Évaluation des Étudiants en Cours de Sciences Sociales

Méthodes Quantitatives 1: Production des données (MQ1)

• Cours dispensé par Nathan Gurnet, Sophie Pesesse et Cynthia Dal à l'Université Saint-Louis Bruxelles
• Le cours porte sur la production et l'analyse de données quantitatives en sciences sociales.
• Les compétences attendues, le déroulement des travaux pratiques (TP), le cours et le mode d'évaluation sont fournis.

Informations Générales

• Le diaporama fournit des informations générales sur le cours, y compris les compétences visées, le déroulement des TP et le mode d'évaluation. Cela vise à clarifier toutes les informations nécessaires à la participation au cours.
• Contact privilégié via courriel pour toute question:
  • Nathan Gurnet: [email protected]
  • Sophie Pesesse: [email protected]
  • Cynthia Dal: [email protected]

Dispositifs Pédagogiques et Évaluatifs

• Le cours comprend des cours ex cathedra (30 heures théoriques) et des travaux pratiques (15 heures).
• Le cours est évalué sur une base de 5 ECTS.
• Un travail de groupe (2-4 personnes) représente 50% de la note finale.
• Un examen individuel représente 50% de la note finale. Une page recto-verso est autorisée lors de l'examen.
• La moyenne géométrique des deux évaluations constitue la note finale.
• Absence = 0/20, sans possibilité de rattrapage.
• La note finale est arrondie à l'unité.

Compétences Attendues

• Maîtriser les bases de l'épistémologie de la recherche et des méthodes quantitatives.
• Être capable de produire et passer des questionnaires.
• Maîtriser le vocabulaire et les opérations de base de la création et de la gestion d'une base de données.
• Maîtriser quelques opérations de transformation de variables.
• Maîtriser les éléments de statistique descriptive.
• Savoir déchiffrer une base de données déjà produite et un article quantitatif en sciences sociales.
• Connaître les avantages et inconvénients des méthodes de sondage
• Savoir calculer des tailles d'échantillon et des marges d'erreur.

Dédramatiser le rapport aux chiffres

• Le but n'est pas de former des statisticiens, mais de démystifier les chiffres, d'offrir des clés de lecture critique des résultats complexes et de mettre en avant l'importance de la réflexion pré- et post-opération statistique.

Cours dans la chaîne méthodologique

• Le cours est divisé en 5 modules (Q1 à Q5) correspondant à différentes étapes méthodologiques.
• Chaque module est lié à d'autres cours et possède des prérequis.
• Des ressources complémentaires sont disponibles.

Plan et calendrier approximatif du cours

• Dates précises des séances de cours dispensées pour les différents modules.
• Des ajustements pour gestion des retards/avancements sont prévus.

Introduction (1. Introduction)

• Le diaporama met en avant une méfiance saine envers les statistiques.
• Des exemples de détournements possibles sont notamment signalés dans des domaines tels que le chômage, la fréquentation des lieux publics, la consommation de substances illicites, etc.

Déconstruire des idées préconçues sur les statistiques (1.1)

• Les sciences sociales sont considérées comme "molles" et les méthodes quantitatives tentent de les rapprocher des sciences "dures".
• La distinction entre sciences molles et dures ne repose pas sur des critères objectifs, mais sur une construction sociale et une imputation de valeur sociétale.
• Le processus d'interprétation joue un rôle essentiel dans les sciences sociales.
• Les résultats statistiques, même corrects, s'appuient sur des définitions arbitraires et contextuelles des phénomènes étudiés. (Ex : définition du dépendance aux drogues, au chocolat, etc.).
• La problématique de la mesure est mise en avant: la façon de poser la question et le contexte d'un résultat statistiques peuvent avoir une incidence majeure sur la signification des résultats.
• Les études statistiques sont susceptibles de confondre corrélation et causalité, (ex: le lien entre la consommation de drogues et le suicide).
• Les études statistiques peuvent être affectées par des biais, tels que l'effet Hawthorne (où la simple présence d'observateurs peut influencer les résultats) et par des variables confondantes.
• L'impact des variables externes et des phénomènes sociologiques influençant le déroulé d'étude (voir ex. des résultats de l'étude de l'amélioration de l'éclairage, influence des données sociologiques et de l'effet pygmalion).
• L'exemple d'une étude sur les individus fumeurs et non-fumeurs est mis en avant pour démontrer que l'on ne doit pas ignorer la question de l’âge (voir tableau).
• Le biais provenant de la désirabilité sociale (tendance des individus à répondre de manière socialement acceptable au lieu d'être sincères et objectifs).

Autres erreurs (1.2)

• Le diaporama présente des généralisations hâtives et des erreurs de raisonnement (paralogismes, sophismes), comme l'exemple de la relation entre la consommation de coca-cola et l'état d'ébriété.
• La relation de cause à effet et la concomitance de phénomènes sans relation probante.
• Exemple de corrélations erronées, comme le lien entre les dépenses en science et les suicides par pendaison ou la corrélation entre les films de Nicolas Cage et les noyades dans les piscines.
• Erreurs de concomitance, de corrélation et de causalité et le rôle des variables confondantes dans la perception des relations entre les phénomènes étudiés.
• Variables confondantes (ex : la consommation de cannabis et les résultats scolaires peuvent être liés à des facteurs socio-économiques).

Autres erreurs (2.2)

• Les concepts en sciences sociales s'appuient sur des aspects théoriques et des aspects empiriques.
• La nécessité d'une méthode pour la collecte et l'analyse des résultats (questionnaires standardisés, entretiens directifs, semi-directifs, compréhensifs, observation participante).
• Deux paradigmes déductif (scientifique, quantitatif) et inductif (compréhensif, qualitatif) existent en sociologie.
• Importance du contrôle et de la rigueur méthodologique au moment de la production des données et dans leur manipulation.
• Critères et aspects de validité (cohérence des méthodes avec l'objet) et de fiabilité (reproductibilité) sont nécessaires.
• Il faut considérer plusieurs aspects comme le choix des indicateurs, leur justification (au regard des concepts utilisés et les conditions de mesures), la validation, etc.

La démarche de recherche quantitative (2.3)

• Démarche de recherche quantitative:

  • Problématiser: définition d'un problème social et la création d'hypothèses.
  • Développer le modèle d'analyse
  • Collecte de données : questionnement des participants
  • Traitement et analyse des résultats

• La notion de falsifiabilité (cf. Karl Popper) permet de tester les hypothèses et les résultats obtenus.

• Étapes pour la recherche quantitative : Question de départ, exploration, problématique, hypothèses.

• Un cadre pour répondre à une question de départ donnée.

Méthodes quantitatives : un processus (2.4)

• Processus méthodologique en analyse quantitative qui considère tous les aspects du processus de la question de recherche.
• Définition des techniques d'analyse, les techniques impliquées pour la prise des informations.
• La sélection de la population et la conception de sondages utilisés pour la collecte de données.
• Organisation et traitement des données, et l’interprétation et présentation des résultats.

Et vous ?

• Questions aux étudiants sur leurs propres idées préconçues concernant l'emploi des statistiques en sciences sociales.