2.4 : Analyse des résultats
- Page ID
- 190322
Objectifs d'apprentissage
- Expliquer ce que nous apprend un coefficient de corrélation sur la relation entre les variables
- Reconnaître que la corrélation n'indique pas une relation de cause à effet entre les variables
- Discutez de notre tendance à rechercher des relations entre des variables qui n'existent pas réellement
- Expliquer l'échantillonnage aléatoire et l'affectation des participants dans des groupes expérimentaux et témoins
- Expliquez comment les biais de l'expérimentateur ou du participant peuvent affecter les résultats d'une expérience
- Identifier les variables indépendantes et dépendantes
Saviez-vous qu'à mesure que les ventes de crème glacée augmentent, le taux global de criminalité augmente également ? Est-il possible que le fait de déguster votre saveur préférée de crème glacée puisse vous lancer dans une série de crimes ? Ou, après avoir commis un crime, pensez-vous que vous pourriez décider de vous offrir un cornet ? Il ne fait aucun doute qu'il existe un lien entre la crème glacée et la criminalité (par exemple, Harper, 2013), mais il serait assez stupide de décider qu'une chose est réellement à l'origine de l'autre.
Il est beaucoup plus probable que les ventes de glaces et les taux de criminalité soient liés à la température extérieure. Lorsque la température est chaude, de nombreuses personnes sortent de chez elles, interagissent les unes avec les autres, s'énervent les unes envers les autres et commettent parfois des crimes. De plus, lorsqu'il fait chaud dehors, nous sommes plus enclins à chercher une friandise fraîche comme une glace. Comment déterminer s'il existe effectivement un lien entre deux choses ? Et lorsqu'il existe une relation, comment pouvons-nous déterminer si elle est attribuable à une coïncidence ou à un lien de causalité ?
Recherche corrélationnelle
La corrélation signifie qu'il existe une relation entre deux variables ou plus (comme la consommation de crème glacée et la criminalité), mais que cette relation n'implique pas nécessairement une relation de cause à effet. Lorsque deux variables sont corrélées, cela signifie simplement qu'au fur et à mesure que l'une des variables change, l'autre change également. Nous pouvons mesurer la corrélation en calculant une statistique appelée coefficient de corrélation. Un coefficient de\(-1\) corrélation est un nombre compris entre et\(+1\) qui indique la force et la direction de la relation entre les variables. Le coefficient de corrélation est généralement représenté par la lettre r.
La partie numérique du coefficient de corrélation indique la force de la relation. Plus le nombre est proche\(1\) (négatif ou positif), plus les variables sont étroitement liées et plus les variations d'une variable seront prévisibles au fur et à mesure que l'autre variable changera. Plus le nombre est proche de zéro, plus la relation est faible et moins les relations entre les variables deviennent prévisibles. Par exemple, un coefficient de corrélation de\(0.9\) indique une relation beaucoup plus forte qu'un coefficient de corrélation de\(0.3\). Si les variables ne sont pas du tout liées les unes aux autres, le coefficient de corrélation est\(0\). L'exemple ci-dessus concernant la crème glacée et la criminalité est un exemple de deux variables dont on peut s'attendre à ce qu'elles n'aient aucun lien entre elles.
Le signe, positif ou négatif, du coefficient de corrélation indique la direction de la relation. Une corrélation positive signifie que les variables évoluent dans la même direction. En d'autres termes, cela signifie qu'à mesure qu'une variable augmente, l'autre augmente, et inversement, lorsqu'une variable diminue, l'autre augmente également. Une corrélation négative signifie que les variables évoluent dans des directions opposées. Si deux variables sont corrélées négativement, une diminution de l'une est associée à une augmentation de l'autre et vice versa.
L'exemple de la crème glacée et des taux de criminalité est une corrélation positive, car les deux variables augmentent lorsque les températures se réchauffent. D'autres exemples de corrélations positives sont la relation entre la taille et le poids d'une personne ou la relation entre l'âge d'une personne et le nombre de rides. On peut s'attendre à ce qu'il existe une corrélation négative entre la fatigue d'une personne pendant la journée et le nombre d'heures pendant lesquelles elle a dormi la nuit précédente : la quantité de sommeil diminue à mesure que la sensation de fatigue augmente. Dans un exemple concret de corrélation négative, des étudiants chercheurs de l'Université du Minnesota ont découvert une faible corrélation négative (\(r = -0.29\)) entre le nombre moyen de jours par semaine pendant lesquels les étudiants dorment moins d'\(5\)heures et leur moyenne cumulative (Lowry, Dean et Manders, 2010). Gardez à l'esprit qu'une corrélation négative n'est pas synonyme d'absence de corrélation. Par exemple, nous ne trouverions probablement aucune corrélation entre les heures de sommeil et la pointure des chaussures.
Comme indiqué précédemment, les corrélations ont une valeur prédictive. Imaginez que vous faites partie du comité d'admission d'une grande université. Vous êtes confronté à un très grand nombre de candidatures, mais vous ne pouvez accueillir qu'un faible pourcentage du bassin de candidats. Comment pourriez-vous décider qui doit être admis ? Vous pourriez essayer de corréler la moyenne cumulative universitaire de vos étudiants actuels avec leurs résultats à des tests standardisés tels que le SAT ou l'ACT. En observant les corrélations les plus fortes pour vos étudiants actuels, vous pourriez utiliser ces informations pour prédire le succès relatif des étudiants qui ont fait une demande d'admission à l'université.
La corrélation n'indique pas de causalité
La recherche corrélationnelle est utile car elle nous permet de découvrir la force et l'orientation des relations qui existent entre deux variables. Cependant, la corrélation est limitée parce que l'établissement de l'existence d'une relation nous en dit peu sur les causes et les effets. Bien que les variables soient parfois corrélées parce que l'une cause l'autre, il se peut également qu'un autre facteur, une variable confusionnelle, soit à l'origine du mouvement systématique de nos variables d'intérêt. Dans l'exemple du taux de criminalité et de crème glacée mentionné précédemment, la température est une variable confusionnelle qui pourrait expliquer la relation entre les deux variables.
Même lorsque nous ne pouvons pas identifier de variables confusionnelles claires, nous ne devons pas supposer qu'une corrélation entre deux variables implique qu'une variable entraîne des changements dans une autre. Cela peut être frustrant lorsqu'une relation de cause à effet semble claire et intuitive. Réfléchissez à notre discussion sur les recherches menées par l'American Cancer Society et sur la façon dont ses projets de recherche ont été parmi les premières démonstrations du lien entre le tabagisme et le cancer. Il semble raisonnable de supposer que le tabagisme cause le cancer, mais si nous nous limitions à la recherche corrélationnelle, nous dépasserions nos limites en faisant cette hypothèse.
Malheureusement, les gens prétendent à tort qu'il y a un lien de causalité en fonction de corrélations tout le temps. De telles allégations sont particulièrement courantes dans les publicités et les reportages. Par exemple, des recherches récentes ont révélé que les personnes qui mangent régulièrement des céréales atteignent un poids plus sain que celles qui mangent rarement des céréales (Frantzen, Treviño, Echon, Garcia-Dominic et DiMarco, 2013 ; Barton et al., 2005). Devinez comment les entreprises céréalières rapportent ce résultat. La consommation de céréales amène-t-elle réellement une personne à maintenir un poids santé ou existe-t-il d'autres explications possibles, par exemple, une personne ayant un poids santé est plus susceptible de prendre régulièrement un petit déjeuner sain qu'une personne obèse ou une personne qui évite de manger pour essayer de suivre un régime ? Bien que la recherche corrélationnelle soit inestimable pour identifier les relations entre les variables, l'une des principales limites est l'incapacité d'établir la causalité. Les psychologues veulent faire des déclarations sur les causes et les effets, mais la seule façon d'y parvenir est de mener une expérience pour répondre à une question de recherche. La section suivante décrit comment les expériences scientifiques intègrent des méthodes qui éliminent ou contrôlent d'autres explications, ce qui permet aux chercheurs d'explorer comment les modifications d'une variable entraînent des modifications d'une autre variable.
Corrélations illusoires
La tentation de faire des déclarations erronées de cause à effet sur la base de recherches corrélationnelles n'est pas la seule façon dont nous avons tendance à mal interpréter les données. Nous avons également tendance à faire l'erreur de corrélations illusoires, en particulier avec des observations non systématiques. Des corrélations illusoires, ou de fausses corrélations, se produisent lorsque les gens croient qu'il existe des relations entre deux choses alors qu'aucune relation de ce type n'existe. Une corrélation illusoire bien connue est l'effet supposé des phases de la lune sur le comportement humain. Beaucoup de gens affirment avec passion que le comportement humain est affecté par la phase de la lune, et plus particulièrement, que les gens agissent bizarrement lorsque la lune est pleine.
Il est indéniable que la lune exerce une puissante influence sur notre planète. Le flux et le reflux des marées de l'océan sont étroitement liés aux forces gravitationnelles de la lune. Beaucoup de gens pensent donc qu'il est logique que nous soyons également affectés par la lune. Après tout, notre corps est en grande partie composé d'eau. Une méta-analyse\(40\) portant sur presque des études a toutefois constamment démontré que la relation entre la lune et notre comportement n'existe pas (Rotton & Kelly, 1985). Bien que nous puissions accorder plus d'attention aux comportements étranges pendant toute la phase de la lune, les taux de comportements étranges restent constants tout au long du cycle lunaire.
Pourquoi sommes-nous si enclins à croire à de telles corrélations illusoires ? Souvent, nous les lisons ou en entendons parler et nous acceptons simplement les informations comme étant valides. Ou bien, nous avons une idée de la façon dont quelque chose fonctionne, puis nous cherchons des preuves à l'appui de cette intuition, en ignorant les preuves qui nous indiqueraient que notre intuition est fausse ; c'est ce que l'on appelle le biais de confirmation. D'autres fois, nous trouvons des corrélations illusoires basées sur les informations qui nous viennent le plus facilement à l'esprit, même si ces informations sont très limitées. Bien que nous puissions être certains de pouvoir utiliser ces relations pour mieux comprendre et prévoir le monde qui nous entoure, les corrélations illusoires peuvent présenter des inconvénients importants. Par exemple, des recherches suggèrent que des corrélations illusoires, dans lesquelles certains comportements sont attribués de manière inexacte à certains groupes, sont impliquées dans la formation d'attitudes préjudiciables qui peuvent finalement mener à un comportement discriminatoire (Fiedler, 2004).
Causalité : réalisation d'expériences et utilisation des données
Comme vous l'avez appris, la seule façon d'établir l'existence d'une relation de cause à effet entre deux variables est de mener une expérience scientifique. L'expérience a une signification différente dans le contexte scientifique et dans la vie quotidienne. Dans les conversations de tous les jours, nous l'utilisons souvent pour décrire le fait d'essayer quelque chose pour la première fois, comme expérimenter une nouvelle coiffure ou un nouvel aliment. Cependant, dans le contexte scientifique, une expérience a des exigences précises en matière de conception et de mise en œuvre.
L'hypothèse expérimentale
Pour mener une expérience, un chercheur doit avoir une hypothèse précise à tester. Comme vous l'avez appris, les hypothèses peuvent être formulées soit par l'observation directe du monde réel, soit après un examen attentif de recherches antérieures. Par exemple, si vous pensez que les enfants ne devraient pas être autorisés à regarder des émissions violentes à la télévision parce que cela les inciterait à se comporter de manière plus violente, vous avez essentiellement formulé une hypothèse, à savoir que le fait de regarder des émissions de télévision violentes amène les enfants à se comporter de manière plus violente. Comment avez-vous pu arriver à cette hypothèse particulière ? Vous avez peut-être des parents plus jeunes qui regardent des dessins animés mettant en scène des personnages utilisant les arts martiaux pour sauver le monde des méchants, avec une gamme impressionnante de coups de poing, de pied et de postures défensives. Vous remarquez qu'après avoir regardé ces émissions pendant un certain temps, vos jeunes parents imitent le comportement combatif des personnages représentés dans le dessin animé.
Ce type d'observations personnelles nous amène souvent à formuler une hypothèse précise, mais nous ne pouvons pas utiliser des observations personnelles limitées et des preuves anecdotiques pour tester rigoureusement notre hypothèse. Au lieu de cela, pour savoir si les données du monde réel soutiennent notre hypothèse, nous devons mener une expérience.
Concevoir une expérience
Le plan expérimental le plus élémentaire fait intervenir deux groupes : le groupe expérimental et le groupe témoin. Les deux groupes sont conçus pour être identiques, à une différence près : la manipulation expérimentale. Le groupe expérimental reçoit la manipulation expérimentale, c'est-à-dire le traitement ou la variable testée (dans ce cas, des images télévisées violentes), mais pas le groupe témoin. La manipulation expérimentale étant la seule différence entre le groupe expérimental et le groupe témoin, nous pouvons être sûrs que toute différence entre les deux est due à une manipulation expérimentale plutôt qu'au hasard.
Dans notre exemple de la façon dont les émissions de télévision violentes peuvent affecter le comportement violent des enfants, nous demandons au groupe expérimental de visionner des émissions de télévision violentes pendant une durée spécifiée, puis de mesurer son comportement violent. Nous mesurons le comportement violent au sein de notre groupe témoin après qu'ils aient regardé des émissions de télévision non violentes pendant la même durée. Il est important que le groupe témoin soit traité de la même manière que le groupe expérimental, sauf que le groupe témoin ne reçoit pas la manipulation expérimentale. Par conséquent, nous demandons au groupe témoin de regarder des émissions de télévision non violentes pendant la même durée que le groupe expérimental.
Nous devons également définir précisément, ou opérationnaliser, ce qui est considéré comme violent et non violent. Une définition opérationnelle est une description de la façon dont nous allons mesurer nos variables, et elle est importante pour permettre aux autres de comprendre exactement comment et ce qu'un chercheur mesure dans une expérience donnée. Lors de la mise en œuvre d'un comportement violent, nous pouvons choisir de ne compter que les actes physiques tels que les coups de pied ou de poing comme des exemples de ce comportement, ou nous pouvons également choisir d'inclure les échanges verbaux de colère. Quoi que nous déterminions, il est important que nous opérationnalisions les comportements violents de telle sorte que quiconque entend parler de notre étude pour la première fois sache exactement ce que nous entendons par violence. Cela améliore la capacité des personnes à interpréter nos données ainsi que leur capacité à répéter notre expérience s'ils le souhaitent.
Une fois que nous aurons mis en œuvre ce qui est considéré comme une émission de télévision violente et ce qui est considéré comme un comportement violent de la part des participants à l'expérience, nous devons déterminer comment nous allons mener notre expérience. Dans ce cas, nous pouvons demander aux participants de regarder une émission de télévision d'une\(30\) minute (violente ou non violente, selon leur appartenance au groupe) avant de les envoyer dans un terrain de jeu pendant une heure où leur comportement est observé et où le nombre et le type d'actes de violence sont enregistrés.
Idéalement, les personnes qui observent et enregistrent le comportement des enfants ne savent pas qui a été affecté au groupe expérimental ou au groupe témoin, afin de contrôler les biais de l'expérimentateur. Le biais de l'expérimentateur fait référence à la possibilité que les attentes d'un chercheur faussent les résultats de l'étude. N'oubliez pas que la réalisation d'une expérience nécessite beaucoup de planification et que les personnes impliquées dans le projet de recherche ont tout intérêt à étayer leurs hypothèses. Si les observateurs savaient quel enfant appartient à quel groupe, cela pourrait influencer l'attention qu'ils accordent au comportement de chaque enfant ainsi que la façon dont ils interprètent ce comportement. En ne sachant pas quel enfant appartient à quel groupe, nous nous protégeons contre ces préjugés. Cette situation est une étude à simple insu, ce qui signifie que l'un des groupes (participants) ne sait pas à quel groupe il appartient (groupe expérimental ou groupe témoin) alors que le chercheur qui a développé l'expérience sait quels participants font partie de chaque groupe.
Dans une étude à double insu, les chercheurs et les participants ignorent les devoirs de groupe. Pourquoi un chercheur voudrait-il mener une étude où personne ne sait qui appartient à quel groupe ? Parce que ce faisant, nous pouvons contrôler à la fois les attentes des expérimentateurs et des participants. Si vous connaissez l'expression « effet placebo », vous savez déjà pourquoi il s'agit d'une considération importante. L'effet placebo se produit lorsque les attentes ou les croyances d'une personne influencent ou déterminent son expérience dans une situation donnée. En d'autres termes, le simple fait de s'attendre à ce que quelque chose se produise peut réellement y arriver.
L'effet placebo est généralement décrit en termes de test de l'efficacité d'un nouveau médicament. Imaginez que vous travaillez dans une société pharmaceutique et que vous pensez disposer d'un nouveau médicament efficace pour traiter la dépression. Pour démontrer l'efficacité de votre médicament, vous menez une expérience en deux groupes : le groupe expérimental reçoit le médicament et le groupe témoin n'en reçoit pas. Mais vous ne voulez pas que les participants sachent s'ils ont reçu le médicament ou non.
Pourquoi ça ? Imaginez que vous participez à cette étude et que vous venez de prendre une pilule qui, selon vous, améliorera votre humeur. Comme vous vous attendez à ce que la pilule ait un effet, vous pourriez vous sentir mieux simplement parce que vous l'avez prise et non pas à cause d'un quelconque médicament contenu dans la pilule : il s'agit de l'effet placebo.
Pour s'assurer que tout effet sur l'humeur est dû au médicament et non aux attentes, le groupe témoin reçoit un placebo (dans ce cas, une pilule de sucre). Maintenant, tout le monde reçoit une pilule et, encore une fois, ni le chercheur ni les participants à l'expérience ne savent qui a reçu le médicament et qui a reçu la pilule de sucre. Toute différence d'humeur entre le groupe expérimental et le groupe témoin peut désormais être attribuée au médicament lui-même plutôt qu'au biais de l'expérimentateur ou aux attentes des participants.
Variables indépendantes et dépendantes
Dans le cadre d'une expérience de recherche, nous nous efforçons d'étudier si les changements dans une chose entraînent des changements dans une autre. Pour y parvenir, nous devons prêter attention à deux variables importantes, ou à des éléments qui peuvent être modifiés, dans toute étude expérimentale : la variable indépendante et la variable dépendante. Une variable indépendante est manipulée ou contrôlée par l'expérimentateur. Dans une étude expérimentale bien conçue, la variable indépendante est la seule différence importante entre le groupe expérimental et le groupe témoin. Dans notre exemple de la façon dont les émissions de télévision violentes influent sur le comportement violent des enfants, la variable indépendante est le type d'émission (violente ou non violente) vue par les participants à l'étude. Une variable dépendante est ce que le chercheur mesure pour déterminer l'effet de la variable indépendante. Dans notre exemple, la variable dépendante est le nombre d'actes violents commis par les participants à l'expérience.
Nous nous attendons à ce que la variable dépendante change en fonction de la variable indépendante. En d'autres termes, la variable dépendante dépend de la variable indépendante. Une bonne façon de réfléchir à la relation entre les variables indépendantes et dépendantes est de se poser la question suivante : Quel est l'effet de la variable indépendante sur la variable dépendante ? Pour en revenir à notre exemple, quel effet le fait de regarder une demi-heure d'émissions de télévision violentes ou non violentes a-t-il sur le nombre d'incidents d'agression physique présentés sur le terrain de jeu ?
Sélection et affectation des participants à l'expérience
Maintenant que notre étude est terminée, nous devons obtenir un échantillon de personnes à inclure dans notre expérience. Notre étude implique des participants humains, nous devons donc déterminer qui inclure. Les participants font l'objet de recherches psychologiques et, comme leur nom l'indique, les personnes impliquées dans la recherche psychologique participent activement au processus. Souvent, les projets de recherche psychologique font appel à des étudiants pour participer. En fait, la grande majorité des recherches dans les sous-domaines de la psychologie ont toujours impliqué des étudiants en tant que participants à la recherche (Sears, 1986 ; Arnett, 2008). Mais les étudiants sont-ils vraiment représentatifs de la population générale ? Les étudiants universitaires ont tendance à être plus jeunes, plus instruits, plus libéraux et moins diversifiés que la population générale. Bien que l'utilisation d'étudiants comme sujets de test soit une pratique acceptée, le fait de compter sur un bassin aussi limité de participants à la recherche peut s'avérer problématique car il est difficile de généraliser les résultats à l'ensemble de la population.
Notre expérience hypothétique implique des enfants, et nous devons d'abord générer un échantillon d'enfants participants. Les échantillons sont utilisés parce que les populations sont généralement trop importantes pour impliquer raisonnablement chaque membre dans notre expérience particulière. Dans la mesure du possible, nous devrions utiliser un échantillon aléatoire (il existe d'autres types d'échantillons, mais aux fins du présent chapitre, nous nous concentrerons sur les échantillons aléatoires). Un échantillon aléatoire est un sous-ensemble d'une population plus vaste dans lequel chaque membre de la population a une chance égale d'être sélectionné. Les échantillons aléatoires sont préférables, car si l'échantillon est suffisamment grand, nous pouvons être raisonnablement sûrs que les individus participants sont représentatifs de l'ensemble de la population. Cela signifie que les pourcentages de caractéristiques de l'échantillon (sexe, origine ethnique, niveau socioéconomique et toute autre caractéristique susceptible d'affecter les résultats) sont proches de ceux de l'ensemble de la population.
Dans notre exemple, supposons que nous décidions que notre population d'intérêt est constituée d'élèves de quatrième année. Mais tous les élèves de quatrième année constituent une très grande population, nous devons donc être plus précis ; au lieu de cela, nous pourrions dire que notre population d'intérêt est constituée de tous les élèves de quatrième année d'une ville en particulier. Nous devrions inclure des étudiants de différentes tranches de revenus, de situations familiales, de races, d'ethnies, de religions et de zones géographiques de la ville. Avec cette population plus facile à gérer, nous pouvons travailler avec les écoles locales pour sélectionner un échantillon aléatoire d'environ élèves de\(200\) quatrième année que nous souhaitons participer à notre expérience.
En résumé, comme nous ne pouvons pas tester tous les élèves de quatrième année d'une ville, nous voulons trouver un groupe d'environ\(200\) qui reflète la composition de cette ville. Avec un groupe représentatif, nous pouvons généraliser nos résultats à l'ensemble de la population sans craindre que notre échantillon ne soit biaisé d'une manière ou d'une autre.
Maintenant que nous avons un échantillon, l'étape suivante du processus expérimental consiste à diviser les participants en groupes expérimentaux et témoins par répartition aléatoire. Avec l'attribution aléatoire, tous les participants ont une chance égale d'être affectés à l'un ou l'autre des groupes. Il existe un logiciel statistique qui assigne aléatoirement chacun des élèves de quatrième année de l'échantillon au groupe expérimental ou au groupe témoin.
L'assignation aléatoire est essentielle pour une conception expérimentale solide. Avec des échantillons suffisamment grands, l'attribution aléatoire rend peu probable l'existence de différences systématiques entre les groupes. Ainsi, par exemple, il serait très peu probable que nous obtenions un groupe entièrement composé d'hommes, d'une identité ethnique donnée ou d'une idéologie religieuse donnée. Ceci est important car si les groupes étaient systématiquement différents avant le début de l'expérience, nous ne connaîtrions pas l'origine des différences que nous trouverons entre les groupes : les différences existaient-elles ou ont-elles été causées par la manipulation de la variable indépendante ? L'attribution aléatoire nous permet de supposer que toute différence observée entre les groupes expérimentaux et témoins résulte de la manipulation de la variable indépendante.
Questions à prendre en compte
Bien que les expériences permettent aux scientifiques de faire des allégations de cause à effet, elles ne sont pas sans problème. Les expériences véritables nécessitent que l'expérimentateur manipule une variable indépendante, ce qui peut compliquer de nombreuses questions que les psychologues pourraient vouloir aborder. Par exemple, imaginez que vous souhaitiez connaître l'effet du sexe (la variable indépendante) sur la mémoire spatiale (la variable dépendante). Bien que vous puissiez certainement rechercher les différences entre les hommes et les femmes lors d'une tâche qui fait appel à la mémoire spatiale, vous ne pouvez pas contrôler directement le sexe d'une personne. Nous classons ce type d'approche de recherche comme étant quasi expérimentale et reconnaissons que nous ne pouvons pas faire d'allégations de cause à effet dans de telles circonstances.
Les expérimentateurs sont également limités par des contraintes éthiques. Par exemple, vous ne seriez pas en mesure de mener une expérience visant à déterminer si le fait d'être victime de violence pendant l'enfance entraîne une baisse de l'estime de soi chez les adultes. Pour mener une telle expérience, il faudrait affecter au hasard certains participants à l'expérience à un groupe victime de maltraitance, et cette expérience serait contraire à l'éthique.
Interprétation des résultats
Une fois les données collectées auprès du groupe expérimental et du groupe témoin, une analyse statistique est réalisée pour déterminer s'il existe des différences significatives entre les deux groupes. Une analyse statistique permet de déterminer dans quelle mesure toute différence constatée est probablement due au hasard (et donc non significative). En psychologie, les différences entre les groupes sont considérées comme significatives, ou significatives, si la probabilité que ces différences se produisent uniquement par hasard est de\(5\) pourcentage ou moins. Autrement dit, si nous répétions cette expérience plusieurs\(100\) fois, nous nous attendrions à obtenir les mêmes résultats au moins\(95\) 2 fois sur\(100\).
La plus grande force des expériences est leur capacité à affirmer que toute différence significative dans les résultats est due à la variable indépendante. Cela se produit parce que la sélection aléatoire, l'attribution aléatoire et une conception qui limite les effets du biais de l'expérimentateur et de l'espérance des participants devraient créer des groupes dont la composition et le traitement sont similaires. Par conséquent, toute différence entre les groupes est attribuable à la variable indépendante, et nous pouvons maintenant enfin faire une déclaration causale. Si nous constatons que le fait de regarder une émission de télévision violente entraîne un comportement plus violent que de regarder une émission non violente, nous pouvons affirmer sans risque de se tromper que le fait de regarder des émissions de télévision violentes entraîne une augmentation de l'affichage de comportements violents.
Recherche sur les rapports
Lorsque les psychologues terminent un projet de recherche, ils souhaitent généralement partager leurs résultats avec d'autres scientifiques. L'American Psychological Association (APA) publie un manuel expliquant comment rédiger un article destiné à des revues scientifiques. Contrairement à un article qui pourrait être publié dans un magazine comme Psychology Today, qui cible un grand public intéressé par la psychologie, les revues scientifiques publient généralement des articles de revues à comité de lecture destinés à un public de professionnels et d'universitaires qui sont participant activement à la recherche elle-même.
Un article de revue à comité de lecture est lu par plusieurs autres scientifiques (généralement de manière anonyme) spécialisés dans le sujet. Ces pairs évaluateurs fournissent des commentaires, à la fois à l'auteur et au rédacteur en chef de la revue, concernant la qualité du projet. Les pairs évaluateurs recherchent une justification solide pour la recherche décrite, une description claire de la manière dont la recherche a été menée et des preuves que la recherche a été menée de manière éthique. Ils recherchent également des failles dans la conception, les méthodes et les analyses statistiques de l'étude. Ils vérifient que les conclusions tirées par les auteurs semblent raisonnables compte tenu des observations faites au cours de la recherche. Les pairs évaluateurs soulignent également la valeur de la recherche pour l'avancement des connaissances de la discipline. Cela permet d'éviter la duplication inutile des résultats de recherche dans la littérature scientifique et, dans une certaine mesure, de garantir que chaque article de recherche fournit de nouvelles informations. En fin de compte, le rédacteur en chef compilera tous les commentaires des pairs évaluateurs et déterminera si l'article sera publié dans son état actuel (ce qui est rare), publié avec des révisions ou s'il ne sera pas accepté pour publication.
L'évaluation par les pairs permet de contrôler dans une certaine mesure la qualité de la recherche psychologique. Les études mal conçues ou mal exécutées peuvent être éliminées, et même les recherches bien conçues peuvent être améliorées par les révisions suggérées. L'examen par les pairs garantit également que la recherche est décrite de manière suffisamment claire pour permettre à d'autres scientifiques de la reproduire, ce qui signifie qu'ils peuvent répéter l'expérience en utilisant différents échantillons pour en déterminer la fiabilité. Parfois, les réplications impliquent des mesures supplémentaires qui étendent le résultat initial. Dans tous les cas, chaque réplication sert à fournir davantage de preuves à l'appui des résultats de recherche originaux. La reproduction réussie de recherches publiées rend les scientifiques plus enclins à adopter ces résultats, tandis que les échecs répétés ont tendance à douter de la légitimité de l'article original et à inciter les scientifiques à regarder ailleurs. Par exemple, ce serait une avancée majeure dans le domaine médical si une étude publiée indiquait que la prise d'un nouveau médicament aidait les individus à atteindre un poids santé sans modifier leur alimentation. Mais si d'autres scientifiques ne pouvaient pas reproduire les résultats, les affirmations de l'étude initiale seraient remises en question.
APPROFONDISSEZ VOS CONNAISSANCES : Le mythe de l'autisme vaccinal et le retrait des études publiées
Certains scientifiques ont affirmé que les vaccins pédiatriques de routine provoquaient l'autisme chez certains enfants et, en fait, plusieurs publications évaluées par des pairs ont publié des recherches faisant état de ces affirmations. Depuis les premiers rapports, des recherches épidémiologiques à grande échelle ont suggéré que les vaccins ne sont pas responsables de l'autisme et qu'il est beaucoup plus sûr de faire vacciner votre enfant que de ne pas le faire. En outre, plusieurs des études originales faisant état de cette affirmation ont depuis été retirées.
Un travail publié peut être annulé lorsque des données sont remises en question en raison de falsification, de fabrication ou de graves problèmes de conception de recherche. Une fois l'annulation terminée, la communauté scientifique est informée que la publication initiale pose de sérieux problèmes. Les rétractations peuvent être initiées par le chercheur qui a dirigé l'étude, par des collaborateurs de recherche, par l'institution qui a employé le chercheur ou par le comité de rédaction de la revue dans laquelle l'article a été initialement publié. Dans le cas de l'autisme vaccinal, la rétractation a été faite en raison d'un conflit d'intérêts important dans lequel le chercheur principal avait un intérêt financier à établir un lien entre les vaccins pour enfants et l'autisme (Offit, 2008). Malheureusement, les premières études ont reçu une telle attention médiatique que de nombreux parents du monde entier ont hésité à faire vacciner leurs enfants (Figure). Pour plus d'informations sur le déroulement de l'histoire des vaccins et de l'autisme, ainsi que sur les répercussions de cette histoire, jetez un œil au livre de Paul Offit, Autism's False Prophets : Bad Science, Risky Medicine, and the Search for a Cure.
Fiabilité et validité
La fiabilité et la validité sont deux considérations importantes qui doivent être prises en compte pour tout type de collecte de données. La fiabilité fait référence à la capacité de produire de manière constante un résultat donné. Dans le contexte de la recherche psychologique, cela signifierait que tous les instruments ou outils utilisés pour collecter des données le font de manière cohérente et reproductible.
Malheureusement, être constant dans les mesures ne signifie pas nécessairement que vous avez mesuré quelque chose correctement. Pour illustrer ce concept, imaginez une balance de cuisine qui serait utilisée pour mesurer le poids des céréales que vous consommez le matin. Si la balance n'est pas correctement étalonnée, elle peut constamment sous-estimer ou surestimer la quantité de céréales mesurée. Bien que la balance soit très fiable pour ce qui est de produire des résultats cohérents (par exemple, la même quantité de céréales versée sur la balance produit la même lecture à chaque fois), ces résultats sont incorrects. C'est là que la validité entre en jeu. La validité fait référence à la mesure dans laquelle un instrument ou un outil donné mesure avec précision ce qu'il est censé mesurer. Toute mesure valide est nécessairement fiable, mais l'inverse n'est pas nécessairement vrai. Les chercheurs s'efforcent d'utiliser des instruments à la fois très fiables et valides.
CONNEXION QUOTIDIENNE : Quelle est la validité du SAT ?
Les tests standardisés tels que le SAT sont censés mesurer l'aptitude d'un individu à poursuivre des études universitaires, mais dans quelle mesure ces tests sont-ils fiables et valides ? Les recherches menées par le College Board suggèrent que les scores du SAT ont une validité prédictive élevée pour la moyenne cumulative des étudiants de première année (Kobrin, Patterson, Shaw, Mattern et Barbuti, 2008). Dans ce contexte, la validité prédictive fait référence à la capacité du test à prédire efficacement la moyenne cumulative des étudiants de première année. Étant donné que de nombreux établissements d'enseignement supérieur exigent le SAT pour être admis, ce haut degré de validité prédictive peut être rassurant.
Cependant, l'accent mis sur les scores SAT lors des admissions à l'université a suscité une certaine controverse sur plusieurs fronts. D'une part, certains chercheurs affirment que le SAT est un test biaisé qui désavantage les étudiants issus de minorités et réduit injustement la probabilité d'être admis dans un collège (Santelices et Wilson, 2010). En outre, certaines recherches ont suggéré que la validité prédictive du SAT est largement exagérée quant à sa capacité à prédire la moyenne cumulative des étudiants de première année. En fait, il a été suggéré que la validité prédictive de la SAT pourrait être surestimée dans une proportion allant jusqu'à\(150\%\) (Rothstein, 2004). De nombreux établissements d'enseignement supérieur commencent à envisager de sous-estimer l'importance des scores SAT dans la prise de décisions d'admission (Rimer, 2008).
En 2014, le président du College Board, David Coleman, s'est dit conscient de ces problèmes, reconnaissant que la réussite universitaire est prédite plus précisément par les notes du lycée que par les résultats du SAT. Pour répondre à ces préoccupations, il a demandé que des modifications importantes soient apportées à l'examen SAT (Lewin, 2014).
Résumé
Une corrélation est décrite avec un coefficient de corrélation\(r\), compris entre\(-1\) et\(+1\). Le coefficient de corrélation nous renseigne sur la nature (positive ou négative) et la force de la relation entre deux variables ou plus. Les corrélations ne nous renseignent pas sur la causalité, quelle que soit la force de la relation entre les variables. En fait, la seule façon de démontrer le lien de causalité est de mener une expérience. Les gens font souvent l'erreur de prétendre que les corrélations existent alors qu'elles ne le sont pas réellement.
Les chercheurs peuvent tester des hypothèses de cause à effet en menant des expériences. Idéalement, les participants expérimentaux sont sélectionnés au hasard parmi la population d'intérêt. Ensuite, les participants sont répartis aléatoirement dans leurs groupes respectifs. Parfois, le chercheur et les participants ignorent l'appartenance à un groupe afin d'éviter que leurs attentes n'influencent les résultats.
Dans un plan expérimental idéal, la seule différence entre le groupe expérimental et le groupe témoin est de savoir si les participants sont exposés à la manipulation expérimentale. Chaque groupe passe par toutes les phases de l'expérience, mais chaque groupe sera confronté à un niveau différent de la variable indépendante : le groupe expérimental est exposé à la manipulation expérimentale et le groupe témoin n'est pas exposé à la manipulation expérimentale. Le chercheur mesure ensuite les changements qui se produisent dans la variable dépendante dans chaque groupe. Une fois que les données sont collectées auprès des deux groupes, elles sont analysées statistiquement pour déterminer s'il existe des différences significatives entre les groupes.
Les psychologues publient les résultats de leurs recherches dans des articles de revues à comité de lecture. Les recherches publiées dans ce format sont vérifiées par plusieurs autres psychologues qui servent de filtre séparant les idées étayées par des preuves des idées qui ne le sont pas. La réplication joue un rôle important pour garantir la légitimité des recherches publiées. À long terme, seules les découvertes susceptibles d'être reproduites de manière cohérente feront l'objet d'un consensus au sein de la communauté scientifique.
Lexique
- relation de cause à effet
- les changements dans une variable entraînent les changements dans l'autre variable ; ils ne peuvent être déterminés que par un plan de recherche expérimental
- biais de confirmation
- tendance à ignorer les preuves qui réfutent des idées ou des croyances
- variable confusionnelle
- facteur extérieur imprévu qui affecte les deux variables d'intérêt, donnant souvent la fausse impression que les variations d'une variable entraînent des modifications de l'autre variable, alors qu'en réalité, le facteur extérieur entraîne des modifications des deux variables
- groupe de contrôle
- sert de base de comparaison et de contrôle des facteurs de hasard susceptibles d'influencer les résultats de l'étude, en maintenant ces facteurs constants entre les groupes de sorte que la manipulation expérimentale soit la seule différence entre les groupes
- corrélation
- relation entre deux variables ou plus ; lorsque deux variables sont corrélées, l'une change comme l'autre
- coefficient de corrélation
- nombre compris entre -1 et +1, indiquant la force et la direction de la relation entre les variables, et généralement représenté par r
- variable dépendante
- variable que le chercheur mesure pour déterminer l'effet de la variable indépendante
- étude en double aveugle
- expérience dans laquelle les chercheurs et les participants ignorent les tâches de groupe
- groupe expérimental
- groupe conçu pour répondre à la question de recherche ; la manipulation expérimentale est la seule différence entre le groupe expérimental et le groupe témoin, de sorte que toute différence entre les deux est due à une manipulation expérimentale plutôt qu'au hasard
- biais de l'expérimentateur
- les attentes des chercheurs faussent les résultats de l'étude
- corrélation illusoire
- voir les relations entre deux choses alors qu'en réalité aucune relation de ce type n'existe
- variable indépendante
- variable influencée ou contrôlée par l'expérimentateur ; dans une étude expérimentale solide, la variable indépendante est la seule différence importante entre le groupe expérimental et le groupe témoin
- corrélation négative
- deux variables évoluent dans des directions différentes, l'une augmentant au fur et à mesure que l'autre diminue ; une corrélation négative n'est pas la même chose qu'une absence de corrélation
- définition opérationnelle
- description des actions et des opérations qui seront utilisées pour mesurer les variables dépendantes et manipuler les variables indépendantes
- participants
- sujets de recherche psychologique
- article de revue à comité de lecture
- article lu par plusieurs autres scientifiques (généralement de manière anonyme) spécialisés dans le sujet, qui fournissent des commentaires sur la qualité du manuscrit avant qu'il ne soit accepté pour publication
- effet placebo
- les attentes ou les croyances des personnes qui influencent ou déterminent leur expérience dans une situation donnée
- corrélation positive
- deux variables évoluent dans la même direction, les deux devenant plus grandes ou plus petites
- affectation aléatoire
- méthode expérimentale d'affectation à un groupe dans laquelle tous les participants ont des chances égales d'être affectés à l'un ou l'autre groupe
- échantillon aléatoire
- sous-ensemble d'une population plus large dans lequel chaque membre de la population a des chances égales d'être sélectionné
- fiabilité
- cohérence et reproductibilité d'un résultat donné
- reproduire
- répéter une expérience à l'aide de différents échantillons pour déterminer la fiabilité de la recherche
- étude à simple insu
- expérience dans laquelle le chercheur sait quels participants font partie du groupe expérimental et lesquels font partie du groupe témoin
- analyse statistique
- détermine la probabilité que toute différence entre les groupes expérimentaux soit due au hasard
- validité
- précision d'un résultat donné lorsqu'il s'agit de mesurer ce pour quoi il est conçu