HUM-486 / 3 crédits

Enseignant(s): Mazel-Cabasse Charlotte Julie Sophie, Krichane Selim, Choirat Christine

Langue: Français

Retrait: Il n'est pas autorisé de se retirer de cette matière après le délai d'inscription.

Remarque: S'inscrit dans le programme TILT qui regroupe des enseignements interdisciplinaires UNIL-EPFL coordonnés par le CdH (https://www.epfl.ch/schools/cdh/fr/enseignement/cours-unil-epfl-2020-2021/).


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

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.

Acquis de formation

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

  • Appliquer des outils de data science
  • Analyser une étude de cas
  • Critiquer les hypothèses des modèles

Compétences transversales

  • Accéder aux sources d'informations appropriées et les évaluer.
  • Ecrire un rapport scientifique ou technique.
  • Recueillir des données.
  • Planifier des actions et les mener à bien de façon à faire un usage optimal du temps et des ressources à disposition.
  • Dialoguer avec des professionnels d'autres disciplines.
  • Faire preuve d'esprit critique
  • Recevoir du feedback (une critique) et y répondre de manière appropriée.

Méthode d'enseignement

Le deuxième semestre sera dédié à la réalisation de projets interdisciplinaires menés par les groupes mixtes d’étudiants (UNIL/EPFL). A l’exception de la première semaine du semestre et de trois séances « milestone », le travail sur le projet s’effectuera hors-classe. Chaque équipe sera accompagnée par un superviseur qui se tiendra à leur disposition pour répondre à leurs questions et les guider dans leur travail.

Méthode d'évaluation

L¿évaluation du cours porte sur les éléments suivants :


- Rédaction de notes réflexives au cours du semestre via le journal de bord (20%)
- Note finale du projet de groupe (deuxième semestre) 80%

 

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

Dans les plans d'études

  • Semestre: Printemps
  • Nombre de places: 30
  • Forme de l'examen: Pendant le semestre (session d'été)
  • Matière examinée: Les données en contexte: Critical Data Studies II
  • Projet: 3 Heure(s) hebdo x 14 semaines
  • Semestre: Printemps
  • Nombre de places: 30
  • Forme de l'examen: Pendant le semestre (session d'été)
  • Matière examinée: Les données en contexte: Critical Data Studies II
  • Projet: 3 Heure(s) hebdo x 14 semaines
  • Semestre: Printemps
  • Nombre de places: 30
  • Forme de l'examen: Pendant le semestre (session d'été)
  • Matière examinée: Les données en contexte: Critical Data Studies II
  • Projet: 3 Heure(s) hebdo x 14 semaines

Semaine de référence

 LuMaMeJeVe
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17     
17-18     
18-19     
19-20     
20-21     
21-22