Spécialisation Méthodes et statistiques en sciences sociales

Dans ce cours, vous serez initié aux idées de base de la recherche qualitative en sciences sociales. Vous apprendrez la collecte, la description, l'analyse et l'interprétation des données dans le cadre de la recherche qualitative. La recherche qualitative implique souvent un processus itératif. Nous nous concentrerons sur les ingrédients nécessaires à ce processus : la collecte et l'analyse des données. Vous n'apprendrez pas à utiliser les méthodes qualitatives en vous contentant de regarder des vidéos, c'est pourquoi nous mettons l'accent sur la collecte de données par l'observation et les entretiens, ainsi que sur l'analyse et l'interprétation des données collectées dans d'autres travaux. Les concepts les plus importants de la recherche qualitative seront évidemment abordés, tout comme les critères de qualité, les bonnes pratiques, l'éthique, la rédaction de certaines méthodes d'analyse et les méthodes mixtes. Nous espérons faire tomber certains préjugés, et enthousiasmer de nombreux étudiants pour la recherche qualitative.

Comprendre les statistiques est essentiel pour comprendre la recherche en sciences sociales et comportementales. Dans ce cours, vous apprendrez les bases de la statistique, non seulement comment les calculer, mais aussi comment les évaluer. Ce cours vous préparera également au cours suivant de la spécialisation - le cours Statistiques déductives.

Dans la première partie du cours, nous aborderons les méthodes de statistiques descriptives. Vous apprendrez ce que sont les cas et les variables et comment vous pouvez calculer les mesures de tendance centrale (moyenne, médiane et mode) et de dispersion (écart-type et variance). Ensuite, nous discuterons de la manière d'évaluer les relations entre les variables et nous introduirons les concepts de corrélation et de régression. La deuxième partie du cours porte sur les bases de la probabilité : le calcul des probabilités, les distributions de probabilité et les distributions d'échantillonnage. Vous devez connaître ces notions pour comprendre le fonctionnement des statistiques déductives. La troisième partie du cours consiste en une introduction aux méthodes de Statistiques déductives - des méthodes qui nous aident à décider si les modèles que nous observons dans nos données sont suffisamment solides pour tirer des conclusions sur la population sous-jacente qui nous intéresse. Nous discuterons des intervalles de confiance et des tests de Significativité. Normalement, vous ne devriez pas seulement apprendre tous ces concepts statistiques, mais vous devriez également être formé pour calculer et générer ces statistiques vous-même en utilisant des logiciels statistiques disponibles gratuitement. En raison de problèmes techniques, nous sommes actuellement dans l'impossibilité de le faire. Nous essaierons de proposer à nouveau cette formation prochainement.

Les statistiques déductives s'attachent à faire des déductions basées sur les relations trouvées dans l'échantillon, aux relations dans la population. Les statistiques déductives nous aident à décider, par exemple, si les différences entre les groupes que nous observons dans nos données sont suffisamment fortes pour étayer notre hypothèse selon laquelle les différences entre les groupes existent en général, dans l'ensemble de la population. Nous commencerons par examiner les principes de base des tests de signification : la distribution de l'échantillonnage et des statistiques de test, la valeur p, le niveau de signification, la puissance et les erreurs de type I et de type II. Nous examinerons ensuite un grand nombre de tests statistiques et de techniques qui nous aident à faire des inférences pour différents types de données et différents types de plans d'expérience. Pour chaque test statistique, nous examinerons comment il fonctionne, pour quelles données et quel design il est approprié et comment les résultats doivent être interprétés.

Normalement, vous devriez également apprendre à effectuer ces tests à l'aide du logiciel gratuit R. En raison de problèmes techniques, nous ne sommes pas en mesure de le faire. Pour ceux qui sont déjà familiers avec les tests statistiques : Nous examinerons les tests z pour 1 et 2 proportions, le test de McNemar pour les proportions dépendantes, les tests t pour 1 moyenne (différences appariées) et 2 moyennes, le test du khi carré pour l'indépendance, le test exact de Fisher, la régression simple (linéaire et exponentielle) et la régression multiple (linéaire et logistique), l'analyse de variance unidirectionnelle et factorielle, et les tests non paramétriques (Wilcoxon, Kruskal-Wallis, test des signes, test du rang signé, test des runs).

Le projet de recherche final consiste en une étude de recherche que vous réaliserez en collaboration avec d'autres apprenants. Ensemble, vous formulerez une hypothèse de recherche et une conception, vous trouverez des opérationnalisations, vous créerez des instruments de manipulation et de mesure, vous collecterez des données, vous effectuerez des analyses statistiques et vous documenterez les résultats.

Dans ce cours, vous passerez en revue l'ensemble du processus de recherche et serez en mesure d'aider à déterminer la question de recherche que nous étudierons et la manière dont nous concevrons et réaliserons la recherche. Il s'agit d'une expérience inestimable si vous souhaitez être en mesure d'évaluer de manière critique la recherche scientifique dans le domaine des sciences sociales et comportementales ou de concevoir et de réaliser vos propres études à l'avenir.