Vous êtes sur la page 1sur 18

A.E.C.

Spécialiste en mégadonnées
et intelligence d’affaires (LEA.C0)

Plan de cours

Initiation à la fonction de travail

420-BD1-SF
Pondération : 2-2-4

Hiver 2019 – UBR 4117 – Bloc 1

Enseignant : Yves Tordjman


Cellulaire :
Courriel : ydtordjman@cegep-ste-foy.qc.ca

Conseillère pédagogique : Françoise Cloutier


Bureau : P-271
Téléphone (Cégep) : 418-659-6620, poste 5043
Courriel : fcloutier@cegep-ste-foy.qc.ca
THÉMATIQUE GÉNÉRALE
Ce cours vise à permettre aux étudiants de développer des compétences de base dans plusieurs domaines
de l’informatique afin de leur permettre d’évoluer adéquatement en contexte d’intelligence d’affaires et de
mégadonnées. Les différents thèmes qui seront abordés dans le cours sont, tout en faisant des liens avec
les mégadonnées et l’intelligence d’affaires :

 Systèmes d’exploitation Linux pour l’utilisation de plateformes de mégadonnées ;


 Bases de données relationnelles et SQL pour comprendre les modèles de données.
 Algorithmique et programmation pour être en mesure de traiter l’information ;
 Statistiques afin de faire des analyses et de l’exploration de données ;

2
PLACE DU COURS DANS LE PROGRAMME
Le cours « 420-BD1-SF - Initiation à la fonction de travail » est le premier cours du programme en
combinaison avec le cours 420-BD2-SF – Concepts et modèles d’affaires de gestion des mégadonnées (Big
Data) ». Ces deux cours sont corequis. Le cours 420-BD1-SF est également prérequis pour les cours
suivants :

 420-BD4-SF – Acquisition, ingestion et gestion des données;


 420-BD6-SF - Traitement des mégadonnées (Big Data);
 420-BD7-SF - Visualisation et aide à la prise de décision;
 420-BD8-SF - Fouille de données (data mining).

Ce cours présente 60 heures d’enseignement, dont 30 heures de théorie et 30 heures de travail pratique. De
plus, l’étudiant devra s’attendre à fournir en moyenne 60 heures de travail personnel en dehors des heures
d’enseignement. Cette pondération est basée sur une session de 15 semaines.

3
OBJECTIFS DU COURS
Les éléments de compétences visés par ce cours sont :

Énoncé des compétences Éléments des compétences

BDAA Acquérir les compétences BDAA-1. Développer un algorithme


informatiques et statistiques BDAA-2. Implémenter les algorithmes dans un
nécessaires pour travailler dans le langage de programmation orienté objet
domaine des mégadonnées (Big BDAA-3. Utiliser les modèles statistiques de base
Data) BDAA-4. Utiliser un algorithme pour des besoins
statistiques de base
BDAA-5. Configurer et exploiter une machine Linux
BDAA-6. Utiliser un langage de requêtes.

Plus spécifiquement, les objectifs sont :

1. Installer et configurer une machine Linux;


2. Exploiter une machine Linux;
3. Décrire les objets de la base de données;
4. Utiliser le langage SQL pour créer, interroger et mettre à jour une base de données relationnelle.
5. Expliquer le contexte de programmation d’un logiciel;
6. Distinguer un algorithme d’un programme
7. Distinguer les structures de base d'un algorithme;
8. Construire un algorithme structuré;
9. Traduire un algorithme dans un langage de programmation;
10. Appliquer les concepts orientés objet dans un langage de programmation;
11. Utiliser des notions statistiques de bases;
12. Utiliser les modèles statistiques de base;
13. Utiliser un algorithme pour des besoins statistiques de base;

4
SÉQUENCES D’APPRENTISSAGE ET ÉVALUATIONS
Ce cours comprend quatre sections, articulées de la manière suivante :
 La première section permet de comprendre l’environnement de travail Linux
 La deuxième section introduit le langage d’interrogation des bases de données SQL, en
utilisant l’une des bases de données Open Source la plus complète qui se rapproche des outils
du monde professionnel.
 La troisième section permettra de structure démarche de programmation en structurant les
algorithmes. Ces techniques seront mises en pratique en écrivant transposant les algorithmes
dans un langage de programmation Python
 La quatrième section, après un rappel des notions principales de statistiques, montrera leur
mise en œuvre en Python en utilisant les bibliothèques appropriées

SÉQUENCE #1

Séquence 1 : Installer et utiliser une machine virtuelle avec un système d’exploitation Linux (distribution
Centos 7)
Éléments de compétence ciblés Habiletés et contenus essentiels

BDAA-5  Installer une distribution Linux


 Configurer l’environnement réseau
 Naviguer dans l’arborescence système
 Comprendre et mettre en la sécurité dans un environnement
Linux
 Utiliser les commandes de base Linux de base
Stratégies pédagogiques
Exposés interactifs, apprentissage par exemples et résolution de problèmes
Évaluations formatives
Durant les périodes de cours des questions, de petits exercices ciblés avec une intervention éventuelle
au tableau et participation de la classe permettra à l’élève d’évaluer sa compréhension du sujet
abordé.
A la fin du module, des exercices notés à la maison permettront une rétroaction à l’étudiant sur des point
important.
Évaluations sommatives
Lors de l’installation de la machine virtuelle, une aide individualisée, permet à l’élève de progresser dans
son installation.

Titre Laboratoire pratique TP1


Compétences évaluées BDAA-5
Date Voir calendrier pour la remise
Pondération 15%

5
Type d’activité  Configurer une machine virtuelle Linux dans un environnement
VirtualBox ou VMWare et Centos
Contexte de réalisation  Dans un laboratoire d’informatique et à la maison
 Pendant les périodes réservées aux travaux
 Toute documentation permise
 Le travail sera fait de manière individuelle. Les échanges sont
permis
Durée Déployé sur 3 cours
Critères d’évaluation  Configuration d’une machine virtuelle conformément aux concepts
Linux
 Utilisation des commandes permettant la compréhension de la
structure de système de fichiers
 Navigation dans l’arborescence en chemin relatif et chemin absolu
 Utilisation les descripteurs de redirection d’entrées-sorties dans le
chaînage de commande
 Mise en place la sécurité Linux pour des cas précis
 Utilisation et mise en place appropriée des variables
d’environnement
Rétroaction Oralement pendant les laboratoires

6
SÉQUENCE #2

Séquence 2 : Bases de données relationnelles avec PostgreSQL


Éléments de compétence ciblés Habiletés et contenus essentiels
BDAA-6  Définir de manière précise des notions de SGBD et de BD
 Identifier les objets d’une base de données
 Utiliser les commandes du langage de requêtes
 Construire des requêtes simples correctement
Stratégies pédagogiques
Exposés interactifs, apprentissage par problèmes sur les exemples de résultats sportifs

Évaluations formatives
Durant les périodes de cours des questions, de petits exercices ciblés avec une intervention éventuelle
au tableau et participation de la classe permettra à l’étudiant d’évaluer sa compréhension sur le
sujet abordé.
Un exemple réalisé en groupe en classe va permettre aux élèves de valider leur compréhension. Des
interventions au tableau donneront de la rétroaction aux étudiants.
En fin de module, un exercice noté à la maison sur une mise en situation.
Évaluations sommatives
Voir le laboratoire pratique TP2

Titre Laboratoire pratique TP2


Compétences évaluées BDAA-6
Date Voir calendrier pour la remise
Pondération 15%
Type d’activité  Construire et exploiter une BD relationnelle à l’aide de requêtes
SQL
Contexte de réalisation  Dans un laboratoire d’informatique et à la maison
 Pendant les périodes réservées aux travaux
 À l’aide d’un environnement de développement intégré
 Toute documentation permise
 Le travail se fera individuellement
Durée Déployé sur 4 semaines approximativement
Critères d’évaluation  Construction d’une base de données avec les bons objets
 Construction de requêtes SQL pour exploiter la BD relationnelle et
fournir les résultats demandés
Rétroaction Oralement pendant les laboratoires et par écrit pour donner suite aux
résultats

7
SÉQUENCE #3

Séquence 3: Algorithmique et programmation avec Python et PyCharm


Éléments de compétence ciblés Habiletés et contenus essentiels

BDAA-1 et BDAA-2  Utiliser adéquate du vocabulaire lié l’algorithmique et la


programmation
 Expliquer la terminologie de base des algorithmes
 Décomposer un problème en sous problèmes plus simples
 Définir précisément données, traitements et résultats d’un
algorithme
 Utiliser correctement les structures algorithmiques de base
 Appliquer correctement des règles de syntaxe et de sémantique
propres au langage utilisé pour retranscrire un algorithme
 Définir le concept d’héritage
 Utiliser adéquatement les techniques de tests (déverminage)
 Intégrer les différents concepts orientés objet pour construire
des programmes (simples).
 Utiliser efficacement les différents outils de l’environnement

Stratégies pédagogiques
Exposés interactifs, apprentissage par problèmes et exercices relatifs à l’environnement sportif
Évaluations formatives
Durant les périodes de cours des questions, de petits exercices ciblés avec une intervention éventuelle
au tableau et participation de la classe permettra à l’étudiant d’évaluer sa compréhension sur le
sujet abordé.
Un exemple réalisé en groupe en classe va permettre à l’élève de valider sa compréhension. Des
interventions au tableau donneront de la rétroaction aux étudiants
En fin de module, un exercice noté à la maison sur une mise en situation.

Évaluations sommatives
Voir le laboratoire pratique TP3 ci-dessous

Titre Laboratoire pratique TP3


Compétences évaluées BDAA-1 et BDAA-2
Date Voir calendrier pour la remise
Pondération 15%
Type d’activité  Appliquer des concepts de l’approche orientée objet
Contexte de réalisation  Dans un laboratoire d’informatique et à la maison
 Pendant les périodes réservées aux travaux
 À l’aide d’un environnement de développement intégré

8
 Toute documentation permise
 Le travail se fera de manière individuel
Durée Déployé sur 4 semaines approximativement
Critères d’évaluation  Réalisation d’un mini projet dans lequel les concepts de
programmation objet sont à appliquer
Rétroaction Oralement pendant les laboratoires et par écrit pour donner suite aux
résultats

9
SÉQUENCE #4

Séquence 4 : Statistiques avec Pandas, Numpy, Scipy, Python et Jupyter Notebook


Éléments de compétence ciblés Habiletés et contenus essentiels
BDAA-3 et BDAA-4  Assimiler et appliquer les notions statistiques de base
 Représenter des données statistiques
 Calculer et interpréter correctement es principales mesures
statistiques à une ou deux variables
 Utiliser judicieusement des techniques d’inférence statistique
pour estimer des paramètres et faire des tests statistiques
 Choisir le test approprié en fonction des situations
 Formuler clairement et précisément des hypothèses et des
conclusions
 Interpréter les tests d'hypothèses en tenant compte du contexte
 Concevoir des algorithmes statistiques
 Utiliser un logiciel de statistiques.
 Identifier les besoins statistiques
 Evaluer un algorithme
 Sélectionner la bonne librairie statistique
 Utiliser correctement les librairies statistiques
Stratégies pédagogiques
Exposés interactifs, apprentissage par problèmes et exercices relatifs à l’environnement sportif
Évaluations formatives
Durant les périodes de cours des questions, de petits exercices ciblés avec une intervention éventuelle
au tableau et participation de la classe permettra à l’étudiant d’évaluer sa compréhension sur le sujet
abordé.
Des exercices effectués en classe et des questions donneront de la rétroaction à l’étudiant
Évaluations sommatives
Voir le laboratoire pratique TP4 ci-dessous

Titre Laboratoire pratique TP4


Compétences évaluées BDAA-3 et BDAA-4
Date Voir calendrier pour la remise
Pondération 15%
Type d’activité  Appliquer les notions enseignées à des cas précis
 Implémenter des algorithmes statistiques
Contexte de réalisation  Dans un laboratoire d’informatique et à la maison
 Pendant les périodes réservées aux travaux
 À l’aide d’un environnement de développement intégré
 Toute documentation permise
 Exercice fait individuellement

10
Durée Déployé sur 4 semaines approximativement
Critères d’évaluation  Implémentation efficace d’algorithmes statistiques
Rétroaction Oralement pendant les laboratoires et par écrit pour donner suite aux
résultats

ÉVALUATION FINALE
Stratégies pédagogiques
Retour sur tous les modules avec revue des points importants et réponse aux questions
Évaluations formatives
Avant-dernière séance exercices en classe avec rétroaction à l’étudiant
Évaluations sommatives
Composition de trois heures avec des exercices de mise en situation couvrant tout ou partie du programme
du cours. Rétroaction à l’étudiant via Léa.

Titre Épreuve finale à caractère synthèse


Compétences évaluées BDAA-1 à BDAA-6
Date Dernier cours
Pondération 40%
Type d’activité  Appliquer des concepts de l’approche orientée objet
 Implémenter des algorithmes statistiques
 Exploiter une BD relationnelle à l’aide de requêtes SQL
 Manipuler des fichiers sur une machine Linux
Contexte de réalisation  Dans un laboratoire d’informatique
 D'une durée minimale de 3 heures.
 À l’aide d’un environnement de développement intégré
 Dans la partie pratique, les étudiants peuvent utiliser une
documentation autorisée par le professeur
 Exercices de statiques soit sur un mode théorique (papier) soit sur
l’environnement intégré.
Durée 3 heures
Critères d’évaluation  Exercices couvrant les notions acquises durant la session
Rétroaction Bulletin uniquement

11
CALENDRIER

Définition des caractéristiques d’un environnement Linux


Système de fichiers. Principales commandes
Séance [1] S/O
Mise en place de l’environnement virtuel et instruction pour la
création de l’environnement virtuel
Sécurité sous Linux
Séance [2] Finalisation de la mise en place de l’environnement virtuel S/O
Première utilisation de Linux sur l’environnement virtuel
Validation des environnements
Quiz 1
Séance [3] Formation des équipes pour le TP1
Temps alloué pour le TP1 avec support
Définition précise des notions de SGBD et de BD
Séances [4] et [5]
Modèles conceptuel, relationnel et physique des données
S/O

Formes normales
SQL, DML, DDL et DCL
Trigger
Séance [6]
Transaction, index et intégrité référentielle
S/O
Trigger
Transaction, index et intégrité référentielle
Quiz 2
Démonstration de PostgreSQL avec dbeaver Formation des
Séance [7]
équipes de projet
Remise du TP1
Interfaçage d’une base de données PostgreSQL
Séances [8] Remise du TP2
Temps alloué pour le TP2 avec support
Composantes de l’ordinateur et historique des langages
Séance [9]et [10] Algorithmique, pseudo-code et diagrammes de flux S/O
Paramètres et variables
Présentation du langage Python
Types primitifs, constantes, variables, opérateurs
S/O
Séances [10] Structures de contrôle
Chaînes, tableaux, listes, tuples, ensembles et dictionnaires
Fonctions, procédures et récursivité
Présentation de Python sur PyCharm
Étude interactive d’algorithmes complets et exercices en Python
Séances [11]
Programmation objet et diagramme de classes
Attributs, méthodes, accesseurs, constructeurs, instances et héritage
Séance [12] et [13] Temps alloué pour le TP3 avec support Remise du TP3
Statistiques descriptives Quiz 3
Séance [14]
Statistiques inférentielles et tests d’hypothèses Présentation tu TP4
Analyse de variance, corrélation et régression linéaire
Séance [15]
CRISP-DM
S/O

Séance [16] Librairies Numpy, Pandas, SciPy, Matplotlib, Scikit-learn, Statmodels S/O
Séances [17] et [18] Temps alloué pour le TP4 avec support Remise du TP4
Séance [19] Révision et consolidation des notions en vue de l’examen Quiz 4

12
Séance [20] Épreuve finale à caractère synthèse Épreuve finale

13
MÉDIAGRAPHIE
Ces livres ne sont pas obligatoires mais recommandés :

 [1] Boslaugh, S., Statistics in a Nutshell, O'Reilly, 2012


 [2] Groff, J., Weinberg P., Oppel, A. J., SQL The Complete Reference, 3rd Edition, McGraw-Hill
Osborne Media, 2009
 [3] McKinney, W., Python for Data Analysis. Data Wrangling with Pandas, NumPy, and Ipython,
O’Reilly, 2017
 [4] Ward, B., How Linux works, No Starch Press, 2014

14
RÈGLES INSTITUTIONNELLES

Les règles présentées ici proviennent de la Politique d’évaluation des apprentissages adoptée par
la direction du collège en avril 2013 et des principaux règlements du collège. On les retrouve, en
partie, dans l’Agenda étudiant et au complet sur le site du Cégep. Il est de votre responsabilité de
prendre connaissance de l’article 7.1 de ladite politique concernant les responsabilités de
l’étudiant (les articles 7.1.2 et 7.1.3 sont inclus ci-après).
Par ailleurs, la connaissance de la section no 6 Normes et règles et, plus particulièrement des articles
décrits ci-après, est essentielle. Elle balise les conditions de votre réussite :

I- Politique d’évaluation des apprentissages (extraits des sections 6 et 7)


6.1.8 Évaluation du français
6.1.9 Évaluation de la présentation et de la composition des travaux
6.1.10 Présence aux activités d’évaluation sommative
6.1.11 Remise des travaux
6.1.12 Plagiat et fraude
6.1.13 Conditions de réussite d’un cours
6.5 La révision de notes
7.1 L’étudiant a la responsabilité
PEA - 6.1.8 - ÉVALUATION DU FRANÇAIS ÉCRIT
[. . .] Le professeur peut refuser un travail lorsque les erreurs de langue entraînent des problèmes
majeurs de clarté dans l’expression et demander à l’étudiant de corriger ses erreurs avant qu’il
remette à nouveau le travail en question. Les pénalités prévues à l’article 6.1.11 s’appliquent dans
un tel cas. [. . .]
Dans toutes les activités d’évaluation sommative, chaque erreur de langue est soustraite du résultat
de l’étudiant à raison de 0, 5% de la pondération de l’activité en cause jusqu’à concurrence de 10%
de cette pondération. [. . .] Lorsque le contexte de réalisation de l’activité d’évaluation permet aux
étudiants le recours aux outils de référence linguistique, le département peut déterminer une
pénalité pour les erreurs de langue qui va au-delà de 10% de la note, jusqu’à un maximum de 20%.
[. . .]
PEA - 6.1.9 - ÉVALUATION DE LA PRÉSENTATION ET DE LA COMPOSITION DES
TRAVAUX
Les étudiants doivent présenter leurs travaux écrits en conformité avec les normes de présentation
adoptées par le Cégep et les règles départementales qui viennent les préciser et les compléter. Dans
le cas où le type de travail ne se prête pas à ces normes de présentation, les étudiants suivent les
consignes du professeur. (Nous vous recommandons de vous référer à l’outil de présentation des
travaux).
PEA - 6.1.10 - PRÉSENCE LORS DES ACTIVITÉS D’ÉVALUATION SOMMATIVE
L’étudiant doit être présent pour chacune des activités d’évaluation sommative, selon ce qui est
prévu au plan de cours. Une absence à une activité d’évaluation sommative entraîne un échec à
cette activité, à moins d’une raison de force majeure.

15
(Précision : Il est de la responsabilité de l’étudiant de faire le suivi de ses absences et de prendre
les mesures nécessaires avec son enseignant pour une reprise éventuelle si applicable. Dans
l’éventualité où la justification serait rejetée, l’étudiant devra rencontrer le conseiller
pédagogique pour évaluer les possibilités de poursuite du programme).
PEA - 6.1.11 - REMISE DES TRAVAUX
Les rapports et les travaux exigés des étudiants doivent être remis au professeur à la date, à l’heure
et au lieu indiqués. Une journée ouvrable de retard est tolérée entraînant une pénalité de 15% de
la note. Au-delà de ce délai, le travail est refusé et la note ”0” est attribuée. En cas de force majeure,
le professeur n’applique pas cette règle et convient avec l’étudiant d’autres modalités de remise du
travail. [. . .]
Pour les fins de l’application de la règle sur la remise des travaux, une journée ouvrable est une
journée de cours, d’évaluation, de relâche ou une journée périscolaire prévue au calendrier scolaire.
Une journée ouvrable a une durée de 24 heures et cette période s’applique à partir de l’heure à
laquelle le travail doit être remis.
PEA - 6.1.12 - PLAGIAT ET FRAUDE
Tout acte de plagiat et de fraude sera sanctionné. [. . .]
En cas de plagiat, de coopération à un plagiat ou de fraude lors d’un examen ou d’un travail,
l’étudiant obtient la note ”0” pour cet examen ou ce travail, sans exclure la possibilité d’autres
sanctions compte tenu de la gravité de la faute ou du fait qu’il s’agisse d’une récidive. Chaque cas
de plagiat ou de fraude doit être signalé à la Direction des études ou à la Direction de la formation
continue selon les modalités en vigueur.
PEA - 6.1.13 - CONDITIONS DE RÉUSSITE D’UN COURS
La note de passage est de 60%. Dans le respect des normes et des règles prévues dans la présente
politique, cette note traduit l’atteinte minimale des objectifs d’un cours.
En plus d’une note de 60% pour l’ensemble des évaluations sommatives, la réussite d’un cours peut
exiger que les étudiants obtiennent la note de passage pour certains objectifs d’apprentissage ou
éléments de compétence jugés prépondérants. [. . .]
PEA - 6.5 - LA RÉVISION DE NOTES
Tout étudiant a le droit de demander une révision de notes. Il est responsable de fournir tous les
documents pertinents qui lui ont été remis.
6.5.1 – La révision en cours de session
L’étudiant désireux d’obtenir une révision de sa note à une activité d’évaluation sommative en cours
de session en fait la demande directement au professeur concerné dans la semaine qui suit la
réception de sa note. Il appartient au professeur de maintenir ou de modifier la note et ce dernier
communique sa décision à l’étudiant au plus tard une semaine après la date de la demande.

6.5.2 – La révision de la note finale (précision pour la formation continue)


L’étudiant désireux d’obtenir la révision de la note finale à un cours s’adresse d’abord à l’enseignant
concerné. À défaut de pouvoir le faire ou s’il s'estime toujours lésé́ après l’avoir fait, l’étudiant
doit remplir et signer un formulaire « révision de note finale », disponible à la réception de la
Formation continue.

16
La Direction de la formation continue transmettra par écrit la décision. Pour être admissible, la
demande de l’étudiant doit préciser les activités d’évaluation visées par cette demande, être
accompagnée de tous les documents nécessaires (évaluations remises à l’étudiant ainsi que les
autres pièces justificatives) et d’une lettre de justification pertinente.

PEA - 7.1 - L’ÉTUDIANT A LA RESPONSABILITÉ


[. . .]
7.1.2 - d’être présent, ponctuel, de participer avec intérêt aux cours, aux séances de laboratoire, aux
stages ou autres activités d’apprentissage avec le matériel nécessaire, de se conformer aux règles
départementales prévues à cet effet et, en cas d’absence, de s’informer ce qu’il a manqué;
7.1.3 - dans la mesure du possible de prévenir son professeur lorsqu’il doit s’absenter. [. . .]

I- Règlements (extraits des règlements 5, 6 et 18)

RÈGLEMENT NO 5 RELATIF À CERTAINES CONDITIONS DE VIE ET AUX


COMPORTEMENTS ATTENDUS AU CÉGEP
Article 3 : DISPOSITIONS GÉNÉRALES
[. . .] se rend passible de sanctions, la personne qui :
- entrave la bonne marche des activités du Cégep, le déroulement d’un cours ou d’une
activité ou, de façon générale, trouble la paix; [. . .]
- commet des actes de harcèlement, de violence, de discrimination, d’intimidation ou de
cyberintimidation; [. . .]
Article 9 : MATÉRIEL ÉLECTRONIQUE
L’utilisation à des fins d’apprentissage de matériel électronique, tel qu’un ordinateur portable ou un
appareil mobile, est autorisée dans les locaux d’enseignement ou de stage dans le respect des
balises établies afin de préserver un contexte favorable à l’apprentissage. Ces balises se retrouvent
sur le site web du Cégep. En cas de non-respect de celles-ci, des sanctions peuvent être encourues.

RÈGLEMENT NO 6 POUR FAVORISER LA RÉUSSITE SCOLAIRE


Article 7 : PRÉSENCE AUX COURS
La présence en classe est obligatoire. Lorsque l’étudiant n’assume pas cette responsabilité avec
sérieux et qu’il s’absente à plus de 15% des heures d’un cours, y compris les heures de laboratoire
ou de stage, son professeur pourra alors cesser de corriger ses activités d’évaluation et pourra, dès
lors, ne pas cumuler ses résultats.

RÈGLEMENT NO 18 RELATIF AU TRAITEMENT DES PLAINTES DES ÉTUDIANTS


ET AU RECOURS AU PROTECTEUR COLLÉGIAL
Article 3 : DISPOSITIONS GÉNÉRALES
[. . .] Si l’étudiant estime qu’il y a litige, avant de déposer une plainte, il doit dans la mesure du
possible s’adresser à l’employé ou au professeur impliqué et chercher à ce qu’une solution soit
apportée au différend qu’il a identifié. Advenant le cas où cette démarche est impossible ou ne
conduit pas à la résolution de la situation litigieuse, il peut déposer une plainte. [. . .]
17
18