2021 CSBBCS Mid-Career Award Winner: Dr. Denis Cousineau
Denis Cousineau is professor at the Université d’Ottawa. He holds B.Sc. in computer science and in psychology. He previously was post-doctoral fellow at Indiana University under Richard Shiffrin’s supervision and professor at Université de Montréal. His areas of research in psychology include response time models, attention and visual search. He also worked in mathematics on parameter estimation for the Weibull and the Pareto distributions. From 2002 to 2007, he organized the Summer Schools in Advanced Methodological Methods and he founded in 2005 the Quantitative Methods for Psychology journal (www.tqmp.org). He was president of the Société Québécoise pour la Recherche en Psychologie from 2010 to 2013.He published two books on teaching of statistics. He won the R. Duncan Luce Outstanding Paper Award in 2016 for a paper entitled “Learning curves as strong evidence for testing models: The case of EBRW.
Denis Cousineau détient un B. Sc. en informatique et un M. Sc en psychologie. Docteur en psychologie cognitive en 1998, il est Research Fellow de l'Indiana University sous la supervision de Richard M. Shiffrin puis professeur agrégé de l'Université de Montréal avant de rejoindre l'Université d'Ottawa en 2011 où il est Full Professor. Ses domaines d'expertises en psychologie portent sur l'étude des temps de réponses et les modèles de l'attention visuelle. Il a aussi travaillé en mathématiques sur les problèmes d'estimation de paramètres pour les distributions Weibull et Pareto. De 2002 à 2007, il organise les Summer Schools on Advanced Methodological Methods et a fondé en 2005 la revue scientifique the Quantitative Methods for Psychology. Il a été président de la Société québécoise pour la recherche en psychologie de 2010 à 2013. Il a publié deux livres pour l'enseignement des statistiques en sciences humaines. Il a reçu en 2016 le R. Duncan Luce Outstanding Paper Award pour un article intitulé: Learning curves as strong evidence for testing models: The case of EBRW.