Méthodes de recherche en psychologie : questions d’entraînement avec explications

1Pourquoi la psychologie a besoin de méthodes de recherche

La psychologie avance des affirmations sur les gens : que le sommeil améliore la mémoire, ou qu’une thérapie réduit l’anxiété. Les méthodes de recherche sont les règles pour tester ces affirmations de façon équitable, afin que la réponse ne dépende pas de l’opinion.

Une étude commence par une hypothèse, une prédiction testable. L’hypothèse nulle dit qu’il n’y a aucun effet ou aucune relation ; l’hypothèse alternative dit qu’il y en a une. Une hypothèse directionnelle (unilatérale) précise aussi le sens de l’effet ; une hypothèse non directionnelle (bilatérale) ne le fait pas.

Dans une expérience, le chercheur modifie une variable et en mesure une autre :

• La variable indépendante (VI) est celle que le chercheur modifie délibérément, comme la durée du sommeil.
• La variable dépendante (VD) est celle que l’on mesure pour voir si elle est affectée, comme un score de mémoire.
• Des variables parasites pourraient aussi affecter la VD. Si l’une d’elles varie avec la VI, elle devient une variable de confusion et le résultat n’est pas clair.

L’opérationnalisation consiste à définir une variable pour pouvoir la mesurer, par exemple la « mémoire » comme « le nombre de mots rappelés dans une liste de 20 ».

2Plans expérimentaux, échantillons et éthique

Les plans expérimentaux diffèrent selon les personnes qui participent à chaque condition :

• Groupes indépendants : des personnes différentes dans chaque condition. Il n’y a pas d’effets d’ordre, mais les groupes peuvent différer.
• Mesures répétées : les mêmes personnes passent toutes les conditions. Les différences individuelles sont contrôlées, mais des effets d’ordre (entraînement, fatigue) apparaissent ; le contrebalancement (la moitié fait A puis B, l’autre moitié B puis A) les contrôle.
• Paires appariées : des personnes différentes, appariées selon des caractéristiques clés comme l’âge ou le QI.

Dans une expérience vraie, les participants sont assignés aléatoirement aux conditions. Dans une quasi-expérience, la VI est une différence qui existe naturellement, comme le genre ou l’âge, donc elle ne peut pas être assignée. Une expérience de terrain manipule la VI dans un cadre naturel.

Les méthodes non expérimentales comprennent les études corrélationnelles, les observations, les questionnaires et entretiens, les études de cas, et les études longitudinales qui suivent les mêmes personnes dans le temps.

Échantillonnage : dans un échantillon aléatoire, chacun a la même chance ; l’échantillon systématique prend une personne sur n dans une liste ; l’échantillon stratifié conserve les proportions des sous-groupes de la population ; l’échantillon de convenance prend les personnes disponibles ; l’échantillon de volontaires prend les personnes qui répondent à une annonce.

Biais : les participants peuvent changer de comportement parce qu’ils devinent le but (caractéristiques de la demande) ou veulent bien paraître (désirabilité sociale). Un plan en double aveugle, où ni les participants ni les expérimentateurs ne connaissent la condition, réduit ce biais ainsi que le biais de l’expérimentateur.

Éthique : consentement éclairé, droit de se retirer, protection contre les préjudices, confidentialité, et débriefing, surtout quand il y a eu tromperie.

3Fidélité, validité et statistiques

La fidélité est la constance : une mesure donne le même résultat à chaque fois. On la vérifie par test-retest, par accord inter-juges entre observateurs, ou par bissection et cohérence interne.

La validité est l’exactitude : l’étude mesure ce qu’elle prétend mesurer. La validité interne signifie que la VI a vraiment causé le changement de la VD. La validité externe signifie que les résultats se généralisent à d’autres personnes et à d’autres situations.

Une mesure peut aussi montrer une validité concourante (elle concorde avec un test établi) et une validité prédictive (elle prédit un résultat ultérieur). Une mesure peut être fidèle sans être valide.

Niveaux de mesure : nominal (catégories), ordinal (rangs), d’intervalle (pas égaux) et de rapport (pas égaux et vrai zéro, comme le temps de réaction).

Statistiques descriptives : la moyenne, la médiane et le mode décrivent le centre ; l’écart type décrit la dispersion. Dans une loi normale, environ 68 % des scores se situent à moins de 1 écart type de la moyenne et environ 95 % à moins de 2 écarts types.

Les statistiques inférentielles testent l’hypothèse nulle. Si p < 0,05, le résultat est dit significatif. Deux erreurs sont possibles :

• Erreur de type I : rejeter une hypothèse nulle vraie, un faux positif.
• Erreur de type II : ne pas rejeter une hypothèse nulle fausse, un faux négatif. Les petits échantillons la rendent plus probable.

Choisissez le test selon le plan et les données : un test t pour échantillons indépendants pour deux groupes séparés, un test t apparié pour des mesures répétées, le khi-deux pour des catégories, le r de Pearson pour une relation linéaire et le rho de Spearman pour des rangs.

Une valeur p ne dit rien de la taille d’un effet. Les tailles d’effet, comme le d de Cohen ou r, et les intervalles de confiance la montrent.

4Comment évaluer une étude

De nombreuses questions décrivent une étude et demandent ce que l’on peut en conclure. Procédez dans cet ordre :

1. Identifiez les variables : la VI et la VD, ou les deux variables mesurées dans une corrélation.
2. Nommez le plan : expérience vraie, quasi-expérience, corrélationnelle, observation ou étude de cas.
3. Regardez l’échantillon : comment il a été choisi, sa taille, et à qui les résultats s’appliquent.
4. Cherchez les menaces : variables de confusion, caractéristiques de la demande, groupes témoins manquants, mesures peu fidèles.
5. Vérifiez les statistiques : le bon test, la valeur p et la taille d’effet.
6. Énoncez la conclusion que le plan permet. Seule une expérience bien contrôlée soutient une affirmation causale.

5Un exemple détaillé

Évaluez l’étude une étape à la fois. Essayez de dire l’étape suivante avant de l’ouvrir.

6Erreurs fréquentes

• Traiter une corrélation comme une causalité. Une troisième variable ou un sens inversé peut expliquer le lien.
• Intervertir la VI (modifiée) et la VD (mesurée).
• Intervertir les erreurs de type I (faux positif) et de type II (faux négatif).
• Lire p comme la probabilité que l’hypothèse nulle soit vraie. C’est la probabilité d’obtenir des données aussi extrêmes si l’hypothèse nulle était vraie.
• Conclure à « aucun effet » à partir d’un résultat non significatif dans un petit échantillon. L’étude peut manquer de puissance.
• Confondre fidélité (constante) et validité (exacte).

7À quoi ressemblent les questions d’examen

• Facile (termes clés et faits) : définitions. Ce qu’est une VI, une hypothèse nulle, la fidélité ou le consentement éclairé.
• Moyen (application des concepts) : une courte étude à classer. Vous nommez le plan, la méthode d’échantillonnage, le type de validité ou le bon test statistique.
• Difficile (cas et analyse) : une étude avec un problème. Vous repérez une variable de confusion, du p-hacking, une étendue restreinte ou un échantillon WEIRD, interprétez R² ou un intervalle de confiance, ou appliquez une correction de Bonferroni.

Pour les questions difficiles, demandez-vous ce qui pourrait expliquer autrement le résultat et si le plan permet la conclusion tirée.