Programme
5e édition de l'EIOM
Lundi 25 août au vendredi 29 août 2025
ANALYSE CAUSALE ET EXPÉRIMENTATION
Le parcours Analyse causale et expérimentation offre une formation consacrée aux méthodes d’analyse causale. Le parcours a pour objectif de former les étudiant.e.s aux techniques d’analyse causale les plus répandues.
SCIENCE DES DONNÉES : MODÉLISATION ET PRÉDICTION
Le parcours La science des données : modélisation et prédiction offre une formation sophistiquée sur les méthodes et outils de recherche qui occupent une place centrale dans le monde de la science des données. Le parcours a pour objectif de former les étudiant.e.s à plusieurs méthodes telles que la construction de modèles statistiques explicatifs et prédictifs et la visualisation de données. Le parcours se base sur le langage de programmation statistique R: une connaissance avancée de R n’est pas un pré-requis, mais une connaissance de base facilitera l’apprentissage.
MÉTHODES MIXTES
Le parcours Méthodes mixtes offre une formation axée autour de la collecte, de l’analyse et de l’interprétation d’un devis de recherche mixte intégrant des éléments de recherche qualitative et quantitative.
Parcours construit en collaboration avec la Chaire de leadership en enseignement Roméo-Dallaire sur les conflits civils et la paix durable.
Programmation détaillée des parcours (8:45 à 12:45)
| Lundi 26 août | Mardi 27 août | Mercredi 28 août | Jeudi 29 août | Vendredi 30 août |
Introduction à l’analyse causale Mathieu Turgeon | Analyse de régression discontinue Mathieu Turgeon | Graphes causaux et expériences contrôlées William Arbour | La méthode du matching William Arbour | Analyse par variable instrumentale William Arbour |
| Lundi 25 août | Mardi 26 août | Mercredi 27 août | Jeudi 28 août | Vendredi 29 août |
Introduction: la régression linéaire et multiple Aurélien Nicosia | Régression multiple et logistique (suite) Aurélien Nicosia | Machine learning 1 : Réduction de la dimensionalité, analyse en composantes principales Anne-Sophie Charest | Machine learning 2 : Apprentissage supervisé, régression et classification Anne-Sophie Charest | Machine learning 3: Classification non-supervisée Anne-Sophie Charest |
| Lundi 25 août | Mardi 26 août | Mercredi 27 août | Jeudi 28 août | Vendredi 29 août |
Introduction aux méthodes mixtes Catherine Lemarier-Saulnier | Conception de la recherche mixte et stratégies de collecte de données Catherine Lemarier-Saulnier | Analyse de données qualitatives dans une perspective mixte Johanna Masse | Analyse de données quantitatives dans une perspective mixte Yanick Charette | Intégration des données, défis et critiques des méthodes mixtes Yanick Charette |
| Lundi 25 août | Mardi 26 août | Mercredi 27 août | Jeudi 28 août | Vendredi 29 août |
Qu’est-ce qu’un “cas” ? Logiques et enjeux de la sélection Alexandre Pelletier | Comparer des cas : logiques inter- et intra-cas Alexandre Pelletier | Analyser un cas de l’intérieur : temporalité, séquençage, processus Federico Chaves Correa | Documenter un cas: outils, terrains et stratégies empiriques Federico Chaves Correa | Du cas à la théorie : généralisation, portée et usages scientifiques Pierre Collauti |
| Lundi 25 août | Mardi 26 août | Mercredi 27 août | Jeudi 28 août | Vendredi 29 août |
Introduction au cycle de la recherche : problématique, question de recherche et devis Alexis Bibeau | Générer des hypothèses testables et déterminer les implications observables Alexis Bibeau | Collecte de données : sélection, méthodes, outils et bonnes pratiques Sarah Lajeunesse | L’analyse : pratique et interprétation Adrien Cloutier | L’analyse : pratique et interprétation (suite) et conclusion Adrien Cloutier |
Ateliers sur les outils
| Lundi 25 août | Mardi 26 août | Mercredi 27 août | Jeudi 28 août | Vendredi 29 août | |
| Midi-outils (13:00-14:00) | La programmation en R pour la recherche Laurence-Olivier M. Foisy | Outils de gestion de la littérature et des références (Zotero) Camille Pelletier | Introduction aux outils d’intelligence artificielle dans la recherche (GPT, Elicit, ResearchRabbit) Hubert Cadieux | Collecte de données et visualisation graphique Benjamin Carignan | Introduction au langage de balisage (LaTex, Markdown, Quarto) Étienne Proulx |
| Atelier #1 (14:15-16:15) | Introduction et premier pas : la revue de littérature Adrien Cloutier | Les données textuelles au service de la recherche : outils et usages scientifiques de l’IA Antoine Lemor | Formation aux chaînes d’analyse qualitatives libres Jérémie Dion | Web scraping Benjamin Guinaudeau | Conférence de clôture Yannick Dufresne |
| Atelier #2 (14:15-16:15) | La méthode dans le monde professionnel: Développer une stratégie de vulgarisation et de valorisation de l’information citoyenne pour mieux servir vos citoyens Mathieu Grégoire |
La programmation des éditions précédentes est disponible ici.
Approche pédagogique
L’EIOM propose des parcours sous forme de séminaires accompagnés de conférences et d’ateliers sur des outils de recherche.
Une liste de lectures propre à chacun des parcours sera proposée dans les jours précédant le début de l’école afin de familiariser l’étudiant·e avec le contenu qui sera abordé. Cette liste de lecture a notamment pour objectif de s’assurer que les parcours offrent un contenu plus avancé et sophistiqué qu’un cours d’introduction à la recherche.
À cet effet, l’EIOM a fait le choix d’offrir un programme dont le niveau est intermédiaire et avancé. Il est donc recommandé que l’étudiant·e ait quelques bases sur les méthodes de recherche — un cours d’introduction aux méthodes de recherche dans un programme de cycle supérieur suffit à remplir ce préalable.
Évaluation
L’obtention des 3 crédits de cours repose sur trois évaluations. Les détails seront annoncés pendant l’EIOM.
* À noter que ces informations sont à titre indicatifs uniquement. De plus amples informations seront transmises aux étudiant.e.s crédité.e.s avant le début de l’EIOM.
Premièrement, une brève synthèse critique d’un atelier sur les outils est à remettre à la fin de la semaine.
Deuxièmement, un exercice de mise en situation propre à votre parcours est à remettre une semaine après l’EIOM.
Troisièmement, un travail de synthèse devra être soumis au plus tard 1 mois après la fin de l’École. Ce dernier peut prendre plusieurs formes afin d’offrir aux étudiant·e·s l’opportunité de perfectionner leur propre travail de recherche.
Finalement, l’évaluation repose sur la participation obligatoire : un minimum de 90% de présence dans le parcours choisi.
L’EIOM est fière d’être soutenue par le Centre pour l’étude de la citoyenneté démocratique.