Objectifs
Au terme de ce séminaire, la personne étudiante sera en mesure de/d’ :
• Approfondir sa compréhension des meilleurs pratiques en recherche, en se familiarisant plus spécifiquement avec les méthodes de recherche quantitatives;
• Réfléchir de manière critique sur les fondements de sa problématique de recherche, à explorer les différentes approches quantitatives pertinentes et à sélectionner celle qui est la plus appropriée à son projet de recherche;
• Concevoir des projets multi-méthodes;
• Choisir et exploiter des données secondaires pour cerner un phénomène sous son étude et faire le tour des connaissances existantes;
• Choisir et adapter un cadre théorique compatible avec sa question de recherche ;
• Problématiser et poser des hypothèses qui permettront de répondre à sa question de recherche;
• Choisir des méthodes statistiques appropriées pour l’analyse de données;
• Concevoir un outil de mesure efficace;
• Mener une collecte de données quantitatives fructueuse, d’appliquer des méthodes statistiques choisies, d’interpréter des résultats et de les présenter de façon convaincante;
• Comprendre le fonctionnement de plusieurs logiciels statistiques (ex. SPSS, SmartPLS ou autres).
Contenu
Mener un projet de recherche en administration et en gestion de projet : contexte et problématique, question de recherche, concepts clés et cadre théorique, hypothèses, méthodologie adéquate et pertinente. Outils et procédure de collecte des données quantitatives : questionnaire, échantillonnage, types de collecte de données, codification et préparation des données. Analyses descriptives et univariées. Analyses multivariées : Khi-carré, t-test, analyses de la variance univariée et multivariée, corrélations, régression linéaire simple et régression multiple. Analyse de typologie et classification, analyse discriminante, l’analyse de similarités et la segmentation. Analyses factorielles : l’analyse en composantes principales, analyse exploratoire et analyse confirmatoire. L’analyse causale et son ajustement. La modélisation par la création et le design de modèles structurels. Les modèles de mesure. Analyse structurelle avec le Partial Least Squares (PLS). L’interprétation et la présentation des résultats. Réflexion sur la posture de neutralité et sur les biais statistiques. Traitement éthique et rigoureux des données.