J’ai formulé la question autour d’une comparaison à diplôme égal entre deux groupes statistiques: femmes issues d’une minorité visible et femmes non issues d’une minorité visible au Québec.
À diplôme égal, les femmes issues d’une minorité visible au Québec ont-elles un revenu d’emploi médian inférieur?
- Featured
- Data Visualization
Visualisation interactive
Explorer les écarts à diplôme égal
Choisissez une tranche d'âge et quelques diplômes. Le graphique montre si le revenu médian observé est plus bas pour les femmes issues d'une minorité visible au Québec.
Diplômes
Méthodologie
Source: tableau Statistique Canada 98-10-0439-01. L'analyse garde le Québec, les femmes, l'année de revenu 2020, le revenu d'emploi médian, et le statut combiné « non-immigrantes et immigrantes ».
Pour chaque diplôme, le script Python compare les femmes issues d'une minorité visible aux femmes non issues d'une minorité visible. Un écart négatif signifie un revenu médian plus bas pour le premier groupe.
La lecture reste descriptive: elle ne prouve pas une cause et ne contrôle pas le domaine d'études, l'expérience, le secteur d'emploi, le temps plein ou partiel, ni la reconnaissance des diplômes étrangers.
Introduction
What was this project about?
J’ai transformé une analyse Python en outil interactif pour répondre à une question sociale avec le plus de clarté possible: à niveau de diplôme comparable, observe-t-on un revenu d’emploi médian plus bas pour les femmes issues d’une minorité visible au Québec?
My Role
J’ai cadré la question, filtré les données de Statistique Canada avec Python, calculé les écarts absolus et relatifs, puis conçu une visualisation web interactive pour rendre les résultats lisibles sans surcharger la page de chiffres.
Technical Details
Python, Pandas, Matplotlib, Astro, Vanilla JavaScript, SVG. Source: tableau Statistique Canada 98-10-0439-01, année de revenu 2020.
Timeline
Exploratory analysis and portfolio visualization
Links
TL;DR
Problem
La question est simple, mais les données brutes sont difficiles à lire directement.
- Comparer à diplôme égal exige de garder les catégories de diplôme séparées.
- La visualisation devait permettre de changer la tranche d’âge sans relire un tableau lourd.
- Le résultat devait rester descriptif et transparent sur ses limites.
Solution
Oui, dans la plupart des comparaisons retenues, le revenu médian observé est inférieur pour les femmes issues d’une minorité visible.
- Les filtres permettent de choisir la tranche d’âge et les diplômes à comparer.
- Le graphique d’écart relatif répond rapidement à la question principale.
- Le graphique de revenus médians permet de voir les deux groupes côte à côte.
information
Process
Le script Python filtre le tableau de Statistique Canada pour le Québec, les femmes, l’année de revenu 2020, le revenu d’emploi médian, et le statut combiné des immigrantes et non-immigrantes.
Pour chaque diplôme et tranche d’âge, le script calcule la différence entre les revenus médians et l’écart relatif. Un écart négatif indique un revenu médian inférieur pour les femmes issues d’une minorité visible.
J’ai converti les résultats agrégés en JSON léger pour le site et construit une visualisation SVG en JavaScript afin de permettre des changements de critères en direct.
Cette analyse décrit des écarts observés. Elle ne contrôle pas le domaine d’études, l’expérience, le secteur, le statut temps plein ou partiel, ni la reconnaissance des diplômes étrangers.
Challenges Faced
Rendre le résultat lisible
- Le principal défi était de répondre clairement à la question sans transformer la page en tableau de chiffres.
Garder la nuance
- La variable « minorité visible » est une catégorie statistique imparfaite et l’analyse reste descriptive.
Publier les données proprement
- Le site utilise seulement un extrait agrégé en JSON, plutôt que le gros fichier source complet.
Impact
Live
visualisation interactive intégrée directement dans la page projet.
Clair
la page privilégie une lecture qualitative des écarts et garde les chiffres détaillés dans les graphiques.
Reproductible
la méthodologie suit le script Python existant et s’appuie sur des données agrégées exportées.