QCM : Introduction à la Psychométrie et aux Mesures — 24 questions

Explication

En sciences exactes, la mesure conventionnelle s’effectue avec des outils et une unité standard, ce qui permet une quantification directe. En sciences humaines, on s’appuie plus souvent sur plusieurs épreuves et davantage de subjectivité.

Explication

Les traits psychologiques comme l’intelligence ne sont pas directement observables, donc on les estime à partir de plusieurs observations. Le contexte, le sujet et le chercheur peuvent faire varier les résultats.

Explication

Le percentile 75 est la valeur en dessous de laquelle se trouvent 75 % des individus. Il laisse donc 25 % des individus au-dessus de cette valeur.

Explication

L’écart interquartile correspond à la dispersion entre le premier quartile et le troisième quartile, donc entre les percentiles 25 et 75. L’écart semi-interquartile en est la moitié.

Explication

Un item inversé est formulé dans le sens opposé des autres et doit être recodé pour que tous les items contribuent au même sens de mesure. Sinon, le score global peut être interprété à l’envers.

Explication

Le score Z indique la position d’une valeur par rapport à la moyenne, en unités d’écart-type. Il s’obtient en centrant la valeur sur la moyenne puis en la réduisant par l’écart-type.

Explication

La standardisation permet que les différences entre sujets reflètent davantage le construit mesuré que des variations de passation. C’est un élément central de la qualité de la mesure.

Explication

Pour les réponses longues, une grille avec plusieurs niveaux permet de réduire les effets de halo, d’ordre ou de stéréotypie. Une correction intuitive accroît au contraire la subjectivité.

Explication

La loi normale est définie par deux paramètres : la moyenne et l’écart-type. Ils fixent le centre et l’étalement de la distribution.

Explication

Un écart-type plus grand signifie une dispersion plus forte autour de la moyenne, donc une courbe plus large. À l’inverse, un petit écart-type concentre les valeurs près du centre.

Explication

En psychométrie, on cherche souvent à estimer des variables latentes comme l’intelligence ou l’anxiété. Elles ne sont pas directement observables et nécessitent des indicateurs indirects.

Explication

Des items ambigus ou mal formulés perturbent la compréhension et accroissent la variabilité des réponses. Cela dégrade la fiabilité de la mesure.

Explication

Un test psychométrique est une situation standardisée dont les réponses sont interprétées par rapport à une population de référence. Il ne s’agit pas d’une mesure physique directe.

Explication

L’erreur de mesure est la part aléatoire qui perturbe le score observé et l’éloigne du score vrai. Elle explique pourquoi deux passations peuvent donner des résultats différents.

Explication

L’alpha de Cronbach évalue la cohérence interne à partir des relations entre items. Il sert à estimer la fidélité d’un ensemble d’items mesurant une même dimension.

Explication

La formule de Spearman-Brown sert à estimer l’effet d’un allongement du test sur la fidélité. Elle suppose des items comparables et une même compétence mesurée.

Explication

La pénalité vise à compenser le gain dû au hasard lorsque des réponses sont cochées au hasard. Elle permet que le score reflète mieux les bonnes réponses non dues à la chance.

Explication

L’indice de discrimination indique si un item distingue bien les sujets qui réussissent du reste du groupe. Un item cohérent avec le test doit être positivement lié au score total.

Explication

Quand aptitude et difficulté sont égales, le modèle de Rasch donne une probabilité de réussite de 0,5. C’est le point d’équilibre de l’échelle logistique.

Explication

Un écart positif d’un logit en faveur de l’aptitude augmente la probabilité de réussite à environ 0,73. Le modèle est symétrique : un écart inverse mène à 0,27.

Explication

KR20 et KR21 sont des indices de fidélité conçus pour des items dichotomiques. L’alpha de Cronbach est plutôt utilisé pour des items pouvant avoir plusieurs niveaux.

Explication

KR21 est dérivé de KR20 et constitue une approximation plus simple. Cette simplification peut réduire la précision si les items ont des proportions de réussite très différentes.

Explication

Les erreurs de mesure augmentent le dénominateur de la corrélation sans modifier le numérateur, ce qui fait baisser la corrélation observée. La corrélation réelle entre variables latentes est donc sous-estimée.

Explication

La validité prédictive examine la capacité d’un score de test à annoncer un critère externe mesuré plus tard. Elle ne se confond pas avec la fidélité, qui concerne la stabilité de la mesure.