-7, 35 p.

Télécharger la Feuille


Réception par les étudiants

Atouts de l’exercice

La mise en situation des étudiant·e·s dans une démarche administrative, qui leur est pour partie familière, permet à la fois une mise en activité rapide du groupe et suscite une certaine curiosité pour l’exploitation par la géographie de cette situation. 

Pour des étudiants ayant déjà manipulé des tableaux de données, l’exercice permet de tisser des liens entre les différents enseignements de statistique, cartographie et SIG en détaillant la formalisation de ces tableaux de données. 

Difficultés 

L’exercice manipule de nombreux termes dans des acceptions spécifiques à l’analyse de données (individu, variable, maille…) qui peuvent entraîner de la confusion pour les étudiant·e·s qui n’auraient pas de compétences préalables en statistiques spatialisées.

L’exercice implique un temps d’acculturation au fonctionnement de la CAF et des catégories qu’elle mobilise (foyer allocataire, seuil de bas revenu).

Les étudiant·e·s ont des niveaux de sensibilité et d’information très hétérogènes sur les enjeux éthiques et politiques des données personnelles. Les questions du TD peuvent soulever des échanges longs et contradictoires mais nécessaires.

Espace d'études :

A lire également