Contexte et objectifs :
Ce stage s’inscrit dans le cadre du projet SPATMAN, soutenu par le CESAB (Centre de Synthèse et d’Analyse sur la Biodiversité) de la Fondation pour la Recherche sur la Biodiversité (FRB). SPATMAN vise à comprendre comment l’organisation spatiale des activités humaines module les pressions sur la biodiversité, en combinant données écologiques, socio-économiques et spatiales à l’échelle infranationale.
Dans cette dynamique, le stage contribuera à la réflexion méthodologique du projet en explorant la pertinence et les limites des modèles d’équations structurelles (SEM) pour représenter la complexité des systèmes agroécologiques.
L’objectif est de tester différentes approches, linéaires et non linéaires, à partir d’un jeu de données agro-écologique existant (500 ENI) et d’autres jeux de données spatiales complémentaires, disponibles, sur la base d’un article de perspective scientifique sur les SEM non standards (en préparation).
Objectifs et démarche :
Le·la stagiaire mènera un travail exploratoire combinant analyse de données et réflexion méthodologique :
1. Explorer les données (structure, variabilité, corrélations) et construire des modèles SEM standards comme point de départ.
2. Tester des extensions non linéaires et contextuelles : effets quadratiques, interactions, dépendance régionale ou spatiale…
3. Évaluer et comparer les approches (fréquentistes, bayésiennes, Machine Learning, éventuellement hybrides) et discuter leur potentiel pour modéliser des systèmes complexes.
4. Proposer des pistes d’adaptation vers un cadre SEM plus flexible, en lien avec les discussions collectives du projet SPATMAN.
Production attendue:
· Analyses exploratoires et modélisations documentées (scripts, tables, figures, commentaires).
· Note de synthèse sur les résultats et les pistes méthodologiques identifiées.
· Contribution à une revue de littérature sur les SEM non linéaires et leur usage en écologie.
Profil recherché :
Étudiant·e en année de césure ou de Master 2 (écologie, biostatistiques, data science, géographie quantitative, sciences de l’environnement).
Compétences attendues :
· Bonne maîtrise des bases en statistique, modélisation multivariée et connaissances des approches de machine learning et d’analyses spatiales,
· Compétences en SIG, R et/ou Python,
· Autonomie, rigueur et goût pour la réflexion interdisciplinaire.
Encadrement scientifique : Karine Princé & Frédéric Gosselin (supervision principale), en collaboration avec Cathleen Petit (FRB), Marco Vizzari (U. Perugia) & Maurizia Sigura (U. Perugia).
Durée : 4 à 6 mois (avec possibilité d’adaptation)
Période souhaitée : à partir de Février 2026
Lieu : Centre d’Ecologie et des Sciences de la Conservation – Muséum National d’Histoire Naturelle, Paris
Rémunération : selon les modalités légales et institutionnelles (et la disponibilité des financements)
Commentaires récents