Éditions précédentes de l'EIOM
Cheminements
3e Édition: 28 août-1 septembre 2023
1. Le meilleur des deux mondes: les méthodes mixtes
Le parcours Le meilleur des deux mondes: les méthodes mixtes offre une formation unique sur la collecte, l’analyse et l’interprétation d’un devis de recherche mixte (qualitatif et quantitatif).
Les séances de la semaine abordent notamment la construction d’un devis de recherche incorporant des données qualitatives et quantitatives, les études de cas comparatives, l’entrevue, l’épistémologie de la recherche avec devis de recherche mixtes et plus encore.
2. La science des données: modélisation et prédiction
Le parcours La science des données: modélisation et prédiction se consacre aux questions importantes soulevées par les plus récents développements dans le monde de la science des données (data science).
Les séances abordent notamment la régression linéaire simple, multiple et logistique, les bases de l’apprentissage machine (machine learning) et la visualisation graphique.
3. Distinguer la cause de l’effet : causalité et expérimentation
Le parcours Distinguer la cause de l’effet: causalité et expérimentation porte sur l’inférence causale et la recherche expérimentale.
Pendant la semaine, les séances abordent notamment les bases de la logique causale, la conduite de la recherche expérimentale, le processus de génération des données (data generating process) et les designs de recherche quasi-expérimentale conçus avec des données observationnelles.
Lundi 28 août | Mardi 29 août | Mercredi 30 août | Jeudi 31 août | Vendredi 1 septembre |
Introduction aux méthodes mixtes Sarah Lajeunesse |
Méthodes mixtes: collecte de données I Christine Gibb |
Méthodes mixtes: collecte de données II Christine Gibb |
Analyse de données mixtes I Johanna Masse |
Analyse de données mixtes II Johanna Masse |
Lundi 28 août | Mardi 29 août | Mercredi 30 août | Jeudi 31 août | Vendredi 1 septembre |
Régression linéaire I Simon Coulombe | Régression linéaire II Simon Coulombe | Régression logistique Simon Coulombe | Quelques éléments de machine learning Aurélien Nicosia | Machine learning et visualisation graphique Aurélien Nicosia |
Lundi 28 août | Mardi 29 août | Mercredi 30 août | Jeudi 31 août | Vendredi 1 septembre |
Introduction à la causalité Vincent Arel-Bundock | Causalité et probabilité Vincent Arel-Bundock | Recherche expérimentale William Arbour | Inférence causale avec données observationnelles I William Arbour | Inférence causale avec données observationnelles I William Arbour |
Ateliers sur les outils
Lundi 28 août | Mardi 29 août | Mercredi 30 août | Jeudi 31 août | Vendredi 1 septembre |
L’interdisciplinarité en recherche Laurie Durel |
Scoping review: méthode systématique de construction d’un revue de la littérature Adrien Cloutier et Emmanuelle Raynard |
La modélisation formelle Arthur Silve |
La recherche et le monde professionnel Charles Tessier |
Les outils de recherche : conclusion Yannick Dufresne |
2e Édition: 29 août-3 septembre 2022
Cheminements
1. Le meilleur des deux mondes: les méthodes mixtes
Le parcours Le meilleur des deux mondes: les méthodes mixtes a pour objectif d’offrir aux étudiant·e·s une formation unique sur la collecte, l’analyse et l’interprétation d’un devis de recherche mixte. Le parcours inclut notamment des séances dédiées à l’épistémologie des méthodes mixtes ainsi qu’à l’élaboration d’un devis de recherche incorporant des données qualitatives et quantitatives.
2. Tirer profit de l’ère numérique: la science des données
Le parcours Tirer profit de l’ère numérique: la science des données est consacré aux questions importantes soulevées par les plus récents développements dans le monde du data science. Les séances seront dévouées à la régression linéaire et logistique, au machine learning et à plus encore!
3. Distinguer la cause de l’effet : l’inférence causale
Le parcours Distinguer la cause de l’effet: l’inférence causale est consacré à l’inférence causale. Les séances porteront notamment sur la logique expérimentale et les designs de recherche avec inférence causale basés sur des données observationnelles.
Lundi 29 août | Mardi 30 août | Mercredi 31 août | Jeudi 1 septembre | Vendredi 2 septembre | Samedi 3 septembre |
Les méthodes mixtes: un monde de possibilités Sarah Lajeunesse |
Parler un même language: les bases de la recherche scientifique Johanna Massé |
Qu’est-ce que sont les méthodes mixtes? Christine Gibb |
Planifier une étude mixte Christine Gibb |
Analyse quali-quantitative comparée (QCA) Benoît Rihoux |
La méthode comparative Alexandre Pelletier |
Lundi 29 août |
Mardi 30 août |
Mercredi 31 août |
Jeudi 1 septembre |
Vendredi 2 septembre |
Samedi 3 septembre |
Régression linéaire I Simon Coulombe |
Régression linéaire II Simon Coulombe |
Régression logistique Simon Coulombe |
Machine learning I Anne-Sophie Charest |
Machine learning II Anne-Sophie Charest |
Visualisation graphique Aurélien Nicosia |
Lundi 29 août | Mardi 30 août | Mercredi 31 août | Jeudi 1 septembre | Vendredi 2 septembre | Samedi 3 septembre |
Les bases de l’inférence causale I Evelyne Brie | Inférence causale II Evelyne Brie | Inférence causale III Evelyne Brie | Inclusion, exclusion, monotonicité et estimation par moindres carrés en deux étapes Mathieu Turgeon | Mondes parallèles, tendances communes et estimation causale par moindres carrés ordinaires Mathieu Turgeon | Régression sur discontinuité: discontinuité tranche, linéarité et longueur de bande Mathieu Turgeon |
Ateliers sur les outils
Lundi 29 août | Mardi 30 août | Mercredi 31 août | Jeudi 1 septembre | Vendredi 2 septembre | Samedi 3 septembre |
Qu’est-ce que l’interdisciplinarité? Laurie Durel | Réflexions éthiques et morales en recherche qualitative Johanna Massé | Systématiser une revue de littérature Adrien Cloutier | La recherche et le monde professionnel Charles Tessier | Rédaction des sections méthodologiques dans les publications de recherche : bonnes pratiques, trucs et ficelles Benoît Rihoux | Les outils de recherche : être à l’avant-garde Yannick Dufresne |
1e Édition: 3-8 janvier 2022
Cheminements
1. Terrain et études de cas comparées
Le parcours Terrain et études de cas comparées a pour objectif d’offrir aux étudiant·e·s une formation sur une série de méthodes essentielles afin de mener une recherche avec des données recueillies sur le terrain. Ce parcours inclut notamment des séances dédiées aux techniques d’entrevues, aux approches participatives, à l’épistémologie de la recherche de terrain et aux méthodes mixtes. Le parcours Terrain et études de cas comparées ne se fonde pas sur une perspective strictement qualitative. Le parcours intègre plutôt plusieurs outils et stratégies de recherche issus d’une approche quantitative dont l’objectif est d’exploiter au maximum les données.
2. Modélisation et prédiction
Le parcours Modélisation et prédiction est consacré à la régression linéaire, à la régression logistique et aux techniques d’apprentissage machine (machine learning). L’objectif du parcours est d’offrir aux participant·e·s une formation dédiée à la construction de modèles statistiques explicatifs et prédictifs avec des données en tout genre. Le parcours se base sur le langage de programmation statistique R. Néanmoins, une connaissance avancée de R n’est pas un pré-requis.
3. Causalité et expérimentation
Le parcours Causalité et expérimentation est consacré à l’inférence causale par expérience naturelle ainsi qu’aux méthodes d’identification causale avec des données observationnelles. L’objectif du parcours est d’offrir aux participant.e.s une formation sur les techniques d’inférence causale les plus répandues, incluant l’expérience naturelle, l’estimation régression sur discontinuité, et l’estimation par moindres carrés en deux étapes.
Lundi 3 janvier | Mardi 4 janvier | Mercredi 5 janvier | Jeudi 6 janvier | Vendredi 7 janvier | Samedi 8 janvier |
Introduction au terrain Christine Gibb | Entrevues Christine Gibb | Approches participatives Christine Gibb | Épistémologie du terrain Émilie Dionne | Études de cas et devis de recherche comparatif Benoît Rihoux | Méthodes mixtes et QCA Benoît Rihoux |
Lundi 3 janvier | Mardi 4 janvier | Mercredi 5 janvier | Jeudi 6 janvier | Vendredi 7 janvier | Samedi 8 janvier |
Régression linéaire I Simon Coulombe | Régression linéaire II Simon Coulombe | Régression logistique Simon Coulombe | Machine learning I Anne-Sophie Charest | Machine learning II Anne-Sophie Charest | Machine learning III Anne-Sophie Charest |
Lundi 3 janvier | Mardi 4 janvier | Mercredi 5 janvier | Jeudi 6 janvier | Vendredi 7 janvier | Samedi 8 janvier |
Les bases de l’inférence causale Evelyne Brie | Expérience naturelle et matching Evelyne Brie | Inclusion, exclusion, monotonicité et estimation par moindres carrés en deux étapes Mathieu Turgeon | Mondes parallèles, tendances communes et estimation causale par moindres carrés ordinaires Mathieu Turgeon | Régression sur discontinuité: discontinuité tranche, linéarité et longueur de bande Mathieu Turgeon | Le laboratoire: perspectives et opportunités pour l’étude de la politique et la cognition Benoît Béchard |
Ateliers sur les outils
Lundi 3 janvier | Mardi 4 janvier | Mercredi 5 janvier | Jeudi 6 janvier | Vendredi 7 janvier | Samedi 8 janvier |
Modélisation formelle Arthur Silve | Web scraping Benjamin Guinaudeau | Analyse textuelle Nadjim Fréchet | Anthropologie et santé publique : parcours, recherches et défis Maryline Vivion | Du droit au terrain Christine Vézina | Conférence de clôture Mickael Lewis-Beck |