Project list

E-book interactif

Projet

Project

>
>

Annexes

Général
66
E-book interactif
Interactive E-book
Maria-Pia Victoria-Feser
Cesare Miglioli
Maria-Pia.VictoriaFeser@unige.ch
Model selection in high dimensions
Catégorisation
Master
Moins de 25
Préparer
Faire réagir
Université de Genève
GSEM
2018
Oui
Description du projet
Un e-book interactif contenant tout le matériel du cours, créé à partir de RStudio, a été mis à la disposition des étudiant-es sur GitHub. Il permet aux étudiant-e de préparer les chapitres à l'avance, puis d’utiliser le temps en classe pour approfondir les concepts et répondre aux questions.

Traditionnellement, les cours se présentent sous la forme de cours ex cathedra classiques agrémentés d’un support visuel (diapositives) contenant un résumé d’éléments théoriques et d’illustrations (exemples). L’enseignante a souhaité modifier ce format de cours trop statique et le dynamiser afin de le rendre plus cohérent avec ce qui se fait réellement dans le monde de la recherche, c’est-à-dire, l’apprentissage et la production de savoir en simultané. Dans le domaine de la statistique, les notions fondamentales sont communes à l’ensemble des méthodes d’analyse des données, et elles peuvent être énoncées de manière très générale. En revanche, la mise en œuvre de ces notions dans la pratique de l’analyse des données (statistique inférentielle) est très diverse et se décline en autant de manières qu’il existe de problèmes pratiques. L’enseignante a souhaité focaliser sur l’apprentissage de la méthodologie statistique (partie théorique) vers la prise de décisions basée sur les données (data-driven) et de conduire l’étudiant-e vers la plus grande autonomie.

Un document HTML a été réalisé à partir du logiciel RStudio contenant tout le matériel du cours (texte, code R, références et liens, analyses pratiques, exercices de simulation, etc.) sous la forme d’un e-book interactif. Cet e-book a ensuite été mis à la disposition des étudiant-es sur GitHub (service web d’hébergement et de gestion de développement de logiciels) leur offrant un environnement de travail commun dédié au sujet du cours. Cet espace en plus de regrouper les ressources du cours, permet aux étudiant-es d’une part de collaborer et d’échanger plus facilement entre eux/elles et d’autre part de découvrir et s’approprier l’utilisation des services offerts par la plateforme largement utilisés par les « data scientists » (ex., forum, développement de package R).

Les cours hebdomadaires sont scindés en 2 parties, un cours dédié à l’apprentissage des concepts (partie plus théorique) et un séminaire dédié à la supervision de la mise en pratique de l’analyse de données. Concrètement, les étudiant-es arrivent en cours en ayant déjà lu le chapitre de la semaine. Celui-ci est construit de manière à les exposer aux notions théoriques, depuis les notions fondamentales aux différentes méthodes d’analyse des données et leurs limites d’applications. Le temps de présentiel est utilisé pour revoir et approfondir le matériel étudié en avance, et répondre aux questions des étudiant-es. La même approche est utilisée dans la partie séminaire durant lesquels les étudiant-es valident leur mise en pratique de l’analyse des données faite sur des jeux de données concrets, sans limites disciplinaires, au moyen du logiciel statistique open source R.

Afin de renforcer le lien entre l’apprentissage de la méthodologie et de sa mise en pratique, parallèlement aux séances de présentiel, les étudiant-es, par groupes de 2 à 3, réalisent des projets d’analyse de données durant le semestre. Le but recherché au travers de cette démarche est d’exposer et ainsi former l’étudiant-e à la production de savoir sur la base des données, depuis la(les) question(s) de recherche qui a(ont) motivé la récolte des données, jusqu’au choix des méthodes d’analyses, avec un esprit critique sur la limite des conclusions/décisions qui peuvent être tirées à partir des données. Concrètement, ils/elles disposent d’un jeu de données et vont effectuer une analyse complète en testant différentes méthodes afin d’apporter une ou plusieurs interprétations des données observées et comparer les méthodes utilisées. Ils/elles doivent également être capables d’argumenter leurs choix de méthodes d’analyse. En guise de reconnaissance pour l’effort fourni, les meilleures analyses sont inclues dans le e-book avec la reconnaissance à ses auteur-es.

L’évaluation du cours est constituée d’une part d’un rapport écrit du projet de groupe (focalisé surtout sur la démarche réflexive qui a conduit à l’analyse présentée) et d’autre part d’une évaluation orale portant sur le projet et sur une partie des notions fondamentales vues en cours.

GitHub est un outil extrêmement pratique offrant de nombreuses possibilités d’utilisation : création quasi automatique de page web, forum de discussion, possibilité de travailler à plusieurs sur un document ou sur le développement d’un package R, etc. Il permet également à l’enseignant-e d’avoir un regard sur ce qui a été fait et par quel étudiant-e, ce qui permet de donner des feedbacks personnalisés, mais également de savoir si leurs contributions sont égales dans le cadre du travail de groupe.

Le format d’e-book pour le support de cours permet de réduire la dépendance enseignant-e/étudiant-e dans le sens ou le support est auto-suffisant : l’étudiant-e est plus autonome, mais doit adopter une approche à l’apprentissage plus responsable (et autonome), et l’enseignant-e devient le support (et non le driver) de l’étudiant-e dans son apprentissage. En plus, et en guise de motivation supplémentaire, le format e-book permet la construction participative du savoir puisque certaines productions des étudiant-es peuvent être inclues dans le e-book pour les volées ultérieures, sans limites de quantité. Le support de cours est ainsi rendu dynamique et très portable, ce qui permettrait de facilement l’adapter afin de le donner entièrement à distance, voire même de le partager avec des enseignant-es dans d’autres institutions.

An interactive e-book containing all course material, created from RStudio, has been made available to students on GitHub. It allows students to prepare chapters in advance and then use class time to delve deeper into concepts and answer questions.

Traditionally, the courses are presented in the form of classic ex cathedra courses with a visual support (slides) containing a summary of theoretical elements and illustrations (examples). The teacher wished to modify this overly static course format and make it more dynamic in order to make it more consistent with what is actually done in the world of research, i.e., learning and producing knowledge simultaneously. In the field of statistics, the fundamental notions are common to all data analysis methods, and they can be stated in a very general way. On the other hand, the implementation of these notions in the practice of data analysis (inferential statistics) is very diverse and can be applied in as many ways as there are practical problems. The teacher wished to focus on learning statistical methodology (theoretical part) towards data-driven decision making and to lead the student towards the greatest possible autonomy.

An HTML document was produced using RStudio software containing all the course material (text, R code, references and links, practical analyses, simulation exercises, etc.) in the form of an interactive e-book. This e-book was then made available to students on GitHub (a web service for hosting and managing software development) providing them with a common work environment dedicated to the course topic. This space, in addition to gathering the course resources, allows students to collaborate and exchange more easily among themselves and to discover and appropriate the use of the services offered by the platform widely used by data scientists (e.g., forum, R package development).

The weekly courses are divided into two parts, a course dedicated to the learning of concepts (more theoretical part) and a seminar dedicated to the supervision of the practical application of data analysis. In concrete terms, students come to class having already read the chapter of the week. This chapter is designed to expose them to the theoretical concepts, from the fundamental notions to the different methods of data analysis and their limits of application. Face-to-face time is used to review and expand on the material studied in advance, and to answer students' questions. The same approach is used in the seminar part where students validate their practical application of data analysis on concrete datasets, without disciplinary limits, using the open source statistical software R.

In order to reinforce the link between the learning of methodology and its application, in parallel to the classroom sessions, students, in groups of 2 to 3, carry out data analysis projects during the semester. The aim of this approach is to expose and train students to produce knowledge based on data, from the research question(s) that motivated the collection of data, to the choice of analysis methods, with a critical mind on the limits of the conclusions/decisions that can be drawn from the data. In concrete terms, they have a set of data and will carry out a complete analysis by testing different methods in order to provide one or more interpretations of the observed data and compare the methods used. They must also be able to argue their choice of analysis methods. In recognition of their effort, the best analyses are included in the e-book with acknowledgement to their authors.

The evaluation of the course is made up of a written report on the group project (focusing mainly on the reflective approach that led to the analysis presented) and an oral evaluation of the project and some of the fundamental notions seen in class.

GitHub is an extremely practical tool offering many possibilities of use: almost automatic creation of a web page, discussion forum, possibility of working with several people on a document or on the development of an R package, etc. It also allows the teacher to have a look on what has been done and by which student, which allows to give personalized feedback, but also to know if their contributions are equal in the framework. It also allows the teacher to have a look on what has been done and by which student, which allows to give personalized feedbacks, but also to know if their contributions are equal in the group work.

The e-book format for the course material reduces teacher/student dependency in the sense that the material is self-sufficient: the student is more autonomous, but has to adopt a more responsible (and autonomous) approach to learning, and the teacher becomes the support (and not the driver) of the student's learning. In addition, and as an additional motivation, the e-book format allows for the participative construction of knowledge since some of the students' productions can be included in the e-book for subsequent courses, without any limit in quantity. The course material is thus made dynamic and very portable, which would allow it to be easily adapted to be given entirely at a distance, or even shared with teachers in other institutions.

Illustrations/annexes

https://www.unige.ch/innovations-pedagogiques/application/files/1417/1042/5428/Maria_Pia_Victoria_Feser_network2.jpg$$ Résultats d'une analyse de données

Nouvelles fonctionnalitées
01/05/2020
06/05/2020
Non
Institution Faculté Couleur (Hexadecimal)
Université de Genève Transversal #CF0063
Université de Genève Théologie #4B0B71
Université de Genève SDS #F1AB00
Université de Genève Sciences #007E64
Université de Genève Médecine #96004B
Université de Genève Lettres #0067C5
Université de Genève GSEM #465F7F
Université de Genève FTI #FF5C00
Université de Genève FPSE #00b1ae
Université de Genève Droit #F42941
Situation problématique Page cible Situation Main color Dark color Illustration
Préparer Préparer Prepare #9966ff #613fa4 Préparer.svg
Rendre actifs Rendre actif Engage #33cc99 #269973 RendreActif.svg
Responsabiliser Responsabiliser Make responsible #0099ff #297eb6 Responsabiliser.svg
Faire créer Faire creer Create #ffa248 #bc7c3c FaireCréer.svg
Nom de l'innovation Page Cible Innovation name
Impliquer dans l'enseignement Impliquer dans l'enseignement Involve students in the teaching process
Exposer des cas pratiques Exposer des cas pratiques Examine case studies
Impliquer dans la Recherche Impliquer dans la Recherche Involve students in the research process
Démontrer Démontrer Demonstrate
Donner la parole Donner la parole Hear from students
Faire conceptualiser un projet Faire conceptualiser un projet Have students conceptualize a project
Faire gérer un projet Faire gérer un projet Have students manage a project
Faire réagir Faire réagir Generate reactions
Faire réaliser une production originale Faire réaliser une production originale Have students produce an original production
Développer des compétences Développer des compétences Develop skills
Simuler une situation Simuler une situation Simulate a situation
Questionner Questionner Ask questions
Faire collaborer Faire collaborer Encourage cooperation
Faire voter Faire voter To Vote
Logo Nom court Nom de l'institution
UNINE Université de Neuchâtel
UNIGE Université de Genève