Lorsqu'il s'agit de recherche, les normes sont élevées. Mais, il existe plusieurs types de recherche scientifique, que l'on peut différencier comme qualitative ou quantitative. Les deux ont des critères de qualité différents. Lis la suite pour savoir quels sont ces critères.
Nous commencerons par identifier la différence entre la recherche qualitative et la recherche quantitative.
Ensuite, nous examinerons les critères de qualité de la recherche qualitative.
Ensuite, nous explorerons les critères de qualité de la recherche quantitative et un résumé des exemples de critères de qualité dans la recherche quantitative.
Enfin, nous nous pencherons sur les normes scientifiques communes en matière de recherche empirique.
Différence entre la recherche qualitative et la recherche quantitative
Avant d'aborder les différents types de critères de qualité, identifions la différence entre la recherche qualitative et la recherche quantitative.
La recherche qualitative est un type de méthode de recherche qui recueille des données non numériques, par exemple des questions ouvertes, des entretiens non structurés ou des observations.
La recherche quantitative est le contraire.
La recherche quantitative est un type de méthode de recherche qui recueille des données numériques, par exemple des expériences, des questions fermées ou des entretiens structurés.
Critères de qualité de la recherche qualitative
Les données et les rapports doivent répondre à ces exigences pour être considérés comme une recherche scientifique de qualité. Il existe plusieurs types de critères de qualité pour les recherches qualitatives et quantitatives.
Les critères de qualité de la recherche sont des exigences pour la recherche sur lesquelles les psychologues se sont mis d'accord et qu'ils ont recommandées.
L'objectif des critères de qualité de la recherche qualitative est de déterminer si elle est crédible et digne de confiance en se basant sur les critères suivants :
Crédibilité- si les résultats de la recherche contiennent des informations crédibles basées sur les données recueillies auprès des participants et si les interprétations reflètent ces données. Les résultats doivent refléter fidèlement les expériences des participants. Ce critère est similaire à la validité interne, une exigence de la recherche quantitative.
Transférabilité- si les résultats sont transférables à d'autres situations, environnements et participants.
Fiabilité- si les résultats sont cohérents et reproductibles.
Confirmabilité- si d'autres chercheurs peuvent confirmer les résultats.
Résumé des exemples de critères de qualité dans la recherche qualitative
Le tableau suivant résume les méthodes que les chercheurs peuvent utiliser pour répondre aux exigences du critère de qualité de la recherche qualitative :
Critère de qualité de la recherche qualitative
Comment l'étude peut répondre à ce critère
Crédibilité
Triangulation - utilisation de plusieurs méthodes de collecte de données
Identifier les aspects clés de la question de recherche et se concentrer sur eux
Accorder suffisamment de temps, par exemple pour établir des relations avec les participants, analyser les données et se familiariser avec le cadre et le contexte afin d'éviter toute désinformation/interprétation susceptible d'affecter les résultats.
Transférabilité
Prendre des notes détaillées sur ce qui a été observé au cours de la recherche.
Lors de la description des comportements et des expériences des participants, prendre également des notes sur le contexte afin que les autres chercheurs puissent comprendre et interpréter le point de vue du chercheur.
Fiabilité
Piste de vérification : le chercheur peut écrire comment il a recueilli, analysé et interprété les données, et d'autres chercheurs peuvent suivre cette piste pour voir s'ils arrivent aux mêmes conclusions.
Confirmation
La même méthode utilisée pour la fiabilité permet de s'assurer que la recherche est confirmable.
Critères de qualité de la recherche quantitative
L'utilisation de critères de qualité pour la recherche quantitative a pour but de déterminer si elle est crédible et digne de confiance. Les critères suivants doivent s'appliquer à l'étude :
Validitéinterne- dans quelle mesure les effets observés sont dus à la variable indépendante et non à d'autres facteurs.
Validité externe- si les résultats de l'échantillon peuvent être généralisés à l'ensemble de la population.
Fiabilité- si des résultats similaires seraient obtenus si l'étude était répétée.
Objectivité- si les biais potentiels (chercheurs et expérimentateurs) susceptibles d'influencer les résultats sont exclus.
Critères de qualité : Évaluer la fiabilité
Les chercheurs peuvent évaluer la fiabilité de leur étude à l'aide du test-retest et de la fiabilité inter-observateurs.
La fiabilité test-retest permet de vérifier si les résultats d'une étude sont cohérents dans le temps. Le processus consiste à employer la même mesure/le même test sur le même participant, mais à deux moments différents. Si la corrélation entre les deux résultats est élevée, il s'agit d'un bon indicateur de fiabilité.
Disons que tu administres un test de personnalité à un groupe de participants. Un mois plus tard, tu fais à nouveau passer le test de personnalité au même groupe de participants. Si les scores de personnalité sont cette fois-ci radicalement différents de ceux du premier test, le test n'a pas une bonne fiabilité test-retest.
Les chercheurs peuvent améliorer la fiabilité test-retest en :
En remaniant le test, ou peut-être en améliorant ou en supprimant certaines questions.
En contrôlant autant que possible les facteurs externes, par exemple en s'assurant que les participants passent le test dans les mêmes conditions (par exemple, dans la même pièce).
Les mesures de fiabilité inter-observateurs sont utilisées pour déterminer la fiabilité interne d'une étude. Il s'agit de la mesure dans laquelle différents chercheurs (observateurs) sont d'accord et donnent les mêmes notes à un phénomène.
Dans l'étude de Bandura sur la poupée Bobo, les chercheurs ont mesuré la fiabilité inter-observateurs en déterminant si les observateurs étaient d'accord sur le nombre d'actes d'agression dont les enfants faisaient preuve.
Dans une étude, si un observateur donne beaucoup d'évaluations, mais qu'un autre en donne peu, la fiabilité inter-observateurs est faible.
Les chercheurs peuvent améliorer la fiabilité des observateurs en :
En donnant à tous les observateurs la même formation aux techniques d'observation.
Définir clairement les variables et la façon dont elles seront mesurées.
Critères de qualité : Évaluer la validité
La validité peut être évaluée de plusieurs façons : validité apparente, validité concomitante, validité écologique et validité temporelle.
La validité apparente est le critère le plus faible, basé sur les hypothèses de comportement des gens. Elle évalue si un test mesure ce qu'il prétend à première vue.
Pour un test mesurant la dépression, tu t'attends à ce qu'il pose des questions sur la mauvaise humeur et la motivation. Si tu examines un test pour mesurer la dépression et qu'il contient ce type de questions, alors il semble avoir une bonne validité apparente.
Si tu compares les résultats d'un test aux résultats d'un autre test pour voir s'ils donnent des résultats similaires, tu testes la validité concomitante. Les participants doivent passer les tests à peu près au même moment pour refléter leur état actuel.
Le questionnaire sur l'agression de Buss-Perry (1992) est une mesure bien connue de l'agression. Supposons que tu aies mis au point un nouveau questionnaire sur l'agression et que tu aies testé sa validité simultanée.
Tu pourrais demander aux participants de remplir les deux questionnaires en une seule séance, puis comparer les résultats obtenus avec ton questionnaire aux résultats obtenus avec le questionnaire sur l'agression de Buss-Perry.
Si les résultats sont similaires, il y a validité concordante.
Une étude peut bien fonctionner en laboratoire, mais les résultats ne sont pas aussi bons lorsqu'ils sont transférés dans le monde extérieur. Nous pouvons améliorer la validité écologique en menant des études en milieu naturel.
La validité écologique est la mesure dans laquelle les résultats d'une étude peuvent être appliqués à des situations réelles.
Si une étude résiste à l'épreuve du temps, elle a une validité temporelle élevée.
Lavalidité temporellemesure si les résultats de l'étude sont généralisables ou applicables dans le temps.
L'étude d'Asch (1951) sur la conformité n'a pas une bonne validité temporelle car elle a été critiquée parce qu'elle reflétait la culture conformiste américaine des années 1950.
Résumé des exemples de critères de qualité dans la recherche quantitative
Le tableau suivant résume les méthodes que les chercheurs peuvent utiliser pour répondre aux exigences des critères de qualité de la recherche quantitative :
Critère de qualité de la recherche quantitative
Comment la recherche peut-elle répondre à ce critère ?
Validité interne
Standardiser les variables étudiées (définir les variables et la façon dont l'étude les a mesurées).
Fournir suffisamment de détails sur le contexte de la recherche et les interventions utilisées (peux-tu identifier les variables étrangères/confondantes).
Utiliser des groupes de contrôle.
Utiliser des instructions standardisées
Contrebalancement - les effets de l'ordre sont pris en compte
Contrôle des caractéristiques de la demande chez les participants et des effets de l'expérimentateur chez les chercheurs. Peut-être en n'informant pas les participants des véritables objectifs de l'étude et en utilisant un assistant de recherche qui n'est pas non plus au courant.
Reproduire l'étude dans d'autres contextes pour évaluer la validité écologique.
Examiner les échelles utilisées dans l'étude avec d'autres échelles similaires pour déterminer si elles mesurent la même chose ; mesure la validité de construction. Des résultats similaires signifient que l'échelle a une validité de construction élevée (elle mesure ce qu'elle est censée mesurer).
Fiabilité
Examen de la fiabilité interne et de la cohérence des échelles. Par exemple, toutes les questions d'une échelle qui mesure la dépression devraient également mesurer tous les scores de dépression
Évaluer la théorie de la généralisabilité - déterminer la cohérence des instruments utilisés dans la recherche ou si les résultats obtenus par les participants sont dus à des conditions spécifiques.
Objectivité
Utiliser des méthodes en aveugle lors de la collecte et du codage des données, c'est-à-dire qu'un professionnel formé qui ne fait pas partie de l'équipe de recherche doit le faire pour éviter que des préjugés n'influencent les données.
Les données doivent suivre la méthode empirique (étapes que la recherche doit suivre pour produire une recherche scientifique, fiable et valide).
Utiliser uniquement les données qui ont été générées dans le cadre de la recherche.
Conserver les données originales utilisées pour la recherche à des fins de responsabilité.
Normes scientifiques communes : Recherche empirique
Les données empiriques doivent permettre de tirer des conclusions valides, fiables et objectives.
La recherche empirique est une recherche basée sur des observations directes plutôt que sur des opinions subjectives, des données et des techniques d'analyse.
Cette méthode de recherche peut fournir des données qualitatives ou quantitatives. Les psychologues débattent en permanence de la question de savoir si la recherche empirique est la bonne approche pour mener des recherches.
Les principales caractéristiques de la recherche empirique sont :
Ce cadre suit les étapes de la méthode scientifique et fournit des conseils étape par étape sur la façon dont la recherche scientifique doit être menée.
Les données doivent être observables.
Les données doivent être vérifiables.
Le tableau suivant décrit les principales caractéristiques de la recherche empirique et leur relation avec les critères quantitatifs de qualité :
Critères de qualité quantitatifs
Caractéristiques de la recherche empirique
Comment est-elle réalisée ?
Validité
Observable
Les données observables réduisent la probabilité que des perspectives et des expériences subjectives influencent les données et l'analyse.
Fiabilité
Vérifiable
Supposons que nous répétons la recherche de la même manière/ dans un contexte différent/ dans un cadre différent, et que nous obtenons des résultats similaires. Dans ce cas, le chercheur peut vérifier que les résultats et les conclusions sont fiables.
La méthode scientifique fournit aux chercheurs une technique empirique à utiliser, limitant les effets des préjugés et augmentant ainsi la validité. Par conséquent, les déductions statistiques sont déduites de preuves empiriques fondées sur des données.
Critères de qualité - Points clés
La différence entre la recherche qualitative et la recherche quantitative est que la première recueille des données non numériques et la seconde des données numériques.
Les critères de qualité de la recherche sont des exigences que les psychologues ont acceptées et recommandées.
Les critères de qualité des données qualitatives sont la crédibilité, la transférabilité, la fiabilité et la confirmabilité.
Les exemples de critères de qualité pour les données quantitatives sont la validité interne, la validité externe, la fiabilité et l'objectivité.
Les normes communes de la recherche empirique sont qu'elle suit les phases de la méthode scientifique et que les données doivent être observables et vérifiables.
How we ensure our content is accurate and trustworthy?
At StudySmarter, we have created a learning platform that serves millions of students. Meet
the people who work hard to deliver fact based content as well as making sure it is verified.
Content Creation Process:
Lily Hulatt
Digital Content Specialist
Lily Hulatt is a Digital Content Specialist with over three years of experience in content strategy and curriculum design. She gained her PhD in English Literature from Durham University in 2022, taught in Durham University’s English Studies Department, and has contributed to a number of publications. Lily specialises in English Literature, English Language, History, and Philosophy.
Gabriel Freitas is an AI Engineer with a solid experience in software development, machine learning algorithms, and generative AI, including large language models’ (LLMs) applications. Graduated in Electrical Engineering at the University of São Paulo, he is currently pursuing an MSc in Computer Engineering at the University of Campinas, specializing in machine learning topics. Gabriel has a strong background in software engineering and has worked on projects involving computer vision, embedded AI, and LLM applications.