SYLLABUS

1. Objectifs du cours

Ce cours a pour objectif d'initier les étudiants aux méthodes fondamentales de l'analyse descriptive des données. Il vise à leur permettre de comprendre les principes théoriques sous-jacents aux principales méthodes factorielles et de savoir les mobiliser de manière pertinente pour synthétiser, explorer et visualiser l'information contenue dans des tableaux de données complexes. Le cours a également pour objectif de développer des compétences pratiques en analyse de données à l'aide du logiciel R, en mettant l'accent sur la mise en ?uvre concrète des méthodes étudiées à partir de données réelles. À l'issue du cours, les étudiants doivent être capables de conduire de manière autonome une analyse exploratoire rigoureuse et d'en restituer les résultats de façon claire et argumentée.

2. Description du cours

Ce cours propose une introduction approfondie aux méthodes d'analyse factorielle. Le cours est structuré autour de trois méthodes principales : l'Analyse en Composantes Principales (ACP), l'Analyse des Correspondances (AC) et l'Analyse des Correspondances Multiples (ACM). Pour chacune de ces méthodes, les étudiants sont amenés à comprendre les objectifs, les principes mathématiques généraux, les conditions d'application, ainsi que les apports et les limites.

L'approche pédagogique combine des apports théoriques et des applications pratiques sur données réelles. Les séances pratiques s'appuient sur le logiciel R, permettant aux étudiants de se familiariser avec les outils standards d'analyse de données et de visualisation.

L'évaluation du cours repose sur la réalisation d'un dossier individuel dans lequel chaque étudiant choisit une base de données pertinente, applique deux des méthodes étudiées et propose une analyse interprétée et structurée.

3. Plan du cours

• 1. Présentation du cours
• 2. Analyse en Composantes Principales (ACP)
• 3. Analyse des Correspondances (AC)
• 4. Analyse des Correspondances Multiples (ACM)

4. Compétences visées

• À l'issue de ce cours, les étudiants auront acquis des compétences méthodologiques et pratiques essentielles en analyse de données. Ils seront capables de choisir et d'appliquer de manière appropriée des méthodes d'analyse factorielle en fonction de la nature des données (quantitatives ou qualitatives) et des objectifs de l'analyse.
• Les étudiants développeront une maîtrise opérationnelle du logiciel R pour la mise en ?uvre des analyses, incluant le calcul des résultats, la production de graphiques et la visualisation des structures sous-jacentes aux données. Une compétence centrale du cours réside dans l'interprétation des résultats.
• Le cours vise également à renforcer des compétences transversales importantes, telles que la capacité à mobiliser des données, à formuler une problématique d'analyse cohérente, et à restituer les résultats de manière claire et structurée dans un rapport écrit. Enfin, les étudiants seront sensibilisés aux bonnes pratiques en matière d'analyse des données, notamment en termes de rigueur méthodologique, de clarté de la présentation et d'esprit critique face aux résultats obtenus.

Consulter la fiche RNCP de cette formation

5. Modalités pédagogiques

Mode d'enseignement : Présentiel

Langue(s) utilisée(s) : Francais

Méthodes pédagogiques : Cours magistral, Travaux Dirigés

6. Modalités d'évaluation

Travail de recherche individuel

7. Bibliographie

• Husson, F., Lê, S., & Pagès, J. (2016). Analyse de données avec R (2e édition). Presses Universitaires de Rennes.
• Ressources en ligne et documentation R (CRAN, vignettes des packages FactoMineR, factoextra).