Guide de l'échantillonnage et de la collecte de données pour la recherche

Sommaire

Sélection d'un échantillon

Ce chapitre décrit comment sélectionner un échantillon. La première étape consiste à définir l'unité d'analyse (individus, organisations, journaux, etc.). Ensuite, il faut définir clairement la population en fonction des objectifs de l'étude, en termes de contenu, de lieu et de temps.

Types d'échantillons

L'échantillon est un sous-ensemble de la population. Il peut être probabiliste ou non probabiliste. Le choix du type d'échantillon dépend des objectifs de l'étude et du type de recherche.

Échantillons probabilistes

Les échantillons probabilistes sont essentiels pour généraliser les résultats à une population. Chaque élément de la population a la même chance d'être sélectionné. Les valeurs de l'échantillon sont proches de celles de la population. La précision dépend de l'erreur d'échantillonnage (erreur-type).

Un échantillon probabiliste nécessite : 1) déterminer la taille de l'échantillon, 2) sélectionner les éléments de manière aléatoire.

La taille de l'échantillon est calculée en fonction de la variance de la population et de l'échantillon. La variance de la population est le carré de l'erreur-type. Plus l'erreur-type est faible, plus la taille de l'échantillon est grande.

Les échantillons probabilistes comprennent : simple, stratifié et en grappes.

• Stratifié: augmente la précision en utilisant des sous-échantillons pour chaque strate/catégorie.
• En grappes: sélection en deux étapes. 1) Sélection des grappes (écoles, organisations). 2) Sélection des sujets dans les grappes.

Les éléments d'un échantillon probabiliste sont toujours choisis au hasard. Les procédures de sélection : 1) Tirage au sort, 2) Table de nombres aléatoires, 3) Sélection systématique. Ces méthodes dépendent de listes existantes (annuaire téléphonique, listes d'associations) ou construites ad hoc. En l'absence de listes, on utilise des descriptions de la population (archives, cartes).

Échantillons non probabilistes (échantillons ciblés)

Le choix des sujets dépend du chercheur.

Types d'échantillons ciblés:

1. Sujets bénévoles (protocoles expérimentaux).
2. Experts (études exploratoires).
3. Sujets types/études de cas (études qualitatives).
4. Échantillonnage par quotas (sondages d'opinion).

Les résultats sont généralisables à l'échantillon ou à des échantillons similaires, mais pas à la population.

Théorème central limite

Un échantillon de plus de cent cas a une distribution normale, même si la population ne l'est pas. La normalité de l'échantillon est nécessaire pour les tests statistiques.

Collecte de données

La collecte de données consiste à choisir/développer un instrument de mesure, l'appliquer et préparer les données pour l'analyse.

L'évaluation relie des concepts abstraits à des indicateurs empiriques par le tri et/ou la quantification.

Un instrument de mesure doit être fiable et valide.

• Fiabilité: l'outil produit les mêmes résultats lors d'applications répétées.
• Validité: l'outil mesure ce qu'il est censé mesurer.

Types de preuves de validité : contenu, critère, construit.

Facteurs affectant la validité : improvisation, instruments non validés, manque d'empathie, facteurs de demande.

La fiabilité est déterminée par un coefficient de fiabilité (0 à 1). Méthodes d'estimation : stabilité, formes alternatives, split-half, alpha de Cronbach, KR-20.

La validité de contenu compare les items de l'instrument à l'univers des items.

La validité de critère compare les résultats de l'instrument à un critère externe.

La validité de construit est déterminée par une analyse factorielle.

Étapes de construction d'un instrument de mesure

1. Lister les variables.
2. Définir les variables.
3. Choisir/construire l'instrument.
4. Définir les niveaux de mesure.
5. Définir le codage des données.
6. Tests pilotes.
7. Construction finale.

Outils de mesure en sciences sociales

• Échelles d'attitude : Likert, Guttman, différentiel sémantique.
• Questionnaires.
• Analyse de contenu.
• Observation.
• Tests standardisés.
• Entrevues approfondies.
• Documents.

Codage des données

1. Pré-codage des items.
2. Préparation du dictionnaire.
3. Codage physique.
4. Enregistrement et stockage des données.

Analyse des données

L'analyse des données utilise une matrice de données stockée dans un fichier.

Le type d'analyse dépend du niveau de mesure des variables, des hypothèses et des objectifs de la recherche.

Types d'analyses statistiques : descriptives, scores z, ratios et taux, inférentielles, paramétriques, non paramétriques, multivariées.

Rapport de recherche

Le rapport doit être adapté à son utilisateur (académique ou non académique).

Conception non expérimentale

L'étude non expérimentale n'implique pas de manipulation des variables. C'est une approche rétrospective.

Types de conceptions non expérimentales :

• Transactionnelle: observations à un moment précis.
• Longitudinale: observations à plusieurs moments.

L'étude non expérimentale est moins rigoureuse que l'expérimentale, mais plus naturelle.