II)- La méthode expérimentalej.b.legal.free.fr/Blog/share/Concepts/methodo.pdf · 2008-10-21 · En manipulant une ou plusieurs variable(s) indépendante(s), on va essayer de provoquer

J.-B. Légal Contact : [email protected] Université Paris X-Nanterre Bureau C 412 Dynamiques Sociales 2007-2008

1

Quelques rappels concernant la méthode expérimentale

1. La Méthode expérimentale : Définition.

Une définition classique de la méthode expérimentale est qu’elle « correspond à la méthode

d’investigation qui rend possible le contrôle systématique du maximum de sources de

variations potentielles ».

Autrement dit, utiliser la méthode expérimentale va consister à créer une situation

particulière qui va permettre de tester une hypothèse causale concernant la mesure d’un

phénomène précis (VD) en fonction de la manipulation (la variation) d’un ou plusieurs

facteurs (VI).

L’objectif de l’expérimentation est la comparaison entre groupes équivalents de participants.

Si le montage expérimental est bien conçu, seule la variation des modalités des variables

indépendantes manipulées par le chercheur va permettre d’expliquer les différences

observées entre les groupes au niveau de la ou des mesures (c’est pourquoi il est possible de

tester des relations de causalité grâce à cette méthode).

En manipulant une ou plusieurs variable(s) indépendante(s), on va essayer de provoquer une

variation des réponses des participants (donc de la VD qui, en psychologie sociale, renvoie à

la mesure du comportement, des états mentaux ou des processus mentaux). La variable

indépendante est déterminée et construite par le chercheur. Il suppose qu’elle et elle seule

aura un effet sur le sens de l’hypothèse qu’il se propose de tester.

En résumé :

L’expérimentation permet de tester, en terme de causalité, l’effet (l’impact) d’une ou

plusieurs variable(s) indépendante(s) (VI) sur une ou plusieurs mesure(s) ou variable(s)

dépendante(s) (VD).


2

2) Les variables (ou facteurs).

Dans une démarche causale, comme celle de l’application de la méthode expérimentale, il

s’agit donc de faire varier un facteur ou une combinaison de facteurs et d’observer, de

mesurer les conséquences de cette variation sur les comportements, les états mentaux

et/ou les processus mentaux.

Il existe plusieurs types de variables : les Variables Indépendantes (VI), les Variables

Dépendantes (VD), les Variables Parasites (VP) et les Variables Contrôlées (VC).

2-1) La variable indépendante.

a) Définition.

Une variable indépendante est une caractéristique de l’individu(ex : homme vs femme, 18-

25 ans vs 45-60 ans, conducteur expérimenté vs débutant), de l’environnement physique ou

social (ex : présence/absence d’autrui, couleur des murs, environnement bruyant vs

calme…), de la tâche (difficile vs facile, familière vs non familière), ou des stimuli présentés

(ex : ambigus vs non ambigus ; subliminal vs supra liminal) qui est manipulée par le

chercheur dans le but de contrôler ou d’analyser son impact sur le comportement, l’état

mental ou le processus mental étudié. Une VI comporte au minimum 2 modalités (ou états)

qui sont choisis par l’expérimentateur.

Il est possible de classer les variables indépendantes selon qu’elles sont extraites de

l’environnement physique ou social des sujets ou, au contraire qu’elles soient extraites de

caractéristiques présentes chez le sujet. On parlera de VI provoquée dans le premier cas et

de VI invoquée dans le second.

b) Un premier type de VI : La variable invoquée ou étiquette.

Les variables invoquées ou étiquette sont inhérentes au sujet. De ce fait, l’expérimentateur

ne peut agir directement sur ces variables (il ne peut pas, par exemple, construire le sexe du

participant ou son âge). On peut cependant, parmi les critères existants, sélectionner ceux


3

qui nous intéressent, et effectuer des comparaisons selon ces critères (ouvriers vs cadre

supérieur, femme vs homme, jeunes vs vieux, experts vs non experts, etc.).

Un schéma classique d’expérimentation à partir de variables invoquées consiste à appliquer

une situation expérimentale identique à plusieurs groupes d’individus différents sur la base

de certaines caractéristiques intrinsèques (les VI invoquées ; ex : sexe, âge, CSP…) et

d’évaluer l’influence de ces caractéristiques sur les comportements, états mentaux ou

processus mentaux mesurés (VD). L’utilisation de variables invoquées ou étiquette nécessite

d’être très rigoureux et prudent. Si l’on veut étudier l’impact du sexe des participants, il faut

faire en sorte que les sujets soient identiques par ailleurs (garantir « le toute chose égale par

ailleurs » : même CSP, même tranche d’âge…).

Le second type de variables indépendantes renvoie à ce que l’on nomme les VI

« provoquées ».

c) Un deuxième type de VI : La variable provoquée.

Une VI est dite provoquée lorsqu’elle est directement manipulée par le chercheur. Les

modalités de ce type de VI sont construites de toute pièce par le chercheur. Ce sont des

stimulations expérimentales provenant de l’environnement, autrement dit une construction

particulière de l’environnement physique et / ou social (ex : le délai entre 2 tâches : 1 minute

vs 10 minutes, la présence vs non présence d’autrui, tâche facile vs difficile, etc.).

Contrairement à ce qui se passe dans le cas des VI invoquées, le nombre de modalités des VI

provoquées est virtuellement infini.

2-2) La variable dépendante.

a) Définition.

En psychologie, la variable dépendante (VD) correspond à la mesure de la réponse du

participant. Cette réponse peut être la performance à une tâche, le nombre d’erreurs

commises, les réponses à un questionnaire, l’occurrence ou la non occurrence d’un

comportement, un temps de réponse, une opinion...

Les VD sont des mesures qui, par hypothèse, sont susceptibles de dépendre du changement

de modalité d’une ou plusieurs VI. La mesure de la variable dépendante permet, en


4

comparant les résultats des différents groupes expérimentaux (ou modalités

expérimentales), de tester l’effet de l’influence de la VI.

b) Une bonne variable dépendante.

Il faut toujours s’assurer que la variable dépendante sélectionnée va bien mesurer ce qu’elle

est censée mesurer et rien d’autre. Il ne faut pas, par exemple, que les termes utilisés dans

la formulation de la question que l’on pose évoquent autre chose aux participants que ce

que l’on cherche à mesurer. Il s’agit de faire attention aux confusions de mesure possibles.

Dans la mesure du possible, on essaiera de répertorier plusieurs mesures possibles du

phénomène que l’on cherche à étudier (ex : échelles d’attitudes + question ouverte + temps

de réponse + rappel, etc.). En général, on utilisera plusieurs mesures (VD) complémentaires

de manière à augmenter la fiabilité de la recherche.

La mise en place d’une expérimentation nécessite de tester préalablement le matériel

construit (tâche expérimentale+VD) afin de déterminer si oui ou non il permet de mesurer ce

que l’on s’est donné pour objectif de mesurer.

2-3) La variable parasite et la variable contrôlée (ou secondaire).

Dans toute expérimentation, on fait une distinction entre les facteurs dont

l’expérimentateur veut étudier les effets sur les mesures (VI invoquées ou provoquées ayant

un effet potentiel sur la ou les VD) et les facteurs secondaires ou parasites que

l’expérimentateur ne veut pas étudier mais qu’il se doit de contrôler du fait de leur impact

potentiel sur le phénomène. Il faut donc maintenir constantes les modalités des facteurs

secondaires de telle sorte qu’ils ne varient pas et n’interfèrent pas.

En résumé:

Une VI : c’est ce que l’on manipule, ce que l’on fait varier dans le cadre de l’expérimentation.

On identifie la ou les VI en répondant à la question « Qu’est-ce qui varie dans l’expérience en

terme de situation (caractéristiques de l’environnement physique ou social) et/ou de

caractéristiques des individus ? ». On pose l’hypothèse que les différentes modalités de la VI

vont avoir des effets sur la ou les mesure(s) prises en compte dans l’étude (VD).


5

Une VD : c’est ce que l’on mesure. Elle reste « formellement » identique (on mesure

toujours la même chose, en terme de formulation de question par exemple, quelle que soit

la condition expérimentale) mais on s’attend à des variations quantitatives de cette mesure

en fonction des variations de la VI.

On identifie donc les VD en répondant à la question « Qu’est-ce qu’on mesure ? ». En

général, il est très facile de trouver les VD car elles sont suivies d’une unité de mesure… ou

précédées d’un indice de quantification « nombre moyen de bidule, fréquence des machins,

etc. ».

Expérimenter : c’est se placer dans une situation qui permette de tester une hypothèse

causale. Autrement dit, il s’agit de tester l’effet de la variation d’une (ou plusieurs) VI sur une

(ou plusieurs) VD.

3) Le contrôle des différents paramètres

La méthode expérimentale repose sur le principe d’un contrôle optimal des sources de

variations non étudiées par le chercheur (variables parasites) qui seraient susceptibles

d’interférer dans la situation expérimentale. Ce contrôle de la situation est mis en place afin

que la seule explication d’une variation au niveau de la VD (donc de la mesure du

phénomène étudié) ne soit imputable qu’à la seule manipulation de la ou des variables

indépendante(s).

Les variables parasites doivent être identifiées et contrôlées au mieux par le chercheur. Elles

peuvent être causées par :

Les caractéristiques des participants (âge, sexe, CSP, expert, novice…).

L’expérimentateur (sa présence peut être source d’influence).

Par la situation expérimentale elle-même (matériel non adapté, nécessitant une

bonne acuité visuelle, auditive, changement de lieu de passation avec configuration

spatiale différente…).

Pour éviter au maximum l’effet des variables parasites, le chercheur va manipuler un

ensemble de paramètres afin de standardiser au maximum les conditions d’apparition du


6

phénomène qu’il souhaite étudier. En d’autres termes, on va provoquer une série de

réactions (VD que l’on va mesurer) dans des conditions fixées à l’avance.

3-1) Les techniques de contrôle des variables parasites Plusieurs techniques sont utilisées pour éliminer ou diminuer l’influence des variables

parasites, et ainsi améliorer la [validité interne et externe de la] recherche. Le contrôle

pourra porter sur 2 types de variables : celles provenant de l’environnement et celles issues

des caractéristiques des participants.

Nous allons aborder ici les 4 principales techniques de contrôle des variables parasites :

Le maintien de la variable parasite à un niveau constant.

La variation systématique de la variable parasite.

L’aléatorisation, randomisation ou contrôle par variation au hasard.

Le contre-balancement (effets de rang ou dépendance séquentielle).

a) Maintien de la variable parasite à un niveau constant.

Il s’agit ici de répertorier l’ensemble des états (des modalités) qui peuvent être pris par la

variable parasite et de contrôler les conditions expérimentales de manière à ne prendre en

compte que les observations réalisées alors que la variable parasite se trouve dans un seul

de ces états. La variable parasite interviendra ainsi de la même façon (dans les mêmes

proportions) dans les différentes conditions expérimentales. Autrement dit, l’effet de la

variable parasite sur la variable dépendante sera maintenu constant.

Ex. : Si l’on veut s’assurer que la variation du sexe des participants n’aura pas d’impact sur

les mesures qui nous intéressent, un moyen commode consistera à ne considérer que des

participants de l’un des sexes.

Note : le maintien de la variable parasite à un niveau constant peut aussi dans certains cas

correspondre à son absence totale.


7

b) Variation systématique de la variable parasite

Contrairement à la première technique, on va ici chercher à tenir compte des différents états

de la variable parasite (ou tout au moins sélectionner un éventail précis de valeurs possibles)

et faire en sorte que toutes ces états se trouvent représentés dans chacune des conditions

expérimentales produites par la variable indépendante. La représentation de la variable à

contrôler étant la même dans les différentes conditions expérimentales (c’est à dire pour les

différentes modalités de la VI), les résultats collectés ne seront pas influencés par un effet

différentiel de l’influence de la variable parasite.

En d’autres termes, la technique de variation systématique de la variable parasite revient à

un équilibrage des groupes expérimentaux.

Ex. : c’est ce que l’on fait lorsque l’on s’assure que les groupes expérimentaux contiennent

autant d’hommes que de femmes, autant d’ouvriers que de cadres supérieurs, d’introvertis

que d’extravertis, etc.

c) Aléatorisation, randomisation ou contrôle par variation au hasard

On part ici du postulat que si on laisse jouer librement la variable parasite, les valeurs de

cette dernière se répartiront selon la même distribution dans les différentes conditions

expérimentales. Selon ce postulat, le hasard procède à un « équilibrage naturel » et on peut

donc considérer l’influence de la variable parasite comme neutralisée.

Cette technique, hormis le fait qu’elle soit peu intuitive, comporte deux inconvénients

majeurs :

On ne peut jamais être sûr que la répartition s’est réellement réalisée de manière

équilibrée ni que le hasard ne favorisera pas l’un des degrés de la variable à

neutraliser. De plus, il est impossible de le contrôler a posteriori.

La probabilité pour qu’une répartition du facteur à contrôler soit équilibrée dépend

surtout du nombre d’occasions qu’on laisse à ce facteur de varier. La technique n’est

donc réellement utilisable que si la taille de l’échantillon est importante (ce qui est

relativement rare en psychologie).


8

d) Le contre-balancement : effets de rang ou de dépendance séquentielle.

Dès lors qu’une épreuve se trouve organisée en une séquence d’items ou d’essais, on doit

poser l’hypothèse que la performance associée à un essai particulier pourrait, au moins en

partie, être expliquée par la présence ou le contenu de l’item ou de la série d’items

précédents. D’une manière générale, ces effets, que l’on appelle effets de transfert, qu’ils

soient positifs ou négatifs (i.e. : apprentissage / facilitation de la performance ou, au

contraire, interférence / diminution de la performance) sont possibles ou probables dans

certaines situations expérimentales. Ceci est particulièrement vrai lorsque l’application d’un

plan d’expérience s’étale dans le temps et laisse ainsi la possibilité à des facteurs d’ordre

historique ou de maturation (ex : événements d’actualité interférant avec l’objet de l’étude)

de s’installer.

Pour corriger cet effet potentiel de l’ordre, il suffit de répéter les essais en les présentant à

des groupes de participants différents selon un ordre modifié. C’est ce que l’on appelle la

technique de contre-balancement. Un contre balancement est dit complet lorsque tous les

ordres de présentation possibles sont représentés, c’est à dire factorielle n (n !)

arrangements si n représente le nombre de modalités de notre VI .

Ex : Si l’on veut contrôler l’effet d’ordre au sein d’un questionnaire composé de trois

questions notées Q1, Q2 et Q3 (autrement dit si on veut s’assurer que le fait de répondre à

une question n’a pas d’influence sur la réponse à la question suivante) on procèdera à la

création de 6 groupes de personnes pour lesquelles les questions apparaîtront à chaque fois

dans un ordre différent (ici contrebalancement complet).

G1 Q1 Q2 Q3

G2 Q1 Q3 Q2

G3 Q2 Q3 Q1

G4 Q2 Q1 Q3

G5 Q3 Q1 Q2

G6 Q3 Q2 Q1


9

Note : lorsque le nombre de modalités de la VI à contrebalancer augmente, on arrive vite à

un nombre de groupes de sujets qui rend difficile la mise en place de l’étude. Par exemple, si

on voulait opérer un contre balancement complet sur une VI à 5 modalités, cela nécessiterait

la mise en place de 5x4x3x2 groupes… soit 120 groupes ! C’est pourquoi dans ce cas de

figure on choisira de n’utiliser que quelques arrangements particuliers, tirés au hasard, pour

minimiser l’effet d’ordre : on parle alors de contrebalancement partiel.

Une dernière source de variables parasites concerne le facteur « sujets » (ou participants).

3-2) Le facteur « sujets »

Ce facteur (présent dans la totalité des recherches de psychologie) revêt une importance

particulière puisqu’il entre largement en cause dans les calculs statistiques d’évaluation des

hypothèses. De ce fait, il est nécessaire de porter une attention particulière à certains

problèmes inhérents au facteur sujets lors de la mise en place de la recherche. Il s’agit plus

particulièrement des notions d’échantillonnage, de groupe de sujets et d’équivalence des

groupes de sujets.

a) L’échantillonnage

Le problème est ici de construire un échantillon de participants qui sera, dans la mesure du

possible, représentatif d’une population définie (c’est à dire qui possèdera les mêmes

caractéristiques que cette population). L’échantillon est une population en « miniature ». Le

critère de représentativité est particulièrement important dans les études de type

« questionnaire » (sur les représentations sociales par exemple) ou « sondage d’opinion ».

Tirage aléatoire

La méthode la plus simple (et aussi la plus utilisée en psychologie expérimentale) consiste à

tirer au hasard, parmi la population, les sujets qui participeront à l’étude. Il a été démontré

que dans la plupart des cas, un triage au sort correctement réalisé permettait d’avoir un

échantillon correct. Lorsqu’un contrôle plus strict de la représentativité de l’échantillon sera

nécessaire, on utilisera une technique d’échantillonnage dite « des quotas ».


10

Méthode des Quotas

L’application de cette méthode nécessite une connaissance préalable des caractéristiques de

la population (par exemple proportion de femmes et d’hommes, CSP, niveau culturel, etc.).

La méthode des quotas va consister, à partir des informations concernant la population

d’origine (on parle aussi de population parente), à extraire un échantillon en respectant les

proportions des différentes caractéristiques de la population d’origine que l’on soupçonne

pouvoir avoir un effet sur le phénomène étudié. Cette technique permet donc d’obtenir au

final un « modèle réduit » de la population de départ, tout au moins en ce qui concerne les

caractéristiques prises en compte.

4) La notion de groupes de sujets (ou groupes de mesures)

4-1) Groupes Indépendants, Appariés et Contrôle.

Il existe 2 grands types de groupes de mesures : les groupes indépendants et les groupes

appariés. La distinction entre ces types de groupes se fait au niveau du mode de récolte des

mesures. A ces 2 types principaux, il est cependant nécessaire d’ajouter un troisième : le

groupe contrôle.

Groupes Indépendants

On parle de groupes indépendants lorsqu’un groupe de sujets différent est attribué à chaque

condition expérimentale (autrement dit à chaque modalité de la VI ou croisement de

modalités des VI).

Groupes appariés (ou à mesures répétées)

Au contraire, on parle de groupes appariés lorsque les mesures sont le résultat de

l’observation des mêmes sujets passant l’ensemble des modalités d’une VI particulière.

Groupes contrôles

On appelle groupe contrôle un groupe de participants affectés à une condition

expérimentale où la variable indépendante n’intervient pas. La performance (les mesures ;

VD) obtenue à partir de ce groupe sert donc de groupe de référence (vous trouverez parfois


11

le terme « niveau de base » ou « ligne de base ») et permet (en comparant le groupe

contrôle et les groupes expérimentaux) de vérifier l’impact occasionné par la VI.

4-2) Choix du statut des groupes de mesures : avantages et inconvénients

D’une manière générale, il est toujours préférable de conserver les mêmes participants afin

de les observer dans les différentes conditions expérimentales (mesures répétées). Ce

procédé de comparaison dit « intra-sujets » permet :

D’économiser le nombre de sujets lorsque les effectifs sont restreints. Il est

cependant nécessaire de recruter des sujets qui ne soient pas trop différents les uns

des autres.

De réduire les variations inter individuelles non contrôlables, toujours plus

importantes que les variations intra individuelles. Chaque sujet étant dans ce cas son

propre contrôle, on détecte plus facilement l’impact de la variable indépendante sur

la mesure.

Cependant l’usage de groupes indépendants peut se justifier (ou est rendu nécessaire) dans

certaines circonstances :

Pour éviter les effets d’ordre, d’apprentissage ou d’interférence et, plus

généralement lorsque l’administration de plusieurs niveaux de la VI risque, par effet

résiduel, de produire une modification de la mesure (et donc de diminuer la validité

interne de la recherche).

Lorsque l’on utilise des variables invoquées ou de type « personnalité » (âge, poids,

sexe, introversion/extraversion, etc.). La variable dépendante est alors abordée de

manière corrélationnelle, l’impossibilité est donc ici d’ordre technique.

5) Combinaison de plusieurs variables indépendantes : les interactions. Un comportement, un état mental ou un processus mental n’est en général pas influencé

par une seule composante de l'environnement ou de la personnalité des individus. Nous

l’avons vu, s’il est possible de neutraliser certaines variables par l’utilisation des techniques

appropriées, mais il est aussi possible (et c’est le but de la méthode expérimentale) de


12

manipuler certaines variables : elles prennent alors le statut de variable indépendante. Or,

dès que l’on manipule plus d’une variable indépendante (ce qui est le cas de la plupart des

recherches en psychologie), il est nécessaire de prévoir des moyens qui nous permettrons

d’analyser les effets conjoints des VI, autrement dit : les interactions.

5-1) Définition de l’interaction (la petite phrase magique…)

On dit qu’il y a interaction « lorsque le fait de changer la modalité d’une VI modifie l’influence

de l’autre VI sur la VD ».

5-2) Et concrètement ? : Exemple et représentation graphique.

Il est sans doute plus aisé de comprendre la définition de l’interaction à partir de la

représentation graphique « type » d’une interaction : l’interaction dite « croisée ».

Admettons que l’on cherche à évaluer, chez le pingouin, l’impact de la présence ou l’absence

du jogging matinal (lorsque l’ours blanc a faim…) et du nombre de sardines ingérées (3 vs 15)

sur la vitesse de nage de la grande course du samedi.

Les résultats sont les suivants:

Si L’on regarde ce graphique on peut extraire plusieurs informations :

Le sens de l’effet principal de l’activité matinale : les pingouins nagent aussi vite

lorsqu’ils font de l’exercice le matin que lorsqu’ils n’en font pas (on considère ici les

moyennes relatives à la VI « Activité matinale » en comparant la moyenne de la

modalité jogging à celle de la modalité pas de jogging).

00,5

11,5

22,5

33,5

44,5

T1 T2

Vit

esse

de n

ag

e e

n m

/s

Activité matinale

Vitese de nage du pingouin en fonction de l'activité physique matinale et du nombre de sardine

ingérées

M1

M215 S

Jogging Pas Jogging

3 S.


13

Le sens de l’effet principal du nombre de sardines ingérées : les pingouins nagent

aussi vite lorsqu’ils ont ingéré 3 sardines que lorsqu’ils en ont ingéré 15 (on ne

s’intéresse cette fois-ci qu’aux moyennes qui concernent la VI « Nombre de

sardines »).

Le sens de l’interaction de l’activité matinale et du nombre de sardines ingérées :

alors que les pingouins qui ne font pas de jogging le matin nagent plus vite lorsqu’ils

ont le ventre plein (15 sardines) que lorsqu’ils ont le ventre vide (3 sardines), les

pingouins qui font de l’activité le matin, eux, sont plus performants lorsqu’ils n’ont

mangé que 3 sardines que lorsqu’ils en ont mangé 15.

NB : le fait de prendre en compte plusieurs VI dans une recherche ne signifie pas forcément

qu’il y ait interaction. Cela signifie seulement qu’une interaction est possible, envisageable,

et qu’il faut donc se poser la question de sa présence éventuelle. La seule manière de

répondre de manière définitive à la question de la présence d’une interaction passe par

l’utilisation de méthodes statistiques (en particulier l’analyse de variance, qui va permettre

de définir si une interaction est significative ou non).

5-3) Les différents types d’effetss Pour aborder cette partie, il est nécessaire d’avoir une représentation claire de ce que sont

un effet principal et un effet d’interaction.

Effet principal : On entend par effet principal, l’effet d’une VI sur une VD.

Autrement dit, on s’attend à ce que les résultats obtenus sur la mesure (VD) soient différents

en fonction des modalités de la VI.

Effet d’interaction : Nous l’avons dit, il y a interaction entre 2 VI (ou plus) lorsque le fait de changer la modalité

de l’une des VI modifie l’effet de(s) l’autre(s) VI sur la VD. Cet effet d’interaction des VI sur la

VD peut-être de type additif ou non additif.

Pour illustrer les différentes possibilités, nous considèrerons 2 VI à 2 modalités :

VI1 : Type de truc (T1 et T2)


14

VI2 : Type de machin (M1 et M2)

VD : Nombre moyen de bidules

a) Action d’une seule variable (Fig. A)

Ici seul le type de machin a un effet : le nombre de bidules est plus élevé en modalité M1

qu’en modalité M2 (M1>M2) alors que le type de truc n’a pas d’effet (T1=T2).

b) Action séparée de chaque variable (Effet additif ; Fig. B) L’action combinée des deux VI correspond à la somme de l’effet séparé de chaque variable.

C’est en condition machin M1 et truc T2 que le nombre de bidules est le plus élevé, par

addition de l’action de chaque variable.

c) Interaction des deux variables (Effet non additif ; Fig. C, D & E)

00,5

11,5

22,5

33,5

44,5

T1 T2

NO

mb

re m

oye

n d

e b

idu

les

Type de truc

Fig. A: Nombre de bidules en fonction du type de truc et du type de machin

M1

M2

0

1

2

3

4

5

6

T1 T2

No

mb

re m

oye

n d

e b

idu

les

Type de truc

Fig. B: Nombre de bidules en fonction du type de truc et du type de machin

M1

M2


15

* L’action d’une variable est inversée par les modalités de l’autre (Fig. C). Le machin M1

engendre un nombre supérieur de bidules avec le truc T1 que le truc T2. Inversement, le

machin M2 entraînera un nombre plus important de bidules avec le truc T2 qu’avec le truc

T1.

* L’action d’une variable est annulée par l’une des modalités de l’autre (Fig. D).

L’action du type de truc est nulle pour le machin M2, mais le truc T2 combiné au machin M1

engendre un nombre de bidules plus important que le truc T1 combiné au machin M1.

00,5

11,5

22,5

33,5

44,5

T1 T2

No

mb

re m

oye

n d

e b

idu

les

Type de truc

Fig. C: Nombre de bidules en fonction du type de truc et du type de machin

M1

M2

00,5

11,5

22,5

33,5

44,5

T1 T2

No

mb

re m

oye

n d

e b

idu

les

Type de truc

Fig. D: Nombre de bidules en fonction du type de truc et du type de machin

M1

M2


16

* Une variable a plus ou moins d’effet selon la modalité de l’autre variable (Fig. E).

La différence entre les machins M1 et M2, en terme de bidules, sera plus importante dans la

condition truc T2 que dans la condition truc T1.

6) Les plans d’expérience. Construire un plan d’expérience équivaut à la mise en place d’une stratégie qui va permettre

de maximiser la probabilité de détecter les effets réels des VI sur la ou les VD, mais aussi de

minimiser la probabilité que les conclusions tirées puissent être dues à l’influence de

variables non contrôlées. On peut classer les types de plans en fonction de 2 facteurs : le

degré de contrôle des situations considérées et les caractéristiques techniques.

6-1) Degré de contrôle des situations: Distinction plan expérimental et plans quasi-expérimental On parle de plan expérimental au sens strict lorsque toutes les VI qui composent le plan

d'expérience sont provoquées, donc lorsque l’on a un contrôle maximal sur les sources de

variation. Lorsque le plan comporte au moins une VI de type invoqué (sur laquelle on ne

dispose que d’un contrôle limité), le plan est alors dit quasi-expérimental.

6-2) Les principaux types de plans en fonction des caractéristiques techniques A partir des caractéristiques techniques, on peut classer les plans expérimentaux en 2

grandes catégories :

0

1

2

3

4

5

6

T1 T2

No

mb

re m

oye

n d

e b

idu

les

Type de truc

Fig. E: Nombre de bidules en fonction du type de truc et du type de machin

M1

M2


17

Les plans à une variable indépendante, à groupes indépendants ou appariés.

Les plans à plusieurs VI, à groupes indépendants, appariés ou mixtes.

Les plans à plusieurs VI peuvent eux même être subdivisés en plans dits factoriels, en carré

latin ou encore en carré gréco latin. Nous nous limiterons ici aux plans factoriels, qui sont les

plans que vous rencontrerez le plus souvent.

A) Les plans à une variable indépendante Les plans à une variable indépendante sont les plans les plus simples. Ils font intervenir une

seule VI ayant au minimum 2 modalités. Il existe deux types de plans à une variable

indépendante : les plans à une VI à groupes indépendants et les plans à une VI à groupes

appariés.

1) Les plans à groupes indépendants (ou plans inter-sujets).

Définition.

Un plan d’expérience est dit à groupes indépendants lorsque les mesures sont prises sur

autant de groupes qu’il y a de modalités à la variable. Autrement dit, dans un plan à groupes

indépendants un groupe de sujets ne passe qu’une des modalités de la variable

indépendante. Ils ne passent ainsi « qu’une partie » de l’expérience. Dans ce type de plans

les comparaisons portent sur la performance moyenne des differents groupes (donc entre

les résultats obtenus au niveau de chaque modalité de la VI, autrement dit de chaque

condition expérimentale).

2. Les plans à mesures répétées (ou plans à groupes appariés ou intra-sujets).

Définition. On parle de groupes appariés lorsque tous les sujets passent par toutes les conditions

expérimentales. La comparaison s’effectue sur un même groupe de participants qui se prête

à toutes les modalités de la VI. Autrement dit, lorsque tous les sujets subissent toutes les

modalités de la VI. Dans ce cas, l’impact de la VI pour un sujet n’est plus mesuré par rapport

à la performance moyenne du groupe (comme dans les plans à groupes indépendants) mais

relativement à sa performance moyenne, calculée en sommant l’influence de tous les

traitements. Ainsi, il est possible d’observer la performance de chaque sujet dans chacune

des conditions expérimentales.


18

B) Les plans à plusieurs VI.

1) Définition. Dans un contexte naturel un comportement, un état mental ou un processus mental est

rarement le produit d’une seule cause, mais plutôt celui de la combinaison, de l’interaction

de plusieurs causes ou facteurs ou variables. Le chercheur se doit donc de tenir compte de

ces éventuelles interactions dans son expérimental. On parle alors de plan factoriel (ou

fischérien).

Les plans factoriels sont destinés à mettre en évidence d’une part les effets respectifs de

chaque VI sur la VD : on parle alors d’effets simples ou d’effets principaux et d’autre part

leurs éventuelles combinaisons en fonction des différentes valeurs ou modalités des VI : on

parle alors d’effet d’interaction1. Un plan factoriel permet donc de représenter et de tester

toutes les combinaisons possibles entre les différentes modalités des VI.

Un plan factoriel étant caractérisé par la présence d’au moins deux VI, il peut se décliner

selon trois formes en fonction du type des groupes de mesures. Un plan factoriel peut donc

être à groupes indépendants (composé uniquement de groupes de mesures indépendants),

à groupes appariés (ou à mesures répétées), ou encore mixte (lorsque le plan combine des

groupes indépendants et des mesures répétées).

2) Petite parenthèse concernant le plan mixte…

Ce type de plan combine des groupes indépendants (VI inter sujets) et des mesures

appareillées (VI intra sujets). Il comprend au moins quatre conditions expérimentales issues

du croisement de 2VI à deux modalités. Dans ce plan minimal, deux groupes indépendants

de sujets sont soumis à deux conditions de mesures répétées (2 conditions expérimentales).

Dans ce type de plan, comme dans les plans à mesures répétées, il va falloir porter une

attention particulière aux éventuels effets d’ordre ou de séquence.

3) Retour au plan factoriel : un exemple concret.

Le principe du plan factoriel consiste à associer toutes les modalités d’un facteur aux autres

modalités des autres facteurs. Chacune des ces associations définit une condition

expérimentale avec un certain effectif de sujets ou participants. Autrement dit, le plan

1 Cf. partie du cours consacrée aux differents types d’interactions.


19

factoriel permet de constituer autant de conditions expérimentales qu’il y a de combinaison

possible entre toutes les modalités des VI.

Avantages du plan factoriel Le plan factoriel a pour principal intérêt de permettre de tester les effets d’interactions des

variables indépendantes sur la VD.

Détermination du nombre de conditions expérimentales Lorsque l’on connaît le nombre total de participants ainsi que le type de plan utilisé, il est

alors très facile de déterminer le nombre de sujets par situations expérimentales :

Dans notre exemple, il s’agit d’un plan à groupes indépendants, cela signifie que chaque

sujet ne passe que par une condition expérimentale et une seule. Nous avons deux VI à deux

modalités chacune (T2*D2), on calcule alors le nombre de conditions expérimentales en

effectuant le produit du nombre de modalités de chaque VI. Ainsi donc cette expérience

comporte 2*2=4 conditions expérimentales.

Si par contre nous avions un plan comportant deux VI à trois modalités chacune,

nous aurions alors un plan de type 3*3=9 conditions expérimentales.

Si nous avions un plan comportant trois VI à trois modalités chacune, nous aurions

alors un plan de type 3*3*3=27 conditions expérimentales.

Si nous avions un plan comportant trois VI dont deux à deux modalités et une à trois

modalités, nous aurions alors un plan de type 2*2*3=12 conditions expérimentales.

Quand il y a deux VI à deux modalités (plan 2x2), un simple tableau à double entrée permet

de visualiser les différentes situations expérimentales, c’est à dire les différents croisements

des modalités des VI.

Prenons l’exemple d’une recherche sur la mémoire dans laquelle on s’intéresse à la

performance en terme de rappel en fonction du type de matériel appris (Facterur T

provoqué à 2 modalités : verbal vs imagé) et de la durée de l’intervalle de rétention (Facteur

D, provoqué, à 2 modalités : 3 minutes vs 12 minutes).


20

Type de matériel

T1 : matériel verbal T2 : matériel imagé

Du

rée

de

l’in

terv

alle

de

réte

nti

on

D1 : durée de

3 minutes

M1 (n=30 sujets)

M2 (n=30 sujets)

D2 :durée de 12

minutes

M3 (n=30 sujets)

M4 (n=30 sujets)

Ce tableau permet de récapituler les différentes situations expérimentales.

M=valeur prise par la VD (ici la performance de rappel), le plus souvent, cette valeur est une

moyenne de groupe.

n= entre () correspond au nombre de participants par condition expérimentale. Ce type de plan permet de répondre à trois questions en même temps :

La VD, ici la performance de rappel, dépend-elle uniquement de la VI1, ici le type de

matériel ? Comparaison statistique entre M1 et M3/ M2 et M4

La VD dépend-elle uniquement de la VI2, ici la durée ? Comparaison statistique

entre M1 et M2/ M3 et M4

Ici calcul statistique des effets principaux.

La VD dépend-elle de l’interaction entre ces deux facteurs ? ex : M1 fonction de

l’interaction entre D1 et T1 et M2 fonction de l’interaction entre D1 et T2.

Ici calcul statistique des effets d’interaction.

Représentation des plans expérimentaux Un plan expérimental est généralement représenté sous la forme d’un tableau à entrées

multiples et/ou d’une écriture formalisée. Une représentation sous forme d’un arbre de

répartition des effectifs par condition est aussi parfois utilisée, mais plus rarement. Nous ne

nous attarderons pas sur la représentation sous forme de tableau, qui ne présente pas de

difficultés particulières, pour passer directement à l’écriture formalisée.


21

1) L’écriture formalisée.

1-1) Définition.

L’écriture formalisée d’un plan donne des informations pour le traitement statistique des

données. Il précise l’effectif des sujets et indique s’il s’agit d’un plan à groupes indépendants,

d’un plan à mesures répétées ou d’un plan mixte.

Formule : Sn <> où n = nombre de sujets par case et où <>= emboîtement (gr indépendants).

Sn * où n = nombre de sujets au total et où * = croisement (gr appariés).

L’écriture formalisée d’un plan mixte combine emboîtement et croisement.

Dans notre exemple sur la mémoire, nous avons affaire à un plan factoriel de type 2*2 :

Si l’on considère ce plan comme étant un plan à groupes indépendants, alors

l’écriture formalisée se présentera de la façon suivante : S30 <T2*D2>

Ici on a donc 4 groupes comptant chacun 30 participants soit un total de 4*30= 120

participants, chaque groupe expérimental est soumis à une condition expérimentale et une

seule.

Si l’on considère ce plan comme étant un plan à groupes appareillés, alors l’écriture

formalisée se présentera de la façon suivante : S30*T2*D2

Ici on a donc un seul groupe comptant 30 participants, chaque participant est soumis à

l’ensemble des conditions expérimentales.

Si l’on considère ce plan comme étant un plan mixte avec T en groupe indépendant

et D en groupe appareillé, alors l’écriture formalisée se présentera de la façon

suivante : S30 <T2>*D2

Ici on a donc deux groupes comptant chacun 30 participants, chaque participant est

soumis à l’une des modalités du facteur T et à l’ensemble des modalités du facteur D.


22

Les Hypothèses

1) Les hypothèses générales (ou encore hypothèses « de travail » ou « théoriques »)

Définition : Il s’agit d’une représentation abstraite explicative et/ou prédictive de l’existence d’une

relation entre deux faits ou deux ensembles de faits. Dans le cadre de la méthode

expérimentale, les premiers faits font référence à la cause et les seconds aux conséquences.

Les hypothèses générales proviennent la plupart du temps des connaissances du chercheur

sur le domaine, sur la question, ou d’une observation antérieure.

Ce genre d’hypothèse permet d’élargir (de généraliser) les faits établis par d’autres

chercheurs ou, au contraire, de restreindre la portée de conclusions antérieures pour les

préciser.

Utilité: Les hypothèses générales permettent de guider une réflexion approfondie dans un domaine

donné. Elles permettent également de fixer des objectifs de recherche et de choisir les

méthodes adéquates.

Caractéristiques : L’hypothèse générale doit fournir une réponse (parfois partielle et souvent provisoire) à la

question de recherche que l’on se pose.Elle doit être vérifiable à l’aide des techniques dont

dispose le chercheur (sinon elle reste une pure spéculation).

Exemples de formulation :

Effet d’une VI :

Quand un individu juge le comportement d’autrui dans un temps limité, il donnera

plus d’importance aux facteurs personnels que situationnels

Le type de stéréotype induit va voir un effet sur le jugement de responsabilité porté

par un individu sur un autre.


23

Effet de plusieurs VI :

Le comportement d’une personne sera jugé en fonction de sa valence et du degré de

similarité perçue entre la personne cible et le participant.

L’expertise du juge et la présence d’informations catégorielles vont avoir un impact

sur le processus de décision.

2) Les hypothèses opérationnelles (ou hypothèses « de recherche »)

Définition : Les hypothèses opérationnelles sont la traduction des hypothèses générales dans un cadre

concret, celui d’une recherche particulière. La mise en place de la recherche doit donc

permettre de vérifier ces hypothèses.

Utilité: Les hypothèses opérationnelles précisent l’état des variables utilisées dans la recherche.

Elles permettent de mettre en exergue les effets simples des variables, mais aussi les

éventuels effets d’interaction.

Caractéristiques : Les hypothèses opérationnelles font apparaître les différentes modalités de la(les)

variable(s) indépendante(s) et la variable dépendante considérée. En général, les hypothèses

opérationnelles précisent également le sens de la relation attendue.

Exemples de formulation :

Effets simples

Lorsque le temps de jugement est court (2 minutes), les explications données au

comportement d’autrui devraient être plus internes que lorsque le temps de jugement

est long (15 minutes). [=> effet principal de la VI temps de jugement (court vs long)

sur les VD explications du comportement d’autrui]

L’évaluation du degré de responsabilité devrait être plus élevé lorsque l’on affecte un

stéréotype négatif à la personne cible que lorsqu’on lui affecte un stéréotype positif.


24

[=> effet principal de la VI type de stéréotype (positif vs négatif) sur la VD évaluation

du degré de responsabilité]

Effets d’interaction

Un comportement de valence négative devrait être jugé de manière plus sévère qu’un

comportement de valence positive. Cet effet devrait être plus marqué lorsque le degré

de similarité entre la personne cible et le participant est faible que lorsqu’il est fort.

[=> effet additif des VI valence du comportement (positive vs négative) et du degré de

similarité entre le participant et la cible (élevé vs faible) sur la VD sévérité du

jugement]

Les experts vont avoir tendance à juger les individus de manière plus rapide que les

novices. Cet effet devrait être d’autant plus marqué lorsqu’ils disposent

d’informations catégorielles que lorsqu’ils n’en disposent pas.

Rédaction « Economique » :

Si les attentes d’effet(s) de la(des) VI(s) sont identiques pour plusieurs des VD considérées

[et pour éviter de répéter 5 fois la même hypothèse en ne changeant dans la formulation

que le nom de la VD] il est possible (et admis, voire recommandé) de formuler les

hypothèses de manière résumée. Ceci s’applique aussi bien aux hypothèses d’effets simples

qu’aux hypothèses d’interactions.

Exemple : On s’attend à ce que l’attribution de sanction, de blâme, de causes internes et de traits de

personnalité négatifs soit plus importante lorsque le sujet est doté d’un stéréotype négatif

que d’un stéréotype positif.


25

Statistiques, Format du fichier de données sur Excel et Normes bibliographiques

Dans un souci de simplicité (et de rapidité…), l’Anova est ici abordée dans ses grandes lignes

et de manière très « pragmatique ». Pour plus de détails « statistiques », je vous

recommande le livre d’Hervé Abdi intitulé « Introduction au traitement des données

expérimentales ».

Définition : qu’est-ce qu’une Anova ?

Une Anova (ou analyse de variance) est un test statistique paramétrique qui permet de

comparer des moyennes et de déterminer si ces moyennes diffèrent significativement.

L’Anova a pour particularité de comparer les moyennes en tenant compte de la variance

dans ses estimations (d’où son nom). Il s’agit en fait de faire un rapport entre variance(s)

inter conditions et variance(s) intra conditions. Autrement dit, il s’agit de voir si la dispersion

des mesures est plus importante entre les conditions qu’à l’intérieur des conditions.

Exemple type de tableau d’Anova.

Voici des exemples de tableaux donnés par le logiciel Statistica :

Tableau de moyenne correspondant

Moy. (non pondér.)

F(1,92)=,38; p<,6829

SC_ANAGS

empa .... 6,51666689

cpt .... 6

ANOVA/MANOVA ; Synthèse de tous les Effets; plan:

1-CONDITXT, 2-TYPECTRL

dl Effet

MC Effet

dl Erreur

MC Erreur

F

niveau p

1 1 2,16690063 92 5,65726757 0,38302955 0,68287486

2 1 24,4841919 92 5,65726757 4,32791805 0,04027243

12 1 6,52309275 92 5,65726757 1,15304649 0,32019269


26

Dans la partie résultats, un effet est toujours présenté sous la forme

F (1,92) = .38; p < .6829

dl effet dl Erreur Valeur du F Valeur du p

Les paramètres de l’Anova

Le F de Fischer : qui renvoie au rapport variance inter / variance intra. Plus le F est

important et plus l’effet considéré est important.

Le niveau de p : renvoie à la marge d’erreur, à la probabilité que la différence

considérée ne soit pas significative (autrement dit de rejeter H0 à tort).

Par convention, on considère qu’un effet est :

- Significatif : à partir du moment où la marge d’erreur est inférieure ou égale à

5% (p 0,05 ou p .05 en notation anglo-saxonne)

- Tendanciel : lorsque .06 p .10

- Non significatif : lorsque p > .10

Les dl (degré de liberté) :

dl effet (ou de la source de variation) : est égal au nombre de modalités du facteur – 1

dans le cas d’une variable (effet principal) et au produit des dl des variables dans le cas

d’une interaction de facteurs. Dans votre cas (et dans l’exemple ci-dessus), nous avons 2

variables à 2 modalités. Le dl de chaque variable est donc de 1 (=2-1) et le dl de

l’interaction est également de 1 (=1x1)

dl erreur : renvoie au dl total auquel on soustrait la somme des dl des sources de

variations (effets simples et interaction(s)).

dl total : renvoie au nombre de participants de l’étude – 1 (ce dernier n’apparaît pas

dans le tableau de synthèse donné par le logiciel)


27

Données sous Excel

Dictionnaire des variables Avant toute chose il est nécessaire de construire ce que l’on appelle un dictionnaire des

variables. Ce dictionnaire doit permettre d’identifier les codes des différentes variables

facilement.

Il doit contenir au minimum :

Le nom des variables (VI et VD)

Le nom résumé de chaque variable (7 caractères maximum)

Le codage des VD (ex : « valeur de 1 à 7 » ; « H pour homme, F pour Femme », etc.)

Le tout doit idéalement se présenter sous la forme d’un tableau reprenant les différentes

variables en ligne et les catégories (nom résumé, codage…) en colonnes.

Fichier Excel

Pour le fichier de saisie des données, le plus simple est de former 4 tableaux indépendants,

autrement dit un tableau par condition expérimentale. Chacun de ces tableaux aura un

format du type Sujets en ligne et Variables en colonnes.

Sujet VI 1 VI2 VD1 VD2 … VDn

1

2

….

n

(Rq : Me mettre à chaque fois une ligne de titre redonnant la condition expérimentale dont il

s’agit)

Dans les cases « VI » doivent apparaître le code des modalités

Dans les cases « VD » doivent apparaître les valeurs issues des questionnaires (ex : le numéro de 1 à 7 dans le cas d’une échelle en 7 points).


28

Normes d’écriture de la Bibliographie Les normes utilisées la majeure partie du temps en Psychologie sont les normes de l’APA (American Psychology Association). Voici les normes à suivre pour :

Un article issu d’une revue :

Erdley, C. A., & D’Agostino, P. R. (1988). Cognitive and affective components of automatic priming effects. Journal of Personality and Social Psychology, 54, 741-747.

Un chapitre de livre

Higgins, E. T., & Brendl, C. M. (1995). Accessibility, applicability, and salience. In E. T. Higgins & A. Kruglanski (Eds.), Social psychology: Handbook of basic principles (pp. 133-169). New York: Guilford.

Un livre dans sa totalité

Wyer, R. S., & Srull, T. K. (1989). Memory and social cognition in its social context. Hillsdale, NJ: Erlbaum.

Documents

II)- La méthode expérimentalej.b.legal.free.fr/Blog/share/Concepts/methodo.pdf · 2008-10-21 · En manipulant une ou plusieurs variable(s) indépendante(s), on va essayer de provoquer