Syllabus

Description et objectifs

Les analyses statistiques sont fondamentales à un processus scientifique rigoureux. Par conséquent, il est primordiale de comprendre les statistiques et de reporter correctement les analyses pour améliorer la transparence et la qualité de la science. Les objectifs du cours sont:

  1. Améliorer la compréhension des modèles statistique avancés (incluant les modèles mixtes généralisés)
  2. Développer de bonnes habitudes pour coder (utilisation de R et Rmarkdown)
  3. Améliorer la gestion des données et du code statistique (manipulation de données et github)
  4. Présenter les principes de science ouverte (se basant sur OSF, Open Science Framework)

Contenu

  • Statistiques (contenu flexible à définir en fonction de l’intérêt des participants)
    • Modèles linéaires généralisés
    • Modèles linéaires mixtes (généralisés et multivariés)
    • sujets flexibles:
      • Introduction aux stats Bayesienne
      • Analyse de piste
      • analyse spatiale
      • analyse multivariée
      • analyse en composante principale
      • GAM et GAMMs
      • …
  • Science ouverte répétable
    • R: Rmarkdown, tidyverse, et workflowr
    • git: github et autre alternative
    • Open Science framework avec OSF

Cours

Prof

  • Julien Martin

Heures de bureau

Meetings en personne à mon bureau ou via zoom.

  • Julien Martin: Mercredi 1100-1200 (au bureau et en ligne)

Où et quand

  • Cours: Mardis, 1430-1720 in TBT-323

Voir le site du cours pour plus de détails sur l’horaire.

Évaluation

L’évaluation sera basée sur la participation et sur la réalisation d’un projet qui analysera des données en utilisant R et documentera l’analyse avec Quarto.

  • 50% évaluation en classe:
    • 15 min présentation en petit groupes sur un article choisi par les étudiants (30%)
    • discussion en classe (10% questions, 10% discussions)
  • 50% travail de session présentant une analyse statistique vu en cours (ou plus complexes), analysé avec R et rédigé avec Quarto
    • courte présentation sur la proposition de projet final (10%)
    • final oral examination (40%)

Group presentations

ImportantRegister team, article and date

Please register for your presentations here.

You need to log into your uottawa account to have access

General info

The presentation counts for 30% of the final grade

The presentation should be based on one of the suggested paper or paper selected by the students (with my approval)

Presentation should be between 8-10 minutes long and are followed by 3-5 minutes of questions. They should provide a big picture of the study and the main hypothesis, a quick presentation of the data, detailed explanation of analysis and results, and finally a discussion on the clarity and adequacy of the statistical analysis. If the paper is more methodological, the presentation should present a summary version of the paper and discuss what what harder to understand or not understood.

Rubric

Content – 60 marks

  • Introduction: Background of the general ‘big picture’ and specific problem, study system, and specific hypotheses or predictions.
  • Methods: Brief outline of data collection and explanation of statistical methods used to address the hypotheses/predictions outlined in the introduction, including key assumptions.
  • Results: Visualizations clearly summarizing your results, using parallel structure to methods
  • Discussion: Summary of major results, alternative explanations for the observed results, conclusions/implications, future directions

Style – 30 marks

  • Organization
  • Clarity
  • Delivery: Timing, pace, tone, articulation
  • Originality: Creativity, critical thinking

Answers and understanding – 10 marks

Projet final

Informations générales

L’ensemble de votre travail sur le projet final compte pour 50% de la note finale

Utilisation de votre propre jeu de données (ou d’un jeu de données fourni par moi) :

  1. développer une question d’intérêt
  2. choisir l’analyse statistique appropriée pour répondre à la question
  3. présenter brièvement en classe votre plan d’analyse
  4. analyser les données à l’aide de R
  5. Préparez un court rapport à l’aide de Quarto en incluant le code et les sorties pour :
    • graphiques exploratoires
    • l’analyse
    • vérification des hypothèses du modèle
    • illustrations des résultats (tracés)
  6. Préparez une présentation de 15 minutes sous la forme d’un rapport statistique.
  7. soumettre votre travail via Brightspace avant la date limite
  8. Examen oral de 30 min (présentation et question)

Votre soumission sur Brightspace doit inclure :

  1. les diapositives de votre présentation finale (dans le format de votre choix)
  2. le rendu html de votre rapport court
  3. le fichier .qmd (utilisé pour générer le html)
  4. le(s) fichier(s) de données utilisé(s)
  5. fichiers supplémentaires nécessaires pour reproduire le document
    • fichiers .bib
    • fichiers .csl
    • …

Les fichiers manquants pour généré le rapport final entraînent une pénalité de 10 % sur la note du rapport.

Rubrique

Présentation du plan d’analyse (10%)

Présentation de 5 à 10 minutes de votre plan d’analyse comprenant :

  • question de recherche/hypothèse
  • structure des données
  • analyse potentielle

Rapport final (10%)

Le document contient toutes les analyses effectuées, est reproductible, clair, bien organisé et commenté (5%)

Examen oral final (30%)

L’examen oral se déroulera en tête-à-tête pendant la période d’examen. Il durera 30 minutes et comprendra une présentation de 12 à 15 minutes de votre travail, entrecoupée de questions de l’examinateur.

Structure de la présentation
Introduction
  • Contexte général et problème spécifique,
  • système d’étude
  • hypothèses spécifiques à tester
  • Prédictions
Méthodes
  • Bref aperçu de la collecte des données
  • Explication claire des méthodes statistiques utilisées pour hypothèses/prédictions énoncées dans l’introduction, y compris les principales hypothèses clés.
Résultats

Texte et visualisations résumant clairement vos résultats, en utilisant une structure parallèle aux méthodes. parallèle aux méthodes. Doivent inclure :

  • des graphiques clairs représentant les données et les résultats du modèle,
  • des tableaux présentant des statistiques
  • un texte décrivant les résultats
  • l’évaluation de l’hypothèse et de l’adéquation du modèle
Discussion
  • Résumé des principaux résultats
  • conclusions/implications
  • Limites de l’analyse (puissance, complexité du modèle, structure des données, …)
  • orientations futures

Contestations de notation

Si vous estimez qu’une erreur a été commise dans la notation d’un devoir ou d’un examen, vous disposez d’un délai de 10 jours ouvrables à compter de la date de retour de l’examen pour demander une nouvelle notation. Au-delà de ces 10 jours ouvrables, la note est considérée comme définitive. Si le problème concerne un travail de laboratoire, veuillez consulter l’enseignant-chercheur qui l’a corrigé ; s’il s’agit d’un examen, veuillez vous adresser à l’enseignant du cours.

Lors d’un reclassement, la nouvelle note sera maintenue, qu’elle soit supérieure ou inférieure, il n’y a donc aucune garantie que votre note augmente. De simples erreurs d’addition se produisent malheureusement parfois, étant donné le volume de devoirs et d’examens que nous devons corriger, et ces cas sont faciles à corriger. Toutefois, les litiges concernant des notes partielles sur des réponses partiellement correctes ne seront pas toujours en votre faveur et devraient être réservés aux situations dans lesquelles vous estimez avoir des arguments solides. Lorsque vous demandez un reclassement, vous devez fournir une explication de ce que vous pensez être le problème (c’est-à-dire pourquoi vous pensez que vous méritez une meilleure note). Plus vous serez précis, plus vous aurez de chances d’obtenir gain de cause.

Je ne prends pas en considération les arguments en faveur de notes supplémentaires simplement parce que vous êtes proche de la note supérieure.

Plagiat

Le plagiat est l’acte de faire passer les mots ou les idées de quelqu’un d’autre pour les siens. Le plagiat est une infraction académique majeure (voir le règlement de l’Université d’Ottawa sur la fraude académique : Fraude académique) et est également illégal. Nous respectons la loi. Il est essentiel que vous compreniez ce qu’est le plagiat et comment vous pouvez l’éviter. Pour plus d’informations, consultez le document suivant du Service de la réussite scolaire des étudiants.

Présence

Conformément à la politique de l’Université d’Ottawa, les étudiants ont la responsabilité de participer aux diverses activités d’apprentissage et d’évaluation de ce cours afin de s’assurer qu’ils réussissent dans tous les cours de leur programme d’études. La présence aux cours magistraux et au laboratoire n’est pas formellement requise pour ce cours, mais elle est FORTEMENT recommandée. Les diapositives fournies ne comprennent pas tout le contenu présenté et discuté en classe, et les assistants d’enseignement et le professeur sont disponibles pendant les laboratoires pour aider avec les exercices et les devoirs. Les heures de bureau des assistants d’enseignement et du professeur sont destinées à vous permettre de poser des questions relatives au matériel du cours et ne peuvent pas remplacer un cours ou un laboratoire manqué.

Bilinguisme

Veuillez noter que la classe est bilingue. Cela signifie que toutes les questions peuvent être posées ou répondues en français ou en anglais et que le professeur traduira les réponses si nécessaire. La majorité du contenu du cours (diapositives, manuel de laboratoire) est fournie en anglais uniquement, mais des explications peuvent être fournies dans les deux langues.

De plus, conformément à la politique de l’Université d’Ottawa, tous les étudiants ont le droit de produire leurs travaux écrits et de répondre aux questions d’examen dans la langue officielle de leur choix, quelle que soit la langue d’enseignement du cours.