Ce cours vise à fournir les méthodes statistiques avancées afin de faire de l'inférence statistique. Plus particulièrement les modèles linéaires généralisées et mixtes qui sont utiles pour l'analyse des données neurophysiologiques collectées en UX.
Fournir des notions avancées et importantes de la modélisation et de l'inférence statistique. Principalement en ce qui a trait à l'analyse de données corrélées entre elles. En plus des concepts théoriques, ce cours mettra particulièrement l'accent sur les applications pratiques en UX basées sur l'utilisation de données neurophysiologiques.
Thème 1 : Retour sur les modèles linéaires
- Retour sur la régression linéaire. Description du modèle. Estimation des paramètres et inférence.
- Intersection entre la régression linéaire et l'ANOVA
- Analyse des interactions
Thème 2 : Modèles linéaires généralisés
- Introduction aux modèles linéaires généralisés dans le cas d'une variable binaire ou discrète.
Thème 3 : Introduction aux modèles pour données corrélées (mesures répétées).
- Présence de corrélation dans les données et impacts sur les modèles linéaires
- Modèle linéaire mixte de type random-intercept
- Introduction aux modèles linéaires généralisés mixtes pour variables binaires ou discrètes.
Thème 4 : Analyse de données basées sur la reconnaissance faciale des émotions
- Présentation des métriques pertinentes
- Méthodes d'analyse et visualisation appropriées
Thème 5 : Analyse de données psychophysiologiques
Respectivement pour les données oculométrique cardiaque électrodermale ou électroencéphalographique :
- Présentation des métriques pertinentes
- Méthodes d'analyse et visualisation appropriées