Plan de cours

Identification

Préalables : ((POL 1000 à 4999, crédits exigés : 9 ET POL 1010) OU SOC 1005 OU SVS 1004 OU ANT 1002 OU LNG 1002 OU ORT 1001 OU GPL 1001 OU GPL 1009)

Coordonnées et disponibilités

Laurence-Olivier M. Foisy — Enseignant
Courriel : mail@mfoisy.com
Disponibilités : sur rendez-vous, ainsi que lors des semaines de rencontres individuelles prévues au calendrier. Écrivez-moi pour convenir d'un moment.

Auxiliaires d'enseignement : à confirmer

Soutien technique

CSTIP — Centre de services en TI et pédagogie
Pavillon Charles-De Koninck, local 0248 · aide@cstip.ulaval.ca
418-656-2131 poste 405222 · 418-656-5222

Description du cours

Introduction

Ce cours s'adresse aux étudiant.e.s du premier cycle souhaitant se familiariser avec un aspect fondamental de la recherche en sciences sociales : l'analyse de données portant sur un grand nombre de cas. Vous allez apprendre les différentes techniques statistiques qui permettent de décrire une variable, de dégager les relations entre deux variables ou plus et de tirer des conclusions sur les caractéristiques d'une population à partir de l'observation d'un échantillon, sans toutefois approfondir les fondements mathématiques de ces techniques. Vous apprendrez aussi le langage de programmation R, les limites de l'analyse causale et les techniques pour y outrepasser.

Préalables mathématiques : aucun cours de mathématique ni de statistique en dehors du curriculum obligatoire du niveau secondaire n'est requis.

Buts et objectifs généraux

Au terme de ce cours, l'étudiant.e sera en mesure de :

• maîtriser les différents concepts et techniques propres à l'analyse statistique;
• utiliser les fonctions de base du langage de programmation R et du logiciel Positron pour le traitement de données;
• comprendre et critiquer des articles scientifiques à l'aide de techniques statistiques;
• comprendre la logique de l'analyse causale et ses limites;
• concevoir et réaliser son propre projet de recherche.

Contenu du cours

Le cours est divisé en trois thématiques.

Première partie — Introduction aux concepts statistiques de base

• Comment opérationnaliser une question de recherche de façon quantitative
• Les types de variables
• Les distributions de fréquences et de pourcentages
• Les mesures de tendance centrale
• Les mesures de variation

Deuxième partie — Régression linéaire bivariée et multiple

• Comprendre la logique derrière la régression linéaire
• Savoir interpréter des coefficients de variables continues, binaires et catégoriques
• Savoir interpréter le niveau de signification statistique
• Savoir interpréter les tableaux bivariés
• La régression et la corrélation simple avec R
• Interpréter des coefficients lorsqu'il y a plus d'une variable explicative
• L'analyse tabulaire multivariée

Troisième partie — L'inférence causale

• Comprendre le problème fondamental de l'inférence causale
• Comprendre le concept de variables de contrôle et savoir quelles variables ajouter (ou pas) à une régression
• Comprendre la pertinence des graphes orientés acycliques (GOA) pour outrepasser ces problèmes
• Comprendre les biais possibles et leurs effets potentiels sur la régression linéaire

Approche pédagogique

Chaque séance suit la forme d'un cours magistral en classe. Les échanges entre les étudiant.e.s et l'enseignant sont fortement encouragés : c'est l'avantage principal du format en présentiel, et j'ai l'intention de m'en servir. À cette fin, les étudiant.e.s sont incité.e.s à faire les lectures indiquées avant chaque séance.

Dans l'objectif de mettre leurs connaissances en application, les étudiant.e.s doivent apporter leur ordinateur portable à chaque séance. À partir de la séance 2, la plupart des séances comportent des démonstrations en direct avec R et Positron, que vous pourrez suivre sur votre propre ordinateur.

Chaque semaine présente :

• les objectifs spécifiques;
• les lectures préalables;
• les exercices Datacamp;
• les diapositives du cours.

Un glossaire des notions clefs accompagne le cours.

Ouvrage de référence

Aucune lecture obligatoire n'est imposée dans ce cours. L'ouvrage suivant sert toutefois de référence pour l'ensemble de la session : il couvre la matière vue en classe et vous y trouverez, au besoin, une présentation plus détaillée de chaque notion.

Arel-Bundock, Vincent. 2021. Analyse causale et méthodes quantitatives : Une introduction avec R, Stata et SPSS. Presses de l'Université de Montréal.

Le livre est disponible gratuitement en format PDF sur le site des Presses de l'Université de Montréal. Une version papier peut être achetée chez Coop Zone par celles et ceux qui le souhaitent.

Informations concernant les logiciels R et Positron

Les logiciels statistiques obligatoires dans ce cours sont R et Positron. R est un langage de programmation gratuit de plus en plus utilisé par les chercheurs quantitatifs en sciences sociales, mais aussi par de nombreux analystes de données. Positron est un environnement de développement gratuit et libre, conçu par Posit, qui vous permet d'utiliser R plus facilement. Il est nécessaire de télécharger ces deux logiciels dans le cadre de ce cours.

La séance d'introduction à R a lieu dès la semaine 2 (jeudi 10 septembre 2026), et une seconde séance consacrée à la préparation des données avec R suit à la semaine 4. Il est essentiel d'avoir installé les deux logiciels avant la séance 2 : la marche à suivre sera présentée à la séance 1.

Des devoirs sur la plateforme datacamp.com vous seront proposés chaque semaine pour développer rapidement vos compétences en R. Je vous recommande donc fortement d'installer R et Positron dès le début de la session.

Datacamp

Des devoirs obligatoires vous seront partagés chaque semaine sur Datacamp. Pour obtenir votre 10 % complet, vous devrez réaliser tous les devoirs proposés pendant la première moitié de la session avant le 25 octobre 2026 à 23h59 (premier 5 %). Les devoirs de la seconde moitié de la session — en incluant ceux de la première moitié — devront être réalisés avant le 18 décembre 2026 à 23h59 (deuxième 5 %).

Utilisation de l'intelligence artificielle générative

Les outils d'intelligence artificielle générative (ChatGPT, Claude, Gemini, Copilot et autres) font désormais partie de l'environnement de travail de toute personne qui analyse des données. Ce cours ne les interdit pas : il vous apprend à vous en servir correctement.

• Permis, à condition de le déclarer : obtenir de l'aide pour écrire, comprendre ou déboguer du code R.
• Non permis : l'interprétation des résultats et la rédaction des travaux. Ce que vous affirmez, vous devez pouvoir le défendre.
• Chaque évaluation précise ses propres consignes quant à l'utilisation permise de ces outils.
• Les examens 2 et 3 se font sur papier, à livre ouvert, précisément pour cette raison : vos notes sont permises, aucun appareil ne l'est.

Deux séances abordent directement ces outils : la séance 2 (utiliser un assistant d'IA pour apprendre R) et la séance 9 (produire, puis vérifier, une analyse complète réalisée par un agent d'IA). La règle de base tient en une question : l'aurais-je accepté d'un assistant humain sans vérifier son travail ?

Politique de retard

Une pénalité de 10 % par jour de la note obtenue sera appliquée à toute évaluation remise en retard sans justification valable. Après trois jours de retard, la note sera de 0.

Contenu et activités

Le tableau ci-dessous présente les séances prévues dans le cadre du cours. La session d'automne 2026 compte 14 séances le jeudi, aucune ne tombant sur un jour férié.

Remises et échéances

• Examen 1 — ouvre le jeudi 24 septembre 2026, remise au plus tard le dimanche 4 octobre 2026 à 23h59
• Travail de mi-session et Datacamp (1re partie) — dimanche 25 octobre 2026 à 23h59
• Travail final et Datacamp (1re + 2e partie) — vendredi 18 décembre 2026 à 23h59

Dates institutionnelles à retenir

• Fin de la période de modification du choix de cours : mardi 8 septembre 2026
• Abandon avec remboursement : lundi 14 septembre 2026
• Abandon sans mention d'échec et sans remboursement : lundi 9 novembre 2026
• Semaine de lecture : 26 au 30 octobre 2026
• Fin des cours : vendredi 11 décembre 2026

Évaluations et résultats

Liste des évaluations

Ce cours comporte quatre types d'évaluations :

1. deux examens en classe et un à distance (45 %);
2. travail de mi-session (20 %);
3. travail final (25 %);
4. devoirs sur Datacamp (10 %).

Des questionnaires facultatifs vous permettent de mettre vos connaissances en application. Ils ne comptent pas dans votre note finale.

Informations détaillées

Examen 1 — Analyser des données avec R (15 %)

Examen pratique à faire chez vous, sur ordinateur, à la suite des séances 2 et 4 consacrées à R. Il évalue votre capacité à importer, manipuler et décrire des données avec R et Positron.

Examen 2 — Les statistiques descriptives (15 %)

Examen d'une heure écrit pendant la période de cours habituelle. Aucune inscription à un centre d'examen n'est requise : le cours étant donné en présentiel, l'examen se déroule directement en classe. La séance commence par le cours (15h30 à 17h05), suivi d'une pause de 15 minutes; l'examen occupe la dernière heure.

Examen 3 — Régressions linéaires simple et multiple (15 %)

Examen d'une heure écrit en classe lors de la dernière séance. La séance commence par la matière sur les expériences et la révision de fin de session (15h30 à 17h05), suivie d'une pause de 15 minutes; l'examen occupe la dernière heure.

Travail de mi-session (20 %)

Le travail de mi-session est une version courte de votre travail final. Il se veut une première version simplifiée, à l'image d'un devis de recherche, pour obtenir une rétroaction de ma part avant la remise finale. La remise est fixée juste avant la semaine de lecture afin que vous receviez cette rétroaction à temps pour la suite.

Vous devrez :

• concevoir une question de recherche mettant en relation une variable dépendante et une variable indépendante;
• présenter une courte revue de la littérature avec des théories permettant de dériver des hypothèses testables empiriquement;
• formuler une ou des hypothèses (et leur hypothèse nulle) sur la relation entre les deux variables;
• présenter la base de données et les variables sélectionnées pour tester les hypothèses;
• justifier la pertinence et l'originalité de la question de recherche;
• ajouter la contribution souhaitée à la littérature scientifique;
• conclure par une justification personnelle du choix de la recherche.

La présentation et la citation des sources seront prises en compte dans votre note. Les consignes complètes seront déposées sur le site de cours après la semaine 4.

Travail final (25 %)

Le travail final est la création d'un projet de recherche et a pour objectif de vous initier aux étapes de la recherche quantitative. Tou.te.s les étudiant.e.s travaillent avec une banque de données fournie. À partir de cette banque de données, vous devrez :

• concevoir une question de recherche mettant en relation une variable dépendante et une variable indépendante;
• présenter une revue de la littérature bonifiée avec des théories permettant de dériver des hypothèses testables empiriquement;
• formuler une hypothèse (et une hypothèse nulle) sur la relation entre vos deux variables;
• présenter la base de données et les variables sélectionnées pour tester les hypothèses;
• inclure un graphe orienté acyclique (GOA);
• présenter des statistiques descriptives;
• exécuter une régression linéaire pour estimer la relation entre les variables et présenter le tableau de régression;
• interpréter les résultats;
• considérer les biais potentiels, discuter des limites de votre analyse et réfléchir à une méthode alternative (dans une recherche future) pour estimer l'effet causal qui vous intéresse.

Vous devrez vous servir de l'interface Positron pour réaliser ce travail. La présentation et la citation des sources seront prises en compte dans votre note.

Datacamp (2 × 5 %)

Des devoirs obligatoires vous sont partagés chaque semaine. Pour obtenir la totalité des points, tous les devoirs de la période concernée doivent être complétés à l'échéance.

Barème de conversion

Règlements et politiques institutionnels

Les règlements institutionnels de l'Université Laval s'appliquent, notamment le Règlement disciplinaire à l'intention des étudiants de l'Université Laval en matière de plagiat et de fraude académique.

Étudiant.e.s ayant une situation de handicap liée à une limitation fonctionnelle

Les étudiant.e.s ayant une situation de handicap liée à une limitation fonctionnelle sont invité.e.s à communiquer avec le Centre d'aide aux étudiants pour mettre en place les mesures d'accommodement nécessaires. Écrivez-moi également afin que nous puissions en discuter.

Matériel didactique

Matériel obligatoire

• R — cran.r-project.org
• Positron — positron.posit.co
• Un ordinateur portable à apporter à chaque séance.

Ouvrage de référence (non obligatoire)

• Arel-Bundock, Vincent. 2021. Analyse causale et méthodes quantitatives : Une introduction avec R, Stata et SPSS. Presses de l'Université de Montréal. (gratuit en PDF)

Spécifications technologiques

R et Positron fonctionnent sous Windows, macOS et Linux. Si vous n'avez pas accès à un ordinateur portable, communiquez avec moi dès le début de la session : des solutions existent.

Ce qui change par rapport à l'offre précédente (Hiver 2024)

Ce plan de cours reprend la structure de l'offre H24 en l'adaptant à l'enseignement en présentiel :

La structure des évaluations, leurs pondérations et les exercices Datacamp demeurent inchangés.