doc résumé methodo - jean-baptiste légalj.b.legal.free.fr/blog/share/dynamiques/methodo.pdf ·...
TRANSCRIPT
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
1
Quelques rappels concernant la méthode expérimentale
1. La Méthode expérimentale : Définition.
Une définition classique de la méthode expérimentale est qu’elle « correspond à la méthode
d’investigation qui rend possible le contrôle systématique du maximum de sources de
variations potentielles ».
Autrement dit, utiliser la méthode expérimentale va consister à créer une situation
particulière qui va permettre de tester une hypothèse causale concernant la mesure d’un
phénomène précis (VD) en fonction de la manipulation (la variation) d’un ou plusieurs
facteurs (VI).
L’objectif de l’expérimentation est la comparaison entre groupes équivalents de participants.
Si le montage expérimental est bien conçu, seule la variation des modalités des variables
indépendantes manipulées par le chercheur va permettre d’expliquer les différences
observées entre les groupes au niveau de la ou des mesures (c’est pourquoi il est possible de
tester des relations de causalité grâce à cette méthode).
En manipulant une ou plusieurs variable(s) indépendante(s), on va essayer de provoquer une
variation des réponses des participants (donc de la VD qui, en psychologie sociale, renvoie à
la mesure du comportement, des états mentaux ou des processus mentaux). La variable
indépendante est déterminée et construite par le chercheur. Il suppose qu’elle et elle seule
aura un effet sur le sens de l’hypothèse qu’il se propose de tester.
En résumé :
L’expérimentation permet de tester, en terme de causalité, l’effet (l’impact) d’une ou
plusieurs variable(s) indépendante(s) (VI) sur une ou plusieurs mesure(s) ou variable(s)
dépendante(s) (VD).
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
2
2) Les variables (ou facteurs).
Dans une démarche causale, comme celle de l’application de la méthode expérimentale, il
s’agit donc de faire varier un facteur ou une combinaison de facteurs et d’observer, de
mesurer les conséquences de cette variation sur les comportements, les états mentaux
et/ou les processus mentaux.
Il existe plusieurs types de variables : les Variables Indépendantes (VI), les Variables
Dépendantes (VD), les Variables Parasites (VP) et les Variables Contrôlées (VC).
2-‐1) La variable indépendante.
a) Définition.
Une variable indépendante est une caractéristique de l’individu(ex : homme vs femme, 18-‐
25 ans vs 45-‐60 ans, conducteur expérimenté vs débutant), de l’environnement physique ou
social (ex : présence/absence d’autrui, couleur des murs, environnement bruyant vs
calme…), de la tâche (difficile vs facile, familière vs non familière), ou des stimuli présentés
(ex : ambigus vs non ambigus ; subliminal vs supra liminal) qui est manipulée par le
chercheur dans le but de contrôler ou d’analyser son impact sur le comportement, l’état
mental ou le processus mental étudié. Une VI comporte au minimum 2 modalités (ou états)
qui sont choisis par l’expérimentateur.
Il est possible de classer les variables indépendantes selon qu’elles sont extraites de
l’environnement physique ou social des sujets ou, au contraire qu’elles soient extraites de
caractéristiques présentes chez le sujet. On parlera de VI provoquée dans le premier cas et
de VI invoquée dans le second.
b) Un premier type de VI : La variable invoquée ou étiquette.
Les variables invoquées ou étiquette sont inhérentes au sujet. De ce fait, l’expérimentateur
ne peut agir directement sur ces variables (il ne peut pas, par exemple, construire le sexe du
participant ou son âge). On peut cependant, parmi les critères existants, sélectionner ceux
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
3
qui nous intéressent, et effectuer des comparaisons selon ces critères (ouvriers vs cadre
supérieur, femme vs homme, jeunes vs vieux, experts vs non experts, etc.).
Un schéma classique d’expérimentation à partir de variables invoquées consiste à appliquer
une situation expérimentale identique à plusieurs groupes d’individus différents sur la base
de certaines caractéristiques intrinsèques (les VI invoquées ; ex : sexe, âge, CSP…) et
d’évaluer l’influence de ces caractéristiques sur les comportements, états mentaux ou
processus mentaux mesurés (VD). L’utilisation de variables invoquées ou étiquette nécessite
d’être très rigoureux et prudent. Si l’on veut étudier l’impact du sexe des participants, il faut
faire en sorte que les sujets soient identiques par ailleurs (garantir « le toute chose égale par
ailleurs » : même CSP, même tranche d’âge…).
Le second type de variables indépendantes renvoie à ce que l’on nomme les VI
« provoquées ».
c) Un deuxième type de VI : La variable provoquée.
Une VI est dite provoquée lorsqu’elle est directement manipulée par le chercheur. Les
modalités de ce type de VI sont construites de toute pièce par le chercheur. Ce sont des
stimulations expérimentales provenant de l’environnement, autrement dit une construction
particulière de l’environnement physique et / ou social (ex : le délai entre 2 tâches : 1 minute
vs 10 minutes, la présence vs non présence d’autrui, tâche facile vs difficile, etc.).
Contrairement à ce qui se passe dans le cas des VI invoquées, le nombre de modalités des VI
provoquées est virtuellement infini.
2-‐2) La variable dépendante.
a) Définition.
En psychologie, la variable dépendante (VD) correspond à la mesure de la réponse du
participant. Cette réponse peut être la performance à une tâche, le nombre d’erreurs
commises, les réponses à un questionnaire, l’occurrence ou la non occurrence d’un
comportement, un temps de réponse, une opinion...
Les VD sont des mesures qui, par hypothèse, sont susceptibles de dépendre du changement
de modalité d’une ou plusieurs VI. La mesure de la variable dépendante permet, en
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
4
comparant les résultats des différents groupes expérimentaux (ou modalités
expérimentales), de tester l’effet de l’influence de la VI.
b) Une bonne variable dépendante.
Il faut toujours s’assurer que la variable dépendante sélectionnée va bien mesurer ce qu’elle
est censée mesurer et rien d’autre. Il ne faut pas, par exemple, que les termes utilisés dans
la formulation de la question que l’on pose évoquent autre chose aux participants que ce
que l’on cherche à mesurer. Il s’agit de faire attention aux confusions de mesure possibles.
Dans la mesure du possible, on essaiera de répertorier plusieurs mesures possibles du
phénomène que l’on cherche à étudier (ex : échelles d’attitudes + question ouverte + temps
de réponse + rappel, etc.). En général, on utilisera plusieurs mesures (VD) complémentaires
de manière à augmenter la fiabilité de la recherche.
La mise en place d’une expérimentation nécessite de tester préalablement le matériel
construit (tâche expérimentale+VD) afin de déterminer si oui ou non il permet de mesurer ce
que l’on s’est donné pour objectif de mesurer.
2-‐3) La variable parasite et la variable contrôlée (ou secondaire).
Dans toute expérimentation, on fait une distinction entre les facteurs dont
l’expérimentateur veut étudier les effets sur les mesures (VI invoquées ou provoquées ayant
un effet potentiel sur la ou les VD) et les facteurs secondaires ou parasites que
l’expérimentateur ne veut pas étudier mais qu’il se doit de contrôler du fait de leur impact
potentiel sur le phénomène. Il faut donc maintenir constantes les modalités des facteurs
secondaires de telle sorte qu’ils ne varient pas et n’interfèrent pas.
En résumé:
Une VI : c’est ce que l’on manipule, ce que l’on fait varier dans le cadre de l’expérimentation.
On identifie la ou les VI en répondant à la question « Qu’est-‐ce qui varie dans l’expérience en
terme de situation (caractéristiques de l’environnement physique ou social) et/ou de
caractéristiques des individus ? ». On pose l’hypothèse que les différentes modalités de la VI
vont avoir des effets sur la ou les mesure(s) prises en compte dans l’étude (VD).
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
5
Une VD : c’est ce que l’on mesure. Elle reste « formellement » identique (on mesure
toujours la même chose, en terme de formulation de question par exemple, quelle que soit
la condition expérimentale) mais on s’attend à des variations quantitatives de cette mesure
en fonction des variations de la VI.
On identifie donc les VD en répondant à la question « Qu’est-‐ce qu’on mesure ? ». En
général, il est très facile de trouver les VD car elles sont suivies d’une unité de mesure… ou
précédées d’un indice de quantification « nombre moyen de bidule, fréquence des machins,
etc. ».
Expérimenter : c’est se placer dans une situation qui permette de tester une hypothèse
causale. Autrement dit, il s’agit de tester l’effet de la variation d’une (ou plusieurs) VI sur une
(ou plusieurs) VD.
3) Le contrôle des différents paramètres
La méthode expérimentale repose sur le principe d’un contrôle optimal des sources de
variations non étudiées par le chercheur (variables parasites) qui seraient susceptibles
d’interférer dans la situation expérimentale. Ce contrôle de la situation est mis en place afin
que la seule explication d’une variation au niveau de la VD (donc de la mesure du
phénomène étudié) ne soit imputable qu’à la seule manipulation de la ou des variables
indépendante(s).
Les variables parasites doivent être identifiées et contrôlées au mieux par le chercheur. Elles
peuvent être causées par :
• Les caractéristiques des participants (âge, sexe, CSP, expert, novice…).
• L’expérimentateur (sa présence peut être source d’influence).
• Par la situation expérimentale elle-‐même (matériel non adapté, nécessitant une
bonne acuité visuelle, auditive, changement de lieu de passation avec configuration
spatiale différente…).
Pour éviter au maximum l’effet des variables parasites, le chercheur va manipuler un
ensemble de paramètres afin de standardiser au maximum les conditions d’apparition du
phénomène qu’il souhaite étudier. En d’autres termes, on va provoquer une série de
réactions (VD que l’on va mesurer) dans des conditions fixées à l’avance.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
6
3-‐1) Les techniques de contrôle des variables parasites Plusieurs techniques sont utilisées pour éliminer ou diminuer l’influence des variables
parasites, et ainsi améliorer la [validité interne et externe de la] recherche. Le contrôle
pourra porter sur 2 types de variables : celles provenant de l’environnement et celles issues
des caractéristiques des participants.
Nous allons aborder ici les 4 principales techniques de contrôle des variables parasites :
♦ Le maintien de la variable parasite à un niveau constant.
♦ La variation systématique de la variable parasite.
♦ L’aléatorisation, randomisation ou contrôle par variation au hasard.
♦ Le contre-‐balancement (effets de rang ou dépendance séquentielle).
a) Maintien de la variable parasite à un niveau constant.
Il s’agit ici de répertorier l’ensemble des états (des modalités) qui peuvent être pris par la
variable parasite et de contrôler les conditions expérimentales de manière à ne prendre en
compte que les observations réalisées alors que la variable parasite se trouve dans un seul
de ces états. La variable parasite interviendra ainsi de la même façon (dans les mêmes
proportions) dans les différentes conditions expérimentales. Autrement dit, l’effet de la
variable parasite sur la variable dépendante sera maintenu constant.
Ex. : Si l’on veut s’assurer que la variation du sexe des participants n’aura pas d’impact sur
les mesures qui nous intéressent, un moyen commode consistera à ne considérer que des
participants de l’un des sexes.
Note : le maintien de la variable parasite à un niveau constant peut aussi dans certains cas
correspondre à son absence totale.
b) Variation systématique de la variable parasite
Contrairement à la première technique, on va ici chercher à tenir compte des différents états
de la variable parasite (ou tout au moins sélectionner un éventail précis de valeurs possibles)
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
7
et faire en sorte que toutes ces états se trouvent représentés dans chacune des conditions
expérimentales produites par la variable indépendante. La représentation de la variable à
contrôler étant la même dans les différentes conditions expérimentales (c’est à dire pour les
différentes modalités de la VI), les résultats collectés ne seront pas influencés par un effet
différentiel de l’influence de la variable parasite.
En d’autres termes, la technique de variation systématique de la variable parasite revient à
un équilibrage des groupes expérimentaux.
Ex. : c’est ce que l’on fait lorsque l’on s’assure que les groupes expérimentaux contiennent
autant d’hommes que de femmes, autant d’ouvriers que de cadres supérieurs, d’introvertis
que d’extravertis, etc.
c) Aléatorisation, randomisation ou contrôle par variation au hasard
On part ici du postulat que si on laisse jouer librement la variable parasite, les valeurs de
cette dernière se répartiront selon la même distribution dans les différentes conditions
expérimentales. Selon ce postulat, le hasard procède à un « équilibrage naturel » et on peut
donc considérer l’influence de la variable parasite comme neutralisée.
Cette technique, hormis le fait qu’elle soit peu intuitive, comporte deux inconvénients
majeurs :
♦ On ne peut jamais être sûr que la répartition s’est réellement réalisée de manière
équilibrée ni que le hasard ne favorisera pas l’un des degrés de la variable à
neutraliser. De plus, il est impossible de le contrôler a posteriori.
♦ La probabilité pour qu’une répartition du facteur à contrôler soit équilibrée dépend
surtout du nombre d’occasions qu’on laisse à ce facteur de varier. La technique n’est
donc réellement utilisable que si la taille de l’échantillon est importante (ce qui est
relativement rare en psychologie).
d) Le contre-‐balancement : effets de rang ou de dépendance séquentielle.
Dès lors qu’une épreuve se trouve organisée en une séquence d’items ou d’essais, on doit
poser l’hypothèse que la performance associée à un essai particulier pourrait, au moins en
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
8
partie, être expliquée par la présence ou le contenu de l’item ou de la série d’items
précédents. D’une manière générale, ces effets, que l’on appelle effets de transfert, qu’ils
soient positifs ou négatifs (i.e. : apprentissage / facilitation de la performance ou, au
contraire, interférence / diminution de la performance) sont possibles ou probables dans
certaines situations expérimentales. Ceci est particulièrement vrai lorsque l’application d’un
plan d’expérience s’étale dans le temps et laisse ainsi la possibilité à des facteurs d’ordre
historique ou de maturation (ex : événements d’actualité interférant avec l’objet de l’étude)
de s’installer.
Pour corriger cet effet potentiel de l’ordre, il suffit de répéter les essais en les présentant à
des groupes de participants différents selon un ordre modifié. C’est ce que l’on appelle la
technique de contre-‐balancement. Un contre balancement est dit complet lorsque tous les
ordres de présentation possibles sont représentés, c’est à dire factorielle n (n !)
arrangements si n représente le nombre de modalités de notre VI .
Ex : Si l’on veut contrôler l’effet d’ordre au sein d’un questionnaire composé de trois
questions notées Q1, Q2 et Q3 (autrement dit si on veut s’assurer que le fait de répondre à
une question n’a pas d’influence sur la réponse à la question suivante) on procèdera à la
création de 6 groupes de personnes pour lesquelles les questions apparaîtront à chaque fois
dans un ordre différent (ici contrebalancement complet).
Note : lorsque le nombre de modalités de la VI à contrebalancer augmente, on arrive vite à
un nombre de groupes de sujets qui rend difficile la mise en place de l’étude. Par exemple, si
on voulait opérer un contre balancement complet sur une VI à 5 modalités, cela nécessiterait
la mise en place de 5x4x3x2 groupes… soit 120 groupes ! C’est pourquoi dans ce cas de
G1 Q1 Q2 Q3
G2 Q1 Q3 Q2
G3 Q2 Q3 Q1
G4 Q2 Q1 Q3
G5 Q3 Q1 Q2
G6 Q3 Q2 Q1
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
9
figure on choisira de n’utiliser que quelques arrangements particuliers, tirés au hasard, pour
minimiser l’effet d’ordre : on parle alors de contrebalancement partiel.
Une dernière source de variables parasites concerne le facteur « sujets » (ou participants).
3-‐2) Le facteur « sujets »
Ce facteur (présent dans la totalité des recherches de psychologie) revêt une importance
particulière puisqu’il entre largement en cause dans les calculs statistiques d’évaluation des
hypothèses. De ce fait, il est nécessaire de porter une attention particulière à certains
problèmes inhérents au facteur sujets lors de la mise en place de la recherche. Il s’agit plus
particulièrement des notions d’échantillonnage, de groupe de sujets et d’équivalence des
groupes de sujets.
a) L’échantillonnage
Le problème est ici de construire un échantillon de participants qui sera, dans la mesure du
possible, représentatif d’une population définie (c’est à dire qui possèdera les mêmes
caractéristiques que cette population). L’échantillon est une population en « miniature ». Le
critère de représentativité est particulièrement important dans les études de type
« questionnaire » (sur les représentations sociales par exemple) ou « sondage d’opinion ».
Tirage aléatoire
La méthode la plus simple (et aussi la plus utilisée en psychologie expérimentale) consiste à
tirer au hasard, parmi la population, les sujets qui participeront à l’étude. Il a été démontré
que dans la plupart des cas, un triage au sort correctement réalisé permettait d’avoir un
échantillon correct. Lorsqu’un contrôle plus strict de la représentativité de l’échantillon sera
nécessaire, on utilisera une technique d’échantillonnage dite « des quotas ».
Méthode des Quotas
L’application de cette méthode nécessite une connaissance préalable des caractéristiques de
la population (par exemple proportion de femmes et d’hommes, CSP, niveau culturel, etc.).
La méthode des quotas va consister, à partir des informations concernant la population
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
10
d’origine (on parle aussi de population parente), à extraire un échantillon en respectant les
proportions des différentes caractéristiques de la population d’origine que l’on soupçonne
pouvoir avoir un effet sur le phénomène étudié. Cette technique permet donc d’obtenir au
final un « modèle réduit » de la population de départ, tout au moins en ce qui concerne les
caractéristiques prises en compte.
4) La notion de groupes de sujets (ou groupes de mesures)
4-‐1) Groupes Indépendants, Appariés et Contrôle.
Il existe 2 grands types de groupes de mesures : les groupes indépendants et les groupes
appariés. La distinction entre ces types de groupes se fait au niveau du mode de récolte des
mesures. A ces 2 types principaux, il est cependant nécessaire d’ajouter un troisième : le
groupe contrôle.
Groupes Indépendants
On parle de groupes indépendants lorsqu’un groupe de sujets différent est attribué à chaque
condition expérimentale (autrement dit à chaque modalité de la VI ou croisement de
modalités des VI).
Groupes appariés (ou à mesures répétées)
Au contraire, on parle de groupes appariés lorsque les mesures sont le résultat de
l’observation des mêmes sujets passant l’ensemble des modalités d’une VI particulière.
Groupes contrôles
On appelle groupe contrôle un groupe de participants affectés à une condition
expérimentale où la variable indépendante n’intervient pas. La performance (les mesures ;
VD) obtenue à partir de ce groupe sert donc de groupe de référence (vous trouverez parfois
le terme « niveau de base » ou « ligne de base ») et permet (en comparant le groupe
contrôle et les groupes expérimentaux) de vérifier l’impact occasionné par la VI.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
11
4-‐2) Choix du statut des groupes de mesures : avantages et inconvénients
D’une manière générale, il est toujours préférable de conserver les mêmes participants afin
de les observer dans les différentes conditions expérimentales (mesures répétées). Ce
procédé de comparaison dit « intra-‐sujets » permet :
♦ D’économiser le nombre de sujets lorsque les effectifs sont restreints. Il est
cependant nécessaire de recruter des sujets qui ne soient pas trop différents les uns
des autres.
♦ De réduire les variations inter individuelles non contrôlables, toujours plus
importantes que les variations intra individuelles. Chaque sujet étant dans ce cas son
propre contrôle, on détecte plus facilement l’impact de la variable indépendante sur
la mesure.
Cependant l’usage de groupes indépendants peut se justifier (ou est rendu nécessaire) dans
certaines circonstances :
♦ Pour éviter les effets d’ordre, d’apprentissage ou d’interférence et, plus
généralement lorsque l’administration de plusieurs niveaux de la VI risque, par effet
résiduel, de produire une modification de la mesure (et donc de diminuer la validité
interne de la recherche).
♦ Lorsque l’on utilise des variables invoquées ou de type « personnalité » (âge, poids,
sexe, introversion/extraversion, etc.). La variable dépendante est alors abordée de
manière corrélationnelle, l’impossibilité est donc ici d’ordre technique.
5) Combinaison de plusieurs variables indépendantes : les interactions. Un comportement, un état mental ou un processus mental n’est en général pas influencé
par une seule composante de l'environnement ou de la personnalité des individus. Nous
l’avons vu, s’il est possible de neutraliser certaines variables par l’utilisation des techniques
appropriées, mais il est aussi possible (et c’est le but de la méthode expérimentale) de
manipuler certaines variables : elles prennent alors le statut de variable indépendante. Or,
dès que l’on manipule plus d’une variable indépendante (ce qui est le cas de la plupart des
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
12
recherches en psychologie), il est nécessaire de prévoir des moyens qui nous permettrons
d’analyser les effets conjoints des VI, autrement dit : les interactions.
5-‐1) Définition de l’interaction
On dit qu’il y a interaction « lorsque le fait de changer la modalité d’une VI modifie l’influence
de l’autre VI sur la VD ».
5-‐2) Et concrètement ? : Exemple et représentation graphique.
Il est sans doute plus aisé de comprendre la définition de l’interaction à partir de la
représentation graphique « type » d’une interaction : l’interaction dite « croisée ».
Admettons que l’on cherche à évaluer, chez le pingouin, l’impact de la présence ou l’absence
du jogging matinal (lorsque l’ours blanc a faim…) et du nombre de sardines ingérées (3 vs 15)
sur la vitesse de nage de la grande course du samedi.
Les résultats sont les suivants:
Si L’on regarde ce graphique on peut extraire plusieurs informations :
♦ Le sens de l’effet principal de l’activité matinale : les pingouins nagent aussi vite
lorsqu’ils font de l’exercice le matin que lorsqu’ils n’en font pas (on considère ici les
moyennes relatives à la VI « Activité matinale » en comparant la moyenne de la
modalité jogging à celle de la modalité pas de jogging).
♦ Le sens de l’effet principal du nombre de sardines ingérées : les pingouins nagent
aussi vite lorsqu’ils ont ingéré 3 sardines que lorsqu’ils en ont ingéré 15 (on ne
0 0,5
1 1,5
2 2,5
3 3,5
4 4,5
T1 T2 Vite
sse
de n
age
en m
/s
Activité matinale
Vitese de nage du pingouin en fonction de l'activité physique matinale et du nombre de sardine
ingérées
M1
M2 15 S
Jogging Pas Jogging
3 S.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
13
s’intéresse cette fois-‐ci qu’aux moyennes qui concernent la VI « Nombre de
sardines »).
♦ Le sens de l’interaction de l’activité matinale et du nombre de sardines ingérées :
alors que les pingouins qui ne font pas de jogging le matin nagent plus vite lorsqu’ils
ont le ventre plein (15 sardines) que lorsqu’ils ont le ventre vide (3 sardines), les
pingouins qui font de l’activité le matin, eux, sont plus performants lorsqu’ils n’ont
mangé que 3 sardines que lorsqu’ils en ont mangé 15.
NB : le fait de prendre en compte plusieurs VI dans une recherche ne signifie pas forcément
qu’il y ait interaction. Cela signifie seulement qu’une interaction est possible, envisageable,
et qu’il faut donc se poser la question de sa présence éventuelle. La seule manière de
répondre de manière définitive à la question de la présence d’une interaction passe par
l’utilisation de méthodes statistiques (en particulier l’analyse de variance, qui va permettre
de définir si une interaction est significative ou non).
5-‐3) Les différents types d’effetss Pour aborder cette partie, il est nécessaire d’avoir une représentation claire de ce que sont
un effet principal et un effet d’interaction.
Effet principal : On entend par effet principal, l’effet d’une VI sur une VD.
Autrement dit, on s’attend à ce que les résultats obtenus sur la mesure (VD) soient différents
en fonction des modalités de la VI.
Effet d’interaction : Nous l’avons dit, il y a interaction entre 2 VI (ou plus) lorsque le fait de changer la modalité
de l’une des VI modifie l’effet de(s) l’autre(s) VI sur la VD. Cet effet d’interaction des VI sur la
VD peut-‐être de type additif ou non additif.
Pour illustrer les différentes possibilités, nous considèrerons 2 VI à 2 modalités :
VI1 : Type de truc (T1 et T2)
VI2 : Type de machin (M1 et M2)
VD : Nombre moyen de bidules
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
14
a) Action d’une seule variable (Fig. A)
Ici seul le type de machin a un effet : le nombre de bidules est plus élevé en modalité M1
qu’en modalité M2 (M1>M2) alors que le type de truc n’a pas d’effet (T1=T2).
b) Action séparée de chaque variable (Effet additif ; Fig. B) L’action combinée des deux VI correspond à la somme de l’effet séparé de chaque variable.
C’est en condition machin M1 et truc T2 que le nombre de bidules est le plus élevé, par
addition de l’action de chaque variable.
c) Interaction des deux variables (Effet non additif ; Fig. C, D & E)
* L’action d’une variable est inversée par les modalités de l’autre (Fig. C). Le machin M1
engendre un nombre supérieur de bidules avec le truc T1 que le truc T2. Inversement, le
0 0,5
1 1,5
2 2,5
3 3,5
4 4,5
T1 T2
NO
mbr
e m
oyen
de
bidu
les
Type de truc
Fig. A: Nombre de bidules en fonction du type de truc et du type de machin
M1
M2
0 1 2 3 4 5 6
T1 T2
Nom
bre
moy
en d
e bi
dule
s
Type de truc
Fig. B: Nombre de bidules en fonction du type de truc et du type de machin
M1
M2
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
15
machin M2 entraînera un nombre plus important de bidules avec le truc T2 qu’avec le truc
T1.
* L’action d’une variable est annulée par l’une des modalités de l’autre (Fig. D).
L’action du type de truc est nulle pour le machin M2, mais le truc T2 combiné au machin M1
engendre un nombre de bidules plus important que le truc T1 combiné au machin M1.
* Une variable a plus ou moins d’effet selon la modalité de l’autre variable (Fig. E).
0 0,5
1 1,5
2 2,5
3 3,5
4 4,5
T1 T2
Nom
bre
moy
en d
e bi
dule
s
Type de truc
Fig. C: Nombre de bidules en fonction du type de truc et du type de machin
M1
M2
0 0,5
1 1,5
2 2,5
3 3,5
4 4,5
T1 T2
Nom
bre
moy
en d
e bi
dule
s
Type de truc
Fig. D: Nombre de bidules en fonction du type de truc et du type de machin
M1
M2
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
16
La différence entre les machins M1 et M2, en terme de bidules, sera plus importante dans la
condition truc T2 que dans la condition truc T1.
6) Les plans d’expérience. Construire un plan d’expérience équivaut à la mise en place d’une stratégie qui va permettre
de maximiser la probabilité de détecter les effets réels des VI sur la ou les VD, mais aussi de
minimiser la probabilité que les conclusions tirées puissent être dues à l’influence de
variables non contrôlées. On peut classer les types de plans en fonction de 2 facteurs : le
degré de contrôle des situations considérées et les caractéristiques techniques.
6-‐1) Degré de contrôle des situations: Distinction plan expérimental et plans quasi-‐expérimental On parle de plan expérimental au sens strict lorsque toutes les VI qui composent le plan
d'expérience sont provoquées, donc lorsque l’on a un contrôle maximal sur les sources de
variation. Lorsque le plan comporte au moins une VI de type invoqué (sur laquelle on ne
dispose que d’un contrôle limité), le plan est alors dit quasi-‐expérimental.
6-‐2) Les principaux types de plans en fonction des caractéristiques techniques A partir des caractéristiques techniques, on peut classer les plans expérimentaux en 2
grandes catégories :
♦ Les plans à une variable indépendante, à groupes indépendants ou appariés.
♦ Les plans à plusieurs VI, à groupes indépendants, appariés ou mixtes.
0 1 2 3 4 5 6
T1 T2
Nom
bre
moy
en d
e bi
dule
s
Type de truc
Fig. E: Nombre de bidules en fonction du type de truc et du type de machin
M1
M2
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
17
Les plans à plusieurs VI peuvent eux même être subdivisés en plans dits factoriels, en carré
latin ou encore en carré gréco latin. Nous nous limiterons ici aux plans factoriels, qui sont les
plans que vous rencontrerez le plus souvent.
A) Les plans à une variable indépendante Les plans à une variable indépendante sont les plans les plus simples. Ils font intervenir une
seule VI ayant au minimum 2 modalités. Il existe deux types de plans à une variable
indépendante : les plans à une VI à groupes indépendants et les plans à une VI à groupes
appariés.
1) Les plans à groupes indépendants (ou plans inter-‐sujets).
Définition.
Un plan d’expérience est dit à groupes indépendants lorsque les mesures sont prises sur
autant de groupes qu’il y a de modalités à la variable. Autrement dit, dans un plan à groupes
indépendants un groupe de sujets ne passe qu’une des modalités de la variable
indépendante. Ils ne passent ainsi « qu’une partie » de l’expérience. Dans ce type de plans
les comparaisons portent sur la performance moyenne des differents groupes (donc entre
les résultats obtenus au niveau de chaque modalité de la VI, autrement dit de chaque
condition expérimentale).
2. Les plans à mesures répétées (ou plans à groupes appariés ou intra-‐sujets).
Définition. On parle de groupes appariés lorsque tous les sujets passent par toutes les conditions
expérimentales. La comparaison s’effectue sur un même groupe de participants qui se prête
à toutes les modalités de la VI. Autrement dit, lorsque tous les sujets subissent toutes les
modalités de la VI. Dans ce cas, l’impact de la VI pour un sujet n’est plus mesuré par rapport
à la performance moyenne du groupe (comme dans les plans à groupes indépendants) mais
relativement à sa performance moyenne, calculée en sommant l’influence de tous les
traitements. Ainsi, il est possible d’observer la performance de chaque sujet dans chacune
des conditions expérimentales.
B) Les plans à plusieurs VI.
1) Définition.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
18
Dans un contexte naturel un comportement, un état mental ou un processus mental est
rarement le produit d’une seule cause, mais plutôt celui de la combinaison, de l’interaction
de plusieurs causes ou facteurs ou variables. Le chercheur se doit donc de tenir compte de
ces éventuelles interactions dans son expérimental. On parle alors de plan factoriel (ou
fischérien).
Les plans factoriels sont destinés à mettre en évidence d’une part les effets respectifs de
chaque VI sur la VD : on parle alors d’effets simples ou d’effets principaux et d’autre part
leurs éventuelles combinaisons en fonction des différentes valeurs ou modalités des VI : on
parle alors d’effet d’interaction1. Un plan factoriel permet donc de représenter et de tester
toutes les combinaisons possibles entre les différentes modalités des VI.
Un plan factoriel étant caractérisé par la présence d’au moins deux VI, il peut se décliner
selon trois formes en fonction du type des groupes de mesures. Un plan factoriel peut donc
être à groupes indépendants (composé uniquement de groupes de mesures indépendants),
à groupes appariés (ou à mesures répétées), ou encore mixte (lorsque le plan combine des
groupes indépendants et des mesures répétées).
2) Petite parenthèse concernant le plan mixte…
Ce type de plan combine des groupes indépendants (VI inter sujets) et des mesures
appareillées (VI intra sujets). Il comprend au moins quatre conditions expérimentales issues
du croisement de 2VI à deux modalités. Dans ce plan minimal, deux groupes indépendants
de sujets sont soumis à deux conditions de mesures répétées (2 conditions expérimentales).
Dans ce type de plan, comme dans les plans à mesures répétées, il va falloir porter une
attention particulière aux éventuels effets d’ordre ou de séquence.
3) Retour au plan factoriel : un exemple concret.
Le principe du plan factoriel consiste à associer toutes les modalités d’un facteur aux autres
modalités des autres facteurs. Chacune des ces associations définit une condition
expérimentale avec un certain effectif de sujets ou participants. Autrement dit, le plan
factoriel permet de constituer autant de conditions expérimentales qu’il y a de combinaison
possible entre toutes les modalités des VI.
1 Cf. partie du cours consacrée aux differents types d’interactions.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
19
Avantages du plan factoriel Le plan factoriel a pour principal intérêt de permettre de tester les effets d’interactions des
variables indépendantes sur la VD.
Détermination du nombre de conditions expérimentales Lorsque l’on connaît le nombre total de participants ainsi que le type de plan utilisé, il est
alors très facile de déterminer le nombre de sujets par situations expérimentales :
Dans notre exemple, il s’agit d’un plan à groupes indépendants, cela signifie que chaque
sujet ne passe que par une condition expérimentale et une seule. Nous avons deux VI à deux
modalités chacune (T2*D2), on calcule alors le nombre de conditions expérimentales en
effectuant le produit du nombre de modalités de chaque VI. Ainsi donc cette expérience
comporte 2*2=4 conditions expérimentales.
• Si par contre nous avions un plan comportant deux VI à trois modalités chacune,
nous aurions alors un plan de type 3*3=9 conditions expérimentales.
• Si nous avions un plan comportant trois VI à trois modalités chacune, nous aurions
alors un plan de type 3*3*3=27 conditions expérimentales.
• Si nous avions un plan comportant trois VI dont deux à deux modalités et une à trois
modalités, nous aurions alors un plan de type 2*2*3=12 conditions expérimentales.
Quand il y a deux VI à deux modalités (plan 2x2), un simple tableau à double entrée permet
de visualiser les différentes situations expérimentales, c’est à dire les différents croisements
des modalités des VI.
Prenons l’exemple d’une recherche sur la mémoire dans laquelle on s’intéresse à la
performance en terme de rappel en fonction du type de matériel appris (Facterur T
provoqué à 2 modalités : verbal vs imagé) et de la durée de l’intervalle de rétention (Facteur
D, provoqué, à 2 modalités : 3 minutes vs 12 minutes).
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
20
Type de matériel
T1 : matériel verbal T2 : matériel imagé
D1 : durée de
3 minutes
M1 (n=30 sujets)
M2 (n=30 sujets)
Durée de
l’intervalle de
rétention
D2 :durée de 12
minutes
M3 (n=30 sujets)
M4 (n=30 sujets)
Ce tableau permet de récapituler les différentes situations expérimentales.
M=valeur prise par la VD (ici la performance de rappel), le plus souvent, cette valeur est une
moyenne de groupe.
n= entre () correspond au nombre de participants par condition expérimentale. Ce type de plan permet de répondre à trois questions en même temps :
• La VD, ici la performance de rappel, dépend-‐elle uniquement de la VI1, ici le type de
matériel ?⇒Comparaison statistique entre M1 et M3/ M2 et M4
• La VD dépend-‐elle uniquement de la VI2, ici la durée ?⇒Comparaison statistique
entre M1 et M2/ M3 et M4
⇒ Ici calcul statistique des effets principaux.
• La VD dépend-‐elle de l’interaction entre ces deux facteurs ?⇒ex : M1 fonction de
l’interaction entre D1 et T1 et M2 fonction de l’interaction entre D1 et T2.
⇒ Ici calcul statistique des effets d’interaction.
Représentation des plans expérimentaux Un plan expérimental est généralement représenté sous la forme d’un tableau à entrées
multiples et/ou d’une écriture formalisée. Une représentation sous forme d’un arbre de
répartition des effectifs par condition est aussi parfois utilisée, mais plus rarement. Nous ne
nous attarderons pas sur la représentation sous forme de tableau, qui ne présente pas de
difficultés particulières, pour passer directement à l’écriture formalisée.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
21
1) L’écriture formalisée.
1-‐1) Définition.
L’écriture formalisée d’un plan donne des informations pour le traitement statistique des
données. Il précise l’effectif des sujets et indique s’il s’agit d’un plan à groupes indépendants,
d’un plan à mesures répétées ou d’un plan mixte.
Formule : Sn <> où n = nombre de sujets par case et où <>= emboîtement (gr indépendants).
Sn * où n = nombre de sujets au total et où * = croisement (gr appariés).
L’écriture formalisée d’un plan mixte combine emboîtement et croisement.
Dans notre exemple sur la mémoire, nous avons affaire à un plan factoriel de type 2*2 :
♦ Si l’on considère ce plan comme étant un plan à groupes indépendants, alors
l’écriture formalisée se présentera de la façon suivante : S30 <T2*D2>
⇒Ici on a donc 4 groupes comptant chacun 30 participants soit un total de 4*30= 120
participants, chaque groupe expérimental est soumis à une condition expérimentale et une
seule.
♦ Si l’on considère ce plan comme étant un plan à groupes appareillés, alors l’écriture
formalisée se présentera de la façon suivante : S30*T2*D2
⇒Ici on a donc un seul groupe comptant 30 participants, chaque participant est soumis à
l’ensemble des conditions expérimentales.
♦ Si l’on considère ce plan comme étant un plan mixte avec T en groupe indépendant
et D en groupe appareillé, alors l’écriture formalisée se présentera de la façon
suivante : S30 <T2>*D2
⇒Ici on a donc deux groupes comptant chacun 30 participants, chaque participant est
soumis à l’une des modalités du facteur T et à l’ensemble des modalités du facteur D.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
22
Les Hypothèses
1) Les hypothèses générales (ou encore hypothèses « de travail » ou « théoriques »)
Définition : Il s’agit d’une représentation abstraite explicative et/ou prédictive de l’existence d’une
relation entre deux faits ou deux ensembles de faits. Dans le cadre de la méthode
expérimentale, les premiers faits font référence à la cause et les seconds aux conséquences.
Les hypothèses générales proviennent la plupart du temps des connaissances du chercheur
sur le domaine, sur la question, ou d’une observation antérieure.
Ce genre d’hypothèse permet d’élargir (de généraliser) les faits établis par d’autres
chercheurs ou, au contraire, de restreindre la portée de conclusions antérieures pour les
préciser.
Utilité: Les hypothèses générales permettent de guider une réflexion approfondie dans un domaine
donné. Elles permettent également de fixer des objectifs de recherche et de choisir les
méthodes adéquates.
Caractéristiques : L’hypothèse générale doit fournir une réponse (parfois partielle et souvent provisoire) à la
question de recherche que l’on se pose.Elle doit être vérifiable à l’aide des techniques dont
dispose le chercheur (sinon elle reste une pure spéculation).
Exemples de formulation :
Effet d’une VI : • Quand un individu juge le comportement d’autrui dans un temps limité, il donnera
plus d’importance aux facteurs personnels que situationnels
• Le type de stéréotype induit va voir un effet sur le jugement de responsabilité porté
par un individu sur un autre.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
23
Effet de plusieurs VI : • Le comportement d’une personne sera jugé en fonction de sa valence et du degré de
similarité perçue entre la personne cible et le participant.
• L’expertise du juge et la présence d’informations catégorielles vont avoir un impact
sur le processus de décision.
2) Les hypothèses opérationnelles (ou hypothèses « de recherche »)
Définition : Les hypothèses opérationnelles sont la traduction des hypothèses générales dans un cadre
concret, celui d’une recherche particulière. La mise en place de la recherche doit donc
permettre de vérifier ces hypothèses.
Utilité: Les hypothèses opérationnelles précisent l’état des variables utilisées dans la recherche.
Elles permettent de mettre en exergue les effets simples des variables, mais aussi les
éventuels effets d’interaction.
Caractéristiques : Les hypothèses opérationnelles font apparaître les différentes modalités de la(les)
variable(s) indépendante(s) et la variable dépendante considérée. En général, les hypothèses
opérationnelles précisent également le sens de la relation attendue.
Exemples de formulation :
Effets principaux • Lorsque le temps de jugement est court (2 minutes), les explications données au
comportement d’autrui devraient être plus internes que lorsque le temps de jugement
est long (15 minutes). [=> effet principal de la VI temps de jugement (court vs long)
sur les VD explications du comportement d’autrui]
• L’évaluation du degré de responsabilité devrait être plus élevé lorsque l’on affecte un
stéréotype négatif à la personne cible que lorsqu’on lui affecte un stéréotype positif.
[=> effet principal de la VI type de stéréotype (positif vs négatif) sur la VD évaluation
du degré de responsabilité]
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
24
Effets d’interaction • Un comportement de valence négative devrait être jugé de manière plus sévère qu’un
comportement de valence positive. Cet effet devrait être plus marqué lorsque le degré
de similarité entre la personne cible et le participant est faible que lorsqu’il est fort.
[=> effet additif des VI valence du comportement (positive vs négative) et du degré de
similarité entre le participant et la cible (élevé vs faible) sur la VD sévérité du
jugement]
• Les experts vont avoir tendance à juger les individus de manière plus rapide que les
novices. Cet effet devrait être d’autant plus marqué lorsqu’ils disposent
d’informations catégorielles que lorsqu’ils n’en disposent pas.
Rédaction « Economique » :
Si les attentes d’effet(s) de la(des) VI(s) sont identiques pour plusieurs des VD considérées
[et pour éviter de répéter 5 fois la même hypothèse en ne changeant dans la formulation
que le nom de la VD] il est possible (et admis, voire recommandé) de formuler les
hypothèses de manière résumée. Ceci s’applique aussi bien aux hypothèses d’effets simples
qu’aux hypothèses d’interactions.
Exemple : On s’attend à ce que l’attribution de sanction, de blâme, de causes internes et de traits de
personnalité négatifs soit plus importante lorsque le sujet est doté d’un stéréotype négatif
que d’un stéréotype positif.
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
25
Statistiques, Format du fichier de données sur Excel et Normes bibliographiques
Dans un souci de simplicité (et de rapidité…), l’Anova est ici abordée dans ses grandes lignes
et de manière très « pragmatique ». Pour plus de détails « statistiques », je vous
recommande le livre d’Hervé Abdi intitulé « Introduction au traitement des données
expérimentales ».
Définition : qu’est-‐ce qu’une Anova ?
Une Anova (ou analyse de variance) est un test statistique paramétrique qui permet de
comparer des moyennes et de déterminer si ces moyennes diffèrent significativement.
L’Anova a pour particularité de comparer les moyennes en tenant compte de la variance
dans ses estimations (d’où son nom). Il s’agit en fait de faire un rapport entre variance(s)
inter conditions et variance(s) intra conditions. Autrement dit, il s’agit de voir si la dispersion
des mesures est plus importante entre les conditions qu’à l’intérieur des conditions.
Exemple type de tableau d’Anova.
Voici des exemples de tableaux donnés par le logiciel Statistica :
Tableau de moyenne correspondant
Moy. (non pondér.) F(1,92)=,38; p<,6829 SC_ANAGS empa .... 6,51666689 cpt .... 6
ANOVA/MANOVA ; Synthèse de tous les Effets; plan: 1-‐CONDITXT, 2-‐TYPECTRL
dl Effet
MC Effet
dl Erreur
MC Erreur
F
niveau p
1 1 2,16690063 92 5,65726757 0,38302955 0,68287486 2 1 24,4841919 92 5,65726757 4,32791805 0,04027243 12 1 6,52309275 92 5,65726757 1,15304649 0,32019269
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
26
Dans la partie résultats, un effet est toujours présenté sous la forme
F (1,92) = .38; p < .6829
dl effet dl Erreur Valeur du F Valeur du p
Les paramètres de l’Anova
• Le F de Fischer : qui renvoie au rapport variance inter / variance intra. Plus le F est
important et plus l’effet considéré est important.
• Le niveau de p : renvoie à la marge d’erreur, à la probabilité que la différence
considérée ne soit pas significative (autrement dit de rejeter H0 à tort).
Par convention, on considère qu’un effet est :
-‐ Significatif : à partir du moment où la marge d’erreur est inférieure ou égale à
5% (p ≤ 0,05 ou p ≤ .05 en notation anglo-‐saxonne)
-‐ Tendanciel : lorsque .06 ≤ p ≤ .10
-‐ Non significatif : lorsque p > .10
• Les dl (degré de liberté) :
dl effet (ou de la source de variation) : est égal au nombre de modalités du facteur – 1
dans le cas d’une variable (effet principal) et au produit des dl des variables dans le cas
d’une interaction de facteurs. Dans votre cas (et dans l’exemple ci-‐dessus), nous avons 2
variables à 2 modalités. Le dl de chaque variable est donc de 1 (=2-‐1) et le dl de
l’interaction est également de 1 (=1x1)
dl erreur : renvoie au dl total auquel on soustrait la somme des dl des sources de
variations (effets simples et interaction(s)).
dl total : renvoie au nombre de participants de l’étude – 1 (ce dernier n’apparaît pas
dans le tableau de synthèse donné par le logiciel)
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
27
Données sous Excel
Dictionnaire des variables Avant toute chose il est nécessaire de construire ce que l’on appelle un dictionnaire des
variables. Ce dictionnaire doit permettre d’identifier les codes des différentes variables
facilement.
Il doit contenir au minimum :
• Le nom des variables (VI et VD)
• Le nom résumé de chaque variable (7 caractères maximum)
• Le codage des VD (ex : « valeur de 1 à 7 » ; « H pour homme, F pour Femme », etc.)
Le tout doit idéalement se présenter sous la forme d’un tableau reprenant les différentes
variables en ligne et les catégories (nom résumé, codage…) en colonnes.
Fichier Excel Pour le fichier de saisie des données, le plus simple est de former 4 tableaux indépendants,
autrement dit un tableau par condition expérimentale. Chacun de ces tableaux aura un
format du type Sujets en ligne et Variables en colonnes.
Sujet VI 1 VI2 VD1 VD2 … VDn 1 2 …. n
(Rq : Me mettre à chaque fois une ligne de titre redonnant la condition expérimentale dont il
s’agit)
Dans les cases « VI » doivent apparaître le code des modalités
Dans les cases « VD » doivent apparaître les valeurs issues des questionnaires (ex : le numéro de 1 à 7 dans le cas d’une échelle en 7 points).
J.-‐B. Légal Contact : [email protected] Université Paris Ouest-‐Nanterre Bureau C 412
28
Normes d’écriture de la Bibliographie Les normes utilisées la majeure partie du temps en Psychologie sont les normes de l’APA (American Psychology Association). Voici les normes à suivre pour :
• Un article issu d’une revue :
Erdley, C. A., & D’Agostino, P. R. (1988). Cognitive and affective components of automatic priming effects. Journal of Personality and Social Psychology, 54, 741-‐747.
• Un chapitre de livre
Higgins, E. T., & Brendl, C. M. (1995). Accessibility, applicability, and salience. In E. T. Higgins & A. Kruglanski (Eds.), Social psychology: Handbook of basic principles (pp. 133-‐169). New York: Guilford.
• Un livre dans sa totalité
Wyer, R. S., & Srull, T. K. (1989). Memory and social cognition in its social context. Hillsdale, NJ: Erlbaum.