"Big data" : capture et analyse de données massives

ldemo2640  2024-2025  Louvain-la-Neuve

"Big data" : capture et analyse de données massives
3.00 crédits
20.0 h
Q2
Enseignants
Langue
d'enseignement
Français
Thèmes abordés
Le cours DEMO 2640 offre une introduction à la problématique des « Big Data » et à leur utilisation en sciences sociales. Il vise à familiariser les étudiants avec les principaux concepts, aux méthodes permettant de capturer ces données et à quelques méthodes d'analyse. Les étudiants sont également amenés à développer un regard critique sur les défis associés au traitement massif de données.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1.

définir le concept de « Big Data » et de fournir des illustrations de ce concept en sciences sociales ;
 
2. distinguer différents types de données numériques regroupées sous ce label ;
 
3. mener une réflexion critique sur les limites des « Big Data » et les enjeux éthiques associés ;
 
4. utiliser les outils appropriés pour extraire des données de contenus web et de mener une analyse de ces données.
 
Contenu
  • Les ‘Big Data’ - une réponse moderne aux besoins des chercheurs en termes de ressources quantitatives? Les Big Data’ présentent un sujet qui est à la fois vague, trendy et polarisant. Le discours public laisse entendre que les grandes données sont facilement accessibles, qu'elles contiennent toutes (ou presque toutes) les informations, mais aussi qu’une exploitation à large échelle de ces données pose des questions sur la protection de la vie privée.
    Le cours comprend les sujets suivants :
  • Terminologie et principaux concepts dans le champ des « Big Data »
  • Avantages et limites des Big Data en sciences sociales
  • Principales sources de 'Big Data': signaux GPS de téléphones mobiles, larges bases de données administratives, social media (twitter, facebook), etc.
  • Étude des applications pratiques en sciences sociales et en démographie en particulier 
  • Analyse des données des réseaux sociaux (twitter et facebook; 2 séances pratiques)
  • Enjeux éthiques, protection de la vie privée et surveillance massive
Méthodes d'enseignement
Le cours vise à explorer l'ambiguïté, les défis et les risques de ces nouvelles données en se concentrant sur l'interaction entre les étudiants et l’enseignante sous forme d’une découverte guidée, impliquant l’apprenant dans l’observation, l’analyse, la vérification et la généralisation de concepts.
Il vise à combiner les travaux en équipe avec des éléments d’enseignement classique et des séances pratiques, afin de stimuler à la fois la compréhension de la matière, son application et le développement d’une vue critique.
Modes d'évaluation
des acquis des étudiants
La présence est obligatoire.
  • 10% participation active à la discussion durant tout le cours
  • 20% préparation des résumés (devoir)
  • 20% présentation dans une séance du cours (Critères d’évaluation : choisir des informations pertinentes concernant la problématique ; présenter l’information de façon structurée, claire, précise et argumentée; interagir avec l'enseignant et la classe.)
  • 50% travail écrit à la fin du cours
Autres infos
Préparation des cours : Il est demandé aux étudiants
  • D’être présent au cours (présence obligatoire) ;
  • De préparer un texte scientifique par séance ;
  • De présenter une fois durant le cours un exposé sur un sujet de leur choix (séances 5 ou 6 ; 10 minutes présentations, 5 minutes discussion)
Bibliographie
Littérature (sélection)
Cesare, N., Lee, H., McCormick, T., Spiro, E., & Zagheni, E. (2018). Promises and pitfalls of using digital traces for demographic research. Demography, 55(5), 1979-1999.
Halavais, A. (2015). Bigger sociological imaginations: Framing big social data theory and methods. Information, Communication & Society, 18(5), 583-594.
Kalimeri, K., Beiró, M. G., Delfino, M., Raleigh, R., & Cattuto, C. (2019). Predicting demographics, moral foundations, and human values from digital behaviours. Computers in Human Behavior, 92, 428-445.
Lazer, D., & Radford, J. (2017). Data ex machina: introduction to big data. Annual Review of Sociology, 43, 19-39.
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en communication multilingue

Master [120] en langues et lettres françaises et romanes, orientation français langue étrangère

Master [120] en histoire de l'art et archéologie, orientation musicologie

Master [120] en traduction

Master [120] en interprétation

Master [120] en sociologie

Master [120] en histoire

Master [120] en langues et lettres anciennes et modernes

Master [60] en histoire

Approfondissement en sciences informatiques

Master [120] en linguistique

Master de spécialisation en méthodes quantitatives en sciences sociales

Master de spécialisation en cultures visuelles

Master [120] en sciences de la population et du développement

Master [120] en éthique

Master [120] en philosophie

Master [60] en histoire de l'art et archéologie, orientation générale

Master [60] en histoire de l'art et archéologie, orientation musicologie

Master [120] en sciences géographiques, orientation générale

Certificat d'université : Statistique et science des données (15/30 crédits)