Ce cours a pour objectif de 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 de travail pratiques utilisant les outils CAQDAS. Le cours met l’accent sur l’expérience pratique avec des logiciels de pointe tels que QDAMiner, ATLAS.ti et yEd, permettant aux étudiants de coder, d’organiser et d’interpréter efficacement des données qualitatives. Il 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 les questions de 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, contribuant ainsi de manière significative à leurs disciplines respectives.
Ce cours a pour objectif de 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 processus de travail pratiques à l’aide des outils CAQDAS. Le cours met l’accent sur l’expérience pratique avec des logiciels de pointe tels que QDAMiner, ATLAS.ti et yEd, 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 flux de travail de l’analyse qualitative des données assistée par ordinateur. Cela inclut l’exploration des considérations ontologiques et épistémologiques qui sous-tendent l’utilisation des outils 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 profonds 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 et l’analyse thématique. Le cours abordera également les questions de fiabilité et les considérations éthiques liées à la recherche qualitative assistée par l’IA, offrant ainsi aux étudiants
Compétences (aptitudes)
Conception et mise en œuvre de recherches qualitatives : les étudiants seront capables de concevoir, de mettre en œuvre et d’évaluer des projets de recherche qualitative, en utilisant les outils CAQDAS afin d’améliorer la rigueur et la transparence de leurs analyses.
Analyse des données à l’aide de CAQDAS : les étudiants acquerront une maîtrise de l’utilisation des principaux logiciels d’analyse qualitative tels que QDAMiner, ATLAS.ti et yEd, renforçant ainsi leurs compétences techniques en recherche qualitative et favorisant leur adaptabilité aux nouvelles technologies.
Catégorisation systématique et mise en relation des codes : les étudiants acquerront des compétences pratiques dans l’utilisation des fonctionnalités de CAQDAS pour la catégorisation systématique et la mise en relation des codes.
Analyse de réseaux et interprétation thématique : les étudiants apprendront à utiliser les outils d’analyse de réseaux intégrés à CAQDAS pour représenter visuellement les relations entre les codes et les concepts, ce qui facilitera une interprétation plus approfondie des données ainsi que l’identification, l’affinement et l’interprétation des thèmes.
Intégration de l’IA dans l’analyse qualitative : les étudiants acquerront des compétences pratiques pour intégrer l’IA, notamment le traitement du langage naturel (NLP) et les modèles de langage (LLM), dans l’analyse des données qualitatives, et pour évaluer de manière critique la fiabilité et les enjeux éthiques de la recherche assistée par l’IA.
des connaissances
Méthodes de recherche qualitative : les étudiants acquerront une connaissance approfondie des procédures de recherche qualitative, notamment la collecte de données, le codage et l’analyse thématique, à l’aide des outils CAQDAS. Ils exploreront les fondements théoriques et les applications pratiques de la théorie ancrée et de l’analyse thématique, en apprenant à développer et à affiner systématiquement des codes, à identifier des thèmes et à interpréter des données qualitatives. Cette compréhension globale permettra aux étudiants d’appliquer efficacement ces méthodologies dans leurs projets de recherche.
L’IA dans la recherche qualitative : les étudiants découvriront le potentiel et les défis liés à l’intégration de l’IA dans l’analyse des données qualitatives, y compris les méthodes permettant d’évaluer la fiabilité et la cohérence du codage assisté par l’IA.
Attitude
Conduite éthique de la recherche : les étudiants développeront
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.
Références
Babbie, E. R. (2014). The practice of social research. 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 la technologie, 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 sous différents angles disciplinaires.
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, grâce à l’intégration régulière de présentations, d’évaluations par les pairs et de séances de retour d’expérience. L’accent sera mis sur le développement de compétences permettant d’évaluer de manière critique les méthodologies de recherche et les données, en faisant participer les étudiants à des exercices d’analyse rigoureux, des études de cas et des discussions interactives qui mettront à l’épreuve leur esprit d’analyse et leurs capacités de résolution de problèmes.
Afin de 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 d’outils CAQDAS comme QDAMiner, ATLAS.ti et yEd. Les étudiants exploreront également l’intégration de l’IA dans l’analyse des données qualitatives, acquérant ainsi des compétences pratiques dans l’utilisation du traitement du langage naturel (NLP) et des modèles de langage grand format (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