Bases en méthodes quantitatives pour les sciences humaines et sociales

Le cours approfondit les méthodes quantitatives mobilisées en sciences humaines et sociales. Il articule les fondements du raisonnement statistique, l’utilisation des outils d’analyse et l’interprétation critique des résultats.

Après un rappel des bases de l’analyse statistique, il aborde les ensembles suivants :

1. Éléments d’algorithmique et utilisation de R : boucles, fonctions, vecteurs, tableaux de données, facteurs, importation de bases de données et production de graphiques.

2. Statistique inférentielle : échantillonnage, population, généralisation, marge d’erreur, niveau de confiance et logique des tests d’hypothèses.

3. Analyses bivariées : distinction entre corrélation et causalité, test de Student, analyse de variance à un facteur, test du khi carré et tests de corrélation.

4. Statistique descriptive multidimensionnelle : introduction à l’analyse en composantes principales (ACP), à l’analyse factorielle des correspondances (AFC) et à l’analyse des correspondances multiples (ACM), notamment à partir des tableaux de Burt.

5. Lexicométrie : formes et formes actives, unités de contexte, fréquences, cooccurrences, analyse ALCESTE et analyse de similitudes.

6. Modèles de régression : régression linéaire simple et multiple, interactions, analyse de variance à deux facteurs, linéarisation et modélisation polynomiale.

7. Analyse des réseaux : représentation sous forme de graphes, graphes pondérés et orientés, degrés, densité, centralité, noyau, halo et multipolarité.

Une attention transversale est portée au choix des méthodes, à leurs conditions d’utilisation et à la lecture critique des analyses quantitatives dans les publications scientifiques en sciences humaines et sociales.

À l’issue de l’unité d’enseignement, les étudiant·es seront capables de :

• maîtriser la logique de l’échantillonnage, de l’inférence statistique et des tests d’hypothèses ;

• sélectionner des tests d’hypothèses adaptés au problème posé ;

• expliquer les fondements de la modélisation statistique ;

• comprendre les principes de l’ajustement local et global aux données ;

• sélectionner et produire des graphiques simples permettant l’exploration visuelle des données ;

• expliquer les fondements des méthodes de statistique descriptive multidimensionnelle ;

• sélectionner une technique d’analyse lexicométrique adaptée à un corpus ;

• comprendre la représentation d’un réseau sous forme de graphe et interpréter les grandeurs qui lui sont associées ;

• repérer et expliquer des erreurs statistiques dans les publications scientifiques en sciences humaines et sociales.

Connaissances et compétences pré-requises ou co-requises

Maîtrise des bases de l’analyse statistique en sciences humaines et sociales : organisation des données, types de variables, statistique descriptive univariée et bivariée, notions élémentaires d’échantillonnage et d’inférence statistique.

Ces connaissances correspondent aux acquis d’un enseignement introductif de statistique appliquée aux sciences humaines et sociales.

L’enseignement se déroule en présentiel et associe cours théoriques, travaux pratiques, études de cas et activités sur ordinateur.

Les séances théoriques permettent de découvrir les concepts, les méthodes statistiques et leurs usages. Les exercices visent l’appropriation des notions et la mise en pratique autonome des outils, notamment avec le logiciel R.

La progression repose sur des allers-retours entre les notions théoriques, l’analyse de données et l’interprétation des résultats. Les étudiant·es sont amené·es à choisir des méthodes adaptées à une question, à examiner les résultats obtenus et à discuter leur portée et leurs limites.

Un travail régulier et une participation assidue aux séances sont attendus tout au long du quadrimestre.

Références, bibliographie et lectures recommandées

Les références bibliographiques et les lectures associées aux différentes méthodes sont indiquées dans les supports du cours.

Support(s) de cours

• Syllabus
• Université virtuelle

Informations complémentaires

Le syllabus, les présentations, les supports de travaux pratiques et les ressources nécessaires aux activités sont accessibles sur l’espace en ligne du cours. Les consignes relatives aux évaluations y sont également communiquées.

Contacts

Les modalités de contact et d’accompagnement sont précisées sur l’espace en ligne du cours.

Campus

Charleroi Ville Haute

Méthode(s) d'évaluation

• Examen écrit
• Travail de groupe

Examen écrit

• Examen à livre ouvert

Travail de groupe

L’évaluation repose sur un examen écrit en présentiel comprenant quatre parties :

1. l’analyse critique d’un article scientifique ou d'un protocole de recherche ;

2. l’analyse des résultats d’un test d’hypothèses ou d’une visualisation de données ;

3. l’analyse d’un modèle ;

4. une question bonus.

Un travail écrit facultatif, portant sur l’exploitation d’une base de données, permet d’obtenir jusqu’à 3 points supplémentaires sur la note finale.

En seconde session, l’examen écrit conserve la même structure. Les étudiant·es qui n’ont pas réalisé le travail facultatif en première session peuvent le réaliser pour la seconde session.

Les consignes et les modalités de dépôt du travail sont communiquées sur l’espace en ligne du cours.

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

La note repose sur l’examen écrit, évalué sur 20.

Un travail écrit facultatif portant sur l’exploitation d’une base de données peut apporter un bonus compris entre 0 et 3 points, ajouté à la note de l’examen.

L’absence de travail facultatif n’entraîne aucune pénalité : dans ce cas, la note finale correspond à celle de l’examen écrit.

En seconde session, le travail facultatif peut être réalisé s’il ne l’a pas été en première session.

Langue(s) d'évaluation

• français
• (éventuellement Espagnol, anglais, Portugais )