La recherche est au cœur de l’investigation scientifique. La science statistique a de nombreuses applications dans la recherche (santé, médecine, finance, psychologie, etc.) L’encadrement des étudiants-chercheurs leur donne l’occasion d’examiner de manière critique et d’affirmer leur engagement envers leur future carrière. Le mentorat des étudiants-chercheurs de premier cycle présente d’autres avantages. Il peut aider les mentors seniors à former de nouveaux chercheurs et à créer des disciplines plus inclusives tout en faisant progresser leur propre recherche en partenariat avec des étudiants intelligents, enthousiastes, passionnés et travailleurs. Il permet également aux jeunes mentors de développer leurs compétences professionnelles en matière de conseil et d’enseignement. Ces deux formes d’enseignement et de mentorat mesurent le succès en fonction de l’amélioration de la compréhension de sujets complexes et de la pensée critique. Chaque mentor a sa propre approche et utilise des méthodes différentes pour travailler avec ses étudiants, mais il existe des approches et des pratiques communes que les mentors peuvent utiliser pour contribuer à la réussite de chaque étudiant-chercheur. Dans cet atelier, nous animerons des activités qui s’inspirent des meilleures pratiques dans l’enseignement de la statistique tirées du manuel d’Aaron M. Elllison et de Manisha V. Patel : Success in Mentoring Your Student Researchers, Moving STEMM Forward, et vous proposerons des conseils pratiques pour impliquer et encadrer les étudiants dans la recherche.

Biographies :

Omidali Aghababaei Jazi est professeur adjoint, filière enseignement, au Département des sciences mathématiques et informatiques de l’Université de Toronto Mississauga (UTM). Il a enseigné une variété de cours, y compris Probabilité et statistique, Processus stochastiques et Conception expérimentale, a supervisé des projets de recherche d’étudiants de premier cycle, et animé ces dernières années des sessions de la SSC et le concours d’études de cas. Ses recherches portent sur l’enseignement de la statistique, l’analyse de données de survie biaisées et l’analyse de données longitudinales avec un suivi informatif.

Diana Skrzydlo est professeure agrégée, filière enseignement, au Département de statistique et de sciences actuarielles, et actuellement Chargée d'enseignement en mathématiques. Elle enseigne à l’Université de Waterloo depuis 2007 et s’est largement exprimée sur les techniques innovantes d’enseignement et d’évaluation, notamment en Indonésie dans le cadre du projet READI. Elle est titulaire d’un BMath (2006) et d’une MMath (2007) de l’Université de Waterloo et a obtenu son titre d’ASA de la Society of Actuaries en 2018.

Lijia Wang est professeur adjoint, filière enseignement, au Département des sciences statistiques de l’Université de Toronto. Il a enseigné divers cours de statistique, y compris Probabilité et Statistique. Il se passionne pour l’enseignement de la statistique et ses recherches portent sur l’inférence causale, l’analyse de la médiation causale et son application à la conception de nouveaux modèles statistiques pour les données biomédicales.

James McVittie est professeur adjoint au Département de mathématiques et de statistique de l’Université de Regina. Il a enseigné des cours de statistique à tous les niveaux des études de premier cycle et supervisé des étudiants de premier et deuxième cycle. Ses recherches portent principalement sur l’analyse de survie ainsi que sur les problèmes liés aux données manquantes.