Joseph Larmarange

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin-R

Joseph LARMARANGE — 2026-01-26T11:02:21Z

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin R

2026

Pré-publication, Document de travail

Résumé

En contexte COVID-19, j'ai mis en place en novembre 2020 un webinaire hebdomadaire d'enseignement à R : les webin-R. Diffusées en direct sur YouTube, les sessions duraient de 1 h 30 à 2 h, avec partage d'écran. Les contenus reposaient sur analyse-R, un support de formation en ligne créé et maintenu depuis 2015.

Mi-mai 2021, une enquête a été menée auprès des participantes aux webin-R (120 questionnaires complétés). Les répondantes étaient en majorité des hommes (64 %), âgés de 40 ans ou moins (62 %). La moitié (49 %) résidait hors de France. Ils/Elles étaient mastérantes (20 %), doctorantes (25 %), postdoctorantes (3 %), ingénieures (26 %), chercheures (18 %). Les disciplines étaient tout aussi variées.

En termes de participation, nous avons observé une fatigue au cours du temps, et surtout une baisse du suivi en direct au profit du différé.

Les participantes ont souligné l'importance du visionnage en différé, la mise à disposition des scripts, le chapitrage des vidéos, l'articulation avec analyse-R, le partage d'écran, la langue française et la gratuité des contenus. Certains regrettent l'absence d'exercices ou la non-possibilité de valider des crédits d'enseignement.

L'expérience des webin-R traduit une forte demande pour des contenus d'autoformation à R, avec une visée appliquée, en français, et facilement accessibles. Le format libre participe au développement d'une science ouverte.

Mots clés : enseignement statistique, R, YouTube, enquête en ligne, COVID-19.

Initier la communauté de recherche à l'analyse d'enquêtes avec R et RStudio : retours d'expériences d'analyse-R et des webin-R

Joseph LARMARANGE — 2021-12-09T19:02:33Z

Communication effectuée dans le cadre de la semaine Data SHS 2021 le 10 décembre 2021 à Paris.

Référence

Larmarange Joseph (2021) « Initier la communauté de recherche à l'analyse d'enquêtes avec R et RStudio : retours d'expériences d'analyse-R et des webin-R » (communication orale), présenté à Semaine Data SHS 2021, Paris. https://progedo.hypotheses.org/1787.

Reproducible Summary Tables with the gtsummary Package

Joseph LARMARANGE — 2021-08-06T14:19:47Z

Reproducible Summary Tables with the gtsummary Package

Daniel D. Sjoberg , Karissa Whiting , Michael Curry , Jessica A Lavery , Joseph Larmarange

The R Journal, 2021, 13 (1), pp.570-580. ⟨10.32614/RJ-2021-053⟩

Article dans une revue

ird-03883594

Authors

Daniel D. Sjoberg, Karissa Whiting, Michael Curry, Jessica A. Lavery, Joseph Larmarange

Abstract

The gtsummary package provides an elegant and flexible way to create publication-ready summary tables in R. A critical part of the work of statisticians, data scientists, and analysts is summarizing data sets and regression models in R and publishing or sharing polished summary tables. The gtsummary package was created to streamline these everyday analysis tasks by allowing users to easily create reproducible summaries of data sets, regression models, survey data, and survival data with a simple interface and very little code. The package follows a tidy framework, making it easy to integrate with standard data workflows, and offers many table customization features through function arguments, helper functions, and custom themes.

Enseigner R sur YouTube en temps de Covid : retours d'expérience des webin-R

Joseph LARMARANGE — 2021-06-11T07:47:41Z

Communication orale présentée le 8 juin 2021 à Nantes lors de Journées d'étude Compter, Mesurer, Calculer... Raisonner ? Enseigner le quanti en sciences sociales dans le supérieur : pratiques et défis organisées par PRODEGO

Enseigner R sur YouTube en temps de Covid : retours d'expérience des webin-R

Joseph Larmarange

Programme – Compter, mesurer, calculer… raisonner ? Enseigner le quanti en sciences sociales dans le supérieur : pratiques et défis, PRODEGO, Jun 2021, Nantes, France

Communication dans un congrès

ird-04058403

Résumé

En raison du contexte sanitaire, plusieurs formations intensives sur l'analyse d'enquêtes avec R et RStudio à destination de mastorants, doctorants et post-doctorants en sciences sociales que je devais animer en France et en Afrique de l'Ouest ont dues être annulées ou reportées. En réponse, a été mis en place à partir de novembre 2019 un webinaire en ligne hebdomadaire d'enseignement à R : les webin-R.

Face à la demande (plus de 400 inscrits à la mailing liste dédiée mise en place début novembre 2020), il a été choisi de diffuser le webin-R en live sur YouTube, avec possibilité de visionnage en différé. Les séances durent entre 1h30 et 2h.

L'intervenant partage son écran pour tester le code R en direct et permettre aux participants de visualiser l'interface RStudio. Comme les interactions avec les participants sont limitées (uniquement le chat YouTube pendant le live), des sessions interactives du type Foire aux questions (FAQ) sont organisées sur Zoom tous les 4 à 6 séances, enregistrées et rediffusées sur YouTube. YouTube a également été choisi pour sa facilité d'utilisation, sa bande passante élevée (notamment pour les spectateurs africains) et la possibilité de visionner les vidéos dans différentes qualités (dont en HD 1080p, indispensable pour que la capture d'écran et le code R soient bien lisibles). La captation vidéo est réalisée avec le service https://streamyard.com/ qui permet un flux video live en 1080p, le suivi en direct du chat et la possibilité d'afficher à l'image des commentaires choisis par l'intervenant.
Les webin-R s'accompagnent d'une mailing listes dédiée, d'une chaîne YouTube et d'un site d'accompagnement (https://larmarange.github.io/webin-R/) où pour chaque séance sont fournies des ressources additionnelles, notamment les scripts R des séances et des liens vers des chapitres analyse-R (https://larmarange.github.io/analyse-R/), une sorte de manuel pratique en ligne existant depuis une dizaine d'années (les contenus correspondent à l'équivalent d'un ouvrage de plus de 1200 pages et le site enregistre 50 000 pages vues par mois). L'ensemble des contenus des webin-R et d'analyse-R sont accessibles gratuitement et sous licence libre Creative Commons.

Les webin-R n'ont pas pour vocation d'enseigner les statistiques proprement dites mais plutôt comment réaliser des statistiques avec les logiciels R et RStudio. Ils se focalisent sur la mise en œuvre pratique, l'objectif étant de donner les clés de départ pour permettre aux participants de pouvoir continuer à s'autoformer par la suite.
Au 1^er mars 2021, la chaîne YouTube des webinaires totalisait 485 abonnés, 11 vidéos (9 webin-R et 2 FAQ) et 8213 vues. Selon les données analytiques des 90 derniers jours : le nombre moyen de vue par spectateur est de 4,0 et les abonnés représentent 48% des vues.

Mi-février 2021, après les neuf premières séances, une enquête a été mené auprès des participants aux webin-R. Il s'agissait d'un questionnaire en ligne dont la promotion a été réalisée via la liste de diffusion : 152 questionnaires complets ont été reçus. Les répondants étaient en majorité des hommes (61%). Ils étaient âgés de 33 ans en médiane (IQR : 28-41). Les deux tiers (64%) résident en France, 31% en Afrique francophone.

Ils relèvent de situations diverses : étudiantes en licence (1%), mastorantes (16%), doctorantes (29%), post-doctorantes (5%), ingénieures de recherche (15%), chercheures ou enseignant-chercheures (14%), personnes travaillant dans le secteur privé (19%). Les disciplines sont toutes aussi variées : épidémiologie (19%), sociologie (15%), démographie (14%), économie (11%), statistique (9%), géographie (6%), …

En termes de participation, on observe un léger phénomène de fatigue, avec un taux de participation de 80-90% pour les premières séances et de 61-76% pour les dernières séances. Surtout, la proportion suivant les séances en direct a diminué au profit d'un suivi en différé.

Parmi les points forts mentionnés par les participants : visualisation en direct de la mise en œuvre du code via l'écran partagé ; la mise à disposition des scripts et de ressources en ligne ; l'approche pratique et pragmatique ; le fait que les vidéos et les ressources soient en français ; la possibilité de revoir les vidéos en différé ; l'existence du site analyse-R en complément des vidéos (78% l'utilisent régulièrement) ; l'existence de sessions FAQ…

Parmi les points faibles sont mentionnés : l'absence d'exercice ; la non-possibilité de valider des crédits d'enseignement ; le fait que toutes les explications données pendant les vidéos ne sont pas forcément reprises sur analyse-R ; le souhait de plus d'applications concrètes sur des données existantes ; un temps insuffisant consacré à l'interprétation des résultats ; une organisation et structuration des sessions FAQ à améliorer…

Une enquête complémentaire est prévue en mai 2021.

La présentation portera sur les leçons apprises de l'expérience des webin-R, ses atouts et ses limites.

ggplot2 ou la grammaire des graphiques sous R

Joseph LARMARANGE — 2019-06-18T07:17:11Z

Communication orale effectuée le 18 juin 2019 à l'Ined dans le cadre des Rencontres de statistique appliquée, session Visualisation de données : grammaires, pratiques, outils.

Résumé

R possède un puissant moteur graphique interne. Toutefois, produire un graphique complet avec les fonctions basiques de R est peu aisée. L'extension ggplot2, développée par Hadley Wickham et mettant en œuvre la grammaire des graphiques théorisée par Leland Wilkinson, est devenue en quelques années l'une des extensions R les plus utilisées. La grammaire des graphiques invite l'utilisateur à repenser sa manière de concevoir un graphique en associant variables (données), paramètres graphiques (esthétiques) et formes géométriques, puis en complexifiant progressivement son graphique (coordonnées, échelles, facettes, étiquettes, légendes, thèmes…).

Référence

Larmarange Joseph (2019) « Ggplot2 ou la grammaire des graphiques sous R » (communication orale), présenté à Rencontres de statistique appliquée de l'Ined, Paris. DOI : 10.5281/zenodo.3247913. https://larmarange.github.io/seminaire-INED-18juin2019/diaporama.html.

Représenter les coefficients d'un modèle avec ggplot2

Joseph LARMARANGE — 2016-06-06T10:04:38Z

Le packge GGally qui fournit plusieurs fonctions permettant de réaliser certains graphiques particuliers avec ggplot2 vien de se doter d'une fonction ggcoef permettant de représenter aisément les coefficients d'un modèle statistique sous forme de graphique.

Pour plus de détails, on pourra se référer à la vignette accompagnant le package.

À noter également, une fonction tidy_detailed fournie dans l'extension JLutils et étendant la fonction tidy du package broom. Voir le chapitre consacré à la régression logistique sur analyse-R.

Bisexualité masculine en Afrique subsaharienne : quels indicateurs dans les enquêtes quantitatives ?

Joseph LARMARANGE — 2014-09-02T16:46:55Z

Communication orale au 1^er Congrès des Études de Genre en France, organisée par l'Institut du Genre, du 3 au 5 septembre 2014 à Lyon.

Résumé

Les enquêtes quantitatives menées sur le continent africain depuis 2004 auprès des hommes ayant des rapports sexuels avec d'autres hommes (HSH) utilisent en majorité des approches du type « boules de neige » dont l'approche dite RDS (respondent driven survey). Dès lors, les individus les plus insérés dans un « milieu HSH » ont une plus grande probabilité d'être inclus, induisant une surreprésentation des jeunes et des homosexuels exclusifs.

La bisexualité y est mesurée soit au travers du sexe des partenaires ou pôle d'activité sexuel (calculé selon les articles sur les six derniers mois, la dernière année ou toute la vie), soit en fonction de l'identité déclarée des enquêtés (homosexuel/gay, bisexuel ou hétérosexuel, peu d'enquêtes proposant d'autres termes identifiants en langue locale). Plus rares, quelques enquêtes ont également mesuré l'attirance sexuelle (pour les hommes et/ou les femmes).

La part des bisexuels parmi les HSH africains est généralement beaucoup plus élevée qu'en Occident. Par rapport aux homosexuels exclusifs, les bisexuels ont des biographies sentimentales et sexuelles sensiblement différentes. Cependant, il ne s'agit pas d'une catégorie homogène que ce soit en termes de désirs, d'identité ou de projets de vie. Plusieurs auteurs ont souligné les limites d'une catégorisation binaire (homosexuels/bisexuels) ouvrant le débat sur quelles catégorisations alternatives utiliser à l'avenir dans les enquêtes quantitatives.

Référence

Larmarange Joseph (2014) « Bisexualité masculine en Afrique subsaharienne : quels indicateurs dans les enquêtes quantitatives ? » (communication orale), présenté à 1er Congrès des Études de Genre en France, Lyon. http://genrelyon2014.sciencesconf.org/40206.

Introduction à l'analyse d'enquêtes avec R

Joseph LARMARANGE — 2013-11-15T16:13:00Z

Cours de 8 heures réalisé dans le cadre du Master 2 Population & Développement de l'université Paris Descartes.

Support de cours

Il a été réalisé à partir d'un document original de Julien Barnier, complété par Joseph Larmarange. Le chapitre sur l'analyse de séquences est une reprise d'un article original de Nicolas Robette. Ce document évolutif, sous licence Creative Commons, est développé sous GitHub : https://github.com/larmarange/intro...

Barnier Julien et Larmarange Joseph (2013) « Introduction à l'analyse d'enquêtes avec R », Support de cours. https://github.com/larmarange/intro-r/tree/CoursM2.

Où couper un dendrogramme ?

Joseph LARMARANGE — 2013-11-03T19:43:41Z

La fonction best.cutree est maintenant disponible dans la package JLutils.

Dans le cadre d'une classification hiérarchique, il n'est pas toujours aisée de déterminer le nombre adéquat de classes à retenir.

Le package FactoMineR, dans le cadre de sa fonction HCPC, suggère d'utiliser la partition ayant la plus grande perte relative d'inertie. La fonction best.cutree ci-dessous permet de calculer ce critère à partir de n'importe quel dendrogramme, qu'il ait été calculé avec hclust ou agnes.

best.cutree <- function(hc, min=3, max=20, loss=FALSE, graph=FALSE, ...){ if (class(hc)!="hclust") hc <- as.hclust(hc) max <- min(max, length(hc$height)) inert.gain <- rev(hc$height) intra <- rev(cumsum(rev(inert.gain))) relative.loss = intra[min:(max)]/intra[(min - 1):(max - 1)] best = which.min(relative.loss) names(relative.loss) <- min:max if (graph) { temp <- relative.loss temp[best] <- NA best2 <- which.min(temp) pch <- rep(1, max-min+1) pch[best] <- 16 pch[best2] <- 21 plot(min:max, relative.loss, pch=pch, bg="grey75", ...) } else { if (loss) relative.loss else best + min - 1 }
}

hc : dendrogramme renvoyé par hclust ou agnes
min : nombre minimum de classes
max : nombre maximum de classes
loss : si égal à TRUE, renverra la liste des pertes d'inertie relatives plutôt que la meilleure partition
graph : si égal àTRUE, affichera un graphique des pertes d'inertie relatives, la meilleure partition étant représentée par un point noir et la seconde par un point gris

Exemples :

R> best.cutree(arbre)
[1] 5 R> best.cutree(arbre,loss=TRUE) 3 4 5 6 7 0.9112290 0.9046093 0.8985344 0.9081087 0.9131271 8 9 10 11 12 0.9223434 0.9542413 0.9569882 0.9626851 0.9667498 13 14 15 16 17 0.9744444 0.9751951 0.9808652 0.9813681 0.9814403 18 19 20 0.9818613 0.9819599 0.9819514 R> best.cutree(arbre,graph=TRUE)

Représenter des effectifs dans le plan factoriel

Joseph LARMARANGE — 2013-11-02T12:47:35Z

La fonction s.freq est maintenant disponible dans la package JLutils.

Lorsque l'on réalise une analyse des correspondances multiples (ACM), il n'est pas rare que plusieurs observations soient identiques, c'est-à-dire correspondent à la même combinaison de modalités. Dès lors, ces observations seront projetées sur le même point dans le plan factoriel. Une représentation classique des observations ne permettra pas de rendre des effectifs de chaque point.

Prenons un exemple :

library(questionr)
data(hdv2003)
library(ade4)
acm <- dudi.acm(hdv2003[,c("sexe","sport","bricol","cuisine","cinema")], scannf=FALSE)
s.label(acm$li, clabel=0, cpoint=2)

C'est pourquoi nous avons concocté une petite fonction s.freq
reprenant le principe de s.value mais représentant chaque point par
un carré proportionnel au nombre d'individus identiques.

s.freq <- function(dfxy, xax=1, yax=2, ...) { require(ade4) d <- as.data.frame(table(dfxy[c(xax,yax)])) d <- d[d$Freq>0,] d[1] <- as.numeric(as.character(d[[1]])) d[2] <- as.numeric(as.character(d[[2]])) s.value(d,d$Freq, ...) }

Et voici le résultat :

s.freq(acm$li, csize=0.75)

Joseph Larmarange

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin-R

Enseigner R sur YouTube en temps de COVID-19 : retour d'expérience des webin R

Résumé

Initier la communauté de recherche à l'analyse d'enquêtes avec R et RStudio : retours d'expériences d'analyse-R et des webin-R

Référence

Reproducible Summary Tables with the gtsummary Package

Reproducible Summary Tables with the gtsummary Package

Authors

Abstract

Links

Enseigner R sur YouTube en temps de Covid : retours d'expérience des webin-R

Enseigner R sur YouTube en temps de Covid : retours d'expérience des webin-R

Résumé

ggplot2 ou la grammaire des graphiques sous R

Résumé

Référence

Représenter les coefficients d'un modèle avec ggplot2

Bisexualité masculine en Afrique subsaharienne : quels indicateurs dans les enquêtes quantitatives ?

Résumé

Référence

Introduction à l'analyse d'enquêtes avec R

Support de cours

Où couper un dendrogramme ?

Représenter des effectifs dans le plan factoriel