PSY1019 - Cours 05-06 2024 Notes de Cours PDF

Mesure, Évaluation et Déontologie Marcos Balbinotti, Ph.D. Département de psychologie Les sujets à traiter aujourd’hui Quelques mots d’introduction ; Rendant compréhensible les notions complexes : Les fondamentaux actuels en psychométrie; La mesure, l’évaluation...

Mesure, Évaluation et Déontologie Marcos Balbinotti, Ph.D. Département de psychologie Les sujets à traiter aujourd’hui Quelques mots d’introduction ; Rendant compréhensible les notions complexes : Les fondamentaux actuels en psychométrie; La mesure, l’évaluation et les analyses de données; La classification et les échelles de mesures; Les normes et l’interprétation des scores (concepts statistiques; les normes intragroupes, ou autres). Introduction aux fondamentaux actuels en psychométrie La mesure (Les règles de la mesure psychologique) : mesurer en psychologie signifie attribuer des valeurs numériques à des construits psycho- sociaux abstraits (fait à partir de comportements observables ou de réponses à des tests psychométriques), conformément à des règles strictes : La cueillette des données ; La nature des données (qualitatif/quantitatif) ; Les propriétés psychométriques des construits. Introduction aux fondamentaux actuels en psychométrie La mesure (Correspondance entre comportements et chiffres) : L’un des grands défis est d’établir une correspondance rigoureuse entre les comportements observés et les valeurs numériques attribuées. Par exemple : Lorsqu’on évalue la dépression, un score est attribué en fonction de réponses à un questionnaire comportant des items (manger mal, dormir mal, etc.). Chaque réponse doit être associée à un score numérique qui reflète le niveau de dépression perçu. Introduction aux fondamentaux actuels en psychométrie La mesure (Précision et reproductibilité) : Permet de garantir que les mesures obtenues soient à la fois précises et reproductibles : Précision : Un test précis est capable de mesurer de manière fine les différences entre les individus. Reproductibilité : Une mesure est reproductible si elle donne des résultats similaires quand le test est administré à plusieurs reprises dans des conditions semblables. Introduction aux fondamentaux actuels en psychométrie La mesure (enjeux éthiques et méthodologiques) : la mesure ne se limite pas à des aspects techniques. Il y a aussi des enjeux éthiques importants : Confidentialité et protection des données : Les résultats des tests doivent être traités avec le plus grand soin pour protéger la vie privée des participants. Utilisation des résultats : Les scores obtenus ne doivent pas être utilisés de manière abusive ou pour stigmatiser les individus. Ils doivent servir à améliorer le bien-être des personnes évaluées. Introduction aux fondamentaux actuels en psychométrie La mesure : En conclusion : La mesure est un processus complexe qui demande rigueur, précision et respect des normes éthiques, afin de fournir des évaluations valides et fiables des comportements humains et des caractéristiques mentales. La rigueur méthodologique et les propriétés psychométriques (validité, fiabilité, sensibilité) sont essentielles pour garantir que les résultats obtenus puissent réellement éclairer les décisions cliniques, de recherche ou d'intervention (Lewis, 1999). Introduction aux fondamentaux actuels en psychométrie L’évaluation (Les fondements) : Fournit une interprétation informée et fondée sur des critères scientifiques pour comprendre et diagnostiquer des phénomènes psychologiques : Connaissance de ce qui est mesuré ; Les instruments doivent être valides et fiables ; Prendre en compte des erreurs de mesure. Chiffres moins limiter que ma capacité, bcp plus précis que ma capacité Erreur = tous ce qui n’est pas dans le phénomène étudié Introduction aux fondamentaux actuels en psychométrie L’évaluation (comme processus dynamique) : Constitue une source d’information explicative qui permet de comprendre les phénomènes psychologiques sous-jacents : Les résultats des évaluations ont un impact sur la vie des individus et des groupes : Les décisions basées sur ces évaluations (par exemple, en milieu scolaire ou professionnel) peuvent influencer des trajectoires de vie. Ainsi, le psychologue doit être particulièrement prudent dans l’interprétation et la communication de ces résultats.  Introduction aux fondamentaux actuels en psychométrie L’évaluation (les étapes) : plusieurs étapes permettent d’explorer les différents aspects du fonctionnement psychologique de l’individu et d'élaborer un plan d’intervention : Identifier la problématique ; Choisir les outils d’évaluation ; Collecter les données (entretiens cliniques, observations directes et tests psychométriques) ; Analyser et interpréter les résultats ; Élaborer le rapport et le plan d’intervention. Introduction aux fondamentaux actuels en psychométrie L’évaluation (Éthique et responsabilité professionnelle) : Essentiel : respecter des normes éthiques : Confidentialité ; Consentement éclairé : Avant l’évaluation, le psychologue doit obtenir un consentement éclairé, expliquant la nature de l’évaluation, les outils utilisés, et l'utilisation des résultats; Collecte des données (entretiens cliniques, des observations directes et des tests psychométriques) ; Communication claire des résultats : Le psychologue doit s’assurer que les résultats soient expliqués de manière compréhensible à la personne.  Introduction aux fondamentaux actuels en psychométrie L’évaluation : En conclusion : L'évaluation est un processus essentiel pour comprendre et diagnostiquer les phénomènes psychologiques. Elle implique l'utilisation d'outils fiables et valides pour collecter et interpréter des données sur le comportement et les émotions des individus. Le psychologue doit suivre des étapes précises, telles que l'identification du problème, le choix des tests appropriés, l'analyse des résultats et la proposition d'un plan d'intervention. De plus, il est crucial de respecter des normes éthiques élevées, en garantissant la confidentialité et le consentement éclairé de la personne évaluée. En somme, l'évaluation vise à fournir une compréhension approfondie et responsable des besoins psychologiques de l'individu. Introduction aux fondamentaux actuels en psychométrie Les analyses de données (en psychologie) : Ces méthodes varient selon la nature des données et les objectifs de l’analyse : Statistiques descriptives : permettent de résumer les données sous forme de mesures centrales (moyenne, médiane, mode) et variabilités ; un paquet de résultat va être réduit en un seul résultat, juste décrire peut pas faire de conclusion (comparativement à inférentielle) Statistiques inférentielles : utilisées pour tirer des conclusions à partir d’échantillons de données pour généraliser ces données à une population plus large; Régressions et modèles prédictifs : essentiels pour prédire les comportements et explorer comment plusieurs facteurs interagissent pour influencer les comportements humains. À partir de variables indépendantes. Introduction aux fondamentaux actuels en psychométrie Les analyses de données (Interprétation des résultats) : Elles vont au-delà des simples indices de signification: taille de l'effet : pertinence pratique ; informe non seulement si un effet existe (comme indiqué par la valeur p), mais aussi l'ampleur de cet effet intervalles de confiance : nous pouvons être confiants à 95% que l’effet réel se situe à l'intérieur de cet intervalle ; Les intervalles de confiance fournissent une estimation de la précision des résultats obtenus.  Introduction aux fondamentaux actuels en psychométrie Les analyses de données (Recommandations APA) : Les recommandations incluent : Utiliser des estimateurs appropriés : robustes ; processus statistique qui assure que les résultats sont précis, permet d'éviter des biais dans les analyses. Rapporter la taille d'effet ; donne une indication de l’importance pratique des résultats. Rapporter les intervalles de confiance ; Éviter le "p-hacking" (manipuler les analyses de données pour obtenir des résultats significatifs). Introduction aux fondamentaux actuels en psychométrie Les analyses de données (Représentation graphique et visualisation des données) : Résultats accessibles et compréhensibles : compréhension approfondie des méthodes analytiques, rigueur dans la collecte et le traitement des données, interprétation réfléchie des résultats. Introduction aux fondamentaux actuels en psychométrie Les analyses de données : En conclusion: Processus essentiel qui permet aux chercheurs de mieux comprendre le comportement humain (à partir des analyses de données).. Commence par la collecte de données, suivie d'une analyse qui inclut des statistiques descriptives et inférentielles, ainsi que des modèles prédictifs. Une interprétation rigoureuse des résultats est cruciale, en prenant en compte des éléments comme la taille de l'effet et les intervalles de confiance. L'APA recommande des pratiques éthiques et méthodologiques pour garantir la validité et la fiabilité des résultats, tout en évitant des pratiques discutables comme le "p-hacking". Enfin, l'analyse des données nécessite une réflexion approfondie sur les méthodes et leur impact pratique.  La classification et les échelles de mesures Stevens (1946) propose quatre niveaux : Nominales (de classes ou catégorielles) ; Ordinales ; Intervalle ; Proportionnelle (ratio).  La classification et les échelles de mesures Echelle nominale : Classification sans ordre ; chiffre pour distinguer une chose de l’autre, ne peut pas faire de mathématique Opérations statistiques limitées : statistique descriptive comme les fréquences et pourcentages. Exemples de variables nominales en psychologie : Genre (masculin, féminin, autre) ; Type de personnalité (introverti, extraverti) ; Diagnostic clinique (trouble dépressif majeur, etc.).  La classification et les échelles de mesures Echelle nominale : Corrélations tétrachoriques (mesurer avec mode) avec des échelles nominales : Les corrélations tétrachoriques sont utiles pour estimer des relations sous-jacentes entre des variables catégoriques. Une étude méthodologique a démontré que l’utilisation de matrices tétrachoriques produit de meilleurs résultats que les matrices Pearson pour les analyses factorielles dans les évaluations psychologiques (Balbinotti, 2005, 2024; Dominguez, 2014).  La classification et les échelles de mesures Echelle nominale : Application du bootstrapping avec des échelles nominales : Le bootstrapping est une méthode de rééchantillonnage utile lorsque les hypothèses paramétriques classiques ne sont pas respectées. Pour des échelles nominales, il permet de générer des intervalles de confiance pour des statistiques comme les fréquences et pourcentages.  La classification et les échelles de mesures Echelle ordinale : Classement avec un ordre, sans garantir que les écarts entre les catégories soient égaux : croissant ou décroissant. Opérations statistiques spécifiques : médiane, mode, fréquences, pourcentages, corrélation de Spearman. Exemples de variables ordinales en psychologie : Niveaux d’anxiété (léger, modéré, sévère); Échelles de Likert (fort. en désaccord à 5 = fort. en accord); Évaluations des symptômes (faibles, modérés, graves).  La classification et les échelles de mesures Echelle ordinale : Corrélations polychoriques (mesurer avec médiane) avec des échelles ordinales : La corrélation polychorique est souvent utilisée pour mesurer les relations entre des variables ordinales, en supposant qu'une variable continue sous-jacente existe. Par exemple, lorsque l’on évalue des réponses de nature ordinales (sur une échelle de Likert), les corrélations polychoriques permettent de mieux comprendre les relations entre ces variables qu’une simple corrélation de Pearson.  La classification et les échelles de mesures Echelle ordinale : Application du bootstrapping avec des échelles ordinales : Le bootstrapping est une méthode non paramétrique qui permet de rééchantillonner les données pour estimer des intervalles de confiance et la robustesse des résultats. Il est souvent appliqué aux corrélations polychoriques pour estimer la fiabilité des résultats obtenus avec des données ordinales.. (permet de normaliser ce qui n’est pas normal (les données))  La classification et les échelles de mesures Echelle d’intervalle : Écarts égaux entre les valeurs ; La valeur zéro existe, mais elle n’est pas absolue ; Statistiques appropriées : L’échelle d’intervalle permet une gamme d’analyses statistiques plus larges, y compris des mesures telles que la moyenne, la variance, et l’écart-type ; Exemples de variables d'intervalle en psychologie : Scores de tests de QI ; Scores d’évaluation de la performance cognitive (mémoire, etc.).  La classification et les échelles de mesures Echelle d’intervalle : Corrélations et échelles d'intervalle en psychologie : Les échelles d'intervalle permettent l'utilisation de corrélations classiques, comme la corrélation de Pearson, qui mesure la force et la direction de la relation linéaire entre deux variables. Les corrélations de Pearson sont appropriées pour les données continues, ce qui inclut les échelles d’intervalle.  La classification et les échelles de mesures Echelle d’intervalle : Application du bootstrapping avec des échelles d'intervalle : Le bootstrapping est une méthode non paramétrique utilisée pour estimer la précision des statistiques (telles que la moyenne ou l'écart-type) dans des échantillons de petite taille ou lorsque les hypothèses paramétriques classiques ne sont pas respectées. Augmenter de 15 à 1000 par exemple afin de normaliser  La classification et les échelles de mesures Echelle de ratio (proportionnelle) : est la plus précise des échelles de mesure , en plus de permettre la mesure des écarts constants entre les valeurs. Le zéro est absolu : Opérations arithmétiques complètes ; Les écarts entre les valeurs sont constants, et toutes les opérations arithmétiques sont possibles. Statistiques appropriées : Les analyses incluent la moyenne, l’écart-type et les ratios. Exemples de variables de ratio en psychologie : Temps de réaction ; Durée de sommeil.  La classification et les échelles de mesures Echelle de ratio (proportionnelle) : Corrélations avec des échelles de ratio en psychologie : Les échelles de ratio permettent l’utilisation de corrélations classiques, comme la corrélation de Pearson, qui mesure la relation linéaire entre deux variables continues.  La classification et les échelles de mesures Echelle de ratio (proportionnelle) : Application du bootstrapping avec des échelles de ratio : Le bootstrapping peut être utilisé avec des échelles de ratio pour estimer la précision des statistiques, comme la moyenne ou les corrélations, dans des échantillons de petite taille.  En effet, la classification des échelles de mesure relève d'une question de convention et d’utilité : Par convention, les données relatives aux attributs psychologiques sont encore acceptées comme compatibles avec les techniques d’analyse statistique paramétrique les plus puissantes (Cronbach, 1951; Stevens, 1946; Norman, 2010) ; Par utilité, les auteurs ont longtemps toléré l’utilisation de logiciels statistiques aux ressources d’analyse (estimateurs) limitées, car historiquement, il y avait peu d’options disponibles. Ainsi, les logiciels disponibles avaient la réputation d’être simplement fonctionnels. Aujourd’hui, avec le développement de nouveaux logiciels, cette notion d'« utilité » est fortement remise en question (Balbinotti, 2005, 2024; Yuan & Bentler, 2000; Furr & Bacharach, 2013).  La classification des échelles de mesure comporte aussi le problème d’échantillonnage : En psychométrie, on utilise un échantillon d’individus et un échantillon de contenu (items d’un test). Selon Bernier et Pietrulewicz (1997), il est pratiquement impossible de gérer simultanément ces deux échantillons (problème de l’échantillonnage) au même temps. Une manière typique de faire face à ce problème consiste à prendre explicitement en compte un échantillon, tout en gardant à l’esprit que l’autre peut influencer négativement les résultats. Cronbach, L. J. (1970). Essentials of Psychological Testing (3rd ed.). Harper & Row. Lord, F. M., & Novick, M. R. (1968). Statistical Theories of Mental Test Scores. Addison-Wesley.  La classification des échelles de mesure comporte encore le problème d’échantillonnage : L'approche recommandée en psychométrie face à cette problématique consiste à utiliser un échantillon d'individus suffisamment large pour minimiser l'erreur d'échantillonnage et garantir une bonne représentativité de la population cible. Une fois cette représentativité assurée, l’attention du psychométricien se porte alors sur la représentativité des items du test. En effet, il devient crucial de s’assurer que l’échantillon d’items couvre de manière exhaustive et équilibrée le domaine de connaissances ou de compétences à évaluer, afin de maximiser la validité de contenu du test. Lord, F. M., & Novick, M. R. (1968). Statistical Theories of Mental Test Scores. Addison-Wesley. Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons' responses and performances as scientific inquiry into score Les normes et l’interprétation des scores Considérations initiales: En psychométrie, les normes sont utilisées pour interpréter les résultats des tests en comparant la performance d’un individu à une population de référence. Elles fournissent un contexte qui permet aux psychologues de déterminer si la performance est supérieure, inférieure ou similaire à celle du groupe de référence.  Les normes et l’interprétation des scores Les principaux types de normes : Normes intra-groupe (comparative) : comparent les résultats d'un individu avec ceux d'un groupe de référence. Exemples : Percentiles (Indiquent la position relative d’un individu au sein d’une distribution, montrant le pourcentage de personnes ayant obtenu des scores égaux ou inférieurs); mesure qualitative :les distances entre les percentiles ne sont pas tjrs les mêmes, Scores z (Représentent combien d’unités d’écart-type une valeur se situe au-dessus ou en dessous de la moyenne de la distribution);mesure quantitative, Scores T (Sont des scores Z transformés sur une échelle avec une moyenne de 50 et un écart-type de 10, pour éviter des valeurs négatives) quantitatif, basé sur les scores z Quotient Intellectuel (QI) (Mesure la capacité cognitive par rapport à la moyenne de la population, généralement avec une moyenne de 100 et un écart-type de 15) mesure quantitative Les normes et l’interprétation des scores Les principaux types de normes : Normes Basées sur des Critères (critériées) : Comparent les résultats d'un individu à un critère prédéfini plutôt qu'à un groupe. Elles sont utiles lorsque l'objectif est d'évaluer si l'individu a atteint un certain niveau de compétence. Exemple : Un examen scolaire élaboré par le professeur Balbinotti, au cours PSY1019 ; Tests cliniques (BDI : il existe des seuils cliniques de dépression « légers, modérés ou sévères »). Les normes et l’interprétation des Lesscores principaux types de normes : Normes de Développement (normes d’âge) : Utilisées fondamentalement pour comparer la performance d'un individu en fonction de son âge ou de son niveau de développement. Couramment utilisées dans les tests pour enfants. Exemple : Âge mental (détermine le niveau de développement cognitif de l’enfant) ; Percentiles de croissance (évaluent le développement cognitif, physique et linguistique des enfants. Les normes et l’interprétation des scores Les principaux types de normes : Normes Ipsatives (Intra-individuelles) : comparent la performance d'un individu à lui-même, en évaluant les différences entre diverses dimensions de ses résultats dans un test. Elles sont particulièrement utiles pour mesurer les préférences personnelles ou les progrès individuels. Exemple : Tests de personnalité ; Évaluations de progrès (contextes éducatifs). Conclusion La psychométrie, à travers ses fondements tels que la mesure, l’évaluation et l’analyse des données, joue un rôle central dans l’évaluation des capacités et des comportements humains. La classification et les échelles de mesures permettent de structurer et d’interpréter les résultats des tests en fournissant une base standardisée de comparaison. Enfin, l’utilisation des normes et l’interprétation des scores offrent un cadre de référence essentiel pour évaluer la performance individuelle par rapport à une population de référence, permettant ainsi aux psychologues de poser des diagnostics et de prendre des décisions éclairées. La maîtrise de ces concepts est cruciale pour garantir la