Académique Documents
Professionnel Documents
Culture Documents
La construction de questionnaires
Marine Beaudoin
Maitre de Conférences en psychologie
Université de Savoie
bureau 613 / 04.79.75.91.90 / marine.beaudoin@univ-savoie.fr
8h CM + 6h TD
MCC : dossier = 40% note EC (+ 60% CT Techniques d'entretien)
Introduction
Connaissances en psychologie
Attitude envers l'avortement
Fréquence d'utilisation de la télévision
Anxiété
Etc.
2
Introduction
3
Introduction
4
Introduction
5
Introduction
6
Introduction
Une réponse à une question est considérée comme une mesure d’une
variable
variable = qui peut prendre différentes valeurs prises dans un ensemble
4
Introduction
Exemple
Outil de mesure question "est-ce qu'il vous arrive de vous bloquer lors
d'examens importants ?"
Problème
X Y e
Problème
10
Introduction
11
Plan du cours
2. Bien savoir ce que l'on veut mesurer (se doter d'une théorie)
12
Les différents types de questions
13
Les différents types de questions
15
Les différents types de questions
16
Les différents types de questions
Plusieurs types…
17
Les différents types de questions
célibataire la détente
marié(e) la découverte de paysage
divorcé(e) la découverte d'une culture différente
veuf-veuve l'excitation
le changement de mode de vie
18
Les différents types de questions
Mesure d'opinions
Liste de propositions + ou – caractéristiques d'une opinion donnée
Sujet choisit les propositions qui correspondent à ce qu'il pense
19
Les différents types de questions
0 fois l'anticléricalisme
1 à 2 fois le soucis de défendre les libertés
3 à 5 fois l'attention portée au prolétariat
plus de 5 fois le pacifisme
20
Les différents types de questions
21
Les différents types de questions
22
Les différents types de questions
23
Les différents types de questions
25
Les différents types de questions
Exemples
Question fermée versus question ouverte : est-ce qu'on connait toutes les
réponses possibles ?
Mesure attitude avec échelle Likert versus Thurstone : est-ce que le sujet est
susceptible d'avoir facilement accès à son attitude ?
Likert versus visuelle analogique : est-ce que les catégories de réponses ont un
sens suffisamment clair ?
26
Les différents types de questions
Exemples
28
Bien définir ce que l'on veut mesurer
29
Bien définir ce que l'on veut mesurer
Structure 2 composantes :
Émotionnelle : réactions somatiques, physiologiques
Cognitive : pensées intrusives sur soi, sur le test
30
Bien définir ce que l'on veut mesurer
Anxiété trait
idem mais avec stabilité inter-situations
Si
Objectif = mesurer l'anxiété d'évaluation pour prévenir ses effets lors de
l'épreuve du permis de conduire
Alors
Mesure de l'activation physiologique pas de lien avec la perf. (échelle inutile)
Mesure anxiété état code pas prédiction perf situation permis (échelle inutile)
Mesure anxiété état avant code, pas anonymat réponses biaisée par auto-
handicap
32
Bien définir ce que l'on veut mesurer
33
Considérer l'erreur de mesure
X Y e
ma lecture du thermomètre
e1 erreur aléatoire
X Y
e2 erreur systématique
variable réponse
température degré perçu (lu) thermomètre avec graduation
de dilatation du manquante
mercure
35
Considérer l'erreur de mesure
interprétation de l'item
e1 erreur aléatoire
X Y
e2 erreur systématique
variable réponse
estime de soi accord avec "je biais de désirabilité sociale
suis quelqu'un de
bien"
36
Considérer l'erreur de mesure
L’erreur aléatoire
37
Considérer l'erreur de mesure
L’erreur aléatoire
Exemple : thermomètre
Valeur vraie de la variable = 37,2 °C
Lecture n°1 = 37,3 °C indicateur 37,3 = valeur vraie 37,2 + erreur lecture +0,1
Lecture n°2 = 37,0 °C indicateur 37,0 = valeur vraie 37,2 + erreur lecture -0,2
Lecture n°3 = 37,5 °C indicateur 37,5 = valeur vraie 37,2 + erreur lecture +0,3
Lecture n°4 = 37,1 °C indicateur 37,1 = valeur vraie 37,2 + erreur lecture -0,1
38
Considérer l'erreur de mesure
L’erreur aléatoire
Exemple : thermomètre
Valeur vraie de la variable = 37,2 °C
Lecture n°1 = 37,3 °C
Lecture n°2 = 37,0 °C
Lecture n°3 = 37,5 °C
Lecture n°4 = 37,1 °C
Moyenne = 37,225 °C
meilleur indicateur de la valeur vraie que chaque mesure
L’erreur aléatoire
erreurs
variable n indicateurs
aléatoires
n lectures, n thermomètres…
X Y1 e1
Yi ei
40
Yn en
Considérer l'erreur de mesure
erreurs
variable n indicateurs
aléatoires
n questions
X Y1 e1
Yi ei
41
Yn en
Considérer l'erreur de mesure
Indicateurs
« je suis plutôt fier de moi » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis quelqu’un de bien » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis quelqu’un de valeur » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis satisfait de qui je suis » tout à fait faux ! ! ! ! ! tout à fait vrai
Moyenne = 3
meilleur (ou aussi bon) indicateur de la valeur vraie que chaque
indicateur pris isolément 43
Considérer l'erreur de mesure
L’erreur aléatoire
Thermomètre A Thermomètre B
Lecture n°1 = 37,3 °C Lecture n°1 = 37,5 °C
Lecture n°2 = 37,0 °C Lecture n°2 = 36,8 °C
Lecture n°3 = 37,5 °C Lecture n°3 = 37,7 °C
Lecture n°4 = 37,1 °C Lecture n°4 = 36,9 °C
Fidélité
45
Considérer l'erreur de mesure
L’erreur systématique
46
Considérer l'erreur de mesure
L’erreur systématique
M = 37,225
indicateur biaisé de la valeur vraie
L’erreur systématique
Justesse
49
Considérer l'erreur de mesure
L’erreur systématique
Indicateurs
« je suis plutôt fier de moi » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis quelqu’un de bien » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis quelqu’un de valeur » tout à fait faux ! ! ! ! ! tout à fait vrai
« je suis satisfait de qui je suis » tout à fait faux ! ! ! ! ! tout à fait vrai
Remarque
Exemple
Exemple (suite)
Sujet A :
valeur vraie 12 + stratégie réponse libérale = 14 (score 4)
Sujet B :
valeur vraie 12 + stratégie réponse conservatrice = 10 (3)
Sujet A :
valeur vraie 6 + stratégie réponse libérale = 7 (score 4)
Sujet B :
valeur vraie 6 + stratégie réponse conservatrice = 5 (3)
53
Considérer l'erreur de mesure
Exemple (suite)
Une source d'erreur systématique au niveau d'un sujet peut devenir une
source d'erreur aléatoire au niveau du groupe
(ce questionnaire donne une mesure plus juste au niveau collectif (moyenne
des réponses des sujets) qu'au niveau individuel (moyenne des réponses
d'un sujet))
54
Considérer l'erreur de mesure
Le satisficing
55
Considérer l'erreur de mesure
Le satisficing
Quelles conséquences ?
Réponses rapides, peu réfléchies, etc. manque d'exactitude
Source d'erreur aléatoire (interprétation hasardeuse…)
Source d'erreur systématique (biais de demande expérimentale,
biais d'acquiescement…)
56
Considérer l'erreur de mesure
Le satisficing
57
Considérer l'erreur de mesure
prévenir le satificing
multiplier les questions
erreur aléatoire
minimiser les problèmes de compréhension
(source d'erreur d'interprétation)
prévenir le satificing
erreur systématique anticiper les biais de réponse pour les contrôler
(chapitre 5) 59
Différents types de questionnaires
60
A. Technique d'addition des estimations
Exemple
61
Inventaire d'anxiété d'évaluation (Spielberger, 1980 )
A. Technique d'addition des estimations
Applications
62
A. Technique d'addition des estimations
63
A. Technique d'addition des estimations
Item Questionnaire
- Court - Couvrir les extrêmes (absence à
- N'exprime qu'une seule idée présence du construit)
- Non ambigu (items négatifs et positifs)
"j'ai les mains moites et le cœur "je me sens calme"
qui bat vite" "je pense que le test va bien se passer"
66
A. Technique d'addition des estimations
67
A. Technique d'addition des estimations
69
A. Technique d'addition des estimations
TAI, item 9
"Même lorsque je suis
bien préparé pour un
examen il me rend très
nerveux"
Presque jamais (1)
Parfois (2)
Souvent (3)
Presque toujours (4)
71
A. Technique d'addition des estimations
Me décrit…
- pas du tout (1)
- mal (2)
- plutôt mal (3)
- plutôt bien (4)
- bien (5)
- tout à fait (6)
72
A. Technique d'addition des estimations
Cours "psychométrie"
Globalement, l'analyse factorielle permet de répondre à la question
"y'a-t-il une similitude du classement interindividuel sur différents items ?"
Si un construit commun est censé sous-tendre les réponses à un
ensemble de questions, alors on attend à une similitude
73
A. Technique d'addition des estimations
74
B. Méth. des intervalles d’égalité apparente
Exemple
!
!
!
!
!
!
!
75
Attitude envers la guerre (Droba, 1930 )
B. Méth. des intervalles d’égalité apparente
Application
76
B. Méth. des intervalles d’égalité apparente
Étape 1
etc.
77
B. Méth. des intervalles d’égalité apparente
Étape 2
Des juges doivent évaluer dans quelle mesure chaque énoncé est
favorable-défavorable envers l’objet
... à la guerre
78
B. Méth. des intervalles d’égalité apparente
Étape 3
Étape 4
80
B. Méth. des intervalles d’égalité apparente
Étape 5
Exemple, sujet A
!
X
!
X
!
!
X
10,6 – 8,4 – 5,6 82
Mdn = 8,4 (attitude plutôt défavorable envers la guerre)
B. Méth. des intervalles d’égalité apparente
Exemple, sujet B
X
!
X
!
!
X
X
1,3 – 5,4 – 5,2 – 5,6 1,3 – 5,2 – 5,4 – 5,6 83
Mdn = 5,3 (attitude plutôt neutre envers la guerre)
C. Méthode du différenciateur sémantique
Application
Principe
84
C. Méthode du différenciateur sémantique
Exemple
Julian BUGIER est :
Actif ! ! ! ! ! ! ! Passif
Froid ! ! ! ! ! ! ! Chaleureux
Rapide ! ! ! ! ! ! ! Lent
Sympathique ! ! ! ! ! ! ! Antipathique
Peu important ! ! ! ! ! ! ! Important
Sincère ! ! ! ! ! ! ! Non sincère
Agréable ! ! ! ! ! ! ! Désagréable
Intéressant ! ! ! ! ! ! ! Inintéressant
85
Mesure de l'attitude envers un nouveau présentateur TV (Kjeldergaard, 1961)
C. Méthode du différenciateur sémantique
86
Les biais de réponse
" Combien de fois avez-vous consulté le médecin généraliste ce dernier mois? "
87
Les biais de réponse
88
Fiche 1: biais d’acquiescement
Solution(s) :
Taille de l’effet : faible et instable
Eviter d’utiliser des termes qui
évoquent des affects positifs et
Explication(s) : négatifs
Effet de halo (affect positif ou négatif
diffusé sur la réponse à la question)
Fiche 7: les formulations subjectives
Explication(s) : Solution(s) :
En situation de jugement, le terme - Éviter les termes suggestifs
suggestif peut suggérer un cadre de
référence pour la réponse
Fiche 8: ordre des questions globales et spécifiques
Explication(s) :
-Effet d'amorçage ou d'exclusion
Fiche 10: ordre des options de réponses
Problème : l’ordre des questions peut Exemple : Krosnick & Alwin (1987)
exercer une influence (lorsqu’il y a Cocher les 3 caractéristiques les plus
beaucoup d’options proposées) désirables chez un enfant, dans une
liste de 13 qualités.
Variation de l'ordre de présentation.
Effet(s) :
Les caractéristiques ont plus de
-Effet de récence en auditif
chances d'être choisies lorsqu'elles
-Effet de primauté en visuel
sont présentées en premiers
Solution(s) :
Taille de l’effet : faible • Limiter le nombre d’options
• Privilégier les formulations brèves
Explication(s) : • Inciter les participants à relire avant
-Propriété de la MCT de répondre, inciter l’enquêteur à
-Satisficing répéter
-1ères options = référence • Demander une réponse pour
chaque option