Journée d'étude

Big data, Que fait l’Université ?

Universités, Centres de recherche, Services publics et Entreprises se réunissent le 11 juin 2013 de 9h à 13h pour une journée d'étude autour des big data et de la transformation que leur disponibilité introduit dans l'enseignement universitaire et dans la formation à la recherche.

  • Date : 11/06/2013
  • Lieu : IUT Université Paris Descartes, 143 avenue de Versailles, 75016 Paris
L'université Paris Descartes organise une concertation sur les usages des big data dans la pédagogie universitaire en partenariat avec Inria.

Programme 

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

Cela change les stratégies et les métiers, et... les sciences de gestion

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 aux entreprises et aux formations.

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’irruption 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 ?

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

Aujourd’hui, comment travaillons-nous à l’Université ?

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 court 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.

Pédagogie de la complexité

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 profesionnalisant que structurant intellectuellement

Philippe Lafage Université Paris Descartes

La culture des data. Une pédagogie grandeur nature

L’open data pour la mesure du développement durable. Analyse de l’impact des accidents industriels en entreprise. Retour sur un projet tuteuré.

Former à créer

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

Données en masse et Machine learning

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, UPMC

http://www.ipal.cnrs.fr/sinfra2012/carma_matrix

http://sodata.org/

Faire de la recherche sur de vastes ensembles de données... Voici une plate-forme d’exploitation de la plus grande base de données ouvertes en neuroscience : 200000 sujets, 5000 articles (sur les 20000 existants). c’est un exemple extrêmement riche de ce que nous avons à faire dans bien des domaines.

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 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 MOOC, 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 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. Cantonnés au projet, ces collectifs d’exploration sont capables d’étendre les territoires et contenus des cours. 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.

Mots-clés : Open data STID IUT Paris Descartes Statistique et informatique décisionnelle Infographie Dataviz Data visualisation Big data

Haut de page