Académique Documents
Professionnel Documents
Culture Documents
Recherches
Qualitatives
et Quantitatives
001
Processus de Recherche
Processus de Recherche
• Le modèle classique de processus de
recherche consiste à commencer par une
revue de littérature théorique, générer des
hypothèses, tester les hypothèses et
interpréter les résultats.
Modifier Théorie /
Théorie / Questions
Questions Recherche
Hypothèses
Interpréter
/ Test
Résultas
Hypothèses
Théories and Questions de Recherche
Principales hypothèses :
• La
caféine peut causer de l'anxiété et perturber le
sommeil, ce qui peut réduire la performance cognitive.
• La
caféine peut augmenter la fatigue mentale et physique,
ce qui peut réduire la performance cognitive.
• Les
effets de la caféine dépendent de la dose, de la durée
de l'effet et de la tolérance individuelle.
Formulation de Base d’une Recherche
Les variables indépendantes dans la recherche expérimentale sont
généralement attribuées au hasard par le chercheur, de sorte que les
participants à la recherche recevront un niveau particulier de la variable
indépendante.
A. Si nous commençons à travailler sur une question qui n'a jamais fait
l'objet de recherches auparavant, nous semblons entrer dans un entonnoir
où nous posons initialement des questions exploratoires, car nous en
savons encore peu sur les problèmes auxquels nous sommes confrontés.
B. Une fois que nous avons une image plus claire de la question de recherche
après notre recherche exploratoire, nous avançons plus loin dans
l'entonnoir. Généralement, nous voulons en savoir plus en décrivant le
problème de recherche en termes de recherche descriptive.
C. Une fois que nous avons une image raisonnablement complète de tous les
problèmes, il peut être temps de déterminer exactement comment les
variables clés sont liées. Nous passons ensuite à la partie la plus
étroite de l'entonnoir. Nous le faisons par le biais d'une recherche
causale.
Relation entre Problématique et
Méthodes
Données primaires vs secondaires
Primaire Secondaire
Etude Registres
Observationnelle
Sondages Gouvernements
d’entreprises
Bases de
Focus groups données
Internet &
Expérimentation : Mix d’observation et media sociaux
d’interrogation
ECHANTILLONNAGE
Lors de la collecte de données primaires, il est
nécessaire de définir notre cible et procéder à un
échantillonnage - de par l’impossibilité
d’étudier l’ensemble de la population mère -
ensuite on définit les méthodes de traitement
adéquates avant de finaliser les résultats
Sélection de l’échantillon
• Nous ferons la distinction entre une population, l'univers de
personnes auquel l'étude pourrait être généralisée, et un
échantillon, le sous-ensemble de personnes de la population qui
participera à l'étude en cours.
• L'échantillonnage est important car, dans presque tous les cas, il n'est pas pratique
d'étudier tous les membres d'une population.
Population et échantillonnage
Population and Sampling
• Une population est l'ensemble des unités sur lesquelles on veut effectuer des
études. Ces unités peuvent être des groupes d'individus, de clients,
d'entreprises, de produits ou à peu près n'importe quel sujet qui vous intéresse.
• Recensement,
• échantillonnage probabiliste, et
E. Aléatoire E. au Jugé
E. E. Boule de
Systématique neige
E. en Grappes E. de
Convenance
Échantillonnage
Probability Sampling probabiliste
• Le moyen le plus simple consiste à utiliser un
échantillonnage aléatoire simple, qui est
obtenu en sélectionnant au hasard le nombre de
cas requis. Ceci peut être réalisé en utilisant
un logiciel spécialisé.
• constantes,
• cas (Observation), et
• construit.
De l’Abstraction à la Variable
Une variable est un attribut dont la valeur peut
changer.
• Par exemple, le prix d'un produit est un attribut
de ce dernier et varie généralement dans le
temps.
• Si le prix ne change pas, c'est une constante.
• Un cas (ou une observation) se compose de toutes
les variables qui appartiennent à un objet tel
qu'un client, une entreprise ou un pays
De l’Abstraction à la Variable
Le construit fait référence à une variable qui n'est pas
directement observable (c'est-à-dire une variable
latente).
• Un construit est utilisé pour représenter des
concepts latents dans les analyses statistiques.
• Les concepts latents représentent des idées ou des
réflexions générales sur certains phénomènes que les
chercheurs ont établis et veulent mesurer dans leurs
recherches. (Chercher des exemples des Construits
suivants réflexif et formatif))
De l’Abstraction à la Variable
• Les construits ne peuvent pas être mesurés directement,
car les répondants ne peuvent articuler une réponse
unique qui fournira complètement et parfaitement une
mesure de ce concept.
Nominale
Ordinale
Intervalle
Ratio
Variable & Mesurabilité
Type de données : Données nominales
• Les données nominales divisent les réponses
en deux ou plusieurs catégories distinctes.
Dans les données nominales, chaque réponse
est affectée à une seule catégorie, et donc
les réponses ne diffèrent qu'en nature, pas
en degré ou en quantité.
Variable & Mesurabilité
Type de données : Données ordinales
Nominale
Ordinale
Intervalle
Ratio
Design de Collecte : Sondage
• échelles de Likert,
• Les échelles de Likert sont utilisées pour établir le degré d'accord avec
un énoncé spécifique. Le degré d'accord est généralement défini par des
critères d'évaluation allant de fortement en désaccord à fortement
d'accord. Gardez à l'esprit que si l'énoncé est trop positif ou négatif, il est
peu probable que les terminaisons de l'échelle soient utilisées, ce qui réduit
le nombre de catégories de réponses réellement utilisées.
Type d’échelles
Type d’échelles
Aspects Recommandations
Assurez-vous que tous les répondants potentiels peuvent répondre à tous les
Tous les répondants
items. S'ils ne le peuvent pas, posez des questions de sélection pour les
peuvent-ils répondre à diriger. Si les répondants ne peuvent pas répondre aux questions, ils devraient
la question posée ? pouvoir les sauter.
Les répondants Si la réponse est non, vous devez utiliser d'autres méthodes pour obtenir des
peuvent-ils construire informations (par exemple, des données secondaires ou des observations).
ou rappeler les De plus, vous devez interroger les répondants sur les principaux aspects avant
réponses ? de zoomer sur les détails pour les aider à se souvenir des réponses.
Les répondants Si les questions concernent des sujets « sensibles », vérifiez si elles peuvent
être omises. Si ce n'est pas le cas, insistez sur la confidentialité des
veulent-ils répondre à réponses et mentionnez pourquoi ces réponses sont utiles pour le chercheur, le
chaque question ? répondant ou la société avant de les présenter.
Aspects Recommandations
Utilisez des mots et une grammaire simples. Faites des phrases courtes.
Grammaire et phrases
Évitez les négations, les quantificateurs vagues et les questions à deux
volets. Utilisez les éléments à l'échelle inversée avec parcimonie.
Design de Collecte : Sondage
Aspects Recommandations
Nombre de catégories de Utilisez des échelles visuelles analogiques. Si elles ne sont pas disponibles,
réponse utilisez des échelles à 5 ou 7 points.
Échelle équilibrée ou Utilisez toujours une balance équilibrée. Il devrait y avoir un nombre exact de
formulations positives et négatives dans les éléments de l'échelle. Les mots aux
déséquilibrée ? extrémités de l'échelle doivent être exactement opposés.
Conception des Assurez-vous que les catégories de réponses sont exclusives et que chaque
catégories de réponse catégorie a approximativement le même pourcentage de réponses.
Quelles catégories Utilisez si possible des échelles visuelles analogiques, sinon des échelles de
d'échelle devez-vous Likert. Si la question l'exige, utilisez des échelles différentielles
utiliser (questions sémantiques ou des échelles d'ordre de classement.
fermées uniquement) ?
Étiquetage des Étiquetez uniquement les points de terminaison. Lorsque vous utilisez les
catégories de réponse éléments pour des analyses de type prédiction, étiquetez toutes les catégories.
Inclusion d'une option Incluez une option « Ne sait pas » uniquement pour les éléments que le répondant
"Je ne sais pas" pourrait réellement ne pas savoir. Si inclus, placez-le à la fin de l'échelle.
Design de Collecte : Sondage
Courrier Les adresses sont faciles à acheter via la Faible taux de réponse, à moins que des
société de base de données, créant une grande incitations ne soient impliquées ou que la
base de données qui est la plus représentative population ait un intérêt direct dans
de tous les cadres d'échantillonnage (mais voir l'enquête
l'inconvénient du faible taux de réponse) Cher en main d'oeuvre et en port
Les répondants peuvent répondre à l'enquête à Plus de travail pour les répondants que
leur propre rythme, en fournissant des réponses l'enquête téléphonique
longues, écrites et narratives et donc des Plus l'enquête est longue, plus la
données complètes persuasion (par exemple, des incitations
Étant donné que les répondants peuvent financières, des suivis de cartes
répondre pendant leur temps libre, ils peuvent postales) doit être utilisée pour améliorer
probablement mener une enquête légèrement le taux de réponse
plus longue que par téléphone sans réduire le
taux de réponse
Design de Collecte : Sondage
La Médiane
La Moyenne
Le Mode
Exercices
Analyse - Statistiques Descriptives
Mesure de la Tendance Centrale
Solutions
Analyse - Statistiques Descriptives
Mesure de la Tendance Centrale
Solutions
Analyse - Statistiques Descriptives
Mesure de la Dispersion
• Une mesure de dispersion mesure le degré de
variabilité entre les scores observés sur une
variable. Une mesure simple de la dispersion est
l’étendue : le score le plus bas dans l'ensemble
de données soustrait du score le plus élevé.
L’étendue
La Variance
La Variance
• La recherche corrélationnelle
• Elle consiste à identifier les relations entre deux variables. Une
corrélation est une mesure statistique de l'association entre deux
variables.
• Une corrélation a une direction et une amplitude. En ce qui concerne
la direction, une corrélation peut être positive ou négative.
Inférence Statistique
- Corrélation
• Si le R^2 d’un modele est de 0.5, alors la moitié de la variation observée dans
le modèle calculé peut être expliqué par les points
• Vérification de la causalité
• Premièrement, il doit y avoir co-variation. En
d'autres termes, lorsqu'une variable change, une
autre variable doit changer. C'est le même critère
pour déduire la prédiction, et donc les
conceptions discutées dans ce chapitre satisfont
à ce critère.
• Pour déterminer un lien causal, un chercheur doit également établir une relation
temps - ordre. Et les expériences permettent d'établir un ordre temporel car le
chercheur contrôle la variable indépendante et la place délibérément avant la
variable dépendante pour établir l'ordre temporel souhaité (c'est-à-dire que la
cause vient avant l'effet).
QUALI
Finalité des recherches Quali
Analyse déductive
Analyse inductive de «
Méthodes d'unités (individuelles,
textes »
sociétés, etc...)
Interaction de groupe, qui peut inciter les Il n'y a pas d'interaction de groupe.
Interactions de groupe répondants à produire de nouvelles L'intervieweur est chargé de stimuler les
pensées répondants à produire de nouvelles idées.
égalitaire.
Analyse situationnelle
• L'analyse situationnelle est une
description et une interprétation riches de
la situation, du contexte ou du problème.
Quels sont les acteurs clés ? Quels sont les
enjeux clés ? Quelles sont les différentes
perspectives et interprétations de la
situation actuelle ou historique ?
Comment aborder l’analyse de Données ?
Analyse historique
• Un aperçu des situations actuelles peut
souvent être obtenu en analysant les
personnes, les problèmes, les politiques
et les réponses qui ont défini le passé ;
c'est ce qu'on appelle l'analyse
historique.
Comment aborder l’analyse de Données ?
Analyse relationnelle
• Les liens interpersonnels entre les personnes et
une exploration de ce que ces relations
signifient vraiment pour les personnes
impliquées peuvent imprégner une étude
qualitative de sentiment, d'intimité et
d'émotion. L'analyse relationnelle se concentre
sur les relations et les interprétations et les
sentiments associés à ces relations
Comment aborder l’analyse de Données ?
Analyse psychologique
• L'exploration des attitudes, des
sentiments, des croyances, des
motivations, des valeurs et des objectifs
des personnes caractérise le type
d'analyse psychologique qui ajoute de la
richesse et de la profondeur à une étude
qualitative.
Comment aborder l’analyse de Données ?
• En plus d'analyser les données financières d'un client, le logiciel analysera les
journaux d'appels et d'e-mails associés à chaque client. Il peut également
accéder à Internet et localiser les conversations Web, les blogs, les médias
sociaux et d'autres endroits où les clients peuvent parler.
Web Tracking
• Le suivi Web consiste à étudier les actions et les
mouvements humains sur Internet. Il peut être
effectué à l'aide de données historiques générées par un
logiciel de suivi informatique, ou il peut être observé en
direct au fur et à mesure qu'il se déroule.
• La recherche corrélationnelle
• Elle consiste à identifier les relations entre deux variables. Une
corrélation est une mesure statistique de l'association entre deux
variables.
• Une corrélation a une direction et une amplitude. En ce qui concerne
la direction, une corrélation peut être positive ou négative.
Description - Corrélation
• Deux paramètres :
• Premièrement, il doit y avoir co-variation. En
d'autres termes, lorsqu'une variable change, une
autre variable doit changer. C'est le même critère
pour déduire la prédiction, et donc les
conceptions discutées dans ce chapitre satisfont
à ce critère.
• Pour déterminer un lien causal, un chercheur doit également établir une relation
temps - ordre. Et les expériences permettent d'établir un ordre temporel car le
chercheur contrôle la variable indépendante et la place délibérément avant la
variable dépendante pour établir l'ordre temporel souhaité (c'est-à-dire que la
cause vient avant l'effet).
.181
CATEGORICAL VARIABLES
.182
CONTINUOUS VARIABLES
The Skewness value provides an indication of the symmetry of the distribution. Kurtosis, on
the other hand, provides information about the ‘peakedness’ of the distribution. If the
distribution is perfectly normal, you would obtain a 0 value of skewness and kurtosis
• Positive skewness values suggest that scores are clustered to the left at the low
values.
• Negative skewness values indicate a clustering of scores at the high end (right-hand
side of a graph).
• Positive kurtosis values indicate that the distribution is rather peaked (clustered in the
centre), with long thin tails.
• Kurtosis values below 0 indicate a distribution that is relatively flat (too many cases in
the extremes).
.189
Histogram
.190
Bar Graph
.191
Line Graph
.192
SCATTERPLOTS
.193
Boxplot
Caractéristiques d’un Bonne Mesure
Fiabilité
• La fiabilité est la mesure dans laquelle une mesure donne les mêmes
scores à différents moments, groupes de personnes ou versions de
l'instrument.
Alpha de Cronbach
• De même, les participants qui obtiennent
un score faible sur un élément du test
obtiendraient également un score faible
sur les autres éléments du test.
• Des tests avec des alphas faibles
indiqueraient qu'il y avait peu de
similarité dans les réponses.
Caractéristiques d’un Bonne Mesure
Check the Cronbach’s Alpha value shown in the
Reliability Statistics table. In this example the value is
.89, suggesting very good internal consistency reliability
for the scale with this sample.
• Values above .7 are considered acceptable;
however, values above .8 are preferable.
.211
INDEPENDENT-SAMPLES T-TEST
• Variables:
• Total optimism (Toptim): Total score on the Optimism Scale. Scores can range from 6 to 30 with high scores
indicating higher levels of optimism.
• Age 3 group (Agegp3): This variable is a recoded variable, dividing age into three equal groups (see instructions for
how to do this in Chapter 8): Group 1: 18–29 = 1, Group 2: 30–44 = 2, Group 3: 45+ = 3.
ONE-WAY BETWEEN-GROUPS ANOVA WITH
.221
POST-HOC TESTS
• MULTIPLE comparisons
• Look for any asterisks (*) next to the values listed. If you
find an asterisk, this means that the two groups being
compared are significantly different from one another at
the p<.05 level. The exact significance value is given in
the column labelled Sig. In the results presented above,
only group 1 and group 3 are statistically significantly
different from one another. That is, the 18–29 age group
and the 45+ age group differ significantly in terms of their
optimism scores.
Taille de
l'échantillon
Approches Analytiques
.153
Inférence Statistique
• S'il est vrai que toutes les relations causales sont des relations
corrélationnelles, il n'est pas vrai que toutes les relations
corrélationnelles sont causales. Ainsi, la covariation est nécessaire
mais pas suffisante pour une étude expérimentale ; ce n'est que la
première étape.
Caractéristiques de l’expérimentation .161
Covariance
• La covariance sera positive, si les grandes valeurs
de X, c'est-à-dire les valeurs qui sont au-dessus de
l'espérance, sont principalement associées aux
grandes valeurs de Y et de même pour les petites
valeurs.
• Pour déterminer un lien causal, un chercheur doit également établir une relation
temps - ordre. Et les expériences permettent d'établir un ordre temporel car le
chercheur contrôle la variable indépendante et la place délibérément avant la
variable dépendante pour établir l'ordre temporel souhaité (c'est-à-dire que la
cause vient avant l'effet).
.163
Etude de Cas
.168
Preparing a codebook
• Type : Type that will appear automatically as you enter your first
variable name is Numeric. If you need to enter text information
(e.g. a person’s surname), you need to change the type to String.
• Width :If your variable has very large values (or you have
requested a string variable), you may need to change this
default value; otherwise, leave it as is.
QUESTIONNAIRE TEST
.174
/
.175
/
.176
/
.177
Preliminary analyses
.178
Descriptive statistics
Procedure for obtaining Codebook
• 1. Click on Analyze, go to Reports and choose Codebook.
• 2. Select the variables you want (e.g. sex, age) and move them into the Codebook Variables
box. 3. Click on the Output tab and untick (by clicking on the box with a tick) all the Options
except Label, Value Labels and Missing Values.
• 4. Click on the Statistics tab and make sure that all the options in both sections are ticked.
• 5. Click on OK (or on Paste to save to Syntax Editor).
.179
Procedure for obtaining Codebook
.180
CATEGORICAL VARIABLES
The Skewness value provides an indication of the symmetry of the distribution. Kurtosis, on
the other hand, provides information about the ‘peakedness’ of the distribution. If the
distribution is perfectly normal, you would obtain a 0 value of skewness and kurtosis
• Positive skewness values suggest that scores are clustered to the left at the low
values.
• Negative skewness values indicate a clustering of scores at the high end (right-hand
side of a graph).
• Positive kurtosis values indicate that the distribution is rather peaked (clustered in the
centre), with long thin tails.
• Kurtosis values below 0 indicate a distribution that is relatively flat (too many cases in
the extremes).
.185
ASSESSING NORMALITY
• Procedure for assessing normality using Explore
• 1. From the menu at the top of the screen click on Analyze, then select Descriptive
Statistics, then Explore.
• 2. Click on the variable(s) you are interested in (e.g. Total perceived stress: tpstress).
Click on the arrow button to move them into the Dependent List box.
• 3. In the Label Cases by: box, put your ID variable.
• 4. In the Display section, make sure that Both is selected.
• 5. Click on the Statistics button and click on Descriptives and Outliers. Click on
Continue.
• 6. Click on the Plots button. Under Descriptive, click on Histogram to select it. Click
on Stem-
• and-leaf to unselect it. Click on Normality plots with tests. Click on Continue.
• 7. Click on the Options button. In the Missing Values section, click on Exclude cases
pairwise. Click on Continue and then OK (or on Paste to save to Syntax Editor).
.186
CONTINUOUS VARIABLES
.187
ASSESSING NORMALITY
• Variables:
• Total perceived stress (tpstress): total score on the Perceived Stress Scale. High scores
indicate high levels of stress.
• Total Perceived Control of Internal States (tpcoiss): total score on the Perceived Control of
Internal States Scale. High scores indicate greater control over internal states.
• Total Mastery (tmast): total score on the Mastery Scale. High scores indicate higher levels of
perceived control over events and circumstances.
• Total Social Desirability (tmarlow): total scores on the Marlowe-Crowne Social Desirability
Scale, which measures the degree to which people try to present themselves in a positive
light.
• Age: age in years.
.205
Standard multiple regression
• 1. From the menu at the top of the screen, click on Analyze, then select Regression, then Linear.
• 2.Click on your continuous dependent variable (e.g. Total perceived stress: tpstress) and move it
into the Dependent box.
• 3.Click on your independent variables (Total Mastery: tmast; Total PCOISS: tpcoiss) and click on
the arrow to move them into the Independent(s) box.
• 4. For Method, make sure Enter is selected. (This will give you standard multiple regression.)
••Select the following: Estimates, Confidence Intervals, Model fit, Descriptives, Part and partial
correlations and Collinearity diagnostics.
••In the Residuals section, select Casewise diagnostics and Outliers outside 3 standard deviations.
Click on Continue.
.208
Standard multiple regression
• Variables:
• Total optimism (Toptim): Total score on the Optimism Scale. Scores can range from 6 to 30 with high scores
indicating higher levels of optimism.
• Age 3 group (Agegp3): This variable is a recoded variable, dividing age into three equal groups (see instructions for
how to do this in Chapter 8): Group 1: 18–29 = 1, Group 2: 30–44 = 2, Group 3: 45+ = 3.
ONE-WAY BETWEEN-GROUPS ANOVA WITH
.221
POST-HOC TESTS
• MULTIPLE comparisons
• Look for any asterisks (*) next to the values listed. If you
find an asterisk, this means that the two groups being
compared are significantly different from one another at
the p<.05 level. The exact significance value is given in
the column labelled Sig. In the results presented above,
only group 1 and group 3 are statistically significantly
different from one another. That is, the 18–29 age group
and the 45+ age group differ significantly in terms of their
optimism scores.
.227
Taille de .234
l'échantillon
Taille de l'échantillon .235
.236
Exemple du taux de représentativité
• Marge d’erreur 5%
.237
Sondage Facebook Group
.238
Sondage Facebook Group
.239
Sondage Facebook Group
.240
Sondage Facebook Story
.241
Sondage Twitter
.242
Sondage Twitter
.243
Google Forms
.244
Types de Questions
.245
Options de Conception
.246
Options de Conception
.247
Options de Conception
.248
Cheminement / Entonnoirs
.249
Cheminement / Entonnoirs
.250
METHODES DE RECHERCHE
Sélection de la Méthode de Recherche
Recherche expérimentale
• Observations comportementales
• Les observations comportementales diffèrent des données
autodéclarées en ce sens que les observations comportementales
proviennent des chercheurs plutôt que des participants à l'étude.
• Le principal avantage des observations comportementales est qu'
elles fournissent un compte rendu par un tiers des activités des
personnes.
075
Collecte de Données
• Observations comportementales
• Cela évite le parti pris égoïste qui pourrait survenir lorsque les
• Mesures physiologiques
• Les mesures physiologiques fournissent des mesures corporelles
similaires à celles que l'on trouve dans les sciences de la vie. L'un
des avantages de l'utilisation de mesures physiologiques est la
précision des instruments de collecte de données.
• Mesures de performance
• Les mesures de performance sont similaires aux mesures
physiologiques en ce sens qu'elles contiennent un enregistrement de
comportement réel.
• Mesures de performance
• Ex. Les chercheurs organisationnels peuvent utiliser des tests de
compétences ou la performance des travailleurs comme variable
dépendante.
• Observation participante.
• Dans une telle enquête, le chercheur s'intègre dans la communauté
étudiée. En tant que participant à cette communauté, le chercheur
enregistre également les comportements des autres membres du groupe.
• L'un des avantages d'une telle enquête est que les observations de
comportement ont tendance à être plus fiables que les données
d'enquête autodéclarées. Un autre avantage est que les comportements
qui peuvent être observés par un participant peuvent ne pas se prêter
aussi bien à une collecte de données de type enquête.
134
Design de Collecte : Observation
• Observation participante.
• Un inconvénient de l'observation participante est la dépense en temps
et en salaire pour employer des chercheurs pour effectuer les
observations.
135
Design de Collecte : Observation