Enseignants
Maes Renaud (suppl茅e Marquis Nicolas); Marquis Nicolas;
Langue
d'enseignement
d'enseignement
贵谤补苍莽补颈蝉
笔谤茅补濒补产濒别蝉
Le(s) pr茅requis de cette Unit茅 d鈥檈nseignement (UE) sont pr茅cis茅s 脿 la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de : | |
| Cet enseignement vise 脿 fournir aux 茅tudiants, en l'espace des 45h+ 15h, de solides bases sur les plans suivants : th茅orie, production de donn茅e quantitatives 脿 travers un questionnaire, comp茅tences informatiques, statistique, analyse des donn茅es. Au terme de l'enseignement, l'茅tudiant devra : - Sur un plan th茅orique, ma卯triser les bases de l'茅pist茅mologie de la donn茅e quantitative (terminologie, utilisation,鈥�) - Ma卯triser les bases de la cr茅ation et de la passation d'un questionnaire - Ma卯triser les bases de la cr茅ation et de la gestion d'une base de donn茅es, principalement 脿 l'aide du logiciel SPSS - 脢tre capable de r茅aliser quelques transformations de variables - Ma卯triser la logique de la statistique descriptive et inf茅rentielle - Pratiquer et interpr茅ter des analyses bivari茅es et multivari茅es |
|
Contenu
Le cours et le TP suivent pas 脿 pas le processus de construction d'une enqu锚te quantitative, depuis les questions qui se posent 脿 l'amorce d'une recherche jusqu'脿 la production des r茅sultats, en passant par la collecte, le traitement (exploration et exploitation) des donn茅es.听
Le cours th茅orique laisse une part importante 脿 des exemples concrets de recherches quantitatives ainsi qu'脿 la "critique statistique".
Le TP consiste en une mise en pratique concr猫te des outils vus au cours, passant par l'usage de tableurs et logiciels statistiques.
Il importe de noter que ce cours n'est pas un cours de statistique g茅n茅rale : il aborde la question uniquement sous l'angle de la recherche en sciences sociales.
听
Plan du cours :
Chapitre 1 : Pourquoi la quanti ?
Chapitre 2 : Les 芦听fondations听禄 de l鈥檈nqu锚te quantitative
Chapitre 3 : Les outils fondamentaux de la d茅marche quantitative
Chapitre 4 :听 El茅ments de statistique descriptive
Chapitre 5 : Introduction 脿 l鈥檌nf茅rence statistique
Chapitre 6 : Le contr么le de relations
Chapitre 7 : El茅ments de statistique multidimensionnelle
M茅thodes d'enseignement
Descriptif du cours magistral :
Le cours sera donn茅 ex-catedra 脿 raison de 3h/semaine sur un semestre, et fournira les 茅l茅ments th茅oriques et pratiques n茅cessaires 脿 la ma卯trise des diff茅rents 茅l茅ments : th茅orie et vocabulaire des donn茅es quantitatives, de la production des donn茅es, de la gestion des bases de donn茅es, des op茅rations informatiques, ainsi que compr茅hension des ingr茅dients, de la logique, des conditions d'utilisation et de l'interpr茅tation des r茅sultats pour les diff茅rentes m茅thodes d'analyse. Partant de probl猫mes concrets, il se fera aussi participatif que possible
Descriptif des TP (dispositif[s] mis en place, prestation[s] attendue[s] de la part des 茅tudiants...) :
Les m茅thodes quantitatives s'apprennent 茅galement et surtout par la pratique. Il sera attendu de la part des 茅tudiants qu'ils prennent une part active en mettant en pratique les 茅l茅ments th茅oriques vus au cours, c'est-脿-dire, concr猫tement, en r茅alisant, en vue d'un travail, les 茅tapes suivantes : cr茅ation d'un questionnaire 脿 partir d'une question de recherche, passation et am茅nagement du questionnaire, cr茅ation d'une base de donn茅es et r茅alisation de quelques op茅rations sur les variables. Les 茅changes entre 茅tudiants seront favoris茅s, dans le cadre de la r茅alisation du travail (cf. ci-dessous). Les TP permettront 茅galement la pratique des diff茅rentes m茅thodes via un logiciel informatique (SPSS) .
Le cours sera donn茅 ex-catedra 脿 raison de 3h/semaine sur un semestre, et fournira les 茅l茅ments th茅oriques et pratiques n茅cessaires 脿 la ma卯trise des diff茅rents 茅l茅ments : th茅orie et vocabulaire des donn茅es quantitatives, de la production des donn茅es, de la gestion des bases de donn茅es, des op茅rations informatiques, ainsi que compr茅hension des ingr茅dients, de la logique, des conditions d'utilisation et de l'interpr茅tation des r茅sultats pour les diff茅rentes m茅thodes d'analyse. Partant de probl猫mes concrets, il se fera aussi participatif que possible
Descriptif des TP (dispositif[s] mis en place, prestation[s] attendue[s] de la part des 茅tudiants...) :
Les m茅thodes quantitatives s'apprennent 茅galement et surtout par la pratique. Il sera attendu de la part des 茅tudiants qu'ils prennent une part active en mettant en pratique les 茅l茅ments th茅oriques vus au cours, c'est-脿-dire, concr猫tement, en r茅alisant, en vue d'un travail, les 茅tapes suivantes : cr茅ation d'un questionnaire 脿 partir d'une question de recherche, passation et am茅nagement du questionnaire, cr茅ation d'une base de donn茅es et r茅alisation de quelques op茅rations sur les variables. Les 茅changes entre 茅tudiants seront favoris茅s, dans le cadre de la r茅alisation du travail (cf. ci-dessous). Les TP permettront 茅galement la pratique des diff茅rentes m茅thodes via un logiciel informatique (SPSS) .
Modes d'茅valuation
des acquis des 茅tudiants
des acquis des 茅tudiants
L'茅valuation du cours de HDPO1231 est double : elle consiste en un travail de groupe, qui compte pour 50% de la cote finale, et un examen 茅crit, qui compte pour 50% de la cote finale. Les consignes du travail seront pr茅sent茅es lors du premier cours, et rendues disponibles sur Moodle.
La note globale r茅sulte d鈥檜ne moyenne g茅om茅trique des r茅sultats des deux parties :
鈭�((PointsExamen/20)*(PointsTravail/20) )
Attention : il est obligatoire de pr茅senter les deux parties. En cas de non-pr茅sentation d'une des deux parties, la note finale de l'UE est 0 (absence justifi茅e) ou 0A (absence non-justif茅e).
La note de la partie r茅ussie (examen ou travail) sera conserv茅e, sauf demande expresse de la part de l鈥櫭﹖udiant, au cours de la m锚me ann茅e acad茅mique.
Tous les travaux doivent constituer une production personnelle. Les 茅tudiants sont tenus de respecter scrupuleusement les r猫gles et les bonnes pratiques en mati猫re de citation, de r茅f茅rencement et d'茅vitement de l'(auto-)plagiat. Les 茅tudiants sont cens茅s conna卯tre et comprendre en quoi consistent ces r猫gles et pratiques. Tout manquement 脿 ces r猫gles peut entra卯ner une sanction acad茅mique et/ou disciplinaire pour plagiat et/ou irr茅gularit茅, conform茅ment au r猫glement g茅n茅ral des 茅tudes et des examens.
L'utilisation de l'IA g茅n茅rative est accept茅e 脿 condition qu'elle soit occasionnelle et limit茅e. L'utilisation de l'IA doit 锚tre explicitement indiqu茅e et r茅f茅renc茅e. Toute partie du travail s'appuyant, de quelque mani猫re que ce soit, sur l'IA g茅n茅rative doit 锚tre clairement identifi茅e (par exemple, par une note de bas de page), en pr茅cisant quel outil d'IA g茅n茅rative a 茅t茅 utilis茅, dans quel but, de quelle mani猫re, et dans quelle mesure. Le non-respect de cette obligation peut constituer une irr茅gularit茅.
La note globale r茅sulte d鈥檜ne moyenne g茅om茅trique des r茅sultats des deux parties :
鈭�((PointsExamen/20)*(PointsTravail/20) )
Attention : il est obligatoire de pr茅senter les deux parties. En cas de non-pr茅sentation d'une des deux parties, la note finale de l'UE est 0 (absence justifi茅e) ou 0A (absence non-justif茅e).
La note de la partie r茅ussie (examen ou travail) sera conserv茅e, sauf demande expresse de la part de l鈥櫭﹖udiant, au cours de la m锚me ann茅e acad茅mique.
Tous les travaux doivent constituer une production personnelle. Les 茅tudiants sont tenus de respecter scrupuleusement les r猫gles et les bonnes pratiques en mati猫re de citation, de r茅f茅rencement et d'茅vitement de l'(auto-)plagiat. Les 茅tudiants sont cens茅s conna卯tre et comprendre en quoi consistent ces r猫gles et pratiques. Tout manquement 脿 ces r猫gles peut entra卯ner une sanction acad茅mique et/ou disciplinaire pour plagiat et/ou irr茅gularit茅, conform茅ment au r猫glement g茅n茅ral des 茅tudes et des examens.
L'utilisation de l'IA g茅n茅rative est accept茅e 脿 condition qu'elle soit occasionnelle et limit茅e. L'utilisation de l'IA doit 锚tre explicitement indiqu茅e et r茅f茅renc茅e. Toute partie du travail s'appuyant, de quelque mani猫re que ce soit, sur l'IA g茅n茅rative doit 锚tre clairement identifi茅e (par exemple, par une note de bas de page), en pr茅cisant quel outil d'IA g茅n茅rative a 茅t茅 utilis茅, dans quel but, de quelle mani猫re, et dans quelle mesure. Le non-respect de cette obligation peut constituer une irr茅gularit茅.
Autres infos
A l'universit茅, il va de la libert茅 des 茅tudiants d'assister ou non aux enseignements. Les titulaire et assistant(s) du cours recommandent 茅videmment une assistance maximale aux s茅ances de cours ainsi que de travaux pratiques. Sauf cas de force majeure, l'absence aux dispositifs d'enseignement et ses cons茅quences potentielles sont donc de l'enti猫re responsabilit茅 des 茅tudiants.
De la m锚me fa莽on, chacun est libre d'organiser son 茅tude et son temps au cours du quadrimestre. Ici aussi, les titulaire et assistant(s) du cours recommandent une v茅rification de la compr茅hension continue ET une construction progressive du travail.
Les 茅tudiants qui prennent la d茅cision de ne pas suivre ces recommandations, et qui 茅choueraient malheureusement 脿 la session de janvier doivent assumer le fait qu'il ne sera pas organis茅 de s茅ances de rattrapage au second quadrimestre, ni en ex-cathedra, ni en permanence. Ce qui a 茅t茅 vu au cours et qui a fait l'objet d'une possibilit茅 de questionnement par les 茅tudiants, sera consid茅r茅, 脿 la fin du semestre, comme compris.
Les 茅tudiants pourront bien s没r, s'ils le d茅sirent, se faire expliquer la cote obtenue et les 茅ventuels manquements par rapport aux attendus dans le travail comme dans l'examen, mais la responsabilit茅 leur incombe de les pallier, en particulier en vue de la remise aux sessions de juin ou de septembre d'une nouvelle version du travail.
De la m锚me fa莽on, chacun est libre d'organiser son 茅tude et son temps au cours du quadrimestre. Ici aussi, les titulaire et assistant(s) du cours recommandent une v茅rification de la compr茅hension continue ET une construction progressive du travail.
Les 茅tudiants qui prennent la d茅cision de ne pas suivre ces recommandations, et qui 茅choueraient malheureusement 脿 la session de janvier doivent assumer le fait qu'il ne sera pas organis茅 de s茅ances de rattrapage au second quadrimestre, ni en ex-cathedra, ni en permanence. Ce qui a 茅t茅 vu au cours et qui a fait l'objet d'une possibilit茅 de questionnement par les 茅tudiants, sera consid茅r茅, 脿 la fin du semestre, comme compris.
Les 茅tudiants pourront bien s没r, s'ils le d茅sirent, se faire expliquer la cote obtenue et les 茅ventuels manquements par rapport aux attendus dans le travail comme dans l'examen, mais la responsabilit茅 leur incombe de les pallier, en particulier en vue de la remise aux sessions de juin ou de septembre d'une nouvelle version du travail.
Bibliographie
Sera communiqu茅e au fil du cours. Les slides, seule ressource recommand茅e, sont disponibles sur moodle.
Facult茅 ou entit茅
en charge
en charge
