La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Licence 3 ème année de sociologie Semestre 1 Analyse de données quantitatives Enseignant: F. Lebaron.

Présentations similaires


Présentation au sujet: "Licence 3 ème année de sociologie Semestre 1 Analyse de données quantitatives Enseignant: F. Lebaron."— Transcription de la présentation:

1 Licence 3 ème année de sociologie Semestre 1 Analyse de données quantitatives Enseignant: F. Lebaron

2 Présentation de lenseignant Enseignant-chercheur à lUPJV depuis Actuellement responsable du master et du laboratoire CURAPP-ESS. Domaines: sociologie économique, classes et inégalités sociales,méthodes quantitatives, épistémologie, sociologie politique. Me contacter: Permanences: les lundis 13h-14h & 18h-19h, bureau E225. Sur rendez-vous de préférence. Site Web:

3 Quelques informations sur vous (merci de remplir une fiche et de la déposer à lenseignant à la fin du cours) Nom et prénom. Adresse électronique. Date et lieu de naissance. Adresse (en semaine). Lieu(x) et établissement(s) des études secondaires. Année, section, le cas échéant mention du Bac. Autres études post-bac éventuelles avant le L3. Etudes envisagées après le L3 de sociologie Projets professionnels. Intérêts particuliers en sociologie.

4 Pourquoi un enseignement sur lanalyse des données quantitatives ? Origine de cet enseignement: introduction de la statistique dans le cursus de sociologie (années 60). La sociologie, « science de lenquête » (vs « science du modèle »): les théories naissent de linterprétation de données. Les limites de linformation « qualitative » (observation, entretien) et le besoin de données statistiques pour établir des lois ou régularités.

5 Procédure et interprétation statistique, interprétation sociologique Lanalyse des données quantitatives se situe après la construction dune problématique, le recueil des données (collecte dobservations) et avant linterprétation sociologique des données. Elle met en œuvre des procédures statistiques élémentaires (exemple: calcul dune moyenne) ou plus sophistiquées (AC).

6 Faut-il aimer les maths ou être « fort en maths » pour faire de la sociologie quantitative ? Non. Il faut avant tout du « bon sens », de la rigueur et de la curiosité intellectuelle. Les procédures élémentaires sont « naturelles », par opposition à « artificielles ». Examiner rigoureusement les données. En général, le chercheur ne met pas en œuvre « manuellement » toutes les étapes de la procédure statistique (surtout sophistiquée), mais il doit savoir interpréter statistiquement les résultats avant den proposer une interprétation sociologique.

7 Modalités dévaluation Contrôle continu. Un devoir sur table au cours du semestre (date à fixer) + un devoir à rendre à la fin du semestre. (Moyenne équipondérée). Feuille de présence. Pas plus de 2 absences injustifiées. Avoir une calculette.

8 Eléments de bibliographie générale Henry Rouanet, Brigitte Le Roux, Marie-Claude Bert, Statistique en sciences humaines. Procédures naturelles, Paris, Dunod, Henry Rouanet, Brigitte Le Roux, Statistique en sciences humaines. Exercices & Solutions, Paris, Dunod, Frédéric Lebaron, Lenquête quantitative en sciences sociales, Paris, Dunod, Jean-Claude Combessie, La méthode en sociologie, Paris, La Découverte, 4ème éd., 2003.

9 Plan de lenseignement Séance 1: Introduction – éléments de vocabulaire statistique. Séance 2: Variables numériques. Les indices de tendance centrale. Séance 3: Variables numériques. Les indices de dispersion. La décomposition de la variance. Séance 4: Variables numériques. Les indicateurs dinégalités et de bien-être (indice de Gini, IDH, etc.). Séance 5: Variables numériques. La corrélation linéaire. Séance 6: Variables numériques. Visualisations graphiques.

10 Plan de lenseignement Séance 7: Les variables catégorisées. Vocabulaire. Statistiques élémentaires. Séance 8: Les variables catégorisées. Visualisations graphiques. Séance 9: Les variables catégorisées. Les tableaux de contingence 1. Séance 10: Les variables catégorisées. Les tableaux de contingence 2.

11 Séance 1. Vocabulaire Individu: unité statistique. Peut-être une « personne » (ex: le répondant à un questionnaire) ou toute autre unité pertinente (établissement, entreprise, ménage, unité administrative, temporelle ou textuelle…). Identificateur ou identifiant: indice ou code désignant chaque individu. Population: ensemble dindividus, défini selon un critère. N: nombre dindividus de la population. Echantillon : sous-ensemble de la population.

12 Lunivers observé Protocole: dossier de données individuelles (peut être univarié ou multivarié). Observation: donnée relative à un individu. Modalité: réponse à une question, catégorie dune variable. Exemple: 28 ans à la question Age. Modalité observable: réponse possible. Modalité observée: réponse donnée.

13 Les types de variables Variable: application dun ensemble dindividus I dans un ensemble de modalités observables K. Variable numérique: lensemble K est un ensemble de nombres. Exemple: âge mesuré en années révolues. [Quantitative. Continue / discrète]. La modalité est souvent appelée valeur. Variable catégorisée: lensemble K est un ensemble de catégories. Exemples: le sexe (deux modalités : homme / femme) ; lâge en classes (moins de 20 ans, de 20 à 30 ans, plus de 30 ans). [Qualitative. Ordinale. Quantitative mise ne classe. Nominale. Amorphe.]

14 Les deux visées de la statistique Visée descriptive: porte sur les données recueillies et elles seules. Les sociologues se contentent souvent de cet objectif, car ils travaillent sur des populations limitées et bien définies. Exemple: tous les étudiants de socio 1ère année à lUPJV en Visée inductive: on veut conclure au-delà des données observées. Exemple: connaître lopinion des Européens en enquêtant sur un échantillon de 27 fois environ mille nationaux résidents.

15 Les procédures statistiques Statistique descriptive: toute statistique ne dépendant pas de la taille (n ou N) de léchantillon ou de la population (précisément, la taille est placée au dénominateur de lopération descriptive: exemples moyenne, fréquence). Statistique inférentielle: toute statistique dépendant de la taille (n ou N) de léchantillon ou de la population. Elle permet de « passer » dun échantillon à une population plus large (quelle soit réelle ou virtuelle). Elle est utilisée comme outil dadministration de la preuve, pour écarter le « hasard », pour « monter en généralité ».

16 Objectifs statistiques et sociologiques du cours Savoir passer de questionnements sociologiques à un protocole de fabrication dobservations statistiques. Etre autonome dans la production des données. Etre capable de répondre aux questions de recherche à partir des résultats produits, en articulant interprétation statistique et interprétation sociologique.


Télécharger ppt "Licence 3 ème année de sociologie Semestre 1 Analyse de données quantitatives Enseignant: F. Lebaron."

Présentations similaires


Annonces Google