CARNETS DESCARTES

PROGRAMME 11 juin 9h-13h Big data, Que fait l’Université ?

 

Le 11 juin 2013,  de 9h à 13h l'IUT de l'université Paris Descartes en partenariat avec INRIA organise une concertation  sur l'impact des big data sur la pédagogie universitaire.  
Cette journée d'étude réunit Universités, Centres de recherche, Services publics et Entreprises autour des big data et de la transformation que leur disponibilité introduit dans l'enseignement universitaire et dans la formation à la recherche.

 

POUR S'INSCRIRE : http://fr.amiando.com/JMOUTVF.html (gratuitement bien sûr, mais c'est nécessaire car  il n'y a que 50 places)

la page FACEBOOK de l'événement

Pour Twitter , avant, pendant et après  #univbigdata

9h Accueil et introduction

Guillaume Bordry, Directeur de l'IUT de l'université Paris Descartes et président de l'ADIUT

 

Sophie Pène Professeur, Université Paris Descartes, EHESS (Centre d'étude de l'écriture et CRI, Centre de recherches interdisciplinaires - Paris Descartes) organisation et objectifs

 

9h30-10h30 Table ronde 1. Quand les datas s'échappent des silos.

Cela change les stratégies et les métiers, et  ... les syllabus de cours

Les data sciences transforment la gestion, le marketing, la stratégie et les fonctions opérationnelles. Les cours d’analyse systémique, de système d’information, de compta,  vont-ils tenir le coup ?  

Nouveaux possibles, nouvelles méthodes, horizons communs 

SCIENCES DE GESTION La synchronisation de données impacte le fonctionnement des organisations, en général et dans le marketing en particulier. En effet, les organisations jusqu'à présent ont fonctionné en silos de données et il est difficile, et souvent impossible de rapprocher des datas provenant de fonctions différentes.

La bigdata rompt ce paradigme et permet non seulement de synchroniser des données venant de silos différents (exemple, le marketing avec la logistique, ou la finance),mais aussi  d'introduire des données exogènes à l'organisation (par exemple la météo). De surcroît, ces technologies permettent d'approcher le temps réel et donc impactent d'autant plus les méthodes de travail.

 

Comment évaluer l’impact  de cette ouverture des silos sur les sciences de gestion, les frontières des disciplines et spécialités concernant  l’entreprise (RH, compta, finances, contrôle de gestion, marketing), sur la conception des enseignements et des cursus ?

 

  • L’iirruption des data sciences dans l'entreprise change-t-elle la définition des métiers et des fonctions?"

  • Quels nouveaux profils de compétences et de métiers se dessinent : nouveaux métiers ou nouvelles facettes sur chaque métier ?"

  • les répartitions entre stratégie et opérationnel sont-elles revues ?

  • Peut-on comparer l'importance des big data et les ERP il y a 15 ans ?

  • Quelles meilleures façons de se former (professeurs, étudiants) à ce virage des data sciences?

  • quelles collaborations avec l'université pourraient faciliter les choses, apporter les bonnes compétences, accélérer la mise à jour des profils ?  Peut-on imaginer une pédagogie spécifique big data, avec des jeux de données de grande dimension ?

  • Quelles formations initiales et continues devraient se monter rapidement ?

 

Kilian Bazin,  Captain Data http://captaindash.com/

Arnaud Laroche, Bluestone http://http://www.bluestone.fr/

SANTE  - Vers des responsabilités nouvelles pour les enseignants et les chercheurs. 

Au-delà des fonctions dans les entreprises, c'est tout l'espace des métiers qui est reconfiguré. Cela est particulièrement sensible dans le domaine de la Santé. Face à l'accessibilité des données, les usagers disposent de nouvelles capacités. Ils peuvent se servir sans médiations de diverses possibilités d'analyse en ligne, ils peuvent prendre en main leur santé et disposer de données très nombreuses sur leur propre état corporel. Ils participent, le sachant ou non, à la reconfiguration collective de la connaissance du corps et de ses outils descriptifs. Symétriquement, les chercheurs disposent de nouveaux ensembles de données. Comment les discours et pratiques vont-ils évoluer ? Quels nouveaux avertissements, encadrements, repères de formation avons-nous à installer ?

 Avner  Bar-Hen,  Laboratoire MAP5, Université Paris Descartes ,Membre de la commission Évaluation, stratégie et prospective du Haut Conseil de la santé publique

Données massives en santé , les attentes, la réalité

Le volume, la diversité, la rapidité et l'utilité des données disponibles sont en train de transformer profondément le paysage de la santé publique. Les pratiques des professionnels de santé, les relations entre les professionnels de santé et les patients ou l'évaluation des politique publique en santé transforment profondément les pratiques et les usages. Nous discuterons de l'enthousiasme généré par l'arrivée des données massives en santé en essayant de faire ressortir les difficultés pratiques et méthodologiques qui expliquent en partie la différence entre les attentes et la situation actuelle.

Rayna Stamboliyska, Chercheure en bioinformatique, chargée de recherche  ("SAVANTURIERS") au CRI (Centre de Recherche interdisciplinaire, Université Paris Descartes), Geek DIYbio hacker, board member of the French chapter of the Open Knowledge Foundation

Démocratie technique et big data
Les données massives de santé ont une existence que de nombreux comportements alimentent. Sans le savoir, guidés par nos requêtes personnelles, nous fabriquons ces matériaux. Alors qu'un seul intérêt nous guide, la réponse à une angoisse, l'intention de maîtriser imaginairement le futur de nos corps : aurais-je ou non telle maladie ? La notion de "risque" statistique est fort mal comprise, la méconnaissance des aspects contextuels et systémiques implique des recherches de détermination là où c'est impossible. A ces fantasmes nouveaux de prédiction personnelle, une seule réponse, la formation scientifique du grand nombre, l'initiation à la compréhension du sens et des statuts de ces nouvelles possibilités. Il s'agit pour nos sociétés contemporaines de démocratiser et d'ouvrir la formation de tous aux questionnements de recherche, l'aptitude à la recherche, ses questionnements, ses hypothèses, ses preuves, devenant un élément fondamental de la littéracie citoyenne.


10h30-11h30 - Table ronde 2  FOCUS SUR TD et AMPHIS

CULTURE DATA. PEDAGOGIE GRANDEUR NATURE

Les datas étaient présentes dans les cours bien avant de s’appeler datas et d’être qualifiées de big. Les enseignants travaillent avec des sets de données. Avoir des jeux relativement fermés permet certains types d’exercices. Travailler sur de grands ensembles et laisser libre cours à la créativité des étudiants permet d’autres choses. Quelques exemples, de formations, mais aussi de recherches de grande échelle,  pour en discuter, au présent et en réel.

 

Au dire des enseignants chercheurs, que les data soient big ou open n’a pas changé grand chose à leur quotidien. Ceux qui travaillent avec des jeux de donnés préfèrent des jeux bien définis et manipulables, pour des résultats précis et évaluables. Peu travaillent sur de très grands ensembles de données. Sauf exception....

En revanche, une pédagogie propre se développe qui apprend aux étudiants à travailler sur le vif des questions complexes. En récupérant des jeux de données sur les accidents industriels et en les confrontant à d’autres ensemble, les territoires, les indicateurs de qualité des environnements, Philippe Lafage donne un exemple de pédagogie du projet complexe, qui est autant professionnalisant que structurant intellectuellement

 

Philippe Lafage Université Paris Descartes et ESC Rouen,   De l’invasion à l’atomisation de la donnée.

L’étude présentée est un tutorat de projet. A partir d’un tableau général de l’open data, les étudiants ont élaboré des propositions de mesure du risque boursier intégrant la notation extra-financière.

Divers agents favorables (Google, le Cloud, le format libre et le XML ) permettent une mise à plat des données, ouvertes aux expertises. D’autres agents (les dataviz stylisant les données, la démocratie algorithmique, la cyberpolice, le secret des affaires) empêchent cette mise à plat. A cela s’ajoute l'effet spécifique des politiques publiques (contributions de l’Etat, des régions, et collectivités publiques) et de certaines grandes entreprises à l’ouverture de données. Une corrélation entre les accidents majeurs, les licenciements, et la réaction boursière a été recherchée, amenant une réflexion sur signaux faibles et sérendipité. Un cas de pédagogie sur sets de données massives, complexes, non finies. 



 

Jean-François Omhover et Carole Bouchard , CPI, Arts et métiers Paris Tech

Données en masse  et Machine learning  , Former à créer

La mise à disposition des données publiques (open data) et l’émergence de grandes masses de données dans le fonctionnement ou la conception des systèmes socio-économiques (big data) est motivée, entre autres, par la production d’innovations. Les designers, ingénieurs, seront demain confrontés à la conception de nouveaux produits, systèmes ou services, intégrant des technologies d’extraction de connaissance à partir de données (machine learning).

Afin de préparer ce public à la production d’innovation intégrant ces technologies, nous avons conçu un programme d’initiation au machine learning dans un cursus de design d’interaction. Ce programme court s’appuie sur une approche créat

ive où les étudiants sont amenés à imaginer des applications et les algorithmes qu’elles contiennent. En nous appuyant sur les concepts pédagogiques issus d’un état de l’art en computer science education, nous proposons un programme de créativité, ainsi qu’un formalisme et des cartes technologies pour faciliter l’intégration rapide des concepts liés à ces technologies. Nous présentons dans notre intervention les besoins, les outils ainsi que les résultats obtenus grâce à cette  approche.

 

Salma Mesmoudi , Institut des Systèmes Complexes

Projet MATRICE

Au travers de divers univers scientifiques, Salam Mesmoudi a développé une pratique de la recherche sur de très grands ensembles de données. Elle présentera une étude qui nous aidera à comprendre une méthode de recherche, et ses implications sur les formations. 

 

 Table ronde 3 AMBIANCE DATA - Design des formations, design des évaluations, design des services

 

Les big datas sont une réalité universitaire, parce qu’elles sont la toile de fond des pratiques de discours, des actions, de la formation, de la recherche , du travail, de nos indutries.

3 pistes sont présentées, au futur proche, pour des actions de formation, une pédagogie de la coopération et des collectifs et un nouveau rôle des services supports.

 

Jean- Christophe Plantin - Université Technologique de Compiègne (UTC)

Former les universitaires de SHS aux data sciences, comment s’y prendre ?

Les « data sciences » dans le monde de l'économie numérique s'accompagnent de listes claires de compétences. C’est beaucoup plus diffus à l’Université. Pourtant inéluctablement il faut former, le plus vite possible, les futurs chercheurs-ses SHS aux méthodes numériques. Faut-il enseigner à coder ?

Commençons par  mettre dans son contexte l’injonction d’apprendre la programmation informatique. Elle s’insère dans un discours sur les innovations pédagogiques, les MOOCs, les  digital humanities ; cela ouvre pas mal de solutions alternatives au “Tous codeurs !”, à condition que soit explicitée la literacy numérique attendue des enseignants chercheurs, et le rôle de l’Université dans la formation au “computational thinking”


Eddie Soulier Université Technologique de Troyes (UTT) - Agencements pédagogiques et connectivisme: de l'idéologie du sujet aux collectifs contemporains.

Une des modifications pédagogiques les plus nettes apportées ces dernières années est l’irruption des collectifs, là où l’on pensait “étudiant, dans la classe”. L’enseignement de masse isolait les individus, L’enseignement en environnement Big Data met au premier plan des pratiques de crowdsourcing, des situations collaboratives où l’on attend des étudiants qu’ils se complètent (en compétences) et qu’ils se renforcent (en charge de travail , en espaces à explorer) car de plus en plus les travaux se déroulent dans des environnements de données ouvertes. Trop souvent cantonnés au projet, en guise de "trop plein" qui n'affecterait nullement le cours, ces collectifs d’exploration sont capables d’étendre les territoires et contenus des enseignements. Mais bien sûr cela oblige à repenser les indicateurs des évaluations et à accepter de repenser la conception des cours (par exemple avec l’introduction de rôles, avec des temporalités de production souvent difficiles à caler dans les calendriers universitaires, à renommer les objets pédagogiques. Stages, projets, exercice, mémoire s’éloignant des commandes pédagogiques réelles et  ne convenant plus tout à fait à ce que l’Université trame. Dans cette tension, l’Université se révèle un vecteur de formation méconnu aux compétences d’innovation et de coopération attendues dans les milieux professionnels.



Eric Cherel Open data et design de services numériques universitaires

Le développement de l’open data universitaire se révèle une source d’innovation et de refondation des métiers de l’informatique de gestion. Qu’on parle des données produites par les acteurs universitaires, chercheurs, enseignants chercheurs, enseignants, animateurs, intervenants, consultants, administrateurs et ingénieurs ou techniciens, ou de celles qui viennent des étudiants, de formation initiale, continue, en séjour Erasmus, en post-doc, en apprentissage etc... qu’on pense  aux données structurées, à la littérature grise, aux médias sociaux, aux données internes au SI de  l’université (connexions et productions sur les plate-formes, les bibliothèques en ligne, les différents services existants)  la fouille de ces données est riche en indications de descriptions des comportements (espace temps du travail universitaire, analyse fine d’activités) qui peuvent profondément transformer la connaissance des usages et la conception des services. Cela suppose bien évidemment la protection des données personnelles et l’effacement de toute traçabilité concernant les individus. On va vers un design de services, dans lequel les DSI ne seront pas des prestataires éloignés et (un peu) dogmatiques, mais des explorateurs attentifs de données interprétables, capables d’accompagner les innovations, de répondre de façon ciblée au grand nombre comme aux petits groupes,  et même de soutenir des développements initiés par des groupes d’étudiants, introduisant dans la forge universitaire les étudiants et enseignants, dans une perspective d’open design de services.