Fiche de révision : Introduction aux méthodes en psychologie

📋 Plan du Cours

1. Initiation pratique à l’éthique et expérimentation
2. Stratégies de recherche en psychologie
3. Science participative et science citoyenne
4. Processus de publication et revue par les pairs
5. Hypothèses générales, opérationnelles et statistiques
6. Variables et stratégies expérimentales
7. Méthode descriptive et méthode corrélationnelle
8. Méthode expérimentale et causalité
9. Variables parasites et solutions de contrôle
10. Plan d’expérience et contrebalancement
11. Plans factoriels et types inter intra mixte
12. Quasi-expérimentation et validité interne

📖 1. Initiation pratique à l’éthique et expérimentation

🔑 Notions clés & Définitions

• Science participative : Forme de production de connaissance où des acteurs non professionnels participent activement et délibérément à la production scientifique.
• Science citoyenne : Démarche où des citoyens portent des questions et la recherche vise à répondre à des problèmes ou à satisfaire une curiosité citoyenne.
• Crowd-sourcing : Technique consistant à faire appel à un grand nombre de personnes pour sous-traiter une tâche.
• Revue scientifique : Publication évaluée par des experts qui examinent anonymement un manuscrit avant acceptation et diffusion.
• Hypothèse générale : Énoncé théorique décrivant un lien supposé entre deux ou plusieurs variables, servant de ligne directrice.

📝 Points essentiels

• La recherche part de questionnements quotidiens et peut aller de l’intuition à une démarche expérimentale structurée.
• La science participative mobilise des non-professionnels pour produire des connaissances, pas seulement pour observer.
• Trois limites des sciences participatives sont : conflits d’intérêt, vulgarisation insuffisante, et accès à des données sensibles.
• Le fonctionnement académique passe par la rédaction d’études, leur soumission à une revue, puis une évaluation anonyme par des pairs.
• Si le manuscrit est accepté après modifications éventuelles, il est publié puis peut être appliqué (ex. brevets) et diffusé au public.
• Une hypothèse générale formule un lien supposé entre variables et présuppose souvent une relation causale.

💡 Astuce mémo

Participative = Acteurs non pro + Délibéré + Connaissance; Revue = Anonyme → Acceptation → Publication.

📖 2. Stratégies de recherche en psychologie

🔑 Notions clés & Définitions

• Hypothèse nulle H0 : L’hypothèse nulle décrit l’absence de relation entre les variables étudiées et sert de référence pour les tests statistiques.
• Hypothèse alternative H1 : L’hypothèse alternative exprime l’existence d’une relation entre les variables et est considérée quand H0 est rejetée.
• Hypothèses orientées : Les hypothèses orientées précisent le sens attendu de l’effet de la variable indépendante sur la variable dépendante.
• Hypothèses non orientées : Les hypothèses non orientées prévoient seulement qu’il existe un effet, sans préciser son sens.
• Échelles d’intervalle : Les échelles d’intervalle permettent d’ordonner les modalités et supposent que les écarts entre paliers sont numériquement égaux, avec un zéro arbitraire.

📝 Points essentiels

• La traduction statistique d’une hypothèse consiste à formuler H0 (absence de relation) puis à utiliser les statistiques pour juger si le résultat surprend sous H0.
• Les statistiques servent à quantifier la probabilité d’observer des résultats au moins aussi extrêmes si H0 est vraie.
• Si les résultats ne conduisent pas à rejeter H0, alors H0 est non infirmée et H1 est infirmée.
• Si les résultats conduisent à rejeter H0, alors l’hypothèse alternative H1 est non infirmée.
• Une hypothèse orientée (unilatérale) prend position sur le sens de l’effet et est généralement plus valorisée qu’une hypothèse non orientée (bilatérale).
• Le cours retient, pour simplifier, que les échelles de Likert sont traitées comme des échelles d’intervalle malgré des débats sur leur classement ordinal vs intervalle.

💡 Astuce mémo

H0 = “pas de lien” ; H1 = “lien présent” ; orientée = “sens précisé”, non orientée = “sens indifférent”.

📖 3. Science participative et science citoyenne

🔑 Notions clés & Définitions

• Science participative : Démarche où des non-chercheurs contribuent à la collecte, au traitement ou à l’analyse de données pour soutenir une recherche scientifique.
• Science citoyenne : Forme de science participative portée par des citoyens, souvent organisée autour d’objectifs de recherche et de production de données.
• Variable indépendante : Variable choisie par le chercheur pour expliquer ou prédire un phénomène, en étant indépendante du participant au sens strict.
• Variable invoquée : Variable propre aux participants, présente “dans la nature”, sur laquelle l’expérimentateur ne peut pas agir (souvent pour des raisons éthiques).

📝 Points essentiels

• Une variable indépendante est manipulée ou, au minimum, mesurée par le chercheur pour faire varier ou observer le phénomène d’intérêt sans dépendre du participant.
• Dans l’expérimentation, le chercheur assigne des modalités de la variable à chaque participant, la détermination pouvant être faite au hasard.
• Une variable invoquée correspond à une caractéristique des participants, sans contrôle direct de l’expérimentateur, et elle ne dépend pas de l’expérimentateur.
• Exemple de variable provoquée : attribuer au participant une pièce froide ou chaude pour étudier l’effet de la température.
• Exemple de variable invoquée : étudier l’impact de la ceinture de sécurité sans demander au participant de la mettre ou non, car l’intérêt de la question serait perdu.
• Comparaison : variable provoquée (chercheur attribue et peut manipuler) versus variable invoquée (caractéristique naturelle, pas d’action du chercheur).

💡 Astuce mémo

Provoquée = Provoque par le chercheur ; Invoquée = Inexistante à contrôler, elle “vient” des participants.

📖 4. Processus de publication et revue par les pairs

🔑 Notions clés & Définitions

• Variable indépendante : La variable indépendante est le facteur manipulé par le chercheur pour tester son effet sur une autre variable.
• Variable dépendante : La variable dépendante est le résultat mesuré qui est censé varier en réponse à la variable indépendante.
• Variable parasite : Une variable parasite est une source de variation non désirée qui peut perturber ou expliquer la relation entre variable indépendante et variable dépendante.
• Variable de confusion : Une variable de confusion est un facteur lié à la fois à la cause supposée et à l’effet, pouvant produire une fausse association.
• Contrebalancement : Le contrebalancement est une méthode qui répartit systématiquement l’ordre des modalités pour limiter les effets d’ordre, de fatigue ou d’apprentissage.

📝 Points essentiels

• Une véritable expérience comporte une manipulation de variables indépendantes, une répartition aléatoire, et un contrôle expérimental des conditions.
• L’aléatorisation consiste à utiliser un tirage au sort pour éviter que l’humain ne génère le hasard de façon biaisée.
• Le contrôle expérimental vise à neutraliser des variables parasites potentielles en agissant sur la situation expérimentale.
• Pour parler de causalité, la théorie doit expliquer un mécanisme et permettre des prédictions spécifiques.
• Les trois conditions de causalité sont l’association, la priorité temporelle, et l’élimination des explications alternatives via des relations réelles.
• L’association exige que la variable cause supposée (VI) soit liée à la variable effet (VD).

💡 Astuce mémo

Association + Priorité + Relations réelles = causalité (APR).

📖 5. Hypothèses générales, opérationnelles et statistiques

🔑 Notions clés & Définitions

• Contrebalancement : Le contrebalancement est une méthode d’organisation des ordres de présentation pour limiter les effets dus à la séquence d’exposition.
• Contrebalancement partiel : Le contrebalancement partiel consiste à ne pas utiliser toutes les séquences possibles, en tirant au sort parmi elles.
• Plan factoriel : Un plan factoriel est un plan où chaque modalité d’un facteur est combinée avec chaque modalité des autres facteurs.
• Plan factoriel inter-sujet : Un plan factoriel inter-sujet signifie que toutes les variables indépendantes sont manipulées entre des participants différents.
• Plan factoriel intra-sujet : Un plan factoriel intra-sujet signifie que toutes les variables indépendantes sont manipulées au sein des mêmes participants.

📝 Points essentiels

• Le contrebalancement réduit l’effet d’ordre qui peut modifier la réaction des participants et augmenter fatigue ou suspicions.
• Le nombre de séquences différentes pour un contrebalancement complet se calcule avec $k!$ où $k$ est le nombre de modalités.
• Avec 3 modalités, on obtient $3!=6$ séquences différentes, et avec 6 modalités on obtient $6!=720$ séquences.
• Le plan factoriel permet de tester des hypothèses plus fines et reflète mieux des situations où les variables ne sont pas isolées.
• Le nombre de conditions expérimentales d’un plan factoriel se trouve en multipliant le nombre de modalités de chaque variable indépendante.
• Plan factoriel mixte : il combine au moins une variable inter-sujet et au moins une variable intra-sujet, comme “animal (inter)” et “moment (intra)”.

💡 Astuce mémo

Ordre = $k!$ : plus de modalités, plus de séquences (factoriel) ; contrebalancer = neutraliser l’effet d’ordre.

📖 6. Variables et stratégies expérimentales

🔑 Notions clés & Définitions

• Effet principal : L’effet principal correspond à l’influence moyenne d’une variable indépendante sur la variable dépendante, en ignorant les autres variables du plan factoriel.
• Interaction : Une interaction décrit des situations où l’effet d’une variable indépendante sur la variable dépendante change selon le niveau d’une autre variable du plan factoriel.
• Plan factoriel : Un plan factoriel organise plusieurs variables indépendantes pour étudier séparément leurs effets principaux et leurs interactions sur une variable dépendante.
• Méthode quasi-expérimentale : Une méthode quasi-expérimentale est un dispositif où l’on ne peut pas répartir au hasard les participants dans les conditions, ce qui réduit la validité interne par rapport à l’expérimental.
• Plans à groupes non-équivalents : Des plans à groupes non-équivalents comparent des groupes sans garantie d’égalité initiale, ce qui oblige à utiliser des contrôles spécifiques pour limiter les biais.

📝 Points essentiels

• Dans un plan factoriel, l’effet d’une VI sur une VD se définit au niveau moyen des modalités des autres VI.
• Une interaction existe quand l’effet d’une VI est modifié par une autre VI du plan factoriel.
• Quand il n’y a pas d’effet principal ni d’interaction, les modalités de chaque VI ne changent pas la VD en moyenne.
• Quand il y a interaction, on observe la présence d’au moins un effet principal et/ou une modification de l’effet d’une VI selon l’autre.
• En L1, l’interaction est souvent jugée visuellement, mais la significativité statistique et l’interprétation peuvent être difficiles.
• Une méthode quasi-expérimentale est utilisée quand des raisons pratiques ou éthiques empêchent la répartition aléatoire des participants dans les conditions expérimentales.

💡 Astuce mémo

Effet principal = moyenne toutes les autres ; Interaction = effet qui change selon l’autre.

📖 7. Méthode descriptive et méthode corrélationnelle

🔑 Notions clés & Définitions

• Méthode descriptive : Approche visant à décrire un phénomène humain en détaillant ses caractéristiques observables sans chercher à établir une relation causale.
• Méthode corrélationnelle : Approche qui étudie le lien statistique entre deux variables afin d’évaluer s’elles varient ensemble, sans conclure à la causalité.
• Consentement libre et éclairé : Principe éthique imposant que la personne accepte volontairement et comprenne les informations pertinentes avant de participer à une recherche.
• Conflit d’intérêts : Situation où un intérêt personnel pourrait influencer, ou sembler influencer, l’impartialité d’un agent dans l’exercice de ses fonctions.

📝 Points essentiels

• Les contours du comportement humain sont flous, ce qui rend la description et l’étude des relations entre variables particulièrement délicates.
• La méthode descriptive se concentre sur les caractéristiques observées du comportement, sans test de causalité.
• La méthode corrélationnelle mesure une association entre variables et sert à repérer des relations, pas à prouver qu’une variable cause l’autre.
• Le consentement libre et éclairé peut être peu lu par les participants si l’information est remplacée par un message sans lien avec l’étude, ce qui illustre l’enjeu de la compréhension réelle.
• L’habilitation à conduire des recherches encadre qui peut mener une étude, avec responsabilité et supervision des participants sous l’autorité du chercheur.
• Un conflit d’intérêts doit être déclaré lors de la promotion ou de la critique d’un sujet, car il peut conduire à une influence réelle ou perçue comme telle.

📖 8. Méthode expérimentale et causalité

🔑 Notions clés & Définitions

• Dupe rie et ruse expérimentales : Méthode de dissimulation du but réel d’une étude, utilisée pour limiter les biais liés aux attentes des participants jusqu’au débriefing.
• Cover story : Histoire de couverture inventée pour détourner le participant de la vraie implication de l’étude pendant la phase expérimentale.
• Débriefing : Étape de fin d’étude qui informe le participant sur ce qui a été fait et pourquoi, après la collecte des données.
• Validité interne : Critère de vérité de la conclusion permettant d’affirmer qu’une relation de causalité a bien été établie entre variable indépendante et variable dépendante dans le contexte de l’étude.
• Validité des mesures : Niveau de qualité des instruments et procédures de mesure, garantissant que les variables observées correspondent bien à ce qu’on veut mesurer.

📝 Points essentiels

• La duperie vise à préserver la validité de l’étude en évitant les effets d’attentes des participants.
• Des cover stories peuvent être utilisées pour masquer la réelle implication de l’étude jusqu’à la fin.
• On ne peut pas tromper sur des éléments susceptibles d’influencer la décision de participer, par exemple si l’étude implique des images choquantes.
• Le débriefing est impératif à la fin, mais des effets psychologiques peuvent persister même après explication.
• Si l’étude induit un état émotionnel négatif, il peut être nécessaire de ramener les participants à leur humeur initiale.
• La validité est une approximation de la vérité ou de la fausseté des propositions et doit être évaluée selon les objectifs de recherche.

💡 Astuce mémo

Dupe → cover story → débriefing : on masque pour éviter les attentes, puis on révèle pour réparer—mais l’impact émotionnel peut rester.

📖 9. Variables parasites et solutions de contrôle

🔑 Notions clés & Définitions

• Validité interne : La validité interne désigne la capacité d’une étude à attribuer les différences observées à la variable manipulée plutôt qu’à d’autres causes.
• Variables parasites : Les variables parasites sont des facteurs non contrôlés qui peuvent influencer la variable dépendante et fausser l’attribution causale.
• Mortalité expérimentale : La mortalité expérimentale correspond aux abandons ou pertes de participants pendant l’étude, pouvant créer des différences entre conditions.
• Validité échantillonale : La validité échantillonale concerne la question de la généralisation des résultats à l’ensemble de la population.
• WEIRD : WEIRD désigne des échantillons majoritairement occidentaux, éduqués, industrialisés, riches et démocratiques, souvent surreprésentés en psychologie.

📝 Points essentiels

• La relation causale est considérée établie quand les différences observées peuvent être attribuées à la variable indépendante dans le contexte expérimental étudié.
• La validité interne est un critère minimal et idéal, mais elle reste limitée au cadre spécifique de l’expérience.
• Des obstacles à la validité interne incluent les attentes des chercheurs et des participants, les fluctuations de l’instrumentation, la répartition des participants entre conditions et la contamination par des variables.
• La mortalité expérimentale augmente le risque de biais, surtout dans les études longitudinales où les participants peuvent arrêter à tout moment.
• Un biais de mortalité apparaît quand le taux d’abandon diffère entre conditions, par exemple si des participants d’une condition refusent davantage la tâche.
• Le manque de validité échantillonale est une critique fréquente en sciences comportementales, car les échantillons sont souvent peu représentatifs de la population mondiale.

💡 Astuce mémo

Validité interne = « cause unique » ; mortalité = « pertes inégales » ; validité échantillonale = « généraliser ou non ».

📖 10. Plan d’expérience et contrebalancement

🔑 Notions clés & Définitions

• Contrebalancement : Procédure de planification qui répartit l’ordre ou les conditions entre participants pour limiter les effets dus à la position ou au déroulement.
• Échantillonnage représentatif : Stratégie d’échantillonnage visant à inclure, dans l’échantillon, des catégories pertinentes dans des proportions permettant la généralisation.
• Validité interne : Qualité d’un plan expérimental qui garantit que les effets observés sur la variable dépendante proviennent bien de la variable indépendante.
• Validité externe : Capacité des résultats à se généraliser à d’autres personnes, contextes ou situations que ceux de l’étude.
• Validité conceptuelle : Qualité qui vérifie que la mesure correspond réellement au construit théorique visé.

📝 Points essentiels

• Le plan doit respecter les mêmes enjeux d’échantillonnage que ceux nécessaires pour généraliser les résultats à la population étudiée.
• Pour généraliser sur un effet lié à l’âge, il faut que les stimuli (ex. visages) soient tirés au sort dans un ensemble représentatif de catégories d’âge.
• Sans validité interne suffisante, la validité externe perd de son sens car on ne sait plus si l’effet observé est attribuable à la VI.
• Les formes de réalisme (expérimental, ordinaire, psychologique) peuvent varier indépendamment, même si elles vont souvent ensemble.
• Le contrôle des manipulations sert à vérifier que la VI produit bien une variation sur le construit théorique correspondant, via une mesure distincte de la VD.
• Si le contrôle des manipulations n’est pas affecté par la VI, on a plus de difficulté à conclure que la manipulation a échoué, mais cela ne garantit pas automatiquement l’absence d’autres problèmes (mesure non valide ou/

📖 11. Plans factoriels et types inter intra mixte

🔑 Notions clés & Définitions

• Biais de demande : Le biais de demande est un phénomène où les participants infèrent l’objectif de l’étude et ajustent leur comportement, consciemment ou non, pour s’y conformer.
• Double aveugle : Le double aveugle est un dispositif où ni le participant ni l’expérimentateur ne connaissent la condition expérimentale.
• Effet Hawthorne : L’effet Hawthorne désigne l’altération du comportement simplement due au fait d’être observé dans un contexte expérimental.
• Effet John Henry : L’effet John Henry correspond à une surcompensation du groupe contrôle quand les participants savent qu’ils sont désavantagés.
• Effet Pygmalion : L’effet Pygmalion décrit l’amélioration ou la dégradation des performances sous l’influence d’attentes positives ou négatives.

📝 Points essentiels

• Le contrôle des manipulations n’est pas un gage de conclusions définitives, car il peut y avoir une déperdition de l’effet et des résultats non détectables.
• La décision d’ajouter un contrôle des manipulations doit être évaluée par une analyse coût-bénéfice, avec des alternatives possibles.
• Le contrôle des manipulations ≠ contrôle de compréhension ≠ contrôle des suspicions, car ces contrôles ne mesurent pas la même chose.
• Le biais de demande menace surtout la validité externe, donc la généralisation et la réplication des résultats.
• Dans le double aveugle, l’idéal est que le participant ignore les hypothèses et comportements attendus, mais cela est rarement totalement vrai (ex. étudiants cherchant à aider).
• L’effet Hawthorne a été étudié dans des expériences menées entre 1924 et 1932 à la Western Electric Company Hawthorne Works (Illinois, États-Unis).

💡 Astuce mémo

Demande = « ils devinent le but » → ils s’adaptent ; Hawthorne = « on me regarde » ; John Henry = « je compense » ; Pygmalion = « j’attends → ça change ».

📖 12. Quasi-expérimentation et validité interne

🔑 Notions clés & Définitions

• Quasi-expérimentation : Méthode où l’on compare des groupes sans assignation aléatoire stricte, ce qui rend la validité interne plus fragile.
• Validité interne : Degré de confiance dans le fait que l’effet observé vient bien de la cause étudiée et non d’autres facteurs.
• Biais de demande : Distorsions dues au fait que les participants perçoivent des attentes et ajustent leurs réponses en conséquence.
• Caractéristiques de la demande expérimentale : Indices contextuels saillants qui amènent les participants à inférer ce que l’étude attend d’eux.
• Artéfacts expérimentaux : Effets parasites produits par la situation d’expérimentation elle-même, indépendamment de la variable causale visée.

📝 Points essentiels

• Dans une quasi-expérience, un même test de QI peut être réadministré et un gain peut apparaître pour un sous-groupe (ex. “génies”) par rapport au contrôle.
• L’effet peut venir des attentes des enseignants, qui modifient attention, traitement et environnement d’apprentissage pour certains élèves.
• Des médiateurs possibles incluent chaleur accrue, plus de temps, plus de défis, et renforcement des efforts, ce qui peut aussi changer le concept de soi académique.
• Pour réduire les biais de demande, on peut utiliser des procédures en double aveugle afin de cacher les conditions expérimentales.
• On peut aussi interroger directement les participants sur leurs perceptions, mais cela peut réduire la puissance statistique.
• La puissance statistique correspond à la probabilité de détecter un effet réel lorsqu’il existe.

💡 Astuce mémo

Biais de demande = le participant “devine” l’attente → il ajuste sa réponse; validité interne = vérifier que l’effet vient de la cause, pas du devinage.

📊 Tableaux de synthèse

Stratégies de recherche : objectifs et causalité

Hypothèses : générales vs opérationnelles vs statistiques vs (non) orientées

⚠️ Pièges & confusions fréquents

1. Confondre hypothèse générale et hypothèse opérationnelle : la première décrit un lien théorique, la seconde précise VI/VD et surtout les comparaisons de modalités.
2. Croire qu’une corrélation prouve la causalité : la méthode corrélationnelle évalue une association, pas un “pourquoi”.
3. Inverser VI et VD : la VI est le facteur (souvent manipulé) censé expliquer/prédire, la VD est le résultat mesuré.
4. Penser que “contrôle des manipulations significatif” garantit l’absence de mécanismes alternatifs : le cours insiste que ce n’est pas une garantie.
5. Interpréter une absence de rejet de H0 comme preuve que H1 est fausse : le cours dit seulement que H0 est non infirmée et H1 infirmée selon les résultats.
6. Confondre variable provoquée et variable invoquée : la provoquée est attribuée/manipulée par le chercheur, l’invoquée dépend des participants et n’est pas contrôlable.
7. Croire que le contrebalancement élimine tous les biais : il réduit surtout les effets d’ordre (fatigue, apprentissage, suspicions), mais ne remplace pas la validité interne.

✅ Checklist Examen

1. Définir science participative, science citoyenne et crowd-sourcing, puis citer les 3 limites des sciences participatives.
2. Décrire le circuit de publication : rédaction d’études, soumission à une revue, évaluation anonyme, acceptation après modifications, publication et diffusion.
3. Distinguer hypothèse générale, opérationnelle et statistique, et expliquer le rôle de H0 et des statistiques (surprendre ou non sous H0).
4. Expliquer la différence entre hypothèses orientées (unilatérales) et non orientées (bilatérales) et ce que cela implique sur le sens attendu de l’effet.
5. Définir une variable, donner les notions de modalités/niveaux, et classer les échelles (nominale, ordinale, intervalle) en précisant l’hypothèse d’intervalle pour Likert.
6. Distinguer VD et VI, puis distinguer VI provoquée vs VI invoquée avec un exemple pour chacune.
7. Comparer méthode descriptive, corrélationnelle et expérimentale : but et possibilité d’établir une causalité.
8. Définir une véritable expérience et lister ses 3 composantes (manipulation VI, répartition aléatoire, contrôle expérimental), puis les 3 conditions de causalité (association, priorité temporelle, relations réelles).
9. Expliquer ce que sont variables parasites et variables de confusion, et donner au moins 3 solutions de contrôle (maintien constant, variation systématique/équilibrage, variation au hasard).
10. Décrire contrebalancement (complet vs partiel) et calculer le nombre de séquences avec k! ; puis distinguer plan factoriel inter-sujet, intra-sujet et mixte.
11. Définir effet principal et interaction dans un plan factoriel, et expliquer ce que signifie “effet modifié selon le niveau d’une autre VI”.
12. Définir quasi-expérimentation et expliquer pourquoi la validité interne est plus fragile ; citer l’idée de plans à groupes non-équivalents et de méthode des doubles différences.
13. Lister les grands principes éthiques : consentement libre et éclairé, habilitation à conduire des recherches, conflits d’intérêts, anonymat/confidentialité, et règles autour de la duperie/cover story/débriefing (avec l’“