QCM : Construire et traiter les données statistiques (28 questions)

Explication

Construire un fait statistique impose de définir qui sera étudié, quoi mesurer, comment recueillir les données, sur quelle période et quelles comparaisons effectuer. Une théorie ou une conclusion ne remplace pas ces décisions méthodologiques.

Explication

La démarche statistique suit les étapes construire, éprouver, sélectionner, quantifier et consolider. Les autres séquences regroupent des activités possibles, mais ne reprennent pas l’organisation en cinq étapes indiquée.

Explication

Une question statistique précise identifie la population, la variable observée et la période concernée ; la première formulation fournit ces trois éléments. Les autres restent des thèmes ou des questions trop générales pour définir clairement une mesure.

Explication

La population cible est l’ensemble des unités auxquelles la question de recherche s’intéresse, ici tous les étudiants concernés par cette définition. Les personnes interrogées constituent un échantillon, qui ne représente qu’une partie de la population cible.

Explication

L’unité d’observation fournit l’information, tandis que l’unité d’analyse reçoit la conclusion ; le parent répond et le ménage constitue l’objet analysé. Inverser ces rôles confond la source de l’information avec le niveau auquel porte l’interprétation.

Explication

L’estimand précise le résultat recherché dans une population à partir d’une variable, d’une période et d’un résumé ou d’une comparaison définis. Les autres éléments peuvent contribuer à l’organisation de l’enquête, mais ne déterminent pas directement le résultat statistique visé.

Explication

L’induction part de plusieurs observations pour construire une idée générale. La déduction suit le mouvement inverse, puisqu’elle part d’une théorie ou d’une hypothèse pour la confronter aux données.

Explication

La démarche hypothético-déductive articule la question, la théorie, l’hypothèse, les concepts, les indicateurs et les données afin de tester l’hypothèse. Les autres séquences omettent cette chaîne de traduction et de confrontation entre raisonnement théorique et observation.

Explication

Une hypothèse est testable et réfutable lorsqu’une observation peut montrer qu’elle est fausse, comme un cygne noir réfute l’affirmation que tous les cygnes sont blancs. Une formulation protégée contre toute contradiction ne permet pas un test empirique réel.

Explication

Une association peut s’expliquer par une variable confondante, une médiation ou un mécanisme de sélection sans établir directement la causalité supposée. Les variables quantitatives comme qualitatives peuvent être associées, et une association ne prouve ni une erreur ni une identité de mesure.

Explication

La population comprend toutes les unités auxquelles l’étude s’intéresse, alors que l’échantillon n’en contient qu’une partie. Confondre la population avec les répondants disponibles revient à réduire à tort l’ensemble visé par l’enquête.

Explication

Un biais provient de la manière dont les données sont obtenues et peut empêcher les résultats de représenter correctement la réalité. Une variation aléatoire n’est pas, par définition, un problème systématique d’obtention des données.

Explication

La non-réponse fait partie des principaux biais susceptibles d’affecter une enquête, avec notamment la couverture, la convenance et l’auto-sélection. La standardisation, la comparaison et la codification décrivent des opérations d’enquête, pas des biais de cette liste.

Explication

La validité externe évalue la possibilité de généraliser les résultats à d’autres personnes ou situations. La validité interne concerne plutôt la solidité des conclusions à l’intérieur de l’étude réalisée.

Explication

Un concept est une idée générale et abstraite que la recherche cherche à étudier. Un indicateur, un item ou une variable codée correspond à des étapes plus concrètes de sa mesure.

Explication

Une dimension est une composante du concept, et un indicateur fournit un élément observable pour la représenter. Dire que la dimension mesure directement une réponse confond le niveau abstrait de décomposition avec celui de l’observation.

Explication

L’opérationnalisation suit une progression qui va du concept abstrait vers ses dimensions, ses indicateurs, ses items et ses variables codées. La deuxième chaîne décrit plutôt des éléments liés à l’échantillonnage et à la qualité des résultats.

Explication

Une bonne question correspond à l’indicateur, reste claire et stable, ne contient qu’une seule idée et précise la période ou l’unité si nécessaire. Regrouper plusieurs idées ou employer une période vague peut rendre les réponses difficiles à interpréter et à comparer.

Explication

L’exhaustivité signifie que toutes les réponses possibles sont couvertes, tandis que l’exclusivité signifie qu’une réponse ne relève pas de plusieurs catégories. Inverser ces définitions confond la couverture des possibilités avec l’absence de chevauchement.

Explication

Le prétest cognitif examine successivement la compréhension, la récupération de l’information, le jugement de la réponse et la sélection d’une réponse. Commencer par choisir une modalité ne respecte pas le cheminement cognitif évalué.

Explication

Chaque ligne correspond à une unité statistique, ici une consultation médicale. Une colonne décrit plutôt une variable, tandis qu’une cellule contient une valeur observée.

Explication

La structure fondamentale associe chaque ligne à une unité statistique, chaque colonne à une variable et chaque cellule à une valeur. Les autres associations inversent ces rôles.

Explication

Une cellule vide ou codée NA indique une absence de valeur, mais ne permet pas de conclure qu’elle vaut zéro. La cause peut être un refus, une ignorance ou une autre situation à documenter.

Explication

Un identifiant distingue les unités statistiques, même lorsqu’il ressemble à un nombre. Il ne représente pas une quantité et ses valeurs ne doivent donc pas être interprétées comme des mesures.

Explication

Le nombre d’heures est une quantité mesurable : la variable est donc quantitative. Une variable qualitative décrit plutôt des catégories, qu’elles soient ordonnées ou non.

Explication

Ces modalités sont des catégories qualitatives qui possèdent un ordre naturel, ce qui définit une variable ordinale. Une variable nominale aurait des catégories sans ordre.

Explication

En degrés Celsius, les écarts ont un sens mais zéro ne représente pas l’absence de température, ce qui correspond à l’échelle d’intervalle. La durée possède un zéro réel et permet d’interpréter les rapports, ce qui correspond à l’échelle de rapport.

Explication

Une durée négative est impossible et doit être signalée, tandis que 60 heures est très élevé mais peut être possible et doit être vérifié selon une règle tracée. La valeur élevée ne doit donc pas être supprimée automatiquement.