Programme de recherche et développement en méthodologie : réalisations, 2020-2021
5. Recherche divisionnaire et autres activités
5.1 Division des méthodes de la statistique économique
SOUS-PROJET : Analyse longitudinale pour le projet « Toking 9 to 5? Examining the Impact of Cannabis Legalization on Workplace Cannabis Use and Perceptions among Canadian Workers »
Le projet Toking 9 to 5? Examining the Impact of Cannabis Legalization on Workplace Cannabis Use and Perceptions among Canadian Workers est une étude longitudinale de quatre vagues à cohortes multiples des Instituts de recherche en santé du Canada. Un des principaux objectifs de cette étude est d’examiner l’incidence de la légalisation du cannabis sur les tendances longitudinales de la consommation du cannabis au travail, la perception du risque, les normes et la disponibilité, et si ces tendances au niveau des habitudes diffèrent selon l’âge, le sexe, le rôle des sexes sur le marché du travail, les groupes professionnels et la géographie. L’idée de Carrillo et Karr (2013) est séduisante pour s’attaquer à ce problème puisqu’ils ont proposé une méthode d’analyse marginale des enquêtes à cohortes multiples. Toutefois, le travail de Carrillo et Karr se limitait à des enquêtes probabilistes, alors que l’enquête Toking 9 to 5 n’est pas probabiliste. Par conséquent, une évaluation ou une modification de ladite méthode pour les enquêtes non probabilistes est nécessaire avant qu’elle puisse être appliquée aux données de l’enquête Toking 9 to 5.
Progrès :
Comme il n’y a pas de poids d’enquête pour l’enquête Toking 9 to 5, la première étape du projet consiste à créer des pseudopoids, qui peuvent être utilisés avec la méthode de Carrillo et Karr (2013). Nous avons examiné la documentation disponible pour la création de pseudopoids pour les enquêtes non probabilistes (Valliant et Dever, 2011, Wang et coll., 2020a, b). Toutes ces méthodes nécessitent l’utilisation d’une enquête probabiliste comme référence. Nous avons examiné différentes possibilités d’utilisation des enquêtes comme référence. Nous avons déterminé que l’Enquête sur la santé dans les collectivités canadiennes (ESCC) et que l’Enquête canadienne sur le tabac, l’alcool et les drogues (ECTAD) sont les meilleures options; ces enquêtes comportent de nombreuses variables en commun avec les participants du panel Toking 9 to 5, et les populations cibles peuvent être rapprochées. Nous avons harmonisé les variables entre les variables du panel Toking 9 to 5 et celles de l’ESCC pour les deux premières vagues du panel.
SOUS-PROJET : Intégration des données grâce à la méthode LASSO adaptée aux résultats
Les données administratives, ou données d’échantillon non probabilistes, sont de plus en plus utilisées pour obtenir des statistiques officielles en raison de leurs nombreux avantages par rapport aux méthodes d’enquête. En particulier, elles sont moins coûteuses, fournissent une taille d’échantillon plus grande et ne dépendent pas du taux de réponse. Toutefois, il est difficile d’obtenir une estimation sans biais de la moyenne de la population à partir de ces données en raison de l’absence de poids de sondage. En raison du biais de sélection, la moyenne de l’échantillon d’une variable sur un échantillon non probabiliste n’est pas nécessairement une estimation précise de la moyenne de la population pour cette variable. Plusieurs approches d’estimation ont été proposées récemment à l’aide d’un échantillon probabiliste qui fournit des renseignements auxiliaires sur la population cible. Dans cette recherche, nous nous concentrons sur la méthode Chen, Li et Wu (2019). Ces auteurs ont développé une méthode d’estimation doublement robuste pour l’inférence avec des échantillons non probabilistes. L’objectif principal de ce projet est d’évaluer la possibilité d’étendre l’approche de Chen, Li et Wu (2019) à la sélection de variables à l’aide de la technique LASSO.
Chen, Li et Wu (2019) ont examiné la situation dans laquelle les variables auxiliaires sont données. Toutefois, lorsque l’information sur ces covariables est de grande dimension, la sélection de variables n’est pas une tâche simple, même pour un spécialiste. L’objectif de ce projet était d’étendre l’approche Chen, Li et Wu (2019) en appliquant une méthode LASSO adaptative avec une pénalité (Shortreed et Ertefaie, 2017) pour effectuer une sélection de variables. Ce travail est pertinent pour plusieurs raisons. Des études ont montré que l’inclusion des variables dans le modèle de score de propension, qui influence la sélection dans l’échantillon non probabiliste et qui explique également la variable cible (Van der weele et Shiptser, 2011), conduit à des estimations non biaisées. Toutefois, l’inclusion de variables au modèle de score de propension qui influent sur la sélection dans l’échantillon non probabiliste mais non sur la variable cible, augmentera la variance des estimateurs par rapport aux estimateurs qui excluent de telles variables (Schistermann et coll., 2009; Schneeweiss et coll., 2009; Van der Laan et Gruber, 2010). Dans le même sens, l’inclusion de variables dans le modèle de score de propension, qui ne sont reliées qu’à la variable cible augmentera la précision de l’estimateur sans affecter le biais (Brookhart et coll., 2006); Shortreed & Ertefaie, 2017).
Progrès :
Nous avons élaboré une extension de la méthode LASSO adaptative dans le contexte de la combinaison d’échantillons non probabiliste et probabiliste (Bahamyirou, 2021). Nous avons également conçu un programme R, qui met en œuvre la méthode proposée ainsi que l’estimateur de Chen, Li et Wu (2019). Les résultats de ce projet ont été soumis à La revue canadienne de statistique.
Pour obtenir plus de renseignements, communiquez avec :
Wesley Yung (613-951-4699, wesley.yung@statcan.gc.ca).
Bibliographie
Brookhart, M. A., Schneeweiss, S., Rothman, K. J., Glynn, R. J., Avorn, J. et Sturmer, T. (2006). Variable selection for propensity score models. American Journal of Epidemiology, 163, 1149–-1156.
Carrillo I.A., et Karr A.F. (2013). Combining cohorts in longitudinal surveys. Survey methodology, 39(1), 149-182.
Chen, Y., Li, P. et Wu, C. (2019). Doubly robust inference with Non-probability Survey samples. Journal of the American Statistical Association (published online).
Gruber, S., et van der Laan, M.J. (2010). An application of collaborative targeted maximum likelihood estimation in causal inference and genomics. International Journal of Biostatistics, 6(1), 18.
Schisterman, E.F, Cole, S. et Platt, R.W (2009). Overadjustment bias and unnecessary adjustment in epidemiologic studies. Epidemiology, 20, 488.
Schneeweiss, S., Rassen, J.A., Glynn, R.J., Avorn, J., Mogun, H. et Brookhart, M.A. (2009). High-dimensional propensity score adjustment in studies of treatment effects using health care claims data. Epidemiology, 20, 512.
Shortreed, S.M., et Ertefaie, A. (2017). Outcome-adaptive lasso: Variable selection for causal inference. Biometrics, 73(4), 1111–1122.
Valliant, R., et Dever, J.A. (2011). Estimating propensity adjustments for survey volunteer web surveys. Sociological Methods & Research, 40(1), 105-137.
Van der weele, T.J., et Shipitser, I. (2011). A new criterion for confounder selection, Biometrics. 2011 Dec; 67(4): 1406–1413.
Wang L., Graubard B.I., Katki H.A. et Li Y. (2020). Improving external validity of epidemiological cohort analyses: a kernel weighting approach. JRSS, A, 183(3), 1293-1311.
Wang L., Graubard B.I., Katki H.A. et Li Y. (2020). Efficient and robust propensity-score-based methods for population inference using epidemiologic cohorts. https://arxiv.org/abs/2011.14850v1
5.2 Division des méthodes de statistique sociale
SOUS-PROJET : Intervalles de confiance pour des totaux estimés
L’objectif de la recherche était d’élaborer une méthode d’intervalle de confiance pour des totaux estimés ayant de bonnes propriétés de couverture pour la diffusion du questionnaire détaillé du Recensement de 2021. La plupart des estimations du questionnaire détaillé du recensement sont des estimations du nombre total d’unités qui présentent une caractéristique d’intérêt. La méthode habituelle de construction des intervalles de confiance a une couverture médiocre pour des totaux estimés quand la taille de l’échantillon est petite et que presque toutes les unités échantillonnées ont une valeur de 0 pour la variable d’intérêt ou que presque toutes les unités ont une valeur de 1.
Progrès :
On a calculé un intervalle de confiance Wilson pour des totaux estimés en imitant l’approche utilisée par Wilson (1927) pour les proportions et en l’adaptant aux données d’enquête complexes à l’aide de la méthode proposée par Kott et Carr (1997). Des études approfondies de simulation ont été entreprises pour déterminer comment l’intervalle proposé devrait être mis en œuvre pour l’estimation sur des domaines et le calage. La méthode proposée a également été mise à l’essai au moyen de simulations conçues pour reproduire l’environnement du questionnaire détaillé du recensement. Une approximation de l’intervalle Wilson modifié a été élaborée pour contourner les contraintes imposées par le Système de tabulation généralisée (GTAB), qui sera utilisé pour la production du questionnaire détaillé du recensement. Les résultats de simulation montrent que l’intervalle Wilson modifié pour des totaux estimés a de bonnes propriétés de couverture pour presque tous les scénarios envisagés. Les travaux sont documentés dans Hidiroglou (2020), Neusy (2021) et Savard (2020, 2021).
SOUS-PROJET : Combiner les données d’enquête avec les données recueillies selon une approche participative à l’aide de techniques d’estimation sur petits domaines
L’approche participative est une méthode de collecte à faible coût qui permet de recueillir des renseignements rapidement au moyen d’un questionnaire qui est ouvert à tout participant désireux de participer. Toutefois, les données obtenues par l’approche participative ne peuvent pas être utilisées directement pour tirer des inférences statistiques, car le processus n’est pas probabiliste. L’utilisation de méthodes d’estimation sur petits domaines (EPD) pour combiner les données recueillies selon une approche participative avec des données probabilistes a été mise à l’essai dans le but de réduire la variance.
Progrès :
Le modèle Fay-Herriot a été utilisé pour intégrer les données catégoriques sur la COVID-19 recueillies selon une approche participative et les sources de données d’enquête sur la COVID-19 provenant des premier et troisième cycles de la Série d’enquêtes sur les perspectives canadiennes (SEPC). Le modèle de Fay-Herriot a été mis à l’essai pour sa simplicité et son interprétabilité. Dans l’ensemble, le modèle de Fay-Herriot a montré un succès modéré dans l’intégration de données catégoriques recueillies selon une approche participative avec des données d’enquête. Lorsqu’un ajustement approprié du modèle a été obtenu, des améliorations significatives ont été observées au chapitre de la précision des estimations. Cela s’est produit même pour le troisième cycle de l’approche participative, caractérisé par une réduction spectaculaire du nombre de participants. Toutefois, un ajustement approprié du modèle n’a pas toujours été réalisable, ce qui pourrait indiquer la nécessité d’évaluer l’utilisation d’autres méthodes d’EPD.
Un rapport de recherche et un document de travail de la Division des méthodes de la statistique sociale portant sur ce projet ont été rédigés (Chatrchi et Ding, 2021).
SOUS-PROJET : Intégration des données d’enquête et des données recueillies selon une approche participative : Méthode d’appariement d’échantillons
L’appariement d’échantillons est une méthode relativement nouvelle proposée par Rivers (2007), qui consiste à utiliser des données non probabilistes comme bassin de donneurs et à imputer toutes les réponses pour un échantillon probabiliste à l’aide d’un ensemble de variables d’appariement. Cette méthode a été mise à l’essai dans le contexte des enquêtes sur la COVID-19, où les estimations imputées ont été comparées aux estimations provenant d’enquêtes probabilistes.
Progrès :
Tout d’abord, la méthode d’appariement d’échantillons a été mise à l’essai, comme le proposait Rivers : toutes les unités d’un échantillon probabiliste ont été imputées à l’aide de donneurs provenant d’une source de données non probabilistes. L’échantillon était constitué de répondants à une enquête utilisant les mêmes questions que les données non probabilistes. Ainsi, les estimations de l’enquête probabiliste et de l’expérience d’appariement d’échantillons ont été comparées. Ensuite, on a utilisé la méthode d’appariement d’échantillons pour imputer les non-répondants d’une enquête non probabiliste à l’aide de donneurs provenant d’une source de données non probabilistes. Les estimations de cette méthode et de l’enquête probabiliste ont été comparées.
Les deux étapes ont été réalisées à l’aide de la première vague de la Série d’enquêtes sur les perspectives canadiennes (SEPC), une enquête probabiliste, et de la première vague des projets par approche participative comme source de données non probabiliste. Puis, elles ont été effectuées de nouveau à l’aide de la troisième vague de la SEPC comme enquête probabiliste, et de la composante d’approche participative de la troisième vague de la SEPC comme source de données non probabiliste.
Le rapport de recherche est terminé et un document de travail de la Division des méthodes de la statistique sociale sur ce projet est en cours d’examen (Poirier, Chatrchi et Wang, 2021).
Pour obtenir plus de renseignements, communiquez avec :
François Brisebois (613-222-8310, francois.brisebois@statcan.gc.ca).
Bibliographie
Kott, P.S., et Carr, D.A. (1997). Developing an Estimation Strategy for a Pesticide Data Program. Journal of Official Statistics, 13, 4, 367-383
Rivers, D. (2007). Sampling for web surveys. Proceedings of the Survey Research Methods Section, American Statistical Association, Alexandria, VA.
Wilson, E.B. (1927). Probable Inference, the Law of Succession, and Statistical Inference. Journal of the American Statistical Association, 22, 209-212.
5.3 Division des méthodes d’intégration statistique
SOUS-PROJET: Outrepasser des erreurs dans les données utilisées en couplage d’enregistrement avec la conception et l’étude d’une nouvelle méthode de couplage par génération aléatoire de pseudo-clés et de processus de décision.
L’utilisation de pseudo-clés est courante lors des projets de couplage. Une pseudo-clé est définie à partir de portions de variables des deux tables à coupler de sorte qu’elle forme une nouvelle variable qui va servir de clé de couplage. Elle simule le rôle d’une vraie clé (comme le Numéro d’Assurance Sociale (N.A.S.)) en imposant l’unicité dans une même table, et formera des paires à partir des enregistrements qui ont la même valeur de pseudo-clé. En plus d’être utilisée en couplage déterministe, elle est aussi importante en couplage probabiliste où elles sont appliquées pour contribuer à former un ensemble de paires liées à l’étape du « blocking ».
Ce projet développe une méthode de couplage fondée sur la génération des pseudo-clés aléatoires par échantillonnage des variables et sur l’agrégation des résultats de classification des paires obtenues par l’application sur les tables des pseudo-clés générées.
Le premier but était d’effectuer de nouveaux développements ou fonctionnalités de la méthode en langage python. Un autre objectif était de tester l’efficacité de la méthode développée dans le contexte d’un appariement à 2 tables, selon différents cas de figure. Le dernier objectif était de commencer à concevoir un cadre théorique aux pseudo-clés et leurs indicateurs d’unicité.
Progrès :
Des développements de la méthode ont été effectués pour produire une panoplie d’indicateurs, référencés par Christen (2007), et d’outils de visualisation de la qualité du couplage à partir d’une table de vérité. Ces fonctionnalités ont permis de réaliser le deuxième objectif en faisant l’étude de l’impact de la variation du degré d’inclusion/exclusion des deux tables d’entrées sur les résultats de couplage. De même, une analyse de l’influence du paramètre seuil minimal pour un vote entre classifieurs a été produite grâce notamment à l’outil interactif de la Courbe « Receiver Operating Characteristic » (ROC) qui présentent ces résultats en comparaison avec des pseudo-clés individuelles. Enfin, le développement théorique a débuté avec la formalisation de notions permettant une définition mathématique des « pseudo-clés » en couplage, similaire à celles présentées dans Atencia, David & Euzenat (2014) et Pernelle, Saïs, Symeonidou (2013), ainsi que du caractère aléatoire utilisé dans cette méthode. Cette définition permet d’aboutir à une probabilité d’unicité théorique naïve, supposant l’indépendance des caractères et une distribution i.i.d des enregistrements, qui a été comparée expérimentalement avec les taux d’unicité réels des pseudo-clés.
Pour plus de renseignements, communiquez avec :
Gautier Gissler (613-294-2574, gautier.gissler@statcan.gc.ca).
Bibliographie
Atencia, M., David, J. et Euzenat, J. (2014). Data interlinking through linkkey extraction. ECAI 2014: 15-20.
Christen, P., et Goiser, K. (2007). Quality and Complexity Measures for Data Linkage and Deduplication. Quality Measures in Data Mining, Studies in Computational Intelligence, vol. 43, Springer.
Pernelle, N., Saïs, F. et Symeonidou, D. (2013). An automatic key discovery approach for data linking. Journal of Web Semantics, Elsevier, 23, 16-30.
5.4 Centre de collaboration internationale et d’innovation en méthodologie
SOUS-PROJET : Suivi des non répondants pour les enquêtes auprès des entreprises
Au cours des deux dernières décennies, les taux de réponse aux enquêtes ont diminué régulièrement. Dans ce contexte, il est devenu de plus en plus important pour les organismes de statistique d’élaborer et d’utiliser des méthodes qui réduisent les effets néfastes de la non-réponse sur l’exactitude des estimations d’enquêtes. Le suivi des non-répondants peut être un remède efficace contre le biais de non-réponse, même s’il exige beaucoup de temps et de ressources. L’objectif de ce projet de recherche est de faire la lumière sur certaines questions pratiques concernant le suivi de la non-réponse. Par exemple, si l’on suppose un budget fixe de suivi, quelle est la meilleure façon de choisir les unités devant faire l’objet d’un suivi? Devrait-on faire le suivi de tous les non-répondants ou seulement d’un échantillon d’entre eux? Si l’on fait un suivi d’un échantillon, de quelle manière devrait-il être sélectionné?
Progrès :
Une étude de simulation a déjà été réalisée pour répondre aux questions susmentionnées. Pendant l’année en cours, nous avons ajouté des résultats théoriques pour mieux justifier nos résultats empiriques, et nous avons terminé un article qui a été soumis à une revue statistique à comité de lecture (Neusy, Beaumont, Yung, Hidiroglou et Haziza, 2021).
SOUS-PROJET : Estimation bootstrap du biais conditionnel pour mesurer l’influence dans les enquêtes complexes
Dans les enquêtes qui recueillent des données sur des variables asymétriques, il est souvent souhaitable d’évaluer l’influence des unités de l’échantillon sur l’erreur d’échantillonnage des estimateurs pondérés par les poids de sondage des paramètres de population finie. Le biais conditionnel est une mesure attrayante de l’influence qui tient compte du plan de sondage et de la méthode d’estimation. Il se définit comme l’espérance par rapport au plan de sondage de l’erreur d’échantillonnage conditionnelle à la sélection d’une unité donnée dans l’échantillon. L’estimation de ce biais est relativement simple pour les plans de sondage et les estimateurs simples. Pour les plans ou les estimateurs complexes en revanche, il peut être fastidieux de dégager une expression explicite du biais conditionnel. Dans de tels cas, l’estimation de la variance s’obtient fréquemment par des méthodes par répliques comme le bootstrap. Les méthodes bootstrap sont normalement mises en œuvre en produisant un jeu de poids bootstrap qui est mis à la disposition des utilisateurs de données d’enquête. Nous étudions la façon d’utiliser les poids bootstrap pour obtenir un estimateur du biais conditionnel. Cet estimateur peut servir à construire des estimateurs robustes des paramètres de population finie, qui sont moins négativement touchés par les unités influentes que les estimateurs pondérés ordinaires. Nous prévoyons d’évaluer dans une étude par simulation notre estimateur bootstrap du biais conditionnel.
Progrès :
La théorie a été élaborée dans des recherches antérieures. Cette année, nous avons mené une étude par simulation et rédigé un article (Beaumont, Bocci et Saint-Louis, 2021), qui a été présenté à une revue statistique à comité de lecture.
SOUS-PROJET : Développement d’un système prototype pour l’estimation robuste
Dans maintes enquêtes économiques et quelques enquêtes sociales, des variables asymétriques sont recueillies, ce qui peut créer la présence de valeurs aberrantes et d’unités influentes. Les méthodes classiques d’estimation peuvent produire des estimateurs hautement inefficaces dans ce scénario. L’idée avec une estimation robuste est de diminuer l’effet de ces unités de l’échantillon sur les estimations. Le biais conditionnel est utilisé comme une mesure d’influence. Les estimations classiques sont réduites par une fonction du biais conditionnel des unités de l’échantillon. La notion de biais conditionnel a d’abord été avancée par Moreno-Rebollo, Munoz-Reyez et Munoz-Pichardo (1999); elle a ensuite aidé Beaumont, Haziza et Ruiz-Gazen (2013) à concevoir un estimateur robuste.
Progrès :
Un prototype élaboré en SAS comporte un grand nombre des spécifications pour l’estimation robuste formulées dans Estevao (2021). Il s’agit d’une série de macros pour les diverses fonctions liées à la production d’estimations robustes pour des domaines. Les estimations robustes au niveau des domaines n’ont généralement pas la propriété d’additivité des estimations standards pour les domaines. Il y a donc une macro qui crée des estimations cohérentes pour des domaines à partir des estimations robustes en modifiant légèrement leurs valeurs. Une autre macro produit des poids par recalage pour les unités de l’échantillon comme garantie de reproduction des estimations cohérentes pour les domaines et de tous les totaux connus de variables auxiliaires.
Au cours de la dernière année, une méthode bootstrap pour l’estimation de la variance a été incluse pour produire des estimations de la variance pour les estimations robustes pour les domaines. Un guide d’utilisation avec des exemples (Estevao, 2021) est disponible décrivant les 6 premières des 9 fonctions principales. Il sera mis à jour prochainement pour inclure une description de toutes les fonctions.
Les macros compilées et le guide d’utilisation pour leur application sont disponibles grâce au soutien des membres du Centre de collaboration internationale et d’innovation en méthodologie.
SOUS-PROJET : Estimation bootstrap de la variance pour un échantillonnage à plusieurs degrés avec application à la non-réponse
Le bootstrap sert fréquemment à l’estimation de la variance dans des enquêtes avec plan d’échantillonnage stratifié à plusieurs degrés. Il est souvent mis en œuvre par la production d’un jeu de poids bootstrap qui est mis à la disposition des utilisateurs et qui tient compte de la complexité du plan de sondage. La méthode de Rao, Wu et Yue (1992) sert dans bien des cas à produire la pondération bootstrap nécessaire. Elle est valide pour un échantillonnage stratifié avec remise au premier degré ou dans le cas de fractions de sondage au premier degré négligeables. Certaines enquêtes ne satisfont pas à ces conditions. Le but du présent projet est de proposer pour les plans d’échantillonnage à plusieurs degrés une méthode bootstrap qui s’appliquerait lorsque les conditions pour la validité de la méthode bootstrap de Rao, Wu et Yue (1992) ne sont pas réunies.
Progrès :
Au cours de l’année précédente, nous avons conçu une méthode bootstrap simple qui est valide même avec des fractions de sondage non négligeables. Elle s’applique à tout plan d’échantillonnage à plusieurs degrés dans la mesure où une méthode bootstrap valide est disponible pour chaque degré de l’échantillonnage. Notre méthode s’applique aussi aux plans de sondage à deux degrés avec échantillonnage de Poisson au second degré. Nous employons ce plan pour établir des poids bootstrap qui tiennent compte de la non-réponse. Au cours de l’année en cours, nous avons commencé des études par simulation pour évaluer la méthode bootstrap proposée et nous avons rédigé la partie théorique d’un article, que nous prévoyons présenter à une revue statistique à comité de lecture.
Pour obtenir plus de renseignements, communiquez avec :
Jean-François Beaumont (613-863-9024, jean-francois.beaumont@statcan.gc.ca).
Bibliographie
Beaumont, J.-F., Haziza, D. et Ruiz-Gazen, A. (2013). A unified approach to robust estimation in finite population sampling. Biometrika, 100, 555-569.
Moreno-Rebollo, J.L., Munoz-Reyez, A.M. et Munoz-Pichardo, J.M. (1999). Influence diagnostics in survey sampling: conditional bias. Biometrika, 86, 923-928.
Rao, J.N.K., Wu, C.F.J. et Yue, K. (1992). Some Recent Work on Resampling Methods for Complex Surveys. Survey Methodology, 18, 209-217.
5.5 Division de la science des données
SOUS-PROJET : Travaux de la Division de la science des données
En septembre 2019, Statistique Canada a créé la Division de la science des données afin de fournir une expertise en science des données et d’agir comme porte d’entrée pour le traitement avancé des données et l’analyse des mégadonnées non structurées. Son équipe multidisciplinaire (scientifiques des données, méthodologistes, gestionnaires), composée de spécialistes dans les plus récentes techniques de source ouverte, de codage, de matériel et de services infonuagiques a été créée pour s’attaquer aux projets portant sur les données structurées et non structurées (textes, images, etc.). L’équipe fait également la promotion de pratiques et de méthodes scientifiques éthiques qui produisent une inférence statistique valide. Son énoncé de mission est de renforcer les capacités en science des données au sein de l’organisme en résolvant des problèmes concrets.
Progrès :
Au cours de la dernière année, l’équipe a mené de nombreux projets de science des données en utilisant différentes techniques de science des données : lecture et extraction de données des documents en format PDF, utilisation de l’imagerie satellite pour dériver des données de l’agriculture, exploration des techniques de protection de la vie privée, extraction de données à partir de sources de nouvelles, de commentaires ou de textes narratifs, modélisation de scénarios relatifs à la COVID-19 pour aider les organismes de première ligne, entre autres. Nous avons également mené des activités horizontales, comme le lancement en octobre 2020, du Réseau de la science des données pour la fonction publique fédérale, qui compte maintenant près de 2 000 membres et publie un bulletin mensuel. Le Réseau est ouvert à toute personne qui s’intéresse à la science des données au Canada, qu’il s’agisse de scientifiques des données ou de gestionnaires de scientifiques des données. Les cinq caractéristiques du Réseau sont les suivantes : gestion des talents, formation, transfert d’information, collaboration et services communs.
La Division a également travaillé à une première version de la stratégie relative à la science des données à venir de Statistique Canada, fondée sur les six piliers suivants : gouvernance, opérationnalisation, infrastructure et outils, intégration, personnes et culture et leadership. La vision est la suivante : l’organisme intègre des méthodes d’apprentissage automatique et d’intelligence artificielle, de nouveaux processus, de nouvelles technologies et normes, avec une gestion des données analytiques de longue date et une expertise en matière de protection de la vie privée, afin de fournir de meilleures perspectives sociales et économiques aux Canadiens et aux décideurs. Enfin, la Division de la science des données contribue à accroître la capacité de l’organisme en matière de science des données en dirigeant ou en appuyant les communautés de pratique connexes, en contribuant à l’initiative de littératie des données de Statistique Canada ou en proposant une formation appropriée en science des données à tous les niveaux d’employés au moyen de cours, de séminaires et de forums en ligne et officiels.
Pour de plus amples renseignements, veuillez consulter :
La page web du Réseau de la science des données pour la fonction publique fédérale : https://www.statcan.gc.ca/fra/science-donnees/reseau
Formation de la littératie des données sur l’apprentissage automatique : https://www.statcan.gc.ca/fra/afc/litteratie-donnees/catalogue/892000062021004
Ou communiquez avec :
Sevgui Erman (613-716-5906, sevgui.erman@statcan.gc.ca).
5.6 Revue Techniques d’enquête
Techniques d’enquête est une revue internationale accessible à www.statcan.gc.ca/techniquesdenquête qui publie des articles dans les deux langues officielles sur divers aspects du développement statistique pertinents pour un organisme statistique. Son comité de rédaction comprend des leaders de renommée mondiale dans les méthodes d'enquête des secteurs gouvernemental, universitaire et privé. Le journal est publié en format HTML entièrement accessible et en PDF.
Les travaux liés aux processus éditoriaux et de production comprennent: la correspondance avec les auteurs, les examinateurs, les rédacteurs associés et les lecteurs; la revue des commentaires des examinateurs et des révisions des auteurs; la mise en page et l’édition des manuscrits; la liaison avec la traduction et la diffusion; et la mise à jour d'une base de données des articles soumis.
Progrès :
Les numéros de juin et décembre 2020 (46-1 et 46-2) ont été publiés en versions PDF et HTML. Ces numéros comprennent respectivement 6 et 5 articles réguliers. D’avril 2020 à mars 2021, les pages de Techniques d’enquête ont été consultées 47 000 fois et près de 18 000 copies d'articles ont été téléchargées. Cinquante-sept articles ont été soumis pour publication.
En janvier 2021, Jean-François Beaumont, conseiller principal en statistique à Statistique Canada, a été nommé comme nouveau rédacteur en chef de Techniques d’enquête. Beaumont est associé à la revue depuis 20 ans; il a été rédacteur adjoint de 2000 à 2010 et rédacteur associé de 2010 à 2020. Il succède à Wesley Yung, rédacteur en chef depuis 2015. Respecter les attentes accrues des auteurs en terme de rapidité du processus éditorial, tout en conservant la même valeur fondamentale de rigueur scientifique, constitue une priorité du nouveau rédacteur en chef.
Pour obtenir plus de renseignements, communiquez avec :
Susie Fortier (613-220-1948, susie.fortier@statcan.gc.ca).
5.7 Transfert de connaissances – Formation statistique
Le Groupe de travail sur le développement de talent statistique, dont le mandat principal demeure la modernisation de la formation statistique au sein de l’organisme, a connu une année chargée et productive. Même s’il existe un programme d’études bien établi comportant des cours qui couvrent un éventail de thèmes statistiques, le Groupe continue de développer et d’établir la priorité de nouvelles activités d’apprentissage qui peuvent être développées en temps opportun, en mettant l’accent sur l’apprentissage actif.
Au début de l’année, lorsque la pandémie a frappé et que bon nombre des programmes de Statistique Canada ont été temporairement suspendus, les employés ont dû s’adapter rapidement au travail à temps plein à domicile. Pour de nombreux employés, cette période s’est révélée idéale pour se concentrer sur la formation. Par conséquent, un vaste inventaire d’outils d’autoapprentissage disponibles en ligne a été rapidement élaboré et partagé avec les employés de la Direction. Les sujets abordés étaient variés, y compris les techniques d’échantillonnage, l’estimation de la variance, la science des données et l’apprentissage automatique, l’intégration des données, la modélisation et divers logiciels statistiques (R, SAS, Python) pour n’en nommer que quelques-uns. Cet inventaire continue d’être une excellente ressource de formation pour les employés à ce jour.
Étant donné que la science des données et la modélisation des données continuent d’être des domaines prioritaires au sein de l’organisme, les nouvelles initiatives sont restées principalement axées sur ces sujets. Deux cours sur la science des données ont été proposés par des professeurs d’université connus. Le premier était une reprise du cours mis à l’essai l’année précédente, qui fait maintenant partie de notre programme. Le deuxième ciblait les gestionnaires de l’organisme, et se concentrait sur ce que les méthodes peuvent et ne peuvent pas faire plutôt que sur la théorie mathématique derrière les méthodes. Il a suscité un grand intérêt et devrait faire partie de notre programme régulier pendant les années à venir. De plus, une nouvelle activité d’apprentissage sur la modélisation statistique a été mise à l’essai pour la première fois l’an dernier. Trois sujets ont été abordés, à savoir la régression linéaire, la régression logistique et la validation croisée. Les participants ont d’abord reçu la directive de regarder une vidéo expliquant la technique de modélisation. Puis, le groupe a eu une discussion approfondie avec un modérateur, et enfin il y a eu une démonstration de l’application de la méthode dans un programme existant de Statistique Canada. Cette combinaison s’est révélée très réussie et a vraiment permis une participation active de tous les participants. L’expérience sera répétée l’année prochaine. De plus, à mesure que l’utilisation de R devient plus répandue au sein de l’organisme, des séances supplémentaires du cours d’introduction interne élaboré l’an dernier ont été offertes et continueront de l’être.
Une autre nouvelle initiative réussie au cours de la dernière année a été le lancement de faits intéressants sur la méthodologie. Il s’agit de courtes vidéos, de 30 à 40 minutes, élaborées par des employés de Statistique Canada et portant sur un large éventail de sujets. D’autres sont en développement pour l’année prochaine. Enfin, il convient de noter que la plupart des cours en classe existants dans notre programme d’études ont connu une transition sans heurts vers un format virtuel.
Pour obtenir plus de renseignements, communiquez avec :
Pierre Caron (613-612-6910, pierre.caron@statcan.gc.ca).
5.8 Symposium international de 2021 sur les questions de méthodologie de Statistique Canada
Le Symposium international de 2021 sur les questions de méthodologie de Statistique Canada « Adopter la science des données en statistique officielle pour répondre aux besoins émergents de la société » se déroulera, pour la première fois, de façon virtuelle durant plusieurs semaines à l’automne 2021. Habituellement tenu dans la région de la capitale nationale du Canada, le Symposium de 2021 sera accessible en ligne tous les vendredis du 15 octobre au 5 novembre 2021 inclusivement. Le symposium sera gratuit, il comprendra des séances plénières, des séances simultanées et des séances de présentation par affiche qui porteront sur une grande variété de sujets, et sera précédé de trois ateliers le jeudi 14 octobre.
Progrès :
Le comité organisateur a été très actif dans l’élaboration des différentes activités entourant le symposium. Comme il a lieu virtuellement, un nouveau format a été élaboré, des plates-formes possibles ont été évaluées et un formulaire de soumission de résumé a été mis en œuvre en ligne. Le comité a été occupé à organiser les activités habituelles, comme la publicité pour le symposium, l’élaboration des thèmes et l’annonce de demandes de propositions de communication, l’organisation de séances sollicitées, et l’obtention de conférenciers principaux et de présentateurs spéciaux. Le comité a également amorcé l’organisation des ateliers, ainsi que le groupe d’experts – déterminer les thèmes et les participants potentiels. Après la clôture des soumissions, nous élaborerons le programme complet, terminerons la sélection de la plate-forme, obtiendrons des diapositives des présentateurs, traduirons du matériel, élaborerons un environnement de test et tiendrons le symposium. Puis, les dernières étapes consisteront à recueillir des documents pour les délibérations, puis à coordonner et réviser leur traduction aux fins de publication électronique.
Pour de plus amples renseignements, veuillez consulter : https://www.statcan.gc.ca/fra/conferences/symposium2021/index.
- Date de modification :