Université Laval · Département de science politique · Automne 2026
Méthodologie quantitative
00 Maintenant
jeudi 3 septembre · 15h30 à 18h20 · DKN-3159
Introduction et les éléments fondamentaux de la recherche
Une question, les mots pour la poser, et ce qu'il faut installer.
01 La session
- 1
jeudi 3 septembre
Introduction et les éléments fondamentaux de la recherche
Une question, les mots pour la poser, et ce qu'il faut installer.
- 2
jeudi 10 septembre
Introduction à R et à Positron
R à partir de zéro, en direct.
Apportez l'ordinateur, R et Positron installés.
à venir - 3
jeudi 17 septembre
Les statistiques descriptives et la visualisation des données
Décrire une variable : la forme d'une distribution, son centre, sa dispersion. Et la dessiner.
à venir - 4
jeudi 24 septembre
Préparer ses données avec R
Lire un codebook, recoder, gérer les valeurs manquantes.
L'examen 1 ouvre aujourd'hui.
à venir - 5
jeudi 1 octobre
L'inférence statistique
Ce que je vois dans un échantillon, puis-je le dire de toute la population ?
Examen 1 à remettre dimanche 4 octobre.
à venir - 6
jeudi 8 octobre
Rencontres individuelles
Pas de cours de la semaine : on se voit, un.e à la fois, avec les auxiliaires et le tuteur, pour le travail de mi-session.
à venir - 7
jeudi 15 octobre
La régression linéaire simple
Une droite qui résume une relation, et ce que ses chiffres veulent dire.
à venir - 8
jeudi 22 octobre
La régression linéaire multiple
Plusieurs variables explicatives à la fois. Ce que « contrôler pour » veut dire.
Travail de mi-session à remettre dimanche 25 octobre.
à venir - —
jeudi 29 octobre
Semaine de lecture
Aucun cours du 26 au 30 octobre.
- 9
jeudi 5 novembre
De la question au tableau de régression : à la main, puis avec l'IA
Le travail final, du début à la fin. D'abord vous, puis un agent d'IA, et on le vérifie.
à venir - 10
jeudi 12 novembre· examen en classe
Le problème fondamental de l'inférence causale
On ne voit jamais les deux mondes à la fois. Tout part de là.
Examen 2 en classe, de 17h20 à 18h20, après le cours.
à venir - 11
jeudi 19 novembre
Les graphes orientés acycliques (GOA)
Dessiner ses hypothèses causales. Décider quoi contrôler, ou pas.
à venir - 12
jeudi 26 novembre
Rencontres individuelles
Pas de cours de la semaine : on revient sur l'examen 2 et on avance votre travail final, un.e à la fois.
à venir - 13
jeudi 3 décembre
Les biais
Variable omise, sélection, mesure, simultanéité : ce qui fausse une régression.
à venir - 14
jeudi 10 décembre· examen en classe
Les expériences, et révision
Le hasard comme méthode. Puis on revoit tout.
Examen 3 en classe, de 17h20 à 18h20, après le cours · travail final vendredi 18 décembre.
à venir
02 Évaluations et remises
- dim. 4 oct. 23h59
Examen 1 · Analyser des données avec R
À distance, sur ordinateur · boîte de dépôt · ouvre le jeu. 24 sept.
15 % À venir - dim. 25 oct. 23h59
Travail de mi-session
Individuel · PDF, boîte de dépôt
20 % À venir - dim. 25 oct. 23h59
Datacamp · 1re partie
Tous les devoirs de la première moitié
5 % À venir - jeu. 12 nov. 17h20 à 18h20
Examen 2 · Les statistiques descriptives
En classe, après le cours · sur papier, à livre ouvert · aucun appareil
15 % À venir - jeu. 10 déc. 17h20 à 18h20
Examen 3 · Régressions linéaires simple et multiple
En classe, après le cours · sur papier, à livre ouvert · aucun appareil
15 % À venir - ven. 18 déc. 23h59
Travail final
Individuel · PDF, boîte de dépôt · Positron obligatoire
25 % À venir - ven. 18 déc. 23h59
Datacamp · 1re et 2e parties
Tous les devoirs de la session
5 % À venir
03 Exercices Datacamp
data(presidents) # `presidents` : la cote d'approbation des présidents américains,
# chaque trimestre, de 1945 à 1974. Cliquez Run pour la voir.
presidents
# À vous : calculez la cote moyenne avec mean().
# Il y a des valeurs manquantes (NA) : ajoutez na.rm = TRUE. presidents
mean(presidents, na.rm = TRUE) test_function("mean", args = c("x", "na.rm"))
success_msg("Bravo ! Votre premier calcul en R, sur de vraies données politiques.")Un chapitre par séance, dans cet ordre
lien vers la classe à venir- 1 3 sept Introduction to RIntro to basics
- 2 10 sept Introduction to RVectors
- 3 17 sept Introduction to Statistics in RSummary Statistics
- 4 24 sept Intermediate RConditionals and Control Flow
- 5 1 oct Introduction to the TidyverseData Wrangling · Grouping and Summarizing
- 6 8 oct Rencontres individuelles · rien de nouveau
- 7 15 oct Introduction to Data Visualization with ggplot2Introduction · Aesthetics
- 8 22 oct Introduction to Data Visualization with ggplot2Geometries · Themes
- 25 oct1re partie remise : les séances 1 à 8 · 5 %
- —29 octSemaine de lecture · rien à faire
- 9 5 nov Introduction to Regression in RSimple Linear Regression
- 10 12 nov Introduction to Regression in RPredictions and model objects
- 11 19 nov Introduction to Regression in RAssessing model fit
- 12 26 nov Rencontres individuelles · rien de nouveau
- 13 3 déc Introduction to Regression in RSimple logistic regression
- 14 10 déc Rien de nouveau : on termine
- 18 décTout remis, 1re partie comprise · 5 %
04 L'équipe
Semaines du 8 octobre et du 26 novembre · rencontres individuelles avec toute l'équipe, pas de cours. Autrement, sur rendez-vous : écrivez-nous.