Coursebooks

Data in context: Critical Data Studies I

HUM-485

Lecturer(s) :

Choirat Christine
Krichane Selim
Mazel-Cabasse Charlotte Julie Sophie

Language:

Français

Résumé

Le cours "Critical Data Studies" s'inscrit dans la nouvelle offre d'enseignements UNIL/EPFL qui propose de croiser des savoirs provenant des SHS et des sciences de l'ingénieur afin d'aborder des thématiques complexes qui nécessitent une méthodologie interdisciplinaire.

Contenu

Une donnée n'est jamais neutre. Elle s'inscrit toujours dans un « assemblage de données » qui dépend d'une multitude de facteurs contextuels, d'agents humains, d'institutions, ou encore de déterminations techniques. Et pourtant, les données, aujourd'hui traitées massivement dans le domaine social, culturel, autant que dans celui de la recherche, sont souvent perçues comme des entités objectives, permettant de limiter les biais de l'interprétation subjective. Cela dit, les débats contemporains autour de la reconnaissance faciale ou de l'intelligence artificielle nous montrent que les données massives peuvent elles-mêmes produire des résultats problématiques, qui dépendent souvent de leur usage en société et des intentions des acteurs qui les emploient, les étudient, ou les commercialisent. Dès lors, quels sont les a priori à partir desquels nous tirons des informations et construisons des savoirs à partir de jeux de données ? Comment comprendre cette notion englobante qui qualifie aujourd'hui des informations provenant de l'astrophysique, d'interactions sociales, autant que de sources textuelles ?

Le cours UNIL/EPFL « Critical Data Studies » s'attache à mettre en lumière les défis méthodologiques autant que l'ensemble des biais qui peuvent découler de l'étude de données considérées, a priori, comme « objectives » et naturelles.

Durant la première partie du semestre, les étudiants se familiarisent avec un écosystème numérique permettant le traitement, l'analyse et le partage de données massives (environnement Renku) tout en découvrant les travaux issus du champ contemporain des « critical data studies » qui portent sur « les défis culturels, éthiques et critiques que posent les données massives » (Iliadis et Russo 2016).
Le cours, organisé autour de projets interdisciplinaires, proposera de retracer la chaîne des données telle qu'elle apparaît dans les dispositifs numériques contemporains (acquisition, transformation, modélisation, visualisation, etc.), afin de questionner chacune de ces étapes à partir d'outils critiques et réflexifs. Qu'est-ce que le traitement quantitatif fait aux données ? Comment sont-elles transformées lors de leur collecte ? Comment concilier la prise en compte du contexte et le traitement automatisé de larges ensembles de données ? A partir de quels présupposés leur donne-t-on du sens ? Quelle est l'histoire de la notion de 'données' ?

 

Mots-clés

Data science

Critical studies.

Social sciences

 

POLY-perspective :

https://www.epfl.ch/schools/cdh/fr/la-vision-du-cdh-poly-perspective/

 

Compétences requises

Cours prérequis indicatifs

Une formation préalable dans le langage de programmation Python ou R est recommandée. Une formation courte (mise à niveau) sera disponible pendant les séances d'atelier qui suivent le cours, chaque semaine.

 


Des connaissances de base en programmation (Python ou R) et/ou en statistiques sont bienvenues.

Concepts importants à maîtriser

Ce cours vous permettra d'acquérir les bases techniques pour conduire et documenter une recherche à partir d'un jeu de données, en prenant en compte les enjeux éthiques, politiques et méthodologiques relatifs.

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

Compétences transversales

Méthode d'enseignement

Le premier semestre sera dédié à la présentation du contenu du cours lors de séances plénières. Les considérations théoriques issues du domaine des « critical data studies » seront présentées en parallèle des outils de traitement de données. Les étudiants forment des groupes dans le courant du premier semestre pour ensuite sélectionner un jeu de données qui fera l'objet de leur projet durant le deuxième semestre. La plupart des séances du premier semestre seront données par les membres de l'équipe pédagogique, à l'exception de quelques séances assurées par des conférenciers invités.
Durant le premier semestre, la dernière heure de cours prendra la forme d'ateliers participatifs, autour de lecture ou d'exercices concrets d'analyse de data sets.

Travail attendu

- Participation active aux sessions

- Mise à niveau en SHS ou en Data Science selon le profil d'origine

- Réalisation de plusieurs projets de groupe

Méthode d'évaluation

L'évaluation du cours porte sur les éléments suivants :


- Test écrit sur le contenu du cours durant le premier semestre (mid-term) 50%
- Présentation en groupe du dataset et de la problématique du projet (fin du premier semestre) 50%

 

Encadrement

Office hours Oui
Assistants Oui
Forum électronique Oui

Ressources

Bibliographie

O'Neil, C. (2017). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. College & Research Libraries (Vol. 78). https://doi.org/10.5860/crl.78.3.403

 

Salganik, M. J. (2017). Bit by Bit: Social Research in the Digital Age. Princeton, NJ: Princeton University Press. Open review edition.

 

Gold, M., & Klein, L. (Eds.). (2019). Debates in the Digital Humanities 2019. Minneapolis; London: University of Minnesota Press. doi:10.5749/j.ctvg251hk

 

Strasser, B. (2019) Collecting Experiments: Making Big Data Biology, The university of Chicago Press.

 

Leonelli, S. (2019) La recherche scientifique à l'ère des Big Data: cinq façons dont les données massive nuisent à la science, et comment la sauver. Éditions Mimésis, pp. 122. ISBN: 978-8869761843.

Ressources en bibliothèque
Sites web
Liens Moodle

In the programs

    • Semester
       Fall
    • Exam form
       During the semester
    • Credits
      3
    • Subject examined
      Data in context: Critical Data Studies I
    • Number of places
      30
    • Lecture
      2 Hour(s) per week x 14 weeks
    • Project
      1 Hour(s) per week x 14 weeks
  • UNIL - Autres facultés, 2020-2021, Autumn semester
    • Semester
       Fall
    • Exam form
       During the semester
    • Credits
      3
    • Subject examined
      Data in context: Critical Data Studies I
    • Number of places
      30
    • Lecture
      2 Hour(s) per week x 14 weeks
    • Project
      1 Hour(s) per week x 14 weeks

Reference week

 MoTuWeThFr
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17  BS150  
17-18    
18-19  BS150  
19-20     
20-21     
21-22     
 
      Lecture
      Exercise, TP
      Project, other

legend

  • Autumn semester
  • Winter sessions
  • Spring semester
  • Summer sessions
  • Lecture in French
  • Lecture in English
  • Lecture in German