Vous êtes sur la page 1sur 322

Balises de mthodologie pour la recherche en sciences sociales

matriaux de cours en plusieurs modules


Version 1.1 - juillet 2006 Originaux disponibles ici: http://tecfa.unige.ch/guides/methodo/IDHEAP/

Auteur: Daniel K. Schneider


TECFA, Facult de Psychologie et des Sciences de l'Education, Universit de Genve, 54 route des Acacias, CH-1227 Genve Daniel.Schneider@tecfa.unige.ch - http://tecfa.unige.ch/tecfa-people/schneider.html

IDHEAP - Institut de hautes tudes en administration publique (Idheap), Lausanne.

Research Design MPA

DKS 6/7/06

-.

A-2

Description
Matriel denseignement pour un sminaire dintroduction la dmarche et aux mthodes de recherche Public: Etudiants en Master of Public Administration (MPA) 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

Sous les conditions suivantes:


Paternit. Vous devez citer le nom de lauteur original. Pas dutilisation commerciale ! Partage des conditions initiales lidentique. Si vous modifiez, transformez ou adaptez cette cration, vous navez le droit de distribuer la cration qui en rsulte que sous un contrat identique celui-ci.

Dtails (en Anglais) sur le site: http://creativecommons.org/licenses/by-nc-sa/2.5/deed.fr_CA


Research Design - MPA DKS 6/7/06

-.

A-1

Table des matires


B - Organisation du cours
Familiarisation avec les objectifs Organisation du cours Evaluation et Homework

B-1

1. Objectifs et valuation .................................................................................................... B-2 2. Elments du cours .......................................................................................................... B-3


2.1 Elments mthodologiques par rapport au processus de recherche ...............................................B-3 2.2 Objectifs du cours ............................................................................................................................B-4

3. Planning approximatif ..................................................................................................... B-5


3.1 3.2 3.3 3.4 Sance 1 Sance 2 Sance 3 Sance 4 ..........................................................................................................................................B-5 ..........................................................................................................................................B-5 ..........................................................................................................................................B-5 ..........................................................................................................................................B-6

4. Homework ........................................................................................................................ B-7


4.1 Homework 1 rendre 3 jours avant le module 2 .............................................................................B-7 4.2 Homework 2 .....................................................................................................................................B-8 4.3 Homework 3 ...................................................................................................................................B-10

C - La notion de recherche acadmique


Les notions de recherche acadmique et de science Comprendre le rle de la mthode Avoir une ide des diffrent types de recherches

C-1

1. Un premier regard sur la recherche ............................................................................... C-2


1.1 La recherche: poser une question et y rpondre .............................................................................C-2 1.2 Les tapes majeurs dune recherche: ..............................................................................................C-3

2. Les notions de acadmique et/ou de science ....................................................... C-4


2.1 Elments qui caractrisent une recherche scientifique ....................................................................C-4 2.2 Quest-ce quune recherche acadmique empirique (science) ? .....................................................C-6
Research Design - MPA DKS 6/7/06

-.

A-2

3. La place de la mthode ................................................................................................... C-8


3.1 Les dimensions pistmologiques de la recherche .........................................................................C-8 3.2 La porte des thories .....................................................................................................................C-9 3.3 Le tout ensemble: les composantes du savoir:. .............................................................................C-10

4. Le paradigme et lapproche .......................................................................................... C-11


4.1 La notion de paradigme (la science normale de Kuhn) ................................................................C-11 4.2 Lapproche .....................................................................................................................................C-12 4.3 Un mot sur linterdisciplinarit ........................................................................................................C-13

5. Types de recherches ..................................................................................................... C-14


5.1 5.2 5.3 5.4 selon le degr de thorisation .....................................................................................................C-14 Selon la finalit scientifique (Marshall & Rossmann 95: 41) ..........................................................C-15 La typologie de Jrvinen (2004: 10) ...............................................................................................C-16 Une typologie simple des approches .............................................................................................C-17

6. La suite ........................................................................................................................... C-18

D - Logique de la recherche empirique


Comprendre la logique dune recherche empirique Acqurir les concepts cls comme question de recherche, cadre analytique, grilles danalyse, hypothses, oprationalisation et mesure Les notions de validit et de fiabilit

D-1

1. La logique de la recherche empirique ........................................................................... D-2


1.1 Elments typiques dun cycle de recherche .....................................................................................D-2

2. Elments cls de la dmarche empirique ..................................................................... D-3 3. Objectifs ........................................................................................................................... D-4 4. Conceptualisations et oprationalisations ................................................................... D-5
4.1 4.2 4.3 4.4 Lutilit dun cadre danalyse ............................................................................................................D-6 Modles et hypothses ....................................................................................................................D-7 Limportance de la diffrence (variance) pour lexplication ..............................................................D-8 La mesure des concepts thoriques ..............................................................................................D-10

5. Les artfacts et interventions ....................................................................................... D-15


Research Design - MPA DKS 6/7/06

-.

A-3

6. La mesure: observer attributs et comportements de cas ...................................... D-16


6.1 Lchantillonnage ...........................................................................................................................D-17 6.2 Techniques de mesures .................................................................................................................D-18 6.3 Fiabilit de la mesure .....................................................................................................................D-19

7. Interprtation: validit (vrit) et causalit ................................................................ D-21


7.1 La place de la validit ....................................................................................................................D-22 7.2 Quelques rflexions sur la causalit ..............................................................................................D-24

8. Conclusion et conseils ................................................................................................. D-26


8.1 Quelques conseils ..........................................................................................................................D-26 8.2 Choix et complmentarit de mthodes ........................................................................................D-27

9. Suite ................................................................................................................................ D-28

E - Plan de recherche, cadres et grilles


Connaitre la notion de plan de recherche Cadres analytiques et grilles danalyse Exemples

E-1

1. Le plan de recherche dans le contexte de la recherche .............................................. E-2


1.1 Le plan de recherche: lments importants .....................................................................................E-3 1.2 Anticipation de la mise en oeuvre ....................................................................................................E-4

2. Explorations avant de commencer rdiger le plan ................................................... E-5


2.1 Faisabilit thorique .........................................................................................................................E-5 2.2 Inventaire de possibles dmarches mthodologiques .....................................................................E-6 2.3 Faisabilit mthodologique - comment mesurer et intgrer .............................................................E-7

3. Elments du plan de recherche ..................................................................................... E-8


3.1 3.2 3.3 3.4 3.5 3.6 Elment: Problmatique ...................................................................................................................E-8 Elment: Objectifs de recherche ......................................................................................................E-8 Elment: approche thorique ...........................................................................................................E-9 Elment: Questions de recherche et/ou hypothses .....................................................................E-10 Elment: Mthodologie (dmarche) ...............................................................................................E-11 Elment: Sources dinformation utilises .......................................................................................E-13
DKS 6/7/06

Research Design - MPA

-.

A-4

3.7 Elment: Agenda de travail ............................................................................................................E-13

4. Cohrence du plan de recherche ................................................................................. E-14


4.1 Agencement des lments du plan de recherche ..........................................................................E-14 4.2 Plan de recherche = quoi + comment ............................................................................................E-15

5. Cadres de recherche et grilles danalyse .................................................................... E-16


5.1 Exemples de cadres analytiques ...................................................................................................E-17 5.2 Exemple de grilles danalyse .........................................................................................................E-23

6. Exemples de plans de recherche ................................................................................. E-27


6.1 Exemple Job-Sharing auf Managementebene ............................................................................E-27 6.2 Exemple Capacit administrative des communes .......................................................................E-30

F - Choisir un sujet
Identification des objectifs et formulation de questions de recherche Comment aborder les lectures et dvelopper des ides Choix dun directeur de mmoire

F-1

1. Le choix du sujet dans le contexte de la recherche ......................................................F-2


1.1 Identification du sujet: lments importants ..................................................................................... F-3 1.2 Le processus de lidentification ........................................................................................................ F-4

2. Identification des buts sociaux .......................................................................................F-5


2.1 Que voulez-vous faire dans 3-4 ans ? ............................................................................................. F-5 2.2 Et votre employeur ? ........................................................................................................................ F-5 2.3 Quest-ce qui vous fait plaisir ? ........................................................................................................ F-5

3. Identification de la problmatique principale ................................................................F-6


3.1 La grande question .......................................................................................................................... F-6 3.2 Les objectifs/sous- questions de recherche ..................................................................................... F-7

4. Anticipation du plan de recherche ..................................................................................F-8


4.1 Plan de recherche = quoi + comment .............................................................................................. F-9

5. Lectures et ides ............................................................................................................F-10


5.1 Qui/que peut vous aider trouver un vrai sujet ? ........................................................................ F-10 5.2 Choix de lectures pour amorcer un travail ..................................................................................... F-11
Research Design - MPA DKS 6/7/06

-.

A-5

5.3 Exploitation de la litrature ............................................................................................................. F-12 5.4 Gnration dides ......................................................................................................................... F-13

6. Explorations varies ......................................................................................................F-14


6.1 Exemples ....................................................................................................................................... F-16

7. Choisir son rapporteur ...................................................................................................F-18


7.1 Avec qui ? ...................................................................................................................................... F-18 7.2 Les deux grandes orientations de lIDHEAP .................................................................................. F-19

8. Ressources .....................................................................................................................F-20
8.1 8.2 8.3 8.4 8.5 En ligne .......................................................................................................................................... F-20 Documents papier .......................................................................................................................... F-20 Bibliothque de lIDHEAP .............................................................................................................. F-21 Banques de donnes ..................................................................................................................... F-21 Portails importants ......................................................................................................................... F-21

9. Suite .................................................................................................................................F-22

G - Recherches pilotes par la thorie


Introduction quelques designs pilotes par la thoriex Introduction dapproches quantitatives Le concept de cause (encore une fois)

G-1

1. Elments cls de la dmarche empirique classique ................................................ G-2 2. Les design exprimentaux ............................................................................................. G-3
2.1 Lidal: Les expriences classiques ................................................................................................ G-3 2.2 La non-exprience: ou ce quil ne faut pas faire ............................................................................. G-4

3. La quasi-exprience ........................................................................................................ G-6


3.1 3.2 3.3 3.4 Les sries temporelles interrompues .............................................................................................. G-7 Design groupe de contrle non-quivalent ................................................................................. G-10 Conclusion sur la causalit de type exprimental ......................................................................... G-12 La validit selon la doctrine de la recherche quasi-exprimentale ............................................... G-13

4. Les designs statistiques ............................................................................................... G-14


4.1 Lexemple des sondages .............................................................................................................. G-15
Research Design - MPA DKS 6/7/06

-.

A-6

4.2 Niveaux de raisonnemment avec lapproche statistique ............................................................... G-16 4.3 Exemples ...................................................................................................................................... G-17

5. La mthode comparative (stratgie des cas comparables) ...................................... G-21 6. Rsum de designs discuts ....................................................................................... G-22

H - Recherches visant crer une thorie


Introduction aux designs plutot exploratoires et qui visent construire une thorie Introduction la dmarche qualitative

H-1

1. Introduction ...................................................................................................................... H-2 2. La notion de mthode qualitative ............................................................................... H-3 3. Le processus de la recherche qualitative ..................................................................... H-4
3.1 Le triangle description - classification - connexion ...........................................................................H-5 3.2 Une vision dynamique, aussi selon Dey (1993:53) ..........................................................................H-6 3.3 La place de la visualisation (data display) .....................................................................................H-7

4. Le rle de la thorie et des donnes ............................................................................. H-8 5. Exemples .......................................................................................................................... H-9

I - Recherches de type design


La mthodologie dans le contexte dun design-based research Note: Ce chapitre est assez provisoire et sinspire pas mal de linformatique et de lducation, mais les principes peuvent tre transfrs dans dautres domaines (management, droit, etc.)

I-1

1. Elments dapproches design .......................................................................................... I-2


1.1 1.2 1.3 1.4 1.5 Une dfinition du design ................................................................................................................... I-2 La notion de rgle de design ............................................................................................................. I-3 Quest qui distingue une recherche design ? .................................................................................... I-4 Ingrdiants et types de recherches design ....................................................................................... I-5 Logiques des rgles de design ......................................................................................................... I-6

2. Le processus de design .................................................................................................... I-7


2.1 Principe ............................................................................................................................................. I-7 2.2 Alternatives mthodologiques ........................................................................................................... I-8
Research Design - MPA DKS 6/7/06

-.

A-7

2.3 2.4 2.5 2.6

Informatique: 2 types de mthodes dimplmentation ...................................................................... I-9 Le modle participatory design ..................................................................................................... I-10 Recherche action ............................................................................................................................ I-12 Modle dune mthode lgistique ................................................................................................... I-13

3. Analyse du problme et identification des besoins ..................................................... I-14


3.1 Techniques dobservation du problme .......................................................................................... I-14 3.2 Definition de besoins (requirements) .............................................................................................. I-15 3.3 Elaboration de prototypes ............................................................................................................... I-15

4. Evaluation ........................................................................................................................ I-16


4.1 Evaluation dune implmentation .................................................................................................... I-16 4.2 Mthodologie dvaluation .............................................................................................................. I-18

J - Lacquisition de donnes quantitatives


Petite introduction aux mesures et donnes quantitatives, particulirement les sondages

J-1

1. Basics ................................................................................................................................ J-2 2. Design de sondages ......................................................................................................... J-3


2.1 Design de questions et ditems de rponse ..................................................................................... J-3 2.2 Exemples ......................................................................................................................................... J-4 2.3 La forme du questionnaire ............................................................................................................... J-7

3. Donnes statistiques ....................................................................................................... J-9 4. Expriences .................................................................................................................... J-10 5. Echantillonnage .............................................................................................................. J-11
5.1 5.2 5.3 5.4 5.5 Rgles de base .............................................................................................................................. J-11 Un premier regard sur la signification ............................................................................................ J-12 Echantillonnage typique pour des expriences ............................................................................. J-13 Echantillonnage typique pour un sondage ..................................................................................... J-14 Echantillonnage pour les donnes statistiques ........................................................................... J-14

K - Lacquisition de donnes qualitatives


Research Design - MPA

K-1
DKS 6/7/06

-.

A-8

Familiarisation avec quelques techniques de mesure qualitatives

1. Survol des mthodes dacquisition (mesures empiriques) ......................................... K-2 2. Lchantillonnage dans une approche qualitative ....................................................... K-4
2.1 Stratgies gnrales dchantillonnage ...........................................................................................K-5 2.2 Conseils ...........................................................................................................................................K-7

3. Lobservation ................................................................................................................... K-9 4. Enregistrements et textes ............................................................................................. K-10


4.1 Analyse denregistrements .............................................................................................................K-10 4.2 Textes ............................................................................................................................................K-10

5. Entretiens ....................................................................................................................... K-11


5.1 5.2 5.3 5.4 5.5 Conseils gnraux pour les entretiens ...........................................................................................K-12 Conseil pour lentretien dinformation: ............................................................................................K-12 Conseils pour lentretien structure ...............................................................................................K-13 Conseils pour lentretien semi-structur .........................................................................................K-14 Think aloud ....................................................................................................................................K-16

L - Introduction lanalyse quantitative


Familiarisation avec quelques mthodes statistiques Sans analyse multi-varie !

L-1

1. Echelles et "data assumptions" ......................................................................................L-2


1.1 Types de mesures quantitatives (chelles / scales) ........................................................................ L-2 1.2 Postulats sur les donnes (data assumptions) ................................................................................ L-3

2. Le principe de lanalyse statistique ................................................................................L-5 3. Etapes dune analyse statistique ....................................................................................L-7 4. Prparation de donnes et construction dchelles .....................................................L-8
4.1 Logiciels statistiques et prparation de donnes ............................................................................. L-8 4.2 Echelles composites (indices) .......................................................................................................... L-9

5. Survol des mthodes et coefficients statistiques .......................................................L-12


5.1 Statistiques descriptives simples ................................................................................................... L-12 5.2 Quel type danalyse pour quel type de donnes ? ......................................................................... L-13
Research Design - MPA DKS 6/7/06

-.

A-9

5.3 Types de coefficients statistiques: ................................................................................................. L-14

6. 7. 8. 9.

Crosstabulation (tris croiss) ........................................................................................L-15 Simple analyse de variance ...........................................................................................L-18 Analyse de rgression et de la corrlations de Pearson ............................................L-21 Causalits et variables de contrle ..............................................................................L-23
9.1 Typologie derreurs pour la validit interne .................................................................................... L-23 9.2 Le contrle des causalits par les variables de contrle ............................................................... L-24 9.3 Les effets dinteraction ................................................................................................................... L-26

10. Analyses exploratoires multi-varies ...........................................................................L-27


10.1Analyse typologique ....................................................................................................................... L-27

M - Analyse de donnes qualitatives


Familiarisation avec lanalyse structure de donnes qualitatives

M-1

1. Introduction: classer, coder et retrouver linformation ............................................... M-2 2. Codage / catgorisation / classification ........................................................................ M-3
2.1 A quoi a sert ? ............................................................................................................................... M-4 2.2 Aspects techniques ......................................................................................................................... M-5

3. Cration et gestion de code-books ................................................................................ M-6


3.1 3.2 3.3 3.4 Cration de code-book selon considrations thoriques ................................................................ M-6 Codage par induction (selon la grounded theory) ........................................................................ M-7 Codage par catgories ontologiques .............................................................................................. M-8 Nombre, organisation, rvision et extension des codes ................................................................. M-9

4. Pattern codes (structure) .............................................................................................. M-10 5. Les deux techniques de base: matrices et graphiques ............................................. M-11 6. Matrices et graphiques descriptifs .............................................................................. M-12
6.1 6.2 6.3 6.4 6.5 Le context chart,Miles & Huberman (1994:102) ......................................................................... M-13 Check-listes, Miles & Huberman (1994:105) ................................................................................ M-18 Tables chronologiques, Miles & Huberman (1994:110) ................................................................ M-19 Graphiques chronologiques .......................................................................................................... M-20 Matrices ordonnes selon les rles (fonction dans lorganisation) ............................................... M-21
DKS 6/7/06

Research Design - MPA

-.

A-10

7. Techniques pour chercher des corrlations ............................................................... M-23


7.1 Matrices ordonnes selon concepts (variables) ............................................................................ M-23 7.2 Graphes typologiques ................................................................................................................... M-27 7.3 Graphes de causalit .................................................................................................................... M-28

8. Quelques conseils pour la fin ...................................................................................... M-29


8.1 8.2 8.3 8.4 8.5 Note sur les causes ...................................................................................................................... M-29 Interprtation des donnes, oprations faire ............................................................................. M-30 Notes sur les dmarches inductives ............................................................................................. M-31 La fiabilit (reliability) dans une analyse qualitative .................................................................... M-32 La validit dans une analyse qualitative ....................................................................................... M-33

N - La rdaction du mmoire
Conseils pour la rdaction du mmoire

N-1

1. Introduction: le mmoire est un argument ................................................................ N-2 2. La prsentation et la structuration ................................................................................ N-3
2.1 Matrise du traitement de texte ........................................................................................................N-3 2.2 Titres et sections ..............................................................................................................................N-4 2.3 La mise en page ..............................................................................................................................N-5

3. Lorganisation dun mmoire ......................................................................................... N-6


3.1 Prface (avant-propos) ....................................................................................................................N-7 3.2 Table des matires (etc.) .................................................................................................................N-8 3.3 Rsum (abstract) ...........................................................................................................................N-8 3.4 Introduction ......................................................................................................................................N-9 3.5 Partie principale .............................................................................................................................N-11 3.6 Conclusion .....................................................................................................................................N-12 3.7 Liste des sources ...........................................................................................................................N-13 3.8 Indexes ..........................................................................................................................................N-13 3.9 Annexes .........................................................................................................................................N-14 3.10Bibliographie ..................................................................................................................................N-14 3.11Citations .........................................................................................................................................N-15
Research Design - MPA DKS 6/7/06

-.

A-11

3.12..... un dernier mot ..........................................................................................................................N-15

4. La prsentation en un seul transparent ...................................................................... N-16

O - La gestion de projets
Petite introduction la gestion de projets

O-1

1. Introduction ...................................................................................................................... O-2 2. Scheduling (planification dans le temps) ...................................................................... O-3


2.1 Les graphiques dactivits ............................................................................................................... O-4 2.2 Les diagrammes de barres (Bar Charts) ......................................................................................... O-6

3. Contrle (Controlling) ..................................................................................................... O-8 4. Estimation de la dure dun projet typique ................................................................... O-9

P - La gestion du stress et de blocages


pas de panique ... !

P-1

1. Conseils gnraux ........................................................................................................... P-2


1.1 Faites un bon plan de recherche .....................................................................................................P-2 1.2 Organisez votre temps .....................................................................................................................P-2 1.3 Exercices physiques anti-stress .......................................................................................................P-4

2. Le Writers Block ............................................................................................................. P-5


2.1 Produisez .........................................................................................................................................P-5 2.2 Matrisez la non-matrise de certains sujets .....................................................................................P-6 2.3 Diviser et/ou contourner, et conqurir ..............................................................................................P-7

3. Absence de motivation ................................................................................................... P-8


3.1 Faites-vous plaisir et librez votre esprit ..........................................................................................P-8 3.2 Prenez des engagements auprs quelquun ...................................................................................P-9

Q - Checklistes
Ces checklistes vous encouragent regarder examiner quelques aspets particuliers de vos productions ....

Q-1

1. Vos questions de recherche ........................................................................................... Q-2


Research Design - MPA DKS 6/7/06

-.

A-12

1.1 La face thorique ............................................................................................................................ Q-2 1.2 La face empirique ........................................................................................................................... Q-3

2. Le plan de recherche ....................................................................................................... Q-4


2.1 Faites attention aux points suivants ................................................................................................ Q-4 2.2 Les grandes questions simples pour un principe simple ................................................................ Q-5

3. Evaluation de votre mmoire ......................................................................................... Q-6

R - Bibliographie

R-1

Research Design - MPA

DKS 6/7/06

Organisation du cours - .

B-1

B - Organisation du cours
Objectifs
Familiarisation avec les objectifs Organisation du cours Evaluation et Homework

Menu
1. 2. 3. 4. Objectifs et valuation Elments du cours Planning approximatif Homework 2 3 5 7

Research Design - MPA

DKS 6/7/06

Organisation du cours - 1. Objectifs et valuation

B-2

1. Objectifs et valuation
Objectifs Ce cours obligatoire vise faciliter la prparation dun bon projet de mmoire et son excution Afin de mettre en oeuvre les concepts prsents lors du cours, les tudiants seront amens rendre 3 homework en rapport avec leur sujet de mmoire Note: la mthodologie dtaille sera du ressort du rapporteur, une fois contact. Evaluation Les participant-e-s seront donc sanctionn-e-s par un simple acquis ou un nonacquis la fin du cours. Pour obtenir un acquis ils / elles doivent participer activement aux sances et aux travaux intermdiaires et la fin du cours prsenter un petit avant-projet de recherche sur 2-4 pages.

Research Design - MPA

DKS 6/7/06

Organisation du cours - 2. Elments du cours

B-3

2. Elments du cours
2.1 Elments mthodologiques par rapport au processus de recherche
Mthodes pistmologie (logique de recherche) Techniques de travail lecture (recherche et comprhension)

mthodologies et approches

trouver un sujet prciser un sujet dfinition dun plan de recherche mise en oeuvre rdaction

gestion (plans, apprentissage, ressources, etc.)

mthodes et techniques

prsentation verbale et orale

connaissance du domaine (Ailleurs)


Research Design - MPA

le processus de la recherche
DKS 6/7/06

Organisation du cours - 2. Elments du cours

B-4

2.2 Objectifs du cours


theorique Larecherche scientifique ... comprhension de la notion de recherche Les mthodes de recherche ... familiarisation avec principes de base ... introduction certaines mthodes Le research design ... comment faire un plan de recherche ... comment rpondre aux questions de recherche Techniques de travail .... chercher des ides, rdaction, etc. Le mmoire .... clarifications sur la procdure .... avant-projet .... choix du rapporteur

pratique

Research Design - MPA

DKS 6/7/06

Organisation du cours - 3. Planning approximatif

B-5

3. Planning approximatif
3.1 Sance 1
B - Organisation du cours [B-1] C - La notion de recherche acadmique [C-1] D - Logique de la recherche empirique [D-1] E - Plan de recherche, cadres et grilles [E-1] F - Choisir un sujet [F-1]

3.2 Sance 2
Discussion du Homework 1 rendre 3 jours avant le module 2 [7] G - Recherches pilotes par la thorie [G-1] H - Recherches visant crer une thorie [H-1] I - Recherches de type design [I-1]

3.3 Sance 3
Discussion du Homework 2 [8] J - Lacquisition de donnes quantitatives [J-1] K - Lacquisition de donnes qualitatives [K-1] O - La gestion de projets [O-1]
DKS 6/7/06

Research Design - MPA

Organisation du cours - 3. Planning approximatif

B-6

Recherche de littrature

3.4 Sance 4
Discussion du Homework 3 [10] L - Introduction lanalyse quantitative [L-1] M - Analyse de donnes qualitatives [M-1] N - La rdaction du mmoire [N-1] P - La gestion du stress et de blocages [P-1]

Toutes les sances Q - Checklistes [Q-1] R - Bibliographie [R-1]

Research Design - MPA

DKS 6/7/06

Organisation du cours - 4. Homework

B-7

4. Homework
Ces exercices permettent dappliquer un certain nombre de choses, et surtout: de vous lancer dans laventure ....

4.1 Homework 1 rendre 3 jours avant le module 2


Nous vous demandons d'tablir un document d'environ 1 2 pages portant sur votre sujet potentiel de recherche. Ce texte sera photocopi et distribu tous les participants lors de la sance. Le document devrait comprendre au moins une esquisse d'un thme de recherche. Il s'agit de rflexions tout fait provisoires, censes vous faire avancer d'un petit pas vers la dfinition d'un " vrai " sujet de recherche. Chaque esquisse devrait comprendre si possible les lments suivants:
un working title pour chaque working title une dfinition/discussion en 2-3 phrases une liste des buts thoriques et pratiques de votre recherche un ensemble de questions de recherche et/ou d'hypothses de travail des informations supplmentaires (par exemple les cas que vous pensez analyser, contacts pris sur le terrain ou avec des experts, rapporteurs potentiels).

Peu importe si les lments sont mal formuls, imprcis, incomplets ou encore si la liste des buts et les questions de recherche sont trop longues ou contradictoires. Lobjectif de cette sance consiste vous aider trouver un sujet et dans ce sens, il est important de dfinir vos intrts et intentions, mme si, ce stade, vos rflexions sont encore peu avances.
Research Design - MPA DKS 6/7/06

Organisation du cours - 4. Homework

B-8

4.2 Homework 2
rendre 3 jours avant le module 3 Nous vous demandons d'tablir un document denviron 2 3 pages sur votre sujet potentiel de recherche. Ce texte sera photocopi et distribu tous. Le document devrait comprendre: (1) Une dfinition dun sujet (il sagit dune rvision du travail effectu pour la dernire fois) 1. un working title pour votre sujet 2. la problmatique de recherche (si le titre nest pas assez explicite) 3. un ensemble de questions de recherche et/ou dhypothses de travail 4. une liste des buts thoriques et pratiques de votre recherche 5. rapporteur: A qui avez-vous pens ventuellement ? Note: Si vous hsitez entre plusieurs faons daborder votre thme, nhsitez pas expliciter ces diffrentes voies. Un des buts de la sance avec les enseignants consiste vous aider dans vos choix... (2) Quelques dtails sur le design de recherche. Il sagit de rflexions tout fait provisoires, censes vous faire avancer d'un petit pas vers la proposition de sujet (sans aucun engagement de votre part !). Vous pouvez aussi indiquer
Research Design - MPA DKS 6/7/06

Organisation du cours - 4. Homework

B-9

des options qui restent ouvertes et/ou poser des questions. 1. Approche: Faites une petite description de lapproche que vous pensez adopter et prcisez les angles dattaque. 2. Cadres thoriques: Indiquez cadres thoriques (provenant de cours dIDHEAP, de livres, darticles, etc.) qui peuvent jouer un rle important dans votre mmoire. 3. Hypothses scientifiques qui dcoulent dune rflexion thorique (le cas chant seulement !). 4. Grilles danalyse: Faites pareil pour des grilles danalyse (exemples: comment mesurer la performance dun service, des critres de dcision,...). 5. Echantillonnage: (quels cantons, communes, services, personnes etc.). 6. Mesures: Faites une liste des concepts qui ncessitent une recherche sur le terrain et indiquez la mthode de mesure (entretiens, sondages, statistiques existantes, etc.).
Ceux qui n'ont pas encore de sujet prcis peuvent considrer cette tche comme un exercice mental (pour un sujet de leur choix). Pour ceux qui hsitent entre diffrentes faons d' " attaquer " un sujet, il s'agit d'une bonne occasion pour discuter dans quel sens il faut " rduire " et clarifier.

Research Design - MPA

DKS 6/7/06

Organisation du cours - 4. Homework

B-10

4.3 Homework 3
rendre 3 jours avant le module 4 Le document devrait comprendre une esquisse des 7 rubriques de la note sur la prparation du mmoire (distribue par lIDHEAP). Formulez des questions de recherche claires. Dtaillez chaque question, en ajoutant par exemple des sous-questions et/ou hypothses plus oprationnelles. Ensuite, montrez comment vous allez rpondre vos questions de recherche / hypothses. 1. Problmatique 2. Objectifs 3. Approche thorique (cadre thorique, concepts et modles utiliss, etc.) 4. Questions de recherch et/ou hypothses 5. Elments de mthodologie, par exemple:
Type de dmarche / approche grilles danalyse: (exemples: comment mesurer la performance dun service, des critres de dcision,...) chantillonnage: (quels cantons, communes, services, personnes etc.) mesures: Faites une liste des concepts qui ncessitent une recherche sur le terrain et indiquez la mthode de mesure (entretiens, sondages, statistiques existantes, etc.).

6. Sources dinformation 7. Agenda de travail (provisoire)


Research Design - MPA DKS 6/7/06

La notion de recherche acadmique - .

C-1

C - La notion de recherche acadmique


Objectifs
Les notions de recherche acadmique et de science Comprendre le rle de la mthode Avoir une ide des diffrent types de recherches

Menu
1. 2. 3. 4. 5. 6. Un premier regard sur la recherche Les notions de acadmique et/ou de science La place de la mthode Le paradigme et lapproche Types de recherches La suite 2 4 8 11 14 18

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 1. Un premier regard sur la recherche

C-2

1. Un premier regard sur la recherche


1.1 La recherche: poser une question et y rpondre

Poser une question bien dfinir les limites bien laborer les dtails

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

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 1. Un premier regard sur la recherche

C-3

1.2 Les tapes majeurs dune recherche:


1.Identification du sujet

2. Prparation du plan de recherche et du research design

3. La mise en oeuvre + les mauvaises surprises 4. Finir la rdaction

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 2. Les notions de acadmique et/ou de science

C-4

2. Les notions de acadmique et/ou de science


Pourquoi ce chapitre?
pour comprendre comment formuler un projet de recherche pour comprendre comment fonctionnent vos profs

2.1 Elments qui caractrisent une recherche scientifique


1. La thorie de la science:
quest-ce qui est connaissance ? connaissance scientifique ? comment raisonner ? dduire ? induire ? modliser ?

2. La mthode:
doit tre approprie pour lobjet de recherche ..... et lgitim par une thorie de la science.

3. Lobjet de recherche:
dterminer exactement ce quon veut tudier

4. Le but de recherche:
quoi cela doit servir ?

5. Vos moyens:
connaissances temps, argent, accs aux donnes, etc.

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 2. Les notions de acadmique et/ou de science

C-5

Un quilibre subtil entre mthodes, objet, vos but et moyens: thorie de la science conseil contrainte

mthodes
co n

objet tudi

int

moyens

limite

but

Il nexiste rarement une solution toute prte pour votre problme Il existe des suggestions, mais galement des interdictions Autrement dit: Chacun doit construire son design de recherche !

Research Design - MPA

con trai nte

t ra

ite m i l

te limi

DKS 6/7/06

La notion de recherche acadmique - 2. Les notions de acadmique et/ou de science

C-6

2.2 Quest-ce quune recherche acadmique empirique (science) ?


1. une activit systmatique il faut produire un ensemble cohrent de connaissances les intgrer dans un systme de connaissances 2. centre sur la ralit
par exemple la nature, la socit, la pense autrement dit: il ne sagit pas de spculer dans labstrait

3. utilise un outillage prcis (des hypothses, thories, mthodes, etc.) 4. tente de gnraliser en contribuant des thories, en produisant des lois, etc. en plus: 5. une croyance frquente au dterminisme, la conviction que tout phnomne est la consquence ncessaire de conditions communes.
Autrement dit: le hasard dans lexplication serait une mesure de notre ignorance.

6. une croyance au principe du relativisme: notre connaissance est imparfaite et relative,


.... et surtout en sciences sociales o lhomme est la fois sujet et objet, observateur et observ.

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 2. Les notions de acadmique et/ou de science

C-7

A. Quest-ce quune recherche intressante ?


Il sagit de produire quelque chose de nouveau: Par exemple: de rpondre des questions nouvelles ou danciennes questions sans rponses adquates de rpondre autrement des questions traites dans la littrature dappuyer des rponses dans la littrature par une nouvelle argumentation dappliquer une thorie un contexte diffrent

produire quelque chose qui fait plaisir une certaine communaut (vous ncrivez pas pour vous tout seul!). vous-mme

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 3. La place de la mthode

C-8

3. La place de la mthode
3.1 Les dimensions pistmologiques de la recherche
Les thories de la science analysent dun point de vue philosophique les conditions du savoir scientifique et elle formule des recommandations. Les mthodologies faon gnrale dont il faut mener bien une recherche. sappuyant sur des rflexions dune ou plusieurs thories de la science et propose lutilisation dun ensemble de mthodes. Les mthodes recettes gnrales pour tudier une classe de phnomnes donns. sappuient sur des techniques et des mthodes de rflexion Les mthodes de rflexion comment il faut passer des donnes la thorie ou inversement ? .... (influences par les thories de la science). Les techniques recettes pratiques pour acqurir, manipuler, analyser des donnes, manipuler des concepts, etc.

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 3. La place de la mthode

C-9

3.2 La porte des thories


Les grandes thories sattaquent des thmes complexes (pas trs empiriques) .... lvolution de socit, le systme politique, ..... Les thories porte moyenne concernent un domaine plus restreint (ensemble de recherches empiriques) ......la mise en oeuvre des lois dans les dmocraties reprsentatives... Les modles formaliss concernent des aspects plus restreints du champ social parfois appuys par des tudes empiriques prcises et pousses. Les modles conceptuels par exemple les langages systmiques, les cadres danalyse .... des outils pour regarder un phnomne sous un certain angle Les hypothses font en rgle gnrale partie dune thorie. Il sagit de propositions claires qui ncessitent dtre testes.

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 3. La place de la mthode

C-10

3.3 Le tout ensemble: les composantes du savoir:.


thorie de la science gnral Grande thorie

au service de
rassemble

mthodes de rflexion mthodologie lapproche mthodes

thorie porte moyenne modles conceptuels modle modle formel hypothses donnes (observations)

techniques particulier

abstrait (comment faire)

concret (faire)

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 4. Le paradigme et lapproche

C-11

4. Le paradigme et lapproche
4.1 La notion de paradigme (la science normale de Kuhn)
1. un but de recherche gnral et asymptotique
par ex: comprendre la mise en oeuvre dune politique publique. A ce niveau, on observe des propos plus ou moins bien articuls sur la nature du sujet de recherche.

2. Niveau intermdiaire: thories partielles en stade de pr-modlisation.


Par ex: les modles dimplantation dune loi.

3. A un niveau plus bas: les thories empiriquement testes ou constitues.


Par ex: limplmentation des politiques publiques en Suisse.

4. Chaque paradigme favorise certaines approches mthodologiques


.... une vision de la dmarche scientifique.

Pourquoi obir un paradigme?? pouvoir sappuyer sur des mthodologies de recherche confirmes diffrents chercheurs peuvent contribuer ensemble lvolution des connaissances Les chercheurs hors paradigme risquent: lincomprhension (on va ignorer un travail bas sur une mthodologie trs diffrente) lisolement (les rsultats ne sont pas comparables)
Research Design - MPA DKS 6/7/06

La notion de recherche acadmique - 4. Le paradigme et lapproche

C-12

4.2 Lapproche
Attention: il existe de 2 dfinitions diffrentes approche +/- = mthodologie ou dmarche une faon de faire comprend un ensemble de mthodes utiles pour tudier une certaine classe de phnomnes. par exemple: lapproche fonctionnelle-systmique, lapproche quasi-exprimentale ou encore lapproche comparative. transdisciplinarit: exemple: Lapproche quasi-exprimentale dveloppe en sciences de lducation, mais populaire en analyse de politiques publiques. approche = paradigme. par exemple: public policy approach pour dire:
(a) on sintresse lanalyse des politiques publiques (b) on sidentifie la mthodologie dominante dans ce milieu.

par exemple activity theory


on place lactivit (personnes, outils, rgles) au centre on utilise plutt une mthodologie qualitative on sintresse au changement

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 4. Le paradigme et lapproche

C-13

4.3 Un mot sur linterdisciplinarit


Il sagit de combiner plusieurs approches ou paradigmes 3 variantes: Recherche multi-disciplinaire:
juxtaposition, sur un mme objet, de recherches conduites selon plusieurs points de vue, chacune conservant sa spcificit,

Recherche interdisciplinaire:
confrontation et change de mthodes adoption dun mix adapt de plusieurs champs de recherche

Recherche trans-disciplinaire:
gnralement un niveau dabstraction lev, thories et concepts communs toutes les sciences sociales,

Difficults: Une recherche multi-disciplinaire est trs difficile mener.


Il faut des connaissances larges et savoir communiquer avec les gens utilisant un autre langage.

Une recherche interdisciplinaire est plus simple mener


..... puisquon ne puise que les concepts et mthodes ailleurs, mais il est difficile de se faire accepter par toutes les communauts scientifiques concernes prend plus de temps en rgle gnrale.
Research Design - MPA DKS 6/7/06

La notion de recherche acadmique - 5. Types de recherches

C-14

5. Types de recherches
5.1 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

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 5. Types de recherches

C-15

5.2 Selon la finalit scientifique (Marshall & Rossmann 95: 41)


Finalit exploratoire tude de nouveaux phnomnes prparation dune autre recherche explicative explication des forces qui causent un phnomne descriptive/comprhen. documentation dun phnomne comprhension Question typiques Approches Mthodes observation participante entretiens en profondeur entretiens dlite tude de cas Quest-ce qui se passe field study dans ce programme ? Comment fonctionne cette organisation ? Quels vnements, comportements, croyances, etc. rsultent dans ce phnomne ? tude comparative de cas tude historique field study ethnographie

comme ci-dessus questionnaires analyse de documents

Quels sont les field study vnements, structures, et tude de cas processus constituant ce ethnographie phnomne ? exprience quasi-exprience statistique simulation

comme ci-dessus mesures non-intrusives

prdictive prdictions globales Quel est le rsultat dun prdiction dvnements phnomne ? ou comportements

questionnaires analyses de contenu (quantitatives) plutt qualitatives

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

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 5. Types de recherches

C-16

5.3 La typologie de Jrvinen (2004: 10)


Approches de recherches

Approches sintressant la ralit

Approches mathmatiques et philosophiques

Approches tudiant la ralit

Approches utilitaires (designs et expertises)

Etudes conceptuelles et analytiques

Etudes empiriques

Sengager dans des innovations

Evaluation dinnovations

Tester des thories

Crer des thories modifi par DKS

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 5. Types de recherches

C-17

5.4 Une typologie simple des approches

Expliquer (Tester une thorie)

tester / laborer des hypothses expliquer par des lois/thories prdire avec des lois

Comprendre (Crer une thorie)

mettre en vidence des mcanismes dcrire & explorer proposer des thories

Design

analyser un problme et prsenter une solution ingnierie crer / tester une rgle de design intervenir

Research Design - MPA

DKS 6/7/06

La notion de recherche acadmique - 6. La suite

C-18

6. La suite
Une typologie est forcment rductrice, elle peut aider vous orienter On peut combiner / mlanger des approches Suite 1. Nous allons dabord introduire:
D - Logique de la recherche empirique [D-1] E - Plan de recherche, cadres et grilles [E-1] F - Choisir un sujet [F-1]

Cela vous permettra de vous engager la recherche dun sujet de mmoire


C.f. le 4.1 Homework 1 rendre 3 jours avant le module 2 [B-7]

2. Nous allons poursuivre la logique Une typologie simple des approches [17] plus tard et prsenter de faon un peu plus dtaille ces 3 types dapproches
G - Recherches pilotes par la thorie [G-1] H - Recherches visant crer une thorie [H-1] I - Recherches de type design [I-1]

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - .

D-1

D - Logique de la recherche empirique


Objectifs
Comprendre la logique dune recherche empirique Acqurir les concepts cls comme question de recherche, cadre analytique, grilles danalyse, hypothses, oprationalisation et mesure Les notions de validit et de fiabilit

Menu
1. 2. 3. 4. 5. 6. 7. 8. 9. La logique de la recherche empirique Elments cls de la dmarche empirique Objectifs Conceptualisations et oprationalisations Les artfacts La mesure: observer attributs et comportements de cas Interprtation: validit (vrit) et causalit Conclusion et conseils Suite 2 3 4 5 15 16 21 26 28

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 1. La logique de la recherche empirique

D-2

1. La logique de la recherche empirique


1.1 Elments typiques dun cycle de recherche
Lagencement entre conceptualisation, mesure, analyses et mthodes de conclusion dpend de lapproche choisie. Ici on prsente un cas parmi dautres ...

revue de la littrature questions de recherche

Thme, objectifs rsultat comparaison avec dautres travaux 5.Analyses et conclusions analyses

1.Objectifs

cadres danalyse 2.Conceptualisations hypothses grilles danalyse 4.Mesures 3.Artfacts Interventions laboration de designs matriaux dexprimentation
Research Design - MPA DKS 6/7/06

collection de de donnes (mesures) chantillonnage (choix de cas)

Logique de la recherche empirique - 2. Elments cls de la dmarche empirique

D-3

2. Elments cls de la dmarche empirique


Pour une question de recherche donne:

Conceptualisations

Artfacts / interventions (designs)

Mesure(s)

Analyses & conclusions Conceptualisations: on explicite les questions, fait des hypothses, tablit un cadre danalyse, dfinit des critres danalyse, etc. Artfacts: dveloppement de procdures, implmentations, matriaux dexprimentation, .. Mesures: on va voir sur le terrain (selon un chantillonnage) Analyses & conclusion: on met en rapport mesures, analyses de mesures (statistiques, qualitatives, etc.) avec les questions de recherche et la thorie.
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 3. Objectifs

D-4

3. Objectifs
revue de la littrature questions de recherche Thme, objectifs

1.Objectifs 5.Analyses et conclusions

2.Conceptualisations 4.Mesure 3.Artfacts Interventions

Les questions de recherche explicitent vos objectifs, voir F - Choisir un sujet [F-1] dpendent aussi dune premire revue de la litrature parfois: mergent du terrain
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-5

4. Conceptualisations et oprationalisations

1.Objectifs

5.Analyses et conclusions

2.Conceptualisations 4.Mesure cadres danalyse hypothses grilles danalyse oprationalisation Il faut rendre oprationnel vos questions de recherche Clarifer concepts, cadres danalyse, grilles danalyse etc. Avoir une ide comment faire le rapport entre un concept et le terrain
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-6

4.1 Lutilit dun cadre danalyse


Exemple 4-1: Cots et bnfices du job-sharing Question pose dans un mmoire Idheap par Gabrielle Merz-Turkmani (1998): Est-ce que le job-sharing au niveau management cot plus cher ? Voici un simple cadre danalyse: systme ? Cots ? ? suprieur hirarchique Job-Sharing Team collaborateurs ? ? Bnfices

Identifie clairement les composantes dun modle cot-bnfice Postule implicitement ou explicitement des liens, causalits, etc. Note: il manque une dfinition des cots et bnfices ....

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-7

4.2 Modles et hypothses


Ces constructions mettent en rapport des concepts, postulent des causalits etc. Les causalits entre concepts (variables) thoriques nexistent pas tel quel, on peut juste les observer indirectement Exemple 4-2: Causalit entre inspections et scurit de travail Hypothse dun mmoire Idheap (Perruchoud, 1998): Un renforcement des effectifs des inspections du travail ou de la CNA engendre une amlioration sensible de la scurit de travail X= effectifs dinspections X= inspecteurs/ de travailleurs X= N inspecteurs/ corrlation mio travailleurs parmi les cas X = variable explicative (indpendante)
Research Design - MPA

Y= scurit du travail Y= accidents/ travailleurs Y= N accidents/ 1000 travailleurs

postulat conclusions

observations

indicateurs par cantons + analyses statistiques

Y = variable expliquer (dpendante)


DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-8

4.3 Limportance de la diffrence (variance) pour lexplication


Sans variances, pas de diffrences .... pas de science explicative
la science veut savoir pourquoi telle chose existe, nexiste pas, est plus forte ou plus faible ...

Sans co-variances, pas de corrlations / causalits ... pas dexplication

A. Exemple quantitatif:
accidents / travailleurs canton b canton d

canton a 0 inspecteurs / travailleurs

Les taux daccidents/travailleurs et dinspecteurs/travailleurs sont diffrents, on a donc des variances. Plus il y a inspecteurs, moins il y a daccidents, on a donc une co-variance (changer le taux inspecteurs/travailleurs a une incidence sur les accidents)
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-9

B. Exemple qualitatif
Imaginez quon analyse la ractivit dun service par rapport par rapport des dolances de clients (par exemple vitesse du traitement dun dossier)
Stratgies daction du service stratgie 1: Type de dolance on ne fait rien de particulier plaintes formelles de (N=4) clients (lettres) (p=0.8) lettres envoyes par un avocat articles dans la presse stratgie 2: on cre une task force pour tudier le problme (N=1) (p=0.2) (N=2) (p=0.4) (N=3) (p=0.6) (N=1) (p=100%) stratgie 3: stratgie 4: on acclre le on realloue les cas ressources

N = nombre dobservations, p = probabilit Rsultat (imaginaire): plus il y a de la pression, plus il y a action

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-10

4.4 La mesure des concepts thoriques


Une proposition scientifique contient des concepts (variables thoriques)
Exemples: le client, la satisfaction du client, le dveloppement, efficacit

Un travail scientifique met en rapport des concepts


... mais ca flotte dans lair et il faut aller voir sur le terrain:

chercher des indicateurs, fabriquer des indices, etc.


grce aux corrlations observes on peut sexprimer sur les causes thoriques

Exemple 4-3: Job-sharing nest pas inefficace: ??? Concept X sharing (oui ou non) Mesure 1 situations concrtes de partage corrlations observables cause rflexion Mesures 2,3,4, ... bnfices cot autre chose ? Concept Y efficacit

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-11

A. Le foss entre concept thorique et la mesure:


1. abstrait - concret (thorie - observables) Exemples:
Mesure de participation politique avec participation aux votations Mesure de succs dune limitation de vitesse avec accidents

2. ensemble - partie (dimensions): Exemples:


Dcomposition de participation politique en participation aux lections et interventions de groupes dintrts Dcomposition de dveloppement conomique en industrialisation, urbanisation, transports, communications et ducation.

Exemple 4-4: Dimensions des concepts utiliss dans ltude job-sharing


Dcomposition de bnfices de job-sharing en productivit, qualit (crativit, innovation, ...), remplacements, absentisme, taux de fluctuation, Dcomposition de cot de job-sharing: salaires, contributions de lemployeur, cots de formation, cot place du travail, cot administratifs (gestion du personnel), cot dintroduction (dveloppement du systme), cot pour le suprieur hirarchique, cot de la gestion dinformation, cot de la coordination......

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-12

Exemple 4-5: La mesure du dveloppement conomique

Concept explicatif

explique

Concept ( expliquer) (ex. dv. conomique)

Indice global Dimension1 (ex. industrialisation) Indice Indicateur (ex. PNB) Dimension2 (ex. urbanisation) Indice2

Indicateur Indicateur2 (ex. routes) (ex. nergie)

Mesure Mesure (PNB 1996) (km/m2 1996)


Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-13

Exemple 4-6: La mesure de lefficacit stratgique dune entreprise la mme problmatique prsent autrement exemple tir de Thitart (1999:173)

Efficacit stratgique

concept

Performance commerciale Chiffre daffaires Profits/chiffre daffaires

Performance financire

dimensions

Profits

indicateurs

indice

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 4. Conceptualisations et oprationalisations

D-14

B. Rsum des dangers et problmes lis loprationalisation:


1. Ecart entre donnes et thorie
Exemple: Mesurer la communication dans une organisation avec la quantit des coups de tlphones internes

2. Oubli dune dimension


Exemple: Mesurer linfluence des cadres moyens dans une entreprise par leur participation formelle aux dcisions

3. Surcharge dun concept


Exemple: Inclure ducation dans la dfinition du dveloppement (cela se justifie, mais en mme temps il sagit dune autre chose) En tout cas: ne mettez jamais des variables explicatives et expliquer dans un mme indice !

4. Fausses mesures (ou conflits entre mesures)

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 5. Les artfacts et interventions

D-15

5. Les artfacts et interventions


Presque chaque recherche a besoin dartfacts (par exemple un questionnaire, voir J Lacquisition de donnes quantitatives [J-1]) Toutefois, parfois lartfact est au centre dun projet. Dans ces cas, le cycle de recherche sarticule autrement (voir I - Recherches de type design [I-1])

1.Objectifs 2.Conceptualisations 5.Analyses et conclusions

5.Mesures 3.Mesures 4.Artfacts / Interventions

laboration de designs Exemples: Un intranet, une mthode de gestion financire, un systme de pilotage pour une organisation, un systme de gestion de connaissances, une pdagogie
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 6. La mesure: observer attributs et comportements de cas

D-16

6. La mesure: observer attributs et comportements de cas

1.Objectifs

5.Analyses et conclusions

2.Conceptualisations 4.Mesure 3.Artfacts Interventions collection de de donnes (mesures)

chantillonnage (choix de cas)

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 6. La mesure: observer attributs et comportements de cas

D-17

6.1 Lchantillonnage
En rgle gnrale, il faut sassurer quil existe une bonne variance des variables opratives car sans variance il ny a pas de relation et donc pas de lois. Variable opratives:
Les X (variables explicatives/indpendantes) Les Y (variables dpendantes)

Les techniques dchantillonnage varient en fonction du research design:)


Type de cas choisis reprsentatifs variation maximale homognes critiques selon la thorie extrmes ou dviants Usage pour tudier une population mre (par exemple dans un sondage de sociologie politique) soit pour gnraliser, soit pour trouver des cas dviants (ncessite des modles et analyes plus complexes) permet de mieux focaliser et comparer (tudes compares) prouver ou exemplifier une thorie (gnralisation logique) laboration et examen des questions de recherche (problmatiques thoriques) tester la limite dune explication ou/et chercher un nouveau dpart

suivre (voir aussi le module K - Lacquisition de donnes qualitatives [K-1])

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 6. La mesure: observer attributs et comportements de cas

D-18

6.2 Techniques de mesures


Il ny a pas que de nombres ! Formes principales de collection de donnes
Articulation Situation informelle formelle et non structure formelle et structure non-verbale et verbale observation (participante) observation (systmatique) exprience simulation, etc. verbale orale entretien dinformation crite analyse de texte

entretien ouvert questionnaire ouvert entretien semi-structure journaux protocoles thinking aloud vignettes entretien standardis questionnaire standardis log files

Suite: J - Lacquisition de donnes quantitatives [J-1] K - Lacquisition de donnes qualitatives [K-1]

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 6. La mesure: observer attributs et comportements de cas

D-19

6.3 Fiabilit de la mesure


fiabilit = degr de consistance de mesures dun mme objet 1. par diffrents observateurs 2. par le mme observateur diffrentes occasions Exemple: Mesure deau bouillante
Un thermomtre donne toujours 82 => il est fiable (mais pas valide) Lautre donne entre 99 et 101: => il nest pas trs fiable (mais valide)

Sous-types de fiabilit (Kirk & Miller): 1. Fiabilit circonstancielle: le fait que les gens disent toujours la mme chose par rapport une question ne veut pas dire que le rsultat est vrai 2. Fiabilit diachronique: le mme type de mesure fonctionne dans le temps 3. Fiabilit synchronique: peut-on obtenir les mme rsultats en utilisant diffrentes techniques? (par ex. observation & entretien)

En bref: peut-on reproduire et rpliquer ?

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 6. La mesure: observer attributs et comportements de cas

D-20

Les 3 C dun indicateur


Est-ce que vos donnes sont compltes ?
Souvent il vous manque des donnes .... Dabord essayez de trouver dautres indicateurs. Ensuite essayez destimer ces donnes manquantes, par exemple par dautres cas similaires

Est-ce que vos donnes sont correctes ?


La fiabilit des indicateurs est souvent mauvaise. Exemple: le PNB, il est difficile de mesurer par ex. lconomie souterraine (ou lconomie de troc).

Est-ce que vos donnes sont comparables ?


Il faut se mfier encore plus de la signification de certains indicateurs. Exemples: (a) PNB/hab. identique pour deux pays ne veut pas dire que les deux populations ont le mme niveau de la vie. (prestations en nature, distribution des revenus, etc.) (b) Dans certains cas la signification thorique change. En France par. ex. on peut mesurer la religiosit avec la frquentation des glises. En Irlande dj cela ne veut rien dire, comme tout le monde tendance aller lEglise assez frquemment.

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 7. Interprtation: validit (vrit) et causalit

D-21

7. Interprtation: validit (vrit) et causalit

rsultat comparaison avec dautres travaux 4.Analyses et conclusions analyses

1.Objectifs

2.Conceptualisations 3.Artfacts Interventions

3.Mesure

Comment analyse et interprter les donnes sans se tromper ?


Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 7. Interprtation: validit (vrit) et causalit

D-22

7.1 La place de la validit


Validit (et fiabilit) se rfrent la qualit de votre dmarche empirique Autrement dit, la validit dun travail est dtermin par la validit des analyses empiriques Autrement dit: arrivez-vous justifier vos interprtations ?? peut-on parler de causalit ? Netes-vous pas la victime dun confirmation bias ? Note: La validit nest pas le seul facteur de qualit
Niveau Thories Modles (frameworks) Hypothses et modles Mthodologies Mthodes Donnes Jugements utilit (comprhension, explication, prdiction) utilit & construction (relation thorie et donnes & cohrence) validit & construction logique (modles) utilit (service la thorie, conduite empirique) Bonne relation avec thorie, hypothses, mthodologie, etc. Bonne relation avec hypothses et modles & fidlit

Un bon travail doit dabord servir un objectif, et ensuite tre valide:

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 7. Interprtation: validit (vrit) et causalit

D-23

Autrement dit, il existe 3 types dinterrogation Est-ce que votre recherche a apporte des connaissances ? Est-ce que vous respectez les critres de validit et de fiabilit Est-ce que le tout est cohrent et bien construit ? UTILITE thorique, pratique, etc. Utilit scientifique CONSTRUCTION, COHERENCE VALIDITE Qualit scientifique FIABILITE

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 7. Interprtation: validit (vrit) et causalit

D-24

7.2 Quelques rflexions sur la causalit A. Attention aux corrlations !


Une corrlation entre 2 variables (mesures) ne prouve pas une causalit Une co-occurence de deux vnements A et B ne prouve pas que A cause B Exemple: Depuis quon a informatis nos procdures, le personnel est moins satisfait des conditions de travail La cause nest peut-tre pas linformatisation en soi, mais le changement de certaines procdures .... A retenir: Si vous observez des corrlations dont vous ntes pas sres, parlez dassociation Testez des explications alternatives Raisonnez et comparez des thories

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 7. Interprtation: validit (vrit) et causalit

D-25

B. Exemples de fausses causalits


Situation 1: Fausse corrlation (pas de lien entre A et B) C Exemple: L o ont voit des cigognes, il y a plus de naissances naissances (A) et cigognes (B) sont un effet B A (ngatif) de lurbanisation (C) Situation 2: Double effet (A et B sont expliqus par C et/ou la relation entre A et B est fonction de C C C Exemple: ou plus de participation implique plus de dpenses Dveloppement (C) influence B A A B participation (A) et dpenses (B) Situation 3: Chane de causalit A B C Exemple: Les jeunes sont plus colos Les jeunes (A) ont moins de voitures (C) parce quils sont moins riches (B)

Rflchissez !

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 8. Conclusion et conseils

D-26

8. Conclusion et conseils
8.1 Quelques conseils
Un bonne rflexion thorique est ncessaire tous les stades de la recherche: Un bon cadre danalyse donne une structure globale vos rflexions et vous permet de focaliser sur les choses essentielles Une bonne connaissance du domaine tudi (et des mcanismes sous-chassantes) vous aide viter les fausses conclusions. Il faut faire attention aux problmes de validit: Il est impossible de vrifier une hypthse (on peut seulement la tester, renforcer, corrobrer, etc.). Donc il faut galement tester les anti-hypothses. Il faut viter un raisonnement purement inductif (sauf si vous utilisez une mthodologie adapte et coteuse) Il faut craindre le confirmation biais, la tendence humaine chercher/voir les faits qui vous donnent raison et ignorer les autres Vous devez toujors penser des hypothses rivales ... Il faut essayer de gnraliser (sans aller trop loin) montrer au lecteur ce quon peut apprendre de votre travail confronter vos rsultats dautres travaux
Research Design - MPA DKS 6/7/06

Logique de la recherche empirique - 8. Conclusion et conseils

D-27

8.2 Choix et complmentarit de mthodes A. La triangulation des mthodes


Plusieurs points de vue (et surtout de mesures) peuvent consolider / relativiser des rsultats
Exemple: La mesure du pouvoir (a) par les dcisions (par exemple Dahl) -> thorie pluraliste (b) par la rputation (par exemple Hunter) -> th. litiste (c) par la position des gens (par exemple Mills) -> th. litiste ==> compromis: pluralit des lites

B. Formation de thories vs. mise lpreuve


Les mthodes qualitatives sont plus aptes pour gnrer des nouvelles thories (exploration / comprhension) Les mthodes quantitatives sont plus aptes pour tester / raffiner des thories (explication / prdiction) ... mais: les questions de validit (externe, interne, de construction, etc.), de causalit et de mesure se posent tout le temps ! (... suivre) on peut mlanger des mthodes

Research Design - MPA

DKS 6/7/06

Logique de la recherche empirique - 9. Suite

D-28

9. Suite
Le module suivant E - Plan de recherche, cadres et grilles [E-1] abordera ces sujets sous un angle un peu plus oprationnel. Le module F - Choisir un sujet [F-1] vous fournira une aide plus pratique pour partir la recherche dun sujet de mmoire

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - .

E-1

E - Plan de recherche, cadres et grilles


Objectifs
Connaitre la notion de plan de recherche Cadres analytiques et grilles danalyse Exemples

Menu
1. 2. 3. 4. 5. 6. Le plan de recherche dans le contexte de la recherche Explorations avant de commencer rdiger le plan Elments du plan de recherche Cohrence du plan de recherche Cadres de recherche et grilles danalyse Exemples de plans de recherche 2 5 8 14 16 27

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 1. Le plan de recherche dans le contexte de la recherche

E-2

1. Le plan de recherche dans le contexte de la recherche

1.Identification du sujet

2. Prparation du plan de recherche et du research design

3. La mise en oeuvre + les mauvaises surprises 4. Finir la rdaction

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 1. Le plan de recherche dans le contexte de la recherche

E-3

1.1 Le plan de recherche: lments importants


L vous pouvez encore changer de sujet ! modifier en fonction de: vos comptences vos ressources la littrature test de laccessibilit des donnes - dcisions du directeur

lectures 2. Prparation du plan de recherche et du research design (a) dfinitions (b) choix des dlimitations (c) choix de lapproche (d) choix des hypothses (e) bilan thorique (f) cadre conceptuel

Commencer la rdaction

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 1. Le plan de recherche dans le contexte de la recherche

E-4

1.2 Anticipation de la mise en oeuvre


Commencer la rdaction

3. La mise en oeuvre (a) recolte de donnes (toutes les sortes) (b) analyse des donnes selon les rgles (c) modlisations (d) intgration des rsultats
modifier en fonction: - des ractions des sujets - des rsultats danalyse

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 2. Explorations avant de commencer rdiger le plan

E-5

2. Explorations avant de commencer rdiger le plan


quelques ides en vrac ...

2.1 Faisabilit thorique


Une recherche ne se fait pas dans le vide (cest trop difficile) Cherchez la littrature de base (si ce nest pas dj fait) Cherchez en particulier: cadres thoriques qui dcrivent la logique de votre domaine grilles danalyse qui vous permettent de mesurer un phnomne complexe obtenir un entretien dinformation avec des experts du domaine

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 2. Explorations avant de commencer rdiger le plan

E-6

2.2 Inventaire de possibles dmarches mthodologiques


Quelques remarques: approche mthodologique, problmatique et finalits se conditionnent mutuellement (mais ne dterminent pas prcisment la dmarche adopter) trouver le bon design est toujours une dmarche itrative
parfois il est utile de commencer par imaginer ce quon va trouver et imaginer comment on la prouv

Vous avec donc une certaine marge de manoeuvre, mais:


une mthode doit rsoudre le problme particulier qui vous intresse ... et il faut lexcuter comme il faut (donc il faut parfois se former un peu)

Rgles approximatives de base pour choisir un type dapproche :


sinspirer de recherches similaires comparer si possible (entre cas et dans le temps) pour explorer et comprendre: approches qualitatives pour confirmer et gnraliser: approches quantitatives

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 2. Explorations avant de commencer rdiger le plan

E-7

2.3 Faisabilit mthodologique - comment mesurer et intgrer


Faites une liste de tous les concepts qui apparaissent dans vos questions de recherche (et dans vos hypothses le cas chant) Pour chaque concept, demandez-vous comment le mesurer
Faites une oprationalisation des concepts clefs !

Lorsquil sagit dun concept thorique, demandez-vous comment le dcortiquer Rflchissez comment marier cadres thoriques, types danalyses et dmarches sur le terrain:
quelles sont les informations dont vous avez besoin pour rpondre une question, comment pouvez-vous les cueillir, pouvez-vous utiliser ce type de donnes (informations) avec le type danalyse retenu, etc. ?

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-8

3. Elments du plan de recherche


LIDHEAP vous demande la prsence de 7 lments prcis Voir la Note sur la prparation du mmoire - Annexe II (oct 2003)

3.1 Elment: Problmatique


Prsentation du contexte de ltude. Description succincte du choix de ltude, formulation et dfinition du champ dinvestigation. Prcisions sur la signification de ltude: les enjeux thoriques et pratiques

la grande question (problmatique gnrale de recherche en une phrase) un bref expos de cette problmatique gnrale (enjeux thoriques et pratiques) motivations et finalits gnrales (varis) dlimitations (ce que vous allez faire et pas faire)

3.2 Elment: Objectifs de recherche


Expos des objectifs principaux (3 5 au maximum) qui seront atteints au terme de ltude

Dites clairement point par point ce que vous voulez faire A reprendre lors de la Dfinition des questions de recherche [p. 30] Valorisation (si approprie): on entend toutes les activits qui visent au transfert de nouveaux acquis vers la pratique

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-9

3.3 Elment: approche thorique


Prsentation du cadre thorique, ainsi que des principaux concepts qui seront utiliss; thories ou modles conceptuels retenus

Il est utile de commencer par un bref expos de ltat de la recherche dans le domaine des travaux projets avec mention de qq. principales publications,
ventuellement prciser les lacunes quil conviendrait de combler.

Mentionner thories et modles conceptuels (frameworks) que vous pensez utiliser. Faire attention dfinir tous les autres concepts clefs pour lesquels il nexiste pas de dfinition universelle
Par exemple: efficacit, efficience, effectivit, ...

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-10

3.4 Elment: Questions de recherche et/ou hypothses


Le cas chant, expos de questions de recherche prcises et dtailles et/ou formulation des hypothses de recherche.

Il sagit ici dexpliciter la problmatique et les objectifs. A choisir (ou combiner):


questions de recherche ouvertes (mais nanmoins prcises) questions de recherche sous forme dhypothses de travail (plus molles) hypothses de recherche au sens strict du terme et formules en fonction des lectures et de discussions avec des experts.

Essayez de formuler des hypothses explicatives si possible, votre travail sera plus intressant:
Mauvais: Je postule que les services XXX ont des difficults implmenter Bon: le phnomne YYY fait que les services XXX ont des difficults ..... Mauvais: La libralisation de XXX ne marche pas Bon: La libralisation de XXX ne marche pas puisque ... et puisque

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-11

3.5 Elment: Mthodologie (dmarche)


Description de la dmarche (par exemple, analyse empirique, analyse comparative, analyse diachronique...) et des techniques de collecte et danalyse des donnes (par exemple, entretiens semidirectifs, analyse de contenu...)

Note: Faites attention expliciter le design pour tous los niveaux danalyse. A lIDHEAP on travaille souvent avec 2-3 niveaux diffrents (Fdral, Cantons, Communes, organes, individus, ...). Par exemple:
une organisation et ses clients, ou encore: le canton, les services et les citoyens

Principe de base: montrez concrtement comment vous allez rpondre chaque question de recherche.

A. Dmarche
Dcrivez brivement le type dapproche que vous pensez utiliser Vous pouvez aussi mentionner/discuter des cadres/grilles danalyse

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-12

B. Mesures sur le terrain


Techniques de mesure: Quels sont les techniques de collecte de donnes (entretiens, sondages, ....) Echantillonnage et/ou justification et/ou critres de slection de cas Dans le cadre dune recherche avec peu de cas, indiquez comment vous allez chantillonner lintrieur des cas (personnes interviewer, dossiers, etc.)

C. Analyse
Techniques danalyse (quantitatives et qualitatives) Prcisez les mthodes devant d'abord tre labores et dveloppes (dmarches qualitatives)

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 3. Elments du plan de recherche

E-13

3.6 Elment: Sources dinformation utilises


Indication des sources bibliographiques essentielles, ainsi que des principaux documents qui seront exploits (lois, rapports, etc.)

Sources bibliographiques (utilisez le standard impos par votre directeur !) Documents exploiter Entretiens dinformations avec des experts du domaine, ....

3.7 Elment: Agenda de travail


Esquisse de lagenda des principales tapes du mmoire, y compris dates de prsoutenance et soutenance prvues

Voir le document Planification du travail de mmoire que vous avez reus ! Voir le module IV sur la planification et la rdaction

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 4. Cohrence du plan de recherche

E-14

4. Cohrence du plan de recherche


4.1 Agencement des lments du plan de recherche
Problmatique (la grande question) Thorie(s) et approches du domaine (lectures) Cadres thoriques Grilles danalyse / mthodes Rsultats

Vos questions de recherche (Hypothses)

Research Design approche gnrale vos grilles danalyse techniques de mesure chantillonnage techniques danalyse ....

Rsultats

... chaque lment a son rle !!

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 4. Cohrence du plan de recherche

E-15

4.2 Plan de recherche = quoi + comment


Quoi? Une bonne question ! So what ? Quest-ce que cela apporte ?, Wa bringts ? (problmatique) Un (ou plusieurs) cadres conceptuels qui relient votre recherche une problmatique plus large qui structurent le phnomne, qui ancre votre vue dans des thories ... et qui sexprime de prfrence avec un seul graphique

Des grilles danalyses qui montrent comment vous pensez oprationaliser les concepts etc. de vos questions de recherche Comment? Un design mthodologique et systmatique ... Du ralisme ! Prouvez que vous avez ... Un tout! Une intgration systmatique: montrer que votre design permet dtudier la problmatique (rien de plus, rien de moins !) acadmique: prcision de mthodes et des techniques qui seront utilises. flexible (suffisamment mais pas trop) le temps et argent accs aux donnes ! les capacits de le faire un discours cohrent Explicitation de toutes vos intentions Vos questions de recherche expriment lessentiel de votre projet

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-16

5. Cadres de recherche et grilles danalyse


Les cadres danalyse (frameworks)
Donnent une vue densemble du phnomne Font parfois le pont entre la thorie et lanalyse empirique Orientent lanalyse (recherche de causalits, agrgations, etc.)

Les grilles danalyse


Vous aident organiser rcoltes et analyse de donnes Identifient les dimensions dun concept complexe Font le pont entre variables gnrales (concepts) et indicateurs isols

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-17

5.1 Exemples de cadres analytiques


Exemple 5-1: Cots et bnfices du job-sharing Question pose dans un mmoire Idheap par Gabrielle Merz-Turkmani (1998): Est-ce que le job-sharing au niveau management cot plus cher ? Voici un simple cadre danalyse: systme ? Cots ? ? suprieur hirarchique Job-Sharing Team collaborateurs ? ? Bnfices

Identifie clairement les composantes dun modle cot-bnfice Postule implicitement ou explicitement des liens, causalits, etc. Note: il manque une dfinition des cots et bnfices ....

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-18

Exemple 5-2: Le modle du implmentation research: Vhicule une certaine conception du processus politique:
Les diffrents acteurs interviennent tout le long du processus Problme, but et autres lments sont modifis en cours de route

groupes sociaux

adresss

problme

lgislation mise en oeuvre parlement/ porteurs de administration limplmentation

impact

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-19

Exemple 5-3: Un modle linaire de la recherche Note: Il sagit dun petit clin doeil vers ce cours qui forcment modlise aussi.. revue de la littrature questions de recherche Thme, objectifs rsultat comparaison avec dautres travaux Analyses et conclusions analyses

hypothses, prcisions

Conceptualisations

Mesure

collection de de donnes (mesures)

cadres danalyse grilles, etc. oprationalisation

chantillonnage (choix de cas)

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-20

Exemple 5-4: Dfinition des prestations Dfinition des prestations au sens de produits finaux de mise en oeuvre dune politique publique [ Knoepfel, P. (1996) TQM et fdralisme, Cahier de lIDHEAP, 159, p 10]

Output

(Produit final de la mise en oeuvre)

Impact

Outcome

( Changement de comportement ( Rsolution du problme dans des groupes utiles ) lintrt des personnes concernes ) Ce schma vhicule une vision claire de la notion de prestation: aux groupes cibles chers au NPM, il ajoute les personnes concernes ....

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-21

Exemple 5-5: Modle danalyse des relations entre Confdration et Cantons dans les processus de rforme
(Husermann, Silja, Internationalisation des politiques publiques et mise en oeuvre fdraliste, Cahier de lIDHEAP 209 / 2003, p. 27) Ce cadre danalyse nous permet de formuler des hypothses sur le renforcement du gouvernement fdral et sur la stratgie dadaptation des cantons [ .....]

Variable indpendante: Pression externe Variable dpendante (H1): Renforcement du gouvernement fdral Variable intermdiaire: Culture institutionnelle

misfit redistr. des ressources (say and pay)

Variable intermdiaire: Stratgie dadaptation du gouvernement central - coopration verticale - confrontation

Variable dpendante (H2)

Stratgie dadaptation des autorits cantonales - confrontation - coopration verticale - coopration horizontale - coopration verticale et horizontale

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-22

Exemple 5-6: Visualisation de procdures formelles

support groups

request demander decision legal decision legal decision request first instance authority information recourse competent authority legal decision cadaster

request appeal authority

legal decision request request legal decision

legal decision information

information

federal office of justice

information

request

Federal tribunal

request

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-23

5.2 Exemple de grilles danalyse


Exemple 5-7: Profil des comptences dun manager (dimensions)
Emery, Y. (1997) Le centre dvaluation pour managers publics, Cahier de lIDHEAP 166, p9.

A. comptences personnelles: 1. introspection et apprentissage permanent 2. rsistance aux tensions, nergie et tnacit B. comptences intellectuelles: 3. pense systmique, capacit danalyse et de synthse C. comptences relationnelles: 4. leadership et de gestion de groupe 5. capacit dcoute et de communication D. comptences managriales: 6. attention lenvironnement et proactivit 7. entrepreneurship et esprit de dcision 8. planification et controlling Sur 4 pages lauteur indique ensuite les sous-dimensions et ensuite comment les mesurer par des dispositifs exprimentaux varis....
Research Design - MPA DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-24

Exemple 5-8: Grille danalyse de la gestion des subventions


Instruments de planification programme de prsente les ides fortes de la lgislature lgislature, ...... plan directeurs fixe .... lments de dterminent avec prcision loffre de planification prestations au ..... rapports sociaux permettent .... systme de gestion permet de faire un radiographie ..... Instruments de gestion au niveau oprationnel budget dtermine quantitativement ..... contrle de gestion .... tableau de bord ..... .... .....

Cette grille peut ensuite tre croise avec les acteurs (selon le niveau hirarchique: lgislatif, excutif, dpartement, services, institutions, parents, ....) Ensuite on peut dterminer qui fait quoi selon les textes (quel acteur intervient dans quel instrument) ........ et ensuite on peut voir concrtement sur le terrain .....

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-25

Exemple 5-9: Politiques cantonales de la jeunesse (grille danalyse)


(Frossard, Stanislas, Emergence et dveloppement des politiques cantonales de la jeunesse, Cahier de lIDHEAP 202b/2003: p 26-28.)

(1) Visualisation de dfinitions dans la Loi sur les activits de jeunesse (LAJ, 1987) J E J A E J A J jeunes E J J

A J A A adultes

J enfants

soutien LAJ prvu

soutien LAJ exclu soccupent de

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 5. Cadres de recherche et grilles danalyse

E-26

(2) Grille danalyse de politiques Les lments suivants retenus pour examen cherchent mettre en valeur ce qui distingue les politiques cantonales entre elles. 1. Identification de lorgane cantonale charg des questions de jeunesse 2. Examen de lexistence dune politique gouvernementale de la jeunesse 3. Loi(s) spcifiques) relative(s) la jeunesse 4. Mention de lexistence dune commission sur les questions relatives la jeunesse. 5. Existence dun organisme ou organe reprsentatif de la jeunesse 6. Existence dun Groupe de liaison des associations de jeunesse 7. Encouragement des activits de jeunesse 8. Autres prestations prventives et sociales 9. Coordination des politiques communales 10. Collaboration intercantonale 11. Dveloppement de la politique

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-27

6. Exemples de plans de recherche


Notes: Ces exemples ne correspondent pas des vrais plans de recherche. Il sagit de constructions -posteriori (selon la lecture des mmoires) !! Les titres des 2 exemples et Elments du plan de recherche [8] ne correspondent pas (pour montrer quil peut y avoir une certaine variation)

6.1 Exemple Job-Sharing auf Managementebene Rappel des objectifs/questions de recherche:


Evaluation du rapport entre cot et bnfice pour les employ(e)s ET les organisations Analyse des raisons qui parlent pour et contre une introduction du job-sharing. (Non) succs des situations existantes Discussion de facteurs non-rationnels contre le job-sharing Elaboration de guide-lines pour lintroduction du job-sharing Dlimitations: Etude limite la Suisse, au management, centre sur le secteur public (car absence de situations dans le priv)

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-28

A. Choix des hypothses


Note: Les hypothses ne correspondent pas totalement au travail ..... H1: Job Sharing kann auf der unteren, mittleren und oberen Managementebene mit Erfolg praktiziert werden H2: Les raisons principalement voques contre le Job-Sharing ne sont pas valables:
indivisibilit des tches responsabilits pas claires limitations de laccessibilit entraves au flux dinformation augmentation du potentiel de conflit augmentation des cots

B. Approche thorique et dfinitions


Littrature sur: flexibilit du travail, flexibilit pour managers, tches des managers, rendements des managers, mesure de cot-bnfice (modle) Autres Sources dinformation: Entretiens avec des spcialistes

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-29

C. Choix de lapproche mthodologique


essentiellement qualitative (sauf pour identifier les cas)

Rcolte des donnes


Quatre tapes:
Sondage par crit au-prs de 60 organisations pour trouver des cas. Au niveau fdral les donnes taient dj disponibles. Entretiens exploratoires Entretiens dirigs avec 9 job-sharing teams Enqute par crit de personnes participant lintrieur de lorganisation

chantillonnage: tous les cas disponibles (en Suisse) Analyse des donnes Analyse qualitative (y compris usage doutils danalyse de donnes). Tableaux/graphiques rcapitulatifs qui rsument donnes et analyses

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-30

6.2 Exemple Capacit administrative des communes Rappel du sujet


Buts sociaux:
aider assurer les situation prsentes et futures particulirement en ce qui concerne lamnagement de territoire

Problmatique de recherche:
Capacit administrative des communes, quelles incidences sur les tches damnagement de territoire

A. Dfinition des questions de recherche


(voir aussi ci-dessous: hypothses, dfinitions, dlimitations, etc.)

1. Mettre en relation structures administratives, ressources et aptitude assumer des tches 2. rvler la stratgie des communes lorsquelles ne disposent pas de ressources ncessaires assumer leurs tches 3. tablir lexistence dune relation entre:
structures administratives / ressources acceptabilit / lgitimit des outputs

B. Choix des hypothses


H1: la capacit des communes assumer leur tche damnagement nest pas lie limportance des structures administratives H2: quelle que soit leur taille, tous les communes assument leur amnagement, en
Research Design - MPA DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-31

recourant, le cas chant, des appuis extrieurs H3: plus les structures administratives / ressources sont importantes, plus elles induisent sur lacceptabilit de loutput par la population et moins les plans trouvent de lgitimit auprs du canton.

C. Dfinitions ( faire)
Domaine: surtout dans les chapitres 2 et 3 (regard historique et pratique actuelle) Thorie: surtout dans le chapitre 4 (mthodologie, surtout 4.1.3 modle danalyse)

D. Choix des dlimitations


Amnagement de territoire, choix de communes dans le canton de Vaud
Approche thorique

Bilan thorique: Un ouvrage principal (le mme qui fournit le modle danalyse) Un Framework thorique central: Systmes de pilotage dans les services publics trois plans et globalement une pense systmique qui permet de visualiser le systme dacteurs et leurs interactions.

E. Dmarche mthodologique
essentiellement qualitative (entretiens directives et non-directives) comparative

Research Design - MPA

DKS 6/7/06

Plan de recherche, cadres et grilles - 6. Exemples de plans de recherche

E-32

F. Techniques de mesure
donnes statistiques sur les communes et leurs ressources Echantillonnage: communes ayant de caractristiques diffrentes (variation de variables opratives) Donnes au niveau des cas:
Entretiens avec des acteurs communaux et cantonaux documents officiels Statistiques officielles (ressources, dossiers traits, etc.)

G. Analyse des donnes (mthodologie)


Tableaux analytiques qui mettent en relation des variables quantitatives et qualitatives Monographies sur chaque commune (et bilan par groupe de communes) Tableaux bilan synthtiques Utilisation de la mthode OSSAD pour modliser les services dans chaque commune (dcrire les fonctions attaches et les informations qui circulent)

Research Design - MPA

DKS 6/7/06

Choisir un sujet - .

F-1

F - Choisir un sujet
Objectifs
Identification des objectifs et formulation de questions de recherche Comment aborder les lectures et dvelopper des ides Choix dun directeur de mmoire

Menu
1. 2. 3. 4. 5. 6. 7. 8. 9. Le choix du sujet dans le contexte de la recherche Identification des buts sociaux Identification de la problmatique principale Anticipation du plan de recherche Lectures et ides Explorations varies Choisir son rapporteur Ressources Suite 2 5 6 8 10 14 18 20 22

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 1. Le choix du sujet dans le contexte de la recherche

F-2

1. Le choix du sujet dans le contexte de la recherche

1.Identification du sujet

2. Prparation du plan de recherche et du research design

3. La mise en oeuvre + les mauvaises surprises 4. Finir la rdaction

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 1. Le choix du sujet dans le contexte de la recherche

F-3

1.1 Identification du sujet: lments importants


1.Identification du sujet modifier en fonction de: (a) Buts sociaux (b) la problmatique ou grande question de dpart (c) exploration du champ dtude (d) dfinition des questions de recherche - faisabilit - acceptabilit

lectures

Se fait en plusieurs tapes

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 1. Le choix du sujet dans le contexte de la recherche

F-4

1.2 Le processus de lidentification


Voici les tapes les plus importantes 1. Faire le tour de quelques thmes 2. Expliciter chaque thme qui vous intresse
voir: 3. Identification de la problmatique principale [F-6]

3. Discuter avec des profs. 4. Explorer le ou les sujets/thme retenus


voir: 5. Lectures et ides [F-10]

5. Penser au plan de recherche et ngocier avec un prof.-rapporteur


voir: 4. Anticipation du plan de recherche [F-8]

6. Dposer le sujet (y compris la premire version dun plan de recherche)


voir les sances sur le research design et la planification

7. .....

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 2. Identification des buts sociaux

F-5

2. Identification des buts sociaux


Apprentissage, contraintes de linstitution, plaisir, ...

2.1 Que voulez-vous faire dans 3-4 ans ?


Le mmoire est une carte de visite ! Le mmoire vous apprend quelque chose, que voulez-vous apprendre ?

2.2 Et votre employeur ?


.....

2.3 Quest-ce qui vous fait plaisir ?


.....

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 3. Identification de la problmatique principale

F-6

3. Identification de la problmatique principale


un sujet de recherche nest pas juste un thme ! il faut se demander ce qui est intressant scientifiquement ou pratiquement: par exemple: expliquer un phnomne, identifier des processus, appuyer solidement une expertise, ...

3.1 La grande question


ne correspond pas forcment au titre du mmoire (qui parfois annonce juste un thme)

La grande question rsume une question de recherche .... et ajoute ventuellement un but pratique. Exemple 3-1: La nouvelle gestion publique Faux: La nouvelle gestion publique dans le service XXX Juste A: Efficacit de la nouvelle gestion ..... Juste B: Perception de la nouvelle gestion .... Eventuellement: Analyse de la nouvelle gestion
(si vous prcisez ce que cela veut dire dans vos sous-questions)

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 3. Identification de la problmatique principale

F-7

3.2 Les objectifs/sous- questions de recherche


Mme re-formul comme question de recherche, votre sujet sera trop flou Il faut donc prciser cette phrase, par exemple:
sous forme dautres questions sous forme dhypothses

Il faut absolument expliciter tout ce que vous pensez faire (cela vous vitera beaucoup de conflits et problmes) Exemple 3-2: Premier bilan de job-sharing au niveau du management Quelques objectifs explicites:
Evaluation du rapport entre cot et bnfice pour les employ(e)s et les organisations Analyse des raisons qui parlent pour et contre une introduction du job-sharing. (Non succs des situations existantes Discussion de facteurs non-rationnels contre le job-sharing Elaboration de guide-lines pour lintroduction du job-sharing Note: Il est clair quil est impossible de dterminer tous les objectifs ds la phase initiale. Vous allez en ajouter, modifier, supprimer durant la recherche et notamment aprs les lectures thoriques. Mais plus vous rflchissez au dpart, moins vous allez avoir de problmes.

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 4. Anticipation du plan de recherche

F-8

4. Anticipation du plan de recherche


Il faut anticiper un peu son research design, voici une ide: L vous pouvez encore changer de sujet ! modifier en fonction de: vos comptences vos ressources la littrature test de laccessibilit des donnes - dcisions du directeur

lectures 2. Prparation du plan de recherche et du research design (a) dfinitions (b) choix des dlimitations (c) choix de lapproche (d) choix des hypothses (e) bilan thorique (f) cadre conceptuel

Commencer la rdaction

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 4. Anticipation du plan de recherche

F-9

4.1 Plan de recherche = quoi + comment


Quoi? Une bonne question ! So what ? Quest-ce que cela apporte ?, Wa bringts ? (problmatique) Un (ou plusieurs) cadres conceptuels qui relient votre recherche une problmatique plus large qui structurent le phnomne, qui ancre votre vue dans des thories ... et qui sexprime de prfrence avec un seul graphique

Des grilles danalyses qui montrent comment vous pensez oprationaliser les concepts etc. de vos questions de recherche Comment? Un design mthodologique et systmatique ... Du ralisme ! Prouvez que vous avez ... Un tout! Une intgration systmatique: montrer que votre design permet dtudier la problmatique (rien de plus, rien de moins !) acadmique: prcision de mthodes et des techniques qui seront utilises. flexible (suffisamment mais pas trop) le temps et argent accs aux donnes ! les capacits de le faire un discours cohrent Explicitation de toutes vos intentions Vos questions de recherche expriment lessentiel de votre projet

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 5. Lectures et ides

F-10

5. Lectures et ides
5.1 Qui/que peut vous aider trouver un vrai sujet ?
1. Exemples: anciens mmoires, bon travaux de sminaire 2. Articles dans des revues spcialises, de prfrence acadmiques (!) 3. Entretiens avec des experts scientifiques 4. Entretiens avec des experts pratiques 5. Votre bibliothcaire
voir la sance organise cet effet

6. Professeurs et autres collaborateurs de lIdheap

Remarques
Votre thme sera forcment flou au dpart (sinon votre recherche ne servira strictement rien!) Le directeur de mmoire nest pas la seule personne qui peut vous aider. Dbarquer chez la personne qui vous aide avec une liste de questions prcises (utile de les prsenter sur papier) Rflchir ne suffit pas, il faut faire des mmos !

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 5. Lectures et ides

F-11

5.2 Choix de lectures pour amorcer un travail


1. commencez par 2-3 articles/ouvrages standard qui contiennent un survol de la discipline et/ou du thme.
demandez aux experts, fouillez les indexes

2. si vous ne trouvez pas:


cherchez des articles sur une thmatique qui possde des proprits similaires (pour lapproche, pour langle dattaque, etc.) occupez des lots (et largissez les cercles)

3. cherchez dans les indexes spcialiss 4. fouillez les revues et annuaires spcialiss + Internet 5. etc. Ne lisez pas trop ! Quand la mme information revient, arrtez Si vous avez peu de temps, restez lintrieur dune approche

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 5. Lectures et ides

F-12

5.3 Exploitation de la litrature


Faire des fiches est couteux (donc plutt viter) Dmarche conseille pour crire la partie thorique 1. Lire des textes en diagonale 2. Faire une matrice des concepts les plus importants
Concepts C x x

Articles 1 2 ...

A x

B x

D x

....

vous pouvez ajouter qqs. petits (!) commentaires

3. Trier les concepts


tablir un ordre dimportance noter les relations virer les concepts inutils (la partie thorique doit servir pour la partie empirique)

4. Rdiger un brouillon
de faon synthtique et critique (!) pas juste juxtaposer des rsums (!)

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 5. Lectures et ides

F-13

5.4 Gnration dides A. Le brainstorming


possde plusieurs tapes: 1. Ecrivez rapidement sur papier des mots-clefs 2. Reprenez la feuille et faites un brainstorming pour chaque point 3. Triez et passez aux tapes suivantes

B. Lorganisation de vos ides


dessinez, faites des schmas

C. Le plan esquiss (out-line)


Il est utile de faire des out-lines (plan de recherche, section difficile, etc) pour:
organiser vos ides produire un plan dtaill du travail faire ordonner vos ides de faon linaire

Ayez du papier sur vous (tout le temps)!

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 6. Explorations varies

F-14

6. Explorations varies
A. Discussions
Il faut discuter avec des experts et des rapporteurs potentiels Il faut aussi contacter vos victimes

B. Faisabilit politique
Certains sujets sont sensibles. Il faut sassurer avant auprs des organes comptentes sils sont daccord de cooprer. Pour tre prudent, contactez aussi vos informateurs clefs !

C. Faisabilit thorique
Une recherche ne se fait pas dans le vide (cest trop difficile) Cherchez: cadres thoriques grilles danalyse

D. Faisabilit mthodologique - comment mesurer


Faites une liste des tous les concepts qui apparaissent dans vos questions de recherche. Pour chaque concept, demandez-vous comment le mesurer
Faites une oprationalisation des concepts clefs !
Research Design - MPA DKS 6/7/06

Choisir un sujet - 6. Explorations varies

F-15

mme sil sagit dun concept thorique, dans ce cas demandez-vous comment le dcortiquer

E. Faisabilit budgtaire
le temps est votre ennemi faites plutt petit, mais intressant que grand et anodin

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 6. Explorations varies

F-16

6.1 Exemples
Exemple 6-1: Job-Sharing auf Managementebene 1. Buts sociaux
Guide-lines pratiques bilan thorique et empirique (en Suisse) intrts personnels (faire un travail en faveur du job-sharing)

2. Problmatique
choix du thme gnral: Premier bilan de job-sharing au niveau du management

3. Dfinition des objectifs/questions de recherche


Evaluation du rapport entre cot et bnfice pour employ(e)s et organisations Analyse des raisons qui parlent pour et contre une introduction du job-sharing. (Non succs des situations existantes Discussion de facteurs non-rationnels contre le job-sharing Elaboration de guide-lines pour lintroduction du job-sharing faisabilit: oui (il existe quelques cas, mais peut-tre pas assez) accessibilit linformation et mesurabilit: difficults pour chercher des cas! choix du rapporteur entretiens avec des experts: oui

4. Exploration du champ dtude

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 6. Explorations varies

F-17

Exemple 6-2: Capacit administrative des communes 1. Buts sociaux


aider assurer les situation prsentes et futures particulirement en ce qui concerne lamnagement de territoire

2. Problmatique
choix du thme gnral / titre de la recherche: Capacit administrative des communes, quelles incidences sur les tches damnagement de territoire.

3. Dfinition des objectifs/questions de recherche


Mettre en relation structures administratives, ressources et aptitude assumer des tches rvler la stratgie des communes lorsquelles ne disposent pas de ressources ncessaires assumer leurs tches tablir lexistence dune relation entre: structures administratives / ressources et acceptabilit / lgitimit des outputs

4. Exploration du champ dtude


faisabilit: oui accessibilit linformation et mesurabilit: pas de difficults pour chercher des cas! entretiens pralable avec des experts: ??

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 7. Choisir son rapporteur

F-18

7. Choisir son rapporteur


7.1 Avec qui ?
5. En fonction du thme (secteur) couvert par une UER 6. En fonction de vos affinits au niveau de la dmarche 7. En fonction de la discipline 8. En fonction dautres affinits Pour ne rien regretter (selon mon avis perso) Soyez explicites lorsque vous ngociez un sujet Travaillez avec des mmos si possible (pour viter des malentendus) Ne faites pas de compromis auquels vous ny croyez pas Discutez avec au moins deux profs. si vous ntes pas srs. Un prof. exigeant au niveau de la dfinition du sujet nest pas forcment plus difficile ... Ne rdigez / modifiez pas de propositions pour plaire, vous devez y croire ! (contrairement certaines autres situations dans la vie ...)

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 7. Choisir son rapporteur

F-19

7.2 Les deux grandes orientations de lIDHEAP


Organisation & Management Politiques publiques

Mader Chapelet Horber-Papazian

Pasquier
Emery Bonvin Soguel

Bonoli Ladner

Cattacin Knoepfel

Freiburghaus

Ce schma a t fait par DKS et il est peut-tre compltement faux ... Il ne tient pas compte dautres diffrences (par ex. au niveau de lapproche) !

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 8. Ressources

F-20

8. Ressources
8.1 En ligne
Le meilleur engin de recherche: url: http://scholar.google.com (certains rsultats vous amnent des sites payants) Documents lectroniques url: http://lib.consortium.ch/ (Portail central suisse)
consortium de bibliothques suisses: bases de donnes, priodiques, index des bibliothques, etc.

url: http://doc.rero.ch/ (quelques documents en ligne) Revues scientifiques


Note: Accs limit en rgle gnrale et seulement depuis linstitution qui paye un abonnement, c.f. aussi le site de votre bibliothque !

url: http://www.ingentaconnect.com/ (vendeur le plus important) url: http://www.springerlink.com/ (un autre vendeur) url: http://www.doaj.org/ (liste de revues gratuites !)

8.2 Documents papier


Le catalogue RERO (universits suisses romands) url: http://www.rero.ch/ (choisir le catalogue collectif !) url: http://www.swiss-serials.ch/ (portail suisse des priodiques)
Research Design - MPA DKS 6/7/06

Choisir un sujet - 8. Ressources

F-21

8.3 Bibliothque de lIDHEAP


url: http://www.idheap.ch/ (cliquer sur bibliothque) url: http://virtuavd.unil.ch/cgi-bin/chameleon (choisir IDHEAP)

8.4 Banques de donnes


url: http://www.badac.ch/ (Banque de donnes des Cantons et villes suisses) url: http://www.sidos.ch/ (SIDOS) Service suisse d'information et d'archivage de donnes pour les sciences sociales url: http://www.bfs.admin.ch/ (Office fdrale de la statistique, y compris statweb)

8.5 Portails importants


url: http://www.gov.ch/ (Rpertoire de sites Internet officiels suisses) url: http://www.ch.ch/ (Portail suisse) url: http://www.admin.ch/ (Portail suisse, lois, dbats parlmentaires, etc.)

Research Design - MPA

DKS 6/7/06

Choisir un sujet - 9. Suite

F-22

9. Suite
1. Choisir une approche (ou une combinaison dapproches) appropries, voir:
G - Recherches pilotes par la thorie [G-1] H - Recherches visant crer une thorie [H-1] I - Recherches de type design [I-1]

2. Travailler sur les questions recherche (en mme temps) 3. Choisir les mthodes et les techniques dobservation et danalyse, voir:
J - Lacquisition de donnes quantitatives [J-1] K - Lacquisition de donnes qualitatives [K-1] L - Introduction lanalyse quantitative [L-1] M - Analyse de donnes qualitatives [M-1]

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - .

G-1

G - Recherches pilotes par la thorie


Objectifs
Introduction quelques designs pilotes par la thoriex Introduction dapproches quantitatives Le concept de cause (encore une fois)

Menu
1. 2. 3. 4. 5. 6. Elments cls de la dmarche empirique Les design exprimentaux La quasi-exprience Les designs statistiques La mthode comparative (stratgie des cas comparables) Rsum de designs discuts 2 3 6 14 21 22

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 1. Elments cls de la dmarche empirique classique

G-2

1. Elments cls de la dmarche empirique classique


Pour une question de recherche donne:

Conceptualisations Comparaison Hypothses

Test

Mesure(s)

Analyse causale Conceptualisations: Chaque question de recherche est traduite en une ou plusieurs hypothses. Mesures: Sont quantitatives en rgle gnrale (sondages, statistiques), mais ce nest pas une obligation ! Analyses & conclusion: Le plus souvent, on teste les hypothses avec des mthodes quantitatives (statistiques etc.) et ensuite on discute ces rsultats.
Research Design - MPA DKS 6/7/06

Recherches pilotes par la thorie - 2. Les design exprimentaux

G-3

2. Les design exprimentaux


2.1 Lidal: Les expriences classiques
Lexprimentation est un idal scientifique quon essaye souvent de rpliquer contrler des interactions relles entre variables

Principe de base de lexprience en science:


1. On isole lobjet dtude compltement de son environnement et on lobserve (O1) 2. Ensuite, on le soumet un stimulus bien prcis (X) 3. Finalement, on observe les ractions de lobjet (O2).

O1

X1

O2

ou

O1

X1

O2

O1 signifie observation de lobjet non-manipul X signifie stimulus ou traitement ou intervention O2 signifie observation aprs intervention.

Effet de lintervention: la diffrence entre O1 et O2

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 2. Les design exprimentaux

G-4

2.2 La non-exprience: ou ce quil ne faut pas faire A. Lexprience sans groupe de contrle ni mesure pralable:
X O groupe d exprience

Exemple 2-1: Un faux discours sur la vitesse


Conduire 200 sur lautoroute nest pas dangereux car il y a moins daccidents qu 120/h.

Il manque une vraie comparaison!


On ne compare pas les pourcentages dans deux groupes diffrents!

Le faux discours: 10 fois moins ! ...


x=120/h y=sans accidents ??? y=avec accidents 1000 x=200/h ??? 100 comparaison horizontale des % ???

Les chiffres (imaginaires): 10 fois plus !...


x=120/h y=sans accidents 1000000 (99.9%) y=avec accidents 1000 (0.1 %) 100 x=200/h 10000 (99 %) (1 %) comparaison horizontale des %

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 2. Les design exprimentaux

G-5

B. Lexprience sans mesure pralable avec groupes mal choisis


X O O groupe d exprience groupe de contrle

Pas de contrle de lvolution du groupe de contrle


Il nest pas quivalent, pas de randomisation

Exemple: Les discours du style ici a va mieux quailleurs parce quon a fait X Lexprience sans groupe de contrle O X O groupe d exprience

On ne sait pas si X tait la cause Exemple: Les discours du type: Maintenant a va mieux, parce quon a fait X

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-6

3. La quasi-exprience
On sinspire du design exprimental, notamment pour savoir si un vnement X a t la cause dun changement on fait des mesures dans le temps (avant - aprs) on rflchit bien au choix des cas analyss et facteurs qui peuvent les influencer (chantillonnage) Il manque un vrai contrle: on ne connat pas tous les stimuli (causes) on narrive pas randomiser (liminer le hasard dautres causes)
choix de groupes quivalents trop peu de sujets comparer (voici lexplication du mot quasi)

Exemples dutilisation en sciences sociales: recherches dvaluation tude des organisations design de questionnaires (notamment pour lchantillonnage)

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-7

3.1 Les sries temporelles interrompues


O1 O2 O3 O4 X O5 O6 O7 O8

Avantages: on arrive contrler des tendances (trends) Problmes: Effets externes (un X2 intervient en mme temps que X1) Exemple: On libralise les lois sur le divorce....et on observe plus de divorces, possible cause alternative: On a aussi chang la lgislation qui supporte les mres cheffes de famille (en mieux), alors elles hsitent moins se sparer. Dans ce cas il faut aussi faire attention des effets daccumulation (les gens patientent parfois pour attendre la mise en vigeur de la nouvelle loi pour divorcer plus facilement) Difficults pratiques Obtenir les points de mesure du pass Avoir la patience dattendre les effets Exemple: Dans certains quartiers de la ville on instaure des mesures provisoires pour ralentir le trafic. Il manque des mesures pour les annes prcdentes et on na pas la patience dattendre.
Research Design - MPA DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-8

Exemples de sries temporelles: Explications: O1, O2, etc. sont des dates dobservation (par ex. annuelles) Attention aux recherches qui ne regardent que O5-O4 !!

effet trs probable

B C effet probable D E F G

pas deffet O1
Research Design - MPA

X O2 O3 O4 O5 O6 O7 O8
DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-9

A. Leffet statistique est vident (pas besoin dexemple), mais attention: on introduit une mesure, mais leffet est peut-tre d une autre intervention. B. Effet de feu de paille: On introduit une nouveaut comme des amendes plus leves contre les excs de vitesse. Dabord a marche, ensuite les gens reprennent les habitudes C. Trend naturel (pas besoin dexemple), mais lerreur arrive quand on ne mesure que O4 et O5. D. Confusion entre effets de cycles et intervention Exemple: On prend des mesures contre la hausse des taux dintrts, mais en fait elles sont par hasard intervenues dans un cycle naturel (en politique on agit souvent quand un cycle est au top, voir les politiques conomiques) E. Effet avec dlai: Exemple: Mesures pour diminuer le trafic en ville (meilleurs transports communs) F. Effet acclration de trend, difficile de faire la diffrence avec (G) parfois G. Evolution exponentielle: mme chose que (C).

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-10

3.2 Design groupe de contrle non-quivalent


O1 O3 X O2 O4 groupe dexprience groupe de contrle

Avantages: Bon test des causes externes Si O2-O1 est similaire O4-O3, on peut rejeter lhypothse que O2-O1 est leffet de X. Inconvnients: Mauvais contrle des tendances naturelles Problmes: Trouver des groupes quivalents et contrle des effets dinteraction entre les deux groupes

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-11

Exemple 3-1: Effets dexprimentation et dimitation

Commune A Commune B introduit NPM ne fait rien Effet 1:cots E 3: ..... baissent stables augmente E 2: satisfaction des clients augmente comparaison horizontale des rsultats

Questions: 1. Pourquoi la commune A a russi baisser les cots ? (discutez plusieurs hypothses) 2. Pourquoi la satisfaction des clients de la commune B augmente ?

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-12

3.3 Conclusion sur la causalit de type exprimental


Faites une double comparaison diachronique et synchronique (si possible) O O O O O O O O X O O O O O O O O

1. la comparaison entre diffrentes situations 2. mais avec une srie de mesures dans le temps Difficults: 1. Trouver 2 groupes (dobjets/sujets) comparables 2. Trouver les donnes (surtout dans le temps) 3. Sassurer que le groupe de contrle na pas t sous influence dautres variables Difficults pratiques: Ceux qui vous payent veulent souvent des preuves pour dire du bien ou du mal de lobjet tudi.

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 3. La quasi-exprience

G-13

3.4 La validit selon la doctrine de la recherche quasi-exprimentale


La validit interne dcoule du design de recherche tester si les causes postules dans le modle sont les vraies causes, sil nexiste pas dautres influences sur les variables expliquer. on juge certains designs essentiellement sur cette question La validit externe .... savoir si on peut gnraliser difficile de la contrler. Comment peut-on savoir par ex. quel rgime politique garantit la vie la plus paisible en lan 2047 ? La validit statistique .... savoir si une relation statistique est significative pour les dbutants plutt un problme technique assez simple: seuil derreur minimal selon la doctrine statistique. La validit de construction concerne le raisonnement thorique sur la mesure la question dinterprtation du modle empirique (par exemple la signification de ses indicateurs)

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-14

4. Les designs statistiques


Les designs statistiques sont proches des designs exprimentaux Le design statistiques aspire aux thories sous forme de lois on ne sintresse pas au cas (pays, ville, personnes, etc.), mais aux principes (lois) on peut facilement tester des hypothses alternatives Priorit du raisonnement thorique, cause de: la difficult de mesurer
par exemple une question de sondage ne mesure pas directement un comportement

la masse des donnes (dans les sondages et les statistiques officielles) la surdtermination (il existe des corrlations entre tout et tout) ,... Design Popprien 1. On commence par formuler des hypothses (modles constitus de variables et de relations) 2. On les teste avec des outils statistiques

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-15

4.1 Lexemple des sondages


Esquisse dun plan de recherche typique: 1. Revue de la litrature qui fournit les cadres thoriques et les questions de recherche 2. Prparation (y compris entretiens qualitatifs pour mieux connatre le terrain) 3. Formulation dhypothses 4. Oprationalisation des hypothses (choix dchelles etc.) 5. Dfinition de la population mre et stratgies dchantillonnage 6. Identification des mthodes danalyse Mise en oeuvre 1. Construction du questionnaire 2. Test du questionnaire avec au moins 2 sujets 3. Sondage (entretiens, en ligne, ou par crit) 4. Codification, vrification des donnes et construction dchelles 5. Analyse Prsentation Prsentation et ensuite discussion des rsultats en fonction de vos hypothses Comparaison la littrature
Research Design - MPA DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-16

4.2 Niveaux de raisonnemment avec lapproche statistique


Niveau de raisonnement thorique hypothses oprationalisation (hypothses oprationnelles) mesures statistiques Variable concept / catgorie variables et valeurs Cas analyss Relations (causes)

dfinis par la porte de verbales votre travail causalits ou population mre co-occurrences bien (pays, personnes, etc.) exprimes

bonne dfinition de cette dimensions et indicateurs population et relation entre variables chantillonage statistiques (chelles de lments (cas) de indicateurs observs sondage, variables lchantillon dmographiques, etc,) mesures et chelles donnes (indices) (variables statistiques)

On ne veut pas connatre les cas individuels (pas de noms!) mais on sintresse des lois (relations entre variables) et on ne conceptualise donc que ce qui est mesurable!

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-17

4.3 Exemples
Exemple 4-1: Hypothses concernant la mise en oeuvre et les perceptions des TIC (Luis Gonzalez, DESS 2004): But principal: "Etudier les facteurs qui influencent lutilisation des TIC. Lauteur dfinir 8 facteurs et postule quelques relations.

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-18

<< Mon hypothse principale postule lexistence dune corrlation entre les facteurs suivants et la mise en uvre des TIC par les enseignants : Le type de support offert par le cadre institutionnel Leurs comptences pdagogiques Leurs comptences techniques La formation reue, que se soit la formation de base ou la formation continue Leur sentiment dauto-efficacit Leur perception des technologies Leur perception de lusage pdagogique des TIC Leur rationalisation et digitalisation pdagogique Mes hypothses secondaires sont : 1. La perception de lusage pd. est corrle avec les comptences pdagogiques de lenseignant. 2. La perception des technologies est corrle avec celle de lusage pdagogique. 3. Rationalisation et digitalisation pd. est corrle avec la perception des technologies. 4. La formation est corrle avec les comptences pdagogiques et techniques. 5. Le sentiment dauto-efficacit est corrl avec les comptences pdagogiques et techniques. 6.Rationalisation et de digitalisation pd. est corrle avec le sentiment dauto-efficacit." >>

methode dchantillonnage Echantillon reprsentatif de futurs enseignants, N = 48 Echantillon non-representative denseignants du primaire, N = 38
Tous les profs ayant un e-mail Genve, auto-selection (!) Note: le questionnaire tait trs long

ok pour une tude pilote ...


Research Design - MPA DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-19

Exemple 4-2: Un exemple de sensibilisation pour lanalyse quantitative Hypothse: Le niveau de formation dans un pays est fonction de sa richesse. On mesure les concepts de la faon suivante: richesse: PNB/habitant niveau de formation: taux dalphabtisation Rsultats: Le plot suivant montre le rapport entre PNB/habitant et alphabtisation (selon Worldhandbook 1980 ?): Dans lensemble ca joue, mais les pays marqus par + drangent: il sagit de pays producteurs de ptrole Soit on admet que lhypothse nest pas si bonne que cela ou encore on rvise le modle et on le teste de nouveau. En aucun cas, on possde le droit de dire: le modle joue sauf pour Kowet, Arabie Saoudite, etc.

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 4. Les designs statistiques

G-20

100.00 |** 2 22* 2 2 **23**3* ** | *22 ** |2 3 * * * |4 * 2 ** 2 |*** * 2 *** * *22 *33 * 2* * |* + 3 * * 32* *3 4* 52 * 52 6* * 6* |------------+-----------------------------------0 X= PNB/habitant en $

Y a l p h a b e t

15190

Il faut chercher une nouvelle variable qui interfre avec avec le rapport entre niveau de formation et richesse On sintresse seulement aux cas (observations) individuels pour pouvoir formuler une nouvelle thorie.

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 5. La mthode comparative (stratgie des cas comparables)

G-21

5. La mthode comparative (stratgie des cas comparables)


Principe Il faut sassurer quil existe une bonne variance des variables opratives (explicatives et expliquer) car sans variance pas de relation et donc pas de lois ! Les variables de contrle sont constantes (idalement). Ainsi on peut liminer ces variables (ignores dans les hypothses) dans lanalyse. variance des variables opratives variance des variables de contrle maximal

Cette formule dit en gros: choisissez des cas diffrents en ce qui concerne votre problmatique mais qui sont assez pareils pour le reste .... ainsi vous ne risquez pas quune variable non-tudie intervienne sans que vous vous en rendez compte. Avantages et dsavantages de cette mthode
moins de problmes de validit de construction et de fiabilit de mesure on diminue la possibilit que des variables inconnues soient les vritables causes Gnralisation plus faible (validit externe)

Research Design - MPA

DKS 6/7/06

Recherches pilotes par la thorie - 6. Rsum de designs discuts

G-22

6. Rsum de designs discuts


approches 2. Les design exprimentaux [G-3] quelques usages Investigations en ducation, sant, psychologie, etc. Design dinterfaces utilisateurs Mthodes de travail (par ex. instructional design) Analyse de politiques publiques Rformes (pdagogiques par ex.) Rformes organisationnelles Sociologie politique Evaluation de besoins ou de satisfactions Habitudes dutilisation

3. La quasi-exprience [G-6]

4. Les designs statistiques [G-14]

5. La mthode comparative (stratgie des cas Analyse de politiques publiques comparables) [G-21] Education compare

Notes importantes: on peut combiner des approches dans un travail on peut aussi utiliser des mthodes qualitatives (mme si pour ce type dapproche les mthodes quantitatives dominent ...)

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - .

H-1

H - Recherches visant crer une thorie


Objectifs
Introduction aux designs plutot exploratoires et qui visent construire une thorie Introduction la dmarche qualitative

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

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 1. Introduction

H-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. C-14] (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.).

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 2. La notion de mthode qualitative

H-3

2. La notion de mthode qualitative


Le concept de mthodes qualitatives est difficile saisir 2 strotypes: synonyme pour description simple ou analyse de questions ouvertes En ralit: Lventail de mthodes et dapproches est trs grand.
Angle dattaque journalisme dinvestigation recherche collaborative Noms description de cas recherche action observation participante recherche collaborative langage observation en contexte analyse de discours analyse de dialogues anthropologie Le field research Lhermneutique interprtisme phnomnologie conte explicatif exprimentation pratique immersion analytique design participatif analyse de relations entre lments analyse de lorganisation dun dialogue observations structures et non-structures (pareil, mais souvent plus formel) lactivit humaine comme texte empathie, saisi dune Lebenswelt Description

interactionnisme symbolique interactions symboliques entre acteurs

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 3. Le processus de la recherche qualitative

H-4

3. Le processus de la recherche qualitative


La dmarche qualitative seffectue par tapes parallles et circulaires Quelques aspects communs: Toute recherche doit tre ancre dans des descriptions riches Chaque proposition thorique doit tre ancre dans des observations Le chercheur a un rle dlicat. Dans la plupart des approches il est bien visible, dans certains cas il joue mme un rle actif. Le chercheur moderne doit galement sintresser des questions de validit. En ce qui concerne le rle de la thorie: il existe des avis divergents
peu de thorie pralable ouverture desprit beaucoup de thorie pralable ouverture vers dautres recherches (inspiration et comparaison) fermeture desprit possibilit dattaquer un nouveau sujet tendance collectionner trop de donnes comparaison difficile entre chercheurs pr-conceptions non-explicites insertion plus aise des rsultats dans la discipline tendance ignorer des phnomnes gnralisation plus facile pr-conceptions explicites (donc contrlables)

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 3. Le processus de la recherche qualitative

H-5

3.1 Le triangle description - classification - connexion


Selon Dey (1993:31): Description

Analyse Qualitative Connexion Classification

La description: toute analyse qualitative repose sur des donnes riches


sinon on ne peut pas correctement interprter le sens dune observation

La classification: Classification ou rduction des donnes selon diffrents principes de codage


la masse des donnes est norme, avant lanalyse il faut structurer et pendant lanalyse il faut restructurer

La connexion: Mise en rapport des catgories (selon diffrents principes et techniques)


il faut construire des visualisations densemble

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 3. Le processus de la recherche qualitative

H-6

3.2 Une vision dynamique, aussi selon Dey (1993:53)


4. rsultat (intermdiaire) boucle des donnes 3. connecter

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

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 3. Le processus de la recherche qualitative

H-7

3.3 La place de la visualisation (data display)


Selon Miles & Huberman (1994:10) rduction des donnes visualisations tirer des conclusions / vrifications collection de donnes
temps

version dynamique du mme schma:


collection de donnes visualisations

rduction des donnes

conclusions / vrifications

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 4. Le rle de la thorie et des donnes

H-8

4. Le rle de la thorie et des donnes


Les donnes qualitatives sont en rgle gnrale gnres par le chercheur (comme en mthodes quantitatives) Ceci dit: lanalyse qualitative prfre les donnes naturelles et fait rfrence aux concepts de sens (meaning) et de processus (ce dernier concept est partag avec lanalyse de systme). Voici quelques lments qui contrastent recherches quantitatives et qualitatives typiques:
Prfrences (!) des types dapproche la recherche quantitative cherche/analyse: la recherche qualitative cherche/analyse: Crer une thorie. Ceci dit, la litrature (autres thories) intervient quand-mme lorsquil sagit de dfinir les questions de recherche ou dinterprter les rsultats. construction sociale: rgles et langages perus et crs par les sujets units de sens, interprtations des gens par ex: sens subjectif et but dune action actions et penses dans un contexte

Tester une thorie

structure sociale: lois faits observables comportements et attitudes abstraits ou situations dexprimentation

macro-observations standarises et lgres micro-observations paisses (toute la population) (peu de settings ou groupes)

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 5. Exemples

H-9

5. Exemples
Voir aussi: Exemples de plans de recherche [p. E-27] 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 ?

Research Design - MPA

DKS 6/7/06

Recherches visant crer une thorie - 5. Exemples

H-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 6/7/06

Recherches visant crer une thorie - 5. Exemples

H-11

Exemple 5-2: Mmoire DESS D. Touvet Titre: Vers de nouvelles formes d'organisation de l'enseignement. Analyse d'experiences de mediatisation de cours Questions de recherche (p: 11) Pour chacun des cas tudis, nous cherchons savoir : 1. Comment se droulent les processus de mdiatisation ? 2. Quelles sont ces nouvelles formes d'organisation de l'enseignement ? 3. Quels sont les nouveaux rles qui apparaissent tout au long d'un processus de mdiatisation d'un cours ? Mthode Nous avons choisi d'effectuer une recherche qualitative selon une approche s'inspirant en grande partie de celle propose par Huberman et Miles (1991). Ils proposent une mthode de recueil et d'analyse de donnes qualitatives comprenant les phases de recueil, condensation, prsentation et vrification des donnes. Nous avons dcid de constituer un chantillon de trois projets homognes, c'est-dire relativement proches dans leurs caractristiques pour permettre une meilleure focalisation et comparaison. Ils prsentent cependant une bonne varit de choix et de situations possibles. Deux mthodes ont t retenues pour recueillir les donnes :
1. Passation d'entretiens auprs du coordinateur de chaque projet. 2. Consultation des sites web de chaque projet (deux des trois projets retenus ont not toute leur dmarche sur le site web du projet) ce qui nous a permis d'obtenir des informations pertinentes
Research Design - MPA DKS 6/7/06

Recherches visant crer une thorie - 5. Exemples

H-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.

Research Design - MPA

DKS 6/7/06

Recherches de type design - .

I-1

I - Recherches de type design


Objectifs
La mthodologie dans le contexte dun design-based research Note: Ce chapitre est assez provisoire et sinspire pas mal de linformatique et de lducation, mais les principes peuvent tre transfrs dans dautres domaines (management, droit, etc.)

Menu
1. 2. 3. 4. Elments dapproches design Le processus de design Analyse du problme et identification des besoins Evaluation 2 7 14 16

Research Design - MPA

DKS 6/7/06

Recherches de type design - 1. Elments dapproches design

I-2

1. Elments dapproches design


1.1 Une dfinition du design
Rgles de design (Comment globalement construire un design)

Mthode de design Implmentation

Problme Analyse de pratiques Spcification Implmentation Evaluation prliminaire

design (et son usage) Etudes dvaluation du design ou des rgles On peut tudier nimporte quel ligne (ou combinaison des lignes pointills)
Research Design - MPA DKS 6/7/06

Recherches de type design - 1. Elments dapproches design

I-3

1.2 La notion de rgle de design


Une rgle de design (ou rgle technologique) ...indique comment faire des choses et repose sur dautres thories. van Aken: "A technological rule is a chunk of general knowledge, linking an intervention or artifact with a desired outcome or performance in a certain field of application". Generally, the form of the technological rules is like if you want to achieve A (outcome) in situation B (problem) and context C, then something like action/intervention D can help because E (reason) La rgle de design comme objet de recherche La rgle de design peut etre input, output, or les deux dans un projet de recherche. Exemples de rgles de design: (1) Tout ce qui explicite comment faire de lingnirie au sens large: Une mthode pdagogique Une mthode comptable Une thorie lgistique Un modle de pilotage politique Un modle de GRH (2) Toute sorte de mthode Une approche mthodologique Une mthode de dveloppement en informatique
Research Design - MPA DKS 6/7/06

Recherches de type design - 1. Elments dapproches design

I-4

1.3 Quest qui distingue une recherche design ?

Le fait que non seulement on analyse un problme, propose un design, value le rsultat, mais que le tout contribue une thorie de design (Venable, 2006)
Research Design - MPA DKS 6/7/06

Recherches de type design - 1. Elments dapproches design

I-5

1.4 Ingrdiants et types de recherches design


(inspir de Pertti Jrvinen, 2004) Une recherche design about toujours un produit, soit un design, soit une rgle de design, soit les deux.... Types de rsultats (artfacts, interventions): 1. Concepts (ou constructions thoriques): constituant le "language" dun domaine 2. Modles: propositions qui dfinissent des relations entre constructions 3. Methodes: tapes pour raliser une tche (guidelines, algorithmes) 4. Instantiations: realisations dun design dans un environment Types de recherches: 1. Construction: Montrer la faisabilit dun artfact ou dune intervention 2. Evaluation: Development de critres et valuation dun design et de son utilisation. 3. Analyse de problmes (diagnostic, causes, etc.) et dfinition dun cahier des charges Conclusion: il existe donc 4*3 angles pour aborder une recherche design. En rgle gnrale, ce nest pas le design en soi qui est intressant, mais quelque chose derrire (concepts, modles, mthodes) ou autour (usage).

Research Design - MPA

DKS 6/7/06

Recherches de type design - 1. Elments dapproches design

I-6

1.5 Logiques des rgles de design


Chaque type de rgle de design suit sa propre logique et mthode Exemple 1-1: Comparaison rgles de droit / de lgistique
Comparaison Rgles de droit / de lgistique selon

url: http://webdroit.unige.ch/cefoleg/index.php/plan/en_general/legistique_droit/comparaison/
fonctionnement

Droit Rationalit Critre Contrle Fonctionnement Accent Ralit sociale Type de normes conformit juridictionnel de conformit linaire application isolement dontiques efficacit

Lgistique

rationalit base sur la logique rationalit managriale (objectifs-moyens) valuation par organe politico-administratif systmique cration et application des normes induction-dduction interaction pragmatiques

Mcanisme logique dduction

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-7

2. Le processus de design
Mthode utilise pour construire quelque chose (le design)

2.1 Principe
Etat initial Processus de construction Etat vis (goal state)

1. On peroit un tat initial (et on estime quil faut le transformer) 2. on construit qc. (un design) qui est cens le transformer 3. pour atteindre un objectif Toutes ces composantes sont plus ou moins floues un moment donn et il existe des mthodes qui aident contrtiser.

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-8

2.2 Alternatives mthodologiques


Etat vis
les objectifs sont dj identifis diffrence

Etat initial

Achat/ Outsourcing

Spcification
(on cherche)

Objectifs viss Implmentation Etat final

Spcification et implmentation en parallle


( par ex. design participatoire or prototypage rapide )

(selon Pertti Jrvinen, 2004: 103)

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-9

2.3 Informatique: 2 types de mthodes dimplmentation


Traditional Information System prototyping approaches (after Grnbk, 1991).

Cooperative prototype approach used in this study (after Grnbk, 1991)

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-10

2.4 Le modle participatory design


User-centred design: populaire en informatique implique fortement les utilisateurs (ils participent au processus entier) intgre typiquement des connaissances interdisciplinaires est iteratif pour sassurer que le design corresponde vraiment au besoin Analyse dutilisateurs, taches et contexte (1) Testing et evaluation avec les utilisateurs (5) Prototyping (4) Design (3) adapted from Hkansson Identification des besoins (2)

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-11

A modle similaire de Preece, Rogers and Sharp (2002)

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-12

2.5 Recherche action


La recherche-action vise transformer une organisation et/ou une pratique Il sagit dune dmarche cyclique Le chercheur/acteur fait collaborer les autres acteurs.

Diagnostic (identification du problme) Abstraction/ apprentissage (identifier les lments gnralisables) Planification des actions prendre (tudes dalternatives, imagination, ...)

Evaluation (tude des consquences)

Mise en oeuvre des actions (intervention) (selon Jrvinen:126)

Research Design - MPA

DKS 6/7/06

Recherches de type design - 2. Le processus de design

I-13

2.6 Modle dune mthode lgistique

url: Source: http://webdroit.unige.ch/cefoleg/index.php/plan/legistique_materielle/notion/schema


Research Design - MPA DKS 6/7/06

Recherches de type design - 3. Analyse du problme et identification des besoins

I-14

3. Analyse du problme et identification des besoins


3.1 Techniques dobservation du problme
(Adapt de Hkansson) Questionnaires
lorsque vous avez beaucoup dutilisateurs si vous savez prcisement ce que vous cherchez

Entretiens semi-structurs
pour explorer un noveau terrain pour laisser les participants developpeur leur argumentation (causalitis subjectives)

Focus groups
entretien avec des groupes, collection de vues multiples et confrontation

Observations/Ethnography
Observation du travail en contexte (observation des interactions, du work flow, etc.) Observation du contexte en soi (autres interactions, conditions)

Scenarios (description de taches)


Descriptions narratives informelles qui dcrivent comment se droule un cas.

C.f. volume K - Lacquisition de donnes qualitatives [K-1]

Research Design - MPA

DKS 6/7/06

Recherches de type design - 3. Analyse du problme et identification des besoins

I-15

3.2 Definition de besoins (requirements)


Different types Besoins fonctionnels (on peut utiliser un langage formel comme UML ou OSSAD pour modliser ces besoins) Contraintes de lenvironnement: Physiques, sociaux, organisationnels, techniques Besoins dutilisateurs Usability

3.3 Elaboration de prototypes


Tout peut tre un prototype !! Quote: "From paper-based storyboards to complex pieces of software: 3D paper models, cardboard mock-ups, hyperlinked screen shots, video simulations of a task, metal or plastic versions of the final product" (Hkansson). La nature du prototype dpend de ltape (volution du processus de design): Discussion dides et des spcifications: un scnario qui imagine/dcrit comment un acteur rsout un problme, interagit avec un systme, etc. Discussion des spcifications: Tout ce qui permet un utilisateur de faire semblant, par exemple un dessin dune interface informatique, quelques rgles de dcision. Discussion avec des utilisateurs: Fonctionalits de base dun systme informatique, rgles essentiels dune dmarche administrative, ....
Research Design - MPA DKS 6/7/06

Recherches de type design - 4. Evaluation

I-16

4. Evaluation
Il faut distinguer entre lvaluation dune implmentation (la rgle de design est impose) et lvaluation dune rgle de design !

4.1 Evaluation dune implmentation


Lvaluation dune implmentation se fait normalement en observant une rgle de design Exemple 4-1: Example: Merrils criteria for 5 Star Instructional Designs
(exemple du monde lducation)

1. Does the courseware relate to real world problems?


a.... show learners the task or the problem they will be able to do/solve ? b.are students engaged at problem or task level not just operation or action levels? c.... involve a progression of problems rather than a single problem?

2. Does the courseware activate prior knowledge or experience?


a.do learners have to recall, relate, describe, or apply knowledge from past experience (as a foundation for new knowledge) ? b.does the same apply to the present courseware ? c.is there an opportunity to demonstrate previously acquired knowledge or skill ?

3. Does the courseware demonstrate what is to be learned ?


a.Are examples consistent with the content being taught? E.g. examples and non-examples for concepts, demonstrations for procedures, visualizations for processes, modeling for behavior?
Research Design - MPA DKS 6/7/06

Recherches de type design - 4. Evaluation

I-17

b. Are learner guidance techniques employed? (1) Learners are directed to relevant information?, (2) Multiple representations are used for the demonstrations?, (3) Multiple demonstrations are explicitly compared? c.Is media relevant to the content and used to enhance learning?

4. Can learners practice and apply acquired knowledge or skill?


a.Are the application (practice) and the post test consistent with the stated or implied objectives? (1) Information-about practice requires learners to recall or recognize information. (2) Parts-of practice requires the learners to locate, name, and/or describe each part. (3) Kinds-of practice requires learners to identify new examples of each kind. (4) How-to practice requires learners to do the procedure. (5) What-happens practice requires learners to predict a consequence of a process given conditions, or to find faulted conditions given an unexpected consequence. b.Does the courseware require learners to use new knowledge or skill to solve a varied sequence of problems and do learners receive corrective feedback on their performance? c.In most application or practice activities, are learners able to access context sensitive help or guidance when having difficulty with the instructional materials? Is this coaching gradually diminished as the instruction progresses?

5. Are learners encouraged to integrate (transfer) the new knowledge or skill into their everyday life?
a.Is there an opportunity to publicly demonstrate their new knowledge or skill? b.Is there an opportunity to reflect-on, discuss, and defend new knowledge or skill? c.Is there an opportunity to create, invent, or explore new and personal ways to use new knowledge or skill?

Research Design - MPA

DKS 6/7/06

Recherches de type design - 4. Evaluation

I-18

4.2 Mthodologie dvaluation


Sinspire de toutes sortes de mthodes des sciences sociales .... Expriences et quasi-expriences Questionnaires Entretiens Observations Analyses de traitement de tches avec des mthodes comme le think-aloud

Research Design - MPA

DKS 6/7/06

Recherches de type design - 4. Evaluation

I-19

Exemple 4-2: Nielsons (1993) mthodes pour mesurer lergonomie dun objet url: http://fdlwww.kub.nl/~krahmer/evaluation-introduction.ppt

Research Design - MPA

DKS 6/7/06

Recherches de type design - 4. Evaluation

I-20

Exemple 4-3: Mmoire DESS (Tecfa) de Radeff Titre: Le portail personnalisable comme interface d'optimisation de ressources acadmiques Questions de recherche: La question principale de ce travail est : pourquoi les bibliothques universitaires ne proposentelles pas de portails personnalisables, ces derniers constituant vraisemblablement une bonne solution pour l'optimisation des ressources des bibliothques l're numrique. Cette question peut s'articuler en 3 sous-questions : pourquoi pas plus de portails personnalisables ? pourquoi les gens ne personnalisent-ils pas ? la personnalisation correspond-elle un besoin ? Mthode (utilise en fin de compte): La mthodologie retenue est une revue de la littrature, afin d'expliciter les concepts, de dgager les grands modles et d'examiner les dispositifs existants, accompagne d'un monitoring sur l'implmentation partielle d'un prototype de dispositif de portail personnalisable. L'implmentation partielle n'ayant pu tre mene terme, le monitoring a t supprim et j'ai largi le champ de la revue de littrature. L'analyse est donc qualitative (observations dutilisation, quelques entretiens), les donnes quantitatives initialement prvues n'ayant pu tre collectes.

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - .

J-1

J - Lacquisition de donnes quantitatives


Objectifs
Petite introduction aux mesures et donnes quantitatives, particulirement les sondages

Menu
1. 2. 3. 4. 5. Basics Design de sondages Donnes statistiques Expriences Echantillonnage 2 3 9 10 11

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 1. Basics

J-2

1. Basics
1. Faire une liste des concepts (variables thoriques) pour lesquels il faut des donnes (c.f. les questions de rechercher). 2. Identifier les dimensions pour chaque concept (sil est compliqu)
Consulter la littrature pour voir sil existe des grilles documents Discuter avec des experts du domaine Output: liste de variables mesurer (soit concepts simples, soit dimensions de concepts complexes)

3. Pour chaque variable, dfinir la mesure


Dabord (!!) consulter la littrature et chercher des instruments Il est mieux dutiliser un instrument publi: Vous pourriez comparer des rsultats et en plus vous ne devez pas justifier votre dmarche (il suffit de dire je prend la grille/batterie de questions de X)

4. Triangulation et redondance
Redondance: Dans un sondage, une variable conceptuelle sera mesure avec plusieurs questions Pensez complter des sondages avec dautres donnes (observations, statistiques, etc.)

5. Demandez plutt aux gens comment ils font au lieu dapprciations globales concernant leur comportement
A viter par ex. une question: "Utilisez-vous des mthodes de management participatives ?" A la place demander plusieurs questions concernant la frquence et les contenus des meetings.

6. Evitez de demander confirmation de vos questions de recherche


A viter par ex.: Est-ce que le nouveau Intranet amliore la gestion des connaissances ? (De nouveau) Demandez concrtement ce que les gens font avec cet outil, regardez le contenu de cet intranet, analysez les log files, etc.

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 2. Design de sondages

J-3

2. Design de sondages
2.1 Design de questions et ditems de rponse
Les interrogs doivent comprendre vos questions (testez votre questionnaire avec au moins 2 personnes) Pas deux questions en une ! (faux: est-ce que X diminue le cot et augmente lefficacit ?) Faire des questions courtes Pour chaque concept mesurer, posez plusieurs questions
Il existe des batteries de questions publies !

Evitez les questions ouvertes (bcp de travail de codage, taux de remplissage faible, ...) Utilisez des chelles qui ont au moins 5 options de rponse
sinon les gens flotteront vers le "milieu" et il vous manquera de la variance. viter par exemple:
daccord () neutre () pas daccord ()

Utilisez les mmes chelles pour chaque batterie de questions (si possible)
mme nombre ditems de rponse (par exemple une chelle de 5 items). mmes lgendes (par exemple beaucoup jamais), mais seulement si cela fait du sens !! ... facilite la construction dindices et facilite aussi la tche de linterview

Si vous voulez forcer les gens se positionner, utilisez une chelle large sans point au milieu
par exemple: 1=totally disagree, 10=totally agree

1 2 3 4 5

6 7 8 9 10

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 2. Design de sondages

J-4

2.2 Exemples
Exemple 2-1: Social presence
Gunawerda, C.N., & Zittle, F.J. (1997). Social presence as a predictor of satisfaction within a computermediated conferencing environment. The American journal of distance education, 11(3), 8-26. The GlobalEd questionnaire was developed to evaluate a virtual conference. Participants (n=50) of the conference filled out the questionnaire. Internal consistency of the social presence scale was a=0.88. Social presence was found to be a strong predictor of user satisfaction.

url: http://www.presence-research.org/Overview.html (Compendium of Presence Measures)


Messages in GlobalEd were impersonal CMC is an excellent medium for social interaction I felt comfortable conversing through this text-based medium I felt comfortable introducing myself on GlobalEd The introduction enabled me to form a sense of online community I felt comfortable participating in GlobalEd discussions The moderators created a feeling of online community The moderators facilitated discussions in the GlobalEd conference Discussions using the medium of CMC tend to be more impersonal than face-to-face discussion CMC discussions are more impersonal than audio conference discussions CMC discussions are more impersonal than video teleconference discussions I felt comfortable interacting with other participants in the conference I felt that my point of view was acknowledged by other participants in GlobalEd I was able to form distinct individual impressions of some GlobalEd participants even though we communicated only via a text-based medium. A 5-point rating scale was used for each question
Research Design - MPA DKS 6/7/06

Lacquisition de donnes quantitatives - 2. Design de sondages

J-5

Exemple 2-2: Enseignement socio-constructiviste Class (and Schneider) 2005, PhD thesis project (scale based on Dolmans 2004) Problme: comment identifier des lments de design socio-constructivistes dans un enseignement distance. On dcompose le concept socio-constructivist design en (1) active and constructive learning, (2) self-directed learning, (3) contextual learning and (4) collaborative learning, (5) teachers interpersonal behavior (selon Dolmans et al., 1993). Pour chaque sous-concept (dimension) on posera plusieurs questions. Note: on a ajout ci-dessous des titres comme constructive/active learning". Ils ne se trouvent pas dans le vrai questionnaire car on ne demande pas aux sujet de rflchir par rapport un concept de recherche mais de nous dire ce quils ont pens avoir faits.
Somew Totally Disagre hat Agree disagree e agree 1 2 O O O O O 3 O O O O O 4 O O O O O
DKS 6/7/06

Statements: Teachers stimulated us

Totally agree 5 O O O O O

( Constructive/active learning )
4 5 6 7 8 to search for explanations during discussion to summarize what we had learnt in our own words to search for links between issues discussed in the tutorial group to understand underlying mechanisms/theories to pay attention to contradictory explanations O O O O O

Research Design - MPA

Lacquisition de donnes quantitatives - 2. Design de sondages

J-6

Statements: Teachers stimulated us


( Self-directed learning )
9 to generate clear learning issues by ourselves unclear

Somew Totally Disagre hat Agree disagree e agree O O O O O O O O O O O O O O O O O O O O O O O O

Totally agree

O O O O O O

10 to evaluate our understanding of the subject matter by ourselves

( Contextual learning )
11 to apply knowledge to the problem discussed 12 to apply knowledge to other situations/problems 13 to ask sophisticated questions 14 to reconsider earlier explanations

( Collaborative learning )
15 to think about our strengths and weaknesses concerning our functioning O in the tutorial group O O O O O O O O O O O O O O O O O O O

16 to give constructive feedback about our group work 17 to evaluate our group cooperation regularly 18 to arrange meetings with him/her to discuss how to improve our functioning as a group

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 2. Design de sondages

J-7

2.3 La forme du questionnaire


Chaque questionnaire doit comprendre une introduction. Il faut: dfinir le but garantir lexploitation statistique uniquement (pas de noms !) indiquer (sans mentir) le temps quil faut pour le remplir Exemple: The purpose of this questionnaire is to help us understand how well you liked the on-line
delivery of the first blended edition of the Certificate for Interpreter Trainers. Each one of the 117 statements below asks about your experience in the on-line part of the Certificate. Data will be processed and published only statistically. The following questions will be dealt with: personal information, teachers' behavior, learning environment, tutoring support structure, tools and skills. Filling in this questionnaire will take you about 20 minutes. Please be assured that your responses will be treated confidentially, and that they will not affect your assessment. Thank you very much for your cooperation.

Informations de codage pour le chercheur Assignez un code chaque question (variable) et un nombre chaque item de rponse
par question, on entend chaque sous-question (pas les groupes de questions !)

Cela servira pour lanalyse et une ventuelle transcription utilisez des petites fontes (cette information est pour vous) Ergonomie A part lintroduction, un questionnaire ne contient rien de superflu Assurez-vous que les gens savent o "cocher" (testez le questionnaire !) Testez aussi pour savoir si les gens comprennent vos questions !
Research Design - MPA DKS 6/7/06

Lacquisition de donnes quantitatives - 2. Design de sondages

J-8

Exemple 2-3: Exemple batterie de question (mesure dun concept): Teachers' behavior Below you will find general statements about teachers' behavior. Please indicate to what extent you agree or disagree with them? Please tick the appropriate circle on the scale (totally disagree - totally agree) for each statement.
Somewhat agree
3 4

Statements: Teachers stimulated us

Totally Disagree disagree


1 2

Agree
5

Totally agree

4 to search for explanations during discussion 5 to summarize what we had learnt in our own words 14 to reconsider earlier explanations

O O O

O O O

O O O

O O O

O O O

Questionnaires en ligne: Le mme principe sapplique. Il faut bien tester si le logiciel encode et exporte les donnes comme il faut. Exemples de systmes (mais quil faut installer chez un provideur !!) url: http://www.phpsurveyor.org/ url: http://osp.homedns.org/ Autre alternative: utiliser un survey hosting service commercial
Research Design - MPA DKS 6/7/06

Lacquisition de donnes quantitatives - 3. Donnes statistiques

J-9

3. Donnes statistiques
En analyse de politique publiques et mais aussi en analyse dorganisation on utilise souvent des donnes dj produites (des statistiques). Souvent ces donnes sont publies dans une forme ou une autre url: http://www.badac.ch/ (Banque de donnes des Cantons et villes suisses) url: http://www.sidos.ch/ (SIDOS) Service suisse d'information et d'archivage de donnes pour les sciences sociales url: http://www.bfs.admin.ch/ (Office fdrale de la statistique, y compris statweb) Parfois elles existent sous forme non-publie (contactez les organisations ou encore les offices cantonaux de statistique, notamment ces derniers peuvent tre trs coopratifs) Attention: si vous travaillez avec des donnes agrges, il faut faire attention lerreur cologique:
une corrlation entre quartiers plus pauvres (revenus moyens) et vote socialiste ne prouve pas encore que les ouvriers ont forte tendance voter cologique. En tout cas, on surestime la corrlation.

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 4. Expriences

J-10

4. Expriences
Le design dune vraie exprience ncessite une certaine expertise. Typiquement, un dbutant tendance diffrencier 2 conditions exprimentales par plus quune seule variable. Il existe beaucoup de types de mesures observations (par ex. vidos, log files, captures de gestes sur lcran) tests (ressemblant aux sondages) tests (ressemblant des questions dexamen) tests (performances en secondes par exemple) ..... Comme toujours, il faut commencer par une liste de toutes les variables les variables dpendantes ( expliquer) sont en rgle gnrale mesures avec des tests. les variables indpendantes (explicatives) sont dfinies par les conditions exprimentales, ceci dit dans un design quasi-exprimental il faut aussi travailler avec des variables de contrle. Inspirez-vous de la littrature !! il est toujours plus facile de reprendre un design qui a fait ses preuves !

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 5. Echantillonnage

J-11

5. Echantillonnage
5.1 Rgles de base
Le nombre de cas considrer sera plutt un nombre absolu ne dpend pas trop de la taille de la population mre Le meilleur chantillonnage est alatoire, parce que: cela vous donne les meilleurs chances de retrouver une bonne reprsentation vite des auto-slections (seulement des gens intresss ou sympas qui rpondent) Un systme de quota peut se justifier lorsque votre chantillon est trs petit
par ex., pour un test dutilisabilit (usability) il faut sassurer davoir au moins un reprsentant de chaque type dutilisateur.

lorsque vous voulez tudier des sous-populations prcises


par exemple coles bien quipes v.s. coles mal quipes dans une tude dinnovation

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 5. Echantillonnage

J-12

5.2 Un premier regard sur la signification


La signification des rsultats dpend la fois de la force des corrlations et de la taille de lchantillon
autrement dit: plus de cas signifient plus de rsultats interprtables !

Illustration du principe avec un exemple On veut voir si le volume de formation pour des profs. a une influence sur les notes de leurs lves.
y=moyenne des notes des lves

tacher b enseignant d

tacher a x=jours de formation (profs.)

Pour commencer, on a seulement 6 enseignants (les points rouges):


les donnes suggrent une corrlation ngative (plus de formation, baisse de moyennes)

En ajoutant seulement 2 enseignants (le points vers) la relation sinverse.


les donnes indiquent une corrlation positive. Donc: faire des analyses statistiques avec peu de donnes est une loterie (qui na pas de validit/ signification statistique).
Research Design - MPA DKS 6/7/06

Lacquisition de donnes quantitatives - 5. Echantillonnage

J-13

5.3 Echantillonnage typique pour des expriences


de prfrence 20 sujets pour chaque condition exprimentale au moins 12 (mais avec le risque que les rsultats ne sont pas interprtables) Exemple 5-1: Etudier leffet de lanimation multimedia sur la rtention Variable X (explicative): diagrammes statiques vs. animation vs. animation interactive Variable dpendante Y1: Short term recall Variable dpendante Y1 Y2: Long-term recall Les variables Y1 and Y2 sont mesures avec un test de recall Pour la variable X on a trois conditions Donc il nous faut 3 * 20 = 60 sujets
Note: on ne peut pas administrer trois fois les diffrentes conditions aux mmes sujets car ils vont apprendre ... On pourrait le faire avec 3 diffrents sujets administrs dans des ordres diffrents, mais cela nous fait 9 tests administrer par sujet et compliquera lanalyse....

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes quantitatives - 5. Echantillonnage

J-14

5.4 Echantillonnage typique pour un sondage


... autant que vous pouvez, notamment lorsquil sagit dune enqute en ligne 50 ou plus, 40 au moins, 100 est bien et 200 et excellent pour un travail de master. Il faut plus de sujets que pour les expriences, parce que la population sera plus htrogne et on pourra faire des analyses qui impliquent plus de 2 variables que X et Y.

5.5 Echantillonnage pour les donnes statistiques


par exemple: communes, entreprises, pays, coles, ... Puisque ces donnes refltent des entits ayant un intrt en soi, on peut faire avec moins ... par contre on ne pourra pas utiliser des statistiques infrentielles (qui testent des causes).

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - .

K-1

K - Lacquisition de donnes qualitatives


Objectifs
Familiarisation avec quelques techniques de mesure qualitatives

Menu
1. 2. 3. 4. 5. Survol des mthodes dacquisition (mesures empiriques) Lchantillonnage dans une approche qualitative Lobservation Enregistrements et analyse de transcription Entretiens 2 4 9 10 11

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 1. Survol des mthodes dacquisition (mesures empiriques)

K-2

1. Survol des mthodes dacquisition (mesures empiriques)


Les approches qualitatives oprent souvent par triangulation de mthodes Les activits de base sont:
activit regarder examiner des activits examiner des traces demander mdium (observation) enregistrements (transcriptions) textes objectif principal Observation globale dune organisation, culture, activit, etc. voir: 3. Lobservation [K-9] Etude en profondeur dinteractions dans un contexte voir: 4.1 Analyse denregistrements [K-10] Informations institutionnelles et traces crite dactivits voir: 4.2 Textes [K-10] Extraction dinformations des membres du cas tudi, de clients, dexperts, etc. voir: 5. Entretiens [K-11], 5.1 Conseils gnraux pour les entretiens [K-12]. Lobservation participante marie travail et recherche. (... pas aborde dans ce cours)

(entretiens)

participer

(vivre)

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 1. Survol des mthodes dacquisition (mesures empiriques)

K-3

Diffrents rles pour les techniques qualitatives Il ne faut pas confondre une mthode (technique) avec une mthodologie (approche): Voici les fonctions (principales) des 4 mthodes de base selon le type dapproche:
Mthodologies (approches) mthode observation transcriptions textes (analyse de) entretiens quantitatives travail prliminaire pour la cration de questionnaires qualitatives comprhension profonde du fonctionnement dune institution ou culture

analyse quantitative de contenu analyse de dialogues surtout analyse quantitative de contenu catgorisation et comprhension des concepts questionnaires plutt ferms (grands chantillons) entretiens ouverts ou semi-structurs (petits chantillons)

La frontire entre approche qualitative et quantitative est floue !

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

K-4

2. Lchantillonnage dans une approche qualitative


Beaucoup de chercheurs nexaminent quun ou deux cas
dans ce cas lanalyse qualitative sera intensive

A lintrieur dun cas il faut chantillonner aussi ! Exemple: tude dune organisation
les informants dans lorganisation les experts externes (connaisseurs de la matire) les clients et organisations en contact les processus observs les textes (dcisions crites, etc.) Les dcideurs externes et les intervenants Les groupes organiss (groupe dintrt, associations, etc.) La population du quartier Les vnements/comportements lis la dcision

Exemple: tude dun impact dune dcision sur un quartier

Lchantillonnage est souvent dynamique (par vagues)


Lorsque la recherche progresse, de nouveaux phnomnes apparaissent ncessitant souvent dautres observations ! exemple: dcouverte dacteurs cls

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

K-5

2.1 Stratgies gnrales dchantillonnage


Selon Miles & Huberman (1994:28)
Type de cas variation maximale homognes critiques selon la thorie Usage soit pour gnraliser, soit pour trouver des cas dviants permet de mieux focaliser et comparer prouver ou exemplifier une thorie (gnralisation logique) laboration et examen des questions de recherche (problmatiques thoriques) tester la limite dune explication ou/et chercher un nouveau dpart Montrer ce qui est normal ou moyen Etudier loccurrence dun phnomne particulier en dtail Etude de phnomnes particuliers Slection en fonction des informations obtenus avec les autres cas Suivre une nouvelle piste dmarche inductive spcialisation stratgies majeures

confirmants et infirmants tester les limites dune explication extrmes ou dviants typiques intenses selon dimension boule de neige opportuns validation

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

K-6

Type de cas tous selon quota selon rputation selon critres conveniants politiques (rarement possible)

Usage identification de sous-groupes majeurs, puis slection en fonction des recommandations des experts en fonction de critres que lon dsire tudier On choisit les cas auxquels on a accs Exclusion/inclusion en fonction dimpratifs externes dangereux

reprsentativit

selon mthode compare en fonction de variables opratives

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)

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

K-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.)

Toutefois, nhsitez pas de changer de stratgie en cours de route. Dterminez vos cas avant daller sur le terrain rles (fonctions dans lorganisation), groupes, organisations, institutions, .... programmes, cultures ......ainsi que les lments qui les composent

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

K-8

A. Conseils pour lchantillonnage intra-cas:


(donc par exemple lintrieur dune commune) identification des types dinformations obtenir: les phnomnes tudier doivent tre prsents dans votre choix chantillonner toutes les catgories (activits, processus, vnements, dates, locations, agents, ...) choix principal des cas en fonction des conditions sous lesquelles une thorie est valable (porte/limites du cadre thorique) prvoir leffet boule de neige: plusieurs sries dchantillonnage en fonction des dcouvertes

B. Conseils pour lchantillonnage inter-cas:


(donc par exemple une liste de communes tudier) Choisir des cas similaires, mais ayant une bonne variance pour les variables opratives (explicatives et expliquer) de votre projet. A option: ajoutez des cas contrasts (ne couvrant pas forcment le cadre thorique) pour tester la validit externe (porte) de vos analyses. Toute analyse entirement qualitative cote trs chre:
Pour un travail dtudiant 1-3 cas principaux suffisent 15-30 cas est le maximum pour une tude en profondeur sinon compltez tudes en profondeur avec mthodes quantitatives.
Research Design - MPA DKS 6/7/06

Lacquisition de donnes qualitatives - 3. Lobservation

K-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.

Exige une bonne mthode de field notes:


conventions de notation pour les sances conventions de notation pour les notes aprs la sance un journal de bord

Exemple dune convention de notation:


Signe ... ... ( ... ) < ... > / ... ____ citations verbatim paraphrases donnes contextuelles (ou interprtations du chercheur) Analyses (catgories ) drives du cadre conceptuel des sujets Analyses (catgories ) drives du cadre conceptuel du chercheur temps des partitions Usage

... complter/adapter/modifier selon les besoins.

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 4. Enregistrements et textes

K-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.

Pleines de mthodes danalyse:


en analyse de politique publique par exemple les documents sont scanns loeil pour des lments intressants en analyse de dialogue les phrases sont analyses mot par mot etc.

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 5. Entretiens

K-11

5. Entretiens
Type Entretien dinformation composition check-list fonction / avantages tudes initiales Voir 5.2 Conseil pour lentretien dinformation: [K-12] recherche semi-quantitative: facilite lanalyse de lensemble acclre lentretien contraint linterlocuteur Voir 5.3 Conseils pour lentretien structure [K-13]

Entretien structur (directif)

liste de questions

Entretien semi-structur

instrument principal pour comprendre laisse sexprimer les interlocuteurs liste de questions plus difficile analyser et probes Voir 5.4 Conseils pour lentretien semi-structur [K14] un problme analyse de traitement dun cas on demande aux gens de rsoudre des cas Voir 5.5 Think aloud [K-16] quantitatif entretien rapide fiabilit facilit danalyse prsuppose une connaissance profonde du sujet tudi
DKS 6/7/06

Think aloud

Entretien avec questions liste de questions fermes ou semi-fermes avec rponses

Research Design - MPA

Lacquisition de donnes qualitatives - 5. Entretiens

K-12

5.1 Conseils gnraux pour les entretiens


Lentretien est un art bien document dans les livres de mthodes classiques. Certains de vos interlocuteurs nont pas de temps perdre Il faut donc se concentrer sur lessentiel documentez-vous dabord si une information nest pas disponible autrement (rglements, organigrammes, etc.) apprenez le jargon tudiez toute documentation que vous pouvez obtenir facilement (en crivant une lettre ou par tlphone) Demander lautorisation pour utiliser un magnto !

5.2 Conseil pour lentretien dinformation:


Fixez-vous les objectifs atteindre Choisissez la (les) bonne(s) personne(s) par exemple pour tout ce qui est informations de base: il faut mieux contacter un spcialiste du domaine ou encore une personne qui a le temps pour vous aider Gardez en rserve les informateurs-cls importants dans lorganisation pour des questions importantes

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 5. Entretiens

K-13

5.3 Conseils pour lentretien structure


Un entretien structur pose des questions prcises (les mmes pour tous) et engendre des rponses relativement courtes. le questionnaire utilis doit tre super bien prpar
chaque concept thorique (variable) doit tre mesur

habituellement prcd par des entretiens non ou semi-structurs faites des pr-tests si possible avec quelques personnes il faut dj rflchir aux mthodes danalyse
codage manuel ou machinal ? code book utiliser estimation du cot (!) etc.

Pensez aussi faire un sondage (rponses fermes), cela cote nettement moins cher ! .... consultez la littrature sur les sondages !

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 5. Entretiens

K-14

5.4 Conseils pour lentretien semi-structur


Gnralits encore une fois: de la prparation ! ... en fonction des questions qui vous intressent nimposez pas vos points de vues, laissez rflchir et parler linterlocuteur afin de pouvoir dgager des structures profondes Structuration habituelle de lentretien on prpare une liste de questions (souvent gnrales) pour chaque question on prpare une liste de points importants (sous-questions) couvrir pendant lentretien il faut relancer ces points si linterview ne les touche pas (on parle de probes). Droulement laissez parler la personne .... et revenez si ncessaire aux questions et points plus tard !

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 5. Entretiens

K-15

Prparez bien les questions Attention aux question sensibles


mettez les la fin (voir aussi ci-dessous).

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).

Research Design - MPA

DKS 6/7/06

Lacquisition de donnes qualitatives - 5. Entretiens

K-16

5.5 Think aloud


Domaine dapplication Analyse du raisonnement (on sintresse aux processus de rflexion dun individu) Analyse dun work flow (on veut savoir par exemple comment un type de dossier est traite) Cette mthode peut tre combine avec un entretien semi-structure Principe On prsente un cas linterview (un dossier, un cas mdical, un problme de dcision, etc.) Ensuite le sujet dit haute voix ce quil fait et pourquoi il le fait.
Suivant le type de rsultats quon aimerait obtenir, il existe des variantes. Typiquement en analyse de politiques publiques et dorganisations, il ne faut hsiter interrompre et poser des questions varies.

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.

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - .

L-1

L - Introduction lanalyse quantitative


Objectifs
Familiarisation avec quelques mthodes statistiques Sans analyse multi-varie !

Menu
1. Echelles et "data assumptions" 2. Le principe de lanalyse statistique 3. Etapes dune analyse statistique 4. Prparation de donnes et construction dchelles 5. Survol des mthodes et coefficients statistiques 6. Crosstabulation (tris croiss) 7. Simple analyse de variance 8. Analyse de rgression de corrlations de Pearson 9. Causalits et variables de contrle 10. Analyses exploratoires multi-varies 2 5 7 8 12 15 18 21 23 27

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 1. Echelles et "data assumptions"

L-2

1. Echelles et "data assumptions"


1.1 Types de mesures quantitatives (chelles / scales)
Types de mesures nominales ou catgoriques ou catgorielles ou qualitatives ordinales Description numration de catgories chelles ordonnes Exemples homme, femme district A, district B, software widget A, widget B 1er, 2me, 3me 1, 10, 5, 6 (sur une chelle 1-10) 180cm, 160cm, 170cm

intervalles ou quantitatives mesures avec une intervalle ou mesurable ("scale" dans SPSS)

Pour chaque type de mesure ou combinaisons de types de mesure il faut utiliser des techniques danalyses appropries (et diffrentes) Pour les variables intervalles on a le plus grand choix.
Ainsi, on traite parfois des chelles ordinales comme (1) strongly agree, (2) agree, (3) somewhat agree, etc. comme des variables intervalles. Cest une pratique plus ou moins bien accepte ...

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 1. Echelles et "data assumptions"

L-3

1.2 Postulats sur les donnes (data assumptions)


Le type de mesure et les types de distribution dterminent le type de modles statistiques quon peut utilisier

A. Linearit
Exemple: Beaucoup de modles postulent des relations linaires:
Lexemple suivant montre une relation non-linaire: les lves qui utilisent peu lordinateur ont des mauvaises notes, mais galement ceux qui en utilisent beaucoup Un corrlation de type Pearson sera trs faible par exemple....

student grades (average)

daily use of computers

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 1. Echelles et "data assumptions"

L-4

B. Distribution normale
La plupart des modles pour variables intervalles exigent une "distribution normale" Si vous avez des "cas aberrants" (extrmes) ou encore une distribution dsaxe, certains cas vont avoir plus de poids et donc fausse lanalyse. Exemple hypothtique:
Le premier dessin montre un tudiant extrme (point rouge) et qui fait de sorte ce que la relation entre variables devienne positive (alors quelle est probablement inexistante) Dans le 2me dessin, un tudiant moyen reprsente un tudiant typique, et ltudiant vert na pas une influence prpondrante. student grades (average) student grades (average)

weekly use of computers

weekly use of computers

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 2. Le principe de lanalyse statistique

L-5

2. Le principe de lanalyse statistique


Le but dune analyse statistique est simple: trouver une structure et/ou prouver une relation dans les donnes. 2 grandes familles dusage des statistiques: 1. Dcrire une structure: statistiques descriptives
pour explorer des donnes (logique inductive, dmarches qualitatives) en analyse compare

2. Gnraliser, montrer quune structure relationnelle trouve dans un chantillon est valable pour une population mre: statistiques infrentielles (inductives, explicatives)
par ex. dans un design statistique, en quasi-exprimentation, etc.

La notion de structure: on ne dcrit/explique jamais le tout DONNEES = STRUCTURE + NON-STRUCTURE DONNEES = MODELE + RESIDUS DONNESS = EXPLICATION + NON EXPLICATION DONNEES = VARIANCE EXPLIQUEE + VARIANCE NON EXPLIQUEE

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 2. Le principe de lanalyse statistique

L-6

Exemple 2-1: Exemple: Simple analyse de rgression DONNEES = modle / prdiction (ligne de rgression) + rsidus Y est fonction de X ou encore: X explique Y
mais X nexplique pas totalement ... il y a des erreurs (non-explications)

Lanalyse de la rgression dtermine une ligne qui maximise la prdiction et minimise les rsidus (erreurs, variation non explique)
y=student grades (average)

non prdiction (erreur, rsidu)

prdiction (explique)

x=weekly use of computers

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 3. Etapes dune analyse statistique

L-7

3. Etapes dune analyse statistique


(pour les dtails, c.f. les chapitres suivants ....)

1. Nettoyage de donnes
Vos donnes doivent tre bien saisies (par ex. vrifier la transcription) Identification des valeurs manquantes (par ex. non rponses dans un questionnaire)

2. Connatre les donnes


Regardez les listes de donnes (seulement si vous en avez peu !) Simples statistiques descriptives, par ex. moyennes, cart-types, minima, maxima pour chaque variable. Graphiques, par ex. histogrammes ou box plots qui visualisent la distribution

3. Construction dchelles composes


par ex. cration dune seule variable qui mesure un concept partir dune batterie de questions.

4. Graphiques ou tableaux qui montrent des relations


par ex. Nuages de points pour donnes intervalles ou tri croises pour donnes catgorielles

5. Coefficients qui mesurent la force et la structure dune relation (c.f. la suite)


Exemples pour la force: Cramers V pour tris croiss, ou Pearsons R pour variables intervalle Exemples pour la structure: coefficient pour la rgression coefficient, moyennes pour lanalyse de variance.

6. Coefficients qui donnent le pourcentage de la variance explique.


par ex. R2 pour la rgression linaire

7. Niveau de signification, c.a.d. savoir si on a le droit dinterprter la relation (selon la logique de la statistique infrentielle)
par ex. Chi2 pour tris croiss, Fishers F pour la rgression
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 4. Prparation de donnes et construction dchelles

L-8

4. Prparation de donnes et construction dchelles


4.1 Logiciels statistiques et prparation de donnes
Logiciels Si disponible, utilisez un programme comme SPSS ou Statistica Freeware: WinIDAMS (mais plus difficile utiliser) url: http://portal.unesco.org/ci/en/ev.php-URL_ID=2070&URL_DO=DO_TOPIC&URL_SECTION=201.html Freeware pour statistiques avances et visualisation: R (difficile !) url: http://lib.stat.cmu.edu/R/CRAN/ Les tableurs (Excel etc.) vont vous faire perdre beaucoup de temps
sauf pour des simples statistiques descriptives

Prparation de donnes Entrer (ou importer) les donnes


Si questionnaire, chaque rponse possible doit correspondre un nombre (voir sondages/2. [J-3]) Dfinissez un code pour les valeurs manquantes (no response), par ex. -1

Les donnes doivent tre compltes et sans erreurs


Quelques simples statistiques descriptives (minima, maxima, missing values, etc.) peuvent aider Sinon, vous devez un moment donn refaire tout (chelles, analyses, etc.) !!

Documentez les donnes


labels pour variables, labels items pour items de rponses, instructions daffichage (par ex. chiffres aprs la virgule monter, etc.) Dfinissez les types de donnes (intervalle, ordinal ou nominal)
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 4. Prparation de donnes et construction dchelles

L-9

4.2 Echelles composites (indices)


Les bases: La plupart des chelles se font par simple addition ("Lickert scales"). Var10 = varA + varB Eliminez les questions dune batterie / ou des statistiques qui ont trop de valeurs manquantes (non-rponses) Tenez compte des valeurs manquants lorsque vous additionnez !!
Un vraie logiciel de statistiques (par ex. SPSS) fait cela automatiquement

Il faut standardiser lorsque les chelles nont pas la mme taille


dou le conseil dutiliser le plus souvent les mmes chelles dans un questionnaire!

Qualit dune chelle: Si possible, utilisez des chelles publies !


... cela vous vite des justifications !

Sensibilit: les scores doivent discriminer


c.a.d. permettre de tester des hypothses causales ou dexplorer des questions relations

Fiabilit: Il faudrait une corrlation leve entre les variables utilises pour fabriquer une chelle composite (chaque variable mesure le mme concept).
coefficient alpha lev Note: il existe des exceptions cette rgle (lorsquun indice mesure plusieurs concepts indpendants comme par exemple la comptitivit conomique dun pays)

Validit: Tester si les scores obtenus se retrouvent ailleurs


par ex. observations qualitatives par ex. corrlation avec dautres chelles/variables qui mesurent la mme chose.
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 4. Prparation de donnes et construction dchelles

L-10

Exemple 4-1: Le questionnaire COLLES url: http://surveylearning.moodle.com/colles/ The Constructivist On-Line Learning Environment Survey measures preferred (or ideal) experience in a teaching unit. It includes 24 statements measuring 6 dimensions... Ici, on ne montre que 2 dimensions (4 questions concereant relevance et 4 questions concerning reflection). Note: dans le questionnaire distribu au sujets on ne montre pas les labels comme Items concerning relevance" or "response codes" (on pose juste les questions).
Statements response codes a. my learning focuses on issues that interest me. b. what I learn is important for my prof. practice as a trainer. O O Almost SomeAlmost Seldom Often Never times Always 1 O O O O O O O O 2 O O O O O O O O 3 O O O O O O O O
DKS 6/7/06

4 O O O O O O O O

Items concerning Relevance

c. I learn how to improve my professional practice as a trainer. O d. what I learn connects well with my prof. practice as a trainer. O Items concerning Reflection I think critically about how I learn. I think critically about my own ideas. I think critically about other students' ideas. I think critically about ideas in the readings.
Research Design - MPA

O O O O

Introduction lanalyse quantitative - 4. Prparation de donnes et construction dchelles

L-11

Algorithme pour calculer les chelles:


Pour chaque individu: additionner les codes de rponse de chaque question qui fait partie de la batterie qui mesure le concept, et ensuite diviser par le nombre de questions Utiliser la fonction moyenne (Angl. "means") dans un logiciel: relevance = mean (a, b, c, d) Example pour calculer un indice relevance pour les Items concerning Relevance
Supposons que lindividu A ait rpondu: a=sometimes, b=often, c=almost always, d= often cela donne: relevance = (3 + 4 + 5 + 4 ) / 4 = 4

Valeurs manquantes (de nouveau) Il ne faut pas en tenir compte !


Individu B: a=sometimes, b=often, c=almost always, d=missing cela donne: relevance = (3 + 4 + 5) / 3 = 4 et certainement pas: (3 + 4 + 5 + 0) / 4 ou encore (3 + 4 + 5 -1) / 4 !!

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 5. Survol des mthodes et coefficients statistiques

L-12

5. Survol des mthodes et coefficients statistiques


5.1 Statistiques descriptives simples
Dans un design statistique, ce type danalyse nest rarement trs intressant Ok pour des analyses dans le cadre dun design comparatif (peu de donnes) En aucun cas remplir des pages avec des tonnes de diagrammes Excel !!
la limite les mettre dans une annexe, pareil pour des listings de donnes.

Quelques statistiques (coefficients) pour les donnes de type intervalle Moyenne, (une valeur typique) Mdian: la donne qui se trouve au milieu entre les valeurs hautes et basses (donc une autre dfinition de la valeur la plus typique) Ecart type: lcart moyen par rapport la moyenne, c.a.d distance dune donne typique par rapport la moyenne. Haut et bas: les extrmes Quartiles: comme le mdian, mais pour les intervalles 1/4 Uniquement pour vos variables clefs: histogrammes ou gateaux pour montrer la distribution.

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 5. Survol des mthodes et coefficients statistiques

L-13

5.2 Quel type danalyse pour quel type de donnes ?


Analyses bi-varies (x,y) populaires
variable dpendante ( expliquer) Y Quantitative (intervalle ou ordinale-intervalle) variable indpendante (explicative) X Quantitative Qualitative Corrlation et Rgression Analyse de variance Qualitative (nominale or ordinale) Transformer X en variable qualitative et c.f. ci-dessous Tris croiss (crosstabulations)

Analyses multi-varies (x1,x2,x3,y - x1,x2,..y1,y2, etc.) populaires


variable dpendante ( expliquer) Y Quantitative (intervalle) variable indpendante (explicative) X Quantitative Qualitative Qualitative (nominale or ordinale)

Analyse factorielle, Transformer X en variable qualitatirgression multiple, SEM, ve et c.f. ci-dessous Analyse typologique, Anova Multidimensional scaling etc.

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 5. Survol des mthodes et coefficients statistiques

L-14

5.3 Types de coefficients statistiques:


Pour pratiquement chaque modle statistique on peut calculer les big four: 1. Force dune relation
Coefficients vont en rgle gnrale de -1 (relation totalement negative) +1 (relation totalement positive). 0 veut dire pas de relation.

2. Structure (tendence) dune relation 3. Pourcentage de la variance explique (le modle explique combien ?) 4. Signification (validit statistique) du modle
Indique la probabilit que le rsultat est du au hasard En science sociales on travaille en rgle gnral avec un seul de 5% (0.05) Donc, en statistique infrentielle: si sig. > 0.5 il ne faut pas interprter une relation!

Ces 4 types de coefficients sont relis sur le plan mathmatique: par ex. la signification dpend la fois de la taille de lchantillon et de la la force de la relation la variance explique dpend directement de la force dune relation.

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 6. Crosstabulation (tris croiss)

L-15

6. Crosstabulation (tris croiss)


Une technique populaire pour tudier la relation entre 2-4 variables qualitatives (nominales ou ordinales) Calcul des pourcentages (probabilits) Objectif: quelle est la probabilit quune valeur de X explique/prdit une valeur de Y ? Voir lexemple de la page suivante 1. Pour chaque valeur de la variable X explicative (indpendante) il faut calculer les pourcentages (probabilit que X donne Y)
Souvent, on met la variable X en haut (chaque valeur est distribu dans une colonne) et la valeur Y gauche.

2. Comparer (interprtez) ces pourcentages pour chaque valeur de la variable expliquer (donc ici, vous discutez ligne par ligne) Coefficients dassociation / force (il en existe pleins !) Phi est bas sur chi2 et utilis pour des tableaux 2x2 nominales Contingency Coefficient (Pearson's C). Un ajustement de Phi pour des tables plus larges. Somers' d, pour des variables ordinales. Deux variantes: symtrique (X explique Y et dans lautre sens), et asymtrique (Y qui dpend de X). Tests de signification statistique Pearson's chi2 est le plus connu. On teste la probabilit quil y a non-association entre colonnes et lignes dun tableau.
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 6. Crosstabulation (tris croiss)

L-16

Exemple 6-1: Crosstabulation Avez-vous reu une formation l'informatique ? * Crer des documents pour afficher en classe
X= Avez-vous reu une formaTotal tion l'informatique ? Non Rgulirement Y= Utilisez-vous lordinateur pour Occasionnellement crer des documents pour afficher en classe ? 2 Jamais Total Effectif % dans X Effectif % dans X Effectif % dans X Effectif % dans X 4 44.4% 4 44.4% 1 11.1% 9 100.0% Oui 45 58.4% 21 27.3% 11 14.3% 77 100.0% 49 57.0% 25 29.1% 12 14.0% 86 100.0%

La probabilit quune formation linformatique ("oui") amenne les gens crer des documents utiliser en classe est trs faible (comparez les % ligne par ligne. Statistics: Pearson Chi-Square = 0.115 avec une signification= .562
La probabilit que la distribution soit due hasard est > 50% et il faut donc rejeter cette relation

Contingency coefficient = 0.115, significance = .562


Pareil

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 6. Crosstabulation (tris croiss)

L-17

Exemple 6-2: Crosstabulation: Pour l'lve, le recours aux ressources de rseau favorise l'autonomie dans l'apprentissage * Rechercher des informations sur Internet
X= Pour l'lve, le recours aux ressources de rseau favorise l'autonomie dans l'apprentissage 0 Tout fait 1 Plutt en 2 Plutt en 3 Tout fait Total en dsaccord dsaccord accord en accord Y= Rechercher des 1 Occasionnellement informations sur Internet 2 Jamais Total 0 Rgulirement Count Count Count Count 0 1 2 3 2 18.2% 7 63.6% 2 18.2% 11 100.0% 9 19.6% 23 50.0% 14 30.4% 46 100.0% 11 42.3% 11 42.3% 4 15.4% 26 100.0% 22 25.6% 42 48.8% 22 25.6% 86 100.0% % within X .0% % within X 33.3% % within X 66.7% % within X 100.0%

On a une relation faible: les enseignants qui pensent que les tudiants gagent en autonomie en utilisant Internet ont plus tendance les laisser chercher des informations. Statistiques: Somers D
Values Symmetric Y = Rechercher des informations sur Internet Dependent
Research Design - MPA

Somers D Significance -.210 -.215 .025 .025


DKS 6/7/06

Introduction lanalyse quantitative - 7. Simple analyse de variance

L-18

7. Simple analyse de variance


Lanalyse de variance (Anova en multi-varie) est loutil prfr des designs exprimentaux et quasi-exprimentaux. X est une condition exprimentale (donc une variable nominale) et Y est (dans ce cas) une variable intervalle
Autrement dit, X reprsente les groupes exprimentaux et sur le plan conceptuel les traitement(s) / non-traitement quils ont reus. Ex:. Est-ce que prsence ou absence de TICE dans un enseignement a une influence sur les notes ?

On peut montrer que X a une influence sur Y si les moyennes obtenues par les diffrentes groupes de X (par ex TICE vs. non-TICE) sont suffisamment diffrentes. La signification et la force de cette relation augmente, lorsque:
les moyennes des groupes X sont diffrents (plus elles sont loignes, mieux cest) la variance (cart-type) lintrieur de chaque groupe de X et basse et nettement plus basse que la variance globale ... autrement dit, si les diffrents groupes exprimentaux montre un comportement moyen assez diffrent et si lintrieur de chaque groupe les diffrences sont faibles

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 7. Simple analyse de variance

L-19

Exemple 7-1: Diffrences entre enseignants et enseignants en formation initiale


Y1= COP1 Frquence de diffrentes manires de travailler des lves Mean 1 Etudiant(e) LME N Mean 1.528 48 1.816 Y2= COP2 Frquence Y3=COP3 Frquence des activits des travaux individuels d'exploration des lves l'extrieur de la classe 1.042 48 .6260 1.224 38 .4302 1.122 86 .5527 .885 48 .5765 1.224 38 .5893 1.035 86 .6029

Population (2 groupes pour X)

Std. Deviation .6258 2 Enseignant(e) du N 38 primaire Std. Deviation .3440 Mean Total N 86

1.655

Std. Deviation .5374

COP1, COP2, COP3 sont 3 variables quon aimerait expliquer.


Il sagit dindicateurs composs allant de 0 (peu) 2 (beaucoup)

La diffrence des moyennes pour COP2 est faible, les cart-types (std. dev.) levs
Pas significatif (voir slide suivant), cette variable ne sera donc pas explique par ce modle.

Pour COP1 et COP3: une lgre diffrence entre tudiants et enseignants Les cart-types dans les groupes sont plutt levs (surtout pour les tudiants). Cest mauvais et veut dire quils sont trs diffrents (aussi diffrents que la population gnrale)
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 7. Simple analyse de variance

L-20

Table Anova et coefficients


Liste des variables Var_COP1 Frquence de diffrentes Between Groups manires de travailler des lves * Within Groups Population_bis Population Total Var_COP2 Frquence des activits Between Groups d'exploration l'extrieur de la classe Within Groups * Population_bis Population Total Var_COP3 Frquence des travaux Between Groups Within Groups individuels des lves * Population_bis Population Total Sum of df Squares 1.759 1 22.785 84 24.544 85 .703 1 .703 .301 2.427 339 7.161 .009 2.336 .130 25.265 84 25.968 85 2.427 1 28.468 84 30.895 85 Mean F Square 1.759 .271 6.486 Sig. .013

Dans ce type de tableau, il suffit de regarder la colonne Sig. (signification statistique) Mesures dassociation
Liste des variables Var_COP2 Frquence des activits d'exploration l'extrieur de la classe * Population Var_COP3 Frquence des travaux individuels des lves * Population Eta Eta Squared .072 .027 .079 Var_COP1 Frquence de diffrentes manires de travailler des lves * Population .268 .164 .280

les associations sont faibles (eta) et la variance explique (eta2) encore plus
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 8. Analyse de rgression et de la corrlations de Pearson

L-21

8. Analyse de rgression et de la corrlations de Pearson


Exemple 8-1: Age de lenseignant et activits en dehors de la salle de classe ? Variable indpendante : AGE Variable dpendante: Frquence des activits d'exploration l'extrieur de la classe
Model Summary R .316 R Square .100 Adjusted R Square .075 Std. Error of the Pearson Sig. (1-tailed) Estimate Correlation .4138 .316 .027 N 38

Model Coefficients Coefficients B (Constant) AGE Age .706 .013 Std. Error .268 .006 .316 Stand. coeff. t Beta 2.639 1.999 .012 .053 .316 Sig. Correlations Zero-order

Dependent Variable: Var_COP2 Frquence des activits d'exploration l'extrieur de la classe

Interprtation: On a une relation faible (.316) entre age et ces activits. Elle est significative (.027) La structure de la relation (rgression linaire) est: y = constante A * coeff. pente B * X
Var_COP2 (exploration scale) = .705 + 0.013 * AGE (veut dire: il faut avoir plus que 99 ans pour obtenir le score maximal de 2, lexprience compte ....)
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 8. Analyse de rgression et de la corrlations de Pearson

L-22

Voici un nuage de points pour cette relation Ce graphisme montre que la relation est trs faible et la pente aussi
Frquence des activits d'exploration l'extrieur de la classe

Frquence des activits d'exploration l'extrieur de la classe = 0.71 + 0.01 * AGE R-Square = 0.10

2.0

Linear Regression with 95.00% Mean Prediction Interval

1.5

1.0

0.5

0.0 20.0 30.0 40.0 50.0

Age

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 9. Causalits et variables de contrle

L-23

9. Causalits et variables de contrle


9.1 Typologie derreurs pour la validit interne
Erreur de type 1: croire quune relation (statistique) est bonne ... alors quelle nexiste pas
En dautres termes: On rejette tort lhypothse zro (pas de liens entre variables)

Erreur de type 2: croire quune relation nexiste pas ... alors quelle existe
En dautres termes: on supporte tort lhypothse zro

Il existe des mthodes pour viter ces erreurs

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 9. Causalits et variables de contrle

L-24

9.2 Le contrle des causalits par les variables de contrle


La variable de contrle sert contrler la nature dune relation apparente. Hypothse: Il existe une relation forte entre la participation politique et les dpenses publiques. Cette hypothse peut tre conteste au niveau thorique, cest dire quon peut se demander sil nexiste pas une variable modernit qui cause la fois une participation politique leve et les dpenses publiques leves. Lexemple est tir de Alker (73:89-92) et lanalyse porte sur 26 pays (seulement).
Y.. expliquer (variable dpendante) Dpenses leves X...explicatif Participation leve (variable indpendante) Participation faible 10 (p=83%) 6 (p=43%) Dpenses faibles 2 (p=17%) 8 (p=57%) 12 (100%) 14 (100%) 26

Le rapport postul existe effectivement, bien que la corrlation soit mdiocre (0.41).
Participation leve ==> 83% de chance pour dpenses gouvernementales leves. Participation faible ==> 43% de chance que les dpenses soient leves.

Au lieu de se satisfaire de ce rsultat, on peut maintenant tester sil nexiste pas une variable de contrle qui modifie cette relation. En terme technique on fait un tri crois avec 3 variables: Z * ( X * Y )
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 9. Causalits et variables de contrle

L-25

Linfluence de la variable Z modernit:


La relation X * Y reste vraie pour les pays faible dveloppement La modernit influence participation ET dpenses: 57% +/+ contre 58%-/- (effet modernit) Z(1) = Pays dvelopps
Dpenses leves Participation leve 8 (p=80%) (57%/tot) faible 3 (p=75%) 11 Dpenses faibles 2 (p=20%) 1 (p=25%) 3 10 4 14

Z (2) Pays en voie de dveloppement


Dpenses leves Participation leve 2 (p=100%) faible 3 (p=30%) 5 0 7 (p=70%) (58%/tot) 7 Dpenses faibles 2 10 12

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 9. Causalits et variables de contrle

L-26

9.3 Les effets dinteraction


Exemple dun effet dinteraction plus complexe Situation 4: Effet dinteraction C Exemple: (dun manuel de sociologie) Ltat civil (B) pour les 2 sexes (A) est influence par C (ducation) B femmes hommes +ducation: maries < maris. - ducation: maries > maris ... et bien sr: il faut encore aller creuser plus loin !

Quest-ce qui va vous sauver: une bonne rflexion sure les variables qui peuvent intervenir !! une dmarche qui consiste tester des hypothses rivales !! des bonnes observations une bonne connaissance des techniques danalyse
Research Design - MPA DKS 6/7/06

Introduction lanalyse quantitative - 10. Analyses exploratoires multi-varies

L-27

10.Analyses exploratoires multi-varies


Il existe dautre techniques multi-varies exploratoires, par ex. factor analysis (principal components ou autre) ou discriminant analysis

10.1Analyse typologique
Lanalyse typologique (cluster analysis / classification) se refre quelques mthodes qui permettent de regrouper des lments (cas ou variables) dans des types. Deux types : hierarchical cluster analysis et K-means cluster. Exemple typique: Classer les cantons suisses selon leurs caractristiques conomiques et dmographiques Exemple 10-1: classification denseignants (Gonzalez) Une analyse hiarchique a identifi 6 major types denseignants: Type 1 : lenseignant convaincu Type 2 : les enseignants actifs Type 3 : les enseignants motivs ne disposant pas dun environnement favorable Type 4 : les enseignants volontaires, mais faibles dans le domaine des technologies Type 5 : lenseignant techniquement fort mais peu actif en TIC Type 6 : lenseignant laise malgr un niveau moyen de matrise

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 10. Analyses exploratoires multi-varies

L-28

Dendogram (diagram arborescant de la population des enseignants / cas)

lordre vertical na pas dimportance cas 9 et cas 11 sont proches cas 18 and cas 12 sont assez proches no. du type (cluster) cas 1 et cas 6 sont trs differents

distance des cas (horizonale)

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 10. Analyses exploratoires multi-varies

L-29

Statistique dune sous-ensemble des 36 variables utilises pour lanalyse:

Research Design - MPA

DKS 6/7/06

Introduction lanalyse quantitative - 10. Analyses exploratoires multi-varies

L-30

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - .

M-1

M - Analyse de donnes qualitatives


Objectifs
Familiarisation avec lanalyse structure de donnes qualitatives

Menu
1. 2. 3. 4. 5. 6. 7. 8. Introduction: classer, coder et retrouver linformation Codage/catgorisation Cration et gestion de code-books Pattern codes (structure) Les deux techniques de base: matrices et graphiques Matrices et graphiques descriptifs Techniques pour chercher des corrlations Quelques conseils pour la fin 2 3 6 10 11 12 23 29

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 1. Introduction: classer, coder et retrouver linformation

M-2

1. Introduction: classer, coder et retrouver linformation


Lindexage et le codage de linformation est utile pour faire des analyses systmatiques Le codage vous permet didentifer des variables et des relations Typologie des oprations de base:

Avant de commencer: classez votre matriel


Faites des mmos (conservation de vos penses) il est utile dcrire des petits mmos tout moment (par exemple dans wiki) Rsums et feuilles de contact Aprs chaque contact (tlphones, entretiens, observations, lecture de textes, etc.):
type de contact, dates, lieu, et un pointeur sur les notes dentretien thmes principaux abords lors de lentretien questions et variables de recherche adresses (avec un rsum des rponses) mmos sur hypothses, spculations nouvelles, choses lucider pour le prochain contact Chaque feuille remplie doit tre indexe quelque part (choisissez au moins des bon noms de fichiers sur ordinateur, par ex. contact_2004-12-2_muller.doc)

Entretiens
Les notes dentretien doivent tre classs un endroit sr Assignez un code unique chaque entretien, par ex. Ent-1 Je suggre dagrafer la feuille de contact avec les notes Numrotez les pages de vos notes
DKS 6/7/06

Research Design - MPA

Analyse de donnes qualitatives - 2. Codage / catgorisation / classification

M-3

2. Codage / catgorisation / classification


Rappel: Analyse qualitative = description - classification - connexion Une fois que vous avez vos descriptions (documents,entretiens,etc.) il faut commencer classifier linformation qui sy trouve, c.a.d. identifer concepts, relations, etc. Voir: 2. La notion de mthode qualitative [H-3] Un code est un label (balise) pour marquer une variable (concept) et/ou une valeur ou encore une relation dans un texte analyser Ce codage se fait selon plusieurs catgories tablies en fonction de vos besoins danalyse Principe de base: 1. On donne un code chaque catgorie (variable, concept, ....) qui vous intresse 2. On cre pour chaque catgorie une liste de valeurs mutuellement exclusives et exhaustives (par exemple: positif/neutre/ngatif) 3. On va systmatiquement coder tous les textes laide dun code-book. Il existe plusieurs approches, par exemple:
3.1 Cration de code-book selon considrations thoriques [M-6] 3.2 Codage par induction (selon la grounded theory) [M-7] 3.3 Codage par catgories ontologiques [M-8]

Ces oprations vont vous permettre de retrouver les informations concernant les variables qui vous intressent et de faire des analyses systmatiques (voir page suivante)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 2. Codage / catgorisation / classification

M-4

2.1 A quoi a sert ?


Code 2.1

1. Codage
Code 1.1

Code 1

Code 1.2

2. Visualisations, matrices et grammaires les codes reprsentent des variables (en gn

Code 3

Code 1.1 Code 4 Val 2x ........ Val 3y

3. Analyses

Val 1

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 2. Codage / catgorisation / classification

M-5

2.2 Aspects techniques


La meilleure faon de coder consiste utiliser un outil informatique spcialis
par ex. Atlas ou Nudist, enfin rentrer le texte peut tre coteux aussi !

Pour un petit travail (de type master), inscrivez les codes en marge du texte
faites une photocopie rduite des textes si ncessaire soulignez/entourez les lments du texte qui dfinissent une catgorie si diffrentes catgories se trouvent au mme endroit, changez de style de soulignement mettez des commentaires et codes dans les marges opposes

Evitez des longues listes de codes plat: hirarchisez et regroupez Chaque code doit tre court et mnmonique
par exemple pour coder catgorie principale - sous-catgorie (valeur): utiliser plutt: CE-CLIM(+) que: contexte externe - climat (positif)

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 [M-9]

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 3. Cration et gestion de code-books

M-6

3. Cration et gestion de code-books


3.1 Cration de code-book selon considrations thoriques
La liste de dpart est constitu a partir de rflexions thoriques, par ex. le cadre danalyse , la liste des questions de recherche et des hypothsess et notamment ses variables cls, domaines/dimensions de problmes tudier, etc. Mthode conseille pour les dbutants !! Exemple dune tude dinnovation (environ 100 codes):
catgories proprits de linnovation contexte externe dmographie support pour la rforme contexte interne processus dadoption chronologie officielle dynamique du site assistance externe et interne liens causaux PI CE CE-D CE-S CI PA PA-CO DS AEI LC codes rfrences thoriques .......

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 3. Cration et gestion de code-books

M-7

3.2 Codage par induction (selon la grounded theory)


Mthode lie lanalyse inductive de la grounded theory
Le chercheur commence par lanalyse dun petit jeu de donnes, ensuite il largit lchantillon en fonction de la thorie qui merge Les catgories sont rvises en fonction de rflexions continuelles

Points de dpart = 4 grandes catgories dobservation:


conditions (causes dun phnomne peru par les acteurs) interactions entre acteurs stratgies et tactiques utilises par les acteurs consquences des actions (des acteurs)

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 organisation dune catgorie et de sous-catgories, notamment en ce qui concerne les relations. Exemple: le stress: cat. 1 = condition de stress, cat. 2 = gestion du stress, relation: type de gestion utilise pour type de stress. Identification dune catgorie centrale pour les besoins de lanalyse: Exemple: dans une organisation, la gestion de la pression externe pour un changement.

Dbutants: A viter, car difficile !

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 3. Cration et gestion de code-books

M-8

3.3 Codage par catgories ontologiques


Exemple:
Types Contexte/Situation Dfinition de la situation Perspectives information sur le contexte interprtation des gens de la situation analyse faons globales de voir la situation squences dvnements, flux, transitions, points changements, etc. structures de comportements rgulires activits spcifiques (pas rgulires) faons dattaquer un problme (stratgies, mthodes, techniques) commentaires du chercheur sur le travail (annotations) Dtails

Faons de voir gens et objets perception dtaille de certains lments Processus Activits Evnements Stratgies

Relations et structure sociale liens informels Mthodes

on retrouve divers tableaux de ce type dans la littrature en rgle gnrale ils sont surtout utiles comme cadre de rflexion pour tablir sa propre typologie de catgories principales il sagit dun compromis entre grounded theory et theory driven

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 3. Cration et gestion de code-books

M-9

3.4 Nombre, organisation, rvision et extension des codes


Un systme de codes doit tre hirarchique (selon diffrents critres) code-book selon considrations thoriques:
commencez la recherche avec les catgories de base bien dfinies Ensuite ajoutez des codes au fur mesure o vous dcouvrez des choses

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 rajouter des codes en restant cohrent rvision de lancien matriel en fonction dune nouvelle vue dtection de relations qui ncessitent un nouveau type/axe de codage identification de nouvelles catgories

Nombre de codes: vitez le danger de lexplosion des codes: ils doivent servir lanalyse (regardez vos variables !) ils doivent tre grables dun point de vue nombre et structure. Nombre magique de codes: entre 10 et 50.

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 4. Pattern codes (structure)

M-10

4. Pattern codes (structure)


Lencodage simple vise dissquer les donnes (atomes, catgories) Lencodage de patterns (chablons, structures) vise dtecter des relations de base entre catgories (atomes relationnels) et que lon retrouve dans le texte.
Par exemple dans un entretien ou dans un discours, une personne attribue explicitement la cause de y x.

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.

3. Introduction dune nouvelle variable pour expliquer les exceptions


par exemple: tenir compte de lattitude du suprieur hirarchique, dun conflit de buts (la culture du groupe sy oppose), etc. Souvent on change de niveau danalyse (individu -> organisation)

Attention: une co-prsence ne prouve pas de causalit

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 5. Les deux techniques de base: matrices et graphiques

M-11

5. Les deux techniques de base: matrices et graphiques


Faire une analyse qualitative est comme (re)construire une montagne pour avoir une meilleure vision En bref: Analyser = visualiser 2 types danalyses: 1. 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

2. Un graphique (rseau) permet de visualiser des liens:


entre vnements entre plusieurs variables etc.

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.

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-12

6. Matrices et graphiques descriptifs


Servent avant tout donner une vue densemble sur plusieurs aspects combins Chaque matrice ou graphique doit tenir sur une feuille (mme si elle est trs large) 2 sortes: 1. Matrices et graphiques qui dgagent quelques variables
contiennent des pointeurs sur linformation brute

2. Matrices et graphiques synthtiques


rsument plusieurs cas ou montrent des relations gnrales

Chaque chercheur doit lui-mme dcider ce quil faut reprsenter et comment !

3 sources pour puiser des ides (comment faire): autres cherches qualitatives cadres thoriques manuels, par exemple Miles & Huberman, 1994. Ici on ne montre que quelques exemples !!

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-13

6.1 Le context chart,Miles & Huberman (1994:102)


sert visualiser les relations entre rles et groupes Exemple 6-1: Exemple: mise en place dun politique TICE dans une universit:
demands for support

Applicants

Deans
support

demands

grants

Innovation funding agency for new pedagogies


reviews funds

demands for review

informations

informations

Teacher support unit

University government

External experts

rles

flux

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-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

(+) demands (-)

Deans
support

grants

Innovation funding agency for new pedagogies


reviews funds (-)

demands for review

informations

informations

Teacher support unit

(-)

(+) University government

External experts

(+) (-) () attitudes positives or ngatives par rapport ce programme +bonnes ou mauvaises relations entre instances (ou personnes)
Research Design - MPA DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-15

Exemple: visualisation de procdures formelles dans une loi


support groups

request demander decision legal decision legal decision request first instance authority information recourse competent authority legal decision cadaster

request

legal decision request appeal authority request legal decision

legal decision information

information

federal office of justice

information

request

Federal tribunal

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 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-16

Exemple: visualisation de relations informelles


request demander decision legal decision request legal decision cadaster

ETC .....
information recourse competent authority (-)

first instance authority (+)

request

legal decision request

appeal authority(-)

legal decision information

information

request

federal office of justice (+)

(+) (-) () attitudes positives, ngatives, neutres par rapport la lgislation +bons, mauvais rapports entre instances
etc.....

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-17

La mthode OSSAD (dveloppe en parti lIDHEAP)

Requrants

demandes

autorisations

Surveillance police des constructions dossiers

informations

informations Equipements communaux

Voirie communale

Voir le travail de diplme MPA de J-L Barraud: La capacit administrative des communes

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-18

6.2 Check-listes, Miles & Huberman (1994:105)


Usage: analyse/rsum dtaill dune variable importante Exemple: le soutien extrieur est important pour russir une rforme dans une organisation
Type de soutien (exemples!) Analyse des dficiences Formation des collaborateurs Monitoring des changements Motivation adquat: on a vu un Sances de dynamique de groupe animateur 3 fois et cela nous a aid (ENT-12:10) etc .. pas adquat: on nous a juste inform (ENT-13:20) Niveau direction Niveau service Dans les cellules on insre des statements avec un label valeur ou autres informations (tape, acteur, source, problmatique, etc): Exemple ci-dessous:

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

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-19

6.3 Tables chronologiques, Miles & Huberman (1994:110)


Servent rsumer lvolution dun phnomne selon quelques catgories

Exemple: Esquisse pour la mise en oeuvre dune lgislation


Niveau Fdral Lgislation nationale Ord. fdrale 1.1.1985 1.1.1986 1.1.1987 etc.... 11.1.1989 .... 1.1.1990 Dbats dans le parlement de GE Consultation Petite question au CN Commission X Message du CF Ord. dapplication
........ .....

on peut rajouter dautres colonnes reprsentant dautres variables (par exemple vnements importants relevs dans la presse il faut utiliser des dates prcises au lieu de structurer les colonnes selon le type de texte juridique, on aurait pu prendre des niveaux dorganisation ou autre chose...

Il est important quune telle matrice soit complte

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-20

6.4 Graphiques chronologiques


Rseau dvnements Utile pour tudier tablir le droulement potentiel dun processus ou pour montrer lagencement des vnements principaux Rseaux tats-vnements Miles & Huberman (1994:115) Comme les vnements rsultent souvent dans des tats stables, on peut montrer ces tats en mme temps que les transitions.

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-21

6.5 Matrices ordonnes selon les rles (fonction dans lorganisation)


Miles & Huberman (1994:124)

A. Croisement de rles et une ou plusieurs variables


Exemple abstrait (voir aussi page suivante):
rles personnes variable 1 variable 2 variable 3

rle 1

personne 1 personne 2 .....

rle 2 ..... rle n

personne 9 personne 10 ..... personne n .....

les cellules sont remplies par des valeurs riches avec pointeurs sur la source

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

M-22

Exemple: Evaluation de la mise en oeuvre dun service dassistance informatique


Acteur Chef Evaluation Type dassistance Effets immdiats rien dmotivant Effets long terme Explication du chercheur

a mis le Il se sentait programme en menac danger .... il est trop surcharg avec dautres tches

consulant +

a donn des ides au a permi aux autres help-desk, tait de se lancer impliqu dpanne les utilisateurs, peu daide avec les logiciels utilisation plus frquente des programmes amlioration lgre de lefficacit

helpdesk

B. Croisement entre rles pour visualiser les relations:


rle 1 rle 1 formateurs rle 3 se coordonnent mal entre eux (1) ne reoit pas toutes les informations (2) responsables help desk rle 3

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-23

7. Techniques pour chercher des corrlations


7.1 Matrices ordonnes selon concepts (variables) A. Clusters (co-variances de variables, typologies de cas)
on a une ide que certaines valeurs vont ensemble, On chasse les co-occurrences dans les cellules par exemple: Y-a-t-il corrlation entre besoin dencadrement et formation ou ressemblance entre certains cas ?
cas cas 1 cas 2 cas 3 cas 4 cas 5 cas 6.... yyy ..... var 1 encadrement important pas important important pas important important important formation important pas important important pas important important pas important directives important pas important important pas important important pas important

(voir page suivante pour un exemple danalyse base sur cet table)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-24

Exemple dune co-variance dans un tableau crois:


encadrement / formation importance formation non importance formation importance non importance encadrement encadrement 3 1 1 2

.... on constate une corrlation entre variables exemple dune typologie:


Type 1: Type 2: Type 3: les anxieux les dpendants les bureaucrates cas 1 cas 2 cas 3 cas 4 cas 5 cas 6 Total 3 X X 1 0 2 X X X X Type 4: les autonomes

... on constate lmergence de 3 types (Note: Avec plus de variables il faut quantifier et utiliser un programme de cluster analysis)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-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 type 1 type 2 ..... plaintes systmatiques des clients pleintes de notables on ne fait rien on cre une (4) commission (1) on cre une commisson (2) on acclre son cas (3) Dans les cellules on spcifie, exemplifie les occurrences strat 1 strat 2 strat 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)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-26

C. Note (importante!) sur linterprtation des tableaux croiss:


Rgle de base: on calcule des pourcentages pour chaque valeur de la variable indpendante (ligne ou colonne selon lorientation du table) on compare les pourcentages dans lautre sens autrement dit: on veut savoir la probabilit quune valeur de la variable indpendante engendre une valeur de la variable dpendante !
Variable y expliquer = Stratgies daction Variable x explicative Source de la plainte rien faire cration dune acclration commission du cas 1 (20%) 2 (40%) 3 (60%) Total 5 (100 %) 5 (100%)

plaintes systmatiques 4 (80%) des clients pleintes de notables

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.

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-27

7.2 Graphes typologiques


Mettent en valeur des types dacteurs (ou autre chose) en fonction de quelques variables
Exemple: Perception dun nouveau programme par les acteurs (coles, enseignants)

perception-par-cole (positive) perception-par-cole (ngative) (type: IMPLEMENTEUR)

respet de consignes (oui) perception-enseignants (positive) (type: BON IMPLEMENTEUR) perception-ens. (pos.) (type IMPLEMENTEUR) percpetion-enseignants (ngative) (type: Mauvais Implmenteur)

respet de consignes (non) (type: REFUS)

perception-ens. (ng) (type: Mauvais Implmentateur)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

M-28

7.3 Graphes de causalit


C A B D Exemples cartes cognitives selon oprational coding, AXELROD, 1976 Permettent de visualiser des structures causales dans un discours
About active pedagogies: + high load of exercises student productions + labour intensity quality of grading <cause> <effet>

About slow ICT connections: user increase clicks + + web page is slow + high delays

About forum management: users ask + same questions + no regulation noise +

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-29

8. Quelques conseils pour la fin


(chapitre refaire/taler un jour ....)

8.1 Note sur les causes


Une explication fait rfrence des causes Ces causes doivent tre dgages par le chercheur dans des associations entre faits Voici une liste dassociations typiques que lon peut dgager/postuler avec une analyse qualitative force de lassociation (plus B avec A quavec dautres causes) consistance (A est trouv avec B dans plusieurs tudes/observations) spcificit (Le lien entre A et B est trs particulier) temporalit (A avant B, jamais le contraire) quantit (Si plus de A, plus de B) plausibilit (un mcanisme existe pour lier A et B) cohrence (la relation A-B est plausible par rapport au reste quon sait sur A et B) exprience (si on change A, B change aussi) analogie (A et B ressemble la structure de C et D)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-30

8.2 Interprtation des donnes, oprations faire


Qui va avec quoi ?
reconnaissance de structures (patterns) et thmes plausibilits agrgations, typologies (clustering)

Rsums simples
mtaphores compter

Comparaison et diffrentiation
contrastes et comparaisons partition de variables (diffrentiation)

Abstractions
intgration du particulier dans le gnral factorisation relations entre variables recherche de variables intervenantes

Assemblage thorique
chanes dvidence abstractions thoriques (nommer et rsumer une construction)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-31

8.3 Notes sur les dmarches inductives


Chaque induction (hypothse dduite des donnes) doit tre teste en cherchant activement des cas dviants et en comparant les cas.
Les mthodes quantitatives peuvent aider trouver des cas dviants (par exemple par une analyse typologique)

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.

Avantage: linduction permet de construire un systme, une grammaire du possible Dsavantage: danger accru du confirmation bias

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-32

8.4 La fiabilit (reliability) dans une analyse qualitative


Les rgles dor:
mthode observation textes (analyse de) entretiens utilisation de questions standardises rponses fixes (...) tester lentretien Utilisez une convention pour noter des observations tous utilisation dun codebook codage deux et comparaison (voir dessus) collection de suffisamment de donnes (temps, rpondants, situations) triangulation des mthodes dobservation

transcription

Formule pour calculer la fiabilit du codage: fiabilit de codage= nombre daccords total daccords et dsaccords

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-33

8.5 La validit dans une analyse qualitative


validit = vrit
une recherche reprsente, explique, etc. bien le phnomne tudi: on a confiance (la certitude nexiste pas) en mthode quantitative une grande partie de la validit rsulte de la qualit des tests dhypothses alternatives.

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

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-34

A. Mthodes de test ( tudier selon vos besoins)


Il faut sassurer de la validit de votre recherche Une liste de points examiner / choses faire: sinterroger sur la reprsentativit examen deffets du chercheur triangulation (utiliser plusieurs mthodes, mesures) qualifier les vidences (est-ce sr et pourquoi ?) analyse de la signification de cas dviants (ne rien mettre sous la table !) utilisation de cas extrmes suivre les surprises chasser lvidence ngative corroborer des si-alors par des si-puis limination de relations fausses rplication tester des explications rivales chercher un feed-back des informants

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-35

B. Une analyse qualitative gagne en validit interne:


si elle est plausible par rapport dautre connaissances (thories) si elle est crdible en fonction des mthodes utilises si le lien avec les donnes est bien dmontr si les donnes sont fiables (par exemple les informateurs) si le chercheur peut montrer quil na pas transform lobjet tudi si une triangulation de donnes et de mthodes a t utilise
prudence: parfois on obtient diffrent rsultat parce que les gens pensent et agissent autrement dans diffrents contextes

si les rpondants sont daccord avec les rsultats


a ne marche pas si lanalyse rentre en conflit avec le self-image du rpondant

si lanalyse a t guide par une approche thorique si elle donne un overview des donnes en utilisant des mthodes quantitatives danalyse de donnes.
analyse descriptive analyse typologiques ou de correspondances analyse factorielle (ou quivalent)

Research Design - MPA

DKS 6/7/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

M-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).

il faut tenter de gnraliser au niveau thorique


(mme si ltude ne concerne quune petite population mre)

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - .

N-1

N - La rdaction du mmoire
Objectifs
Conseils pour la rdaction du mmoire

Menu
1. 2. 3. 4. Introduction: le mmoire est un argument La prsentation et la structuration Lorganisation dun mmoire La prsentation en un seul transparent 2 3 6 16

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 1. Introduction: le mmoire est un argument

N-2

1. Introduction: le mmoire est un argument


A. Rapport entre rdaction et processus de recherche
Les tapes de la recherche (mme du plan de recherche) ne sont pas identiques aux chapitres de la prsentation des rsultats.
Un plan de recherche organise un travail une recherche se fait, et un mmoire prsente le rsultat pour une audience dtermine.

Structuration d un travail: 1. selon des critres mthodologiques, 2. selon des critres didactiques et rhtoriques le lecteur doit comprendre avant tout les objectifs, les rsultats et votre dmarche (y compris les analyses)

B. Prvoyez la critique
Il est impossible de prtendre la vrit absolue, anticipez donc !

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 2. La prsentation et la structuration

N-3

2. La prsentation et la structuration
2.1 Matrise du traitement de texte
Vous ne le matrisez pas si vous ne savez pas:
gnrer tables et indexes automatiquement, numroter automatiquement titres et listes, mettre en page diffrents lments du texte automatiquement, etc.

Ne perdez pas du temps avec des ternels formatages.


soit vous crez une feuille de style avant de commencer crire, soit vous formattez un texte crit la ligne la fin

Faites comme les pros


Les gens productifs travaillent avec des feuilles de style trs dtaills qui font la mise en page de chaque type de paragraphe. Evitez donc de jouer avec des tabs, des lignes vides etc. !

Il vous faut (au moins) les dfinitions pour les lments suivants:
chapitre, section, sous-section numrots et titres sans numros lments de liste (bullets et items numrots sur 2 niveaux) paragraphes ordinaires, citations longues (paragraphes indents) un style pour afficher des donnes en format fixe

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 2. La prsentation et la structuration

N-4

2.2 Titres et sections


Quelques conseils: La table des matires indique le flux de votre argumentation Evitez trop de niveaux de sections (genre 12.3.4.1.a).
Cela rend difficile lorientation par rapport lensemble. Si le texte dans une section devient trop long, on peut y introduire des titres sans numros, ou quelque chose comme (a) .... (1) ....

Une sous-section numrote pour chaque sujet important


mais trop de sous-sections coupent le texte !

Les titres indiquent ce que lon trouve dans une section.


Evidemment ils ne peuvent pas tre trop longs

Compromis entre: (a) flux de largumentation (b) structuration (c) lisibilit

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 2. La prsentation et la structuration

N-5

2.3 La mise en page


il existe plusieurs coles, voil quelques rgles utiles:

Numrotez les pages:


lintroduction: chiffres romains, partie principale: chiffres arabes annexes: de faon spciale (par exemple A-1, etc.)

Headers
titre du chapitre (pages gauches) titre de la section principale (pages droites)

Pas de lignes longues:


Si vous utilisez un petit font, vitez dcrire des lignes trop longues. Ce nest pas par hasard que lon retrouve 2 colonnes dans les revues et plusieurs dans les journaux. Il est trs difficile de se retrouver dans une longue ligne (pensez au lecteur qui saute parfois en avant et en arrire). Il existe videmment des questions de cot. Faites un compromis

La structuration moderne ...


Mise en vidence des titres par un dcalage Mise en vidence de certains lments (boites, icnes dans les marges,..)

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-6

3. Lorganisation dun mmoire


Les lments les plus importants dun crit scientifique
Elments 3.1. Prface (avant-propos) 3.2. Table des matires (etc.) 3.3. Rsum (abstract) 3.4. Introduction 3.5. Partie principale 3.6. Conclusion 3.7. Liste des sources 3.8. Indexes 3.10. Bibliographie 3.9. Annexes Importance * ** * *** ** *** * * ** * Fonction principale Contexte personnel Navigation Objectif, rsultat et porte Objectifs, dmarche Dveloppement Rsultat et Porte Ancrage avec donnes Navigation Ancrage Ancrage avec donnes

On na pas envie de lire votre travail en entier !!


Research Design - MPA DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-7

3.1 Prface (avant-propos)


La prface ne fait pas partie du travail On peut lutiliser pour: remercier des gens dire pourquoi on sest intress la thmatique sexcuser pour des choses que lon na pas fait annoncer une suite, etc. En bref, il ne faut pas confondre prface et introduction !

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-8

3.2 Table des matires (etc.)


Obligatoire pour un tout travail dune certaine longueur. Dans certains livres on en retrouve parfois plusieurs, par ex. une courte pour la structure principale et une longue avec toutes les sous-sections. Position: Normalement au dbut du texte et juste aprs la prface
car cest lendroit o on la trouve le plus facilement.

Correspondance des titres dans la table et du texte


(matrisez votre traitement de texte!)

Des tables pour les figures et tables sont moins importantes,


mais comme les gens aiment bien retrouver toute information synthtique il est utile den produire aussi.

3.3 Rsum (abstract)


souvent obligatoire pour les articles qui paraissent dans une revue Pour un travail de sminaire ou un mmoire de licence/diplme on peut linclure dans lintroduction (et la conclusion).

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-9

3.4 Introduction
Lintroduction est (avec la conclusion) la partie la plus importante de votre travail sur le plan rhtorique. Les gens la regardent dabord et dcident ensuite sil veulent regarder le reste Le lecteur doit avoir compris au moins... Elments La question Le langage utilis La dmarche

.... quelle question est adresse ? .... avec quelles limites ? .... avec quels concepts ?, dfinitions .... selon quelle mthodologie ? .... selon quelle structuration ?

En rgle gnrale, lintroduction contient: La problmatique de recherche et les questions de recherche qui en dcoulent. Une discussion sur la pertinence et sur la porte du travail (y compris ce que ne vous faites pas)

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-10

Les hypothses de travail sinon vous le faites aprs ou pendant la discussion thorique dans la partie principale. Il ne faut pas confondre hypothse scientifique et hypothses de travail (qui ne sont que des questions de recherche). Une vritable hypothse a du sens dans une certaine tradition de recherche: elle dcoule de la discussion thorique et prend la forme dune explication (ou loi) qui doit tre teste avec des donnes. Les dfinitions les plus importantes notamment celles qui se trouvent dans le titre de votre travail. Une discussion de la mthodologie (ou approach) sauf si vous ddiez un chapitre entier cela (dans ce cas il faut just mentionner les grandes lignes de votre dmarche) Un petit guide de lecture aide le lecteur en mme temps vous lui montrez que vous ne faites rien par hasard. Une introduction de lobjet que vous tudiez, par exemple si vous tudiez une mise en oeuvre dune loi, il faut rsumer la loi.

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-11

3.5 Partie principale


Curieusement cest ici quil existe le plus de varit. Elle dpend fortement de lapproche mthodologique Parfois il faut respecter un certain agencement des chapitres. Dans toutes les tudes empiriques, il faut: se confronter au savoir qui existe dans le domaine discuter et analyser vos donnes mettre en rapport rsultats et questions/hypothses formules au dbut viter de longement rciter des indices statistiques
utilisez des tables et figures pour cela ! (votre texte doit tre lisible !! )

Conseils pour la partie thorique dun travail empirique: Normalement, la discussion de littrature prcde la prsentation des rsultats Il ne faut pas discuter auteur aprs auteur, mais concept aprs concept ! Il faut revenir sur la discussion de la littrature dans les parties plus pratiques (ancrage de votre travail dans le savoir de la discipline) Lomission est une erreur frquemment observe. Si discuter une thorie ou dautres travaux empiriques ne sert rien pour votre recherche, il ne faut pas en parler !!

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-12

3.6 Conclusion
Rappelez les rsultats principaux de votre recherche.
on peut aussi tre contre avec largument que cela entrane un simplification qui peut faire croire que tes peu diffrenci.

Discutez la port des rsultats plusieurs niveaux, on peut:


discuter la (les) validit(s) de vos rsultats, mettre en avant des questions auxquelles vous navez pas rpondu (et pourquoi), sinterroger sur la gnralisation des rsultats, voire mme formuler une thorie qui ncessiterait dautres travaux empiriques pour la tester et/ou dvelopper.

Comparez vos rsultats ceux dautres tudes empiriques


dans le domaine et/ou avec les connaissances thoriques du domaine (si cela na pas t fait dans la partie principale)

Vous pouvez formuler de nouvelles questions.


Souvent vous serez cits parce que vous avez mis le doigt sur des choses intressantes qui nont pas encore t tudies (qui par exemple peuvent devenir un sujet de thse)

Vous pouvez discuter de lutilit pratique de votre travail.


(surtout si le travail na pas de vocation principalement pratique) si votre travail tait pratique, rappelez encore une fois vos suggestions principales aux destinataires du travail.
Research Design - MPA DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-13

3.7 Liste des sources


Indication de toutes les sources primaires (textes de lois, rglements, etc.) que vous utilisez peut faire partie de la bibliographie.

3.8 Indexes
Indexes dauteurs et de concepts surtout lorsquil sagit dun travail important sur le plan thorique. permettent un lecteur press de mieux surfer votre travail (utile, mais pas obligatoire)

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-14

3.9 Annexes
Tout ce qui nest pas ncessaire la comprhension mais qui permet au lecteur de mieux reproduire et comprendre vos analyses empiriques. On peut pour des raisons de place pas y inclure tout le matriel danalyse (donnes, entretiens, textes primaires, etc.). Faites un choix ou ventuellement des rsums.

3.10Bibliographie
doit contenir lensemble des textes scientifiques ou autres auxquels vous avez fait rfrence. Il ne faut pas gonfler une bibliographie avec des ouvrages non cits. Cette pratique est inutile et mal vue Respectez une certaine norme (vous pouvez choisir) et restez cohrents ! Il faut commencer faire une bibliographie ds le dbut. A chaque fois que vous lisez un texte, insrez-le dans la bibliographie! Il existe des logiciels comme EndNotes pour grer la bibliographie

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 3. Lorganisation dun mmoire

N-15

3.11Citations
Respectez une certaine norme ( votre choix)

3.12..... un dernier mot

Pensez a 3 types de lecteurs: (a) le lecteur rapide (b) le lecteur qui vous croit (c) ... et le lecteur qui veut savoir

Pour conclure : (a) un bon travail peut tre surf rapidement (b) il nest pas chiant lire !!

Research Design - MPA

DKS 6/7/06

La rdaction du mmoire - 4. La prsentation en un seul transparent

N-16

4. La prsentation en un seul transparent

Menu Entre

objectifs plan motivation ide centrale contexte

Plat de rsistance

ides importantes ancrage: exemples

Dessert

rsum dlimitations avenir, etc. punchline forme contenu aspects didactiques et rhtoriques REPETEZ TROIS FOIS A HAUTE VOIX !!

surveiller:

Research Design - MPA

DKS 6/7/06

La gestion de projets - .

O-1

O - La gestion de projets
Objectifs
Petite introduction la gestion de projets

Menu
1. 2. 3. 4. Introduction Scheduling (planification dans le temps) Contrle (Controlling) Estimation de la dure dun projet typique 2 3 8 9

Research Design - MPA

DKS 6/7/06

La gestion de projets - 1. Introduction

O-2

1. Introduction
Utiliser une vritable gestion de projets nest pas obligatoire, mais peut savrer utile (surtout pour les personnes qui ont un budget temps trs limit) Techniques utilises dans lindustrie (notamment en informatique) Il existe des outils de gestion de projet Faire un plan de gestion de projets sert surtout lauto-contrle (un mirroir !)

Le minimum
Si la gestion de projets vous intresse, faites quelque chose de light: 1. une liste dchances importantes 2. une estimation du volume des gros morceaux

Research Design - MPA

DKS 6/7/06

La gestion de projets - 2. Scheduling (planification dans le temps)

O-3

2. Scheduling (planification dans le temps)


Principe de base: On dcoupe un projet en tches (Work packages, WPs) et on estime le temps et les ressources ncessaires pour chaque WP
un WP correspond normalement une tape de projet (design, travail de terrain, analyse) un but de recherche ou combinaison des deux (tape X pour le but Y).

On essaye dviter des trop grandes dpendances entre WPs, ainsi on peut les poursuivre en parallle et/ou de faon autonme. Plusieurs WP peuvent aboutir des milestones et/ou deliverables
un milestone est une tape importante (par ex. dposition du projet) un deliverable est un objet fourni (par ex. un texte)

Pour le scheduling on labore 2 types de graphiques: un graphique dactivits qui montre les dpendances et le chemin critique
(le chemin le plus long qui risque de poser un problme) un diagramme de barres qui montre le droulement dans le temps

A retenir: Planifier linattendu (perte de vos fichiers, sous-estimation de difficults)

Research Design - MPA

DKS 6/7/06

La gestion de projets - 2. Scheduling (planification dans le temps)

O-4

2.1 Les graphiques dactivits


Ces graphiques vous permettent de mieux estimer le temps et de planifier vos activits, mais ils servent galement monitorer (au moins une fois par mois) le statut de votre projet !!

Les plus connus:


PERT (Program Evaluation and Review Technique) CPM (Critical Path Method)

Un graphique simple:
Chaque projet est un rseau de tches [ rectangles ] Certaines tches dpendent dautres tches Pour chaque tche on estime la dure, parfois on estime 3 chiffres: le minimum , le maximum et le temps le plus probable. Chaque milestone, c.a.d. groupe de tches dpendantes achevs doit tre dat [ovals] Avant de dessiner il est parfois plus simple de rsumer la situation dans un tableau. Dessinez la main ou avec un logiciel de dessin

Research Design - MPA

DKS 6/7/06

La gestion de projets - 2. Scheduling (planification dans le temps)

O-5

Exemple 2-1: Graphique Pert ( ne pas recopier tel quel !)


Dbut 27 / 3/ 98

Famil. avec le domaine. Regard sur un exemple Bibliographie de base 5 jours 3 jours 3 jours

Etude de lapproche 3 jours

M1: Exploration 30 / 5 / 98 Rdaction de lesquisse 3 jours Etude de faisabilit 1 jour Discussions 2 jours

M2: Projet provisoire 30 / 6 /98 etc ... Fin 29 / 3 /989

Research Design - MPA

DKS 6/7/06

La gestion de projets - 2. Scheduling (planification dans le temps)

O-6

2.2 Les diagrammes de barres (Bar Charts)


Le plus connu: Le Gantt Chart

Une proposition simple


Inscriptions: sur laxe horizontale:
le temps (jours, demi-semaines, semaines, mois selon la taille du projet

sur laxe verticale:


les workpackages (WP) On peut diffrencier pour chaque WP: intensit, participants, etc. les milestones

Construction du diagramme avec des moyens simples:


avec des ___xxxx____ dans un diteur avec des tableaux (Excel, HTML, Word, etc.) avec un outil de dessin la main en utilisant un calendrier de planning (on peut en bricoler un avec un traitement de texte)

Research Design - MPA

DKS 6/7/06

La gestion de projets - 2. Scheduling (planification dans le temps)

O-7

Exemple 2-2: Simple diagramme de barres avec un tableau


WPs et milestones 26/5 29/5 2/6 Exploration du domai- xxxxxxxxx ne x Premire tude de 1-2 cas Projet provisoire XXXxxx M 5/6

Rdaction du rapport

xxx

XXXXXXXXXX

Research Design - MPA

DKS 6/7/06

La gestion de projets - 3. Contrle (Controlling)

O-8

3. Contrle (Controlling)
Par qui ?
Dans lindustrie cest le chef (ou encore le groupe) qui le fait, ici vous tes responsable principal ! Si vous faites un plan, donnez-le au rapporteur (ou intgrez-le dans la proposition)

Monitoring du progrs:
comparaison entre plan et ralit tous les mois identification des raisons de dviation et actions correctrices
vos problmes ne vont pas sarranger seuls (!!)

Gestion des crises:


demandez de laide au directeur ngociez une redimension de votre projet si ncessaire adaptez lapproche si (vraiment) ncessaire Note: Des crises sont presques invitables, mais un bon plan de recherche diminue les risques et limite les dgats ....

Research Design - MPA

DKS 6/7/06

La gestion de projets - 4. Estimation de la dure dun projet typique

O-9

4. Estimation de la dure dun projet typique


Elments de calcul:
tches Chercher un sujet et faire le plan de recherche littrature et dbut de rdaction contacter les sites (cas par cas) visite dun site codage et exploitation primaire dune visite analyses synthtiques / visualisations globales rdaction du rapport (1re version) rvisions Total 1/2 journe 1 journe 2-3 jours par lment total 1 mois 1 mois 1 mois 1 mois 1 mois 1 mois 6 mois

vous tes trop optimistes !! Nanalysez pas trop de cas / sous-cas pour un travail de licence ou de diplme ! ... ou alors utilisez une dmarche quantitative

Research Design - MPA

DKS 6/7/06

La gestion de projets - 4. Estimation de la dure dun projet typique

O-10

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - .

P-1

P - La gestion du stress et de blocages


Objectif
pas de panique ... !

Menu
1. Conseils gnraux 2. Le Writers Block 3. Absence de motivation 2 5 8

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 1. Conseils gnraux

P-2

1. Conseils gnraux
1.1 Faites un bon plan de recherche
Il vous donne un sentiment de scurit Permet un travail modulaire
aussi de vous attaquer certaines questions plus faciles.

Redimensionnez votre travail vers le bas si c'est possible.


un mmoire n'est pas une thse!

1.2 Organisez votre temps


Avant de s'attaquer une tche spcifique, identifiez les points les plus importants dans votre tte:
"Que dois-je faire maintenant?, ensuite essayez d'accomplir cette tche.

Essayez de travailler rgulirement et de faire un plan d'activit pour chaque semaine ou mois

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 1. Conseils gnraux

P-3

A. Concentration
Observez vos penses
Si elles contiennent trop d'ides non productives (hors contexte) chassez-les. En change, videz-vous la tte aprs le travail.

Une seule tche la fois !


Cela ne veut pas dire qu'il faut se lancer toujours dans une tche trs prcise. Faire du brainstorming, explorer la littrature, etc. sont des tches utiles. Simplement, il ne faut pas vouloir faire trop en mme temps.

Produisez quelque chose qui sert !


......pour le reste de votre recherche.

Ne perdez rien
Si vous faites du brainstorming, faites-le sur papier par exemple.

2 heures de bon boulot => 2 heures de loisirs

4 heures de mauvais boulot => STRESS


Research Design - MPA DKS 6/7/06

La gestion du stress et de blocages - 1. Conseils gnraux

P-4

1.3 Exercices physiques anti-stress


Pendant le travail.... faites de petits breaks de 5 minutes en vous promenant (mme dans l'appartement) Etirez-vous et/ou respirez trs profondment de temps en temps Il est inutile de vous dire que vous devez dstresser! On dstresse: soit en rsolvant le problme soit en sengageant une autre activit. ... si jamais mangez plutt des vitamines ...... que des anti-dpresseurs etc. car le stress vient du fait que vous ne produisez pas !

Enthousiastes ! ... viter aussi: le burn out

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 2. Le Writers Block

P-5

2. Le Writers Block
est lincapacit presque totale de commencer rdiger Il existe plusieurs causes et plusieurs remdes contre ce mal, vous de choisir !

2.1 Produisez
Limportant est de faire quelque chose (mme si cest pas trs bon). 1. Discutez!
.....sur votre blocage, sur votre recherche, sur le plan de mmoire, .. Parler est plus simple que dcrire et a gnre des ides!

2. Commencez par rdiger nimporte quoi.


Le rsultat ne sera pas forcment convaincant, mais cest un dpart!

3. Travaillez peu tous les jours, mais rgulirement.


peu tous les jours produira beaucoup au bout dun mois ou deux. Une variante: Prenez un d et crivez le nombre de pages qui correspond la moiti du chiffre. Cela ajoute un cte ludique et une variation

Et si vous pensez que vous ne savez pas crire ? Ecrivez un autre texte. Il sagit ici de vous prouver que vous savez crire, donc crivez par exemple une longue lettre quelquun qui vous ncrivez jamais

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 2. Le Writers Block

P-6

2.2 Matrisez la non-matrise de certains sujets


On prsuppose que vous possdez: un bon plan de mmoire un bon research design Si a nest pas le cas, refaire la planification du travail de recherche La non-matrise dun sujet particulier: Si le sujet choisi est vraiment trop difficile ... il ny a rien faire, mais ce nest pas toujours le cas. lisez un dictionnaire spcialis, un manuel, une introduction, un travail qui porte sur le mme sujet discutez avec un expert Intgrez, rdigez et ne prenez pas juste des notes! Si vous trouvez quelquun qui connat la matire allez le voir avec un problme prcis comme la rdaction dun chapitre: 1. Formulez vos question par crit ! 2. Discutez du contenu et prenez des notes. 3. Ensuite, mettez-vous toute de suite rdiger.

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 2. Le Writers Block

P-7

2.3 Diviser et/ou contourner, et conqurir


Il sagit de faire quelque chose que vous savez faire et de profiter du rsultat. Imaginez que votre travail est une carte vierge et quil sagit de remplir des lots. Une fois que ces lots sont l, vous pouvez remplir le reste plus facilement, comme dans un puzzle difficile.

1. Il faut essayer disoler des tches que lon matrise.


Dans ce cas on prend un lment du plan de mmoire (qui normalement ne prend pas plus dune ou deux heures rdiger) et on essaye de le torcher. a marche encore mieux si on le fait en prsence dune personne, par exemple un(e) ami(e), un assistant, etc.

2. Note: ncrivez pas de sections inutiles


A quoi sert le truc dans la section et pour le travail. Ncrivez que ce qui est absolument ncessaire !

3. Evitez de penser lensemble (parfois)


Concentrez-vous sur la seule sous-section ou le seul paragraphe. (Notez ailleurs les ides qui vous viennent en tte, mais revenez tout-de-suite sur le paragraphe en question)

4. Prenez une feuille de papier et faites du brainstorming Utiliser un mdium diffrent: parlez dans sur une cassette, faites des dessins, etc.

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 3. Absence de motivation

P-8

3. Absence de motivation
3.1 Faites-vous plaisir et librez votre esprit
Donnez-vous des cadeaux pour chaque 3-4 pages crites. Dtendez-vous ! exercez une activit qui dtend et cela juste avant dcrire .... Ca libre lesprit des activits prcdentes et souvent des ides peuvent surgir que lon peut mettre sur papier dans la suite. Imaginez que vous crivez pour un public ... et imaginez le plaisir que lautre va avoir de lire/voir le texte.
.

... la carotte !!

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 3. Absence de motivation

P-9

3.2 Prenez des engagements auprs quelquun


Pensez votre carrire Un MPA peut servir ! Russir un mmoire est une preuve que vous savez mettre en oeuvre ce que vous avez appris ! Promettez un chapitre votre directeur tous les mois. Marche seulement si votre blocus nest pas total sinon vous perdez votre crdibilit! Demandez du coaching Parfois certains directeurs de thse ou assistants acceptent quun tudiant viennent dans leur bureau ou cte pour se dbloquer. Il peut venir vous voir toutes les 15 minutes et pousser/aider un peu.

en bref: achetez un fouet qui fouette !

Research Design - MPA

DKS 6/7/06

La gestion du stress et de blocages - 3. Absence de motivation

P-10

Research Design - MPA

DKS 6/7/06

Checklistes - .

Q-1

Q - Checklistes
Objectif
Ces checklistes vous encouragent regarder examiner quelques aspets particuliers de vos productions ....

Menu
1. Vos questions de recherche 2. Le plan de recherche 3. Evaluation de votre mmoire 2 4 6

Research Design - MPA

DKS 6/7/06

Checklistes - 1. Vos questions de recherche

Q-2

1. Vos questions de recherche


1.1 La face thorique
La grande question Objectif/ question 1 Objectif/ question 2 Objectif/ question 3 Objectifs
(rien oublier ! pas de questions caches)

Concept A Concept E

Concept C Concept D

Concepts
(vitez dtre flou)

Concept B Noubliez pas: Ancrage thorique Approche Hypothses Frameworks Grilles danalyse Mthodes danalyse

Les rponses

Research Design - MPA

DKS 6/7/06

Checklistes - 1. Vos questions de recherche

Q-3

1.2 La face empirique


La grande question Objectif/ question 1 Objectif/ question 2 Objectif/ question 3

Un sujet de recherche

Concept A Concept C Concept B Concept E Concept D

Concepts clairs et oprationnels

Mesure pour A

Mesure pour B

Mesure pour C

Une ide sur les donnes


(Voir si cest faisable)

Research Design - MPA

DKS 6/7/06

Checklistes - 2. Le plan de recherche

Q-4

2. Le plan de recherche
2.1 Faites attention aux points suivants
Ceci nest pas une table de matires pour le plan !! 1. Dfinition claire des objectifs et des questions de recherche 2. Choix des hypothses (au cas chant) 3. Choix des dlimitations 4. Dfinitions (voir aussi cadres danalyse) 5. Choix de lapproche
Approche thorique (voir aussi cadre conceptuel) Approche mthodologique

6. Bilan thorique 7. Cadre conceptuel et cadre danalyse 8. Rcolte des donnes


entretiens, documents, sondages, etc. chantillonnage autres Sources dinformation

9. Analyse des donnes (mthodologie) 10. Intgration (rapport entre donnes, thorie et questions de recherche)
Research Design - MPA DKS 6/7/06

Checklistes - 2. Le plan de recherche

Q-5

2.2 Les grandes questions simples pour un principe simple


1. Est-ce que jai un bon cadre danalyse pour cartographier le phnomne ? 2. Est-ce que jai bien explicit mes questions de recherche ? 3. Est-ce que jai montr comment jenvisage de rpondre ces questions ? (chantillonnage, mesures et techniques danalyse) 4. Est-ce que jai bien vrifi quaucun lment de mon plan flotte dans lair ? (ceux qui ne servent rien et ceux qui ncessitent un support) 5. Est-ce que cest faisable ? Poser une question

LA

E H C R E H C E Creuser R
Y rpondre

bien dfinir les limites bien laborer les dtails la mettre en rapport avec ce quon sait dj utiliser des concepts et dfinitions clairs utiliser un outillage appropri et explicite comparer avec les connaissances qui existent avec un texte clair et une structuration logique

Research Design - MPA

DKS 6/7/06

Checklistes - 3. Evaluation de votre mmoire

Q-6

3. Evaluation de votre mmoire


Elment Buts sociaux Problmatique gnrale Contenu Identification du sujet A qui/quoi sert votre recherche ? pas trs important nouveaut de la question Dfinition claire de votre thmatique et du utilit scientifique et pratique rsultat attendu (porte et intgration dans un corps de connaissances) (pareil) + clart modifie le jugement temps, argent; qualification des participants Le research design Cadre thorique Revue de la litrature utilit par rapport la problmatique acceptation gnrale utilit par rapport aux buts comparaison (insertion dans un cadre plus large) validit de construction Evaluation

Questions dtailles prcision de la problmatique Ressources

Approche gnrale Cadre mthodologique gnral traduction des questions dtailles en Conceptualisation un langage plus oprationnel pour la recherche Dlimitations sujets abords et non-abords

par rapport la problmatique selon dautres recherches


DKS 6/7/06

Research Design - MPA

Checklistes - 3. Evaluation de votre mmoire

Q-7

Elment Dfinitions mthode dchantillonnage mthodes dobservation

Contenu termes utiliss, surtout par rapport au rfrences thoriques

Evaluation clart et rfrences la littrature

porte et donc indirectement: sous-ensemble des cas (personnes, institutions, etc.) observs par rapport validit externe, statistique et interne la population mre techniques utilises pour observer les cas (par exemple: sondage, entretiens, analyse de documents) fiabilit consistance (criterion val.) carts (face validity) validit de construction

mthodes danalyse analyse des observations (statistique, validit statistique et interne de donnes analyse de texte, etc.) mthodes de conclusion (logique de la rflexion) Mesures mise en rapport des rsultats bruts avec validit (s) externes, internes et de les questions de dpart, votre construction problmatique etc. cohrence logique de votre raisonnement La partie empirique de la recherche plausibilit que vous avez fait ce que Analyse de donnes dpouillement et analyse des donnes vous dites excuses (accs aux donnes, outils Conclusions gnra- conclusions thoriques ou pratiques danalyse disponibles) etc. les Prsentation travail sur le terrain

Research Design - MPA

DKS 6/7/06

Checklistes - 3. Evaluation de votre mmoire

Q-8

Elment Objectifs et dmarche La recherche Conclusions

Contenu

Evaluation

voir le module en question

Research Design - MPA

DKS 6/7/06

Bibliographie - .

R-1

R - Bibliographie
Ouvrages essentiels
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] Thitart, R-A. & al. (1999). Mthodes de recherche en management, Dunod, Paris. [Introduction aux mthodes en sciences sociales, niveau dbutant ou moyen (contient des chapitres de spcialisation)]

Ouvrages supplmentaires
Brimo, A. (1972). Les mthodes des sciences sociales. Montchrestien, Paris. Fragnire, J. (1996). Comment russir un mmoire. Dunod, Paris. [Introduction la dmarche gnrale, niveau dbutant, complter par un ouvrage sur la mthode]

Mthodes quantitatives
Campbell, T. & Stanley, J. (1963). Experimental and quasi-experimental designs for research. Rand McNally, Chicago. Combessie, J.-C. (1996). La mthode en sociologie. Editions La Dcouverte. Dey, I. (1993). Qualitative Data Analysis. Routledge, London. Grawitz, M. (1986). Mthodes des sciences sociales. Prcis Dalloz. Dalloz, Paris. Holt, R. & Richardson, J. (1960). Competing paradigms in comparative politics. In Holt, R. & Turner, J., editors, The Methodology of Comparative Research, pages 2172. The Free Press, New York.
Research Design - MPA DKS 6/7/06

Bibliographie - .

R-2

Holt, R. & Turner, J. (1960). The methodology of comparative research. In Holt, R. & Turner, J., editors, The Methodology of Comparative Research, pages 120. The Free Press, New York. Javeau, C. (1994). Lenqute par questionnaire, Manuel lusage du praticien. Les ditions de lorganisation, Paris. Lijphart, A. (1995). The comparable-cases strategy in comparative research. Political Studies, 2:158 177. Rongre, P. (1979). Mthodes des sciences sociales. Dalloz, Paris, 3 edition.

Design
Sven A. Carlsson, (2006) Towards an Information Systems Design Research Framework: A Critical Realist Perspective, First International conference on Design Science Research in Information Systems and Technology. http://ncl.cgu.edu/designconference/index.htm Jrvinen, P. (2004). On Research methods. Opinpajan Kirja,Tampere, ISBN 952-99233-1-7 [livre trs condens, efficace mais pas toujours facile] Boren, M. and Ramey, J. (2000), Thinking aloud: Reconciling Theory and Practice, IEEE Transactions on Professional Communication, 43(3): 261-278. Maria Hkansson, Intelligent System Design, IT-university, Goteburg, Design Methodology slides, http:/ /www.viktoria.se/~saral/course.html Preece J., Yvonne Rogers and Helen Sharp (2002), Interaction Design, Wiley, ISBN: 0471492787 Venable, John R. (2006) The Role of Theory and Theorising in Design Science Research, http:// ncl.cgu.edu/designconference/index.htm Van Aken, J.E. (2004): Management research based on the paradigm of design sciences: the quest for field-tested and grounded technological rules, Journal of Management Studies, 41(2), 219-246.

Research Design - MPA

DKS 6/7/06

Bibliographie - .

R-3

Mthodes qualitatives
Amanda Coffey, 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) Dey, I. (1993). Qualitative Data Analysis. Routledge, London. Grawitz, M. (1986). Mthodes des sciences sociales. Prcis Dalloz. Dalloz, Paris. 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. 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)

Mmoires IDHEAP
Barraud, J-L (200?): La capacit administrative des communes Frosssard, Stanislas (2003) Emergence et dveloppement des politiques cantonales de la jeunesse, Cahier de lIDHEAP 202b/2003. Husermann, Silja (2003), Internationalisation des politiques publiques et mise en oeuvre fdraliste, Cahier de lIDHEAP 2009/2003. Merz-Turkmani,Gabrielle (1998) Job-Sharing au Managementebene, Tavaux de cours et mmoires de lIdheap.
Research Design - MPA DKS 6/7/06

Bibliographie - .

R-4

Perruchoud, M. (1998). Un partenariat public-priv dans la protection des travailleurs, Tavaux de cours et mmoires de lIdheap.

Research Design - MPA

DKS 6/7/06