Me Tho Do

Balises de mthodologie pour la recherche en sciences sociales
matriaux de cours en plusieurs modules

Daniel K. Schneider TECFA, Facult de Psychologie et des Sciences de l'Education, Universit de Genve, 40 bd du Pont dArvre, CH-1205 Genve Phone: +41 22 705 9377 Email: Daniel.Schneider@tecfa.unige.ch WWW: http://tecfa.unige.ch/tecfa-people/schneider.html
Mthodes de recherches et de rdaction des mmoires
DKS/TECFA 7/12/00
A propos de ce matriel
Ce document est compos de transparents utiliss par lauteur dans des enseignements de mthodes. Il sagit ici dune nouvelle version, consommer avec prudence donc! Je tiens galement mexcuser pour mes fautes de franais. La matire couverte est assez simple sur le plan technique, mais il ne faut pas sous-estimer les difficults. Apprendre faire des recherches est quelque chose qui sapprend uniquement dans la pratique. Un cours (y compris tout matriel de formation) ne peut fournir quun point de dpart et des balises. Ce document peut tre utilis comme aide pour toute auto-formation. Toutefois, il est indispensable de consulter dautres textes. Il sagit ici dune collection de transparents facilitant surtout le travail dans le cadre dun sminaire et pas dun texte complet! Voici 4 autres sources conseilles:
Manuels dintroduction la recherche Fragnire, 1996 Quivy & van Campenhoudt, 1995
Manuels dintroduction aux mthodes en sciences sociales Thitart, 1999 Brimo, 1972 (ou plus rcent) Marshall & Rossman 1995 (mthodes qualitatives)
DKS/TECFA 7/12/00
Table des matires
1-1
I Introduction
1.
1.1 La recherche cest: 1.2 Les tapes majeurs dune recherche: 1.3 Agencement des lments de ce cours I-2 I-3 I-4 I-7
I-1
Un premier regard sur la recherche .............................................................................................I-2
2.
Objectifs de ce cours dintroduction ...........................................................................................I-5

2.1 Une petite mise en garde
II La notion de recherche scientifique

1.
1.1 Comment caractriser une recherche scientifique ? 1.2 Quest-ce que la science ? 1.3 Quest-ce quune recherche intressante ? II-2 II-4 II-5 II-6 II-7 II-8 II-9 II-11 II-14
II-1
La notion de science ................................................................................................................. II-2
2.
La place de la mthode ................................................................................................................ II-6

2.1 2.2 2.3 2.4 2.5 2.6 Les dimensions pistmologiques de la recherche La porte des thories Le tout ensemble: les composantes de la science:. La notion de paradigme Lapproche Types de recherches
III Elments de la mthodologie

1. 2.
2.1 Lutilit dun cadre danalyse 2.2 Modles et hypothses 2.3 La mesure des concepts thoriques
III-1
III-4 III-5 III-7
DKS/TECFA 7/12/00
La logique de la dmarche empirique .....................................................................................III-2 Simples conceptualisations, oprationalisation et mesure .................................................III-4
Table des matires 2.4 La mesure: observer attributs et comportements de cas III-12 III-16 III-20 III-21 III-26 III-31 III-33 III-37 III-38 III-40 III-41 III-45 III-48 III-49
1-2
3. 4.
Interprtation: La notion de validit (vrit) ........................................................................III-16

3.1 La place de la validit 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 Une premire rflexion sur les causes Lexprience et la quasi-exprimentation La quasi-exprience Conclusion sur la causalit de type exprimental (2 situations) Variables de contrle dans un design non-exprimental Lerreur cologique: un autre pige Les menaces la validit interne Conseils et petits exercices
La causalit ..................................................................................................................................III-20
5. 6.
Analyse et gnralisation .........................................................................................................III-41

5.1 Analyse et gnralisation dans le design statistique 5.2 La mthode comparative 6.1 Rsum des approches dites classiques rencontres ici: 6.2 Choix et complmentarit de mthodes
Conclusion ..................................................................................................................................III-48
B Bibliographie
B-1
DKS/TECFA 7/12/00
I Introduction
Les lments les plus importants de la recherche
Utilisation de ce matriel
DKS/TECFA 7/12/00
Introduction - 1. Un premier regard sur la recherche
I-2
1. Un premier regard sur la recherche

1.1 La recherche cest:
Poser une question bien dfinir les limites bien laborer les dtails
Creuser utiliser des concepts et dfinitions clairs utiliser un outillage appropri et explicite comparer avec les connaissances qui existent Y rpondre avec un texte clair et une structuration logique
DKS/TECFA 7/12/00
I-3
1.2 Les tapes majeurs dune recherche:

1.Identification du sujet
2. Prparation du plan de recherche et du research design
3. La mise en oeuvre + les mauvaises surprises 4. Finir la rdaction
DKS/TECFA 7/12/00
I-4
1.3 Agencement des lments de ce cours

Mthodes pistmologie (logique de recherche) (...) mthodologies et approches (...) mthodes et techniques ( ...) Techniques de travail lecture (recherche et comprhension) (...) gestion (plans, apprentissage, ressources, etc.) (...) prsentation verbale et orale (...) un maillon qui manque et ca rate !!
trouver un sujet prciser un sujet dfinition dun plan de recherche mise en oeuvre rdaction
connaissance du domaine (Ailleurs)

DKS/TECFA 7/12/00
Introduction - 2. Objectifs de ce cours dintroduction
I-5
2. Objectifs de ce cours dintroduction

introduire la notion de la recherche scientifique rendre attentif quelques problmes de mthode donner une vue densemble sur le processus de recherche introduire quelques les techniques de travail familiariser ltudiant avec une partie de la mthodologie moderne des sciences sociales ....... Points les plus importants 1. COMPREHENSION de la notion de la recherche 2. ABOUTIR A UN RESEARCH DESIGN ..... comment planifier une recherche ...... comment faire une recherche (un peu) 3. CONNAISSANCE de certaines mthodes de recherche
4. CONNAISSANCE des exigences pour le mmoire
DKS/TECFA 7/12/00
I-6
A. 2 Ples: Concevoir et instrumenter

(THEORIE)
1. CONCEVOIR
(RESULTAT) (RESULTAT interne)
2. INSTRUMENTER!!
(REALITE)
DKS/TECFA 7/12/00
I-7
2.1 Une petite mise en garde

suivre ce cours est insuffisant .... mais pas de panique ...
vous allez apprendre en discutant et appliquant
En clair: vous ne devez pas savoir ce quil y a dans un plan de recherche, mais vous devez en faire un et ensuite lappliquer .... ca prendra du temps !!
Mthodes de recherches et de rdaction des mmoires DKS/TECFA 7/12/00
I-8
DKS/TECFA 7/12/00
La notion de recherche scientifique - .
II-1
II La notion de recherche scientifique

... thmes:
la place de la mthode dans la recherche
ce qui est une dmarche scientifique ...
lapproche et le paradigme
DKS/TECFA 7/12/00
La notion de recherche scientifique - 1. La notion de science
II-2
1. La notion de science
Pourquoi ce chapitre? pour comprendre comment formuler un projet de recherche pour comprendre comment fonctionnent vos profs
1.1 Comment caractriser une recherche scientifique ?

1. par la thorie de la science: quest-ce qui est connaissance ? connaissance scientifique ? comment raisonner ? dduire ? induire ? modliser ? 2. par la mthode: la mthode approprie pour lobjet de recherche ..... et lgitim par une thorie de la science. 3. par lobjet de recherche: dterminer exactement ce quon veut tudier 4. par le but de recherche: quoi cela doit servir ? 5. par vos moyens: connaissances temps, argent, accs aux donnes, etc. cinq points qui caractrisent et dterminent
DKS/TECFA 7/12/00
II-3
Contraintes entre lments de ces 5 axes: ... un premier regard sur la recherche selon ces 5 axes:
thorie de la science conseil contrainte
mthodes
co
lim
objet
moyens
limite
but
con trai n
in
te
te
nt
ra
lim
ite
ite
DKS/TECFA 7/12/00
II-4
1.2 Quest-ce que la science ?

1. une activit systmatique il faut produire un ensemble cohrent de connaissances les intgrer dans un systme de connaissances 2. centre sur la ralit par exemple la nature, la socit, la pense autrement dit: il ne sagit pas de spculer dans labstrait 3. utilise un outillage prcis (des hypothses, thories, mthodes, etc.) 4. tente de gnraliser en contribuant des thories, en produisant des lois, etc. en plus: 5. une croyance frquente au dterminisme, la conviction que tout phnomne est la consquence ncessaire de conditions communes. Autrement dit: le hasard dans lexplication serait une mesure de notre ignorance. 6. une croyance au principe du relativisme: notre connaissance est imparfaite et relative, .... et surtout en sciences sociales o lhomme est la fois sujet et objet, observateur et observ.
II-5
1.3 Quest-ce quune recherche intressante ?

Il sagit de produire quelque chose de nouveau: de rpondre des questions nouvelles ou danciennes questions sans rponses adquates de rpondre autrement des questions traites dans la littrature et la limite dappuyer des rponses dans la littrature par une nouvelle argumentation.
produire quelque chose qui fait plaisir une certaine communaut (vous ncrivez pas pour vous tout seul!). vous-mme
DKS/TECFA 7/12/00
La notion de recherche scientifique - 2. La place de la mthode
II-6
2. La place de la mthode
2.1 Les dimensions pistmologiques de la recherche
Les thories de la science analysent dun point de vue philosophique les conditions du savoir scientifique et elle formule des recommandations. Les mthodologies faon gnrale dont il faut mener bien une recherche. sappuyant sur des rflexions dune ou plusieurs thories de la science et propose lutilisation dun ensemble de mthodes. Les mthodes recettes gnrales pour tudier une classe de phnomnes donns. sappuient sur des techniques et des mthodes de rflexion Les mthodes de rflexion comment il faut passer des donnes la thorie ou inversement ? .... (influences par les thories de la science). Les techniques recettes pratiques pour acqurir, manipuler, analyser des donnes, manipuler des concepts, etc.
II-7
2.2 La porte des thories

Les grandes thories sattaquent des thmes complexes (pas trs empiriques) .... lvolution de socit, le systme politique, ..... Les thories porte moyenne concernent un domaine plus restreint (ensemble de recherches emp.) ......la mise en oeuvre des lois dans les dmocraties reprsentatives... Les modles formaliss concernent des aspects plus restreints du champ social parfois appuys par des tudes empiriques prcises et pousses. Les modles conceptuels par exemple les langages systmiques, les cadres danalyse .... des outils pour regarder un phnomne sous un certain angle Les hypothses font en rgle gnrale partie dune thorie. Il sagit de propositions claires qui ncessitent dtre testes.
DKS/TECFA 7/12/00
II-8
2.3 Le tout ensemble: les composantes de la science:.

thorie de la science gnral mthodes de rflexion mthodologie lapproche mthodes modle formel techniques particulier hypothses donnes (observations) abstrait
Grande thorie
au service de rassemble dtermine
thorie porte moyenne modles conceptuels modle
concret
DKS/TECFA 7/12/00
II-9
2.4 La notion de paradigme

Origine: Kuhn et sa science normale 1. un but de recherche gnral et asymptotique par ex: comprendre la mise en oeuvre dune politique publique. A ce niveau, on observe des propos plus ou moins bien articuls sur la nature du sujet de recherche. 2. Niveau intermdiaire: thories partielles en stade de pr-modlisation. Par ex: les modles dimplantation dune loi. 3. A un niveau plus bas: les thories empiriquement testes ou constitues. Par ex: limplmentation des politiques publiques en Suisse. 4. Chaque paradigme favorise certaines approches mthodologiques .... une vision de la dmarche scientifique.
DKS/TECFA 7/12/00
II-10
Pourquoi ?? pouvoir sappuyer sur des mthodologies de recherche confirmes diffrents chercheurs peuvent contribuer ensemble lvolution des connaissances Les chercheurs hors paradigme risquent: lincomprhension (les autres vont ignorer des recherches bases sur une mthodologie trs diffrente) lisolement (les rsultats ne sont pas comparables) Il est fortement conseill deffectuer son travail de mmoire ou de sminaire dans un cadre bien structur, donc ne pas faire du LEGO avec tous les lments que lon trouve.
moi je nai jamais fait comme ca
DKS/TECFA 7/12/00
II-11
2.5 Lapproche
approche +/- = mthodologie ou dmarche une faon de faire comprend un ensemble de mthodes utiles pour tudier une certaine classe de phnomnes. par exemple: lapproche fonctionnelle-systmique, lapproche quasi-exprimentale ou encore lapproche comparative. transdisciplinarit: exemple: Lapproche quasi-exprimentale dveloppe en sciences de lducation, mais populaire en analyse de politiques publiques. Attention Frquemment, approche la place de paradigme. par exemple: public policy approach pour dire: (a) on sintresse lanalyse des politiques publiques (b) on sidentifie la mthodologie dominante dans ce milieu. dans ce sens: approach pour paradigme un peu plus soft.
DKS/TECFA 7/12/00
II-12
Un mot sur linterdisciplinarit

Il sagit de combiner plusieurs approches ou paradigmes 3 variantes: Recherche multi-disciplinaire: juxtaposition, sur un mme objet, de recherches conduites selon plusieurs points de vue, chacune conservant sa spcificit, Recherche interdisciplinaire: confrontation et change de mthodes, largir et enrichir Recherche trans-disciplinaire: gnralement un niveau dabstraction lev, thories et concepts communs toutes les sciences sociales,
DKS/TECFA 7/12/00
II-13
A. Difficults
Une recherche multi-disciplinaire est trs difficile mener. Il faut dabord possder des connaissances trs larges et/ou savoir communiquer avec les gens utilisant un autre langage. Une recherche interdisciplinaire est plus simple mener ..... puisquon ne puise que les concepts et mthodes ailleurs, mais il est difficile de se faire accepter par toutes les communauts scientifiques concernes prend plus de temps en rgle gnrale.
essayez de profiter de loutillage dj bien rod dune approche !
DKS/TECFA 7/12/00
II-14
2.6 Types de recherches A. selon le degr de thorisation (en excluant les ingnieries)
1. La description pure et simple: elle na pas de grande valeur scientifique (sauf pour prparer dautres chercheurs) 2. Les classifications, catgorisations etc. mettent de lordre dans les concepts et les donnes: Ltude intelligente de cas Le type Lidal-type Le modle 3. La thorie: gnralise et montre des rgularits. Elle cherche comprendre et/ou expliquer et/ou prdire. Lidal de la recherche aspire au niveau III
DKS/TECFA 7/12/00
II-15
B. Selon la finalit scientifique (Marshall & Rossmann 95: 41)

Finalit exploratoire tude de nouveaux phnomnes prparation dune autre recherche mthodes observation Quest-ce qui se passe participante dans ce programme ? entretiens en Comment fonctionne profondeur cette organisation ? entretiens dlite tude de cas comme ci-dessus Quels vnements, explicative comparative questionnaires comportements, explication des forces qui tude historique analyse de croyances, etc. rsultent causent un phnomne field study documents dans ce phnomne ? ethnographie Quels sont les field study comme ci-dessus descriptive vnements, structures, tude de cas mesures non documentation dun et processus constituant ethnographie intruisives phnomne ce phnomne ? exprience questionnaires Quel est le rsultat dun quasi-exprience analyses de phnomne ? statistique contenu simulation (quantitatives) Quel est le problme ? informatique, droit, plutt qualitatives Comment crer un outil management + ?? (ici)
DKS/TECFA 7/12/00
Question typiques
Approche tude de cas field study
prdictive prdictions globales prdiction dvnements ou comportements dingnierie faire un produit
II-16
DKS/TECFA 7/12/00
Elments de la mthodologie - .
III-1
III Elments de la mthodologie

... thmes: la logique de la dmarche empirique
quelques problmes de mthode
important et pas trs facile
DKS/TECFA 7/12/00
Elments de la mthodologie - 1. La logique de la dmarche empirique
III-2
1. La logique de la dmarche empirique

Les lments clefs dune recherche empirique:
Conceptualisation Vrit: validit(s) fiabilit
Mesure(s)
Analyses & conclusions
Il sagit ici dune simplification de ce qui est au coeur dun research design: Conceptualisations: on explicite les questions, fait des hypothses, tablit un cadre danalyse, dfinit des critres danalyse, etc. Mesures: On va voir sur le terrain (selon un chantillonnage) Analyses & conclusion: On met en rapport mesures, analyses de mesures (statistiques ou qualitatives) avec conceptualisations.
Elments de la mthodologie - 1. La logique de la dmarche empirique
III-3
Les lments clefs dune recherche empirique (bis) Lagencement entre conceptualisation, mesure, analyses et mthodes de conclusion dpend de lapproche choisie. Thme, objectifs rsultat comparaison avec dautres travaux Analyses et conclusions analyses
revue de la littrature questions de recherche
hypothses, prcisions
Conceptualisations
Mesure
collection de de donnes (mesures)
cadres danalyse grilles, etc. oprationalisation
chantillonnage (choix de cas)
DKS/TECFA 7/12/00
Elments de la mthodologie - 2. Simples conceptualisations, oprationalisation et mesure
III-4
2. Simples conceptualisations, oprationalisation et mesure

2.1 Lutilit dun cadre danalyse
Exemple 2-1: Cots et bnfices du job-sharing Question pose dans un mmoire Idheap par Gabrielle Merz-Turkmani (1998): Est-ce que le job-sharing au niveau management cot plus cher ? Voici un simple cadre danalyse: systme ? Cots ? ? suprieur hirarchique Job-Sharing Team collaborateurs ? ? Bnfices
Identifie clairement les composantes dun modle cot-bnfice Postule implicitement ou explicitement des liens, causalits, etc. Note: il manque une dfinition des cots et bnfices ....
III-5
2.2 Modles et hypothses

Au coeur dune recherche empirique il y a des modles et/ou des hypothses Ces constructions mettent en rapport des concepts, postulent des causalits etc. Ces causalits entre variables thoriques nexistent pas tel quel, on peut juste les tester Exemple 2-2: Causalit entre inspections et scurit de travail Hypothse dun mmoire Idheap (Perruchoud, 1998):Un renforcement des effectifs des inspections du travail ou de la CNA engendre une amlioration sensible de la scurit de travail effectifs dinspections inspecteurs/ de travailleurs N inspecteurs/ mio travailleurs corrlation parmi les cas scurit du travail accidents/ travailleurs N accidents/ 1000 travailleurs
indicateurs
observations par cantons
DKS/TECFA 7/12/00
analyses statistiques
postulat
III-6
Limportance de la diffrence (variance)

accidents / travailleurs
canton d
canton a
inspecteurs / travailleurs Stratgies daction dun service face des plaintes
Type de plaintes
stratgie 1
stratgie 2
stratgie 3
pleintes formelles de on ne fait rien on cre une clients (lettres) (4) commission (1) pleintes de notables on cre une commisson (2) on acclre le cas (3)
Sans variances, pas de diffrences .... pas de science

la science veut savoir pourquoi telle chose existe, nexiste pas, est plus forte ou plus faible ...
Sans co-variances, pas de corrlations / causalits ... pas dexplication

III-7
2.3 La mesure des concepts thoriques

Une proposition scientifique contient des concepts (variables thoriques) Exemples: le client, la satisfaction du client, le dveloppement, efficacit Un travail scientifique met ensuite en rapport des concepts ... mais ca flotte dans lair et il faut aller voir sur le terrain: chercher des indicateurs, fabriquer des indices, etc. grce aux corrlations observes on peut sexprimer sur les causes thoriques Exemple 2-3: Job-sharing nest pas inefficace: ??? Concept 1 sharing (oui ou non) Mesure 1 situations concrtes de partage corrlations observables cause Concept 2 efficacit
Mesures 2 ... bnfices cot autre chose ?

DKS/TECFA 7/12/00
III-8
Entre un concept thorique et la mesure il existe 2 liens: 1. abstrait - concret (thorie - observables) Exemples: Mesure de participation politique avec participation aux votations Mesure de succs dune limitation de vitesse avec accidents 2. ensemble - partie (dimensions): Exemples: Dcomposition de participation politique en participation aux lections et interventions de groupes dintrts Dcomposition de dveloppement conomique en industrialisation, urbanisation, transports, communications et ducation. Exemple 2-4: Dimensions des concepts utiliss dans ltude job-sharing Dcomposition de bnfices de job-sharing en productivit, qualit (crativit, innovation, ...), remplacements, absentisme, taux de fluctuation, Dcomposition de cot de job-sharing: salaires, contributions de lemployeur, cots de formation, cot place du travail, cot administratifs (gestion du personnel), cot dintroduction (dveloppement du systme), cot pour le suprieur hirarchique, cot de la gestion dinformation, cot de la coordination......
III-9
Exemple 2-5: La mesure du dveloppement conomique
Concept explicatif
explique
Concept ( expliquer) (ex. dv. conomique)
Indice global Dimension1 (ex. industrialisation) Indice Indicateur (ex. PNB) Dimension2 (ex. urbanisation) Indice2
Indicateur (ex. routes)
Indicateur2 (ex. nergie)
Mesure Mesure (PNB 1996) (km/m2 1996)
DKS/TECFA 7/12/00
III-10
Exemple 2-6: La mesure de lefficacit stratgique dune entreprise la mme problmatique prsent autrement exemple tir de Thitart (1999:173)
Efficacit stratgique
concept
Performance commerciale Chiffre daffaires Profits/chiffre daffaires
Performance financire
dimensions
Profits
indicateurs
indice
DKS/TECFA 7/12/00
III-11
A. Dangers et problmes de loprationalisation:

1. Ecart entre donnes et thorie Exemple: Mesurer la communication dans une organisation avec la quantit des coups de tlphones internes 2. Oubli dune dimension Exemple: Mesurer linfluence des cadres moyens dans une entreprise par leur participation formelle aux dcisions 3. Surcharge dun concept Exemple: Inclure ducation dans la dfinition du dveloppement (cela se justifie, mais en mme temps il sagit dune autre chose) En tout cas: ne mettez jamais des variables explicatives et expliquer dans un mme indice ! 4. Fausses mesures (ou conflits entre mesures)
DKS/TECFA 7/12/00
III-12
2.4 La mesure: observer attributs et comportements de cas A. Lchantillonnage

En rgle gnrale, il faut sassurer quil existe une bonne variance des variables opratives (explicatives et expliquer) car sans variance pas de relation et donc pas de lois. Les techniques dchantillonnage varient en fonction du research design:)
Type de cas choisis variation maximale homognes critiques selon la thorie extrmes ou dviants intenses selon dimension selon critres Usage soit pour gnraliser, soit pour trouver des cas dviants permet de mieux focaliser et comparer prouver ou exemplifier une thorie (gnralisation logique) laboration et examen des questions de recherche (problmatiques thoriques) tester la limite dune explication ou/et chercher un nouveau dpart Etudier loccurrence dun phnomne particulier en dtail Etude de phnomnes particuliers en fonction de critres que lon dsire tudier
suivre (voir le module sur lanalyse qualitative)

III-13
B. Histoires de fiabilit
fiabilit = degr de consistance de mesures dun mme objet 1. par diffrents observateurs 2. par le mme observateur diffrentes occasions Exemple: Mesure deau bouillante Un thermomtre donne toujours 82 => il est fiable (mais pas valide) Lautre donne entre 99 et 101: => il nest pas trs fiable (mais valide) Sous-types de fiabilit (Kirk & Miller): 1. Fiabilit circonstancielle: le fait que les gens disent toujours la mme chose par rapport une question ne veut pas dire que le rsultat est vrai 2. Fiabilit diachronique: le mme type de mesure fonctionne dans le temps 3. Fiabilit synchronique: peut-on obtenir les mme rsultats en utilisant diffrentes techniques? (par ex. observation & entretien) En bref: peut-on reproduire et rpliquer ?
DKS/TECFA 7/12/00
III-14
C. Les 3 C dun indicateur

Est-ce que vos donnes sont compltes ? Souvent il vous manque des donnes ....
Dabord essayez de trouver dautres indicateurs. Ensuite essayez destimer ces donnes manquantes, par exemple par dautres cas similaires
Est-ce que vos donnes sont correctes ? La fiabilit des indicateurs est souvent mauvaise. Exemple: le PNB, il est difficile de mesurer par ex. lconomie souterraine (ou lconomie de troc). Est-ce que vos donnes sont comparables ? Il faut se mfier encore plus de la signification de certains indicateurs. Exemples: (a) PNB/hab. identique pour deux pays ne veut pas dire que les deux populations ont le mme niveau de la vie. (prestations en nature, distribution des revenus, etc.) (b) Dans certains cas la signification thorique change. En France par. ex. on peut mesurer la religiosit avec la frquentation des glises. En Irlande dj cela ne veut rien dire, comme tout le monde tendance aller lEglise assez frquemment.
III-15
D. Techniques de mesures
Il ny a pas que les chiffres ! cette problmatique sera aborde dans dautres modules ! Formes principales
Articulation verbale Situation informelle formelle et non structure formelle et structure non-verbale et verbale observation (participante) observation (systmatique) exprience simulation, etc. orale entretien dinformation entretien ouvert entretien standardis crite analyse de texte questionnaire ouvert questionnaire standardis
DKS/TECFA 7/12/00
Elments de la mthodologie - 3. Interprtation: La notion de validit (vrit)
III-16
3. Interprtation: La notion de validit (vrit)

3.1 La place de la validit
Validit (et fiabilit) se rfrent la qualit de votre dmarche empirique ..... pas lintrt
Jugements Thories Modles (frameworks) Hypothses et modles Mthodologies Mthodes Donnes utilit (comprhension, explication, prdiction) utilit & construction (relation thorie et donnes & cohrence) validit & construction logique (modles) utilit (service la thorie, conduite empirique) Bonne relation avec thorie, hypothses, mthodologie, etc. Bonne relation avec hypothses et modles & fidlit
Un bon travail doit avant tout servir un objectif ! La validit dune thorie ou dun modle se juge par la validit de ses composantes empiriques.
DKS/TECFA 7/12/00
III-17
Autrement dit: Les critres formels les plus importants sont validit et fiabilit il existe plusieurs types de validit de fiabilit les dfinitions ne sont pas toujours les mmes dans la littrature ! UTILITE thorique, pratique, etc. Utilit scientifique CONSTRUCTION, COHERENCE VALIDITE Qualit scientifique FIABILITE ... mais une recherche sera aussi juge sur son utilit et sa cohrence !
DKS/TECFA 7/12/00
III-18
A. La validit selon la doctrine de la recherche quasi-exprimentale

La validit interne dcoule du design de recherche tester si les causes postules dans le modle sont les vraies causes, sil nexiste pas dautres influences sur les variables expliquer. on juge certains designs essentiellement sur cette question La validit externe .... savoir si on peut gnraliser difficile de la contrler. Comment peut-on savoir par ex. quel rgime politique garantit la vie la plus paisible en lan 2047 ? La validit statistique .... savoir si une relation statistique est significative pour les dbutants plutt un problme technique assez simple: seuil derreur minimal selon la doctrine statistique. La validit de construction concerne le raisonnement thorique sur la mesure la question dinterprtation du modle empirique
(par exemple la signification de ses indicateurs) Voir aussi 4.7 Les menaces la validit interne [38] Lectures complmentaires Campbell & Stanley, 1963 et Cook & Campbell, 1975
DKS/TECFA 7/12/00
III-19
B. Typologie derreurs pour la validit interne

Erreur de type 1: croire quune relation (statistique) est bonne ... alors quelle nexiste pas En dautres termes: On rejette tort lhypothse zro (pas de liens entre variables) Erreur de type 2: croire quune relation nexiste pas ... alors quelle existe En dautres termes: on supporte tort lhypothse zro Il existe des mthodes pour viter ces erreurs Voir par exemple chapitre 4.2 Lexprience et la quasi-exprimentation [21], lire aussi section 4.7 [-38]
DKS/TECFA 7/12/00
Elments de la mthodologie - 4. La causalit
III-20
4. La causalit
4.1 Une premire rflexion sur les causes
Une corrlation entre deux variables (mesures) ne prouve pas une relation causale La meilleure protection contre ce type de raisonnement erron reste toujours la rflexion thorique. Exemple: Les criminels on tendance manger plus de patates. On sait quil faut chercher du ct situation conomique prcaire et que manger des patates nest quun indicateur pour cette dernire. Exemple: On a privatis et le service marche mieux (cest peut-tre juste leffet de la rorganisation) Quand vous ntes pas srs, parlez dassociation et non pas de cause Mme si une rflexion thorique semble bonne, il faudrait la tester en principe contre des hypothses rivales. Ici on abordera dabord la comparaison de type exprimental (de la mesure dun effet ventuel dune intervention).
DKS/TECFA 7/12/00
III-21
4.2 Lexprience et la quasi-exprimentation

Lexprimentation est un idal scientifique quon essaye souvent de rpliquer
A. Lidal: Les expriences classiques

contrler des interactions relles entre variables
Principe de base de lexprience en science:

1. On isole lobjet dtude compltement de son environnement et on lobserve (O1) 2. Ensuite, on le soumet un stimulus bien prcis (X) 3. Finalement, on observe les ractions de lobjet (O2).
O1
X1
O2
ou
O1
X1
O2
O1 signifie observation de lobjet non-manipul X signifie stimulus ou traitement ou intervention O2 signifie observation aprs intervention. Effet de lintervention: la diffrence entre O1 et O2
III-22
B. Lexprience en sciences humaines

Il est impossible disoler des individus de lenvironnement Lexprimentation simple utilise un groupe de contrle : R R Principe de base: 1. Deux groupes de sujets choisis au hasard (R): astuce qui limine en principe les effets de variables inconnues Idalement les gens ne savent pas quil participent une exprience 2. La variable indpendante (X) est manipule par le chercheur Analyse des rsultats: on compare les effets
effet (O) traitement: (groupe X) plus grand non-traitement:(groupe non-X) plus petit non-effet(O) plus petit plus grand 100 % 100 % comparaison (verticale!)
O O
X=stimulus, groupe dexprience (variable explicative) O=mesure groupe de contrle (variable dpendante, expliquer)
DKS/TECFA 7/12/00
III-23
Problmes de lexprimentation simple: Slection: Les sujets ne sont pas les mmes dans les deux groupes Ractivit des sujets: Les individus se posent des questions sur lexprience (effets de compensation) ou peuvent changer entre les observations Difficult de contrler certaines variables dans un contexte rel Par exemple: une nouvelle pdagogie peut marcher mieux cause de lenseignant, cause de la quantit de travail demand, cause de la taille du sminaire etc. Lexprimentation simple avec mesure pralable peut contrler la slection: R R O1 O3 X O2 O4 groupe dexprience groupe de contrle
Dsavantage: effets de la premire mesure sur lexprimentation Exemples: (a) Si X est cens amliorer lenseignement, les tests O1 et O3 peuvent dj avoir un effet (b) Si X mesure la disposition linnovation, un questionnaire de personalit au dpart peut sensibiliser les gens Pour contrler ces effets on dduit: de O2-O1 (rsultat brut) leffet de la mesure au dpart O4-O3
III-24
C. La non-exprience: ou ce quil ne faut pas faire

Lexprience sans groupe de contrle ni mesure pralable: X O groupe d exprience
Exemple 4-1: Un faux discours sur la vitesse

Conduire 200 sur lautoroute nest pas dangereux car il y a moins daccidents qu 120/h.
Il manque une vraie comparaison! On ne compare pas les pourcentages dans deux groupes diffrents! Le faux discours ...
x=120/h y=sans accidents ??? y=avec accidents 1000 x=200/h ??? 100 comparaison horizontale des % ???
Les chiffres (imaginaires)...

x=120/h y=sans accidents 1000000 (99.9%) y=avec accidents 1000 (0.1 %)
x=200/h 10000 (99 %) 100 (1 %) comparaison horizontale des %

DKS/TECFA 7/12/00
III-25
Lexprience sans mesure pralable avec groupes mal choisis X O O groupe d exprience groupe de contrle
Pas de contrle de lvolution du groupe de contrle Il nest pas quivalent, pas de randomisation Exemple: Les discours du style ici a va mieux quailleurs parce quon a fait X Lexprience sans groupe de contrle O X O groupe d exprience
On ne sait pas si X tait la cause Exemple: Les discours du type: Maintenant a va mieux, parce quon a fait X
DKS/TECFA 7/12/00
III-26
4.3 La quasi-exprience
On sinspire du design exprimental, notamment pour les points de mesure dans le temps la slection des objets mesurs (chantillonnage) Il manque un vrai contrle: on ne connat pas tous les stimuli (causes) on narrive pas randomiser (liminer le hasard dautres causes) choix de groupes quivalents trop peu de sujets comparer Il faut optimiser le design et rester critique La quasi-exprience est aussi utile que lexprience car on observe les choses dans un cadre naturel Exemples dutilisation en sciences sociales: recherches dvaluation tude des organisations design de questionnaires (notamment pour lchantillonnage)
DKS/TECFA 7/12/00
III-27
A. Les sries temporelles interrompues

O1 O2 O3 O4 X O5 O6 O7 O8
Avantages: on arrive contrler des tendances (trends) (voir pages suivantes) Problmes: Effets externes (un X2 intervient en mme temps que X1) Exemple: On libralise les lois sur le divorce....et on observe plus de divorces, possible cause alternative: On a aussi chang la lgislation qui supporte les mres cheffes de famille (en mieux), alors elles hsitent moins se sparer. Dans ce cas il faut aussi faire attention des effets daccumulation (les gens patientent parfois pour attendre la mise en vigeur de la nouvelle loi pour divorcer plus facilement) Difficults pratiques Obtenir les points de mesure dans le pass et avoir la patience dattendre les effets Exemple: Dans certains quartiers de la ville on instaure des mesures provisoires pour ralentir le trafic. Il manque des mesures pour les annes prcdentes et on na pas la patience dattendre.
III-28
B. Exemples de sries temporelles:

Attention aux recherches qui ne regardent que O5-O4 !!
effet trs probable
B C effet probable D E F G
pas deffet O1
X O2 O3 O4 O5 O6 O7 O8
DKS/TECFA 7/12/00
III-29
A. Leffet statistique est vident (pas besoin dexemple), mais attention: on introduit une mesure, mais leffet est d une autre intervention. B. Effet de feu de paille: On introduit une nouveaut comme des amendes plus leves contre les excs de vitesse. Dabord a marche, ensuite les gens reprennent les habitudes C. Trend naturel (pas besoin dexemple), mais lerreur arrive quand on ne mesure que O4 et O5. D. Confusion entre effets de cycles et intervention Exemple: On prend des mesures contre la hausse des taux dintrts, mais en fait elles sont par hasard intervenues dans un cycle naturel (en politique on agit souvent quand un cycle est au top, voir les politiques conomiques) E. Effet avec dlai: Exemple: Les mesures pour diminuer le trafic en ville (meilleurs transports communs) F. Effet acclration de trend, difficile de faire la diffrence avec (G) parfois G. Evolution exponentielle: mme chose que (C).
DKS/TECFA 7/12/00
III-30
C. Design groupe de contrle non-quivalent

O1 O3 X O2 O4 groupe dexprience groupe de contrle
Avantages: Bon test des causes externes Si O2-O1 est similaire O4-O3, on peut rejeter lhypothse que O2-O1 est leffet de X. Inconvnients: Mauvais contrle des tendances naturelles Problmes: Trouver des groupes quivalents et contrle des effets dinteraction entre les deux groupes (voir 4.7 [-38]) Exemple ( laborer):
Commune A Commune B introduit NPM ne fait rien .... .... comparaison horizontale des rsultats .... ....
Effet 1:cots E 2: satisfaction des clients E 3: .....

DKS/TECFA 7/12/00
III-31
4.4 Conclusion sur la causalit de type exprimental (2 situations) A. Cherchez une double comparaison diachronique et synchronique
O O O O O O O O X O O O O O O O O
1. la comparaison entre diffrentes situations 2. mais avec une srie de mesures dans le temps Difficults: 1. Trouver 2 groupes (dobjets/sujets) comparables 2. Sassurer que le groupe de contrle na pas t sous influence dautres variables Difficults pratiques: Ceux qui vous payent veulent souvent des preuves pour dire du bien ou du mal de lobjet tudi.
DKS/TECFA 7/12/00
III-32
B. Critique: analyse de politiques publiques et quasi-exprience

Le X est en fait souvent un processus ! Par contraste, voil le modle du implementation research: Les diffrents acteurs interviennent tout le long Problme, but et autres lments sont modifis en cours de route groupes sociaux adresss
problme
lgislation mise en oeuvre parlement/ porteurs de administration limplmentation
impact
Pour lvaluation, il faut distinguer (au moins!): efficience (cot), effectivit (rsolution du problme), efficacit (atteint les objectifs), effets secondaires (impact sur dautres comportements) lapproche quasi-exprimentale value leffectivit et lefficacit elle nexplique pas tout mais ses mthodes et techniques sont utiles partout
III-33
4.5 Variables de contrle dans un design non-exprimental

La variable de contrle sert contrler la nature dune relation apparente. Hypothse: Il existe une relation forte entre la participation politique et les dpenses publiques. Cette hypothse peut tre conteste au niveau thorique, cest dire quon peut se demander sil nexiste pas une variable modernit qui cause la fois une participation politique leve et les dpenses publiques leves. Lexemple est tir de Alker (73:89-92) et lanalyse porte sur 26 pays (seulement).
.. expliquer (variable dpendante) Dpenses Dpenses leves faibles 10 (p=83%) 2 (p=17%) 6 (p=43%) 8 (p=57%)
...explicatif Participation leve (variable indpendante) Participation faible
12 (100%) 14 (100%) 26
Le rapport postul existe effectivement, bien que la corrlation soit mdiocre (0.41).
Participation leve ==> 83% de chance pour dpenses gouvern. leves. Participation faible ==> 43% de chance que les dpenses soient leves.
III-34
A. Linfluence de la variable modernit:

La relation reste vraie pour les pays faible dveloppement La modernit influence participation ET dpenses: 57% +/+ contre 58%-/- (effet modernit) Pays dvelopps
Dpenses leves Participation leve 8 (p=80%) (57%/tot) faible 3 (p=75%) 11 Dpenses faibles 2 (p=20%) 1 (p=25%) 3 10 4 14
Pays en voie de dveloppement

Dpenses leves Participation leve 2 (p=100%) faible 3 (p=30%) 5 0 7 (p=70%) (58%/tot) 7 Dpenses faibles 2 10 12
DKS/TECFA 7/12/00
III-35
B. Typologie de structures de causalit (un petit choix)

Causalits caches simples Situation 1: Fausse corrlation (pas de lien entre A et B) C Exemple: L o ont voit des cigognes, il y a plus de naissances naissances (A) et cigognes (B) sont un effet B A (ngatif) de lurbanisation (C) Situation 2: Double effet (A et B sont expliqus par C et/ou la relation entre A et B est fonction de C C C Exemple: ou plus de participation implique plus de dpenses Dveloppement (C) influence B A A B participation (A) et dpenses (B) Situation 3: Chane de causalit A B C
Exemple: Les jeunes sont plus colos Les jeunes (A) ont moins de voitures (C) parce quils sont moins riches (B)
DKS/TECFA 7/12/00
III-36
Exemple dun effet dinteraction plus complexe Situation 4: Effet dinteraction C Exemple: (dun manuel de sociologie) Ltat civil (B) pour les 2 sexes (A) est influence par C (ducation) B femmes hommes +ducation: maries < maris. - ducation: maries > maris ... et bien sr: il faut encore aller creuser plus loin !
Quest-ce qui va vous sauver: une bonne rflexion des bonnes observations une bonne connaissance des techniques danalyse
DKS/TECFA 7/12/00
III-37
4.6 Lerreur cologique: un autre pige

Lorsque vous travaillez avec des donnes agrges: il nest pas judicieux de tirer des conclusions sur les individus qui composent un cas observ. Exemple: Observer que les pays catholiques ont des partis dmocrate-chrtiens forts ne permet pas de dire que les catholiques votent davantage dmocratechrtien que les protestants. .... cest trs plausible, mais pas sr. En tout cas il est beaucoup plus sr dutiliser le terme denvironnement qui caractrise un ensemble dindividus Exemple: En Suisse il est vrai que les Cantons dits protestants votent plus progressistes, mais cest peut-tre grce un lectorat catholique progressiste. Les donnes agrges sur-estiment un comportement moyen!
DKS/TECFA 7/12/00
III-38
4.7 Les menaces la validit interne

Estimation de linfluence dautres variables
Type Dfinition: Variable dpendante = objet tudi (mesur O) Variable indpendante = intervention X
Un autre vnement que X arrive entre les mesures histoire Exemple: Les effets dune lgislation sont dues un autre phnomne (moins de rfugis cause de la situation internationale) Lobjet mesur change naturellement entre les mesures maturation Exemple: Mesurer leffet dun cours de mthodes ne sert rien parce que les gens les apprennent aussi naturellement pendant leurs tudes La mesure elle-mme a un effet sur lobjet testing Exemple: Si on interroge les gens avant lintervention il vont changer cause de cette mesure La mthode pour mesurer ne donne plus les mmes rsultats instrumentation Exemple: Les statistiques sur les petits dlits sont fausses car on ne les annonce plus la police Les diffrences sattnuent naturellement rgression Exemple: On introduit des mesures politiques quand il y a une grande crise statistique (par exemple 5 crimes contres les enfants en une anne) mais lanne daprs il y aurait eu baisse naturellement.
III-39
Type (auto) slection mortalit interaction avec slection Ambigut sur la direction Diffusion ou imitation du traitement Egalisation compensatoire
Dfinition: Variable dpendante = objet tudi (mesur O) Variable indpendante = intervention X Les sujets sauto-slectionnent Exemple: On teste lefficacit dune assistance sociale renforce ... et les bons restent, les mauvais partent. Les sujets ne sont plus les mmes Exemple: on prend des mesures contre certains trafiquants de drogue, mais ils se sont installs ailleurs pour des raisons indpendantes Des effets combinatoires, par exemple le groupe de contrle possde une maturation diffrente Exemple: Est-ce que les gens travaillent mieux dans une organisation libertaire ou est-ce que les gens bien ont besoin de moins de contrle ? Exemple: Une commune fait de la promotion industrielle. La commune voisine qui sert de contrle peut aussi en profiter ou mme imiter un peu. Exemple: Les sujets qui ne reoivent pas un meilleur traitement sont dus.
DKS/TECFA 7/12/00
III-40
4.8 Conseils et petits exercices

Il est toujours bien de connatre fond le sujet tudi Cela vous permet de formuler des hypothses alternatives sur les causes et de les tester Exercices: 1. Quand vous lisez les journaux, essayez dappliquer .... Exemples: Ne croyez pas les politiciens lorsquils se vantent des succs dune mesure ... Mfiez vous des comparaisons entre pays ... 2. Imaginez un problme qui ncessite une intervention: Faites un design optimal pour accompagner une future mesure (dans beaucoup de pays une valuation de toute lgislation est obligatoire) 3. Slectionnez un problme qui vous intresse et o il y a eu intervention: Essayez de voir comment on pourrait mesurer leffet de lintervention (mme chose que (2) mais avec des plus mauvaises conditions). Rflchissez comment conceptualiser le design dun questionnaire comme quasi-exprience ! Ce ntait certainement pas tout en ce qui concerne la causalit .... il sagit dun thme difficile !
Elments de la mthodologie - 5. Analyse et gnralisation
III-41
5. Analyse et gnralisation
il sagit ici dune petite sensibilisation
5.1 Analyse et gnralisation dans le design statistique

Le design statistiques aspire aux thories sous forme de lois on ne sintresse pas au cas (pays, ville, personnes, etc.), mais aux principes Priorit du raisonnement thorique, cause de: la difficult de mesurer (par exemple un sondage pose des questions, mais ne mesure pas directement une variable thorique), la masse des donnes (dans les sondages et les statistiques officielles) la surdtermination (il existe des corrlations entre tout et tout) labsence des donnes, etc. Design Popprien 1. On commence par formuler des hypothses (modles constitus de variables et de relations) 2. On les teste avec des outils statistiques car les stats sont idales pour tester des relations entre variables
III-42
A. Les catgories de base de lapproche statistique

Niveau de raisonnement thorique hypothses Variable concept / catgorie ensemble de variables / attributs Cas dfini par la porte (voir ci-dessous) population mre (pays, personnes, etc.) Relations verbales causalit ou co-occurrence relation entre indices ou indicateurs (selon technique) co-variance entre variables statistiques
oprationalisation mesure
ensemble de dimensions /indices ou indicateurs ensemble dindicateurs chelles (ensemble de valeurs dune chelle) lments (cas) de lchantillon donnes (variables statistiques)
statistique
On ne veut pas connatre les cas individuels (pas de noms!) et on ne conceptualise que ce qui est mesurable!
III-43
Exemple 5-1: Un exemple de sensibilisation pour le design statistique: Hypothse: Le niveau de formation dans un pays est fonction de sa richesse. On mesure les concepts de la faon suivante: richesse: PNB/habitant niveau de formation: taux dalphabtisation Rsultats: Le plot suivant montre le rapport entre PNB/habitant et alphabtisation (selon Worldhandbook 1980 ?): Dans lensemble ca joue, mais les pays marqus par + drangent: il sagit de pays producteurs de ptrole Soit on admet que lhypothse nest pas si bonne que cela ou encore on rvise le modle et on le teste de nouveau. En aucun cas on le droit de dire que le modle joue sauf pour Kowet, Arabie Saoudite, etc.
DKS/TECFA 7/12/00
III-44
100.00 |** 2 22* 2 2 **23**3* ** | *22 ** |2 3 * * * |4 * 2 ** 2 |*** * 2 *** * *22 + *33 * 2* * |* + 3 * * 32* *3 4* 52 * + 52 6* * 6* |------------+-----------------------------------0 X= PNB/habitant en $ 15190
Y a l p h a b e t
On ne veut rien savoir des cas ...... Ce qui nous intresse sont niveau de formation et richesse ainsi que la relation entre ces 2 variables thoriques On les regarde seulement des ides pour formuler une nouvelle thorie.
DKS/TECFA 7/12/00
III-45
5.2 La mthode comparative

Il existe plusieurs variantes En rgle gnrale mthode comparative ne signifie pas juste comparaison, mais cest une approche approprie bcp dtudes de type Idheap. Entre la plupart des variantes existe un dnominateur commun: Dfinition ngative: une approche statistique oprant dans des mauvaises conditions:
trop peu de cas et en mme temps trop de variables problmes de validit externe et de validit statistique
Dfinition positive: une approche qui compare du comparable:

Elle dpasse les simples monographies, permet de tester par ex. certaines hypothses causales (voir aussi: la quasi-exprience)
Une recherche comparative procde souvent par itration entre autres pour liminer les noms (voir: exemple 5-1 Un exemple de sensibilisation pour le design statistique: [43])
III-46
A. La stratgie des cas comparables (most similar systems design)

On matrise mieux le sujet lorsquon prend des cas similaires:
moins de problmes de validit de construction souvent: moins de problmes de fiabilit
Gnralisation plus faible (validit externe) Il faut sassurer quil existe une bonne variance des variables opratives (explicatives et expliquer) car sans variance pas de relation et donc pas de lois ! Les variables de contrle sont constantes (idalement). Ainsi on peut liminer ces variables (ignores dans les hypothses) dans lanalyse. variance des variables opratives variance des variables de contrle maximal
Cette formule dit en gros que a nest pas grave si le groupe choisi nest pas trs homogne condition que les autres variables aient une forte variance
DKS/TECFA 7/12/00
III-47
B. Echantillonnage pour le most similar systems design

On prend tous les cas en fonction du design de recherche (voir aussi cidessous). certaines tudes cotent trs cher et a oblige faire des sacrifices Avant de commencer vos analyses: collectionnez le plus de caractristiques sur les candidats potentiels (de prfrence quantitatives) choisissez des cas diffrents en ce qui concerne votre problmatique mais pareils pour le reste.
Lectures Lijphart, 1995, Holt & Turner, 1960, Holt & Richardson, 1960, La bible: Przeworski & Teune, 1970 (assez difficile)
DKS/TECFA 7/12/00
Elments de la mthodologie - 6. Conclusion
III-48
6. Conclusion
6.1 Rsum des approches dites classiques rencontres ici:
quelques usages Psychologie politique et sociale 4.2 Lexprience et la Analyse de politiques publiques quasi-exprimentation [21] Sondages Analyse des organisations 5.1 Analyse et gnra- Sondages lisation dans le design statistique [41] Politique compare 5.2 La mthode com Analyse de politiques parative [45] publiques approche description Premier idal scientifique: Il sagit de faire un design qui permet de bien contrler les causes et les effets dune intervention (exprimentale ou non) Deuxime idal scientifique: Il sagit de dterminer des lois qui font abstraction des cas observs. Comme lapproche statistique, mais dans des plus mauvaises conditions.
Ces approches peuvent tre combines. Ici on en parle principalement pour illustrer les problmatiques de loprationalisation, de la mesure et de linterprtation
DKS/TECFA 7/12/00
III-49
6.2 Choix et complmentarit de mthodes A. La triangulation des mthodes

Plusieurs points de vue (et surtout de mesures) peuvent consolider / relativiser des rsultats Exemple: La mesure du pouvoir (a) par les dcisions (par exemple Dahl) -> thorie pluraliste (b) par la rputation (par exemple Hunter) -> th. litiste (c) par la position des gens (par exemple Mills) -> th. litiste ==> compromis: pluralit des lites
B. Formation de thories vs. mise lpreuve

Les mthodes qualitatives sont plus aptes pour gnrer des nouvelles thories Les mthodes quantitatives sont plus aptes pour tester / raffiner des thories ... mais les questions de validit (externe, interne, de construction, etc.), de causalit et de mesure se posent tout le temps ! (... suivre)
DKS/TECFA 7/12/00
III-50
DKS/TECFA 7/12/00
Bibliographie - .
B-1
B Bibliographie
Brimo, A. (1972). Les mthodes des sciences sociales. Montchrestien, Paris. Campbell, T. & Stanley, J. (1963). Experimental and quasi-experimental designs for research. Rand McNally, Chicago. Combessie, J.-C. (1996). La mthode en sociologie. Editions La Dcouverte. Dey, I. (1993). Qualitative Data Analysis. Routledge, London. Fragnire, J. (1996). Comment russir un mmoire. Dunod, Paris. Grawitz, M. (1986). Mthodes des sciences sociales. Prcis Dalloz. Dalloz, Paris. Holt, R. & Richardson, J. (1960). Competing paradigms in comparative politics. In Holt, R. & Turner, J., editors, The Methodology of Comparative Research, pages 2172. The Free Press, New York. Holt, R. & Turner, J. (1960). The methodology of comparative research. In Holt, R. & Turner, J., editors, The Methodology of Comparative Research, pages 120. The Free Press, New York. Javeau, C. (1994). Lenqute par questionnaire, Manuel lusage du praticien. Les ditions de lorganisation, Paris. Lijphart, A. (1995). The comparable-cases strategy in comparative research. Political Studies, 2:158177. Marshall, C. & Rossman, G. B. (1995) , Designing Qualitative Research, second edition, Sage, London. Gabrielle Merz-Turkmani (1998) Job-Sharing au Managementebene, Tavaux de cours et mmoires de lIdheap 11.
Bibliographie - .
B-2
Miles, M. B. & Huberman, A. (1994). Qualitative Data Analysis: An Expanded Sourcebook. Sage. Quivy, R. & van Campenhoudt, L. (1995). Manuel de recherche en sciences sociales. Dunod, Paris. Perruchoud, M. (1998). Un partenariat public-priv dans la protection des travailleurs, Tavaux de cours et mmoires de lIdheap 11 Rongre, P. (1979). Mthodes des sciences sociales. Dalloz, Paris, 3 edition. Silverman, D. (1993). Interpreting Qualitative Data. Sage, London. Thitart, R-A. & al. (1999). Mthodes de recherche en management, Dunod, Paris.
DKS/TECFA 7/12/00

Me Tho Do

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Me Tho Do

Загружено:

Авторское право:

Доступные форматы

Balises de mthodologie pour la recherche en sciences sociales

matriaux de cours en plusieurs modules

Mthodes de recherches et de rdaction des mmoires

Mthodes de recherches et de rdaction des mmoires

Table des matires

Un premier regard sur la recherche .............................................................................................I-2

Objectifs de ce cours dintroduction ...........................................................................................I-5

II La notion de recherche scientifique

La notion de science ................................................................................................................. II-2

La place de la mthode ................................................................................................................ II-6

III Elments de la mthodologie

La logique de la dmarche empirique .....................................................................................III-2 Simples conceptualisations, oprationalisation et mesure .................................................III-4

Interprtation: La notion de validit (vrit) ........................................................................III-16

Analyse et gnralisation .........................................................................................................III-41

Mthodes de recherches et de rdaction des mmoires

Les lments les plus importants de la recherche

Mthodes de recherches et de rdaction des mmoires

Introduction - 1. Un premier regard sur la recherche

1. Un premier regard sur la recherche

Mthodes de recherches et de rdaction des mmoires

Introduction - 1. Un premier regard sur la recherche

1.2 Les tapes majeurs dune recherche:

2. Prparation du plan de recherche et du research design

3. La mise en oeuvre + les mauvaises surprises 4. Finir la rdaction

Mthodes de recherches et de rdaction des mmoires

Introduction - 1. Un premier regard sur la recherche

1.3 Agencement des lments de ce cours

connaissance du domaine (Ailleurs)

Introduction - 2. Objectifs de ce cours dintroduction

2. Objectifs de ce cours dintroduction

4. CONNAISSANCE des exigences pour le mmoire

Mthodes de recherches et de rdaction des mmoires

Introduction - 2. Objectifs de ce cours dintroduction

A. 2 Ples: Concevoir et instrumenter

(RESULTAT) (RESULTAT interne)

Mthodes de recherches et de rdaction des mmoires

Introduction - 2. Objectifs de ce cours dintroduction

2.1 Une petite mise en garde

vous allez apprendre en discutant et appliquant

Introduction - 2. Objectifs de ce cours dintroduction

Mthodes de recherches et de rdaction des mmoires

La notion de recherche scientifique - .

II La notion de recherche scientifique

la place de la mthode dans la recherche

ce qui est une dmarche scientifique ...

Mthodes de recherches et de rdaction des mmoires

La notion de recherche scientifique - 1. La notion de science

1.1 Comment caractriser une recherche scientifique ?

Mthodes de recherches et de rdaction des mmoires

La notion de recherche scientifique - 1. La notion de science

thorie de la science conseil contrainte

La notion de recherche scientifique - 1. La notion de science

1.2 Quest-ce que la science ?

La notion de recherche scientifique - 1. La notion de science

1.3 Quest-ce quune recherche intressante ?

Mthodes de recherches et de rdaction des mmoires

La notion de recherche scientifique - 2. La place de la mthode

La notion de recherche scientifique - 2. La place de la mthode

2.2 La porte des thories

Mthodes de recherches et de rdaction des mmoires

La notion de recherche scientifique - 2. La place de la mthode

2.3 Le tout ensemble: les composantes de la science:.

au service de rassemble dtermine

thorie porte moyenne modles conceptuels modle