🚀 Lancement du projet scientifique

🎯 Objectifs

Aujourd'hui, vous allez :

• comprendre ce qu’est un projet scientifique en informatique
• former une équipe de travail
• explorer des pistes de projets
• identifier des sources de données potentielles
• amorcer une démarche scientifique réaliste

🗓️ Déroulement d'une semaine

Votre projet scientifique se déroule sur 15 semaines.
Chaque semaine, vous aurez environ 6 heures à consacrer au projet, réparties comme suit :

⏳ Temps en classe (3 heures)

Rencontres hebdomadaires obligatoires

Chaque semaine, je rencontrerai chaque équipe environ 15 minutes pour :

• faire le point sur l'avancement du projet
• discuter des difficultés rencontrées
• valider les choix méthodologiques
• orienter la démarche scientifique
• soutenir la progression du projet
• valider les prochaines étapes
• échanger des idées
• etc.

👉 Référez-vous à la section Rencontres hebdomadaires pour vous aider à bien préparer ces rencontres.

Vous passerez le reste du temps de cours à travailler en équipe sur votre projet.

👉 À la fin de chaque cours, avant de quitter, vous devez déterminer clairement les tâches de chaque membre de l’équipe d’ici à la prochaine rencontre.

Chaque membre consignera brièvement son travail et ses prochaines étapes dans son journal de bord individuel dans le repo GitHub de l’équipe.

📌 Les consignes et le format du journal sont présentés dans la section Journal de bord individuel.

---

⏳ Travail entre les cours (3 heures)

En plus du travail en classe, vous devrez aussi consacrer du temps (environ 3 heures) entre les cours pour :

• avancer sur les tâches assignées
• faire des recherches sur des aspects spécifiques du projet
• préparer la prochaine rencontre avec moi

👉 Il vous est aussi possible de vous faire des rencontres d'équipe en dehors des heures de cours lorsque nécessaire.

🧠 Projet scientifique en informatique

Un projet scientifique en informatique ne consiste pas simplement à programmer une application ou à apprendre une nouvelle technologie.

Il repose sur la mise en place d’une expérience numérique, qui peut prendre différentes formes :

• l’analyse de données réelles existantes (bases de données, images, sons, mesures, etc.)
• la génération de données par simulation ou par modèles
• la comparaison d’algorithmes ou de méthodes à l’aide de protocoles contrôlés

Dans tous les cas, le projet doit produire des résultats mesurables, qui seront analysés, interprétés et discutés de façon rigoureuse.

👉 Peu importe l’approche choisie, on doit toujours retrouver :

• une question de recherche
• un protocole (comment l’expérience est réalisée)
• des résultats observables
• une analyse critique des limites

---

🧭 Démarche scientifique

---

🧮 Évaluations

Votre note finale au cours sera composée des évaluations suivantes :

Évaluation	Individuelle	En équipe
Exploration et cadrage du projet	10%
Proposition de projet		10%
Présentation du projet proposé	10%
Développement et analyse	15%
Article scientifique		25%
Présentation finale	20%
Auto-évaluation	10%
Total	65%	35%

Les grilles d’évaluation et les consignes détaillées sont disponibles sur la page de chaque évaluation.

---

👥 Formation des équipes

• Les équipes seront composées de 3 personnes
• Si le nombre total n d’étudiant.e.s dans la classe n’est pas un multiple de 3 (n % 3 != 0) :
  • si n % 3 == 2, alors 1 équipe de 2 sera aussi formée
  • si n % 3 == 1, alors 2 équipes de 2 seront aussi formées
• Vous devez m'indiquer vos équipes avant la fin du cours aujourd'hui.

👉 Travaillez avec des personnes :

• avec qui vous pouvez communiquer facilement
• avec qui vous êtes capables de vous organiser
• qui ont des forces complémentaires

🐙 Repo GitHub

Chaque équipe devra créer un repo GitHub commun pour le projet.

Aussitôt votre équipe formée :

• Un membre doit créer le repo GitHub et inviter les autres membres de l’équipe à y collaborer.
• Tous les membres de l’équipe doivent avoir des droits d’écriture sur ce repo.
• Votre repo doit être privé pour protéger la confidentialité de votre travail.
• Vous devez aussi m’inviter comme collaborateur!
  • avant de la fin du cours aujourd'hui
  • je vais écrire mon nom d’utilisateur GitHub sur le tableau

🧪 Projets proposés

Plusieurs projets vous sont proposés comme points de départ.
Chaque projet :

• est volontairement ouvert
• peut être abordé selon différents angles
• devra être délimité et validé

👉 Vous n’êtes pas obligés de suivre un projet à la lettre : vous devrez le transformer en question de recherche adaptée à vos intérêts et aux données disponibles.

👉 Vous pouvez aussi proposer un projet original qui n’est pas dans la liste, mais il devra être validé par moi avant d’être poursuivi.

🔍 Exploration initiale

En équipe :

1. Parcourez les projets proposés sur le site du cours
2. Discutez d'autres idées de projets qui pourraient vous intéresser
3. Retenez 2 à 3 projets à explorer plus en détail (y compris des projets hors liste)
4. Pour chacun, discutez :
   • du phénomène étudié
   • du type de données possibles
   • des questions de recherche envisageables
   • de ce que vous comprenez… et de ce qui est flou

👉 L’objectif n’est pas de décider définitivement, mais d’explorer.

📂 Sources de données

Certains projets de recherche en informatique ne nécessitent pas de données réelles (ex. simulations, protocoles contrôlés).

Cependant, la plupart des projets s’appuient sur des données existantes. Pour de tels projets, les équipes sont responsables de chercher des sources de données pour leur projet.

Vous pouvez utiliser :

• des portails de données ouvertes
• des bases de données scientifiques accessibles
• des jeux de données institutionnels
• des données issues de projets de recherche ou de vulgarisation

👉 À ce stade, il ne s’agit pas d’analyser les données, mais de vérifier :

• qu’elles existent
• qu’elles sont accessibles
• qu’elles semblent exploitables

Voici quelques exemples de sources de données ouvertes qui pourraient vous être utiles :

• Données gouvernementales :
  • Données Québec
  • Gouvernement ouvert (Canada)
  • Data.gov (États-Unis)
• Données scientifiques institutionnelles :
  • NASA Open Data
  • Global Biodiversity Information Facility
  • USGS – Seismology
• Répertoires de jeux de données pour l’apprentissage automatique :
  • UCI Machine Learning Repository
  • Kaggle Datasets
• Plateformes de dépôt de données de recherche :
  • Zenodo
  • Figshare
• Moteur de recherche de jeux de données :
  • Google Dataset Search

👉 Toutes les sources ne sont pas également documentées ou adaptées à un projet scientifique. La qualité, la provenance et la compréhension des données sont plus importantes que leur quantité.

👉 Lisez la section Comment évaluer la qualité d’un jeu de données? pour vous guider dans cette démarche.

✅ Validation des données

Les sources de données devront être validées par moi le plus tôt possible dans le projet.

Vous devez être en mesure de préciser :

• la provenance des données
• le type de données (texte, image, audio, numérique, etc.)
• le volume approximatif
• les conditions d’utilisation (si connues)

👉 Pour vous aider à garder un projet réaliste, si une source de données ne semble pas appropriée, le projet devra être ajusté ou redéfini.

👉 Pour la semaine prochaine

Pour la rencontre de votre équipe avec moi la semaine prochaine, vous devez être prêts à présenter :

• le projet sur lequel vous vous êtes mis d’accord d'explorer (si vous avez fait un choix)
  • ça peut être un projet proposé ou une idée originale de votre équipe
• deux projets entre lesquels vous hésitez (si vous n’avez pas fait de choix définitif)
• pour chaque projet retenu :
  • une description du phénomène ou problème à étudier
  • des pistes de sources de données potentielles
  • des idées de questions de recherche possibles