Appel à soumissions pour un numéro spécial de Techniques d'enquête sur le thème : Façonner l'avenir de la statistique d'enquête à l'ère des données

Les enquêtes par sondage jouent un rôle fondamental dans la collecte de données granulaires. Elles constituent un élément essentiel des systèmes statistiques internationaux, fournissant aux gouvernements, aux entreprises et à la société civile les informations dont ils ont besoin pour prendre de bonnes décisions. En raison de la nécessité d'obtenir des données plus granulaires pour la recherche politique et empirique, d'autres sources de données sont envisagées pour être utilisées dans les processus statistiques. Compte tenu de l'abondance des nouvelles sources de données, la recherche s’est nettement recentrée sur la compréhension et la résolution des problèmes posés par les nouvelles formes de données et les nouveaux outils et méthodes de collecte de données. Les enquêtes probabilistes restent cruciales, non seulement pour collecter des données qui ne sont pas disponibles dans d'autres sources de données, mais aussi pour évaluer la qualité de ces autres sources de données, en particulier en ce qui concerne la représentativité, la couverture et les mesures.

Les méthodes d'échantillonnage et d'estimation des enquêtes ont progressivement évolué, suite au développement de nouveaux outils de collecte de données : appareils intelligents tels que compteurs, téléphones mobiles, systèmes GPS et plusieurs nouvelles applications. Les méthodes n'ont cessé de progresser pour mesurer l'incertitude et la qualité des données, intégrer les grandes et les petites sources de données et développer des méthodes permettant de faire des inférences à partir des données, en particulier grâce à l'estimation sur petits domaines. Parallèlement, de nouvelles méthodes d'analyse de grands volumes de données, telles que l'apprentissage automatique et les méthodes d'intelligence artificielle, font leur apparition. En outre, des approches rigoureuses pour l'intégration et l'inférence à partir d'un échantillon non probabiliste ont été à la pointe de la recherche récente dans le but d'assurer des statistiques équitables et la représentativité des populations minoritaires. Enfin, avec les nouvelles formes de données, l'intégration des données et les statistiques provenant de sources multiples, de nouveaux défis se posent en matière de protection de la confidentialité et de la vie privée des unités statistiques, avec une évolution vers des méthodes de perturbations et de prise en compte de ces erreurs de perturbation dans l'analyse statistique.

Numéro spécial proposé :

À la lumière de l'évolution actuelle et rapide de l'écosystème des données, le numéro spécial prévu couvrira de nombreux sujets sur l'avenir de la méthodologie et de la statistique d'enquête, y compris :

• les nouvelles formes de collecte de données (p. ex. smartphone), la collecte passive de données et d'autres innovations en matière de collecte de données
• les collectes de données en mode mixte, les plans d'enquête adaptatifs et réactifs
• l'erreur totale d'enquête et les méthodes de correction des erreurs non dues à l'échantillonnage (erreur de couverture, erreur de mesure, biais de non-réponse)
• les cadres de qualité pour les données non issues d'enquêtes, quantification de l'incertitude pour les statistiques provenant de sources multiples et méthodes d'estimation de la variance
• l'avenir des enquêtes par sondage, y compris l'échantillonnage des populations difficiles à sonder et la diffusion de statistiques équitables
• la recherche et le développement avec des applications d'apprentissage automatique et de méthodes d'IA dans la recherche sur les enquêtes
• l’intégration de données de sources multiples, y compris des données non liées à des enquêtes (données administratives, données de recensement, paradonnées et données massives) et des données d'enquêtes non probabilistes
• l’intégration statistique de données
• l’estimation sur petits domaines, y compris l'intégration de données avec des données non issues d'enquêtes
• l’utilisation de données non issues d'enquêtes pour augmenter la collecte de données d'enquêtes, l'estimation et l'atténuation des biais
• l’échantillonnage non probabiliste et la compensation du biais de sélection
• la protection de la vie privée et la confidentialité

Les chercheurs envisageant de contribuer à un manuscrit pour ce numéro spécial sont priés d'indiquer leur intérêt en envoyant un titre provisoire et un court résumé aux éditeurs invités (maria.ferrante@unibo.it et natalie.shlomo@manchester.ac.uk). La date limite pour la soumission des manuscrits pour le numéro spécial est le 31 décembre 2025. Toutes les personnes qui souhaitent soumettre un manuscrit sont encouragées à présenter leur article lors de la conférence satellite ITACOSM2025-IASS du Congrès mondial de statistique 2025. Cette conférence se tiendra du 1^er au 4 juillet 2025 à Bologne en Italie. Pour plus d'informations, veuillez consulter le site Web : https://eventi.unibo.it/itacosm-2025.

Tous les manuscrits soumis pour le numéro spécial seront évalués rigoureusement par des pairs comme toutes les soumissions régulières à Techniques d’enquête. Notez que Techniques d’enquête publie généralement des articles innovateurs de recherche théorique ou appliquée, et parfois des articles de synthèse, qui fournissent des idées nouvelles sur les méthodes statistiques pertinentes pour les bureaux nationaux de statistique et d'autres organismes statistiques. Veuillez consulter le site Web de Techniques d'enquête (www.statcan.gc.ca/techniquesdenquete) pour plus d'informations sur la revue.

Le lien pour soumettre des articles à Techniques d’enquête se fait via le portail de soumissions : https://mc04.manuscriptcentral.com/surveymeth. Veuillez indiquer que la soumission est destinée au numéro spécial dans votre lettre d’accompagnement.

N'hésitez pas à contacter les rédacteurs invités si vous avez d'autres questions.

Cordialement,

Maria Rosaria Ferrante
Université de Bologne
Italie
maria.ferrante@unibo.it

Natalie Shlomo
Université de Manchester
Royaume-Uni
Natalie.shlomo@manchester.ac.uk