Enseignants
Langue
d'enseignement
d'enseignement
Français
Préalables
/
Thèmes abordés
L'objectif de cet enseignement est d'initier les étudiant.e.s aux données numériques et aux méthodes permettant leur extraction, organisation, traitement et analyse.
Le cours se structure autour de grandes thématiques que sont :
Qu’est-ce qu’une donnée numérique ? Il s’agit d’une part de sensibiliser les étudiant.e.s à la notion de donnée numérique comme construit social et d’autre part de leur présenter les données d’un point de vue technique (type et structure des données)
Comment collecter ou extraire les données numériques ? Comment les organiser ? Cette thématique vise à initier les étudiant.e.s aux différentes techniques d’extraction de données (comme interroger une API) et à des méthodes plus qualitative comme la nethnographie.
Comment analyser les données ? Il s’agit ici d’introduire les étudiants à quatre types d’analyses : analyse de graphe, analyse lexicométrique, analyse statistique descriptive (en guise de rappel), analyse ethnographique en ligne.
Comment rendre les traitements intelligibles ? L’un des enjeux des traitements des données est leur transparence et leur intelligibilité pour l’usager lambda. Il s’agit ici de sensibiliser les étudiant.e.s aux questions de littératie des données et d’autre part de les initier aux techniques de visualisations des traitements de données.
Le cours se structure autour de grandes thématiques que sont :
Qu’est-ce qu’une donnée numérique ? Il s’agit d’une part de sensibiliser les étudiant.e.s à la notion de donnée numérique comme construit social et d’autre part de leur présenter les données d’un point de vue technique (type et structure des données)
Comment collecter ou extraire les données numériques ? Comment les organiser ? Cette thématique vise à initier les étudiant.e.s aux différentes techniques d’extraction de données (comme interroger une API) et à des méthodes plus qualitative comme la nethnographie.
Comment analyser les données ? Il s’agit ici d’introduire les étudiants à quatre types d’analyses : analyse de graphe, analyse lexicométrique, analyse statistique descriptive (en guise de rappel), analyse ethnographique en ligne.
Comment rendre les traitements intelligibles ? L’un des enjeux des traitements des données est leur transparence et leur intelligibilité pour l’usager lambda. Il s’agit ici de sensibiliser les étudiant.e.s aux questions de littératie des données et d’autre part de les initier aux techniques de visualisations des traitements de données.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
AAC1 | Maîtriser et mobiliser les savoirs fondamentaux (connaissances, modèles, théories, concepts) de son orientation d’études pour comprendre l’être humain en société et l’ensemble des relations, organisations et institutions auxquelles il participe. |
AAC2 | Maîtriser et mettre en œuvre les premiers jalons d’une démarche universitaire (démarche de recherche scientifique et méthodologique rigoureuse) située sur le plan épistémologique pour approfondir des questionnements et phénomènes relatifs à sa discipline.
|
AAS2 | Maîtriser les méthodologies, leur cadre conceptuel et leurs outils, qui permettent de mettre en place des dispositifs d’analyse des processus de communication, les mobiliser de manière pertinente pour réaliser une analyse critique et les confronter à des situations/problématiques de l’information et de la communication. |
AAS3 | Appréhender les grands domaines de l’information et de la communication (journalisme, communication d’organisation, entreprises et institutions, les médias, l’art, la culture, l’éducation) et analyser des problématiques de communication spécifiques à ces grands domaines. |
AAS4 | Comprendre les processus de construction des savoirs scientifiques en sciences de l’information et de la communication, et les mettre en œuvre au travers de la pratique de démarches de recherche. |
Contenu
Le cours d'analyse des mondes numériques a pour objectif d'initier les étudiant.e.s à l'analyse des communautés numériques de différentes natures.
I. Qu'est-ce qu'une communauté numérique ?
2. Qu'est-ce qu'une donnée numérique?
4. Les différents types de traitements des données numériques
Initiation à quatre méthodes particulières
I. Qu'est-ce qu'une communauté numérique ?
2. Qu'est-ce qu'une donnée numérique?
- Traces numériques
- Données et métadonnées
- Enjeux liés au big data et à la qualité des données?
4. Les différents types de traitements des données numériques
Initiation à quatre méthodes particulières
- Rappel en statistique descriptive
- Analyse lexicométrique
- Analyse de graphes
- Netnographie
Méthodes d'enseignement
- Exposés magistraux
- Exercices intégrés au cours
- Projet par groupe
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L'évaluation reposera d'une part sur un projet d'analyse de communautés numériques réalisé en groupe (50%). A la suite de ce travail d'analyse, les différents groupes seront amenés à rédiger un article de presse visant à exposer les résultats de leur enquête à un public lecteur d'un quotidien national (50%).
En cas d'échec au travail de groupe, il sera possible de corriger le travail de groupe en seconde session. L'étudiant.e en échec en juin devra passer un examen oral en seconde session.
En cas d'échec au travail de groupe, il sera possible de corriger le travail de groupe en seconde session. L'étudiant.e en échec en juin devra passer un examen oral en seconde session.
Ressources
en ligne
en ligne
Voir Moodle
Bibliographie
Voir Moodle
Faculté ou entité
en charge
en charge