QCM : Introduction aux méthodes statistiques sociales — 16 questions

Questions et réponses du QCM

1. Que montre principalement l’idée de « statistique comme construction sociale » ?

Qu’une observation sociale est identique avant toute mesure
Qu’un phénomène social se réduit à une mesure biologique
Qu’un chiffre résulte de choix de définition et de découpage
Qu’une donnée numérique est toujours indépendante du contexte

Qu’un chiffre résulte de choix de définition et de découpage

Explication

La statistique ne se contente pas d’enregistrer le réel : elle le traduit en catégories mesurables à partir de choix de mesure. Loin d’être totalement neutre, le chiffre dépend donc des conditions qui l’ont produit.

2. Pourquoi les statistiques démographiques sont-elles utiles dans l’étude des populations ?

Parce qu’elles décrivent d’abord les trajectoires familiales individuelles
Parce qu’elles remplacent l’observation des individus un par un
Parce qu’elles rendent visibles la taille et l’évolution des populations
Parce qu’elles mesurent uniquement les opinions politiques

Parce qu’elles rendent visibles la taille et l’évolution des populations

Explication

Les statistiques démographiques servent à donner une visibilité chiffrée à la taille et aux transformations des populations. Elles ne visent pas l’observation directe de chaque individu, mais des dynamiques d’ensemble.

3. Quelle est la finalité principale d’une approche qualitative ?

Comprendre une réalité dans sa singularité et ses logiques internes
Établir des régularités générales à partir de grands effectifs
Tester directement une loi statistique sur un large échantillon
Produire uniquement des résultats chiffrés comparables

Comprendre une réalité dans sa singularité et ses logiques internes

Explication

L’approche qualitative repose sur des données verbales ou observées pour saisir finement une réalité singulière. La recherche de régularités générales relève plutôt de l’approche quantitative.

4. Dans une démarche quantitative hypotético-déductive, quelle étape est centrale ?

Remplacer les hypothèses par des impressions de terrain
Formuler des hypothèses puis les confronter aux données chiffrées
Recueillir des récits libres sans cadre préalable
Décrire une situation sans chercher à la généraliser

Formuler des hypothèses puis les confronter aux données chiffrées

Explication

La démarche quantitative est hypotético-déductive : on part d’hypothèses, puis on vérifie si les données les confirment ou non. Les autres propositions correspondent davantage à une logique exploratoire ou qualitative.

5. Que désigne une problématisation en sciences sociales ?

Le fait de transformer une évidence en énigme à expliquer
La répétition d’une opinion commune sans la discuter
Le choix de décrire un phénomène sans en chercher les causes
La simple collecte de données sans hypothèse préalable

Le fait de transformer une évidence en énigme à expliquer

Explication

La problématisation consiste à partir d’une évidence apparente et à en faire une question explicative. Elle cherche les mécanismes qui rendent le fait possible au lieu de s’arrêter à la description.

6. Quel enchaînement correspond le mieux à un effet de surprise ?

Une observation isolée remplace toute explication
Une mesure chiffrée élimine toute question de recherche
Une croyance ordinaire est démentie par des régularités observées
Une donnée confirmée est immédiatement considérée comme évidente

Une croyance ordinaire est démentie par des régularités observées

Explication

L’effet de surprise apparaît quand le réel contredit une attente commune ou une prédiction implicite. Cette contradiction pousse à formuler une question plus précise, du type « comment est-ce possible ? ».

7. Qu’est-ce qu’une population de référence dans un sondage ?

Le sous-groupe choisi pour illustrer un cas particulier
Le groupe de personnes ayant répondu en premier
L’ensemble réel sur lequel on veut généraliser les résultats
L’ensemble des questionnaires distribués mais non retournés

L’ensemble réel sur lequel on veut généraliser les résultats

Explication

La population de référence est la cible réelle à propos de laquelle on veut conclure. L’échantillon n’en est qu’un sous-ensemble, supposé permettre une généralisation.

8. À quoi servent les variables de calage ?

À choisir les questions d’entretien les plus ouvertes possible
À remplacer les non-réponses par des réponses fictives
À comparer la structure de l’échantillon à celle de la population de référence
À rendre l’échantillon totalement aléatoire

À comparer la structure de l’échantillon à celle de la population de référence

Explication

Les variables de calage sont les critères retenus pour vérifier si l’échantillon ressemble à la population de référence. Elles permettent de contrôler la présence relative de catégories comme l’âge, le sexe ou la PCS.

9. Quelle est la caractéristique essentielle de l’échantillonnage aléatoire ?

Les répondants se sélectionnent eux-mêmes en fonction de leur intérêt
Les enquêteurs choisissent volontairement les profils à équilibrer
Les catégories sont fixées pour reproduire des quotas
Chaque individu a la même chance d’être sélectionné

Chaque individu a la même chance d’être sélectionné

Explication

L’échantillonnage aléatoire repose sur un tirage au hasard où chaque individu a la même probabilité d’être inclus. C’est ce principe qui fonde la représentativité statistique et l’usage de la marge d’erreur.

10. En quoi l’échantillonnage par quotas se distingue-t-il de l’échantillonnage aléatoire ?

Il reproduit des proportions de la population sans tirage au hasard
Il supprime la nécessité de toute variable de structure
Il repose sur une sélection entièrement spontanée des répondants
Il garantit une chance égale d’inclusion pour chaque individu

Il reproduit des proportions de la population sans tirage au hasard

Explication

Les quotas constituent une méthode non probabiliste : on choisit les personnes pour respecter des proportions observées dans la population. À l’inverse, l’aléatoire fonde la sélection sur le hasard et non sur le remplissage de parts.

11. Dans un sondage aléatoire, que désigne la marge d’erreur ?

La variation due au refus de répondre de certaines personnes
L’écart systématique produit par une mauvaise formulation des questions
L’incertitude liée au tirage aléatoire entre l’échantillon et la population
La correction appliquée pour rapprocher l’échantillon de la population

L’incertitude liée au tirage aléatoire entre l’échantillon et la population

Explication

La marge d’erreur mesure l’incertitude due à l’aléa du tirage : l’échantillon peut différer de la population même avec une méthode correcte. Elle ne désigne pas un biais de non-réponse ni un redressement.

12. Pourquoi une proportion proche de 50 % donne-t-elle en général une marge d’erreur plus grande qu’une proportion très éloignée de 50 % ?

Parce que l’incertitude statistique est maximale lorsque la répartition est la plus équilibrée
Parce que les intervalles de confiance disparaissent quand la proportion se rapproche de 50 %
Parce que le tirage aléatoire devient alors non applicable
Parce que la taille de l’échantillon est automatiquement réduite

Parce que l’incertitude statistique est maximale lorsque la répartition est la plus équilibrée

Explication

À taille d’échantillon égale, l’incertitude est plus forte autour de 50 %, ce qui élargit la marge d’erreur. Le cours donne l’idée qu’un résultat proche de 50 % est plus incertain qu’un résultat très éloigné de ce seuil.

13. Qu’est-ce qu’un biais de sélection dans un sondage ?

Une procédure qui ajuste les effectifs pour corriger les écarts
Une variation normale liée au hasard du tirage aléatoire
Une erreur de calcul dans le traitement des pourcentages
Une distorsion due au fait que les répondants ne ressemblent pas à la population de référence

Une distorsion due au fait que les répondants ne ressemblent pas à la population de référence

Explication

Le biais de sélection apparaît quand les personnes qui répondent diffèrent de la population visée, par exemple à cause de non-réponses non aléatoires. Ce n’est pas la marge d’erreur, qui relève de l’aléa du tirage.

14. Dans quel cas le cours indique-t-il que le redressement par pondération a du sens ?

Quand le questionnaire est auto-administré sans contrôle des répondants
Quand les quotas ont été remplis sans tenir compte des refus
Quand les individus sont choisis uniquement par convenance
Quand l’échantillonnage est aléatoire et que les écarts viennent de non-réponses

Quand l’échantillonnage est aléatoire et que les écarts viennent de non-réponses

Explication

Le redressement est présenté comme pertinent dans la logique d’un tirage aléatoire, afin de compenser des écarts dus aux non-réponses. Avec des quotas ou un panel auto-sélectionné, la base aléatoire manque et la correction devient plus délicate.

15. Que fait la pondération par poids dans un redressement d’enquête ?

Elle remplace les réponses manquantes par la moyenne générale
Elle tire au hasard de nouveaux enquêtés pour rééquilibrer l’échantillon
Elle multiplie chaque observation d’une catégorie par un coefficient correcteur
Elle supprime les catégories trop petites pour simplifier l’analyse

Elle multiplie chaque observation d’une catégorie par un coefficient correcteur

Explication

La pondération consiste à appliquer un coefficient à chaque catégorie pour corriger sa sur-représentation ou sa sous-représentation. Le cours donne précisément l’idée de multiplier les effectifs observés par un poids de redressement.

16. Comment calcule-t-on un poids de redressement pour une catégorie ?

En divisant le pourcentage souhaité par le pourcentage obtenu
En multipliant le pourcentage obtenu par le nombre total d’enquêtés
En additionnant le nombre de réponses et le nombre de non-réponses
En soustrayant la part observée de la part théorique sans autre opération

En divisant le pourcentage souhaité par le pourcentage obtenu

Explication

Le poids de redressement se calcule à partir du rapport entre la proportion souhaitée et la proportion observée. C’est ce coefficient qui permet ensuite de corriger les effectifs de la catégorie concernée.

Révisez avec les flashcards

Mémorisez les réponses avec 16 flashcards sur Introduction aux méthodes statistiques sociales.

Statistique comme construction sociale

Résultats orientés par une demande ou une commande.

Approche qualitative — objectif ?

Comprendre en profondeur une réalité singulière.

Approche quantitative — objectif ?

Tester des relations et produire des régularités.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction aux méthodes statistiques sociales.

Voir la fiche →

Cours similaires

Actions et mouvement

Physique

Gel pour les veines

Grandeurs composées et conversions

Mathématiques

Réciproque de Pythagore

Mathématiques

Réussir ses études efficacement

Les émotions humaines

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM