Méthodes Quantitatives 1: Production des données (MQ1) - Université Saint-Louis Bruxelles - PDF

Méthodes Quantitatives 1: Production des données a.k.a. MQ1 Nathan Gurnet Sophie Pesesse – Cynthia Dal 0. Informations générales Compétences attendues, déroulement des TP et du cours, dispositif d’évaluation, toutes les informations sont ici!  Vos enseignants Nathan Gurnet – Charg...

Méthodes Quantitatives 1: Production des données a.k.a. MQ1 Nathan Gurnet Sophie Pesesse – Cynthia Dal 0. Informations générales Compétences attendues, déroulement des TP et du cours, dispositif d’évaluation, toutes les informations sont ici!  Vos enseignants Nathan Gurnet – Chargé de cours invité. Faible présence à l’université Saint-Louis ➔ Pas de bureau Contact privilégié par Email : [email protected] Sophie Pesesse – Assistante au cadre [email protected] Cynthia Dal – Assistante au cadre [email protected] Les dispositifs pédagogique et évaluatif La manière dont ces compétences seront acquises… Des cours ex-cathedra (30h théoriques) Des travaux pratiques (15h théoriques, en suivant différents dispositifs) Un cours qui « pèse » 5 ECTS : qu’est-ce que ça implique? Un cours ex-cathedra Des TP Un investissement de votre part étude active Implication continue dans la production du travail Communication active : les mails envoyés sont supposés l Les dispositifs pédagogique et évaluatif Compétences attendues au terme de l’unité d’enseignement Maîtriser les bases de l’épistémologie de la recherche et des méthodes quantitatives Être capable de produire et faire passer un questionnaire Maîtriser le vocabulaire, les opérations de base de la création et de la gestion d’une base de données Être capable de réaliser quelques opérations de transformation de variables Maîtriser quelques éléments de statistique descriptive Savoir déchiffrer une base de données déjà produite Savoir déchiffrer 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 faire de vous des statisticiens mais de 1)démystifier les chiffres 2)vous fournir les clés d’une lecture critique des résultats apparemment compliqués 3)De vous montrer l’importance de la réflexion pré-et-post opération statistique Moins on en connaît en statistiques, plus on est dans un rapport de crainte mêlé de respect. Les dispositifs pédagogique et évaluatif Une évaluation en deux partie Un travail de groupe à remettre (2-4 personnes) 50% Un examen écrit individuel 50% Vous êtes autorisés à prendre avec vous à l’examen UNE page de note recto-verso. La note finale est le résultat d’une moyenne géométrique des deux cotes 𝑁𝑜𝑡𝑒𝑓𝑖𝑛𝑎𝑙𝑒 = 𝑃𝑜𝑖𝑛𝑡𝑠𝑒𝑥𝑎𝑚𝑒𝑛 × 𝑃𝑜𝑖𝑛𝑡𝑠𝑡𝑟𝑎𝑣𝑎𝑖𝑙 Mathématiquement, cela vous encourage à vous investir dans les deux évaluations et non à privilégier l’une par rapport à l’autre  Les dispositifs pédagogique et évaluatif Points Examen 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1,0 1,4 1,7 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,3 3,5 3,6 3,7 3,9 4,0 4,1 4,2 4,4 4,5 2 0 1,4 2,0 2,4 2,8 3,2 3,5 3,7 4,0 4,2 4,5 4,7 4,9 5,1 5,3 5,5 5,7 5,8 6,0 6,2 6,3 Pas de note absorbante: 3 0 1,7 2,4 3,0 3,5 3,9 4,2 4,6 4,9 5,2 5,5 5,7 6,0 6,2 6,5 6,7 6,9 7,1 7,3 7,5 7,7 4 0 2,0 2,8 3,5 4,0 4,5 4,9 5,3 5,7 6,0 6,3 6,6 6,9 7,2 7,5 7,7 8,0 8,2 8,5 8,7 8,9 Cote de présence = 1/20 5 0 2,2 3,2 3,9 4,5 5,0 5,5 5,9 6,3 6,7 7,1 7,4 7,7 8,1 8,4 8,7 8,9 9,2 9,5 9,7 10,0 6 0 2,4 3,5 4,2 4,9 5,5 6,0 6,5 6,9 7,3 7,7 8,1 8,5 8,8 9,2 9,5 9,8 10,1 10,4 10,7 11,0 Absence = 0/20 ➔ on ne peut réussir 7 0 2,6 3,7 4,6 5,3 5,9 6,5 7,0 7,5 7,9 8,4 8,8 9,2 9,5 9,9 10,2 10,6 10,9 11,2 11,5 11,8 8 0 2,8 4,0 4,9 5,7 6,3 6,9 7,5 8,0 8,5 8,9 9,4 9,8 10,2 10,6 11,0 11,3 11,7 12,0 12,3 12,6 sans présenter les deux évaluations Points Travail 9 0 3,0 4,2 5,2 6,0 6,7 7,3 7,9 8,5 9,0 9,5 9,9 10,4 10,8 11,2 11,6 12,0 12,4 12,7 13,1 13,4 10 0 3,2 4,5 5,5 6,3 7,1 7,7 8,4 8,9 9,5 10,0 10,5 11,0 11,4 11,8 12,2 12,6 13,0 13,4 13,8 14,1 11 0 3,3 4,7 5,7 6,6 7,4 8,1 8,8 9,4 9,9 10,5 11,0 11,5 12,0 12,4 12,8 13,3 13,7 14,1 14,5 14,8 Cote finale arrondie à l’unité 12 0 3,5 4,9 6,0 6,9 7,7 8,5 9,2 9,8 10,4 11,0 11,5 12,0 12,5 13,0 13,4 13,9 14,3 14,7 15,1 15,5 13 0 3,6 5,1 6,2 7,2 8,1 8,8 9,5 10,2 10,8 11,4 12,0 12,5 13,0 13,5 14,0 14,4 14,9 15,3 15,7 16,1 11,4/20 ➔ 11 14 0 3,7 5,3 6,5 7,5 8,4 9,2 9,9 10,6 11,2 11,8 12,4 13,0 13,5 14,0 14,5 15,0 15,4 15,9 16,3 16,7 11,5/20 ➔ 12 15 16 0 0 3,9 4,0 5,5 5,7 6,7 6,9 7,7 8,7 9,5 10,2 11,0 11,6 12,2 12,8 13,4 14,0 14,5 15,0 15,5 16,0 16,4 16,9 17,3 8,0 8,9 9,8 10,6 11,3 12,0 12,6 13,3 13,9 14,4 15,0 15,5 16,0 16,5 17,0 17,4 17,9 17 0 4,1 5,8 7,1 8,2 9,2 10,1 10,9 11,7 12,4 13,0 13,7 14,3 14,9 15,4 16,0 16,5 17,0 17,5 18,0 18,4 18 0 4,2 6,0 7,3 8,5 9,5 10,4 11,2 12,0 12,7 13,4 14,1 14,7 15,3 15,9 16,4 17,0 17,5 18,0 18,5 19,0 19 0 4,4 6,2 7,5 8,7 9,7 10,7 11,5 12,3 13,1 13,8 14,5 15,1 15,7 16,3 16,9 17,4 18,0 18,5 19,0 19,5 20 0 4,5 6,3 7,7 8,9 10,0 11,0 11,8 12,6 13,4 14,1 14,8 15,5 16,1 16,7 17,3 17,9 18,4 19,0 19,5 20,0 Les dispositifs pédagogique et évaluatif Cote finale >= 10 ➔ Certification des crédits Cote finale < 10 ➔ Repasser uniquement les évaluations dont la cote est inférieure à 10. Exemple: Camille a obtenu 15/20 au travail et 5/20 à l’examen. La cote finale (8,7/20) est arrondie a 9/20. En septembre elle repassera l’examen. Amin a obtenu 9/20 à l’examen et 11/20 au travail. La cote finale (9,9/20) est arrondie à 10/20. L’unité d’enseignement est réussie. Charles a obtenu 6/20 à l’examen et 9/20 au travail. La cote finale (7,3/20) est arrondie a 7/20. Il repassera l’examen et le travail en septembre. Le cours dans la « chaîne » méthodologique Q1 Q2 Q3 Q3 Q4 Q5 ITUSS DMSS MT MQ1* MQ2 MQ3 M. HUBERT E. LENEL E. LENEL N. GURNET N. GURNET N. MARQUIS K. DEJAN K. DEJEAN Gestion des Les procédés Produire et Produire des Décrire des Inférer et production des sciences analyser des données données sociales modéliser des écrites en sociales données quantitatives et inférer des phénomènes sciences sociales qualitatives phénomènes sociaux observés sociaux observés Prérequis: Ressources complémentaires:  Plan et calendrier approximatif du cours CHAPITRES DATES 0. Informations générales Lundi 16 septembre 2024 1. Introduction Lundi 16 septembre 2024 2. Éléments épistémologiques Jeudi 19 septembre 2024 Lundi 23 septembre 2024 PAS COURS – Jeudi 26 septembre 2024 Tout avancement/retard dans la 3.Méthodes d’échantillonnage Lundi 30 septembre 2024 matière est sujet à 4. Élaboration du questionnaire Jeudi 3 octobre 2024 Lundi 7 octobre 2024 (Q/R Tableau H-D) ajout/suppression de cours. Ceux- PAS COURS - Jeudi 10 octobre 2024 ci seront communiqués oralement 5. Base de données Lundi 14 octobre 2024 (Q/R construction du questionnaire) à la fin de chaque séance. Jeudi 17 octobre 2024 6. Gestion des données Lundi 21 octobre 2024 7. Analyser des données Jeudi 24 octobre 2024 PAS COURS lundi 28/10 et jeudi 31/10 (semaine SMART) Jeudi 7 novembre 2024 (optionnel) 8. Données secondaires & éléments de démographie Lundi 4 novembre 2024 9. Lecture critique Lundi 11 novembre 2024 10. Clôture – Questions/Réponses Lundi 2décembre 2024 1. Introduction « Une saine méfiance des statistiques » 1.1 Déconstruire des idées préconçues sur les statistiques There are three kinds of lies : lies, damn lies, and statistics Mark Twain (1835-1910) 1.1 Déconstruire des idées préconçues sur les statistiques Les sciences sociales ▪ La distinction entre sciences « molles » et « dures » est déjà sont des sciences le fruit d’une construction sociale et d’une imputation de molles. Les méthodes valeur sociétale quantitatives les aident à se rapprocher ▪ La question du sens, des symboles et la centralité de des sciences « dures » l’interprétation sont inhérentes aux sciences sociales ▪ Seuls les modes d’administration de la preuve changent d’une méthode à l’autre Saturation Vs Généralisation 1.1 Déconstruire des idées préconçues sur les statistiques Les résultats statistiques (aussi corrects soient-ils) se basent sur des définitions arbitraires des faits sociaux étudiés: ex: « 5% des belges sont dépendants de drogues » - A partir de quand est-on dépendant (et comment le mesure-t-on?) - Qu’est ce qu’une drogue? (Cocaïne? Cannabis? Cigarette? Alcool? Chocolat? Jeux vidéos?) les énumère-t-on ou laissons-nous le soin au répondant de déduire s’il/elle consomme des drogues selon sa propre opinion? - Qu’implique un tel pourcentage? Les méthodes quantitatives vont apporter une réponse différente au problème étudié que les méthodes qualitatives. L’interprétation des données (quali ou quanti) reste centrale dans les deux méthodes. 1.1 Déconstruire des idées préconçues sur les statistiques Les enquêtes quantitatives étudient une réalité Gouvernement Hollande: Chômage a baissé de X %. objectivable, « déjà-là », et ➔Vrai? produisent ainsi une vérité ➔Comment catégorise-t-on le chômage? plus solide. Laurent Lesnard et le travail Dominical… - Étude longitudinale sur plusieurs décennies - Une question: « vous arrive-t-il de travailler le dimanche? » - Dans les années 2000, changement d’une modalité de réponse « de temps en temps » ➔ « Parfois » - Changement drastique dans le travail dominical des français ➔ ????  1.1 Déconstruire des idées préconçues sur les statistiques « Comme le soulignait notre récente enquête « Noir Sur une échelle allant de 1 (Pas du tout Jaune Blues », une majorité de Belges vit aujourd’hui d’accord) à 5 (Tout à fait d’accord), veuillez dans le pessimisme et la morosité. Bon nombre de marquer votre degré de consensus avec citoyens ont perdu confiance dans la politique, l’affirmation suivante: l’économie, la justice, les médias. » « J’estime que le gouvernement fédéral se soucie des besoins de ses citoyens». Le Soir, 18/2/2017. ➔Qu’est ce qu’une valeur de 2 traduit réellement? A-t-elle la même valeur pour chacun des répondants? A-t-elle la même valeur chez un même individu dans le temps? On revient à la question de la spécificité de l’objet d’étude des sciences sociales. Ce n’est pas une question de méthode. Toutes les méthodes construisent des faits « médiés » Le fait social est conquis, construit et constaté (G. Bachelard (1938)) 1.1 Déconstruire des idées préconçues sur les statistiques L’effet Hawthorne ou le paradoxe de l’observateur Les enquêtes quantitatives Etude de la production des ateliers de Western General ont un degré d’objectivité Electric (1927-1932) à Chicago (e. Mayo) qui est plus important car il existe une séparation nette Est-ce qu’améliorer l’éclairage augmentera les entre l’enquêteur et l’objet. rendements des travailleurs? Etude avec un groupe contrôle. Résultat: augmentation généralisée des rendements. ➔Etre observé a un effet ➔Effet placebo en médecine ➔Effet pygmalion en sciences de l’éducation 1.1 Déconstruire des idées préconçues sur les statistiques Le phénomène de désirabilité sociale impacte très fortement les enquêtes statistiques: La désirabilité sociale est le désir des répondants à vouloir correspondre davantage à des normes qu’ils considèrent comme étant socialement idéales et valorisées. Ainsi, à chaque fois que l’on questionne une personne sur ses comportements, jugements ou pratiques, un biais de réponse est possible dans le sens ou ils ou elles vont avoir tendance à surestimer les pratiques/comportements qu’ils/elles jugent comme étant socialement désirables et inversement. Vous souciez-vous de votre impact environnemental? Vous arrive-t-il de donner un certificat médical alors que vous n’êtes pas malade pour éviter de travailler? Le sujet humain est réactif aux enquêtes. 1.1 Déconstruire des idées préconçues sur les statistiques Les enquêtes quantitatives se Exemple 1 (Tunbridge et al. 1977). suffisent par elles-mêmes, leurs résultats mettent rapidement tout En 1972 a eu lieu dans un district anglais une le monde d’accord car elles grande étude sur les habitudes et l’espérance utilisent des données chiffrées. de vie de la population. Entre autres, 1314 femmes ont été partagées en deux groupes : celles qui n’avaient jamais fumé jusqu’à la date de l’enquête, et puis toutes les autres. 20 ans plus tard, on a procédé a un relevé de leurs espérances de vie 1.1 Déconstruire des idées préconçues sur les statistiques Femmes… Vivantes décédées Non-fumeuses 502 230 Fumeuses 443 139 1.1 Déconstruire des idées préconçues sur les statistiques Facteur négligé: on n’a pas tenu compte de la mortalité liée au vieillissement! ➔Erreur d’écologie (paradoxe de Simpson) : généralisation des résultats de groupes aux individus ➔Dans les faits, il est très difficile de ne pas commettre ce genre d’erreur (une multitude de variables peuvent théoriquement impacté les modèles) mais on va tenter de la minimiser en tenant compte le plus de facteurs possibles.  1.1 Déconstruire des idées préconçues sur les statistiques Exemple 2 (FBI). Données concernant 4764 homicides jugés en Floride de 1973 à 1979, et publiées dans le New-York Times du 11 mars 1979. La Floride a une proportion de noirs qui s'élève à 14%. À l'époque considérée la population devait s'élever à environ 6 millions d'habitants. Quelle est la question qu’on a envie de poser?? Meurtrier Victime Peine de mort Autre peine Blanc Blanche 72 2074 Blanc Noire 0 111 Noir Blanche 48 239 Noir Noire 11 2209  1.1 Déconstruire des idées préconçues sur les statistiques Qui est le plus souvent condamné à mort, parmi Qui est le plus souvent condamné à mort, parmi les les meurtriers, selon leur couleur de peau ? meurtriers, selon la couleur de peau de la victime? Peine de % de Victime blanche Meurtrier Autre peine Total condamnés à mort mort % de Blanc 72 2185 2257 3,19 Peine de Autre Meurtrier Total condamnés mort peine Noir 59 2448 2507 2,35 à mort Total 131 4633 4764 Blanc 72 2074 2146 03,36 Noir 48 239 287 16,72 Victime Noire La question est mal posée : La vraie relation ne Peine de Autre % de concerne pas seulement la couleur de peau de Meurtrier mort peine Total condamnés l’assassin mais également celle de la victime (effet à mort croisé). Blanc 0 111 111 0,00 Noir 11 2209 2220 0,50 1.1 Déconstruire des idées préconçues sur les statistiques Les sciences sociales ne sont pas seulement des « -graphies », elles sont des « -logies »: La description est indispensable, mais elle ne peut jamais se faire hors d’un système théorique (conceptuel). Présenter des données, c’est déjà les interpréter. Le chercheur porte toujours une responsabilité dans la récolte et l’usage des données. 1.2 D’autres erreurs Les erreurs de raisonnement: paralogismes, sophismes et généralisations hâtives Exemple: - Socrate est mortel, les reptiles sont mortels donc Socrate est un reptile - Le whisky coca rend saoul, le rhum coca rend saoul, donc le coca rend saoul - La population mondiale est composée d’environ 50% de femmes et 50% d’hommes, Un tiers des filles et deux tiers des garçons de l’USLB suit une formation en sciences sociales donc la moitié de l’USLB suit une formation en sciences sociales… OU - Un 10ème des 30.000 étudiants de l’UCLOUVAIN sont inscrits en sciences de l’ingénieur, soit environ 1500 femmes et 1500 hommes. ➔Répartition du genre 50/50??? 1.2 D’autres erreurs Les erreurs de concomitance, corrélation et de causalité: inférer un lien, voire une relation de cause à effet, de la coprésence de deux phénomènes - 80% des héroïnomanes ont d’abord consommé des drogues douces. La consommation de haschisch est une étape vers l’héroïnomanie. - 99% des héroïnomanes ont d’abord consommé du beurre. La consommation de beurre est une étape vers l’héroïnomanie. 1.2 D’autres erreurs Les erreurs de concomitance, corrélation et de causalité: inférer un lien, voire une relation de cause à effet, de la coprésence de deux phénomènes  1.2 D’autres erreurs Les variables confondantes et la causalité (médiation): - L’action de conduire une voiture est associée à un risque accru de mourir (en comparaison à ne rien faire) De la Être en probabilité de voiture mort - Le fait de se trouver sur un lit d’hôpital est associé à un risque accru de mourir (en comparaison à ne rien faire) Être sur un lit d’hôpital ? De la probabilité de mort Présence d’une maladie grave  1.2 D’autres erreurs Les variables confondantes et la causalité (médiation): - La consommation de cannabis est liée à de mauvais résultats scolaires Consommation Mauvais résultats de cannabis scolaires Consommation de cannabis ? Mauvais résultats scolaires Précarité sociale/ indices socio- économiques faibles 1.2 D’autres erreurs Big Data & corrélations https://www.tylervigen.com/spurious-correlations 1.2 D’autres erreurs Big Data & corrélations https://www.tylervigen.com/spurious-correlations En résumé - Ces rapides illustrations montre qu’il faut rester vigilant à l’égard des données statistiques (dans leur production, leur présentation et leur lecture). - Les statistiques sont dépendantes de leur mode de production - Afin de permettre une compréhension poussée des chiffres présentés, il est nécessaire de détailler au maximum la méthodologie de production. Il faut « montrer sa cuisine ». - Les méthodes quantitatives présentent également de nombreux avantages. L’ensemble des cours MQ ont pour but de les démontrer mais également de lister l’ensemble des zones de précautions lors de la production, du traitement et de l’analyse des données. Et vous? Avez-vous d’autres idées préconçues sur l’emploi des statistiques en sciences sociales? 2. Éléments épistémologiques La spécificité des méthodes quantitatives en sciences sociales 2.1 de la nécessité de la rigueur méthodologique Rentrer dans un processus d’enquête en sciences sociales, c’est en accepter les critères Un maître-mot : « Circonspection mesurée » L’usage du qualificatif « scientifique » est parfois erroné Un seul outil : le contrôle du processus de production des résultats.  2.1 de la nécessité de la rigueur méthodologique Quelques exemples Quelle valeur pourrait avoir les résultats de ce « sondage » ?  2.1 de la nécessité de la rigueur méthodologique Quelques exemples  2.1 de la nécessité de la rigueur méthodologique Quelques exemples Cette enquête ne répond pas aux critères de production de la connaissance scientifique. Est-ce le sujet? Est-ce la méthode? Taille de l’échantillon? Représentativité? Biais?  2.1 de la nécessité de la rigueur méthodologique Ne pas jouer sur le côté accrocheur, être sobre, et proposer des explications. Un résultat « sexy » qui n’a aucun sens ne doit pas être présenté. Dans le cas présent, des conclusions sont tirées à partir de données descriptives, peu définies quant à leur collecte et à leur traitement. Enfin, aucune explication n’est proposée. Qu’est ce qui se serait passé entre 2003 et 2004 qui soutiendrait une diminution? La problématique est complètement absente. En somme: Ne pas prendre pour acquis les chiffres comme des vérités ➔ soyez critiques vis-à-vis de ce que l’on vous présente D’où l’importance de « Montrer sa cuisine » ➔permettre de suivre le raisonnement, assumer les différents choix méthodologiques  « Contre l'épistémologie spontanée, où s'enracine le positivisme et l’intuitionnisme qui enferme toute activité intellectuelle dans l'alternative de l'audace sans rigueur ou de la rigueur sans audace, le projet proprement scientifique se situe d'emblée dans des conditions où tout surcroît d'audace dans les ambitions théoriques contraint à un surcroît de rigueur dans l'établissement des preuves 2.2. Paradigmes auxquelles il doit se soumettre. Rien ne condamne donc la sociologie à osciller, comme méthodologiques elle le fait trop souvent aujourd'hui, entre la « théorie sociale » sans fondement empirique et l'empire sans orientation théorique, entre la témérité sans risque de l'intuitionnisme et la minutie sans exigences du positivisme. » (Bourdieu, Chamboredon, Passeron, le métier de sociologue) 2.2. Paradigmes méthodologiques Les ambitions théoriques de la sociologie (B. Lahire) Il ne faut pas tomber dans le piège de considérer les sciences sociales comme une science à 1 niveau comme les mathématiques ou la philosophie Les sciences sociales articulent constamment deux niveaux qui interagissent: Théorie Matériaux empiriques Sans empirie, les concepts sont vidés de leur substance, dé-fonctionnalisés « Théoriser en sociologue, c’est toujours théoriser sur matériau » Sans théorie, comment justifier les données à prélever dans « l’infinité du réel » et comment et pourquoi les mettre en relation? « Les données sont donc théoriquement toujours construites » 2.2. Paradigmes méthodologiques La recherche en sciences sociales : allier des conceptions théoriques à des réalités empiriques Mais différentes manières (concurrentes et complémentaires) de mettre en pratique l’esprit de la recherche en sciences sociales Un débat récurrent de paradigmes… complémentaires ou concurrents 2.2. Paradigmes méthodologiques Qu’est-ce qu’un paradigme? Modèle d’objectivation de la connaissance du monde social Dimension épistémologique : Comment construire un savoir valide Définit les objets, les questions à poser, les façons d’y répondre Intègre des théories, qui intègrent des concepts Coup de projecteur  2.2. Paradigmes méthodologiques Existence de deux grands paradigmes en sciences sociales Paradigme déductif Paradigme inductif Tradition positiviste (Comte, Durkheim…) Tradition compréhensive (Weber, Simmel…) Influence des sciences de la nature et du rationalisme Influence philosophiques (phénoménologie) « Traiter les faits sociaux comme des choses » « Prendre en compte la dimensions du sens » Recherche de lien de causalités et de lois générales Recherche des significations Postulat d’invariabilité Les phénomènes ne peuvent se comprendre que dans les contextes avec lesquels ils émergent  2.2. Paradigmes méthodologiques Des processus et finalités paradigmatiques différents Paradigme déductif Paradigme inductif Finalité Expliquer et prédire Comprendre et interpréter Recherche de comparabilité Recherche de richesse Généralisation de l’information Saturation de l’information (inférence) (« épuisement des possibles ») Synthèse de l’information Forte réduction de la complexité du réel Faible réduction de la complexité du réel Type de techniques Formalisant Par « empathie » Affinité avec Les méthodes quantitatives Les méthodes qualitatives Modèles Hypothèses ➔ Empirie Empirie ➔Hypothèses La formalisation et les hypothèses ne doivent pas La volonté de ne pas être trop « guidé » par la empêcher de se laisser surprendre par le terrain! théorie n’empêche pas que l’induction doit être rigoureuse Sens commun Rupture avec le sens commun Continuité entre sens commun et savoir sociologique Exemple typique Le suicide (E. Durkheim) L’éthique protestante et l’esprit du capitalisme (M. Weber)  2.2. Paradigmes méthodologiques Le nœud gordien : « Généralisation et représentativité vs. Richesse et finesse » La manière de le trancher : Choisir (et justifier) une équation de précision/finesse et de standardisation 1) Quel est l’objet? facilement mesurable? 2) Quelle va être mon unité de recherche? individu, un groupe, une organisation, un pays, une région… 3) Quel est le type de compréhension/d’explication recherchée? contextualisation (thick description) OU inférence/généralisation : vaut-il mieux avoir quelques cas très précisément décrits ou une bonne base de généralisation? 4) Qu’est-ce qui est faisable? Qu’est-ce que je maîtrise? Faisabilité : budget, objet facilement accessible, connaissance des méthodes… Évidemment, ne pas devoir faire de choix est mieux. Des méthodes « mixtes » existent mais elles présentent également des désavantages.  2.2. Paradigmes méthodologiques ▪ Questionnaires standardisés Comparabilité/généralisation des ▪ Entretiens directifs ▪ Entretiens semi-directifs ▪ Entretiens compréhensifs ▪ Observation (participante) résultats Richesse de l’information/ prise en compte de la spécificité des situations  2.2. Paradigmes méthodologiques ▪ Questionnaires standardisés Comparabilité/généralisation des ▪ Entretiens directifs ▪ Entretiens semi-directifs ▪ Entretiens compréhensifs ▪ Observation (participante) résultats Richesse de l’information/ prise en compte de la spécificité des situations  2.2. Paradigmes méthodologiques ▪ Questionnaires standardisés Comparabilité/généralisation des ▪ Entretiens directifs ▪ Entretiens semi-directifs ▪ Entretiens compréhensifs ▪ Observation (participante) résultats Richesse de l’information/ prise en compte de la spécificité des situations 2.3 La démarche de recherche quantitative en sciences sociales Affinité avec le raisonnement hypothético-déductif Pourquoi? Raisons pratiques et visée des statistiques Recherche de la représentativité et de comparabilité Sélection des données (quelles questions poser?) Temps de construction du questionnaire et du traitement des données Comment saisir du sens au travers de questions formalisées? Manque d’interaction entre enquêteur et enquêté (enquête en ligne) Notion du modèle statistique Spurrious correlations … Inductif techniquement possible mais demande des compétences élevées dans le traitement de l’information et de connaissance des thématiques abordées Analyses de traitement statistique du langage, utilisation de bdd secondaires… 2.3 La démarche de recherche quantitative en sciences sociales Dans le Cadre de DMSS Dans le Cadre de MQ1 2.3 La démarche de recherche quantitative en sciences sociales Étapes « Question de départ – exploration – problématique », cf. cours de DMSS Quelques rappels importants Question de recherche – problématique – hypothèses Pour le reste (état de l’art, etc… : cf. cours de DMSS) 2.3 La démarche de recherche quantitative en sciences sociales Entre la question de départ et la question de recherche… Chercher à connecter une question théorique à une réalité empirique Qu’a fait l’état de l’art? Faut-il forcément une révolution? Opérationnalité de la question posée Retravailler l’adéquation aux critères : univocité & concision faisabilité Non biaisée et ouverte … et en phase avec ce que l’on sait sur le sujet (et comment on le sait) 2.3 La démarche de recherche quantitative en sciences sociales Problématiser « façon d'articuler un ensemble de questions ou de problèmes en les référant à des concepts précisément déterminés » (Dictionnaire de Philosophie, Baraquin et al.). « un ensemble construit autour d'une question principale, des hypothèses de recherche et lignes d'analyse qui permettront de traiter le sujet choisi » (Beaud) Identifier, choisir l’angle d’attaque et les ressources théoriques Exhaustivité vs angle d’attaque Formuler des hypothèses  2.3 La démarche de recherche quantitative en sciences sociales Problématiser: ne pas confondre problème social et problématique. « Comment les sociologues s’y prennent-ils pour mettre le monde social en énigme ? La recette est pratiquement toujours la même. On peut la décomposer en quatre étapes : 1 / s’emparer d’une croyance partagée ou d’un constat reconnu relatifs à l’objet qu’on entend étudier ; 2 / en tirer une série d’inférences logiques ou d’énoncés prédictifs ; 3 / faire apparaître un ou plusieurs éléments empiriques qui contredisent les inférences logiques ou les prédictions qu’on vient de tirer ; 4 / se demander comment, si les croyances partagées ou les constats reconnus relatifs à l’objet sont vrais, ces éléments empiriques peuvent exister. » (« Problématiser », C. Lemieux) 2.3 La démarche de recherche quantitative en sciences sociales Problématiser: exemple du suicide d’E. Durkheim (C. Lemieux) 1 / s’emparer d’une croyance partagée ou d’un constat reconnu relatifs à l’objet qu’on entend étudier : On nous dit que le suicide est un acte personnel, « un acte de l’individu qui n’affecte que l’individu » ; que les raisons de se suicider sont toujours éminemment personnelles, étant liées au « tempérament du suicidé, à son caractère, à ses antécédents, aux événements de son histoire privée », et qu’elles ressortissent donc « à la seule psychologie » ; que le suicide a par conséquent toujours quelque chose d’imprévisible et d’inexplicable. 2.3 La démarche de recherche quantitative en sciences sociales Problématiser: exemple du suicide d’E. Durkheim (C. Lemieux) 2 / en tirer une série d’inférences logiques ou d’énoncés prédictifs: Il faudra donc s’attendre à ce que le taux de suicide national varie aléatoirement d’une année sur l’autre. 3 / faire apparaître un ou plusieurs éléments empiriques qui contredisent les inférences logiques ou les prédictions qu’on vient de tirer : On constate au contraire une très grande stabilité du taux de suicide national. Par exemple, en France, en 1856, 11,6 habitants sur 100 000 se sont suicidés ; en 1857, ils étaient 10,9 ; en 1858, 10,7 ; en 1859, 11,1 ; en 1860, 11,9 ; et ainsi de suite.  2.3 La démarche de recherche quantitative en sciences sociales Problématiser: exemple du suicide d’E. Durkheim (C. Lemieux) 4 / se demander comment, si les croyances partagées ou les constats reconnus relatifs à l’objet sont vrais, ces éléments empiriques peuvent exister. Une telle régularité n’est elle pas étrange ? Si le suicide, au plan personnel, est un acte imprévisible, comment se peut-il que le taux de suicide s’avère à ce point prévisible ?  2.3 La démarche de recherche quantitative en sciences sociales Problématiser: un exemple autour de l’emploi des docteurs. 1 / s’emparer d’une croyance partagée ou d’un constat reconnu relatifs à l’objet qu’on entend étudier : Mythe du degré de qualification comme garantie d’emploi: « Plus un individu à un niveau d’éduction élevé, plus sa garantie d’emploi est élevée » 2 / en tirer une série d’inférences logiques ou d’énoncés prédictifs : Les titulaires d’un doctorat, diplôme le plus élevé de l’espace de qualification, devraient avoir les taux d’emploi les plus élevés. 3 / faire apparaître un ou plusieurs éléments empiriques qui contredisent les inférences logiques ou les prédictions qu’on vient de tirer: Les études statistiques effectuées sur les taux d’emploi des diplômés des différents niveaux de qualification démontrent l’ac centuation d’une tendance depuis plusieurs décennies. Alors qu’il y a bel et bien la présence d’une corrélation positive stable entre de gré de qualification et taux d’emploi; celle-ci s’arrête au niveau du master. Pour les détenteurs d’un doctorat, la tendance est invers e: le taux d’emploi diminue de façon stable depuis plusieurs décennies. Ce taux est depuis une quinzaine d’année inférieure à ceux du ni veau de master. 4 / se demander comment, si les croyances partagées ou les constats reconnus relatifs à l’objet sont vrais, ces éléments empiriques peuvent exister: Comment expliquer ce revirement de situation? Pourquoi depuis 30 ans, les titulaires d’un doctorat semblent rencontrer plus d e difficultés à l’accès à l’emploi que les détenteurs de master alors que ce n’était pas le cas avant? Pourquoi est -ce que la tendance reste stable jusqu’au niveau de master et pas après? 2.3 La démarche de recherche quantitative en sciences sociales Problématiser : Formuler des hypothèses Qu’est-ce qu’une hypothèse? D’où viennent les hypothèses? Caractéristiques d’une bonne hypothèse L’indicatif présent L’intérêt La faillibilité par la vulnérabilité empirique Peut-ou y répondre par oui ou non? Est-elle confrontable à l’empirie? O/N empirie ▪ « L’emploi des docteurs est dépendant de la socialisation à l’ethos académique» ▪ « S’il n’y avait pas eu le Brexit, l’Europe se serait effondrée » ▪ « il existe un racisme d’état aux Etats-Unis » ▪ « Les choix humains sont déterminés par la volonté de Dieu » ▪ « Jacky frappe parce qu’il est méchant » ▪ « Quels sont les mécanismes qui permettent l’ascension sociale? » 2.3 La démarche de recherche quantitative en sciences sociales La notion de falsifiabilité/ Réfutabilité (K. Popper) Existence de critère(s) permettant de distinguer les vraies des fausses propositions (cf. notion de « tautologie ») 2.3 La démarche de recherche quantitative en sciences sociales But de la science = atteindre la vérité absolue en l’approchant par des vérités relatives Statistiques = probabilités = degré d’incertitude La science promeut le scepticisme organisé (R. K. Merton) ➔Les thèses doivent pouvoir être discutées/ testées / réfutées aux niveaux Logique : une antithèse existe Empirique : peut-on tester l’antithèse? Méthodologique : existence de méthode permettant de tester les deux hypothèses 2.3 La démarche de recherche quantitative en sciences sociales La notion de falsifiabilité/ Réfutabilité (K. Popper) « Les belges font moins l’amour en 2004 qu’en 2003» Condition logique: trouver une antithèse « Les belges ne font pas moins l’amour en 2004 qu’en 2003 » Condition empirique: Puis-je tester mon antithèse? Condition méthodologique: Existe-t-il des méthodes rigoureuses me permettant de tester les deux hypothèses simultanément? Oui. Sur base des données collectées, un test bivarié ferait l’affaire.  2.3 La démarche de recherche quantitative en sciences sociales La notion de falsifiabilité/ Réfutabilité (K. Popper) : exemples Réfutabilité\ Hypothèses « Les belges font moins l’amour « Dieu existe » en 2004 qu’en 2003» Logique : trouver une antithèse « Les belges ne font pas moins « Dieu n’existe pas » l’amour en 2004 qu’en 2003 » Condition empirique: Puis-je tester Oui. En collectant des données sur Non. Quelle données collecter? mon antithèse? des ressortissants belges. Condition méthodologique: Existe- Oui. Sur base des données Non. Sans données, je ne peux tester t-il des méthodes rigoureuses me collectées, un test bivarié ferait les deux hypothèses. permettant de tester les deux l’affaire. hypothèses simultanément? 2.3 La démarche de recherche quantitative en sciences sociales Étapes « modèle d’analyse – observation » Démarche déductive : passer de l’abstrait du raisonnement aux tests concrets dans la réalité Différencier Ce qu’on veut expliquer (variables « dépendantes » - VD) Ce qui va expliquer (variables « indépendantes » - VI) VI VD ➔« Les femmes gagnent moins que les hommes » genre Revenu ➔« Les personnes moins éduquées sont plus perméables au complotisme » Niveau Perméabilité au Une procédure maîtresse : la décomposition d’éducation complotisme Deux étapes 1) Problématique → hypothèses → concepts 2) Concepts→ dimensions → indicateurs → indices  2.3 La démarche de recherche quantitative en sciences sociales Un exemple : étape 1 de la décomposition Concepts utiles (pour H1) Principaux : a) Propension au suicide Hypothèses b) Isolement social Problématique/question de 1) la propension des PA à se Secondaires : recherche suicider dépend de leur a) Perte de sens de degré d’isolement social l’existence (suicide Quels sont les facteurs qui positif) b) Prise de soin de soi favorisent le suicide des personnes âgées? 2) la propension des PA à se (suicide négatif) suicider dépend de leur état c) Réseau social de soutien de santé perçu d) Degré d’activité sociale e) Mobilité personnelle f) Usage de technologie numérique, … Rendre les choses mesurables dans la réalité  2.3 La démarche de recherche quantitative en sciences sociales Un exemple : étape 2 de la décomposition Concepts Dimensions Indicateurs Indices Propension au suicide 1) Appréciation négative de la vie - Rapport au temps - temps passé par défaut - Présence de projet pour le devant la télé futur - Fréquence d’évocation de la difficulté à vivre 2) « suicide négatif » : ne plus État de l’habitat, Présentation -Fréquence changement prendre soin de soi personnelle, Hygiène,… d’habits? - Fréquence soins du corps? 3) « suicide positif » - Présence d’instrument de - Prise d’AD, thérapie lutte contre le suicide, - présence d’idées morbides - TS, demande d’euthanasie Rendre la réalité ET les concepts mesurables  2.3 La démarche de recherche quantitative en sciences sociales Un exemple : étape 2 de la décomposition Concepts Dimensions Indicateurs Indices Isolement social 1) Existence d’un réseau de Distribution des tâches, nombre - Combien de temps de visite par soutien de visites, maillage du semaine? réseau,… - Combien de personnes ? 2) Solitude ressentie - Expression d’un sentiment de - estimation et appréciation du solitude temps passé seul -Évaluation de la qualité des contacts 3) Mobilité personnelle - Quantité d’activités réalisées - Nombre de sorties de loisirs par hors du lieu de vie semaine - Nombre de sorties autres que pour loisirs par semaine Rendre la réalité ET les concepts mesurables 2.3 La démarche de recherche quantitative en sciences sociales Considérations épistémologiques : - Le choix des indicateurs est (au moins partiellement) arbitraire, et ne correspond jamais totalement au concept - Multiplier les indicateurs - Proposer une justification - Deux critères d’évaluation d’un indicateur : - La validité - La fiabilité 2.3 La démarche de recherche quantitative en sciences sociales 1) La validité : Caractéristique d'un indicateur qui correspond bien au concept Aptitude d'une technique ou d'un instrument à saisir de façon pure et entière les manifestations concrètes correspondant à un concept. 2) Fiabilité : Caractéristique d'un indicateur qui est constant dans ce qu'il rapporte Aptitude d'une technique ou d'un instrument à recueillir les mêmes données chaque fois que les mêmes phénomènes se manifestent  2.3 La démarche de recherche quantitative en sciences sociales Je mesure ce que je veux mesurer, Je mesure ce que je veux mesurer, plusieurs fois mais une seule fois (ex. le degré d’isolement à partir du nombre (ex. le degré d’isolement à partir d’heures passée à regarder la télé – du nombre de visites) imaginons que pour qqn ce soit correct, mais que d’autres regardent la télé avec leurs invités) Je ne mesure rien. Je mesure autre chose que ce que je veux mesurer avec précision Je voulais mesurer l’isolement à partir de la possession d’animal (ex : je voulais mesurer le degré domestique, mais ça ne donne rien d’isolement à partir de l’usage de Facebook et Twitter, mais ce que je mesure est l’usage des TIC) 2.3 La démarche de recherche quantitative en sciences sociales Dans bien des cas, la littérature est un outil pratique pour trouver des manières de mesurer certains concepts / indicateurs Il y a tout un pan de la science qui développe des échelles de mesure internationalement validées (psycho>sciences sociales) Lecture des questionnaires de grandes enquêtes (Comment les auteurs s’y sont pris pour mesurer tel concept?)  2.3 La démarche de recherche quantitative en sciences sociales Exemple: mesurer l’intégration social? 4 facteurs : l’emploi, le logement, la famille/le couple, les amis. Lien vers le texte  2.3 La démarche de recherche quantitative en sciences sociales Exemple: Comment mesurer la satisfaction au travail? Visiblement: plusieurs indicateurs: reconnaissance du travail, amabilité des collègues, sécurité de l’emploi, salaire,…. Lien vers le texte  2.4 Les méthodes quantitatives: un processus A partir de la pose de la problématique, les méthodes quantitatives s’appuient sur un processus bien élaboré en plusieurs blocs qui peut être schématisé comme ceci : A) Le développement du modèle d’analyse qui débouchent in fine à l’élaboration précise des questions adressées aux répondants B) Définition de l’échantillon. Implique une définition précise de la population-cible et une méthode de sondage  2.4 Les méthodes quantitatives: un processus A partir de la pose de la problématique, les méthodes quantitatives s’appuient sur un processus bien élaboré en plusieurs blocs qui peut être schématisé comme ceci : C) La phase de collecte de données qui fige la recherche dans le concret. E) Délivrer les résultats et leur interprétation D) La consolidation, le traitement et l’analyse de ces données  2.4 Les méthodes quantitatives: un processus A partir de la pose de la problématique, les méthodes quantitatives s’appuient sur un processus bien élaboré en plusieurs blocs qui peut être schématisé comme ceci : F) La définition des techniques d’analyse contribue à définir simultanément la mise en forme des questions, et l’analyse des résultats. Indirectement, les techniques d’analyses sont définies par la pose de la problématique. Chacune des techniques, appelant une réponse « différente ». 2.4 Les méthodes quantitatives: un processus Dans l’ensemble du processus méthodologique en analyse quantitative, tout doit être prévu dès le début ou du moins dans la mesure du possible. De la question de recherche aux questions réelles très précises qui vont être adressées aux sondés, de la population que l’on va sonder et de la manière dont on va s’y prendre pour l’approcher aux techniques d’analyses. Problème: vous n’avez pas encore suffisamment d’éléments à votre disposition pour prédire les analyses qui seront faites. Cependant, mon boulot est de vous donner certaines informations que vous pourrez réutiliser par la suite. 2.4 Les méthodes quantitatives: un processus Dans la suite du cours, nous parcourons les différentes étapes de ce processus. Le cours étant une introduction ne vous donnera que des bases pour chacune de ces étapes, vous aurez cependant au terme de l’UE un socle de connaissance minimale que pour réaliser une analyse quantitative de A à Z. Les cours d’MQ2 et MQ3 approfondirons principalement les techniques d’analyse et de traitement de données. Remarque générale par rapport au travail: dans le cadre du travail, vous ne pourrez pas répondre totalement à vos hypothèses (pas encore d’éléments statistiques) A vous de jouer! Pour la semaine prochaine : préparer un tableau hypothético-déductif Nécessité d’avoir une problématique bien définie Discussion des difficultés/facilités rencontrées Comment vous y êtes-vous pris? /!\ ➔ Il ne s’agit pas d’une séance de « retours personnalisés » de vos avancées