Analyse de données en SHS : matériau Quantilille 2017 et autres bonnes adresses

Un bref billet pour rediriger nos lecteurs estivaux vers le blog d’ElementR, où Laurent Beauguitte a mis les slides qu’il a présentées, avec d’autres, à l’école d’été Quantilille il y a quelques semaines :

Les slides sont livrées avec plein de code R, ce qui vous permet de revivre la formation chez vous, avec un verre de jus de fruits à la main. Que demande le peuple ?

Quelques remarques

  • La séance sur l’analyse multivariée se concentre en réalité (et à moins que j’ai parcouru le code trop vite) sur la seule analyse géométrique, récemment très bien décrite par Julien Duval dans un long article sur le nouveau portail Politika, mais dont on ne dira jamais assez qu’elle est encore plus justiciable des accusations de “boîte noire” que l’analyse par régression (linéaire ou pas).

    Cette remarque n’est pas une critique du choix de l’auteur de ce module, qui utilise, de surcroît, l’excellent package FactoMineR. Ma remarque s’adresse plutôt aux petits rigolos qui s’amusent, dans certaines conférences de sciences sociales, à parler de “boîte noire” au sujet des analyses par régression, alors même qu’à peu près personne, parmi les utilisateurs de l’analyse géométrique, n’est capable d’expliquer, par exemple, comment s’extrait un eigenvector. À l’inverse, le principe d’une dérivée partielle est très vite compris et très fréquemment maîtrisé parmi les “boîte-noiristes” de la régression.

  • La séance sur la cartographie utilise le sublime package cartography de Timothée Giraud, déjà mentionné il y a peu. Excellente nouvelle par ailleurs : le package cartography se fondera, à partir de sa version 2.0, sur le package sf.

  • La séance sur l’analyse textuelle utilise plein d’outils, dont le plugin R Commander “R.TeMiS”, qui dispose d’un blog sur Hypothèses.

    Je suis personnellement très peu enthousiaste à l’idée d’utiliser R via R Commander, dans la mesure où cela me semble éloigner l’utilisateur de l’objectif de reproductibilité des résultats, et de compréhension de la tambouille computationnelle qui les sous-tend. En même temps (expression à la mode), je n’y connais fichtre rien en analyse textuelle.

  • La séance sur les réseaux utilise notamment le package igraph, évoqué sur ce blog à plusieurs reprises. J’aurais également recommandé le package tnet, pour les situations, plus fréquentes que l’on ne le pense généralement, où il faut manipuler des réseaux pondérés.

Ce billet me fait réaliser que je n’ai pas contribué à “Introduction à l’analyse d’enquêtes avec R et RStudio” depuis bien longtemps, et que mon propre matériau de formation à R (en anglais, mais également pour des débutants en sciences sociales), qui date de 2013, a très sérieusement besoin d’une mise à jour… Voyons ce que j’arrive à faire cet été.

Enfin, pour terminer, je tiens à citer la désormais légendaire Introduction à R [et RStudio] de Julien Barnier, que les utilisateurs francophones de R seront nombreux à avoir lu. Julien Barnier enseignait dans le module Quantilille recensé dans ce billet.

Bonne lecture !



Citer ce billet
François (2017, 11 juillet). Analyse de données en SHS : matériau Quantilille 2017 et autres bonnes adresses. Polit’bistro. Consulté le 19 mars 2024, à l’adresse https://doi.org/10.58079/syu6

2 réponses sur « Analyse de données en SHS : matériau Quantilille 2017 et autres bonnes adresses »

  1. Salut François, merci pour ces remarques.

    Quelques précisions : les régressions simples n’ont pas été abordées faute de temps, et du coup les multiples ont sauté. Sachant qu’un pan de l’analyse textuelle se base sur l’analyse factorielle, c’est ce qui a été privilégié.

    Sur RCommander – dont je ne suis pas fan non plus -, Bénédicte Garnier m’a montré ce qu’elle souhaitait faire, j’ai tenté de faire la même chose avec tm… et je n’ai pas réussi (calculs de spécificités notamment).

    Sur les réseaux, pour une séance d’initiation, tnet ne me paraît pas totalement indispensable.

    Après, c’était une première tentative, elle est plus que perfectible.

    Et pour l’anecdote, les ingénieur.e.s CNRS ne peuvent pas être payé.e.s quand elles et ils donnent des cours – alors que les CR et DR oui.

Les commentaires sont fermés.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search