Ce blog périodique rédigé par Scott Wise, responsable technique de JMP, cherche à utiliser l'analyse pour répondre à des questions intéressantes qui se posent partout dans le monde.Dans cet article, nous examinerons comment les changements « technologiques » survenus dans le jeu de Scrabble ont été exploités par les utilisateurs de tournois experts et non experts.En utilisant les dernières avancées graphiques de JMP 14 (barres d'erreur à intervalle bidirectionnel), nous aurons un aperçu de la façon dont notre monde dans son ensemble s'adapte aux nouvelles technologies !
Oliver Roeder sur l'excellent site de statistiques CinqTrenteHuit a écrit un article intrigant intitulé « Comment « Qi » et « Za » ont changé le Scrabble » ( https://fivethirtyeight.com/features/how-qi-and-za-changed-scrabble/ ).L’auteur cherchait la preuve d’une théorie économique selon laquelle lorsque de nouvelles technologies deviennent disponibles, cela entraînera un écart plus grand dans les inégalités économiques, dans la mesure où les personnes les plus qualifiées et les mieux rémunérées (les « 1 % ») seront plus rapides à en profiter. de la nouvelle technologie aux dépens du reste.En recherchant une population de données pour tester cela, l'auteur s'est tourné vers les résultats des tournois du jeu populaire de tuiles de mots Scrabble pour voir si les scores moyens augmentaient à un rythme plus élevé pour les joueurs d'élite lorsque des changements « technologiques » étaient introduits dans le jeu. jeu.
Le changement technologique clé mentionné dans l'article s'est produit vers 2006. Premièrement, ils ont ajouté 11 000 nouveaux mots autorisés au dictionnaire du Scrabble, y compris deux combinaisons de lettres telles que « Qi » et « Za » qui offrent de gros points. C'est également à peu près à la même époque que de nombreux outils de formation, d'étude et d'intelligence artificielle sont passés au numérique, offrant ainsi aux concurrents de tournois de meilleures façons de s'entraîner et de perfectionner leurs compétences.Cependant, même si les données ont permis à l'auteur de constater que la nouvelle technologie créait une augmentation de près de dix points des scores moyens de tous les joueurs, il ne semblait pas voir de preuve que cela se produisait davantage pour les joueurs expérimentés que pour les joueurs inexpérimentés.Heureusement, il a fourni la source d'accès aux données de tables-croisées.com et l'a rendu disponible sur Github.com ( https://github.com/fivethirtyeight/data/tree/master/scrabble-games ) et lancez le défi aux autres d'approfondir leurs recherches !
Une fois que nous avons obtenu les données, notre première étape a été de les « nettoyer ».De nombreux jeux avaient des scores nuls et n'ajoutaient donc aucune information (en supposant qu'il s'agissait de forfaits survenus pendant le tournoi).En outre, il y a eu une expansion des divisions et des tournois à partir de la fin des années 1990.Par conséquent, nous avons sous-divisé nos données pour examiner uniquement les matchs avec des scores minimum de 200 ou plus dans les six premières divisions à partir des années 1990.Nous avons ensuite résumé les données afin de pouvoir voir les scores moyens par année pour chaque division. Enfin, nous avons également divisé les années en trois périodes de six ans :
- 2000-2005 – juste avant le changement technologique
- 2006-2011 – juste après le changement technologique, et
- 2012-2017 – période où le changement technologique est devenu la norme
Nous sommes maintenant prêts à analyser visuellement ces données !Tracer ces données « moyennes par année » peut être risqué, car la taille des échantillons peut varier d'une année à l'autre et d'une division à l'autre.En outre, la popularité des tournois augmente avec le temps, ce qui signifie une plus grande quantité de données disponibles chaque année.Par conséquent, nous avons calculé l’erreur type de la moyenne afin de pouvoir ensuite construire des intervalles de confiance à 95 % autour des moyennes afin de faciliter les comparaisons de signification entre moyennes.Pour afficher cela sur le graphique, nous pouvons profiter d'une nouvelle fonctionnalité de JMP 14 Graph Builder qui permet d'afficher des barres d'erreur à intervalle bidirectionnel.
Le graphique du niveau de tournoi le plus élevé de la Division 1 semble montrer le changement technologique insaisissable que recherchait notre auteur.Les groupes de points avant la période de changement technologique (points bleus pour 2000-2005) sont bien inférieurs à ceux des autres périodes d'après. périodes de changement technologique (points rouges pour 2006-2011 et points verts pour 2012-2017).En outre, il est à noter que les barres d'erreur (réticule) pour l'intervalle de confiance de 95 % autour de la moyenne pour les points dans les périodes de l'année après que le changement technologique sont devenues plus petites sont plus étroitement regroupées.Enfin, nous avons ajouté des tracés de contour de densité au graphique pour avoir une idée de l'endroit où réside la majeure partie des données.
En regardant les prochaines Divisions 2 et 3, nous voyons moins d’histoire concrète parmi les Divisions.Bien qu'une plus grande cohérence entre les années soit observée dans les périodes qui ont suivi les changements technologiques (points rouges et verts plus serrés), nous ne voyons pas la grande séparation entre les périodes annuelles que nous avons connue avec la Division 1. Cela pourrait-il être une preuve montrant que le haut les joueurs ont-ils été plus rapides à adapter la technologie à un rythme plus rapide que ceux des divisions inférieures ?
Bien qu’il ne s’agisse pas d’un point de vue définitif et dépendant de la manière dont nous avons choisi de résumer et d’afficher les données, cela donne matière à réflexion sur la façon dont la technologie peut améliorer certains plus que d’autres.Si vous souhaitez voir plus d'informations sur la façon de créer les nouvelles « barres d'erreur d'intervalle bidirectionnel » et d'autres vues intéressantes dans JMP 14 Graph Builder, veuillez consulter les informations disponibles sur le nouveau blog de la communauté JMP. « Vues nouvelles et avancées dans JMP 14 Graph Builder » par Xan Gregg et Scott Wise comme présenté à Discovery Europe 2018 : ( https://community.jmp.com/t5/Discovery-Summit-Europe-2018/New-and-Advanced-Views-in-JMP-nbsp-14-Graph-Builder-nbsp-EU-2018/ta-p/ 51464 ) .L'ensemble de données « nettoyées » que nous avons utilisé (converti en table de données JMP avec des scripts graphiques joints) peut être trouvé sur le lien suivant sur l'échange de fichiers de la communauté JMP : ( https://community.jmp.com/t5/JMP-Sample-Data/Scrabble-Tourney-Data-for-Two-Way-Error-Interval-Bars/ta-p/53661 ).
