Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
5 crédits
20.0 h + 20.0 h
Q1
Enseignants
Masquelier Bruno; Rautu Iulia (supplée Masquelier Bruno);
Langue
d'enseignement
d'enseignement
Français
Préalables
Un cours de base en statistiques en bac.
Thèmes abordés
- Sources de données quantitatives en sciences sociales
- Méthodes univariées et bivariées (rappel)
- Variables de confusion
- Méthodes multivariées : régression linéaire et régression logistique
- Analyse des interdépendances : analyse factorielle et en composantes principales
- Analyses des ressemblances et typologies : méthodes de classifications
- Application des méthodes sur données réelles pour répondre à des questions de recherche
- Utilisation d'un logiciel d'analyse de données (SPSS)
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
|
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Le cours LSPED2047 offre une solide introduction aux méthodes quantitatives en sciences sociales. Au terme de ce cours, les étudiants seront en mesure:
- d'acquérir la maîtrise des outils de l'analyse bivariée (rappels) et multivariée des données quantitatives.
- d'utiliser des méthodes de régressions simples et multiples et quelques applications des modèles linéaires généralisés (régression logistique et Poisson)
- de comprendre et pouvoir utiliser des méthodes d'analyses factorielles et des techniques de classification (typologies)
- d'être autonome dans l'utilisation de R, un logiciel gratuit d'analyse des données.
- Analyse univariée (rappels): pour décrire les données.
- Khi-deux, risques relatifs, odds ratios: pour croiser deux variables qualitatives.
- Test-t, test-F et ANOVA: pour tester les relations qui s'établissent entre une variable qualitative et une variable quantitative.
- Corrélations, régression linéaire simple: pour croiser deux variables quantitatives
- Analyses dimensionnelles - analyse en composantes principales (variables quantitatives) et analyse factorielle des correspondances multiples (variables qualitatives): pour construire des indicateurs ou identifier des dimensions 'latentes' de l'ensemble des variables analysées.
- Méthodes de classification (classification hiérarchique de Wald): pour identifier des `groupes' d'unités d'observations ou élaborer des typologies.
- Régression linéaire multiple et le modèle linéaire généralisé (régression logistique et régression de Poisson): pour prédire la valeur d'une variable dépendante, et identifier ses déterminants.
Méthodes d'enseignement
Le cours est articulé autour de cours magistraux et de travaux pratiques (voir programme donné en séance et sur Moodle). La participation aux cours et aux TP est essentielle. La lecture préalable de chapitres repris dans le programme de cours est nécessaire.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
- Un test dispensatoire individuel permettant aux étudiants d'évaluer leur maîtrise du logiciel R est programmé en cours de quadrimestre.
- La participation à trois exercices complémentaires associés des travaux pratiques est notée.
- L'évaluation finale est également basée sur un examen écrit réalisé en salle informatique en session d'examens.
Ressources
en ligne
en ligne
Logiciel R: https://www.r-project.org/
Inferface Rstudio: https://www.rstudio.com/
Inferface Rstudio: https://www.rstudio.com/
Bibliographie
G. Masuy-Stroobant and R. Costa, editors. Analyser les données en sciences sociales : De la préparation des données à l'analyse multivariée. P.I.E. Peter Lang, 2013.
D.C. Howell, V. Yzerbyt, Y. Bestgen, and M. Rogier. Méthodes statistiques en sciences humaines. Série Internationale. De Boeck Supérieur, 2008.
D.C. Howell, V. Yzerbyt, Y. Bestgen, and M. Rogier. Méthodes statistiques en sciences humaines. Série Internationale. De Boeck Supérieur, 2008.
Support de cours
- Les supports de cours, ainsi que la bibliographie complémentaire se trouvent sur la page Moodle du cours.
- G. Masuy-Stroobant and R. Costa, editors. Analyser les données en sciences sociales : De la préparation des données à l'analyse multivariée. P.I.E. Peter Lang, 2013. Disponible en bibliothèque et sur Moodle (certains chapitres)
Faculté ou entité
en charge
en charge
PSAD
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [60] en sociologie et anthropologie
Master [120] en sociologie
Master [120] en sciences de la population et du développement
Master [120] en sciences politiques, orientation générale
Master [120] en sciences de l'éducation
Mineure en statistique et science des données
Master de spécialisation en méthodes quantitatives en sciences sociales