Académique Documents
Professionnel Documents
Culture Documents
Quali Book
Quali Book
DKS 7/11/06
-.
A-2
Description
Extrait (!) de matriel denseignement pour un sminaire dintroduction la dmarche et aux
mthodes de recherche.
Public: Etudiant(e)s en sciences sociales, technologies ducatives, etc.
Ce matriel est destin un enseignement en salle de classe !
Vous pouvez lutiliser pour un ventuel auto-apprentissage, mais de faon limite.
La matire couverte est assez simple sur le plan technique, mais il ne faut pas sous-estimer les
difficults de la mise en oeuvre. Faire une recherche est quelque chose qui sapprend par la pratique.
Copyright
Ce matriel est disponible sous une licence Creative Commons: Paternit - Pas dUtilisation
Commerciale - Partage des Conditions:
En bref, vous tes libres:
de reproduire, distribuer et communiquer cette cration au public
de modifier cette cration
DKS 7/11/06
-.
A-1
B - Contexte
B-1
C-1
D-1
DKS 7/11/06
-.
A-2
E-1
DKS 7/11/06
-.
A-3
F - Bibliographie
F-1
DKS 7/11/06
Contexte - .
B-1
B - Contexte
Objectifs
Rappel de quelques principes
Menu
1. Introduction
2. Elments cls de la dmarche empirique
3. Types de recherches
2
5
6
DKS 7/11/06
Contexte - 1. Introduction
B-2
1. Introduction
1.1 La recherche: poser une question et y rpondre
Creuser
utiliser des concepts et dfinitions clairs
utiliser un outillage appropri et explicite
comparer avec les connaissances qui existent
Y rpondre
avec un texte clair et une structuration logique
DKS 7/11/06
Contexte - 1. Introduction
B-3
Vos questions
de recherche
Thorie(s) et approches
du domaine (lectures)
Cadres thoriques
Grilles danalyse / mthodes
Rsultats
(Hypothses)
Research Design
approche gnrale
vos grilles danalyse
techniques de mesure
chantillonnage
techniques danalyse ....
Rsultats
DKS 7/11/06
Contexte - 1. Introduction
B-4
revue
de la littrature
questions
de recherche
Thme,
objectifs
rsultat
comparaison
avec dautres travaux
1.Objectifs
5.Analyses
et conclusions
analyses
cadres danalyse
2.Conceptualisations
hypothses
grilles danalyse
4.Mesures
3.Artfacts
Interventions
collection de
de donnes
(mesures)
chantillonnage
(choix de cas)
laboration de designs
matriaux dexprimentation
DKS 7/11/06
B-5
Conceptualisations
Mesure(s)
DKS 7/11/06
B-6
3. Types de recherches
3.1 selon le degr de thorisation
(1) La description pure et simple:
elle na pas de grande valeur scientifique
(sauf pour prparer dautres recherches)
(2) Les classifications, catgorisations etc.
mettent de lordre dans les concepts et les donnes:
Ltude intelligente de cas (recherche exploratoire)
Le type (identification des classes de cas similaires)
Lidal-type (identification de cas thoriques)
Le modle (ou simulation, qui montre les interactions entre lments)
....
(3) Recherches o la thorie joue un rle important. La thorie:
gnralise et montre des rgularits.
Elle cherche comprendre et/ou expliquer et/ou prdire.
Lidal de la recherche aspire au niveau III
DKS 7/11/06
B-7
Question typiques
Approches
exploratoire
tude de nouveaux
phnomnes
prparation dune autre
recherche
tude de cas
Quest-ce qui se passe
field study
dans ce programme ?
Comment fonctionne cette
organisation ?
explicative
explication des forces
qui causent un
phnomne
Quels vnements,
comportements,
croyances, etc. rsultent
dans ce phnomne ?
descriptive/comprhen.
documentation dun
phnomne
comprhension
prdictive
prdictions globales
Quel est le rsultat dun
prdiction dvnements phnomne ?
ou comportements
tude comparative de
cas
tude historique
field study
ethnographie
exprience
quasi-exprience
statistique
simulation
ingnierie/intervention
informatique, droit,
Quel est le problme ?
faire un produit
Comment crer un outil ? management,
tablir des guidelines
pdagogie
Est-ce quil marche ?
tester des guidelines
Mthodes
observation participante
entretiens en profondeur
entretiens dlite
comme ci-dessus
questionnaires
analyse de documents
comme ci-dessus
mesures non-intrusives
questionnaires
analyses de contenu
(quantitatives)
plutt qualitatives
DKS 7/11/06
B-8
Approches
sintressant
la ralit
Approches tudiant
la ralit
Etudes
conceptuelles
et analytiques
Etudes
empiriques
Tester des
thories
Approches
mathmatiques
et philosophiques
Approches utilitaires
(designs et expertises)
Sengager dans
des innovations
Evaluation
dinnovations
Crer des
thories
modifi par DKS
DKS 7/11/06
B-9
Expliquer
(Tester une thorie)
Comprendre
(Crer une thorie)
Design
analyser un problme et
prsenter une solution
ingnierie
crer / tester une rgle de design
intervenir
DKS 7/11/06
B-10
DKS 7/11/06
C-1
Menu
1.
2.
3.
4.
5.
Introduction
La notion de mthode qualitative
Le processus de la recherche qualitative
Le rle de la thorie et des donnes
Exemples
2
3
4
8
9
DKS 7/11/06
C-2
1. Introduction
Typiquement, on est dans un contexte qui vise crer une thorie lorsquun domaine est
mal connu.
Les considrations thoriques ont un rle important (formulation des questions de recherche,
cadres analytiques, interprtation des observation), mais la thorie sera formule en
output.
Voir aussi: Types de recherches [p. B-6] (recherches exploratoires, comprhensives, etc.)
Exemples dobjectifs:
Dcouvrir des rgularits de comportements dans une organisation
Etudier la culture dune (sous)population ou dune organisation
Comprendre les caractristiques dun langage ou dun contexte dutilisation (pragmatique)
Approches mthodologiques
Dans la plupart des cas on utilise des mthodes qualitatives
Toutefois, on utilise frquemment aussi des statistiques que lon traite avec des mthodes
exploratoires (statistiques descriptives, analyses typologiques, factorielles, etc.).
DKS 7/11/06
C-3
Noms
journalisme
dinvestigation
description de cas
recherche action
recherche collaborative
langage
observation en contexte
interprtisme
Description
conte explicatif
exprimentation pratique
observation participante
immersion analytique
recherche collaborative
design participatif
analyse de discours
analyse de dialogues
anthropologie
Le field research
Lhermneutique
phnomnologie
DKS 7/11/06
C-4
pr-conceptions non-explicites
pr-conceptions explicites
(donc contrlables)
DKS 7/11/06
C-5
Analyse
Qualitative
Connexion
Classification
DKS 7/11/06
C-6
2. classer
boucle
danalyse
1. dcrire
donnes brutes
Ce schma montre la circularit de la dmarche:
classer et connecter les donnes
Si ncessaire on doit relire et/ou produire des nouvelles donnes
Des chercheurs en mthodes qualitatives structures:
dessinent beaucoup
utilisent des matrices
utilisent des techniques quantitatives de visualisation
Grande difficult = Gestion de la masse de donnes
DKS 7/11/06
C-7
rduction
des donnes
visualisations
conclusions
/ vrifications
DKS 7/11/06
C-8
faits observables
DKS 7/11/06
C-9
5. Exemples
( complter un jour ....)
Exemple 5-1: Mmoire DESS M-A Thibaut
Title: Le cartable lectronique. Un Environnement Numrique de Travail en construction.
Pratiques ducatives et mutualisation
Questions de recherche ( p. 26)
1. Dans lutilisation que font les enseignants du cartable lectronique, stabilisent-ils des
stratgies pdagogiques ?
Recourent-ils ces outils dans la mesure o cela ne perturbe pas leur habitus denseignement ou de
gestion de la classe ?
Est-ce que lon voit apparatre la mise en place de scnarios sociopdagogiques, collaboratifs ?
2. Compte tenu de limpact du sentiment dutilit dans lintgration dune innovation, pouvonsnous attester dans le cadre de ce dispositif de bnfices retirs par les enseignants ?
3. Quelles sont leurs habilets actuelles en terme de mutualisation au sein du cartable mais
galement lextrieur ?
A travers lide quils doivent tre les constructeurs des contenus pdagogiques du cartable
lectronique, quelle est leur position vis--vis de cet investissement ?
Quelles sont les stratgies quils mettent en place pour exploiter les ressources quils ont disposition
sur Internet et quelles sont les ressources dont ils ont besoin au sein du cartable ?
DKS 7/11/06
C-10
Mthode
Mon travail est une enqute, un regard pos sur les utilisateurs du dispositif. Il est bas sur
une tude qualitative et la rencontre de 11 enseignants de diffrents collges qui utilisent le
cartable lectronique de Savoie. Nous avons prfr questionner plusieurs quipes pour
que ltude soit la plus reprsentative possible.
Le type dentretien soriente vers le Story telling ou rcit de vie . Peu directif, parfois
une seule question suffit et ne comporte aucune question directe et ferme. Dans ce cadre,
il faut insister sur ce quils font concrtement et essayer de modrer les apprciations sur ce
quils pensent. Ils doivent raconter par ex. un vnement difficile ou au contraire enrichissant.
Mes entretiens ont dur en moyenne 40 minutes. Jai construit un canevas reprenant mes
points principaux. Dans mes entretiens je me suis tenu rester au maximum sur les faits, les
pratiques et les applications mais certains passages renvoient leurs reprsentations,
passages que jai spars dans mon analyse. Cest la particularit des rcits
autobiographiques o lon retrouve toujours deux types dinformation : des indications
vnementielles (faits, pratiques) et des rflexions subjectives (reprsentations, ressentis,
avis)
Un questionnaire la fin de lentretien leur a t adress pour connatre leur quipement
informatique et leur utilisation domicile dInternet. Il se trouve quils sont tous quips dune
connexion Internet et quils utilisent le web quotidiennement.
Jai rencontr progressivement les enseignants et retranscrit paralllement les entretiens
(Annexe D) ce qui ma permis de rorienter certaines questions. Jai trait mes donnes par
rapport mon canevas (Annexe A et B). Le but de lanalyse est de mettre en vidence les
constantes des rcits, les rgularits mais galement les cas de particularit.
Research Design - MPA
DKS 7/11/06
C-11
DKS 7/11/06
C-12
compltant celles obtenues par les entretiens. Ces adresses nous ont t fournies par les
coordinateurs.
Le recueil de donnes s'est effectu l'aide d'une grille d'entretien dont les diffrentes
rubriques ont t dfinies en troite articulation avec la partie thorique de cette recherche.
Ainsi, cette grille permet de comprendre de quelle manire se droulent les processus de
mdiatisation, quelles sont les nouvelles formes d'organisation de l'enseignement qui se
dgagent et quels nouveaux rles apparaissent tout au long d'un processus de mdiatisation
d'un cours.
Des phases successives de condensation des donnes recueillies (simplification et
synthse) ont ensuite t inities et ont abouti un format de prsentation permettant une
discussion sur les rsultats obtenus.
DKS 7/11/06
D-1
Menu
1.
2.
3.
4.
5.
2
4
9
10
11
DKS 7/11/06
D-2
mdium
objectif principal
(observation)
enregistrements
(transcriptions)
textes
demander
(entretiens)
participer
(vivre)
regarder
examiner
des activits
examiner
des traces
DKS 7/11/06
D-3
quantitatives
travail prliminaire pour la
cration de questionnaires
qualitatives
comprhension profonde du
fonctionnement dune institution ou
culture
entretiens ouverts
ou semi-structurs
(petits chantillons)
DKS 7/11/06
D-4
DKS 7/11/06
D-5
Usage
soit pour gnraliser, soit pour trouver des cas
dviants
permet de mieux focaliser et comparer
critiques
selon la thorie
stratgies
majeures
typiques
intenses
selon dimension
boule de neige
opportuns
validation
spcialisation
dmarche inductive
DKS 7/11/06
Type de cas
tous
selon quota
selon rputation
D-6
Usage
(rarement possible)
identification de sous-groupes majeurs, puis
slection
reprsentativit
dangereux
Les stratgies numres ici doivent servir de cadre de rflexion. Il nexiste pas de lois !
bien choisir ses cas = viter des ennuis ultrieurs
Ces stratgies se recoupent
Cette table sert surtout vous donner des pistes de rflexion pour choisir les bons cas par rapport
aux buts de votre recherche
(voir pages suivante)
DKS 7/11/06
D-7
2.2 Conseils
Dterminez lchantillonnage par des rflexions thoriques,
... vitez lapproche par induction (plus difficile)..
Identifiez le rle de chaque type dchantillon !!
est-ce que je peux rpondre mes questions (mesurer les concepts, dgager des causalits, etc.)
DKS 7/11/06
D-8
DKS 7/11/06
D-9
3. Lobservation
Instrument essentiel pour les tudes en profondeur de cultures ou organisations
Lobservation elle-mme et lanalyse prennent beaucoup de temps
Ncessite une rflexion:
sur le rle du chercheur dans lorganisation, groupe, culture tudi
sur les mthodes dinvestigation, les objets de recherche, etc.
Usage
...
citations verbatim
...
paraphrases
( ... )
/ ...
____
DKS 7/11/06
D-10
4. Enregistrements et textes
4.1 Analyse denregistrements
On enregistre/filme le comportement de gens (par exemple: lves dans une classe, ouvriers
devant une machine, gestionnaires en discussion)
Avant lanalyse on procde souvent des transcriptions des enregistrements audio ou vido
La transcription et son analyse prend normment de temps !
Exige de la dlicatesse et peut fausser le comportement de sujet
4.2 Textes
Lventail de textes considrer varie en fonction du sujet de recherche
En rgle gnrale: il faut obtenir tous les documents officiels
Ne demandez pas tout toute-de-suite.
PVs, dcisions crites etc. peuvent avoir un caractre sensible et vous devez dabord tablir une
relation de confiance.
DKS 7/11/06
D-11
5. Entretiens
Type
Entretien dinformation
Entretien structur
(directif)
Entretien semi-structur
Think aloud
composition
check-list
fonction / avantages
tudes initiales
Voir 5.2 Conseil pour lentretien dinformation: [D-12]
liste de questions
recherche semi-quantitative:
facilite lanalyse de lensemble
acclre lentretien
contraint linterlocuteur
Voir 5.3 Conseils pour lentretien structure [D-13]
entretien rapide
fiabilit
facilit danalyse
prsuppose une connaissance profonde du sujet
tudi
DKS 7/11/06
D-12
DKS 7/11/06
D-13
Pensez aussi faire un sondage (rponses fermes), cela cote nettement moins cher !
.... consultez la littrature sur les sondages !
DKS 7/11/06
D-14
DKS 7/11/06
D-15
Utilisez parfois des questions indirectes (et qui projettent linterlocuteur dans une situation),
exemple:
ne demandez pas: est-ce que A collabore bien avec vous ?
mais: avez-vous des contacts frquents avec A, comment organisez-vous la coordination.
Discutez (si appropri) des tches concrtes (traitement dun cas concret).
En rsum: demandez plutt comment il font (avec un scnario concret lappui) que
comment ils pensent (ils vous donneront aussi leur opinion).
DKS 7/11/06
D-16
Mise en garde
Cette mthode peut savrer trs utile pour mieux comprendre comment les sujets font et
comment ils raisonnent.
Toutefois, les sujets ont tendance rationaliser, c.a.d. fournir des explications en termes de
rgles alors quils utilisent en pratique plutt un raisonnement par cas, par prototype etc (ils
font automatiquement les choses sils oprent dans une situation strotype.
DKS 7/11/06
E-1
Menu
1.
2.
3.
4.
5.
6.
7.
8.
2
3
6
10
11
12
23
29
DKS 7/11/06
E-2
Entretiens
DKS 7/11/06
E-3
Ces oprations vont vous permettre de retrouver les informations concernant les variables
qui vous intressent et de faire des analyses systmatiques (voir page suivante)
DKS 7/11/06
E-4
1. Codage
Code 1.1
Code 1
Code 1.2
Code 3
3. Analyses
Val 1
Val 3y
........
DKS 7/11/06
E-5
Pour un petit travail (de type master), inscrivez les codes en marge du texte
Ne commencez jamais coder sans avoir une ide quoi les codes serviront dans lanalyse !
ceci est valable pour les dmarches thoriques et inductives !
enfin dans toute dmarche, des rvisions simposent:
voir 3.4 Nombre, organisation, rvision et extension des codes [E-9]
DKS 7/11/06
E-6
codes
proprits de linnovation
PI
contexte externe
CE
dmographie
CE-D
CE-S
contexte interne
CI
processus dadoption
PA
chronologie officielle
.......
PA-CO
dynamique du site
DS
AEI
liens causaux
LC
rfrences thoriques
DKS 7/11/06
E-7
Types de codage:
Type
Tout ce qui est similaire est une catgorie. Les catgories sont dveloppes selon les
ouvert proprits (attributs) et selon des dimensions
But: dtection de catgories naturelles utiliss par les acteurs
axial
slectif
DKS 7/11/06
E-8
Dtails
Contexte/Situation
Dfinition de la situation
Perspectives
Activits
Evnements
Stratgies
DKS 7/11/06
E-9
code-book inductif: il faut savoir utiliser une approche comme la grounded theory (approche
dconseille dans ce contexte !)
Niveaux de dtails considrer dans un texte:
dpend du type danalyse, utilisez simplement votre bon sens
par exemple mots, syntagmes, phrases, plusieurs phrases, paragraphes, etc.
Types de rvision:
remplissage
extension
faire des ponts
dcouverte
DKS 7/11/06
E-10
Ce codage nest pas forcment conseill dans un petit travail, car il suffit en fait de retrouver
les variables (ensuite on peut toujours dpister des relations).
Il sagit de dtecter et de coder des rgularits, variations et singularits
Voici quelques oprations faire pour chercher des associations implicites:
1. Dtection de co-prsence entre deux valeurs de deux variables
Par exemple les personnes favorables un nouveau rglement lappliquent bien et inversement.
2. Dtection dexceptions
par exemple: personnes favorables un nouveau rglement mais qui ne lappliquent pas bien.
DKS 7/11/06
E-11
Une matrice est une tabulation qui engage au moins une variable
les tabulations de variables centrales selon cas permettent de mieux comprendre les cas tudis
un tri crois permet danalyser comment interagissent deux variables
Conseils de base:
toujours garder un lien vers la source (le texte cod)
une matrice ou un graphe doit tre visible sur une seule feuille (mme si elle est trs large)
il faut chercher un compromis entre prservation de dtails et vision synthtique.
DKS 7/11/06
E-12
DKS 7/11/06
E-13
Applicants
Deans
demands
support
grants
informations
Innovation
funding agency for
new pedagogies
informations
demands for
review
reviews
funds
Teacher
support unit
University
government
External
experts
rles
flux
DKS 7/11/06
E-14
Une fois identif rles et relations formelles vous pouvez faire toutes sortes dannotations
qui visualisent des informations retrouves dans vos donnes.
demands for
support
Applicants
(-)
Deans
(+)
demands
(-)
support
Innovation
funding agency for
new pedagogies
grants
informations
informations
demands for
review
reviews
funds
(-)
Teacher
support unit
(-)
(+)
University
government
External
experts
DKS 7/11/06
E-15
request
demander
cadaster
decision
legal
decision
legal
decision
legal
decision
request
information
first instance
authority
legal
decision
request
request
appeal
authority
request
legal
decision
request
Federal
tribunal
legal
decision
information
recourse competent
authority
information
federal office
of justice
information
request
Une fois tablies, les relations formelles laide dun organigramme ou dune analyse de
codes (juridiques ou autres) on peut rajouter des liens informels.
Research Design - MPA
DKS 7/11/06
E-16
cadaster
decision
legal
decision
request
legal
decision
first instance
authority (+)
ETC .....
information
recourse competent
authority
(-)
request
legal
decision
appeal
authority(-)
request
request
legal
decision
information
information
federal office
of justice (+)
DKS 7/11/06
E-17
Requrants
demandes
autorisations
Surveillance
police des
constructions
dossiers
informations
Voirie
communale
informations
Equipements
communaux
Voir le travail de diplme MPA de J-L Barraud: La capacit administrative des communes
DKS 7/11/06
E-18
Niveau direction
Niveau service
Motivation
adquat: on a vu un
Sances de dynamique de groupe animateur 3 fois et cela
nous a aid (ENT-12:10)
etc ..
un tel tableau dgage les dimensions dune variable (ici dans la colonne de gauche)
dans les autres colonnes on insre les faits selon certains critres
DKS 7/11/06
E-19
Petite question au CN
1.1.1986
Commission X
1.1.1987
Message du CF
........
Ord. dapplication
.....
etc....
11.1.1989
Consultation
....
1.1.1990
Dbats dans le
parlement de GE
DKS 7/11/06
E-20
DKS 7/11/06
E-21
rle 1
personnes
variable 1
variable 2
variable 3
personne 1
personne 2
.....
rle 2
personne 9
personne 10
.....
.....
rle n
personne n
.....
DKS 7/11/06
E-22
Acteur
Chef
rien
consulant +
helpdesk
Effets long
terme
Explication du
chercheur
a mis le
Il se sentait
programme en
menac
danger
....
dpanne les
utilisateurs, peu
daide avec les
logiciels
il est trop
surcharg avec
dautres tches
utilisation plus
frquente des
programmes
amlioration
lgre de
lefficacit
rle 3
rle 1
formateurs
se coordonnent mal entre eux (1) ne reoit pas toutes les informations (2)
rle 3
DKS 7/11/06
E-23
var 1
encadrement
formation
directives
cas 1
important
important
important
cas 2
pas important
pas important
pas important
cas 3
important
important
important
cas 4
yyy
pas important
pas important
pas important
cas 5
.....
important
important
important
important
pas important
pas important
cas 6....
(voir page suivante pour un exemple danalyse base sur cet table)
DKS 7/11/06
E-24
importance formation
cas 2
cas 3
X
X
cas 4
cas 5
X
X
cas 6
Total
Type 4:
les autonomes
X
3
DKS 7/11/06
E-25
B. Matrices conceptuelles
Exemple qui montre la co-occurrence de valeurs de deux variables (catgories):
Variable y expliquer = Stratgies daction
Variable x=Source de la plainte
strat 1
strat 2
strat 3
....
type 1
type 2
.....
plaintes systmatiques des clients
pleintes de notables
on acclre
son cas (3)
.... lorganisation tudie tendance ne pas ragir quand cest les clients simples qui se
plaignent
il est possible dadopter une vision plus quantitative (voir page suivante)
DKS 7/11/06
E-26
rien faire
plaintes systmatiques
4 (80%)
des clients
pleintes de notables
Total
5 (100 %)
3 (60%)
5 (100%)
Interprtation: ... tant donn que la plainte vient dun client on a tendance ne pas faire
grand chose, tandis que si la plainte vient dun notable on fait plus.
DKS 7/11/06
E-27
perception-ens. (ng)
(type: Mauvais Implmentateur)
percpetion-enseignants (ngative)
(type: Mauvais Implmenteur)
DKS 7/11/06
E-28
B
D
student
productions
<cause>
+
high load
of exercises
quality
of grading
labour
intensity
<effet>
high delays
DKS 7/11/06
E-29
DKS 7/11/06
E-30
Rsums simples
mtaphores
compter
Comparaison et diffrentiation
contrastes et comparaisons
partition de variables (diffrentiation)
Abstractions
Assemblage thorique
chanes dvidence
abstractions thoriques (nommer et rsumer une construction)
DKS 7/11/06
E-31
Si une hypothse ne colle pas avec un cas, il faut examiner soigneusement le cas et
ventuellement rviser les hypothses
Les mthodes qualitatives ne permettent pas dexprimer des probabilits, mais plutt des
potentialits, autrement dit: ce quun systme peut faire, ce qui est possible par rapport
une grammaire.
actions possibles, actions probables
conditions ncessaires, conditions suffisantes
etc.
DKS 7/11/06
E-32
tous
Utilisez une convention pour
noter des observations
utilisation de questions
standardises
rponses fixes (...)
tester lentretien
transcription
nombre daccords
total daccords et dsaccords
DKS 7/11/06
E-33
Erreurs frquentes:
on favorise les donnes qui favorisent une (pr) conception donne dun phnomne
on favorise lexotique par rapport au normal
on oublie des donnes
on sarrte trop sur laspect gnration de thories
on se perd dans les sources et observations
Problmes
on est bloqu dans largumentation
dans ce cas dessinez et dessinez !
on commence douter
faites une analyse pousse de cas/sous-cas dviants
baissez vos prtentions, on ne peut jamais tre 90% sr
DKS 7/11/06
E-34
DKS 7/11/06
E-35
DKS 7/11/06
E-36
C. Validit externe:
Il est souvent possible de comparer les rsultats dune analyse en profondeur de qq. cas
des donnes facilement disponibles
Donc, utilisez les mthodes quantitatives comme approche auxiliaire
exemple: une tude en profondeur sur les conditions de russite du job-sharing conclut que cest plus
facile dans des entreprises avec une hirarchie plate. On pourrait comparer ces rsultats avec les
donnes dun chantillon plus large (il suffit dobtenir lorganigramme des organisations ainsi que le
nombre de personnes en job-sharing).
Exemple: une tude avec 2 cas montre que le patient dune clinique prive obtient plus de services
personnaliss. On peut faire une tude plus large en se basant sur la dure de consultation moyenne
(enfin il faudrait mieux comparer la consultation moyenne par type de maladie et type dintervention).
DKS 7/11/06
Bibliographie - .
F-1
F - Bibliographie
Ouvrages de base en mthodologie
Dpelteau, F. (2000). La dmarche dune recherche en sciences sociales, Bruxelles, DeBoeck
Universit. [Introduction aux mthodes en sciences sociales, niveau dbutant]
Quivy, R. & van Campenhoudt, L. (1995). Manuel de recherche en sciences sociales. Dunod, Paris.
[Introduction la dmarche gnrale, niveau dbutant, complter par un ouvrage sur la mthode]
Fragnire, J. (1996). Comment russir un mmoire. Dunod, Paris. [Introduction la dmarche gnrale,
niveau dbutant, complter par un ouvrage sur la mthode]
Mthodes qualitatives
Dey, I. (1993). Qualitative Data Analysis. Routledge, London.
Lonkila (1995). Grounded theory as an emerging paradigm for computer-assisted qualitative data
analysis in U. Kelle (editor) Computer-Aided Qualitative Data Analysis. London: Sage.
Mason, J. (1996) Qualitative Researching. London: Sage.
Marshall, C. & Rossman, G. B. (1995) , Designing Qualitative Research, second edition, Sage, London.
Miles, M. B. & Huberman, A. (1994). Qualitative Data Analysis: An Expanded Sourcebook. Sage. (il
existe une traduction franaise).
Silverman, D. (1993). Interpreting Qualitative Data. Sage, London.
Coffey, Amanda A., Holbrook,B. Atkinson, P., Qualitative Data Analysis: Technologies and
Representations, School of Social and Administrative Studies, University of Wales, Cardiff (http://
www.socresonline.org.uk/1/1/4.html)
DKS 7/11/06
Bibliographie - .
F-2
DKS 7/11/06