Premier quadrimestre, 45 heures de théorie.

Français.

Compétence 1
1. Analyser de manière prospective la communication interactive et
collaborative d'une organisation, son secteur d'activités et son
contexte social, culturel, technologique, économique, politique et
juridique.
3. Concevoir et mettre en œuvre des dispositifs et des actions de
communication interactive et collaborative intégrant les ressources et
les contraintes humaines, financières, matérielles et juridiques d'une
organisation.
4. Concevoir et mettre en œuvre les procédés d'évaluation de ces
dispositifs et actions de communication, savoir interpréter avec
discernement les données de l'évaluation et prendre les mesures
correctrices appropriées.
Compétence 2
1. Maîtriser les grands principes d'architecture, de fonctionnement et
de sécurisation des réseaux informatiques et socionumériques d'une
organisation.
2. Maîtriser les langages et les techniques des différents vecteurs de
la communication (l'oral, l'écrit, la photo, la vidéo, le son, le
graphisme, le multimédia).
3. Maîtriser les méthodes et les techniques de conception, de rédaction,
d'édition, de référencement et de partage de contenus sur les médias
sociaux et les plateformes collaboratives.
4. Maîtriser les principales méthodes et les techniques de collecte, de
traitement et de visualisation des données issues du web.
5. Constituer, entretenir et mobiliser des réseaux de
communication, tant en interne qu'en externe.
6. Optimiser l'animation et la modération de communautés en ligne.
Compétence 4
2. A partir de savoirs multidisciplinaires, développer une réflexion
critique et étayée sur les enjeux humains et sociétaux des technologies
numériques, y compris les questions juridiques, déontologiques et
éthiques.
4. Rendre compte d'une recherche et de ses résultats de façon claire,
cohérente et structurée, par voie écrite et orale, et en respectant les
exigences de la communication scientifique.
5. Actualiser ses savoirs et ses pratiques en mettant en œuvre des
techniques de veille sur le numérique, les médias sociaux et la
communication interactive et collaborative.

Aucun

Aucun

L'essor d'Internet, généralisé sur poste de travail puis sur smartphone,
couplé à l'accroissement des capacités technologiques en matière de
traitement de l'information (tracking, big data, machine learning...) a
entraîné une explosion du volume de données disponibles. Ce contexte
nouveau a décuplé les opportunités d'accès à l'information (p. ex.
moteur de recherche) mais aussi de diffusion d'informations auprès de
publics prédéfinis (p. ex. publicités ciblées et réseaux sociaux).

L'activité portera sur les concepts suivants :

- le fonctionnement des moteurs de recherche,
- les opérateurs de recherche avancés,
- le référencement de sites web,
- les technologies de tracking,
- la publicité ciblée,
- l'automatisation des réseaux et médias sociaux,
- les outils d'analyse de performances (analytics),
- le big data,
- le machine learning,
- le droit applicable aux données,
- l'open data.

Les activités comporteront :

- des cours ex cathedra éventuellement complétés par des exercices et
des travaux encadrés,
- un travail de recherche à domicile,
- un travail de groupe (sur un outil collaboratif).

En cas de passage en distantiel pour des raisons sanitaires,
l'enseignement fonctionnera sur le principe de la classe inversée, les
séances synchrones étant réservées aux questions / réponses et à la
discussion des exercices.

Première session :

L'évaluation est progressive et inclut trois épreuves complémentaires :

- un examen de connaissance (30%) à mi-parcours portant sur un ensemble
de concepts préalablement communiqués et présentés dans le support de
cours (modalité : examen écrit hors session),
- un travail pratique individuel (20%) portant sur la présentation brève
de deux cas pratiques de traitement de données et mobilisant les
concepts assimilés (modalité : remise d'un rapport hors session),
- un travail pratique de groupe (50%) mobilisant des outils
collaboratifs ainsi que les concepts assimilés et portant sur l'analyse
approfondie et la présentation d'un cas pratique de traitement de
données (modalité : remise d'un rapport commun et présentation du
travail par le groupe en session).

Les 3 épreuves doit être présentées.

Tout travail incomplet, bâclé et/ou non relu est refusé.

Tout travail non remis ou remis hors délais sans justification
officielle (p. ex. certificat), est considéré comme non déposé.
L'étudiant se voit alors attribué la note de PP (pas présenté), ce qui
entraîne de facto l'échec de l'UE toute entière.


Seconde session :

L'examen de seconde session est un examen écrit.
La matière sur laquelle porte l'évaluation est celle couverte par le
support de cours .


Critères de réussite

L'UE vaut 5 crédits.
La réussite est à 10/20.

Une présence active à au moins 80 % des heures est requise, en
particulier lors des activités de groupe, faute de quoi l'étudiant
pourra être mis en échec pour l'activité concernée. Les absences
justifiées (certificat) n'entrent pas dans ce calcul.

* Jean Allary & Vincent Balusseau (2018), La publicité à l'heure de la
data, Dunod.
* Christophe Brasseur (2016), Enjeux et usages du big data, Lavoisier
Hermes.
* Simon Chignard (2012). Open data : comprendre l'ouverture des données
publiques. Collection Entreprendre, FYP Editions.
* Pierre Delort (2015), Le Big Data, PUF.
* Fabien Gandon, Catherine Faron-Zucker & Olivier Corby (2012), Le web
sémantique - Comment lier les données et les schémas sur le web ?,
Dunod.
* Pirmer Lemberger, Marc Batty, Médéric Morel & Jean-Luc Raffaëlli
(2016), Big Data et Machine Learning - Les concepts et les outils de la
data science, Dunod.
* Véronique Mesguich & Armelle Thomas (2013), Net recherches 2013 -
Surveiller le web et trouver l'information utile, De Boeck Supérieur.
* Robert Viseur (2015), Utiliser Wikipédia pour la création d'une base
de données biographiques : mise en œuvre et étude des limitations. In
Wikipédia, objet scientifique non identifié. Presses universitaires de
Paris Ouest.

Support de cours (PDF) disponible sur Moodle.