Statistics for Linguistics

Enseignants

Paquot Magali;

Langue
d'enseignement

Anglais

Préalables

Un cours d'introduction à la linguistique.

Thèmes abordés

Analyse quantitative de données linguistiques :

• Visualisation de données
  
• Statistiques descriptives : définitions, calcul et représentation
  
• Statistiques inférentielles : concepts principaux
  
• Analyses et tests statistique de base : comparaison de fréquence, tests de moyenne, tests non paramétriques, corrélations
  
• Introduction (théorique) aux modèles de régression.
  

Le cours utilise le logiciel R

Acquis
d'apprentissage

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

Au terme de ce cours, l'étudiant sera capable de choisir et d'utiliser des méthodes quantitatives de base pour analyser des phénomènes linguistiques à l'aide d'un logiciel statistique. Pratiquement, il sera capable d'utiliser le logiciel R pour explorer des données linguistiques (statistiques descriptives), les représenter visuellement, et choisir les techniques statistiques appropriées (parmi des techniques de base) à la structure des données analysées. Il sera également capable de comprendre un article scientifique utilisant des techniques un peu plus complexes (ex. modèles de régression) et de poser un regard critique sur les résultats d’une analyse quantitative.

Contenu

Analyse quantitative de données linguistiques avec le logiciel R (statistiques descriptives, statistiques inférentielles, tests statistique de base, visualisation des données)

Méthodes d'enseignement

Mélange entre cours magistral et sessions d'exercices

Modes d'évaluation
des acquis des étudiants

L'évaluation se fera selon deux modalités:

• Évaluation continue certificative (exercices obligatoires sous la forme de quizzes et de travaux à remettre)  (30 % de la note). Les exercices obligatoires proposent des questions types telles que celles posées lors de l'examen. Ces questions sont ensuite corrigées avec les étudiant·es en précisant le niveau de maîtrise et de rigueur attendu, cela afin de permettre aux étudiant·es de se rendre compte de l’attendu et donc de pouvoir adapter en conséquence l’étude de la matière.
• Examen écrit (70 % de la note)

En vertu de l'article 72 du Règlement général des études et examens, le titulaire du cours pourra proposer au jury de s'opposer à l'inscription à l’examen (de janvier ou de septembre) d'un·e étudiant·e qui n'aurait pas rendu ses exercices dans les délais requis.
En cas de deuxième inscription à l'examen, l'étudiant sera uniquement évalué sur base d'un examen écrit représentant 100% de la note.
Les intelligences artificielles (IA) génératives doivent être utilisées de manière responsable et conformément aux pratiques de l’intégrité académique et scientifique. L'intégrité scientifique impliquant que l'on cite ses sources, l'usage d'une IA doit toujours être signalé. L'utilisation des intelligences artificielles pour les tâches où celles-ci sont explicitement interdites sera considérée comme un cas de tricherie.

Autres infos

Ce cours nécessite un bon niveau d'anglais (compréhension et production).

Ressources
en ligne

https://moodleucl.uclouvain.be/course/view.php?id=12097

Bibliographie

• Field, A. et Miles, J. and Field, Z. (2012). Discovering Statistics Using R. London : Sage Publications.
• Gries, St. Th. (2021). Statistics for Linguistics with R. A Practical Introduction. 3rd edition. Berlin: De Gruyter Mouton.
• Howell, D. C. (2016). Fundamental statistics for the behavioral sciences. Nelson Education.

Support de cours

• Gries, St. Th. 2021. Statistics for Linguistics with R. A Practical Introduction. 3rd edition. Berlin: De Gruyter Mouton.
• Slides and additional chapters available on Moodle

Faculté ou entité
en charge

> FIAL