Le Projet Living Data propose des cours annuels de trois mois visant à former des étudiants et étudiantes aux cycles supérieurs en gestion de données, reproductibilité, synthèse de données et collaboration.
Application links to be posted when applications open.
Applications for the fall course open May 25 to June 30, 2026
Applications for the spring course open Sept 8 to October 8, 2026
Applications for the fall course open May 25 to June 30, 2026
Applications for the spring course open Sept 8 to October 8, 2026
Course Descriptions
GESTION DES DONNÉES REPRODUCTIBLES
2026-2027 Responsables du cours et mentors : Diane Srivastava (UBC), Sally Taylor (UBC), David Hunt (McGill) et Bryan Currinder (UBC)
Ce cours enseigne les meilleures pratiques de gestion des données en recherche en écologie et en évolution et inclut une expérience pratique de récupération d’un jeu de données au sein d’une petite équipe. Il s’agit de l’un des premiers cours de gestion des données reproductibles au Canada spécifiquement axés sur l’écologie, l’évolution et les sciences de l’environnement. Nous utiliserons une combinaison d’enseignement, d’activités en classe et de travaux en petits groupes pour examiner toutes les étapes du cycle de vie des données de recherche, depuis la collecte et le stockage des données jusqu’à leur organisation (conception de bases de données, principes de données « propres », versionnage), leur nettoyage (évaluation de la qualité, normes de données géospatiales et taxonomiques) et leur partage (métadonnées et documentation, archivage et accès aux données dans des dépôts numériques selon les nouveaux principes FAIR). Chaque étudiant et étudiante travaillera progressivement à l’élaboration d’un plan de gestion des données pour ses propres données de recherche et préparera également, en petits groupes, un ensemble de données biologiques existant en vue de son archivage à l’aide de scripts R. Il est prévu que les personnes étudiantes puissent inclure le DOI des jeux de données archivés dans leur CV professionnel. Les étudiants et étudiantes apprendront également à intégrer les pratiques recommandées en science ouverte dans leurs flux de travail de recherche individuels et collaboratifs, et à utiliser des plateformes et des outils numériques pour faciliter la collaboration, garantir la transparence, permettre les préenregistrements et mettre en œuvre le contrôle des versions et le suivi de la provenance
Ce cours enseigne les meilleures pratiques de gestion des données en recherche en écologie et en évolution et inclut une expérience pratique de récupération d’un jeu de données au sein d’une petite équipe. Il s’agit de l’un des premiers cours de gestion des données reproductibles au Canada spécifiquement axés sur l’écologie, l’évolution et les sciences de l’environnement. Nous utiliserons une combinaison d’enseignement, d’activités en classe et de travaux en petits groupes pour examiner toutes les étapes du cycle de vie des données de recherche, depuis la collecte et le stockage des données jusqu’à leur organisation (conception de bases de données, principes de données « propres », versionnage), leur nettoyage (évaluation de la qualité, normes de données géospatiales et taxonomiques) et leur partage (métadonnées et documentation, archivage et accès aux données dans des dépôts numériques selon les nouveaux principes FAIR). Chaque étudiant et étudiante travaillera progressivement à l’élaboration d’un plan de gestion des données pour ses propres données de recherche et préparera également, en petits groupes, un ensemble de données biologiques existant en vue de son archivage à l’aide de scripts R. Il est prévu que les personnes étudiantes puissent inclure le DOI des jeux de données archivés dans leur CV professionnel. Les étudiants et étudiantes apprendront également à intégrer les pratiques recommandées en science ouverte dans leurs flux de travail de recherche individuels et collaboratifs, et à utiliser des plateformes et des outils numériques pour faciliter la collaboration, garantir la transparence, permettre les préenregistrements et mettre en œuvre le contrôle des versions et le suivi de la provenance
SYNTHÈSE COLLABORATIVE DES DONNÉE
2026-2027 Responsables du cours et mentors : Kerri Finlay (U of Regina), Andrea Paz (UdeM), David Hunt (McGill), Bryan Currinder (UBC), Diane Srivastava (UBC)
Ce cours prépare les étudiants et étudiantes à travailler efficacement au sein de petites équipes de recherche hautement collaboratives (groupes de travail) pour aborder des questions complexes en écologie, en évolution et en sciences de l’environnement. La première partie de ce cours offrira un aperçu des approches de synthèse des ensembles de données hautement structurés et provenant de sources multiples qui caractérisent l’écologie, l’évolution et la recherche environnementale. Y seront traitées la collecte, l’intégration, l’analyse et la visualisation des données. Les méthodes abordées incluront les modèles hiérarchiques, la méta-analyse, l’intégration de modèles et la mise à jour de modèles, offrant ainsi aux étudiants et étudiantes un guide pour naviguer entre ces méthodes et identifier celles à utiliser dans leurs recherches. Ce cours aborde également des concepts importants pour une recherche scientifique efficace en équipe, notamment : la communication interdisciplinaire et interculturelle, l’animation de réunions, la négociation des rôles, la résolution des conflits, le flux de travail de l’équipe, la collaboration numérique, la propriété intellectuelle et l’organisation des groupes de travail. Une attention particulière sera portée à la prise en compte des rapports de force et à la promotion de la diversité dans la collaboration. Dans la deuxième partie du cours, les étudiants et étudiantes mettront ces compétences en pratique au sein d’un groupe de travail, en personne ou en ligne. Veuillez noter que les groupes de travail en personne nécessiteront une présence à temps plein à une rencontre de cinq jours quelque part au Canada, tous les frais de déplacement seront couverts par le l’ICEE et d’autres bailleurs de fonds. Nous prévoyons que les travaux de groupe aboutiront souvent à des publications coécrites, bien que ce ne soit pas une exigence du cours. Les étudiants et étudiantes développeront également des compétences en programmation R, en gestion de versions avec Git, en recherche collaborative, en méthodologies reproductibles et en analyse de données.
Ce cours prépare les étudiants et étudiantes à travailler efficacement au sein de petites équipes de recherche hautement collaboratives (groupes de travail) pour aborder des questions complexes en écologie, en évolution et en sciences de l’environnement. La première partie de ce cours offrira un aperçu des approches de synthèse des ensembles de données hautement structurés et provenant de sources multiples qui caractérisent l’écologie, l’évolution et la recherche environnementale. Y seront traitées la collecte, l’intégration, l’analyse et la visualisation des données. Les méthodes abordées incluront les modèles hiérarchiques, la méta-analyse, l’intégration de modèles et la mise à jour de modèles, offrant ainsi aux étudiants et étudiantes un guide pour naviguer entre ces méthodes et identifier celles à utiliser dans leurs recherches. Ce cours aborde également des concepts importants pour une recherche scientifique efficace en équipe, notamment : la communication interdisciplinaire et interculturelle, l’animation de réunions, la négociation des rôles, la résolution des conflits, le flux de travail de l’équipe, la collaboration numérique, la propriété intellectuelle et l’organisation des groupes de travail. Une attention particulière sera portée à la prise en compte des rapports de force et à la promotion de la diversité dans la collaboration. Dans la deuxième partie du cours, les étudiants et étudiantes mettront ces compétences en pratique au sein d’un groupe de travail, en personne ou en ligne. Veuillez noter que les groupes de travail en personne nécessiteront une présence à temps plein à une rencontre de cinq jours quelque part au Canada, tous les frais de déplacement seront couverts par le l’ICEE et d’autres bailleurs de fonds. Nous prévoyons que les travaux de groupe aboutiront souvent à des publications coécrites, bien que ce ne soit pas une exigence du cours. Les étudiants et étudiantes développeront également des compétences en programmation R, en gestion de versions avec Git, en recherche collaborative, en méthodologies reproductibles et en analyse de données.
Dates and Times
GESTION DES DONNÉES REPRODUCTIBLES
Fall Session (Sept 8- Dec 3, 2026) (no class Nov 9-13):
*For students in British Columbia and Saskatchewan, the lecture time will be one hour later after clocks change in the rest of Canada at the end of Daylight savings.
- Tue/Thu 09:00 - 10:30 Pacific Time / 10:00 - 11:30 after 01 November*
- Tue/Thu 10:00 - 11:30 Mountain Time
- Tue/Thu 10:00 - 11:30 Saskatchewan Time / 11:00 - 12:30 after 01 November*
- Tue/Thu 11:00 - 12:30 Central Time (Manitoba)
- Tue/Thu 12:00 - 13:30 Eastern Time
- Tue/Thu 13:00 - 14:30 Atlantic Time
- Tue/Thu 13:30 - 15:00 Newfoundland Time
*For students in British Columbia and Saskatchewan, the lecture time will be one hour later after clocks change in the rest of Canada at the end of Daylight savings.
SYNTHÈSE COLLABORATIVE DES DONNÉE
Spring Session (Jan 11 – Apr 7, 2027) (In person working group Feb 15-19) (no class Mar 1-5)
*For students in British Columbia and Saskatchewan, the lecture time will be one hour earlier after clocks change in the rest of Canada at the end of Daylight savings.
- Mon/Wed 09:00 - 10:30 Pacific Time / 8:00 - 9:30 after 14 March*
- Mon/Wed 10:00 - 11:30 Mountain Time
- Mon/Wed 10:00 - 11:30 Saskatchewan Time / 9:00 - 10:30 after 14 March*
- Mon/Wed 11:00 - 12:30 Central Time (Manitoba)
- Mon/Wed 12:00 - 13:30 Eastern Time
- Mon/Wed 13:00 - 14:30 Atlantic Time
- Mon/Wed 13:30 - 15:00 Newfoundland Time
*For students in British Columbia and Saskatchewan, the lecture time will be one hour earlier after clocks change in the rest of Canada at the end of Daylight savings.
Frequently asked questions (FAQs)
Am I eligible to apply?
These courses are open to graduate students in ecology, evolution, and environmental sciences affiliated with CIEE member organizations, including specific universities and the Canadian Society for Ecology and Evolution (CSEE) and Canadian Rivers Institute (CRI). You can find a list of CIEE member organizations here. In order to apply through affiliation with the CSEE or CRI, either you or your Faculty Supervisor must be a member of these organizations.
Are these courses virtual?
The ‘Reproducible Data Management’ course is entirely virtual.
The ‘Collaborative Data Synthesis’ course is online/hybrid. Most of this course is delivered online and includes participation in either an in-person five day working group or a virtual working group of similar duration. The in-person working groups will require full-time attendance at a five day meeting somewhere in Canada, with all travel expenses covered by the CIEE and other funders.
The ‘Collaborative Data Synthesis’ course is online/hybrid. Most of this course is delivered online and includes participation in either an in-person five day working group or a virtual working group of similar duration. The in-person working groups will require full-time attendance at a five day meeting somewhere in Canada, with all travel expenses covered by the CIEE and other funders.
How do I get credit for these courses?
Each course is 3-credits. At some universities a 3-credit course may be applied as a Directed Studies. Contact your CIEE University representative to apply for a directed studies credit. A list of CIEE representatives can be found here.
If your application is managed by the Canadian Society for Ecology and Evolution (CSEE) or the Canadian Rivers Institute (CRI), rather than your home university, you will need to find a Faculty member at your university to arrange for Directed Studies credits.
If your application is managed by the Canadian Society for Ecology and Evolution (CSEE) or the Canadian Rivers Institute (CRI), rather than your home university, you will need to find a Faculty member at your university to arrange for Directed Studies credits.
HOW DO I APPLY?
Click on the link at the top of this page to apply. There is limited enrolment in these courses and participating students will be selected from the pool of applicants; candidates may be waitlisted. Applications will not be accepted after the application close date. Candidates will be contacted regarding the status of their application approximately two weeks after applications close and successful applicants will then receive further instructions on course registration.
IS THERE A COURSE PREREQUISITE?
You must be comfortable coding in R at an intermediate level which you will be able to demonstrate to us in an online R quiz that you submit at the time of registration. If you are not yet at this level in R, we are happy to suggest some resources for self-study so that you can take these courses next year. We do ask for an intermediate level of R as this is key for efficient collaboration with other students in this course.
At the intermediate R level, you can read in data from csv files, create new variables, and use logical tests (e.g. >, !=). You can run generalized linear models and create and customize a wide variety of plot types. You can also use tidyverse commands to rearrange, summarize and join data tables easily. You can build for loops and use if-else commands. We do not expect that you can write your own functions, use regular expressions or work with lists and apply functions.
At the intermediate R level, you can read in data from csv files, create new variables, and use logical tests (e.g. >, !=). You can run generalized linear models and create and customize a wide variety of plot types. You can also use tidyverse commands to rearrange, summarize and join data tables easily. You can build for loops and use if-else commands. We do not expect that you can write your own functions, use regular expressions or work with lists and apply functions.