Traitement de données quantitatives

Enseignants

De Clercq Mikaël; Parmentier Michaël;

Langue
d'enseignement

Français

Thèmes abordés

Le cours vise à développer les bases du traitement de données quantitatives de type descriptif et inférentiel.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Le cours vise les acquis d'apprentissage G4, et dans une moindre mesure, G2 (G26 & G27). Au terme du cours, les étudiant seront capables de : Traduire une problématique de recherche en question(s) de recherche opérationnelle(s) dont la réponse peut être obtenue au travers de l'étude d'un matériau de nature quantitative (G41); Identifier les différents types de variables (G43) ; Sélectionner, appliquer et interpréter des statistiques descriptives, en fonction d'un contexte de recherche donné (G43) ; Comprendre  les raisonnements sous-jacents à la statistique inférentielle ; Sélectionner, appliquer et interpréter des statistiques inférentielles, de type bivarié essentiellement, en fonction d'un contexte de recherche donné (G44) ; Poser un regard critique sur des travaux de recherche dont les conclusions s'appuient sur l'analyse d'un matériau de nature quantitative (G45).

Contenu

Statistiques descriptives :
-          Variables nominales : mode
-          Variables ordinales : médiane, écart interquartile
-          Variables continues : moyenne, variance, écart type.
Statistique inférentielle : raisonnement sous-jacent
-          Population et Échantillon
-          Procédure de test inférentiel
-          Taille d effet
Statistiques inférentielles (statistiques de test):
-          Chi-carré et V de Cramer.
-          Corrélations de Spearman et Pearson.
-          Régression linéaire simple et multiple.
-          T de student et analyse de variance à un critère.
Lecture critique d articles :
-          Termes et symboles statistiques les plus courants dans les publications.
-          Méthode de lecture de graphes, tables et indices.
-          Prise de recul sur les méthodes de présentation de l information statistique.
-          Prise de conscience des limites des outils statistiques.

Méthodes d'enseignement

Le temps de formation est découpé en 30h de cours magistral et 15h de travaux pratiques. Les séances de cours magistral alternent exposés et exercices. Les séances de travaux pratiques ont pour but de faciliter le développement des compétences de sélection, de calcul et d'interprétation des méthodes statistiques de type descriptif ou inférentiel. Tant dans le cours magistral que dans les travaux pratiques, les étudiants seront familiarisés à l'utilisation des logiciels de calcul statistique.

Modes d'évaluation
des acquis des étudiants

L'évaluation est constitué d'un examen écrit individuel valant pour 15/20 et de la réalisation d'un travail de groupe valant pour 5/20.
La note finale sera constituée de la note à l'examen écrit individuel et de celle pour la réalisation réalisation d'un travail de groupe.La note finale sera donc constituée de ces 2 parties intégrées. La réussite de ces deux parties est indispensable pour démontrer les compétences et connaissances définies dans les acquis d’apprentissage de l’unité
d’enseignement.
La réussite de l’unité d'enseignement ne peut donc être obtenue que moyennant la réussite à chacune des parties/activités d’évaluation précitées. Dans le cas contraire une note d'échec sera automatique attribuée n'étant pas la moyenne pondérée des deux évaluations.
En cas d'échec en fin d'année la réussite d'une des deux parties du cours pourra être conservée et reportée à l'année suivante.

Autres infos

L'utilisation de l'intelligence artificielle (ChatGPT...) ne peut être utiliser à des fins de générations ou de création de texte. La seule utilisation autorisée est l'utilisation pour correction orthographique. En cas d'utilisation d'une intelligence artificielle, l'étudiant·e doit explicitement le mentionner et fournir les requêtes utilisées pour communiquer avec l'AI.
une à deux thématiques du travail demandé porterons sur les questions de transition écologique et de développement durable.

Ressources
en ligne

https://moodleucl.uclouvain.be/course/view.php?id=7548

Bibliographie

Bressoux, P. (2008). Modélisation statistique appliquée aux sciences sociales. Bruxelles: De Boeck Université.
Dancey, C. et Reidy J. (2007). Statistiques sans maths pour psychologues. Bruxelles : De Boeck.
Howell, D. (2008). Méthodes statistiques en sciences humaines. Bruxelles : De Boeck.

Faculté ou entité
en charge

> EDUC