Dans ce module, vous apprendrez à analyser les préférences des utilisateurs (ou d'autres résultats) à l'aide de tests de proportions. Vous vous familiariserez également avec R et RStudio. Les sujets abordés incluent les variables indépendantes et dépendantes, les types de variables, l'analyse exploratoire des données, les valeurs p, les tests asymptotiques, les tests exacts, les tests à un échantillon, les tests à deux échantillons, le test du Khi-deux, le test G, le test exact de Fisher, le test binomial, le test multinomial, les tests post hoc et les comparaisons par paires. Ce module couvre les vidéos de cours 3-9.

Dans ce module, vous apprendrez à concevoir et à analyser un test A/B simple pour un site web. Les sujets abordés comprennent l'erreur de mesure, les variables indépendantes en tant que facteurs, les niveaux de facteurs, les facteurs entre les sujets, les facteurs au sein des sujets, les variables dépendantes en tant que réponses, les types de réponses, les modèles équilibrés et la manière de présenter un test t. Vous effectuerez votre première analyse de la variance sous la forme d'un test t sur échantillons indépendants. Ce module couvre les vidéos de cours 10-11.

Dans ce module, vous apprendrez à vous assurer que vos données sont valides grâce à la conception d'expériences, et que vos analyses sont valides en comprenant et en testant certaines hypothèses. Les sujets abordés incluent la manière d'obtenir un contrôle expérimental, les confusions, la validité écologique, les trois hypothèses de l'ANOVA, les distributions de données, les résidus, la normalité, l'homoscédasticité, les tests paramétriques et non paramétriques, le test de Shapiro-Wilk, le test de Kolmogorov-Smirnov, le test de Levene, le test de Brown-Forsythe et le test U de Mann-Whitney. Ce module couvre les vidéos de cours 12 à 15.

Dans ce module, vous apprendrez ce qu'est une expérience entre sujets à un facteur. L'expérience examinée sera une étude inter-sujets du temps de réalisation d'une tâche avec différents outils de programmation. Vous comprendrez et analyserez les données de facteurs à deux niveaux et de facteurs à trois niveaux en utilisant le test t à échantillons indépendants, le test U de Mann-Whitney, l'ANOVA à sens unique et le test de Kruskal-Wallis. Vous apprendrez à présenter un test F. Vous comprendrez également les tests omnibus et leur relation avec les comparaisons par paires post hoc avec ajustements pour les comparaisons multiples. Ce module couvre les vidéos 16 à 18.

Dans ce module, vous apprendrez à connaître les expériences à un facteur au sein d'un même sujet, également connues sous le nom de plans à mesures répétées. L'expérience examinée sera une étude intra-sujet de sujets recherchant des contacts dans un gestionnaire de contacts de smartphone, y compris l'analyse des temps, des erreurs et des évaluations de l'échelle de type Likert de l'effort. Vous apprendrez les stratégies de contrebalancement pour éviter les effets de report, y compris le contrebalancement complet, les carrés latins et les carrés latins équilibrés. Vous comprendrez et analyserez les données des facteurs à deux niveaux et des facteurs à trois niveaux à l'aide du test t pour échantillons appariés, du test de rang signé de Wilcoxon, de l'ANOVA à mesures répétées à sens unique et du test de Friedman. Ce module couvre les vidéos de cours 19 à 23.

Dans ce module, vous découvrirez les expériences à facteurs multiples et les ANOVA factorielles. L'expérience examinée portera sur les performances de saisie de texte sur différents claviers de smartphones en position assise, debout et en marchant. Les sujets abordés comprennent les plans factoriels mixtes, les effets d'interaction, les ANOVA factorielles et la transformée de rangs alignés en tant qu'ANOVA factorielle non paramétrique. Ce module couvre les vidéos de cours 24-27.

Dans ce module, vous apprendrez à analyser les réponses non normales ou non numériques dans le cadre d'expériences entre sujets à l'aide de modèles linéaires généralisés (GLM). Nous revisiterons trois expériences précédentes et les analyserons à l'aide de modèles généralisés. Les sujets abordés comprennent un examen des distributions de réponses, de la régression logistique nominale, de la régression logistique ordinale et de la régression de Poisson. Ce module couvre les vidéos de cours 28-29.

Dans ce module, vous apprendrez à connaître les modèles à effets mixtes, en particulier les modèles mixtes linéaires (LMM) et les modèles mixtes linéaires généralisés (GLMM). Nous revisiterons notre expérience précédente sur les performances de saisie de texte sur les smartphones, mais cette fois-ci, en conservant chaque essai de mesure comme partie intégrante de l'analyse. L'ensemble des analyses couvertes dans ce cours sera également passé en revue. Ce module couvre les vidéos de cours 30-33.