Méthodes approfondies de recueil et d'analyse de données

Enseignants

Heuchenne Cédric;

Langue
d'enseignement

Français

Préalables

(cours de méthodes quantitatives et qualitatives de bac)

Thèmes abordés

Les thèmes sont variables d'une année à l'autre, et portent alternativement sur les méthodes de recueil et d'analyse de données relatives à:

• l'enquête quantitative
• l'observation ethnographique
• les études de cas
• l'expérimentation et quasi-expérimentation

Exemple pour l'enquête quantitative:

• les étapes de la conception d'un questionnaire
• la constitution d'un échantillon
• la préparation et le codage des données
• les étapes du traitement statistique des données, de leur description à leur analyse multivariée

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1.	avoir acquis une connaissance approfondie des usages possibles de différentes méthodes de recueil et d'analyse de données, en articulation les unes avec les autres ;
2.	concevoir un plan de recherche intégré mobilisant une sélection de ces méthodes de façon pertinente, en fonction d'une question de recherche déterminée.

Contenu

Le cours concerne principalement l’analyse, l’interprétation et la communication des résultats de sondage. A cette fin, les méthodes classiques d’échantillonnage (quotas, aléatoire, stratifié, en grappes…) utilisées pour développer des sondages d’opinion sont détaillées en précisant leurs caractéristiques, leurs intérêts et limitations. Les éléments cruciaux de fiabilité des études auxquels doivent être attentifs les communicants et politiques sont mis en évidence. Les principaux outils d’analyse de données de sondage sont ensuite abordés en mettant l’accent sur l’interprétation et la visualisation des résultats.
Plan du cours : méthodes de recueil et d’analyse de données
Partie I : recueil de données
- Sondages : généralités
- Méthodes d’échantillonnage empiriques
- Méthodes d’échantillonnage probabilistes
- Construction d’un questionnaire : formulation des questions
- Marges d’erreur : formule et courbe caractéristique
- Codage, pondération, ré-équilibrage des données  
Partie II : analyse de données et IA
1. Nouveaux outils IA facilitant l'analyse de données : analyse de documentation par LLMs, détection de variables liées à un prompt donné dans des grands ensembles de données.
2. Rappel de statistiques descriptives/représentations incluant des éléments d'analyse factorielle.  
3. Caractérisation des informations/liens d'intérêt dans un contexte journalistique résultant des points 1 et 2 ci-dessus, construction de résumés pertinents.  

Méthodes d'enseignement

Le cours se déroule sous forme d’ateliers. Une base de données de sondage, éventuellement choisie par l’audience est analysée tout au long du cours. Dans un premier temps, on critique la manière avec laquelle elle a été construite, tandis que dans un second temps, on en extrait les informations principales au travers d’outils décrits dans le contenu ci-dessus. 

Modes d'évaluation
des acquis des étudiants

Travail sur données réelles avec rapport final (à améliorer si un rattrapage doit être effectué en seconde session).
Langue de l'évaluation: français

Autres infos

Concernant l'usage des outils d'intelligence artificielle, il est attendu des étudiant·es qu'ils en aient un usage responsable, tel que défini dans "La note sur l'utilisation responsable des IA" approuvée en juillet 2024 par le bureau de la Faculté ESPO disponible sur le Moodle du cours. 

Ressources
en ligne

Voir cours LCOMU2810 sur moodle.

Support de cours

• vidéos et documents (exercices, codes, démonstrations sur logiciel) sur moodle/videos and documents (exercices, codes, software demonstrations) on moodle

Faculté ou entité
en charge

> COMU