Corrélation vs. Causalité en Sciences Sociales
​[CC-ED 624]

​Page du séminaire doctoral "Corrélation vs. Causalité en Sciences Sociales" [ED624]

​Vous retrouvez toutes les informations en ligne (news, support, calendrier, documents...) sur cette page dédiée au séminaire doctoral.

Présentation et objectifs pédagogiques

Ouvert à l'ensemble des doctorant-e-s inscrit-e-s au sein de l'ED 624 "Sciences des Sociétés", ce séminaire doctoral est pensé comme un cours introductif à l'analyse quantitative de la causalité et à ses limites pour les non-quantitativistes. A partir d'articles naviguant entre différents champs disciplinaires parmi les sciences sociales (sociologie, histoire, psychologie, économie...) et autour d'une question principale : "faut-il réduire la taille des classes à l'école primaire pour améliorer les performances des élèves ?", les doctorant-e-s seront en mesure : (i.) de définir, identifier et différencier une corrélation d'une relation causale, (ii.) de connaître les conditions nécessaires et les méthodes quantitatives (expérimentales et quasi-expérimentales) permettant d'étudier la causalité, (iii.) de porter un regard critique sur ces techniques soumises à de nombreuses limitations. Sans vouloir réaliser une présentation technique exhaustive des méthodes d'évaluations d'impact des programmes et des politiques publiques, ce cours se donne pour objectif pédagogique d'amener les étudiant-e-s à saisir et à interroger la mécanique générale des outils quantitatifs de plus en plus employés en sciences sociales pour les utiliser judicieusement pour ce qu'ils sont dans leur projet de thèse.

​
Ce séminaire doctoral ne nécessite aucun prérequis spécifique bien qu'une connaissance élémentaire des notions de statistique descriptive et inférentielle soit vivement conseillée.
​
​

Syllabus

Toutes les informations utiles concernant le cours se trouvent dans le syllabus
​

• Objectifs pédagogiques
• Plan avec les lectures conseillées en préparation du séminaire
• Références​

[LINK]

Supports de cours et ressources


SEANCE 1 : INTRODUCTION A LA CORRELATION

1. Approches et méthodes quantitatives en sciences sociales​
2. Modèles et modélisation
3. Question des politiques éducative de réduction de la taille des classes​
4. Modèle linéaire simple : corrélation taille des classes et performances

Lectures conseillées
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 3] [Chapitre 4]
​

​
Support de cours [LINK]

SEANCE 2 : VERS LA CORRELATION CONTRÔLEE
​

1. Biais de variable omise et modèle linéaire multiple
2. Hypothèses du modèle et vérification
3. Corrélation contrôlée = Causalité ? Questions de validité interne et externe

Lectures conseillées      
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition. [Chapitre 5]

​Support de cours [LINK]​

Applications de cours [LINK]

Fiche d'exercices 0 [LINK]

​​Compléments [LINK]

SENCE 3 : CAUSALITE A TRAVERS LE RAISONNEMENT CONTREFACTUELLE
​

1. Contrefactuel et indentification d'un lien causal
2. Les Randomized Controlled Trials (RCT) comme "Gold Standard" de l'identification
   
3. Limites des RCT : un idéal inatteignable ?

 
​Lectures conseillées
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition. [Chapitre 6]

​



​
Support de cours [LINK]​

Applications de cours [LINK]

SEANCES 4 & 5 : METHODES QUASI-EXPERIMENTALES D'IDENTIFICATION
​

1. Présentation des méthodes par appariement : Propensity Score Matching
2. Application aux données du programme STAR​

 
​Lectures conseillées
Ang, A. H.-S. and Tang, W. H. (2006). Probability Concepts in Engineering : Emphasis on Applications to Civil and Environmental Engineering. Wiley, New York, 2nd edition. [Chapitre 7]

Support de cours [LINK]

​Applications de cours [LINK]

Références conseillées pour aller plus loin
​