Domaine : Sciences économiques et de gestion
Section : Gestion hôtelière
Fiche descriptive d'une Unité d'Enseignement
Année académique 2024-2025
Traitement & gestion de l'information
UE 30
Enseignant(s) responsable de l'UE :
Jennifer DEMEULDRE
Autres enseignant·e·s de l'UE :
Caroline DEBAILLE
Coordonnées du service :
Campus d'Anderlecht
Avenue Émile Gryzon 1 (bât. 4C)
1070 Anderlecht
Langue(s) d'enseignement :
Français
Niveau du cycle :
1er cycle
Période de l'année :
Quadrimestre 2
Cadre européen de certification :
Niveau 6
Caractère obligatoire ou au choix dans le programme :
Cours obligatoire dans le programme
Renseignements d'identification
Année d'études : Bloc 2
Acronyme : GHU22TRAI
Nombre de crédits ECTS : 4 (Facteur de pondération)
Volume horaire : 45h (Q1 0 / Q2 45)
Épreuves spécifiques par AA
Liste des UE prérequises :
Néant
Liste des UE corequises :
Néant
Liste des activités d'apprentissage
| Activité d'apprentissage | Volume horaire | ECTS | Présence obligatoire |
|---|
| GH22DATA Data analysis | 30 | 2 | NON |
| GH22INFO1 Informatique 1 | 15 | 2 | OUI |
Contribution de l'UE au profil d'enseignement du programme
- RE01.2 ARES. 1.2 Collaborer à la résolution de problèmes complexes avec méthode, rigueur, proactivité et créativité
- RE01.6 ARES. 1.6 Identifier ses besoins de développement et s’inscrire dans une démarche de formation permanente
- RE04.1 ARES. 4.1 Décrypter et anticiper les évolutions du marché hôtelier et de la restauration et les attentes des clients
- RE04.7 ARES. 4.7 Identifier et comprendre les facteurs qui conditionnent la formation et le développement des produits hôteliers et touristiques nationaux et internationaux
Autres connaissances ou compétences prérequises
Data analysis
Maîtrise des concepts de moyenne, écart-type, population, échantillon et probabilités
Informatique 1
Connaissance usuelle du français.
Descriptif des objectifs et des contenus de l'UE
Data analysis
Objectifs
Rendre l’étudiant capable de
- comprendre les démarches et analyses statistiques comme indicateurs de performance
- réaliser une étude statistique approfondie intégrant la gestion de la marge d’erreur
- utiliser l’outil statistique comme outil d’aide à la décision dans le cadre de la gestion hôtelière
Contenu
- Variables aléatoires discrètes
- Variables aléatoires continues
- Intervalles de confiance
- Principe des tests d’hypothèses
- Inférence pour 2 moyennes de population
- Inférence pour des proportions de population
- Procédures Khi²
Informatique 1
Objectifs
Rendre l'étudiant capable d'utiliser un tableur (Excel) afin de réaliser des applications concrètes et utiles à la gestion courante de l'hôtellerie.
Contenu
- Tableaux,\r\n- cellules,\r\n- formats de cellules,\r\n- formules et fonctions,\r\n- filtres,\r\n- mise en forme conditionnelle,\r\n- graphiques.
Activités et méthodes d'apprentissage et d'enseignement
Data analysis
Ex cathedra et exercices d’application
Informatique 1
Cours d’exercices pratiques. Les exercices se font individuellement.
Méthode active et différenciées : sur base des fiches, des conseils et des solutions, l'étudiant doit, à son rythme, arriver à obtenir le résultat adéquat.
Chaque nouveau concept est introduit par des exemples et suivi d’exercices sur PC
Acquis d'apprentissage sanctionnés, spécifiques et contribuant à l'UE
Data analysis
Maîtriser les tests d'hypothèse dans le cadre d'un TFE ou d'une étude de marché, aide à la prise de décisions
Informatique 1
Encoder, présenter, synthétiser et analyser des données chiffrées.
Description des supports de cours indispensables
| Description | Accès à la source | URL |
|---|
| Data analysis : Notes de cours et exercices disponibles sur le campus numérique |
sur le campus numérique |
— |
Description des références et des supports complémentaires
| Description | Accès à la source | URL |
|---|
| Data analysis : Borsenberger C., Statistiques pour l'économie et la gestion, De Boeck supérieur |
— |
— |
| Data analysis : WEISS N., Elementary Statistics, Pearson, 2012 (8th ed) |
— |
— |
| Data analysis : TRIOLA M.F., Elementary Statistics, Pearson, 2018 (13th ed.) |
— |
— |
| Informatique 1 : Notes de cours et exercices disponibles sur le campus numérique |
sur le campus numérique |
— |
Mode d'évaluation et de pondération par activité au sein de l'UE
L'utilisation de l'IA dans le cadre des apprentissages, des travaux et des évaluations est régie par la charte IA disponible ici.
Cette unité d'enseignement est évaluée en épreuves spécifiques par activité d'apprentissage.
Méthode d'intégration :
- Si aucune des notes des différentes AA qui composent l'UE ne se situe en deçà de 8/20, c'est la technique de la moyenne arithmétique pondérée qui est appliquée.
- Si la note d'une ou plusieurs AA composant une UE se situe en deçà de 8/20, la note finale de l'UE correspondra à la plus mauvaise des notes reçues.
Juin
Data analysis
Méthode d'intégration : 50 %
Examen écrit — 100 %
Type de questions : Questionnaire mixte (combinaison de plusieurs types de questions différentes) ·
Examen à livre : Livre fermé
Informatique 1
Méthode d'intégration : 50 %
Évaluation continue — 100 %
Type de questions : — ·
Examen à livre : Livre ouvert
Le cours étant un cours pratique, il est un cours en évaluation continue dont la présence est obligatoire. A ce titre, il est soumis aux règles d’activités de présence obligatoire telles que prévue dans le RGEE des études (points 6.3.2).
A la fin du quadrimestre, un test récapitulatif sera fait en classe. Il sera organisé à livre ouvert. L'étudiant absent lors de ce test, aura 0 pour le cours et ce même s'il a remis tous ces travaux.
Août
Data analysis
Méthode d'intégration : 50 %
Examen écrit — 100 %
Type de questions : Questionnaire mixte (combinaison de plusieurs types de questions différentes) ·
Examen à livre : Livre fermé
Informatique 1
Méthode d'intégration : 50 %
Examen écrit — 100 %
Type de questions : — ·
Examen à livre : Livre ouvert
