3.4.2 Modèle de tâche de FVD

Le modèle de tâche permet de définir tous les pré requis nécessaires à la bonne marche d’une application. En effet, l’information contenue dans le modèle de tâche permet d’identifier toutes les interactions et les besoins en présentation et traitement des données dans l’environnement. A travers le modèle de tâche de FVD, nous voulons étudier le support ou l’aide à apporter aux utilisateurs de FVD.

L’idée dans cette partie est de prendre en compte le contexte de la tâche, les objectifs et les actions de tout type d’utilisateur pour une assistance à la conception du modèle des données. Par rapport au modèle utilisateur, en fouille de données, les recherches jusqu’à l’heure actuelle ont permis d’exploiter beaucoup plus le modèle de la tâche [CRISP-DM, 2000]. La tâche peut être définie comme un but à atteindre dans des conditions déterminées.

La section 1.3.1 du premier chapitre de ce mémoire présente le modèle de tâche de FVD décrit par Ankerst. Afin d’aboutir au modèle des données dans un environnement de FVD, les utilisateurs procèdent par plusieurs étapes, à savoir :

1. sélection des données à exploiter,
2. passage à l’étape 3 ou visualisation des données,

1. sélection du module d'analyse parmi ceux proposés par le système, l’environnement peut disposer de méthodes d’analyse de données automatiques et interactives. Pour la fouille interactive par exemple, l’utilisateur devra à partir de la représentation des données de la figure 3.3, sélectionner la représentation matricielle et procéder à des coupes successives afin d’aboutir à une partition pure comme l’indique la figure 3.4. Pour chaque coupe (ligne séparatrice représentée en blanc), l’utilisateur essaye d’isoler la sous partition la plus pure.

1. visualisation des résultats,

1. évaluation des résultats (qui doivent être facilement interprétables), suivie d'un éventuel retour à l'étape 1 ou 2,
2. exploitation des résultats considérés comme des connaissances nouvelles, retour à l'étape 1 ou arrêt.

A ce niveau, il semble important de revenir sur le fait que la FVD est basée sur des primitives graphiques. La visualisation des données nécessite de donner une matérialisation visuelle à des entités qui ne possèdent pas nécessairement une géométrie et une interprétation de cette matérialisation afin de mettre en avant certaines de leurs propriétés. L’utilisateur perçoit la forme des données, analyse les variations de couleurs et les partitions de données pures à travers une représentation graphique. Il est donc primordial que l’utilisateur sache déceler les différentes propriétés d’une représentation graphique qui lui est présentée, d’où l’importance pour lui de maîtriser les caractéristiques tant sémiologiques que cognitives du système des signes et des composantes sur lesquelles sont construites les représentations graphiques. Le risque est grand pour un utilisateur non expert du domaine de la visualisation de ne pas se retrouver dans ces systèmes de signes. L’idéal serait de lui proposer des mécanismes d’aide. Dans cette optique, l’idée de ce travail est de s'intéresser durant l’analyse et le diagnostic des systèmes de FVD plus particulièrement aux structures des représentation des données (et donc aux capacités humaines en reconnaissance de formes). Concrètement, il s’agit de voir dans quelles mesures les techniques mises en œuvre permettent de capter l’attention des utilisateurs sur des points saillants de la représentation graphique sachant que cette étape contribue à la perception et à la cognition. La perception étant indissociable de l’action [Hascoët et Beaudoin-Lafon, 2001], on va aussi s’intéresser à l’interaction qui fait suite à la phase de cognition dans le processus de FVD et du raisonnement humain en général. En effet, le processus de raisonnement humain repose sur l’alternance des phases de définition des objectifs à atteindre et des phases de recherche et de test des solutions potentielles. L’étape 3 du modèle de FVD présenté dans le paragraphe 3.4.2 montre que l’utilisateur doit procéder au choix de la méthode d’analyse de données à utiliser par exemple. Il serait très intéressant de l’aider pour ce faire. De plus, les données disponibles à travers le monde ne cessent d’augmenter, il serait aussi intéressant de pré traiter ces données avant l’application des outils de FVD afin de faciliter l’activité des fouilleurs de données.

A la lumière de ce qui précède, lors du diagnostic ou de l’inspection des outils de FVD, nous allons tout d’abord nous intéresser aux caractéristiques des représentations graphiques qui sont décelées facilement. En effet, l’être humain est capable de gérer les variations dans les représentations graphiques par les mécanismes d’attention.

L’analyse de la tâche en FVD nous a aussi permis de constater qu’il est nécessaire d’étudier les mécanismes attentionnels et la perception visuelle en FVD pour réduire la charge cognitive des utilisateurs. Les propriétés de ce point de vue, pouvant contribuer à une assistance aux concepteurs des modèles de données utilisant la visualisation comme canal de communication sont décrites dans cette section.

Fort des différentes observations issues de l’analyse des utilisateurs et de la tâche de FVD, nous allons à présent introduire des recommandations pour la FVD dont le non respect pourra être interprété comme un problème de qualité. La méthode proposée peut être utilisée à tout étape du cycle de conception du logiciel.