Méthodes de recherche en psychologie

Identification et définition des variables et de la population

Variables et définitions opérationnelles

Une partie de la génération d’une hypothèse implique l’identification des variables que vous voulez étudier et la définition opérationnelle de ces variables afin qu’elles puissent être mesurées. Les questions de recherche en psychologie portent sur des variables. Une variable est une quantité ou une qualité qui varie selon les personnes ou les situations. Par exemple, la taille des étudiants inscrits à un cours universitaire est une variable car elle varie d’un étudiant à l’autre. La spécialité choisie par les étudiants est également une variable, dans la mesure où tous les étudiants de la classe n’ont pas déclaré la même spécialité. Presque tout dans notre monde varie et il est donc beaucoup plus difficile de trouver des exemples de constantes (choses qui ne varient pas). Un exemple rare de constante est la vitesse de la lumière. Les variables peuvent être soit quantitatives, soit catégoriques. Une variable quantitative est une quantité, telle que la taille, qui est généralement mesurée en attribuant un nombre à chaque individu. Parmi les autres exemples de variables quantitatives, citons le niveau de bavardage des personnes, leur degré de dépression et le nombre de frères et sœurs qu’elles ont. Une variable catégorielle est une qualité, telle que la spécialité choisie, et est généralement mesurée en attribuant une étiquette de catégorie à chaque individu (par exemple psychologie, anglais, soins infirmiers, etc.). D’autres exemples incluent la nationalité des personnes, leur profession et le fait qu’elles suivent une psychothérapie.

Après avoir généré son hypothèse et sélectionné les variables qu’il souhaite manipuler et mesurer, le chercheur doit trouver des moyens de mesurer réellement les variables d’intérêt. Cela nécessite une définition opérationnelle – une définition de la variable en termes de la manière précise dont elle doit être mesurée. La plupart des variables que les chercheurs souhaitent étudier ne peuvent pas être observées ou mesurées directement, ce qui pose un problème car l’empirisme (l’observation) est au cœur de la méthode scientifique. La définition opérationnelle d’une variable implique de prendre une construction abstraite comme la dépression qui ne peut être observée directement et de la transformer en quelque chose qui peut être observé et mesuré directement. La plupart des variables peuvent être définies de manière opérationnelle de nombreuses façons différentes. Par exemple, la dépression peut être définie de manière opérationnelle comme les scores des personnes sur une échelle de dépression papier-crayon telle que l’inventaire de dépression de Beck, le nombre de symptômes dépressifs qu’elles ressentent ou le fait qu’elles aient reçu un diagnostic de trouble dépressif majeur. Il est sage pour les chercheurs de choisir une définition opérationnelle qui a été largement utilisée dans la littérature de recherche.

Échantillonnage et mesure

En plus d’identifier les variables à manipuler et à mesurer, et de définir opérationnellement ces variables, les chercheurs doivent identifier la population d’intérêt. Les chercheurs en psychologie sont généralement intéressés à tirer des conclusions sur un certain groupe très important de personnes. C’est ce qu’on appelle la population. Il peut s’agir de tous les adolescents américains, d’enfants atteints d’autisme, d’athlètes professionnels ou même de simples êtres humains, selon les intérêts et les objectifs du chercheur. Mais ils n’étudient généralement qu’un petit sous-ensemble ou échantillon de la population. Par exemple, un chercheur peut mesurer la capacité de parler de quelques centaines d’étudiants universitaires dans le but de tirer des conclusions sur la capacité de parler des hommes et des femmes en général. Il est donc important pour les chercheurs d’utiliser un échantillon représentatif – un échantillon qui est similaire à la population sur des points importants.

Une méthode pour obtenir un échantillon est l’échantillonnage aléatoire simple, dans lequel chaque membre de la population a une chance égale d’être sélectionné pour l’échantillon. Par exemple, un sondeur pourrait commencer avec une liste de tous les électeurs inscrits dans une ville (la population), en choisir 100 au hasard dans la liste (l’échantillon) et demander à ces 100 personnes pour qui elles ont l’intention de voter. Malheureusement, l’échantillonnage aléatoire est difficile, voire impossible, dans la plupart des recherches en psychologie, car les populations sont moins clairement définies que les électeurs inscrits dans une ville. Comment un chercheur pourrait-il donner à tous les adolescents américains ou à tous les enfants autistes une chance égale d’être sélectionnés pour un échantillon ? L’alternative la plus courante à l’échantillonnage aléatoire est l’échantillonnage de convenance, dans lequel l’échantillon est constitué d’individus qui se trouvent à proximité et qui sont prêts à participer (comme les étudiants en introduction à la psychologie). Bien sûr, le problème évident de l’échantillonnage de convenance est que l’échantillon pourrait ne pas être représentatif de la population et qu’il pourrait donc être moins approprié de généraliser les résultats de l’échantillon à cette population.

Recherche expérimentale vs recherche non expérimentale

L’étape suivante qu’un chercheur doit franchir est de décider du type d’approche qu’il utilisera pour collecter les données. Comme vous l’apprendrez dans votre cours sur les méthodes de recherche, il existe de nombreuses approches différentes de la recherche qui peuvent être divisées de nombreuses façons différentes. L’une des distinctions les plus fondamentales est celle entre la recherche expérimentale et la recherche non expérimentale.

Recherche expérimentale

Les chercheurs qui veulent tester des hypothèses sur les relations causales entre les variables (c’est-à-dire que leur objectif est d’expliquer) doivent utiliser une méthode expérimentale. En effet, la méthode expérimentale est la seule méthode qui nous permette de déterminer des relations causales. En utilisant l’approche expérimentale, les chercheurs manipulent d’abord une ou plusieurs variables tout en essayant de contrôler les facteurs étrangers, puis ils mesurent comment les variables manipulées affectent les réponses des participants.

Les termes variable indépendante et variable dépendante sont utilisés dans le contexte de la recherche expérimentale. La variable indépendante est la variable que l’expérimentateur manipule (c’est la cause présumée) et la variable dépendante est la variable que l’expérimentateur mesure (c’est l’effet présumé).

Les confondus sont également un terme assez spécifique à la recherche expérimentale. Un facteur de confusion est une variable étrangère (donc une variable autre que la variable indépendante et la variable dépendante) qui varie systématiquement avec les variables étudiées et qui fournit donc une explication alternative aux résultats. Lorsque les chercheurs conçoivent une expérience, ils doivent s’assurer qu’ils contrôlent les facteurs de confusion ; ils doivent s’assurer que les variables étrangères ne deviennent pas des variables confusionnelles car, pour pouvoir tirer une conclusion causale, ils doivent s’assurer que les explications alternatives des résultats ont été exclues.

À titre d’exemple, si nous manipulons l’éclairage de la pièce et examinons les effets de cette manipulation sur la productivité des travailleurs, alors les conditions d’éclairage (lumières vives vs lumières tamisées) seraient considérées comme la variable indépendante et la productivité des travailleurs serait considérée comme la variable dépendante. Si les lumières vives sont bruyantes, alors ce bruit sera un facteur de confusion puisque le bruit sera présent lorsque les lumières sont vives et absent lorsque les lumières sont faibles. Si le bruit varie systématiquement avec la lumière, nous ne pourrions pas savoir si une différence de productivité des travailleurs dans les deux conditions d’éclairage est due au bruit ou à la lumière. Les facteurs de confusion sont donc mauvais, ils perturbent notre capacité à tirer des conclusions causales sur la nature de la relation entre les variables. Cependant, s’il y a du bruit dans la pièce à la fois lorsque les lumières sont allumées et lorsqu’elles sont éteintes, le bruit est simplement une variable étrangère (c’est une variable autre que la variable indépendante ou dépendante) et nous ne nous préoccupons pas beaucoup des variables étrangères. En effet, à moins qu’une variable ne varie systématiquement avec la variable indépendante manipulée, elle ne peut pas être une explication concurrente des résultats.

Recherche non expérimentale

Les chercheurs qui souhaitent simplement décrire les caractéristiques des personnes, décrire les relations entre les variables et utiliser ces relations pour faire des prédictions peuvent utiliser la recherche non expérimentale ou descriptive. Avec l’approche non expérimentale, le chercheur mesure simplement les variables telles qu’elles se présentent naturellement, mais il ne les manipule pas. Par exemple, si je me contente de mesurer le nombre d’accidents mortels de la route survenus aux États-Unis l’année dernière et impliquant l’utilisation d’un téléphone portable, mais que je ne manipule pas l’utilisation de ce dernier, il s’agit d’une recherche non expérimentale. Par ailleurs, si je me tenais à une intersection très fréquentée et que je notais le sexe des conducteurs et s’ils utilisaient ou non un téléphone portable lorsqu’ils traversaient l’intersection, afin de déterminer si les hommes ou les femmes sont plus susceptibles d’utiliser un téléphone portable au volant, il s’agirait d’une recherche non expérimentale. Il est important de souligner que non expérimental ne signifie pas non scientifique. La recherche non expérimentale est de nature scientifique. Elle peut être utilisée pour atteindre deux des trois objectifs de la science (décrire et prédire). Cependant, contrairement à la recherche expérimentale, nous ne pouvons pas faire de conclusions causales en utilisant cette méthode ; nous ne pouvons pas dire qu’une variable cause une autre variable en utilisant cette méthode.

Recherche en laboratoire vs recherche sur le terrain

La prochaine distinction majeure entre les méthodes de recherche est entre les études en laboratoire et les études sur le terrain. Une étude en laboratoire est une étude qui est menée dans l’environnement du laboratoire. En revanche, une étude de terrain est une étude qui est menée dans le monde réel, dans un environnement naturel.

Les expériences en laboratoire ont généralement une validité interne élevée. La validité interne fait référence au degré auquel nous pouvons déduire avec confiance une relation causale entre les variables. Lorsque nous menons une étude expérimentale dans un environnement de laboratoire, nous avons une validité interne très élevée car nous manipulons une variable tout en contrôlant toutes les autres variables extérieures étrangères. Lorsque nous manipulons une variable indépendante et que nous observons un effet sur une variable dépendante, et que nous contrôlons tout le reste de sorte que la seule différence entre nos groupes expérimentaux ou nos conditions est la variable manipulée, nous pouvons être sûrs que c’est la variable indépendante qui cause le changement dans la variable dépendante. En revanche, comme les études de terrain sont menées dans le monde réel, l’expérimentateur a généralement moins de contrôle sur l’environnement et les variables étrangères potentielles, et cela diminue la validité interne, ce qui rend moins appropriée l’obtention de conclusions causales.

Mais il y a généralement un compromis entre la validité interne et externe. Lorsque la validité interne est élevée, la validité externe tend à être faible ; et lorsque la validité interne est faible, la validité externe tend à être élevée. La validité externe fait simplement référence au degré de généralisation des résultats à d’autres circonstances ou contextes, comme l’environnement réel. Ainsi, les études en laboratoire ont généralement une validité externe faible, tandis que les études sur le terrain ont généralement une validité externe élevée. Puisque les études de terrain sont menées dans l’environnement du monde réel, il est beaucoup plus approprié de généraliser les résultats à cet environnement du monde réel que lorsque la recherche est menée dans un laboratoire stérile plus artificiel.

Enfin, il existe des études de terrain qui sont de nature non expérimentale car rien n’est manipulé. Mais il y a aussi les expériences de terrain où une variable indépendante est manipulée dans un cadre naturel et où les variables étrangères sont contrôlées. En fonction de leur qualité globale et du niveau de contrôle des variables étrangères, de telles expériences de terrain peuvent avoir une validité externe élevée et une validité interne élevée.