Équipe de direction

Meredith Rocchi (elle)

Chercheure principale et co-fondatrice
Professeure adjointe, Faculté des arts, Université d'Ottawa

Meredith Rocchi est une professeure de méthodes quantitatives primée dont l'expertise de recherche porte sur la communication interpersonnelle efficace, la validation des mesures et l'éducation en littératie des données. Elle est passionnée par les données et les statistiques et partage cette passion avec ses étudiant.e.s. Elle s'est engagée à enseigner l'excellence en réduisant les préjugés qui entourent les cours de méthodologie, en rendant l'enseignement des méthodes quantitatives plus accessible et en aidant à atténuer l'anxiété des étudiant.e.s à l'égard des mathématiques et des chiffres. En tant que professeure adjointe au Département de communication de l'Université d'Ottawa, Meredith supervise un vaste projet pluriannuel financé par le CRSH (The Data Literacy Project) visant à améliorer les cours de méthodes quantitatives pour les étudiants en sciences humaines et sociales.

Christopher Gravel (il/lui)

Co-fondateur et directeur de la recherche
Professeur adjoint, Faculté de médecine, Université d'Ottawa

Christopher Gravel a obtenu son doctorat (2015) et sa maîtrise (2009) en probabilités et statistiques à l'École de mathématiques et de statistiques de la Carleton University. Il a ensuite effectué un stage postdoctoral en biostatistique en 2017 au département d'épidémiologie, de biostatistique et de santé au travail de l'Université McGill. Avant de rejoindre l'École d'épidémiologie et de santé publique de l'Université d'Ottawa en tant que professeur adjoint en 2021, Christopher était épidémiologiste et biostatisticien principal à Santé Canada, où il s'est concentré sur l'utilisation de données probantes du monde réel pour soutenir la prise de décision réglementaire. Le programme de recherche de Christopher se concentre sur le développement et l'amélioration des méthodes statistiques pour la pharmacoépidémiologie et la pharmacovigilance. Il s'intéresse aux méthodes d'inférence causale, aux modèles d'erreur de mesure et à l'analyse des études d'observation du monde réel, avec des applications utilisant de grandes bases de données administratives sur les soins de santé. Christopher a exploré les approches d'échantillonnage de validation pour corriger les erreurs de classification des résultats dans les données binaires et temporelles et se concentre actuellement sur le développement de méthodes simultanées de correction systématique des biais. Il s'intéresse également à l'analyse de disproportionnalité pour la détection de signaux dans les données de déclaration spontanée et d'autres méthodologies de surveillance de la sécurité des médicaments et des vaccins.