Méthodes statistiques en neuropsychologie

Cet enseignement propose une approche pratique et critique des statistiques, ancrée dans la réalité clinique et scientifique de la neuropsychologie. En s'appuyant sur les outils modernes (logiciels d'analyse intuitifs, intelligence artificielle), le cours s'éloigne du calcul manuel pour privilégier la compréhension conceptuelle. Il rappelle d'abord les fondements statistiques indispensables à la pratique clinique (concept de norme, distribution, percentiles, notes Z). Il introduit ensuite le Modèle Linéaire Général comme cadre unificateur des analyses pour les variables continues, puis s'ouvre aux modèles adaptés aux variables cliniques binaires (ex: régression logistique). Enfin, un axe majeur du cours est consacré à l'esprit critique : les étudiants apprendront à distinguer la significativité statistique de la pertinence clinique (tailles d'effet) et s'entraîneront à détecter les erreurs, biais et anomalies statistiques dans les publications scientifiques.

- Maîtriser les concepts statistiques sous-jacents aux bilans psychométriques (normes, standardisation, étalonnages).
- Comprendre le modèle linéaire général et les modèles pour variables binaires afin de les appliquer à la recherche en neuropsychologie.
- Développer une littératie statistique permettant de comprendre, interpréter et critiquer des résultats générés par des logiciels.
- Apprendre à repérer les erreurs statistiques et les biais méthodologiques dans la littérature scientifique.
- Savoir réaliser des analyses statistiques de base grâce à des logiciels adaptés (JAMOVI)

Session 1 : Devoir sur table. Écrit - rédaction - durée 2 heures

Session 2 : Devoir sur table. Écrit - rédaction - durée 2 heures

Dérogatoire : pas de dérogatoire

Répartition de la note finale : 50% TD et 50% CM (une seule évaluation terminale)

Inscription en M1 de neuropsychologie

- Savoir mobiliser les concepts de norme, de distribution et de standardisation (notes Z, percentiles) pour interpréter les données d'un bilan neuropsychologique clinique
- Identifier et justifier le modèle statistique approprié à une question de recherche (Modèle Linéaire Général pour les variables continues, régression logistique pour les variables binaires)
- Mettre en œuvre des analyses statistiques en autonomie à l'aide de logiciels (JAMOVI) et en comprendre les résultats
- Différencier la significativité statistique de la portée clinique et pratique d'un résultat en calculant et en interprétant les tailles d'effet
- Auditer la littérature scientifique pour y détecter les anomalies statistiques, les erreurs et les biais méthodologiques

Judd, C. M., McClelland, G. H., & Ryan, C. S. (2017). Data Analysis: A Model Comparison Approach to Regression, ANOVA, and Beyond (3rd ed.). Routledge.