La version que vous consultez n'est pas définitive.
Cette fiche d’activité peut encore faire l'objet de modifications. La version finale sera disponible le 1er juin.
6.00 crédits
30.0 h + 30.0 h
Q1 et Q2
Langue
d'enseignement
d'enseignement
Français
Préalables
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
Ce cours est la suite logique de LCOMU1105A/B, qui posait les bases de la recherche en sciences humaines et sociales et des épistémologies spécifiques aux sciences de l’information et de la communication (SIC). LCOMU1205 introduit les méthodes quantitatives et qualitatives utilisées en SIC. Le cours se concentre sur la mise en œuvre des étapes clés de la recherche empirique : problématisation, élaboration des outils de collecte, collecte et première analyse des données.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
À la fin de cette unité d’enseignement, l’étudiant·e sera capable de :
Savoirs : S3. Méthodes de recherche Savoir-Faire : SF2. Formuler une question SF3. Analyser SF4. Organiser la démarche SF7. Conceptualiser SF12. Prise en main des outils Savoir-Être : SE1. Écoute active SE2. Participation SE3. Collaboration SE4. Planification SE5. Respect des échéances SE6. Autonomie SE9. Initiative Acquis Spécifiques : SP1. Gestion des ressources universitaires SP2. Epistémologie SP3. Maîtrise de logiciels SP7. Statistiques SP8. Techniques d'enquête et de sondage |
|
Contenu
UAA 1 : Introduction aux méthodologies quantitatives et qualitatives (15h)
Mener une collecte de données et introduction à l’analyse des résultats : e.g. analyse thématique pour le qualitatif, statistiques descriptives pour le quantitatif.
- Exploration des différentes méthodes de collecte de données : types de questionnaires, entretiens, observations, etc.
- Comparaison des approches quantitatives et qualitatives, et introduction aux méthodologies mixtes.
- Élaboration des outils : création de questionnaires, guides d’entretien, grilles de codage et d’analyse, etc.
- Introduction aux logiciels pour le traitement et l’analyse (cf. également LCOMU1106 et LCOMU1206)
Mener une collecte de données et introduction à l’analyse des résultats : e.g. analyse thématique pour le qualitatif, statistiques descriptives pour le quantitatif.
Méthodes d'enseignement
Le cours alternera entre des séances magistrales, des exercices d’application et du suivi des travaux pratiques. Des ressources complémentaires pourront être fournies via la plateforme Moodle du cours. Les étudiant·e·s travailleront sur une ou plusieurs études de cas concrets, permettant d’appréhender les aspects empiriques et l’ébauche de premières analyses.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Evaluation continue (100% de la note)
Les étudiant·e·s seront évalué·e·s au fil des semestres sur leur compréhension des méthodes abordées ainsi que sur la mise en application de celles-ci à travers plusieurs travaux pratiques. Ces travaux permettront d’évaluer la capacité des étudiant·e·s à élaborer une méthodologie et des outils de recherche, à collecter des données, et à effectuer une première analyse.
En seconde session, les étudiant·e·s devront refaire individuellement et sans accompagnement pédagogique les travaux effectués durant le semestre ou accomplir un travail intégré de charge équivalente, couvrant les mêmes compétences attendues.
Les étudiant·e·s seront évalué·e·s au fil des semestres sur leur compréhension des méthodes abordées ainsi que sur la mise en application de celles-ci à travers plusieurs travaux pratiques. Ces travaux permettront d’évaluer la capacité des étudiant·e·s à élaborer une méthodologie et des outils de recherche, à collecter des données, et à effectuer une première analyse.
En seconde session, les étudiant·e·s devront refaire individuellement et sans accompagnement pédagogique les travaux effectués durant le semestre ou accomplir un travail intégré de charge équivalente, couvrant les mêmes compétences attendues.
Autres infos
Dans le cadre de ce cours, l’utilisation d’outils d’intelligence artificielle (IA) est balisée conformément aux lignes directrices de la note IA smart teaching: https://oer.uclouvain.be/jspui/handle/20.500.12279/1007.
Voici les principes à respecter :
• Transparence : Si vous utilisez un outil d’IA pour vous assister dans la rédaction, la recherche ou l'organisation de vos idées, vous devez le mentionner explicitement dans votre travail. Cela inclut la correction linguistique, la traduction, la création d'un plan ou la synthèse d'un texte.
• Authenticité : Les travaux soumis doivent refléter votre compréhension et vos compétences personnelles. L’utilisation de l’IA ne doit pas masquer ou remplacer votre démarche intellectuelle et critique.
• Responsabilité : Vous êtes entièrement responsable du contenu soumis, même si des outils d’IA ont été utilisés. Tout usage non référencé ou abusif peut être considéré comme une irrégularité et sera sanctionné conformément au règlement des études et des examens (notamment au regard du chapitre 4, section 7 du RGEE).
• Conservation : Les dialogues et interactions avec les outils d'IA utilisés pour produire des contenus doivent être conservés et disponibles pour vérification jusqu'à la proclamation des résultats.
En outre, dans une optique de sobriété énergétique et écologique, les interactions avec une IA générative doivent être limitées au strict nécessaire de la tâche, et sont totalement proscrites, lorsque la consigne d’un travail en interdit l’usage, de manière explicite ou de manière implicite lorsque la nature de la production attendue est personnelle, sauf autorisation préalable.
Voici les principes à respecter :
• Transparence : Si vous utilisez un outil d’IA pour vous assister dans la rédaction, la recherche ou l'organisation de vos idées, vous devez le mentionner explicitement dans votre travail. Cela inclut la correction linguistique, la traduction, la création d'un plan ou la synthèse d'un texte.
• Authenticité : Les travaux soumis doivent refléter votre compréhension et vos compétences personnelles. L’utilisation de l’IA ne doit pas masquer ou remplacer votre démarche intellectuelle et critique.
• Responsabilité : Vous êtes entièrement responsable du contenu soumis, même si des outils d’IA ont été utilisés. Tout usage non référencé ou abusif peut être considéré comme une irrégularité et sera sanctionné conformément au règlement des études et des examens (notamment au regard du chapitre 4, section 7 du RGEE).
• Conservation : Les dialogues et interactions avec les outils d'IA utilisés pour produire des contenus doivent être conservés et disponibles pour vérification jusqu'à la proclamation des résultats.
En outre, dans une optique de sobriété énergétique et écologique, les interactions avec une IA générative doivent être limitées au strict nécessaire de la tâche, et sont totalement proscrites, lorsque la consigne d’un travail en interdit l’usage, de manière explicite ou de manière implicite lorsque la nature de la production attendue est personnelle, sauf autorisation préalable.
Ressources
en ligne
en ligne
Les supports de cours ainsi que les ressources complémentaires se trouveront sur la plateforme Moodle du cours.
Faculté ou entité
en charge
en charge
