Cours 5 Flashcards
Système hypothético-déductif
–> tableau slide 24
–> on mesure la cohérance interne avec instrument 1, intrument 2, critères convergents et critère divergent
–> on observe si corrélation positive ou négative
avec le critère convergent on veut une corrélation positive alors qu’avec le critère divergent on veut une corrélation négative (genre on étudie les émotions positives, le critère divergent c’est les émotions négatives)
–>La vérification de la validité implique l’inspection de toute la matrice de corrélation!
–> on compare chaque truc avec chaque truc dans un tableau
–> y’a des hypothèses relatives à l’instrument (tt comparer (corrélation)à instrument 1 et 2)
–> y’a des hypothèses relative aux relations entre les critères (corrélations entre critère divergent et critère convergent)
–> si Toutes les hypothèses sont corroborées, suggère la validité critériée.
–> mais si un des critères ne semble pas être valide (genre corrélation trop basse ou corrélation positive entre le critère convergent et le critère divergent ou corrélation positive entrer critère divergent et les instruments) alors remet en doute les conclusions
taille de corrélation qui est ok dans l’étude dépend de ce quon retrouve dans la littérature si on voit que petite corrélation entre qqhcose et qqchose alors c chill si on get un résultat de petite corrélation
VOIR LE POWERPOINT!!
Taille des corrélations (Cohen, 1988)
petite: 0.10
moyenne: 0.30
grande: 0.50
ex Atténuation et désatténuation avec le LexiQC
corrélation de .80 (validité intégrée concomitante) entre lexiQC (instrument du prof) et lexi3 (instrument connu)
→ donc on peut dire que les deux mesurent la mm chose
Combinaison de l’information de différents tests (REVOIR)
Combiner différent tests pour prédire le plus précisément une variable dépendante.
Déterminer la relation entre l’instrument et un critère, si l’on contrôle pour d’autres facteurs.
–>Contrôler : Retirer de l’équation l’effet d’autres variables pour voir si en ajoutant d’autres variables, on peut quand même détecter un effet.
La corrélation multiple et la régression multiple sont utilisées.
→ on cherche a aller démontrer que l’intrument nous apporte des infos qui sont pas données par d’autres intruments de mesure
La combinaison de l’information de différents tests permet de départager les instruments avec une valeur prédictive unique de ceux qui n’en apportent pas plus.
Validité incrémentielle : Degré avec lequel un nouvel instrument (ou autre source d’information) ajoute à la compréhension ou la prédiction d’un phénomène.
Si notre mesure améliore la prédiction, elle a de la validité incrémentielle (et critériée). On peut donc être confiant dans notre capacité à l’utiliser pour mesurer ce construit.
–>L’instrument mesure quelque chose d’unique qui n’est pas mesuré par les autres instruments (raison de plus de l’utiliser).
combinaison de l’info de différents tests Exemple : Prédire le temps pris pour identifier un mot écrit
Plusieurs facteurs influencent le temps de réponse lors de l’identification de mots écrits :
-La longueur (lettres, syllabes);
-La structure (consonne-voyelle-consonne);
-Le nombre de voisins orthographiques;
-La familiarité avec le mot;
-La fréquence d’utilisation du mot à l’écrit;
-La fréquence d’utilisation du mot à l’oral.
Pour déterminer si une nouvelle mesure de la fréquence d’utilisation des mots à l’oral (p.ex., basée sur une nouvelle source) est valide, on peut déterminer si elle améliore la prédiction lorsque l’on contrôle pour les autres variables.
→ la fréquence d’utilisation du mot est pas nécessairement utile à ma mesure (peut etre que j’ai un autre intrument qui mesure deja la mm chose et que ce nouvel instrument (fréq. d’utilisation ajoute rien) alors faut checker si elle l’est, si elle ajoute à la validité du test (incrémentielle) ou si elle ajoute rien, si rien bin sert a rien quelle soit là et quon ait fait un nouveau test
BASICALLY on ne veut pas deux instruments qui sont exactement pareils!
Vérification de la validité de construit
Il faut inférer la validité de construit avec ce que l’on a, même s’il y a des possibilités de sous représentation du construit.
On utilise des méthodes statistiques qui nous permettent de déterminer si l’instrument semble mesurer le construit devant être mesuré:
–>Structure interne; (structure interne mm chose que dans la fidélité genre alpha de cronbach)
–>Analyse factorielle.
Structure interne pr vérifier validité de construit
Même processus que la structure interne dans la fidélité.
Vérifier si les items d’un instrument ou d’une dimension se tiennent bien ensemble. En d’autres termes, si les mesures à l’intérieur d’un test sont toutes cohérentes.
–>Si les réponses «vont toutes dans le même sens», il y a des preuves que ça mesure une seule et même chose.
—–> genre si toutes les réponses vont dans le sens de la dimension donc soit ex: réponse a toutes les questions sur la dimension estime de soi montrent que basse estime
alors prouve un peu que tt ces questions mesurent la mm chose
L’analyse factorielle pour vérifier la validité de construit
L’analyse factorielle est un type d’analyse statistique qui permet de déterminer les dimensions communes aux résultats obtenus à des mesures (p.ex., réponses à un ensemble de questions).
La technique est issue du domaine de la mesure des aptitudes intellectuelles.
Les items d’un test sont regroupés en facteurs. Chaque facteur résume l’information provenant de plusieurs items.
(facteur et dimension c’est la mm chose)
Les items sont censés mesurer une dimension seulement :
–>Fortement corrélés entre eux;
–>Faiblement corrélés avec les autres items.
Saturation : Corrélation entre un item et un facteur. (???)
Types d’analyse factorielle
1.Analyse factorielle Exploratoire
–>Tous les items d’un instrument sont entrés en même temps dans l’analyse.
–>Utilisée quand on n’a pas vraiment d’hypothèses relatives à la structure du concept.
2.Analyse factorielle Confirmatoire
–>Les items sont reliés aux dimensions posées en hypothèse (quels items devraient appartenir à quelle dimension).
–>Utilisée quand on a des hypothèses claires relatives à la structure du concept.
–>Les résultats de l’analyse indiquent si oui ou non la structure posée en hypothèse représente bien ce qui est observé dans les données.
confirmatoire → tel item devrait mesurer tel concept
Utilité de l’analyse factorielle
Vérifier que notre instrument mesure bien le construit comme nous l’avons établi lors de la conceptualisation.
On peut utiliser les résultats d’une analyse factorielle pour identifier les items ayant beaucoup d’erreur de mesure. On peut ainsi les retirer ou les reformuler.
On peut utiliser les résultats d’une analyse factorielle pour déterminer si un item ne mesure pas adéquatement l’une des dimensions. On peut les remplacer, les éliminer ou les déplacer les items d’une dimension à l’autre (rare).
Cependant :
–>Ne donnent pas une réponse absolue.
–>S’effectuent en plusieurs étapes.
–>Interprétation.
Étapes pour l’analyse factorielle
1.Proposer une structure.
2.Assigner chaque item à une dimension.
3.Quantifier l’erreur de mesure des items.
4.Vérifier si les items appartiennent à leur dimension.
Exemple de Matrice d’intercorrélation d’items voir slide 51 (analyse factorielle)
ex depression
dimensions comme le bien etre, l’estime de soi etc
→ les dimensions c’est des facteurs
→ tous les items associés à un facteur doivent être fortement corrélés ensemble
(genre toutes les questions sur l’estime de soi devraient êtres corrélées de plus de 0.5)
savoir a quoi ça sert l’analyse facto. ça sert à mesurer quoi, a quoi on s’attend comme résult. pour examen
→ toutes les diagonales c’est des corrélation de 1 pcq c’est ss1 et ass1 ass2 et ass2 donc on corrèle le mm item avec lui mm dans ces colonnes là
Exemple de matrice factorielle voir slide 52
plus c’est proche de 1 plus c’est relié, donc px. le vocabulaire est fortement lié au facteur 1 mais pas facteur 2 et facteur 3
→ faut en dessous de .30 pour quon ignore
→ dans facteur 1 pas trop beua facteur pcq y’a problèmes arithmétiques qui sont un peu aps rapport dans le facteur 1
→ facteur 3 y,a rien
on retrouve pas la structure factorielle ici donc pas bonne validité
→ plus petit que 0.3 on ignore et ils sont pas sur la facteur
–> les items sont corrélés fortement avec leur dimension et faiblement corrélés (moins de 0.3) avec les autres dimensions
