Cours 4 Flashcards
(4 cards)
Expliquer le problème de la validité du dénominateur et de l’exposition au
risque.
En criminologie, les chiffres sont des outils puissants, mais ils peuvent devenir trompeurs s’ils sont mal utilisés. Deux erreurs fréquentes peuvent fausser complètement l’interprétation d’un phénomène criminel : le problème du dénominateur et celui de l’exposition au risque.
🔹 Validité du dénominateur : un piège des nombres absolus
Prenons un exemple :
* En 2016, la Chine a enregistré 8 634 homicides ; le Salvador, 5 257.
* En valeur brute, on pourrait croire que la Chine est plus dangereuse.
Mais si on tient compte de la population :
* Chine : 1,4 milliard d’habitants → 0,6 homicide pour 100 000 habitants
* Salvador : 6,4 millions d’habitants → 82,8 homicides pour 100 000 habitants
👉 Conclusion : le Salvador est bien plus violent en proportion, même s’il a moins de meurtres en chiffres absolus.
C’est le principe de la validité du dénominateur :
Il faut toujours standardiser les données pour qu’elles soient comparables.
Sinon, on risque de surestimer ou sous-estimer la réalité criminelle, ce qui peut mener à de mauvaises politiques publiques.
🔹 Exposition au risque : temps passé dans des contextes dangereux
Autre erreur fréquente : ne pas tenir compte de l’exposition réelle au danger.
👉 Exemple 1 : Les chauffeurs professionnels sont impliqués dans 70 % des accidents de voiture. Faut-il conclure qu’ils conduisent mal ? Pas forcément : ils passent beaucoup plus de temps sur la route.
👉 Exemple 2 : Les usagers des transports en commun sont plus victimes de vols que les automobilistes. Mais ils y passent aussi plus d’heures chaque semaine.
La solution ? Calculer les taux en fonction de l’exposition au risque :
* Accidents : par 100 heures de conduite
* Vols : par 100 heures passées dans les transports
* Cambriolages : par 1 000 habitations occupées
🔹 Pourquoi c’est essentiel en criminologie
Ces ajustements permettent :
* Une vision plus réaliste du danger.
* Des comparaisons justes entre groupes ou territoires.
* Une meilleure efficacité des politiques de prévention.
Sans eux, les statistiques peuvent induire en erreur, et faire croire qu’un phénomène est plus ou moins grave qu’il ne l’est vraiment.
Conclusion
En criminologie, le nombre seul ne suffit jamais. Il faut toujours se poser deux questions :
1. À quoi est-il rapporté ? (le dénominateur)
2. Qui y est réellement exposé, et combien de temps ? (l’exposition au risque)
Ces deux éléments sont les garants d’une lecture rigoureuse, responsable et utile des données criminelles.
Expliquer les concepts de fiabilité et validité, ainsi que de validité interne
et externe.
En recherche criminologique comme en science en général, mesurer un phénomène ne suffit pas. Il faut aussi s’assurer que notre mesure est précise et juste. Pour cela, deux grands critères s’imposent : la fiabilité et la validité.
🔹 La fiabilité : la constance des résultats
Une mesure est fiable si elle donne des résultats stables et reproductibles, quelles que soient les circonstances.
👉 Exemple : Si un questionnaire sur l’attitude envers la police donne les mêmes résultats aujourd’hui et dans deux semaines (à population stable), il est fiable.
Autre analogie simple :
* Une montre qui avance toujours de 5 minutes est fiable, mais pas valide.
* Elle est constante, mais ne donne pas la bonne heure.
🔹 La validité : la justesse de ce qu’on mesure
La validité nous indique si l’on mesure réellement ce qu’on pense mesurer.
👉 Exemple : Un test censé évaluer l’agressivité, mais qui mesure en fait le niveau d’extraversion, n’est pas valide.
Une bonne recherche doit être à la fois fiable et valide :
* Fiable = cohérente dans le temps.
* Valide = juste par rapport à l’objet étudié.
Et la validité peut se décliner sous deux formes fondamentales :
🔹 La validité interne
Elle renvoie à la qualité logique du dispositif de recherche.
Est-ce bien la variable indépendante qui cause l’effet observé sur la variable dépendante ?
👉 Exemple : Si je conclus qu’un programme de réinsertion réduit la récidive, ma validité interne est forte seulement si je peux écarter d’autres causes (âge, soutien social, etc.).
Des menaces à la validité interne incluent :
* Variables externes non contrôlées,
* Effet de maturation,
* Biais de sélection.
🔹 La validité externe
Elle concerne la généralisabilité des résultats.
Puis-je appliquer mes conclusions à d’autres contextes, d’autres populations, d’autres moments ?
👉 Exemple : Une étude menée sur des adolescents québécois peut-elle s’appliquer à des jeunes en Europe ou en Afrique ?
Une validité externe forte dépend :
* De la représentativité de l’échantillon,
* Du contexte de recherche (milieu fermé ou naturel),
* Des conditions de reproduction de l’étude.
Conclusion
Fiabilité: Obtiens-je des résultats stables ?
Validité: Est-ce que je mesure ce que je veux mesurer ?
Validité interne: Est-ce bien ma variable A qui influence B?
Validité externe: Puis-je généraliser mes résultats
Indiquer et expliquer la terminologie utilisée lors de la construction d’une
théorie/recherche.
Toute recherche scientifique rigoureuse — et particulièrement en criminologie — repose sur un langage précis. Ce vocabulaire n’est pas là pour faire compliqué : il sert à structurer la pensée, à clarifier les démarches, et à rendre les recherches comparables entre elles.
Voyons donc les termes clés que tout chercheur doit connaître lorsqu’il construit une théorie ou une recherche.
🔹 1. Concept
Un concept est une idée abstraite qui désigne une réalité complexe. Il sert à catégoriser le réel.
👉 Exemple : violence, pauvreté, récidive, justice réparatrice.
🔹 2. Variable
Une variable est un élément mesurable lié à un concept. Elle peut prendre différentes valeurs d’un individu à l’autre.
👉 Exemple : le concept de pauvreté peut être traduit par la variable “revenu mensuel”.
On distingue :
* Variables indépendantes (causes)
* Variables dépendantes (effets)
🔹 3. Hypothèse
L’hypothèse est une affirmation provisoire qui propose une relation entre deux ou plusieurs variables.
👉 Exemple : Plus le niveau de scolarité est élevé (VI), moins le risque de récidive est grand (VD).
Elle est testable et falsifiable.
🔹 4. Théorie
La théorie est un ensemble structuré d’hypothèses et de concepts, qui vise à expliquer un phénomène.
👉 Exemple : La théorie de l’anomie de Merton explique la déviance par le décalage entre les objectifs sociaux et les moyens disponibles.
Une bonne théorie doit être :
* Clairément formulée,
* Logiquement cohérente,
* Empiriquement testable.
🔹 5. Modèle
Un modèle est une représentation simplifiée de la réalité, basée sur une théorie, qui permet de visualiser les relations entre les variables.
👉 Exemple : Modèle bio-psycho-social du comportement criminel.
Il est souvent présenté sous forme de schéma.
🔹 6. Cadre théorique
Le cadre théorique est le choix des concepts et des théories mobilisés pour orienter la recherche. C’est la fondation intellectuelle du projet.
👉 Exemple : Une recherche sur les jeunes radicalisés peut s’appuyer sur la théorie du lien social de Hirschi.
🔹 7. Cadre méthodologique
Il désigne les outils, les techniques et les procédures utilisées pour recueillir et analyser les données.
👉 Quantitatif, qualitatif, mixte ; entretiens, observations, questionnaires.
🔹 8. Opérationnalisation
C’est le passage du concept abstrait à une mesure concrète.
👉 Exemple : Le concept de “peur du crime” est opérationnalisé via un questionnaire mesurant le sentiment d’insécurité dans différents lieux.
Conclusion
Ces termes ne sont pas des formalités : ce sont les briques fondamentales d’une démarche scientifique crédible. En les maîtrisant, le chercheur est capable de penser avec rigueur, de communiquer clairement, et surtout, de produire un savoir structuré et transmissible.
Enumérer tous les types d’erreurs classiques dans la recherche et
expliquer au moins trois erreurs en détail.
Même avec les meilleures intentions, toute recherche comporte des risques d’erreurs. Ce n’est pas un défaut du chercheur, mais une caractéristique naturelle d’un travail complexe, où l’on manipule des données, des concepts, et des interprétations.
En criminologie, ces erreurs peuvent détruire la validité d’une étude, voire mener à de fausses conclusions, avec des conséquences graves.
Voyons donc les principales erreurs classiques en recherche, accompagnées cette fois de leur explication complète.
Liste des erreurs classiques
1. Erreur de sélection
2. Erreur de construction des instruments de mesure
3. Erreur de traitement des données
4. Erreur de validité interne
5. Erreur de validité externe
6. Erreur écologique
7. Erreur atomistique
8. Erreur d’interprétation des corrélations
9. Erreur d’échantillonnage
10. Erreur d’attribution causale inversée
🔹 1. Erreur de sélection
Cette erreur survient lorsque l’échantillon étudié ne représente pas fidèlement la population ciblée.
👉 Exemple : Une étude sur les comportements violents menée uniquement auprès de détenus volontaires pour participer à une thérapie. Ceux qui acceptent sont probablement plus motivés à changer ou moins violents.
Conséquences :
* Les résultats sont biaisés ;
* On ne peut pas les généraliser à l’ensemble de la population ;
* La validité externe est compromise.
🔹 2. Erreur de construction des instruments de mesure
Elle concerne les outils mal conçus ou inadéquats pour mesurer le phénomène étudié.
👉 Exemple : Un questionnaire qui utilise des questions ambiguës ou culturellement biaisées pour mesurer la peur du crime.
Conséquences :
* Les données sont peu fiables ou non valides ;
* Le concept mesuré ne correspond pas à ce que l’on croit ;
* La validité conceptuelle est affectée.
🔹 3. Erreur de traitement des données
Il s’agit d’erreurs techniques ou humaines lors de la saisie, du codage ou de l’analyse des données.
👉 Exemple : Inverser les codes 0 et 1 pour la variable “consommation d’alcool”, ou mal interpréter une moyenne.
Conséquences :
* Les résultats sont mathématiquement incorrects ;
* Ils peuvent mener à de fausses interprétations ou conclusions.
🔹 4. Erreur de validité interne
Elle apparaît lorsque le lien de causalité supposé entre deux variables est contaminé par des facteurs extérieurs non contrôlés.
👉 Exemple : Une baisse de la récidive est attribuée à un programme de réinsertion, alors que le facteur réel est l’amélioration des conditions économiques.
Conséquences :
* Le lien causal est faussé ;
* L’explication est trompeuse ;
* La recherche manque de rigueur méthodologique.
🔹 5. Erreur de validité externe
Cette erreur empêche de généraliser les résultats à d’autres contextes, populations ou périodes.
👉 Exemple : Une étude menée en prison sur la violence peut ne pas s’appliquer aux jeunes en milieu scolaire ou dans la rue.
Conséquences :
* Les résultats sont contextuels ;
* L’étude perd en portée et en utilité publique.
🔹 6. Erreur écologique
Elle consiste à tirer des conclusions individuelles à partir de données agrégées.
👉 Exemple : Dans un quartier pauvre, on observe un taux élevé de criminalité. En déduire que tous les individus pauvres sont plus criminels est une erreur écologique.
Conséquences :
* Elle généralise à tort une tendance de groupe à tous les individus ;
* Elle alimente des stéréotypes et des politiques injustes.
🔹 7. Erreur atomistique
C’est l’inverse de l’erreur écologique. On tire des conclusions générales à partir d’observations individuelles.
👉 Exemple : Un détenu a grandi sans père → penser que tous les délinquants sont issus de familles monoparentales.
Conséquences :
* Généralisation abusive ;
* Risque de simplifications dangereuses ;
* Faiblesse du raisonnement scientifique.
🔹 8. Erreur d’interprétation des corrélations
C’est une confusion entre corrélation et causalité.
👉 Exemple : Plus une personne consomme de cannabis, plus elle a de démêlés avec la justice. Cela ne signifie pas que le cannabis cause les démêlés judiciaires. Peut-être qu’un facteur tiers — comme le milieu de vie — influence les deux.
Conséquences :
* Fausse interprétation des données ;
* Risque de prescriptions politiques ou sociales mal fondées.
🔹 9. Erreur d’échantillonnage
Elle survient lorsque l’échantillon est trop petit, mal sélectionné, ou non aléatoire.
👉 Exemple : Une étude sur les jeunes délinquants menée uniquement dans un centre urbain, sans tenir compte des milieux ruraux.
Conséquences :
* Les résultats sont biaisés, non représentatifs ;
* La généralisabilité est compromise ;
* La validité externe est affaiblie.
🔹 10. Erreur d’attribution causale inversée
C’est une inversion de la cause et de l’effet.
👉 Exemple : On croit que le décrochage scolaire mène à la délinquance. Mais dans certains cas, c’est l’engagement précoce dans des activités illégales qui précède l’abandon scolaire.
Conséquences :
* La lecture des résultats est inversée ;
* Les interventions deviennent inefficaces, car mal ciblées.
Conclusion
Ces erreurs nous rappellent une vérité essentielle :
👉 En recherche, le danger ne vient pas de l’ignorance, mais de l’illusion de savoir.
Le rôle du chercheur en criminologie est d’être lucide, rigoureux et critique, pour que ses conclusions reposent sur une méthode solide, transparente et responsable.
