Quelques rappels concernant la méthode expérimentale
|
|
- Yolande Marie-Christine St-Georges
- il y a 8 ans
- Total affichages :
Transcription
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). 1
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, ans vs 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 2
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 3
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). 4
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 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. 5
6 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. 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) 6
7 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). 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 7
8 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 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 8
9 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». 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 9
10 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 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. 10
11 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 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 11
12 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 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: Vitese de nage du pingouin en fonction de l'activité physique matinale et du nombre de sardine ingérées Vitesse de nage en m/s 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 Pas T1 Jogging Jogging T2 M1 15 S M2 3 S. Activité matinale 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). 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 12
13 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) VI2 : Type de machin (M1 et M2) VD : Nombre moyen de bidules 13
14 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). Fig. A: Nombre de bidules en fonction du type de truc et du type de machin NOmbre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 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. Fig. B: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules T1 Type de truc T2 M1 M2 c) Interaction des deux variables (Effet non additif ; Fig. C, D & E) * 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 14
15 machin M2 entraînera un nombre plus important de bidules avec le truc T2 qu avec le truc T1. Fig. C: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 * 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. Fig. D: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 T1 Type de truc T2 M1 M2 * Une variable a plus ou moins d effet selon la modalité de l autre variable (Fig. E). 15
16 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. Fig. E: Nombre de bidules en fonction du type de truc et du type de machin Nombre moyen de bidules T1 Type de truc T2 M1 M2 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 : Les plans à une variable indépendante, à groupes indépendants ou appariés. Les plans à plusieurs VI, à groupes indépendants, appariés ou mixtes. 16
17 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. B) Les plans à plusieurs VI. 1) Définition. 17
18 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 interaction 1. 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 factoriel permet de constituer autant de conditions expérimentales qu il y a de combinaison possible entre toutes les modalités des VI. 1 Cf. partie du cours consacrée aux differents types d interactions. 18
19 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). 19
20 Durée de l intervalle de rétention D1 : durée de 3 minutes D2 :durée de 12 minutes T1 : matériel verbal M1 (n=30 sujets) M3 (n=30 sujets) Type de matériel T2 : matériel imagé M2 (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. 20
Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailCONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs!
CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE Information importante : Ces conseils ne sont pas exhaustifs! Conseils généraux : Entre 25 et 60 pages (hormis références, annexes, résumé) Format d un
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailLa Menace du Stéréotype
La Menace du Stéréotype Fabrice GABARROT Bureau M6158 - Uni Mail Université de Genève 40, Bld du Pont d'arve CH-1205 Genève SUISSE Courriel : Fabrice.Gabarrot@pse.unige.ch Les stéréotypes sont, pour simplifier,
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détail1. Les types d enquêtes
La conduite d une enquête par questionnaire La conception d un questionnaire ne doit pas être réalisée de façon hasardeuse. Elle suit une méthodologie stricte qui permet d atteindre des résultats utilisables
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailL analyse de la gestion de la clientèle
chapitre 1 - La connaissance du client * Techniques utilisées : observation, recherche documentaire, études de cas, études qualitatives (entretiens de groupes ou individuels, tests projectifs, analyses
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailLA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE
LA PROCEDURE D'EVALUATION A.NA.PSY.p.e. EST LE RESULTAT D'UNE RECHERCHE CETTE RECHERCHE A ETE FINANCEE PAR Le Ministère des Affaires Sociales et de l'emploi, Direction Générale de la Santé,Sous- Direction
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailLE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE
LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE Un problème de recherche est l écart qui existe entre ce que nous savons et ce que nous voudrions savoir à propos d un phénomène donné. Tout problème de recherche
Plus en détailNORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES
NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES Introduction (Applicable aux audits d états financiers pour les périodes ouvertes à compter du 15 décembre 2009) SOMMAIRE Paragraphe
Plus en détailSéance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03
Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des
Plus en détailCONSEIL NATIONAL DE LA COMPTABILITÉ. 1.4 - Remplacement d instruments
CONSEIL NATIONAL DE LA COMPTABILITÉ Réponse aux questions pratiques liées à l application du règlement CRC n 2002-09 relatif à la comptabilisation des instruments financiers à terme par les entreprises
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailRédiger et administrer un questionnaire
Rédiger et administrer un questionnaire Ce document constitue une adaptation, en traduction libre, de deux brochures distinctes : l une produite par l American Statistical Association (Designing a Questionnaire),
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailPRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS. DEVOIRS SUPPLÉMENTAIRES 1 et 2
CONCOURS DE RECRUTEMENT DE PROFESSEURS DES ÉCOLES PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS DEVOIRS SUPPLÉMENTAIRES 1 et 2 Rédaction Jean-Pierre GUICHARD Conseiller pédagogique en EPS Ministère
Plus en détailEtude de marché. Idée de depart. Etude de l environnement et des offres existantes. Clients. actuels. Choix de la cible précise
Etude de marché Selon l Agence Pour la Création d Entreprise (APCE), 70% des cas de défaillance ont pour origine la mauvaise qualité des études de marché, que celles-ci soient mal réalisées ou de manière
Plus en détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
Plus en détailConvention de «management fees»: qu en est-il aujourd hui?
81 rue du pré Catelan 59110 La Madeleine Tél : 03 20 39 33 47 Fax : 03 20 63 92 21 lille@valoxy.fr www.valoxy.fr Convention de «management fees»: qu en est-il aujourd hui? Attention aux prestations de
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailUniversité de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015
Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 1 LA REDACTION DU RAPPORT DE STAGE Le mémoire ne doit pas consister à reprendre tels quels des documents internes de l entreprise ou
Plus en détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailLa construction du temps et de. Construction du temps et de l'espace au cycle 2, F. Pollard, CPC Bièvre-Valloire
La construction du temps et de l espace au cycle 2 Rappel de la conférence de Pierre Hess -Démarche de recherche: importance de se poser des questions, de chercher, -Envisager la démarche mentale qui permet
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailREGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA
REGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA Regards sur l éducation est un rapport annuel publié par l Organisation de coopération et de développement économiques (OCDE) et portant sur
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailMÉTHODOLOGIE DE L ASSESSMENT CENTRE L INSTRUMENT LE PLUS ADÉQUAT POUR : DES SÉLECTIONS DE QUALITÉ DES CONSEILS DE DÉVELOPPEMENT FONDÉS
MÉTHODOLOGIE DE L ASSESSMENT CENTRE L INSTRUMENT LE PLUS ADÉQUAT POUR : DES SÉLECTIONS DE QUALITÉ ET DES CONSEILS DE DÉVELOPPEMENT FONDÉS 1. Introduction Placer la «bonne personne au bon endroit» représente
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailLe Focus Group. - Bases de données, personnes ayant déjà participé à des expériences et acceptant de participer à des études ultérieures.
Le Focus Group I. Définition «Le Focus groupe est une discussion de groupe ouverte, organisée dans le but de cerner un sujet ou une série de questions pertinents (Kitzinger, Markova, & Kalampalikis, 2004).
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailTest d Indépendance au Contexte (TIC) et Structure des Représentations Sociales
Swiss Journal of Psychology 67 (2), 2008, 119 123 Short Research Note Test d Indépendance au Contexte (TIC) et Structure des Représentations Sociales [Test of Context Independence (TCI) and Structure of
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailNormes de référence. Comparaison. Commande cognitive Sentiments épistémiques Incarnés dépendants de l activité
Séminaire Sciences Cognitives et Education 20 Novembre 2012 Collège de France L importance de la Métacognition: Joëlle Proust Institut Jean-Nicod, Paris jproust@ehess.fr http://joelleproust.org.fr Plan
Plus en détailÉtudes épidémiologiques analytiques et biais
Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre
Plus en détailModalités d interprétation des dispositions particulières applicables aux veilleurs, surveillants et encadrants de nuit «Statut des veilleurs»
Modalités d interprétation des dispositions particulières applicables aux veilleurs, surveillants et encadrants de nuit «Statut des veilleurs» Les présentes modalités ont pour objectif d interpréter les
Plus en détailRAPPORT SYNTHÈSE. En santé après 50 ans. Évaluation des effets du programme Les médicaments :
S A N T É P U B L I Q U E RAPPORT SYNTHÈSE Évaluation des effets du programme Les médicaments : Oui Non Mais! En santé après 50 ans Depuis janvier 1997, la Direction de santé publique s est associée à
Plus en détailLe management des risques de l entreprise Cadre de Référence. Synthèse
Le management des risques de l entreprise Cadre de Référence Synthèse SYNTHESE L incertitude est une donnée intrinsèque à la vie de toute organisation. Aussi l un des principaux défis pour la direction
Plus en détailFormation PME Etude de marché
Formation PME Etude de marché Fit for Business (PME)? Pour plus de détails sur les cycles de formation PME et sur les business-tools, aller sous www.banquecoop.ch/business L étude de marché ou étude marketing
Plus en détailLa fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales.
Chapitre 11 LA FONCTION CONTRÔLE DE GESTION REPORTING AUDIT INTERNE Un système de reporting homogène dans toutes les filiales permet un contrôle de gestion efficace et la production d un tableau de bord
Plus en détailConsignes pour les travaux d actualité Premier quadrimestre
Consignes pour les travaux d actualité Premier quadrimestre Principes de base Durant le premier semestre, vous serez amenés à remettre un travail effectué en groupe. Le but de celui-ci est de s intéresser
Plus en détailAvis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES
CONSEIL NATIONAL DE LA COMPTABILITÉ Avis n 94-02 sur la méthodologie relative aux comptes combinés Le Conseil national de la comptabilité réuni en formation de Section des entreprises le 28 octobre 1994,
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
Plus en détailSynthèse «Le Plus Grand Produit»
Introduction et Objectifs Synthèse «Le Plus Grand Produit» Le document suivant est extrait d un ensemble de ressources plus vastes construites par un groupe de recherche INRP-IREM-IUFM-LEPS. La problématique
Plus en détailLES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION
LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION DES NOMBRES par Jean-Luc BREGEON professeur formateur à l IUFM d Auvergne LE PROBLÈME DE LA REPRÉSENTATION DES NOMBRES On ne conçoit pas un premier enseignement
Plus en détaild évaluation Objectifs Processus d élaboration
Présentation du Programme pancanadien d évaluation Le Programme pancanadien d évaluation (PPCE) représente le plus récent engagement du Conseil des ministres de l Éducation du Canada (CMEC) pour renseigner
Plus en détailConstruire un QCM (un questionnaire qui ne comporte uniquement ce type de questions)
Construire un QCM (un questionnaire qui ne comporte uniquement ce type de questions) Ce résumé est réalisé à partir du livre de D. LECLERCQ, «La conception des questions à choix multiple», Education 2000
Plus en détailEXAMEN CRITIQUE D UN DOSSIER TECHNIQUE
EXAMEN CRITIQUE D UN DOSSIER TECHNIQUE (Préparation : 5 heures -- Exposé et Questions : 1 heure) Rapport établi par : P.J. BARRE, E. JEAY, D. MARQUIS, P. RAY, A. THIMJO 1. PRESENTATION DE L EPREUVE 1.1.
Plus en détailAnalyse des bruits de clavier d ordinateur
Analyse des bruits de clavier d ordinateur Introduction 1 Enregistrement des bruits de clavier 2 Analyse des bruits de clavier 3 Analyse du niveau de pression acoustique vs. temps 4 Sonie vs. temps 4 Acuité
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailLe scoring est-il la nouvelle révolution du microcrédit?
Retour au sommaire Le scoring est-il la nouvelle révolution du microcrédit? BIM n 32-01 octobre 2002 Frédéric DE SOUSA-SANTOS Le BIM de cette semaine se propose de vous présenter un ouvrage de Mark Schreiner
Plus en détailL évaluation de la performance de la communication media
L évaluation de la performance de la communication media Pascal ROOS Enseignant en BTS Management des Unités Commerciales Lycée Edmond Rostand, Saint Ouen l Aumône (95) «Je sais qu un dollar de publicité
Plus en détailFormation à la systémique pour consultants et personnels RH
J.A. Malarewicz Conseil Conseil, Formation, Supervision, Coaching S.A.S. au capital de 8OOO TVA : FR 36478450471 SIRET : 478 450471 00014 N formateur 11921445592 Région IdF 11 rue du Professeur Leroux
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailIdentification des incontournables à la démarche Lean
Identification des incontournables à la démarche Lean Analyse des résultats 7/09/2010 Barbara Lyonnet, Laboratoire SYMME, Université de Savoie barbara.lyonnet@univ-savoie.fr 1. Introduction Toute entreprise
Plus en détailLe cycle de traitement de la situation 1/2
Le cycle de traitement de la situation 1/2 Le cycle de traitement de la situation est un processus mené en continu consistant à obtenir des informations brutes, à les évaluer, à les transformer en renseignements
Plus en détailProjet Matlab : un logiciel de cryptage
Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que
Plus en détailFibonacci et les paquerettes
Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailCAC, DAX ou DJ : lequel choisir?
CAC, DAX ou DJ : lequel choisir? 1. Pourquoi cette question Tout trader «travaillant 1» sur les indices s est, à un moment ou un autre, posé cette question : «je sais que la tendance est bien haussière
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailLes Français et le chauffage. Résultats de l étude menée
Les Français et le chauffage Résultats de l étude menée par IPSOS pour Via sèva Méthodologie et échantillon METHODOLOGIE : Cette étude a été réalisée en adhoc online, auprès d un échantillon issu de l
Plus en détailLe chi carré. Le sommaire. Approche quantitative
Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détail