Statistique et analyse de données en sciences humaines et sociales

Le cours est organisé en dix binômes associant étroitement cours et exercices, selon une progression allant de la construction du fait statistique à l’inférence :

1 – Construire le fait statistique
Notions principales : question de recherche, population et échantillon, unité d’observation et unité d’analyse, échantillonnage, biais, représentativité et portée des conclusions.

2 – Opérationnaliser
Notions principales : concepts, dimensions, indicateurs, indices, variables, choix de mesure, validité et traduction d’une question de recherche en données analysables.

3 – Structurer une base de données
Notions principales : types de variables, organisation d’une base de données, codage, modalités, valeurs manquantes, transformations et documentation des données.

4 – Coder et analyser avec R
Notions principales : environnement R, scripts, objets et vecteurs, importation des données, commandes et fonctions simples, transformations et reproductibilité d’une analyse.

5 – Décrire des distributions
Notions principales : distributions de fréquences, tableaux statistiques, représentations graphiques et lecture critique d’une distribution.

6 – Résumer des distributions
Notions principales : paramètres de position, quantiles, paramètres de dispersion, moyenne, médiane, variance, écart type et choix d’un résumé adapté aux données.

7 – Croiser des variables
Notions principales : tableaux croisés, distributions conditionnelles, comparaison de groupes et représentations graphiques de relations entre variables.

8 – Étudier des associations
Notions principales : mesure et interprétation de l’association entre variables, covariance, corrélation et distinction entre association statistique et relation causale.

9 – Modéliser le hasard
Notions principales : probabilités, variables aléatoires, distributions théoriques, lois binomiale et normale, fluctuations d’échantillonnage et théorème central-limite.

10 – Inférer à partir d’un échantillon
Notions principales : estimation, erreur standard, intervalle et niveau de confiance, marge d’erreur et introduction à la logique des tests d’hypothèses.

Les séances de cours permettent de découvrir les questions, les concepts et les outils statistiques, mais aussi d’apprendre à déterminer dans quelles situations ils sont pertinents et ce que leurs résultats permettent réellement de conclure.

Les séances d’exercices prolongent directement les cours. Elles visent à apprendre à reconnaître une situation statistique, à choisir et justifier une procédure, à l’exécuter puis à interpréter les résultats dans leur contexte. Des exercices d’échauffement et d’entraînement sont également proposés en ligne sur Moodle afin de permettre un travail régulier tout au long du quadrimestre.

Le cours repose ainsi sur des allers-retours permanents entre raisonnement, analyse de données et mise en pratique. Les apprentissages étant cumulatifs, une participation régulière aux cours et aux exercices ainsi qu’un travail continu au fil du quadrimestre sont vivement recommandés.

À l'issue de cet enseignement, les étudiant·es seront capables

• de maîtriser les fondamentaux épistémologiques de la recherche quantitative en SHS,
• de déployer des outils de production, de recueil et de traitement de données quantitatives,
• de comprendre et d'utiliser le vocabulaire et les opérations de base de la création et de la gestion d'une base de données,
• de réaliser des opérations élémentaires de transformation de variables,
• de comprendre les principes d'usage, de sélectionner et d'utiliser des outils de statistique descriptive et de représentation graphique tant univariées que bivariées,
• de comprendre la logique de l'échantillonnage, de la statistique inférentielle et du test d'hypothèse,
• de comprendre la logique du contrôle de relations et de sélectionner des analyses bivariées,
• de mettre sur pied un dispositif simple d'exploration, de visualisation et d'exploitation d'une base de données à l'aide de l'outil logiciel R,
• d'identifier facilement des erreurs de statistique courantes dans les publications généralistes, les discours politiques et médiatiques.

1. Exposés interactifs
2. Travaux pratiques

Support(s) de cours

• Université virtuelle
• Syllabus

Contacts

renaud.maes@ulb.be / renaud.maes@umons.ac.be

Campus

Charleroi Ville Haute

Méthode(s) d'évaluation

• Travail personnel
• Examen écrit
• Autre

Travail personnel

Examen écrit

• Examen à livre ouvert

Autre

L’évaluation repose sur trois dimensions :

D1 – trois tests intégratifs en ligne, organisés via la page Moodle du cours durant le premier quadrimestre. Ces tests, réalisés à trois moments du quadrimestre, permettent d’obtenir un bonus cumulatif pouvant aller jusqu’à 1,5 point, ajouté à la note finale ;

D2 – un examen écrit en présentiel, évaluant la capacité à identifier correctement une situation statistique, à choisir et justifier une procédure adaptée, à l’exécuter et à interpréter les résultats dans leur contexte. L’examen compte pour 4/5 de la note finale ;

D3 – un travail d’analyse et d’exploitation autonome d’une base de données, à réaliser seul·e ou en groupe de maximum six personnes. Ce travail compte pour 1/5 de la note finale. Il doit être remis sur la page Moodle du cours au plus tard le 4 janvier 2027 à midi.

Construction de la note (en ce compris, la pondération des notes partielles)

1/5 - travail
4/5 - examen écrit
points bonus : +0,5 par test intégratif réussi - jusqu'à +1,5

Langue(s) d'évaluation

• français
• (éventuellement anglais, Espagnol, Portugais )