Aller au contenu principal

Le Concours d’affiches d’études de cas en analyse de données aura lieu durant le congrès annuel à l’Université McGill. Les études de cas ont pour but de permettre à des équipes enthousiastes d’étudiants diplômés ou en dernière année de bac d’appliquer leurs connaissances à l’analyse de jeux de données réels. Chaque équipe choisira d’analyser l’un des deux ensembles de données décrits ci-dessous. Les étudiants sont vivement encouragés à identifier un professeur qui pourra les soutenir alors qu’ils élaborent leur approche analytique et qu’ils préparent leur présentation finale. Les membres de chaque équipe travailleront ensemble pour présenter au congrès annuel une affiche qui résume leurs méthodes et les résultats de leur analyse.


Le comité du prix des études de cas en analyse de données tiendra compte d’attributs comme l’innovation, la clarté technique et la cohérence de l’analyse et de la présentation des résultats pour choisir une équipe gagnante pour chaque concours. Le comité du prix des études de cas en analyse de données se réserve le droit de ne pas décerner de prix pour l’une ou l’autre des études de cas si le nombre de soumissions est insuffisant.


Les équipes intéressées à participer doivent s’inscrire au plus tard le 2 mai 2018 en envoyant un courrier à la présidente du comité du Prix des études de cas en analyse de données, Lisa Lix (lisa.lix@umanitoba.ca).


Étude de cas 1 : Les détails de plan de sondage sont-elles importantes? Évaluation de l’impact sur les estimations d’hypertension dans la population au Canada
 

Les équipes qui choisiront cette étude de cas utiliseront des données synthétiques de l’Enquête canadienne sur les mesures de la santé pour déterminer si le fait d’utiliser ou non les détails de plan de sondage affecte les estimations de l’hypertension produites sur la base de cette enquête de santé nationale si unique.


Étude de cas 2 : Qu’est-ce qui permet de prédire la popularité des présentations TED?


Les équipes qui choisiront cette étude de cas utiliseront des données tirées du site Web TED pour étudier les caractéristiques qui contribuent à la popularité de présentations de motivations sur divers sujets. Elles devront pour cela utiliser une variété d’outils pour développer des mesures concernant des données textuelles et analyser ces données