examen 2 Flashcards
(216 cards)
1
Q
la mesure en psychologie est un domaine fondamental qui englobe quoi
A
fondamental qui englobe à la fois la théorie et la méthodologie relatives à la création, à la validation et à l’utilisation des outils de mesure.
2
Q
les outils visent à quantifier quoi
A
à quantifier des caractéristiques mentales et comportementales telles que les connaissances, les traits de personnalité, et diverses composantes de la cognition, comme le langage, l’intelligence, ou encore la mémoire.
3
Q
mesurer en psychologie signifie attribuer des valeurs numériques à quoi
A
des construits psycho-sociaux abstraits (fait à partir des comportements observables ou de réponses à des tests psychométriques), conformément à des règles strictes :
4
Q
quelles sont les éléments dans les règles strictes pour mesurer en psychologie
A
- la cueillette des données
- la nature des données
- la propriété psychométriques des construits ou le contexte de validation qui va toucher le concept de validité
5
Q
qu’est-ce qui est essentiel de récolter dans la cueillette de donnée
A
il est essentiel de récolter des données pertinentes exactes et représentatives des construits que l’on cherche à mesurer, il faut donc choisir des échantillons appropriés et d’utiliser des méthodes de collecte adaptées
6
Q
quel est le genre de nature qu’on parle dans la nature des données et elle détermine quoi
A
- qualitative : descriptions verbales d’un comportement
- quantitatif : score d’un test
- la nature des données détermine la façon dont on va les analyser et les interpréter
7
Q
les construits sont des concepts théoriques qui représentent un phénomène …. qui ne peuvent ou qui ne peuvent pas être directement observés
A
- phénomène psychologique (ex : motivation, dépression, estime de soi)
- qui ne peuvent pas être directement observés mais qui sont inférés à travers des comportements ou des répondes à des questionnaires
8
Q
les construits doivent être mesurés en respectant certaines propriétés psychométriques essentielles lesquelles ?
A
la validité (le test mesure-t-il ce qu’il prétend mesurer ?), la fiabilité (les résultats sont-ils cohérents sur le temps ?), et la sensibilité (le test est-il capable de détecter des différences entre les individus ?)
9
Q
la validité est souvent assurée à travers de techniques comme quoi
A
le ratio de validité de contenu
10
Q
si je n’arrive pas à mesurer quelque chose c’est un construit ou un concept
A
un concept
11
Q
pourquoi l’intelligence est un construit psycho-sociaux
A
parce que c’est nous qui a essayé de mesurer l’intelligence
12
Q
l’un des grands défi dans la correspondance entre les comportements et les chiffres c’est quoi
A
établir une correspondance rigoureuse
13
Q
la correspondance entre les comportements et les chiffres repose sur quel genre de processus
A
processus de quantification qui doivent être justifiés théoriquement et empiriquement
exemple :
- Lorsqu’on évalue la dépression : un score est attribué en fonction de réponses à un questionnaire comportant des items (manger, mal dormir, etc.)
- Chaque réponse doit être associée à un score numérique qui reflète le niveau de dépression perçu
14
Q
la mesure au niveau de la précision et la reproductibilité permet quoi
A
de garantir que les mesures obtenues soient à la fois précises et reproductibles
15
Q
la précision permet quoi
A
un test précis est capable de mesurer de manière fine les différences entre les individus
16
Q
qu’est-ce que la reproductibilité (la mesure est reproductible si quoi)
A
une mesure est reproductible si elle donne des résultats similaires lorsque le test est administré à plusieurs reprises dans des conditions semblables Cela implique que les tests psychologiques doivent être fiables, c’est-à-dire produire des résultats constants au fil du temps (fiabilité test-retest) ou entre différents évaluateurs (fiabilité inter-évaluateurs).
17
Q
quels sont les enjeux éthiques importants
A
Confidentialité et protection des données : les résultats des tests doivent être traités avec le plus grand soin pour protéger la vie privée des participants
Utilisation des résultats : les scores obtenus ne doivent pas être utilisés de manière abusive ou pour stigmatiser les individus. Ils doivent servir à améliorer le bien-être des personnes évaluées
18
Q
la mesure est un processus complexe qui demande quoi afin de fournir quoi
A
demande rigueur, précision et respect des normes éthiques, afin de fournir des évaluations valides et fiables des comportements humains et des caractéristiques mentales
19
Q
vrai ou faux
tout ne peut pas devenir une erreur
A
faux
tout peut devenir des erreurs qui vont s’ajouter. Je ne peux pas devenir quelque chose que je ne suis pas et donc ma réponse refléter ma personne. Le contenu (moi) c’est une erreur parce que c’est pas ça que j’étais en train de mesurer
20
Q
La rigueur méthodologique et les propriétés psychométriques (validité, fiabilité, sensibilité) sont essentielles pour quoi
A
garantir que les résultats obtenus puissent réellement éclairer les décisions cliniques, de recherche ou d’intervention
21
Q
L’évaluation (les fondements) c’est quel genre de processus
A
un processus technique et méthodologique fondamental
22
Q
L’évaluation (fondements) fournit quoi et qu’est-ce qu’elle comprend
A
Fournit une interprétation informée et fondée sur des critères scientifiques pour comprendre et diagnostiquer des phénomènes psychologiques
- connaissance de ce qui est mesuré
- les instruments doivent être valides et fiables
- prendre en compte des erreurs de mesure
23
Q
l’évaluation (les fondements)
qu’est-ce que la connaissance de ce qui est mesuré
A
- Le psychologue doit avoir une compréhension claire de l’unité de mesure utilisée dans chaque évaluation (par exemple, les échelles de QI, les scores de dépression) et de la nature du phénomène psychologique observé (comme l’anxiété, la personnalité, ou les fonctions cognitives).
24
Q
l’évaluation (les fondements)
qu’est-ce que veut dire les instruments doivent être fiable et valide
A
- Les instruments utilisés doivent être valides (c’est-à-dire qu’ils mesurent bien ce qu’ils prétendent mesurer) et fiables (c’est-à-dire qu’ils produisent des résultats constants dans le temps). Une évaluation n’est utile que dans la mesure où elle se base sur des outils ayant fait leurs preuves en termes de psychométrie
25
l'évaluation (les fondements)
quest-ce que veut dire « prendre en compte des erreurs de mesure »
- Toute évaluation comporte une marge d’erreur. Il est donc essentiel de reconnaître et de prendre en compte ces erreurs pour éviter de tirer des conclusions hâtives ou erronées. La sensibilité de l’outil d’évaluation est également cruciale pour détecter des différences subtiles entre les individus
26
quelle est la différence entre une mesure et une évaluation
Mesure = chiffre
Évaluation = interprétation de ces chiffres là
27
qu'est-ce qu'une évaluation
c’est une interprétation on va interpréter les chiffres (les chiffres sont « mathématique » et la limite est beaucoup plus élevé que l’interprétation parce qu’elle n’est pas limité à ma capacité d’interprétation. Le chiffre est plus précis et permet de nous donner plus d’options (c’est mon interprétation qui est plus limité).
28
pour interpréter il faut connaitre plusieurs choses et s'assurer de quoi
s’assurer que les outils soient fidèles et prendre en compte les erreurs (tout ce qui ne prend pas en compte ce qu’on veut évaluer est une erreur) la lumière peut devenir une source d’erreur
29
est-ce que l'évaluation est un simple recueil de données ou de scores
non
elle est dynamique et contextuelle. En plus de fournir une photographie à un moment donné du fonctionnement psychologique d’un individu
* Ce processus d’évaluation est souvent interactif, évolutif et nécessite l’implication active de la personne évaluée.
30
L'évaluation constitue une source d'information.......
explicative qui permet de comprendre les phénomènes psychologiques sous-jacents
31
est-ce que les résultats des évaluations ont un impact sur la vie des individus et des groupes
oui
- Les décisions basées sur ces évaluations (ex : en milieu scolaire ou professionnel) peuvent influencer des trajectoires de vie
- Ainsi le psychologue doit être particulièrement prudent dans l’interprétation et la communication de ces résultats (habiller le chiffres)
32
que permet les étapes dans l'évaluation
d’explorer les différents aspects du fonctionnement psychologiques de l’individu et d’élaborer un plan d’intervention
33
quelles sont les étapes qui permettent d'explorer les différents aspects du fonctionnement psychologiques et d'élaborer un plan d'intervention et expliquer chaque étape
- Identifier la problématique
- L’évaluation commence par la définition du problème ou de la question à laquelle l’évaluation doit répondre. Cela peut inclure des symptômes de trouble psychologique, des difficultés scolaires ou des problématiques liées à l’adaptation sociale.
Choisir les outils d’évaluation
- Le psychologue choisit les outils psychométriques (tests standardisés, échelles d’observation, questionnaires, etc.) en fonction de la problématique et de l’objectif de l’évaluation
Collecter les données (entretiens cliniques, observations directes et tests psychométriques)
- L’évaluation peut inclure des entretiens cliniques, des observations directes et des tests psychométriques. Ces données doivent être recueillies de manière standardisée pour garantir leur validité.
Analyser et interpréter les résultats
- Le psychologue analyse les résultats en les comparant aux normes ou aux scores de référence, ce qui permet de situer l’individu par rapport à un groupe de population.
Élaborer le rapport et le plan d’intervention
- L’évaluation aboutit souvent à la rédaction d’un rapport qui présente les résultats de manière claire et précise, et qui propose des recommandations ou un plan d’intervention adapté aux besoins de l’individu.
34
Dans l'évaluation, il est essentiel au psychologue de respecter des normes éthiques lesquelles
Confidentialité
- Les informations recueillies doivent rester strictement confidentielles et ne peuvent être divulguées qu’avec le consentement de la personne évaluée.
Consentement éclairé :
- Avant l’évaluation, le psychologue doit obtenir un consentement éclairé, expliquant la nature de l’évaluation, les outils utilisés et l’utilisation des résultats
Collecte des données
- Entretiens clinique
- Des observations directes
- Des tests psychométriques
Communication claire des résultats
- Le psychologue doit s’assurer que les résultats soient expliqués de manière compréhensible à la personne et qu'ils ne soient pas utilisés de manière discriminatoire ou pour stigmatiser un individu ou un groupe
35
l'évaluation est un processus essentiel pour quoi et implique l'utilisation de quoi
comprendre et diagnostiquer les phénomènes psychologiques
Elle implique l’utilisation d’outils fiables et valides pour collecter et interpréter des données sur le comportement et les émotions des individus
36
Le psychologue doit suivre des étapes précises, telles que
- l’identification du problème
- le choix des tests appropriés
- l’analyse des résultats
- la proposition d’un plan d’intervention
37
L'évaluation vise à fournir quoi
fournir une compréhension approfondie et responsable des besoins psychologiques de l’individu
38
L'analyse de données en psychologie joue un rôle crucial dans quoi
dans l’avancement des connaissances et la résolution de problématiques complexes liées au comportement humain.
39
quel est le processus dans les analyses de données
Ce processus commence par la collecte des données à partir de différentes méthodes (questionnaires, observations, expériences, entretiens), suivie du traitement statistique de ces données pour en extraire des résultats significatifs. Cela permet aux chercheurs de répondre à des questions de recherche, de tester des hypothèses
40
quels sont les méthodes dans l'analyse de données
statistiques descriptives
statistiques inférentielles
la régression et modèles prédictifs
41
que permet la statistiques descriptives et va calculer quoi
- Elles permettent de résumer les données sous forme de mesures centrales (moyenne, médiane, mode) et de mesures de dispersion (écart-type, variance). Les tableaux, graphiques et diagrammes servent à visualiser les résultats, facilitant ainsi leur compréhension.
- permettent de résumer les données sous forme de mesures centrales et variabilités
- moyenne, médiane
- essayé de réduire à 1 résultat un paquet de résultats
- je peux juste décrire les choses
42
est-ce que la science est basé seulement sur la description
non elle va aussi être bâti dans l'inférentielle
43
les statistiques inférentielles sont utilisés pour quoi et on y retrouve quel genre de test
pour tirer des conclusions à partir d’échantillons de données et pour généraliser ces conclusions à une population plus large. Cela inclut des tests comme l’ANOVA (analyse de la variance), les tests t de Student, ou les corrélations pour examiner les relations entre les variables
44
les régressions et modèles prédictifs sont des outils essentiel pour quoi
les comportements et explorer comment plusieurs facteurs interagissent pour influencer les comportements humains
- c’est un type de modèle de prédiction
45
le modelage d'équation permet de, c'est quel type de modèle et ça fait quoi
prédire un comportement et c’est un type de modèle de prédiction et fait plusieurs régressions en même temps
46
la variable indépendante c'est elle qu'on veut prédire ou c'est elle qui explique
une variable dépendante (celle que je veux prédire) et le ou les variables indépendante (celle qui vont expliquer la variable dépendante)
47
les analyses de données vont au-delà des simples indices de signification par quoi
- la taille de l'effet (pertinence pratique)
- intervalle de confiance (on peut être confiant à 95% que l'effet réel se situe à l'intérieur de cet intervalle)
- inférences bayésiennes
48
quel est le point critique de l'interprétation moderne des données est de prendre en compte quoi
la taille de l'effet
49
la taille de l'effet informe de quoi
Elle informe non seulement si un effet existe (comme indiqué par la valeur p), mais aussi l'ampleur de cet effet. Par exemple, une petite taille d’effet pourrait indiquer que même si une relation existe, elle n'a peut-être pas une grande pertinence pratique
- On va savoir quelle est la variance explicative même si on fait des comparaison de moyennes
50
l'importance de calculer la taille de l'effet permet d'expliquer quoi
d’expliquer si le changement a une importance pratique ou non. C’est fondamental aujourd’hui en psychométrie
51
les intervalles de confiance fournissent quoi
une estimation de la précision des résultats obtenus. Un intervalle de confiance à 95 % indique que nous pouvons être confiants à 95 % que le véritable effet se situe à l'intérieur de cet intervalle.
52
qu'est-ce que sont les inférences bayésiennes
sont une méthode pour faire des prédictions ou tirer des conclusions en se basant sur de nouvelles informations. Elles utilisent le théorème de Bayes, qui permet de mettre à jour notre croyance sur une idée (hypothèse) lorsqu'on reçoit de nouvelles données.
permet de réajuster
53
les recommandations incluent quoi dans l'analyse de donnée
- Utiliser des estimateurs appropriés : doit être robustes
- Rapporter la taille d’effet
- Préférer les intervalles de confiance aux tests d’hypothèses traditionnels
- Éviter le p-hacking (manipuler les analyses de données pour obtenir des résultats significatifs)
54
pourquoi doit-on utiliser des estimateurs robustes dans les analyses de données
- Il est recommandé d'utiliser des estimateurs robustes, surtout lorsque les données ne suivent pas une distribution normale. Cela permet d'éviter des biais dans les analyses.
55
un estimateur c'est
c’est un processus statistique qui m’assure que mes résultats sont précis
- Il faut trouver le bon estimateur et il y a des logiciels qui ont la flexibilité qui nous offre des estimateurs qui sont plus précis et donc robustes
- SPSS n’offre pas des estimateurs robustes dans le cas des données ordinales
56
pourquoi doit-on rapporter la taille d'effet
l’APA insiste sur l’importance de rapporter la taille de l’effet, qui donne une indication de l’importance pratique des résultats. Cela aide à aller au-delà de la simple signification statistique et à considérer la pertinence des résultats dans un contexte réel.
57
pourquoi faut-il préférer les intervalles de confiances
- L'APA encourage l'utilisation des intervalles de confiance comme une alternative ou un complément aux tests d'hypothèses traditionnels. Cela permet une meilleure compréhension de la fiabilité des résultats obtenus.
58
Pourquoi faut-il éviter le p-hacking
- Les chercheurs doivent éviter de manipuler les analyses de données pour obtenir des résultats significatifs (pratique appelée p-hacking), ce qui est éthiquement discutable et conduit à des conclusions trompeuses.
- Enlever une donnée extrême parce que si on enlève pas ça va causer une courbe anormale dans mon graphique
59
dans les analyses de données pourquoi dont-on avoir des résultats accessible et compréhensibles
Compréhension approfondie des méthodes analytiques
Rigueur dans la collecte et le traitement des données
Interprétation réfléchie des résultats (l’interprétation dépend de nous)
60
les visualisations graphiques sont essentielles pourquoi
pour rendre les résultats des analyses de données plus accessibles et compréhensibles. Elles permettent de mettre en évidence des tendances, des relations ou des différences entre les groupes de manière visuelle. Des outils tels que les graphiques en barres, histogrammes, boîtes à moustaches et nuages de points sont couramment utilisés pour illustrer des distributions et des relations entre variables
61
L'analyse des données en psychologie n'est pas uniquement une question de chiffres et de tests statistiques. Elle implique quoi
une compréhension approfondie des méthodes analytiques, une rigueur dans la collecte et le traitement des données, ainsi qu'une interprétation réfléchie des résultats. Les recommandations de l’APA fournissent un cadre éthique et méthodologique important pour garantir la validité, la fiabilité et l’impact pratique des résultats obtenus.
62
les analyses de données est un processus essentiel qui permet aux chercheurs de....
aux chercheurs de mieux comprendre le comportement humain
63
dans la classification et les échelles de mesure, Stevens propose combien de niveau et quels sont-ils
4 niveaux (c’est ce qui est le plus utilisé par le monde)
Nominales (de classes ou catégorielles)
Ordinales
Intervalle
Proportionnelle (ratio)
64
l'échelle nominale permet de classer quoi et comment
permet de classer des individus ou des objets en différentes catégories qui sont mutuellement exclusives. Cette échelle n'implique aucun ordre ou hiérarchie entre les catégories. Par exemple, les catégories de genre, les types de personnalité ou les diagnostics cliniques sont des exemples typiques d'échelles nominales en psychologie.
65
quelle est l'échelle de mesure la plus fondamentale
l'échelle nomina
66
quelles sont les caractéristiques de l'échelle nominale
1. Classification sans ordre, il y a des chiffres, mais ils n’ont pas d’importance c’est juste pour distinguer une chose de l’autre. Je ne peux pas faire une moyenne, les calculer, etc. je peux faire des fréquences et des pourcentages
2. Opérations statistiques limitées : les statistiques descriptives comme fréquence et pourcentage peuvent être calculées
3. Exemple de variables nominale en psychologie
- Genre (masculin, féminin, autre) dans la réalité on utilise le sexe et non le genre
- Type de personnalité (introverti, extraverti)
- Diagnostic clinique (trouble dépressif majeur, etc.)
67
quel genre de corrélation retrouve-t-on avec les échelles nominales et expliquer
- Les corrélations tétrachoriques sont utiles pour estimer des relations sous-jacentes entre des variables catégoriques. Une étude méthodologique a démontré que l’utilisation de matrices tétrachoriques produit de meilleurs résultats que les matrices Pearson pour les analyses factorielles dans les évaluations psychologiques
68
qui a développé les corrélations tétrachoriques
pearson
69
L'application du bootstrapping avec des échelles nominales
- C’est une méthode de rééchantillonnage utile lorsque les hypothèses paramétriques classiques ne sont pas respectés. Pour de échelles nominales, il permet de générer des intervalles de confiance pour des statistiques comme les fréquences et pourcentages
- Bootstrapping : j’ai 5 réponses et je veux créer 2000-3000 autres réponses en me basant sur les réponses du début et donc je vais faire un choix aléatoire et ça tombe 3, je réintègre le 3 et je
- Si je fais un rééchantillonnage basé sur le réalité c’est des vrais résultats que je réutilise, je recrée des échantillons à partir de données réelles, ce n’est pas créé dans ma tête il y a une méthodologie de développement de d’autres échantillonnages
- Le bootstrapping est important et tout les logiciels nous offrent cette possibilité
70
L'échelle ordinale est utilisé pour quoi et elle est utilisé dans quoi
pour classer des variables selon un ordre, mais sans garantir que les écarts entre les catégories soient égaux. Elle est couramment employée en psychologie dans des échelles de Likert, des évaluations de satisfaction, ou encore des mesures de la gravité des symptômes.
71
quels sont les caractéristiques clés de l'échelle ordinale
1. Classement avec ordre : croissant ou décroissant
2. Opérations statistiques spécifiques : médiane, mode, fréquence, pourcentages, corrélation de Spearman
3. Exemple : de variables ordinales en psychologie
Niveaux d’anxiété (léger, modéré, sévère)
Échelle de Likert (fortement en désaccord à fortement en accord)
Évaluations des symptômes (faibles, modérés, graves)
72
est-ce que l'absence du phénomène est présent dans l'échelle ordinale
non
Je suis toujours dans le phénomène, je suis en train de mesurer quelque chose avec un ordre
Absence du phénomène : ex : choix : pas du tout = l’absence de la chose
On veut mesurer la chose et non l’absence de la chose
je suis en train d’évaluer quelque chose ou le manque de quelque chose
on ne peut pas avoir une intelligence à 0 ou autre chose à 0 les pas du tout n’existe pas
73
quel est la différence entre une corrélation polychorique et une corrélation tétrachorique
Corrélations polychorique : j’enlève la moyenne et je mets la médiane
Corrélations tétrachorique : j’enlève la médiane et je mets le mode
74
pourquoi utiliser une corrélation tétrachorique
parce que je cherche la précision de la mesure, je ne peux plus accepter des choses on veut le minimum d’erreur pour faire notre interprétation et la valeur doit être la plus précise que je vais interpréter = estimateurs robustes
75
quelle corrélation retrouve-t-on dans les échelles ordinales
corrélations polychorique
76
la corrélations polychorique est souvent utilisé pour quoi et elle doit respecter quoi
pour mesurer les relations entre des variables ordinales, en supposant qu’une variable continue sous-jacentes existe
- Ex : lorsque l’on évalue des réponses de nature ordinales (sur une échelle de likert), les corrélations polychoriques permettent de mieux comprendre les relations entre ces variables qu’une simple corrélation de Pearson
elle doit respecter la distance entre les variables (1-2-3-4-5)
77
quelle est l'application du bootstrapping avec des échelles ordinales
- Le bootstrapping est une méthode non paramétrique qui permet de rééchantillonner les données pour estimer des intervalles de confiance et la robustesse des résultats
- Il est souvent appliqué aux corrélations polychoriques pour estimer la fiabilité des résultats obtenus avec des données ordinales
78
que fait le bootstrapping
normaliser ce qui n'est pas normal
79
l'échelle d'intervalle est un type d'échelle de mesure dans laquelle .....
les écarts entre les points sont égaux, mais elle ne comporte pas de point zéro absolu. Cela signifie que bien que nous puissions mesurer les différences entre les valeurs, nous ne pouvons pas dire qu’une valeur représente un multiple ou une fraction d’une autre.
80
quelles sont les caractéristiques clés de l'échelle d'intervalle
1. Écarts égaux entre les valeurs
L’une des caractéristiques fondamentales de cette échelle est que les différences entre les valeurs sont toujours les mêmes, quel que soit l’endroit où l’on se trouve sur l’échelle.
Mes données sont paramétrisable (la distance entre les variables est la même)
2. Pas de zéro absolu : La valeur zéro existe, mais elle n’est pas absolue (ex : température quand il y a le 0 il y a quand même une température) bien que nous puissions mesurer les écarts entre les valeurs, l’échelle d’intervalle n’a pas de zéro absolu
3. Statistiques appropriées : l’échelle d’intervalle permet un gamme d’analyses statistiques plus larges, y compris des mesures telles que la moyenne, la variance et l’écart-type
4. Exemples de variables d’intervalles en psychologie
- Scores de tests de QI
- Scores d’évaluation de la performance cognitive (mémoire, etc.) je peux avoir des tests de mémoire basé sur une échelle ordinale ou d’intervalle
81
les échelles d'intervalles permettent l'utilisation de corrélation...
l’utilisation de corrélations classique, comme la corrélation de Pearson, qui mesure la force et la direction de la relation linéaire entre 2 variables
Parce que je peux utiliser la moyenne peut utiliser Spearman si la distribution n,est pas normale ou je peux normaliser la distribution en faisant du bootstrapping (je vais faire du rééchantillonnage)
82
les corrélations de Pearson est approprié pour quoi
pour les données continues, ce qui inclut les échelles d’intervalle
83
quelle est l'application du bootstrapping avec des échelles d'intervalle
- Le bootstrapping est une méthode non paramétrique utilisée pour estimer la précision des statistiques (telles que la moyenne ou l’écart-type) dans des échantillons de petite taille ou lorsque les hypothèses paramétriques classiques ne sont pas respectées
84
L'échelle de ratio est appelé par un autre nom quoi
échelle proportionnelle
85
Quelle échelle est la plus précise des échelles de mesure et pourquoi
l'échelle de ratio et car elle possède un zéro absolu, en plus de permettre la mesure des écarts constants entre les valeurs.
86
quels sont caractéristiques clés de l'échelle de ratio
1. Le zéro est absolu (j’ai 1 fils et l’autre 0 donc il en a pas) le 0 est absolu : Une caractéristique clé de l’échelle de ratio est qu’elle possède un point zéro véritable, ce qui signifie qu’une valeur de zéro indique une absence complète de l’attribut mesuré.
2. Opération arithmétiques complètes : Les écarts entre les valeurs sont constants, et toutes les opérations arithmétiques sont possibles.
3. Exemples de variables de ratio en psychologie
- Temps de réaction
- Durée de sommeil
87
les échelles de ratio permettent l'utilisation de quel genre de corrélation
de corrélations classiques, comme la corrélation de Pearson, qui mesure la relation linéaire entre 2 variables continues
- Le résultat n’est pas précis il faut donc faire des corrélations polychoriques
88
quelle est l'application du bootstrapping avec des échelles de ratio
- Le bootstrapping peut être utilisé avec des échelles de ratio pour estimer la précision des statistiques, comme la moyenne ou les corrélations, dans des échantillons de petite taille
89
si une échelle a un « pas du tout à très d'accord » c'est quel genre d'échelle
ça serait censé être une échelle ordinale mais puisque ^ça ne respecte par on ne peut pas le classer
90
la classification des échelles de meures relève d'une question de ?
conventions et d'utilité
91
qu'est-ce que la convention
- Les données relatives aux attributs psychologiques sont encore acceptées comme compatibles avec les techniques d’analyses statistique paramétrique le plus puissante
- les 4 échelles de mesure sont le résultat d'une convention dans la manière dont les attributs psychologiques sont quantifiés
92
quels sont les rôles de conventions dans les échelles
- conventions statistiques : En psychologie, les **données psychométriques** sont fréquemment traitées avec des méthodes **statistiques paramétriques**, qui supposent l’existence de **distributions normales**. Pourtant, beaucoup de **variables psychologiques** ne suivent pas ces hypothèses.
- conventions et compatibilité avec les techniques paramétriques : La **compatibilité** entre les données psychologiques et les techniques d’analyse paramétriques est souvent basée sur des conventions. Historiquement, il était accepté que les **données ordinales** pouvaient être analysées avec des techniques paramétriques puissantes
- l'acceptation des données ordinales comme intervalle : Un exemple célèbre est l’**échelle de Likert**, utilisée pour mesurer des attitudes ou des traits de personnalité. Bien qu’elle soit formellement une échelle **ordinale**, les chercheurs l'acceptent souvent comme une **échelle d’intervalle** pour appliquer des méthodes paramétriques.
93
quels sont les limites des conventions
Il est crucial de reconnaître que ces **conventions** ne sont pas sans controverse. De nombreux **chercheurs modernes** questionnent l'acceptation généralisée de ces pratiques. Par exemple, avec l’**émergence des modèles non paramétriques**, certains statisticiens et psychométriciens suggèrent de **réviser les conventions** dominantes.
94
qu'est-ce que l'utilité
repose sur l'idée que, historiquement, les méthodes et outils de mesure en psychométrie ont été choisis pour des raisons de **praticité** plutôt que pour leur adéquation stricte avec les caractéristiques des données psychologiques.
95
la classification des échelles de mesures comporte 1 problème lequel
problème d'échantillonage
96
quels sont les genres d'échantillons qui sont utilisé
échantillon d'individus et de contenu (items d'un test)
97
selon Bernier et Pietrulewicz est-il possible de gérer simultanément les 2 échantillons
non il est pratiquement impossible de gérer simultanément ces deux échantillons (problème de l’échantillonnage) au même temps.
En psychométrie on a un problème au niveau de l’échantillonnage qui n’a pas de solution. Dans la réalité j’ai 2 échantillons de nature différentes (en premier c’est un échantillon de personne et un échantillon d’items. Il n’y a aucune formule qui fait en sorte de calculer les 2 échantillons et donc c’est une limitation qui n’a pas de solution parce que je ne peux pas faire de gestions de 2 échantillons. Si on laisse tomber un des 2 échantillons l’erreur va augmenter de manière exponentielle
98
comment peut-on faire face au fait qu'on ne peut pas prendre en compte les 2 types d'échantillons
Une manière typique de faire face à ce problème consiste à prendre explicitement en compte un échantillon, tout en gardant à l’esprit que l’autre peut influencer négativement les résultats.
ce qui a été recommandé c'est de porter attention aux items du test et laisser les items des personnes de côté
99
vrai ou faux
L'approche recommandée en psychométrie face à cette problématique consiste à utiliser un échantillon d'individus suffisamment petit pour minimiser l'erreur d'échantillonnage et garantir une bonne représentativité de la population cible
faux
il faut que l'échantillon soit large et Une fois cette représentativité assurée, l’attention du psychométricien se porte alors sur la représentativité des items du test
100
qu'est-ce qu'une approche pragmatique
consiste à se concentrer principalement sur l’un des deux échantillons, tout en gardant à l’esprit que l’autre échantillon peut introduire une **source d’erreur**. Cette méthode est couramment utilisée pour gérer les **compromis** nécessaires dans la conception des tests
101
dans la plupart des cas les chercheurs accordent la priorité sur quoi
accordent la priorité à un échantillon d’individus suffisamment grand pour que l’erreur d’échantillonnage liée aux individus soit minimisée.
102
en psychométrie, les normes sont utilisé pour quoi
pour interpréter les résultats des tests en comparant la performance d’un individu à une population de référence.
103
les normes fournissent un contexte qui permet de déterminer si la performance est ?...
si la performance est supérieure, inférieure ou similaire à celle du groupe de référence.
104
qu'est-ce qui est une qualité psychométrique
les normes
105
pourquoi les normes sont importantes
que c’est à partir des normes qu’on va pouvoir interpréter
106
quels sont les principaux types de normes
Normes intra-groupes (ou normes comparative)
normes basées sur des critères (critériées)
Normes de développement (normes d’âge)
Normes Ipsatives (intra-individuelles)
107
qu'est-ce que la norme intra-groupe et c'est quelle genre de mesure (qualitative ou quantitative)
- comparent les résultats d'un individu avec ceux d'un groupe de référence.
c’est une mesure quantitative donc score z, score t et QI
108
quels sont les exemples de normes intra-groupe
Percentiles : indiquent la position relative d’un individu au sein d’une distribution, montrant le pourcentage de personnes ayant obtenu des scores égaux ou inférieurs. C’est une mesure (données) qualitative parce que les distances entre les percentiles ne sont pas pareilles. Normalement quand les gens utilisent des données qualitatives ça s’arrête là
Scores z : représentent combien d’unités d’écart-type une valeur se situe au-dessous ou en dessous de la moyenne de la distribution. C’est une mesure quantitative et des donéées comparables
Scores T : sont des scores Z transformés sur une échelle avec une moyenne de 50 et un écart-type de 10, pour éviter des valeurs négatives. Mesure quantitative
Quotient Intellectuel (QI) : mesure la capacité cognitive par rapport à la moyenne de la population, généralement avec une moyenne de 100 et un écart-type de 15
109
qu'est-ce qu'une norme basées sur des critères et nommer des exemples
- Comparent les résultats d'un individu à un critère prédéfini plutôt qu'à un groupe. Elles sont utiles lorsque l'objectif est d'évaluer si l'individu a atteint un certain niveau de compétence.
- Exemple :
Un examen scolaire élaboré par le professeur Balbinotti, au cours PSY1019 ;
Tests cliniques (BDI : il existe des seuils cliniques de dépression « légers, modérés ou sévères »).
110
les normes de développement est utilisés pour quoi et donner des exemples
- Utilisées fondamentalement pour comparer la performance d'un individu en fonction de son âge ou de son niveau de développement. Couramment utilisées dans les tests pour enfants.
- Exemple :
Âge mental (détermine le niveau de développement cognitif de l’enfant) ; peut être un genre de norme
Percentiles de croissance (évaluent le développement cognitif, physique et linguistique des enfants.
111
que compare les normes ipsatives et donner des exemples
- comparent la performance d'un individu à lui-même, en évaluant les différences entre diverses dimensions de ses résultats dans un test. Elles sont particulièrement utiles pour mesurer les préférences personnelles ou les progrès individuels.
- Exemple :
Tests de personnalité ; (Le **Myers-Briggs Type Indicator (MBTI)** compare comment un individu se comporte sur différentes dimensions de la personnalité (comme l'extraversion ou l'introversion) par rapport à lui-même)
Évaluations de progrès (contextes éducatifs).
- Mes résultats comparés à moi-même
112
qu'est-ce que c'est les percentiles
- Les percentiles sont des mesures statistiques qui permettent de diviser un ensemble de données en 100 parties égales. Chaque percentile représente la position d'une donnée par rapport à l'ensemble du groupe. Par exemple, si un individu se situe au 75e percentile, cela signifie que 75 % des autres individus ont une performance inférieure à la sienne, et 25 % ont une performance supérieure.
113
quelle est l'utilisation des percentiles en psychométrie
En psychométrie, les percentiles sont couramment utilisés pour comparer la performance d'un individu à un groupe de référence. Plutôt que de simplement interpréter les scores bruts, les percentiles permettent de fournir une vue d'ensemble plus claire de la position relative de l'individu dans la population. Ils sont souvent utilisés dans des tests standardisés, tels que les tests d'intelligence ou de performance scolaire, pour indiquer où se situe un individu par rapport à ses pairs.
114
comment interpréter les percentiles
Un score au 50e percentile correspond à la médiane, ce qui signifie que la moitié des individus ont une performance inférieure et l'autre moitié a une performance supérieure. Un score au 90e percentile indique que 90 % des individus ont une performance inférieure, tandis que 10 % ont une performance supérieure.
115
comment calculer le score z
- Z = (X - µ) / σ
- Où :
- Z est le score standardisé,
- X est le score brut,
- µ est la moyenne de la distribution,
- σ est l'écart-type de la distribution
116
l'analyse d'items est une technique qui évalue quoi
la qualité des questions d'un test.
117
l'analyse des items permet de fournir quoi
Fournit les bases pour améliorer la validité et la fiabilité des items d'un instrument psychométrique/psychologique, garantissant que les tests donnent des résultats plus cohérents
118
est-ce que c'est exact quand on dit qu'un instrument est valide
non puisque c’est une erreur structurelle parce que c’est les items qui sont valides pas l’instrument
119
quelle est la méthode la plus utilisée dans l'analyse des items
CTT – Théorie classique des tests:
120
CTT – Théorie classique des tests comprend quoi
Corrélation point-bisériale (item-total) : corrélation entre 1 item et l’ensemble des autres items
(ex : mon échelle à 8 items je prends l’item 1 et je vais faire la corrélation de cet item avec l’ensemble des items, je prends l’item 2 avec l’ensemble des items, etc.)
Indice de difficulté (p-value) :
- Mesure la proportion de participants qui répondent correctement à un item, permettant de déterminer à quel point une question est facile ou difficile
121
Corrélation point-bisériale (item-total) mesure quoi
la relation entre un item et l'ensemble des autres items, permettant de vérifier si cet item est bien aligné avec l'ensemble du test ou dimension.
122
comment peut-on calculer Corrélation point-bisériale (item-total)
Corrélation entre chaque item (un item à la fois) et l’ensemble des autres items de la même échelle ou dimension total
123
comment peut-on l'interpréter Corrélation point-bisériale (item-total)
Corrélation faible vs élevée
Une corrélation élevée indique que l'item est cohérent avec les autres items du test. Une corrélation faible ou négative suggère que l'item ne contribue pas efficacement à la mesure globale.
124
il y a combien de théorie dans la Corrélation point-bisériale (item-total)
- Il y a 2 théories – classique des tests (la plus utilisé) et théorie des réponses des items
- Les 2 théories veulent analyser les items
- Ceux qui utilisent les tests psychométriques 80 % vont continuer la théorie classique
125
comment calculer l'Indice de difficulté (p-value)
on divise le nombre de réponses correctes (rc = 80) par le nombre total de participants (N = 100) = 80/100 = 0,80.
126
Un p-value proche de 1 signifie quoi
Un p-value porche de 0 signifie quoi
Idéalement on vise un p-value de combien
Une p-value proche de 1 indique = très facile, proche de 0 = très difficile. Et donc le % finale va représenter la difficulté du test
Idéalement, on vise une p-value autour de 0,50, mais cela dépend du type de test et de l’objectif visé.
127
l'analyse d'items fait aussi référence à
aux analyses statistiques utilisées pour sélectionner les meilleurs items (inclure, retirer ou maintenir) d’un test psychologique/psychométrique
128
quelles sont les autres analyses possibles
Statistiques de tendance centrale (Item Statistics);
Corrélations inter-item (Corrélation Matrix);
Analyses congénériques (Reliability Statistics);
Entre autres statistiques complémentaires (Analyse parallèle).
129
qu'est-ce qui est à la base des analyses des items
la corrélation
130
pourquoi alpha de cronback ordinal est une mesure congénérique pourquoi
parce qu’elle respecte l’importance de chaque item
131
Omega est une mesure congénérqiue pourquoi
parce qu’elle respecte l’importance de chaque item
132
les mesures congénériques vont considérer quoi, c'est quel genre de corrélation et la moyenne de ces corrélations c'est quoi
que les items ont leur propre importance avec les construits, c’est une corrélation partielle la moyenne de ces corrélations c’est l’alpha congénérique
133
qu'est-ce qu'une corrélation partielle
corrélation qu’on fait (1 item avec item 2 en contrôlant les effets des autres variables, etc) si j’ai 8 item je contrôle les 6 autres items en avisant le logiciel pour dire que les autres corrélations sont 0 je fais toutes les combinaisons possibles en contrôlant les autres. La moyenne c’est le résultat
134
pourquoi l'analyse des items est importante
parce que c’est le premier pas qu’on fait
135
qu'est-ce qui est fondamentale en psychométrie
les corrélations
136
pour effectuer les corrélations qu'est-ce qui est nécessaire pour faire cette analyse Un grand nombre ou un petit nombre d'items candidats ?
un grand nombre d'items candidats doit être présenté à un large échantillon de participants issus de la population cible.
137
idéalement dans les analyses d'items il devrait y avoir combien d'items
il devrait y avoir entre cinq et dix fois plus d'items candidats que la quantité finale « souhaitée » d’items du test (ou de la dimension). Si j’ai une échelle de 8 items je suis parti avec plusieurs items et je vais trouver les 8 items les meilleurs
138
Les chercheurs appliquent diverses procédures statistiques afin d'éliminer les items moins satisfaisants. quels sont les items qu'on veut enlever
- ne semblent pas d’accord avec le contexte exploré (éval. qualitative);
- présentent des moyennes extrêmes (p.ex.: 1 ou 5), ou sans variabilité; si la moyenne est 1 = je n’ai pas de variabilité et on essaie d’expliquer la variabilité (variance d’un phénomène/comportement). Si ça arrive l’item qui n’a pas de variabilité devient un candidat à partir
- montrent très peu de variation (p.ex.: 1,1, 1,2 ou 4,8, 4,9); peut devenir un candidat à partir ou non
- sont fortement corrélés (> que 0,90 ou 0,95);
- sont faiblement ou négativement corrélés avec les autres items. faible :devient un candidat à partir parce qu’il y a peu : je ne peux pas admettre, cela veut dire que cet item-là ne contribue pas pour la cohérence des autres items
- Si j’ai une échelle de 8 items je suis parti avec plusieurs items et je vais trouver les 8 items les meilleurs
139
qu'est-ce qui affecte le niveau de signification
par le nombre de personnes (c’est donc important à calculé, mais pas autant que les 3 autres)
140
quels sont les scales qu'on peut retrouver et expliquer
1. Scale Mean if Item Deleted
- Cette colonne montre la moyenne de l'échelle (ou score total moyen) si l'item en question est supprimé. Cela permet de voir l'impact de la suppression de l'item sur la moyenne totale du test. Si la suppression d'un item modifie considérablement cette moyenne, cela peut indiquer que cet item est important pour le test.
2. Scale Variance if Item Deleted
- Cette colonne indique la variance de l'échelle (ou score total) si l'item est supprimé. La variance mesure la dispersion des scores. Si la variance change significativement après la suppression d'un item, cela peut montrer que cet item contribue fortement à la variabilité des réponses.
3. Corrected Item-Total Correlation
- Il s'agit de la corrélation corrigée entre l'item et le score total (sans inclure l'item en question dans le score total). Elle mesure la relation entre l'item et le reste du test. Une valeur élevée indique que l'item est bien aligné avec l'échelle totale, tandis qu'une faible corrélation suggère que l'item pourrait être moins pertinent pour le test global.
4. 4. Squared Multiple Correlation
- Cette colonne représente la corrélation multiple au carré pour l'item. Elle montre à quel point l'item est prédit par les autres items de l'échelle. Une valeur élevée suggère que l'item est bien expliqué par les autres items, ce qui peut être un indicateur de redondance d’information.
5. 5. Ordinal Cronbach's Alpha if Item Deleted
- Cette colonne affiche l'alpha de Cronbach ordinal de l'échelle si l'item en question est supprimé. L'alpha de Cronbach ordinal est une mesure de la consistance interne du test, c'est-à-dire à quel point les items du test mesurent le même concept. Si la suppression d'un item augmente considérablement l'alpha de Cronbach, cela signifie que cet item réduit la consistance interne de l'échelle.
6. 6. McDonald's Omega if Item Deleted
- Le McDonald's Omega est une autre mesure de la fiabilité interne, similaire à l'alpha de Cronbach mais souvent considérée comme plus robuste. Cette colonne montre la valeur de l'Omega si l'item est supprimé. Comme pour l'alpha de Cronbach, une augmentation de l'Omega après la suppression d'un item peut indiquer que l'item n'est pas bien aligné avec le reste du test.
141
Comment puis-je m’assurer que mes items concernent une seule dimension ?
L'analyse parallèle c’est une autre façon de faire une analyse d’items et combien les facteurs évaluent et mesurent. C’est une autres façon de regarder les items(Parallel Analysis - PA) présentée ici est une méthode utilisée pour déterminer le nombre optimal de dimensions (ou facteurs) à retenir, selon les items disponibles, lors d'une analyse factorielle. Elle compare les valeurs propres (eigenvalues) obtenues à partir des données réelles avec celles générées aléatoirement pour évaluer si les facteurs extraits des données réelles sont significatifs.
142
le pourcentage de mes données doivent être plus élevée que quoi
être plus élevés que les données randomiser (2e colonne) et la 3e
143
dans un tableau la colonne : Real-data % of variance (Données réelles - pourcentage de variance) montre quoi
montre le pourcentage de variance expliqué par chaque facteur extrait des données réelles. Par exemple, le premier facteur explique 59,8851 % de la variance, le deuxième 11,9361 %, etc.
144
dans un tableau la colonne : Mean of random % of variance (Moyenne des données aléatoires - pourcentage de variance) montre quoi
- Cette colonne montre la moyenne des pourcentages de variance expliqués par des facteurs générés aléatoirement à partir de 9999 simulations. Ces valeurs servent de base pour comparer les valeurs obtenues avec les données réelles. Par exemple, dans les données aléatoires, le premier facteur explique en moyenne 20,6363 % de la variance.
145
dans un tableau la colonne : 95 percentile of random % of variance (95e percentile des données aléatoires - pourcentage de variance) montre quoi
- Cette colonne montre le 95e percentile des pourcentages de variance des données aléatoires. Cette valeur est utilisée comme seuil pour comparer les valeurs propres des données réelles. Si un facteur des données réelles explique plus de variance que cette limite, il est retenu comme significatif.
146
qu'est-ce qu'on doit comparer dans la règle de décision dans l'interprétation des résultats
Vous comparez la variance expliquée par les facteurs des données réelles avec la variance expliquée par les données aléatoires (95e percentile). Si la variance expliquée par le facteur réel est supérieure à celle du 95e percentile des données aléatoires, alors ce facteur doit être retenu.
147
la fidélité ou fiabilité est-elle une mesure essentielle de la qualité du test
oui
148
la fidélité se définit comme
le degré de précision (cohérence) et de constance temporelle des scores obtenus.
Par exemple, un test doit produire des résultats très similaires lorsque les conditions de passation sont identiques à celles appliquées à l’échantillon normatif.
149
La fidélité est formellement définie comme
le rapport entre la variance vraie et la variance totale du test.
150
qu'est-ce qu'on attend des scores d'un test
qu'ils présentent la plus petite marge d’erreur possible, c'est-à-dire une variance d’erreur minimale.
151
que veut dire
X = t + e
c'est le modèle qui est considéré comme non identifier
X : variable observable
t = variance vraie/réelle
e = variance d'erreur
152
qu'est-ce qui représente la variance d'erreur
toute condition non pertinente à l'objectif d'un test donc
tout ce qui ne touche pas l’objectif du test (ex : tout ce qui ne touche pas la dépression (qui est notre objectif), tout ce qui n’est pas pertinent = erreur
153
est-ce qu'un cours est toujours fidèle
non aucun test n’est parfaitement fidèle (100 %). Il y a toujours des erreurs. Ainsi, tout test doit être accompagné d’un rapport sur son degré de fidélité (ou indice de fidélité), qui reflète la précision avec laquelle le test mesure un construit donné.
154
L'indice de fidélité représente bien le test à condition que ?
qu'il soit administré dans les mêmes conditions standardisées et à des personnes similaires à celles composant l'échantillon normatif (échantillon utilisé pour qu’on puisse calculer les normes).
155
est-ce qu'on aime les corrélations colinéaires
non, on veut que la corrélation soit élevée, mais pas colinéaire
156
quelles sont les conventions pour les scores des corrélations
si la corrélation
- est faible
- modéré
- élevé
- très élevé
-corrélation colinéaire
- faible (ce qu'on ne veut pas) : autours de .15
- modéré : autours de .35
- élevé : autours de .55
- très élevé : autours de .75
- colinéaire : .85 et plus (on aime pas parce qu'éthiquement parlant on est en train de manipuler les items)
157
vrai ou faux
la fidélité ne va pas varier selon le contexte
faux
la fidélité d'un test peut varier en fonction du contexte d'administration. Par exemple, des changements dans les conditions environnementales, les consignes données ou la population cible peuvent influencer la fiabilité des résultats.
158
connaître le degré de fidélité permet à l'utilisateur quoi si la fidélité est élevé vs faible
mieux comprendre les limites du test et de l'interpréter correctement. Une faible fidélité peut signifier que les résultats sont affectés par des erreurs de mesure, tandis qu'une fidélité élevée indique que le test produit des résultats cohérents et reproductibles.
159
pour garantir une interprétation valable des résultats, il est essentiel de considérer la fidélité du test dans
dans le contexte spécifique où il est utilisé, en s'assurant que les conditions d'administration et la population cible restent proches de celles de l'échantillon normatif
160
un coefficient de fidélité exprime quoi et va varier entre quoi et quoi
une corrélation
et varie entre 0 (aucune corrélation, donc aucune fiabilité) et 1 (corrélation parfaite, donc une fiabilité parfaite). Cela mesure dans quelle mesure un test donne des résultats cohérents et stables.
161
quels sont les valeurs minimales de coefficient de fidélité recommandés pour le contexte clinique
coefficient de fidélité de 0,80 ou plus est souvent requis, car les décisions cliniques nécessitent des résultats fiables et précis.
162
quels sont les valeurs minimales de coefficient de fidélité recommandés pour le contexte de la recherche
un coefficient de 0,70 ou plus est souvent considéré comme acceptable, car il peut y avoir un peu plus de tolérance pour une certaine marge d'erreur, surtout dans les études exploratoires.
(Cronback a changé le coefficient de 0.8 à 0.7 en 1954)
163
les tests d'intelligence (comme Weslcher) tendent à avoir quel genre de coefficient de fidélité et c'est essentiel pourquoi
coefficients de fidélité élevés (souvent entre 0,85 et 0,90). Cela est essentiel pour s'assurer que les scores mesurent de manière cohérente les aptitudes intellectuelles dans diverses populations et à travers plusieurs administrations du test.
164
les seuils conventionnels peuvent varier en fonction de quoi
en fonction du domaine, du type de test, et des exigences spécifiques à une étude. Certaines études ou champs d'application peuvent tolérer des coefficients de fidélité plus faibles, tandis que d'autres exigent des niveaux plus élevés, surtout lorsque les décisions à fort enjeu (comme en clinique) dépendent de ces mesures
165
quels sont les types de fidélités
Fidélité par test-retest;
Fidélité par versions parallèles;
Fidélité par bissection;
Fidélité par homogénéité;
Fidélité par équivalence inter-juges.
166
la fidélité test-retest (stabilité temporelle) est une méthode utilisé pour quoi et consiste à quoi
pour évaluer la fiabilité d’un test. Cette approche consiste à administrer le même test à deux moments distincts aux mêmes sujets.
167
comment le coefficient de fidélité (Rtr) est calculé
la corrélation entre les scores obtenus par les mêmes individus lors des deux administrations du test.
168
La fidélité test-retest reflète dans
quelle mesure les scores peuvent être généralisés à travers différentes occasions de passation. Plus la fidélité test-retest est élevée, moins les scores des sujets sont susceptibles d’être affectés par des sources d'erreurs liées au temps ou aux conditions de passation.
169
qui détermine l'équivalence temporelle
la fidélité
170
Les sources d’erreurs dans la fidélité test-retest incluent
les fluctuations aléatoires de la performance d’une session à l’autre. Ces variations peuvent être dues, en partie, à des conditions de test mal contrôlées, mais également à des changements internes chez le sujet entre les deux passations
171
qu'est-ce qui arrive lorsque le coefficient de corrélation test-retest est élevé
plus le coefficient de corrélation test-retest est élevé, plus l’instrument démontre une bonne fidélité ou stabilité temporelle.
172
est-ce qu'on aime mieux des erreurs aléatoires ou non aléatoires ?
aléatoires puisque la fidélité s'en occupe tandis que non aléatoires on ne sait pas elles vont tombé (un jour je suis anxieux et un autre jour non) où et c'est des erreurs qui vont arriver juste 1 fois
173
quelles sont les avantages de la méthode test-retest
Évaluation directe de la stabilité temporelle : Un coefficient élevé indique que l'instrument produit des résultats stables et cohérents dans le temps.
Appropriée pour les traits stables : La fiabilité test-retest est particulièrement utile pour évaluer des traits ou des caractéristiques stables dans le temps, comme les traits de personnalité, les compétences ou les habiletés intellectuelles. Si les résultats ne changent pas significativement d'une session à l'autre, cela reflète une bonne stabilité de la mesure.
Facile à interpréter : Le coefficient de corrélation obtenu est facile à interpréter : une valeur proche de 1 indique une grande stabilité, tandis qu'une valeur proche de 0 indique une grande variabilité entre les sessions.
174
comment on interprète une corrélation
la force, le signe, le coefficient de détermination, le niveau de signification
175
quels sont les inconvénients de la fiabilité test-retest
Effet de mémoire : Les participants peuvent se souvenir des réponses qu'ils ont données lors de la première session, ce qui peut influencer leurs réponses lors de la deuxième session. Ce biais de rappel peut entraîner une surestimation de la fiabilité, car les réponses ne reflètent pas nécessairement la constance du trait mesuré, mais plutôt la mémoire des réponses.
Variations internes et externes entre les sessions : Les changements internes chez les participants (fatigue, humeur, motivation) ou les facteurs environnementaux (bruit, conditions de test) peuvent influencer les résultats entre les deux sessions, même si l'instrument est fiable. Ces fluctuations peuvent entraîner une sous-estimation de la fiabilité.
Difficulté à définir l'intervalle de temps optimal entre les tests : Déterminer un intervalle de temps approprié entre les deux administrations du test est délicat. Un intervalle trop court peut augmenter l'effet de mémoire, tandis qu'un intervalle trop long peut entraîner des changements réels chez les participants, ce qui rend difficile l'évaluation de la stabilité du test.
Temps et coûts supplémentaires : La méthode test-retest nécessite deux administrations du test, ce qui peut être coûteux en termes de temps et de ressources. Elle demande également que les participants soient disponibles deux fois, ce qui peut parfois être un défi logistique.
Pas toujours appropriée pour les traits de personnalité (Confiance en soi situationnelle, il y a d’autres confiance en soi qui sont plus stables) ou états émotionnels variables (anxiété) : Cette méthode n'est pas adaptée pour les traits ou états changeants dans le temps. Dans ces cas, les variations dans les résultats reflètent des changements réels dans l'état du participant plutôt qu'un manque de fiabilité.
Il y a des émotions, des traits de personnalité qui sont plus instables que d’autres
176
il y a t-il un temps optimal
Temps optimal : on n’a pas la réponse de savoir c’est quoi le temps optimal, ce qui se passe souvent un article va dire quelque chose et un autre va utiliser un autre temps.
177
la fidélité par versions parallèles (méthodes d'équivalence) évalue quoi
évalue la fiabilité d’un test en administrant deux versions différentes mais équivalentes à un même groupe de sujets. Ces versions doivent mesurer le même construit de manière similaire, mais avec des items différents.
C’est un test qui utilise un instrument pour mesurer et j’utilise un autre instrument pour mesurer la même chose
178
comment on calcule le coefficient de fidélité dans la fidélité par versions parallèle
calculé en corrélant les scores obtenus lors des deux passations. Une forte corrélation indique que les versions sont cohérentes et mesurent de manière fiable le même concept, malgré les différences d’items.
comparaison de la 1ère passation avec la 2e passation (le niveau de difficulté doit être similaire)
ex : Ex : test de raisonnement mathématique (test psychométrique) une des questions = 4 +3 = 7 (version parallèle pourrait être 5 + 2 = 7) deux questions qui mesurent la même chose (raisonnement mathématique, mais la question est différente)
179
lors de la création/utilisation de la fidélité par versions parallèles, il est essentiel d'assurer quoi
parallélisme « rigoureux
180
que veut dire parallélisme rigoureux
- Les versions doivent couvrir le même contenu et avoir une structure équivalente, même si le nombre d'items diffère légèrement.
- Le niveau de difficulté des items doit être statistiquement similaire (p < 0,05).
- Les consignes, le temps alloué, les exemples et le format de présentation doivent être identiques entre les versions.
- Il est important de vérifier que les interprétations des scores restent cohérentes et comparables entre les différentes versions, pour garantir l'équité des résultats.
181
quels sont les avantages de la fidélité par versions parallèles
Évaluation de la constance du construit :
En utilisant deux versions différentes mais équivalentes d’un test, cette méthode permet de vérifier si le construit mesuré est cohérent, même avec des items différents. Cela montre la robustesse de l’instrument à travers diverses formes.
Réduction de l'effet de mémoire :
Contrairement à la méthode test-retest, où les sujets peuvent se souvenir de leurs réponses précédentes, les versions parallèles minimisent cet effet, car les items sont différents dans chaque version. Cela permet de mieux isoler la fiabilité réelle du test.
Je réduis l’effet de la mémoire parce que la personne ne va pas se rendre compte que 4+3 est la même chose que 5 + 2 (Plusieurs items mesurent des choses (qui est toujours dépression) mais les items ne sont pas pareils (je dors mal, je pleure tjrs, etc.) ça va mesurer plusieurs facettes du concept)
Utilisation dans des contextes variés :
Les versions parallèles sont particulièrement utiles dans des contextes où le test est administré plusieurs fois, ou dans des études longitudinales. Elles permettent de réévaluer le même construit sans réexposer les sujets aux mêmes items. (4+3 et 5+2 ce n’est pas exactement pareil)
Mesure de plusieurs facettes d'un même concept :
Les versions parallèles permettent d’explorer différentes facettes d’un même construit, en variant légèrement la formulation des items. Cela renforce la compréhension globale du construit et peut élargir l’utilité de l’instrument dans des contextes différents tout en conservant la cohérence des résultats.
182
quels sont les inconvénients de la fidélité par versions parallèles
Difficulté de créer des versions « vraiment équivalentes » :
Il est souvent difficile de créer deux versions qui soient parfaitement parallèles en termes de contenu, de difficulté et de structure. Même de légères différences peuvent introduire des variations dans les scores qui ne sont pas liées au construit mesuré.
Coût en temps et en ressources :
Concevoir plusieurs versions parallèles demande beaucoup de temps et de ressources. Il faut développer, tester, puis valider chaque version pour s'assurer qu'elles mesurent exactement la même chose avec une difficulté comparable.
Joue pareil comme test-restest
Complexité des analyses statistiques :
Comparer deux versions parallèles demande des analyses statistiques pour vérifier que les items des deux versions sont bien équivalents en termes de difficulté et de structure. Cela peut être un processus complexe et nécessite souvent l'utilisation de méthodes comme l'analyse factorielle confirmatoire.
Biais potentiel si les versions ne sont pas vraiment parallèles :
Si les versions ne sont pas rigoureusement parallèles, les résultats peuvent être biaisés. Par exemple, une version pourrait être légèrement plus difficile que l'autre, ce qui affecterait la comparabilité des scores et fausserait l'estimation de la fiabilité.
On essaie de minimiser les biais
183
la fidélité par bissection consiste à quoi et permet quoi
diviser les items du test en deux moitiés équivalentes et à calculer la corrélation entre les scores obtenus pour chaque moitié.
Cette méthode permet de mesurer la cohérence interne du test, c’est-à-dire dans quelle mesure les deux moitiés évaluent la même caractéristique psychologique. Afin d'obtenir une estimation plus précise de la fiabilité, il est courant d’utiliser la formule de Spearman-Brown, qui ajuste le coefficient de corrélation pour refléter la fiabilité du test complet.
***On a pas l’argent et pas de temps il faut faire juste 1 passations
On va diviser les facteurs (ex : j’ai 6 items on prend 3 items et les 3 autres)
J’ai 2 colonnes de résultats
Couper 1x si c’est 9 on peut avoir 5 et 4 il va y avoir des corrections à faire (correction de Spearman-Brown) correction si les items sont impairs
***
184
quels sont les inconvénients de la fidélité par bissection
Problème de division :
Il peut être difficile de diviser le test en deux moitiés absolument équivalentes, ce qui peut biaiser les résultats de la corrélation.
Fiabilité sous-estimée :
La méthode peut parfois sous-estimer la fiabilité réelle du test, surtout si la division des items n'est pas optimale ou équitable.
Sensibilité à la méthode de division :
Le coefficient de fiabilité peut varier selon la façon dont le test est divisé, ce qui limite la précision de la mesure si la division n’est pas aléatoire ou bien équilibrée.
184
quels sont les avantages de la fidélité par bissection
Facilité d'application :
La méthode est simple à mettre en œuvre et ne nécessite qu'une seule administration du test, ce qui la rend rapide et efficace. (il y a juste 1 passation à faire)
Évaluation de la cohérence
interne :
Elle permet de vérifier si les deux moitiés sont cohérents.
Réduction de l'effet de fatigue :
Puisqu'il s'agit d'une seule administration, les erreurs liées à la fatigue sont minimisées comparées aux méthodes nécessitant plusieurs passations.
Utilisation efficace des données :
Elle permet de maximiser l'utilisation des données disponibles sans nécessiter une collecte de données supplémentaire.
184
qu'est-ce que la fidélité par homogénéité (cohérence interne)
examine à quel point les items d’un instrument ou d'une échelle (dimension) sont étroitement liés et mesurent « un construit » (ou variable latente) de façon cohérente. Un bon niveau de cohérence indique que les items reflètent de manière cohérente le concept psychologique étudié. L’indice de fidélité est souvent mesuré par des coefficients comme l’alpha ordinal, Omega ou fidélité composite. Des résultats élevés suggèrent que les items sont internements, tandis qu’un résultat faible indique un manque de cohésion entre les items.
185
quels sont les avantages de la fidélité par homogénéité
Facilité de calcul :
Les indices sont faciles à calculer à partir des données d'une seule administration.
Évaluation directe de la cohésion :
Permet de vérifier si tous les items sont cohérant.
Adapté aux tests unidimensionnels :
particulièrement utile pour des instruments évaluant une seule dimension. Je ne peux pas faire ça avec les dimensionnels, tridimensionnels, etc.
Économie de temps :
une seule passation est nécessaire, économisant temps et ressources.
186
quels sont les inconvénients de la fidélité par homogénéité
Ne détecte pas l’hétérogénéité :
Si le test mesure plusieurs dimensions, la cohérence interne peut être trompeuse car elle n'évalue que la cohésion des items sans vérifier la validité multidimensionnelle.
Sensibilité à la longueur du test: c’est le gros problème
Les tests plus longs ont tendance à produire des résultats plus élevés, ce qui peut donner l'impression d'une cohérence interne élevée même si les items ne sont pas tout à fait cohérents.
Si j’ai un test avec 50 items le n (item) joue un rôle important et va augmenter artificiellement la fidélité du test à cause du nombre d’items. Moins d’item = moins grand l’indice de fidélité et plus d’item = indice de fidélité plus grand
Influencé par la redondance des items :
Si les items sont trop similaires ou redondants, cela peut artificiellement augmenter la cohérence interne sans réellement améliorer la qualité du test.
187
qu'est-ce que la fidélité par inter-correcteurs (inter-juges) mesure
mesure le degré d’accord entre deux ou plusieurs évaluateurs qui jugent indépendamment le même ensemble d’items.
188
la fidélité par inter-correcteurs (inter-juges) est utile quand
lorsque les évaluations sont subjectives, comme des symptômes cliniques en psychologie
189
la fidélité par inter-correcteurs (inter-juges) est calculé comment
à l’aide de mesures statistiques comme le coefficient de corrélation intra-classe (CCI), le kappa de Cohen, ou d'autres indices d’accord inter-juges comme le CVC (coefficient de validité de contenu).
190
un accord élevé entre les juges dans la fidélité par inter-correcteurs (inter-juges) indique quoi
l’évaluation est fiable et cohérente entre les correcteurs.
191
quels sont les avantages de la fidélité par inter-correcteurs
Évaluation de la subjectivité : c’est la seule façon d’évaluer la subjectivité
Comme celles des performances ou des symptômes cliniques, en s'assurant qu'elles ne varient pas trop d’un évaluateur à l’autre.
Identification des biais d’évaluation :
Permettant « corriger » juges pour garantir des évaluations plus objectives. (ex : l’expérience d’un nouveau psy vs un ancien)
Application dans plusieurs domaines :
Comme le travail, l'éducation et la psychologie, où les évaluations qualitatives ou subjectives sont fréquentes.
Mesure de la cohérence entre les juges :
Un accord élevé entre correcteurs montre que les juges utilisent des critères similaires, ce qui améliore la validité des résultats obtenus.
192
quels sont les inconvénients de la fidélité par inter-correcteurs
Dépendance aux compétences des évaluateurs :
Résultats peuvent être influencés par les compétences des juges. Des évaluateurs moins qualifiés peuvent diminuer la fiabilité inter-juges. (arriver à suivre les consignes du manuel vs ne pas être en mesure)
Coûts en temps et en ressources :
Nécessite plusieurs évaluateurs et des analyses statistiques supplémentaires, ce qui peut être coûteux en temps et en ressources.
Variabilité dans les critères :
Même avec un bon accord, les juges peuvent avoir des critères légèrement différents d'interprétation.
Complexité des analyses :
Bonne compréhension des statistiques pour assurer bonne interprétation.
193
qu'est-ce que la fidélité de vitesse
se sont des évaluations où le temps est un facteur clé. Ils consistent à mesurer la capacité d’un individu à effectuer le plus grand nombre possible d'items ou de tâches dans un laps de temps limité. La fidélité dans ce type de test est souvent évaluée en fonction de la constance des performances sous contrainte de temps
194
quels sont les caractéristiques des tests de vitesse
Les tests de vitesse incluent des items généralement simples, que la plupart des individus peuvent accomplir. Ce qui est mesuré, c'est la rapidité avec laquelle les tâches peuvent être terminées.
195
comment est mesuré la fidélité des tests de vitesse (quel genre de fidélité est utilisé)
souvent mesurée par des méthodes telles que la fidélité test-retest ou la méthode de bissection, en s'assurant que les résultats sont cohérents à travers différentes administrations ou parties du test.
196
les tests de puissance se concentrent sur quoi
se concentrent sur le niveau de difficulté des items. Ils mesurent la capacité d’un individu à résoudre des tâches complexes et/ou difficiles, sans limite de temps stricte, mais avec un accent mis sur la qualité et la précision des réponses.
197
quels sont les caractéristiques des tests de puissance
Les items dans les tests de puissance varient en difficulté et visent à évaluer le potentiel ou les capacités intellectuelles maximales d'une personne. Il ne s'agit pas de compléter un grand nombre d'items rapidement, mais plutôt de réussir les tâches les plus complexes.
Un examen à l’école c’est un test de puissance
198
comment on évalue la fidélité des tests de puissance
généralement évaluée par des méthodes comme la cohérence interne pour s'assurer que les items du test sont liés et mesurent de façon cohérent le même construit.
199
les tests de vitesse et les tests de puissance sont construits pour éviter quoi
les 100% --> si on évite pas les 100% je n’arrive pas à discriminer les gens et je dois pouvoir différencier les gens (c’est une qualité de la psychométrie)
200
quel est le problème d'un score parfait
empêche d'évaluer les compétences réelles d’un individu. Il devient impossible de savoir si la personne aurait pu obtenir un meilleur score avec des items plus difficiles ou un test plus long, créant ainsi une limite artificielle à l’évaluation.
201
dans les tests de vitesse, la performance est limitée par quoi
par le temps et non la difficulté. Si un participant termine toutes les tâches, cela pourrait indiquer qu’il aurait pu en faire plus avec plus de temps. Empêcher un score parfait permet de mieux estimer la capacité réelle..
202
dans les tests de puissance est-ce que la difficulté varie
oui, la difficulté varie. Si tous les participants réussissent 1a tous les items, il devient difficile de différencier les niveaux de compétence. Éviter un score parfait permet aux items de rester discriminants et de mieux évaluer les capacités individuelles.
203
l'erreur type est-elle essentielle en psychométrie et expliquer
oui puisque quantifie l'ampleur des erreurs aléatoires dans un test et aide à estimer dans quelle mesure un score observé peut diverger du score vrai.
204
un score observé (ou manifesté)
dans l'erreur type est composé de quoi?
Score vrai : Représente les capacités réelles de l'individu.
Erreur de mesure : Facteurs aléatoires qui influencent le score (fatigue, stress, etc.).
205
comment on calcule l'erreur type et quelle est la formule
L'erreur type de mesure se calcule grâce à l'écart-type des scores et à la fidélité du test
Formule : Écart-type des scores observés X la racine carrée de 1 – coefficient de fidélité du test (qui est généralement mesuré par des méthodes comme alpha ordinal, omega ou test-retest)
206
L'erreur type de mesure permet d'évaluer la précision d'un score en tenant compte de quel genre d'erreur
des erreurs aléatoires présentes dans un test
207
comment interpréter l'erreur type de mesure s'il y a :
-faible EMT
- ETM modéré
- ETM élevée
Faible ETM : Moins de 5 % du score total de la personne. Cela indique que l'incertitude liée aux erreurs aléatoires est faible, ce qui signifie que le score observé est proche du score vrai.
ETM modérée : Entre 5 % et 10 %. Une ETM modérée montre une certaine incertitude. Le score observé peut s'écarter du score vrai de manière importante ou significative, mais reste dans une marge acceptable.
ETM élevée : Supérieure à 10 %. Cela reflète une plus grande imprécision dans les résultats, ce qui signifie que le score observé est probablement très éloigné du score vrai en raison d'une plus forte présence d'erreurs aléatoires.
208
Plus un test est fidèle plus l'ETM est?
Plus un test est fidèle (coefficient de fidélité élevé), plus l’ETM est faible.
209
si la fidélité est élevée, l'erreur type sera comment
faible ETM et donc le test est précis
210
si la fidélité est faible comment est le ETM
élevée ETM ce qui signifie plus d'incertitude dans les résultats observés
211
L'erreur type de mesure (ETM) a des applications concrètes quelles sont-elles
Évaluer la précision des scores individuels : Calcul d’un intervalle de confiance autour d’un score.
Comparer la précision des tests : Un test avec une faible ETM est plus précis.
Prendre des décisions : Dans des contextes cliniques ou professionnels, l’ETM aide à estimer la marge d'erreur d'un score.
212
quelles sont les limites de l'EMT
ne peut pas capturer tous les types d’erreurs. Elle ne prend en compte que les erreurs aléatoires (comme la fatigue, le stress), mais elle ne mesure pas les erreurs systématiques (erreurs dues à un biais dans le test, par exemple).
213
quel est le lien entre l'intervalle de confiance avec l'ETM
Un intervalle de confiance autour d’un score observé peut être calculé avec l’ETM. Par exemple, si un individu obtient un score observé de 110 dans un test, et que l’ETM est de 5, un intervalle de confiance à 68 % se situera entre 105 et 115.
214
quelle est la relation entre ETM et l'objectif du test
Plus l’objectif du test est important (sélection professionnelle, diagnostic clinique), plus il est crucial de minimiser l’ETM. Un test à fort impact doit avoir une faible ETM pour garantir des décisions justes et fiables.
