Cours 1 Flashcards
Deux types d’analyses
Analyse quantitative (mesure)
Analyse qualitative (description)
Les étapes d’une recherche
- Observation et élaborer un sujet d’étude
- Regarder les recherches/théorie antérieure
- Élaborer des hypothèses
- Choisir nos variables et notre méthodologie
- Collecte de données et analyser les variables mesurées
- Les comparer avec les données recensées
Analyses descriptives vs inferentielles
Analyses descriptives: description des informations
Ex: dire 75% des gens dans la classe sont filles…
Analyses inférentielles: tirer des conclusions statistiques
Ex: les gens qui sont en psycho ont une meilleure attitude envers le cours que les autres sujets
Variable et constante
Variable: Le ou les concept(s) qui peut être mesuré et qui diffère d’une entité à l’autre ou à travers le temps.
• Le concept peut être tangible (âge, taille, niveau de cortisol, etc.)…
• ou abstrait (climat de travail, personnalité, intelligence, etc.).
ex:niveau de motivation entre le premier cours et le dernier
elle doit varier
À l’opposé : une constante (ne varie pas)
Une variable dans une étude pourrait être choisie comme constante dans une autre. (les étudiants de l’udem, concordia, mcgill…
• Tout dépend si c’est une entité qui dans un contexte précis peut prendre des valeurs différentes ou au contraire qui a une valeur fixe!
Ex: udem dans les étudiants de l’Udem
Variable indépendante (VI)
Variable explicative d’une autre variable, celle qui est introduite ou manipulée par le chercheur
La VI est souvent appelée « facteur » (charge de travail)
Variable dépendante (VD)
Variable qui subit l’influence présumée de la variable indépendante
La VD est la « variable d’intérêt » (résultats scolaire)
Mesures variables:
on recrute les données et on test la théorie
Les 4 niveaux de mesures
• Variable nominale
• Variable ordinale
• Variable à intervalle
• Variable de rapport
Nominale: qualitatif??
• Variable de type catégorielle, sans ordre hiérarchique;
• Sexe, genre, lieu de naissance;
Ordinale:
• L’ordre est connu, mais pas la taille des différences;
• Course de chevaux, rang des universités (udem #100), ainé est plus âgé mais on sait pas l’âge…
Intervalle:
• L’ordre et la différence relative entre les valeurs sont connus;
• La différence entre A et B est plus grande que la différence entre B et C;
• Il n’y a pas de point zéro absolu qui indiquerait l’absence totale de l’entité mesurée; 0* n’indique pas l’absence d’énergie
• Impossible d’indiquer une différence absolue;
• Température (en °C), QI (absence d’intelligence n’existe pas), etc.
Rapport:
• Indique une différence absolue entre chaque valeur;
• A est deux fois plus grand que B;
• Un point zéro absolu (qui indique l’absence de l’entité mesurée);
• Donc pas de valeurs négatives;
Ex:
Ex:
Artur teste positive au test Covid 19. nominale
Arthur a un score QI de 120. intervalle
Artur est le troisième enfant de la famille. ordinale
Artur joue du Piano. nominal
Artur pèse 80 kg. rapport
Échelle de likert:
Échelle ordinale
L’ordre (ou la hiérarchie) des réponses est connu;
La taille de la différence n’est pas connue;
Échelle pourrait être à 9, 10, 100…
Échelle d’intervalle
• En pratique, les échelles de Likert sont considérées comme continues;
• Présume que le concept mesuré est présenté en un continuum sous-jacent;
• Ex.: motivation, Intelligence;
Ex;
1 (très satisfait), 2 (satisfait)…
Pourquoi est-il important d’apprendre les niveaux de mesure:
La question de recherche indique les analyses statistiques à utiliser;
En fonction de la question et des statistiques, on doit:
• Opérationnaliser les variables;
• Questionner à savoir comment les variables seront mesurées;
• Déterminer les niveaux de mesure et les types d’échelles;
• Déterminer instrument à utiliser;
Unité d’analyse/ d’observation
L’entité qui fournit l’information sur les variables
- les individus, les groupes, les régions, etc
les variables:
• Sexe
• Note à l’examen
Chaque rangé représente l’unité d’analyse
Chaque case est une observation (10 total)
Ici, l’unité d’analyse est les individus
• Certaines analyses statistiques sur R exigent que les variables soient toutes exprimées numériquement (explique pourquoi le sexe est en chiffre)
• Convertir les variables « alphanumériques» en variables numériques;
• Exemple: Inscrire 1 si vous êtes une femme, 2 si vous êtes un homme;
La distribution des effectifs/fréquence:
Les données sont parfois nombreuses;
Comment organiser information pour mieux la comprendre?
Distribution des effectifs:
• Le nombre d’observations qui se situent à différentes valeurs de la variable;
• Réduire une grande quantité d’informations en des tendances explicatives et ainsi de dresser un portrait des données mesurées, à un temps précis;
Fréquence:
• Simplifier l’information disponible(les données);
• Possible de regrouper nos fréquences selon différentes distributions
1—-très insatisfait
2—-insatisfait
3—-ni satisfait ni insatisfait
4—-satisfait
5—-très satisfait
§ Quoi faire lorsque la distribution des fréquences comprend un grand nombre de valeurs différentes?
§ Variable à intervalle et variable de rapport
On les regroupe !!
Fréquences-catégories (classe)
• Catégories reliées à la théorie:
• Âges regroupés en générations (boomers, gen X, etc.).
• Catégories « intuitives » ou pertinentes pour l’interprétation.
• Ancienneté (moins d’un an; 1 à 4 ans, 5 à 10 ans; 11 à 14 ans…).
Ex: Salaire annule moyenne des psychologues au Québec: 74 344$
Où se situe-t-il par rapport aux autres?
Supérieur au 91.89% des gens
(1.95 + 34.52 + 29.28 + 14.86 + 11.26 = 91.89)
Calcul: le pourcentage d’une catégorie + tous les pourcentages de catégories inférieures.
Les graphiques:
• Permettre de visualiser la distribution des données;
• Première chose à faire!
Distribution:
Les distributions peuvent avoir des caractéristiques différentes;
Trois manières principales de les distinguer:
• Par leurs tendances centrales
• Par leur forme (symétrie et aplatissement)
• Par leur étendue
