L’Apprentissage de la critique : Développer l’analyse critique en physique

Vous n’êtes pas toujours satisfait des explications de phénomènes physiques qui vous sont données ? Vous êtes un enseignant cherchant à améliorer ses explications ? Ce livre est fait pour vous. Vous y trouverez des moyens d’informer et de libérer votre esprit critique. À partir de nombreux exemples (siphon, pile, osmose, etc.), les raisons de refuser ou d’émettre un doute sur une explication sont détaillées dans un style clair et accessible. Une méthode pratique d’analyse de textes en est tirée. L’intérêt est d’armer ceux qui veulent apprendre, pour leur éviter d’être induits en erreur, et ceux qui veulent enseigner, pour éclairer leurs choix pédagogiques. Véritable manuel de formation éprouvé avec succès auprès de futurs enseignants, ce livre provient d’une réflexion qui a inspiré des recherches récentes sur le développement de l’attitude critique. Celle-ci apparaît avant tout comme un puissant moteur de réflexion permettant d’améliorer la construction des savoirs scientifiques.

Cet ouvrage expose, de manière détaillée avec exemples à l'appui, différentes façons de répondre à un des problèmes statistiques les plus courants: la régression.

Cette nouvelle édition se décompose en cinq parties. La première donne les grands principes des régressions simple et multiple par moindres carrés. Les fondamentaux de la méthode, tant au niveau des choix opérés que des hypothèses et leur utilité, sont expliqués. La deuxième partie est consacrée à l'inférence et présente les outils permettant de vérifier les hypothèses mises en oeuvre. Les techniques d'analyse de la variance et de la covariance sont également présentées dans cette partie. Le cas de la grande dimension est ensuite abordé dans la troisième partie. Différentes méthodes de réduction de la dimension telles que la sélection de variables, les régressions sous contraintes (lasso, elasticnet ou ridge) et sur composantes (PLS ou PCR) sont notamment proposées. Un dernier chapitre propose des algorithmes (basé sur l'apprentissage/validation ou la validation croisée) qui permettent de comparer toutes ces méthodes. La quatrième partie se concentre sur les modèles linéaires généralisés et plus particulièrement sur les régressions logistique et de Poisson avec ou sans technique de régularisation. Une section particulière est consacrée au scoring en régression logistique. Enfin, la dernière partie présente l'approche non paramétrique à travers les splines, les estimateurs à noyau et des plus proches voisins.

La présentation témoigne d'un réel souci pédagogique des auteurs qui bénéficient d'une expérience d'enseignement auprès de publics très variés. Les résultats exposés sont replacés dans la perspective de leur utilité pratique grâce à l'analyse d'exemples concrets. Les commandes permettant le traitement des exemples sous R figurent dans le corps du texte. Enfin, chaque chapitre est complété par une suite d'exercices corrigés. Les codes, les données et les corrections des exercices se trouvent sur le site https://regression-avec-r.github.io/

Cet ouvrage s'adresse principalement à des étudiants de Master et d'écoles d'ingénieurs ainsi qu'aux chercheurs travaillant dans les divers domaines des sciences appliquées.