Cours Méthodologie Master MALTT

Mai 2008

TECFATechnologies pour la

Formation et l’Apprentissage

Méthodologie expérimentale :

l’analyse des données

Présentation adaptée d’une présentation de C. Rebetez pour l’année 2007-2008

Variables indépendantes

Variables dépendantes

ModèlesHypothèses

ProcédurePopulation

Matériel

Ce que vous savez déjà faire :

Analyse de données

1. Analyse descriptive Graphiques principalement Voire et décrire ce qui se passe Identifier les problèmes

2. Analyse inférentielle On veut savoir si ce qu’on a observé représente quelque

chose au-delà de notre population Tester ses hypothèses, faire des prédictions Analyses statiques avancées : anova, régressions,

analyses factorielles, etc…

1. Analyse descriptive

1. Récupérer les données après l’expérience

2. Observer, explorer les données

3. Identifier des problèmes Effet plafond, plancher, variabilité Distribution gaussienne Sujets extrêmes

4. Tirer de premières conclusions quant à l’échantillon

1. Exercice

1. Reprendre les hypothèses de l’articles Hidrio & Jamet, 2002

2. Télécharger le fichier JametHidrio.sav

3. Etiqueter les données

4. Réalisez un graphique permettant de vérifier les hypothèses

Histogrammes par VD

•Pour voir la répartition des sujets sur une variable•Dans spss: menu graphes -> histogramme,

sélectionner simplement la variable désirée

Identifier les problèmes :- effet plancher - plafond- sujets extrême- répartition normale

Comparer les moyennes

Pour explorer la relation entre une ou plusieurs VI et une VD

Dans Spss: Graphes BâtonsJuxtaposé, par catégories

Comparer les moyennes

Pour explorer la relation entre une ou plusieurs VI et une VD

Dans Spss: Graphes BâtonsJuxtaposé, par catégories

Résultats observés

Effet du facteur format ?

Effet du facteur type de question ?

Effet d’interaction ?

2. Analyse inférentielle

1. Objectif2. Analyse de la variance (anova)

Définition Modèle Risque d’erreur Effets principaux (main effects) Effets d’interaction Effets simples Analyses intra-sujets

1. Objectif

?

PopulationÉchantillon

Observations analyse descriptive

Généralisation analyse inférentielle

1. Objectif

Vérifier si l’observation faite sur un échantillon est suffisamment importante pour qu’on puisse considérer qu’elle n’est pas dû au hasard.

Connaître le seuil de risque que l’on prend d’accepter l’hypothèse d’une différence

2. Analyse de variance ANOVA

Sert à tester des hypothèses sur des différences entre plusieurs groupes sur la même mesure. N.B. si on a que 2 groupes, on peut utiliser des t de student

Différents types: Inter-sujets: les participants sont dans des conditions différentes

de la VI Intra-sujets: les participants passent toutes les modalités de la VI

Pré-requis Échantillons indépendants (répartition aléatoire) Normalité (voir analyses descriptives). Homogénéité de variance Les VD doivent être numériques…

Anova: modèle Le résultat d’une personne au test de compréhension dépends de:

Espérance : ce que n’importe qui peut espérer avoir à ce test

+ Effet du facteur (VI) + variabilité du sujet (erreur)

Lorsqu’on mesure quelque chose on a toujours ces trois choses à la fois. L’anova permet d’isoler l’effet des 2 autres facteurs,

L’ANOVA en image…

Source: http://www.westgard.com/lesson40.htm

(mice)

Anova: Risque d’erreur

2 types de risques: Alpha (type 1) : risque de se tromper en rejetant

l’hypothèse nulle. Bêta (type 2) : risque de se tromper en retenant

l’hypothèse nulle alors que c’est l’hypothèse alternative qui est vraie.

Normalement on choisit alpha=5% ou même 1% L’anova renvoie le niveau de risque

Démonstration Effet du facteur nb présentations Dans le menu analyse modèle linéaire général mesures

répétées Définir le facteur intra-sujet « type de questions » et cliquer sur

Definir

Démonstration Choisir les variables intra-sujets, inter-sujets

Démonstration (suite) Regarder les effets de chaque facteur puis l’interaction

Démonstration (suite) Regarder les effets de chaque facteur puis l’interaction

Effet Facteur type de questionF (1,57 ) = 13.68, MSE = 25.75, p < .0001

Effet d’interaction type de question et nb présentationF (1,57 ) = .283, p = .59, NS

Exercice 3

Testez vos hypothèses initiales au moyen d’une anova (VI format et type de questions) Quel effet du facteur format ? Est-il significatif ? Quel effet du facteur Type de Questions ? Est-il

significatif ? Quelles hypothèses sont vérifiées ? Que peut-on conclure ?

Exercice 4

Vérifiez s’il existe une corrélation entre le score total et le temps mis pour répondre

Dans SPSS, choisir Graphes -> dispersion de points

Puis dans Corrélations -> bivariées

Nuages de points

Pour voir des relations entre variables (par exemple correlation entre 2 VD)Dans Spss: Graphes Dispersion/points

Effet de facteur, corrélation, interaction ?

« Plus les participants obtiennent un score visuo-spatial faible, plus leurs scores de compréhension est faible.»

Effet de facteur, corrélation, interaction ?

« Les participants de la condition ‘texte écrit’ obtiennent de meilleurs scores que les participants de la condition ‘texte oral’.»

Effet de facteur, corrélation, interaction ?

« Avec le document A, les participants qui ont appris avec des animations obtiennent des scores significativement plus élevés que les participants qui ont appris avec des images statiques, alors qu’il n’y a pas de différence pour le document B.»

L’analyse des données : quelques règles

Analyser d ’abord les effets principaux de chaque VI

Etudier ensuite les interactions, les corrélations

Un peu de calcul et beaucoup de bon sens...

Pour chaque VD

L’analyse des données : l ’interprétation

Prise en compte de l ’ensemble des résultats

Réponse aux hypothèses opérationnelles

La discussion

Les résultats permettent-ils ou non de conforter les hypothèses ?

Résumer les résultats, souligner les résultats qui confortent les hypothèses ou non

Qu ’est-ce que cela apporte à la problématique théorique générale ?

Limites et perspectivesQuelles sont les limitations de la recherche et quelles sont les pistes pour les prochaines études ?