Ce cours est conçu pour doter les étudiants des connaissances et compétences essentielles à la conduite d’une recherche qualitative à l’aide de logiciels d’analyse qualitative assistée par ordinateur (CAQDAS). Les étudiants exploreront les concepts et méthodologies fondamentaux indispensables à la conception et à la mise en œuvre d’une recherche qualitative, notamment les fondements théoriques de la théorie ancrée et de l’analyse thématique, ainsi que les processus pratiques d’utilisation des outils CAQDAS. Le cours met l’accent sur l’expérience pratique avec les principaux logiciels, permettant ainsi aux étudiants de coder, d’organiser et d’interpréter efficacement des données qualitatives. Le cours mettra l’accent sur l’utilisation des outils CAQDAS pour la catégorisation systématique et la mise en relation des codes, l’application de l’analyse de réseau pour la représentation visuelle, ainsi que l’affinement de l’identification et de l’interprétation thématiques.
Une partie importante du cours sera consacrée à l’intégration de l’intelligence artificielle (IA) dans l’analyse des données qualitatives. Les étudiants exploreront comment l’IA, notamment le traitement du langage naturel (NLP) et les grands modèles linguistiques (LLM), peut faciliter le codage et l’analyse thématique. Le cours abordera également la fiabilité et les considérations éthiques liées à la recherche qualitative assistée par l’IA.
À l’issue de ce cours, les étudiants seront parfaitement préparés à appliquer des méthodes de recherche qualitatives dans leur future carrière professionnelle, apportant ainsi une contribution significative à la discipline de leur choix.
Ce cours est conçu pour doter les étudiants des connaissances et compétences essentielles à la conduite d’une recherche qualitative à l’aide de logiciels d’analyse qualitative assistée par ordinateur (CAQDAS). Les étudiants exploreront les concepts clés et les méthodologies indispensables à la conception et à la mise en œuvre d’une recherche qualitative, notamment les fondements théoriques de l’approche de la « théorie ancrée » et de l’analyse thématique, ainsi que les flux de travail pratiques à l’aide des outils CAQDAS. Le cours met l’accent sur l’expérience pratique avec les principaux logiciels, permettant ainsi aux étudiants de coder, d’organiser et d’interpréter efficacement des données qualitatives.
Tout au long du cours, les étudiants acquerront une compréhension approfondie des principes et des processus de travail liés à l’analyse qualitative des données assistée par ordinateur. Cela inclut l’étude des considérations ontologiques et épistémologiques qui sous-tendent l’utilisation des logiciels CAQDAS, la compréhension des différentes étapes de l’analyse qualitative des données, ainsi que la maîtrise des fonctionnalités fondamentales communes aux différents logiciels CAQDAS. En outre, le cours mettra l’accent sur l’utilisation des fonctionnalités logicielles pour la catégorisation systématique et la mise en relation des codes, en intégrant des techniques telles que le codage sélectif et la comparaison constante (dans le cadre de la théorie ancrée). L’utilisation d’outils d’analyse de réseaux au sein des logiciels CAQDAS sera également présentée afin de représenter visuellement les relations entre les codes et les concepts, ce qui permettra en fin de compte d’atteindre des niveaux plus approfondis d’interprétation des données. Par ailleurs, l’identification, l’affinement et l’interprétation des thèmes (dans le cadre de l’analyse thématique) seront également abordés.
Une partie importante du cours sera consacrée à l’intégration de l’intelligence artificielle (IA) dans l’analyse des données qualitatives. Les étudiants exploreront comment l’IA, notamment le traitement du langage naturel (NLP) et les grands modèles linguistiques (LLM), peut faciliter le codage.
À l’issue de ce cours, les étudiants seront parfaitement préparés à appliquer des méthodes de recherche qualitatives dans leur future carrière professionnelle.
Compétences (aptitudes) : Les étudiants concevront et mettront en œuvre des projets qualitatifs rigoureux en utilisant CAQDAS pour l'analyse des données. Ils acquerront des compétences techniques en matière de codage systématique, de catégorisation et d'analyse de réseaux afin de représenter visuellement les relations et d'affiner les thèmes. De plus, ce cours offre une expérience pratique de l'intégration de l'IA (TALN et modèles de langage à grande échelle) dans les flux de travail, tout en évaluant de manière critique les enjeux éthiques et de fiabilité liés à la recherche assistée par l'IA.
Connaissances : Les participants acquerront une connaissance approfondie des procédures qualitatives — notamment la théorie ancrée et l’analyse thématique — prises en charge par CAQDAS. Le programme aborde les fondements théoriques du codage systématique et les défis potentiels liés à l’intégration de l’IA, en mettant particulièrement l’accent sur le maintien de la cohérence et de l’intégrité méthodologique lors de l’utilisation d’outils automatisés.
Attitude : Ce cours encourage le respect des principes éthiques en matière de traitement des données et la transparence. Les étudiants développeront un esprit de collaboration en utilisant des outils numériques pour résoudre des problèmes en groupe. Enfin, ils cultiveront un esprit critique en apprenant à discerner les atouts et les limites spécifiques tant des technologies CAQDAS que de l'IA dans divers contextes de recherche.
Ce cours ne nécessite aucun prérequis particulier, car il commence par les concepts fondamentaux et aborde progressivement les principales méthodes de recherche qualitative. Il s'adresse aux apprenants de tous niveaux, y compris ceux qui n'ont aucune expérience préalable en matière de recherche empirique.
Babbie, E. R. (2014). La pratique de la recherche sociale. Cengage Learning.
Bryman, A. (2016). Méthodes de recherche sociale. Oxford University Press.
May, T., & Perry, B. (2022). Recherche sociale : enjeux, méthodes et processus. McGraw-Hill Education.
Neuman, W. L. (2014). Méthodes de recherche sociale : approches qualitatives et quantitatives. Pearson Education Limited.
Mettant l'accent sur l'apprentissage centré sur l'étudiant, les compétences transversales, les compétences transdisciplinaires fondées sur la recherche et les principes pédagogiques s'appuyant sur les technologies, ce cours est conçu pour offrir aux étudiants une compréhension globale et pratique des méthodes de recherche qualitative à l'aide des outils CAQDAS.
Les étudiants participeront à des cours magistraux interactifs, à des discussions et à des activités de groupe qui encouragent la participation active et la réflexion critique. Des séances régulières de retour d’expérience seront organisées pour répondre aux besoins d’apprentissage individuels et suivre les progrès de chacun, garantissant ainsi à chaque étudiant un accompagnement personnalisé. De plus, un système d’évaluation par les pairs sera mis en place, dans le cadre duquel les étudiants évalueront mutuellement leurs travaux selon différentes perspectives disciplinaires. Cette approche favorise l’évaluation critique et les retours constructifs sous divers angles, améliorant ainsi la qualité de la recherche et approfondissant la compréhension des approches interdisciplinaires par les étudiants.
Afin d’améliorer les compétences transversales des étudiants, le cours développera leur capacité à présenter leurs recherches et à analyser leurs résultats de manière claire et efficace, tant à l’écrit qu’à l’oral, en intégrant des présentations régulières, des évaluations par les pairs et des séances de retour d’expérience.
Pour développer davantage les compétences de recherche des étudiants, le cours se concentrera sur une exploration approfondie des concepts clés et des méthodologies essentielles à la conception et à la mise en œuvre de la recherche qualitative. Cela inclut une expérience pratique des procédures de recherche qualitative, telles que le codage, l’analyse thématique et l’utilisation des outils CAQDAS. Les étudiants exploreront également l’intégration de l’IA dans l’analyse des données qualitatives, acquérant ainsi des compétences pratiques dans l’utilisation du NLP et des LLM pour le codage et l’analyse thématique.
Afin d’enrichir les expériences d’apprentissage assistées par la technologie, des outils et ressources numériques seront intégrés, notamment des bases de données en ligne, des logiciels d’analyse qualitative et des plateformes de collaboration virtuelles.
Relevé de notes