Cours 5 - 6 - Fondamentaux en psychométrie et analyse des items

Question 1

Que signifie mesurer en psychologie?

Answer 1

«attribuer des chiffres aux construits psycho-sociaux», selon des règles bien déterminées.

Question 2

Qu’est-ce l’évaluation psychologique ?

Answer 2

vise à donner une interprétation, tel qu’un jugement de valeur à une personne, en la comparant à un barème.

L’évaluation est dynamique, puisqu’elle peut changer.

Question 3

Pour faire une évaluation, que faut-il connaître?

Answer 3

Il faut connaître ce qu’on mesure (unité de mesure) et les limites du phénomène (descriptifs, validité, fidélité, erreur, etc.) en question.

Question 4

De quel manière l’évaluation peut apporter une variance d’erreur?

Answer 4

C’est le psychologue qui choisit les outils pour l’évaluation. Il y a donc des erreurs qui s’ajoutent (biais, variance d’erreur).

Question 5

Que permet l’analyse de données ?

Answer 5

permet de faire progresser les connaissances et de trouver des réponses à diverses préoccupations.

Question 6

L’analyse statistique nécessite une _______ approfondie des méthodes statistiques et une capacité à _____ correctement les résultats de ses méthodes statistiques.

Answer 6

compréhension
interpréter

Question 7

Que faut-il toujours prendre en compte dans les analyses de données ?

Answer 7

les dernières recommandations de l’American Psychological Association (APA)

Question 8

Qui propose de classer des échelles de mesure en fonction des propriétés des valeurs ?

Answer 8

Stevens 1946

Question 9

Nommez la première échelle de mesure et expliquez brièvement.

Answer 9

NOMINALE
- permet de ranger les individus dans des catégories
- qualitatif
- Aucune opération arithmétique (+, -, x, ÷) n’est permise.

ex: Quelle cuisine aimez-vous le plus ?
Indienne
Chinoise
Thaï
Italienne

Question 10

Nommez la deuxième échelle de mesure et expliquez brièvement.

Answer 10

ORDINALE
- Permet de ranger les individus selon la relation « plus petit » ou « plus grand »
- La variable doit avoir un ordre inhérent.
- Il n’est pas garanti que la distance entre 1 et 2 et 3 et 4 est la même.

ex. les notes scolaires. Clairement, un A vaut mieux qu’un B, qui lui-même est meilleur qu’un C, etc. Cependant, avoir A ne signifie pas que l’étudiant maîtrise deux fois plus la matière que celui qui a un B. Une échelle ordinale représente des rangs.

Question 11

Nommez la troisième échelle de mesure et expliquez brièvement.

Answer 11

INTERVALLE
- Ordonne les individus, et prend en compte la distance qui existe entre eux.
- données linéaires (pearson)
- zéro ne signifie pas 0

ex. la température mesurée en degrés Celsius

Question 12

Nommez la quatrième échelle de mesure et expliquez brièvement.

Answer 12

RATIO (ou proportionnelle)
- Ordonne, prend en compte la distance, zéro absolu
- Le zéro signifie zéro, c’est l’absence du phénomène.

ex. 40 mètres est deux fois plus loin que 20 mètres, nbre de voiture, etc.

Question 13

V ou F
Il est possible de calculer une moyenne d’une échelle ordinale.

Answer 13

Faux ..

mais juste avec LIKERT, que l’on peut calculer la moyenne d’une échelle ordinale.

Question 14

Quelle type d’analyse peut-on utiliser avec une échelle ordinale? données monotones

Answer 14

Spearman

Question 15

Quel est le problème avec l’échelle de Likert?

Answer 15

C’est une aberration. Ce type d’échelle apporte des erreurs, variance d’erreur, biais. Il y a une erreur structurelle dans ce type d’échelle.

L’erreur est de mettre un phénomène en ‘‘exclusion’’ (ex. pas du tout). Seule échelle qui accepte absence de phénomène est la ratio.
Cependant, elle ne répond pas au critère de distance, elle n’est donc pas proportionnelle et ou ratio.

Il faut corriger l’échelle de Likert qui elle comporte des mots qui suscite l’absence de phénomène (comme «Pas du tout» «Totalement») afin de diminuer les biais d’erreur. L’échelle de Likert comporte des problèmes structuraux qui fait que l’on peut la classer dans un des 4 niveaux d’échelle.

Question 16

la classification des échelles de mesure c’est une affaire de _____et ______.

Answer 16

convention
d’utilité

Question 17

En psychométrie, on utilise un échantillon d’individus et un échantillon de contenu. Cependant, il est impossible de gérer ces deux échantillons, simultanément. Quel est la solution à ce problème d’échantillonnage?

Answer 17

En trouvant le maximum de personne possible, je diminue l’erreur associé au processus d’échantillonnage des personnes et je peux alors plus focaliser sur les items du test.

L’approche préconisé en psychométrie: on utilise un échantillon d’individus suffisamment grand pour que l’erreur d’échantillonnage par rapport aux individus soit peu importante.

Question 18

Dans le but d’établir de façon plus précise la position d’une personne à l’intérieur de l’échantillon normatif, les scores bruts sont transformé en _______.

Answer 18

mesure relative (ex. centile)

Question 19

Quels sont les deux fonctions des mesures relatives?

Answer 19

• déterminent la position de l’individu à l’intérieur de l’échantillon normatif, en permettant de comparer sa performance à celle des autres personnes;
• permettent de comparer directement la performance d’une même personne à des différents tests ou moments.
• On classe les gens avec beaucoup plus de précision.

Question 20

Qu’est-ce qu’un centile?

Answer 20

correspond au pourcentage des personnes de l’échantillon normatif dont le score est inférieur/supérieur à un score brut donné

Ex. 35% des personnes réussissent 20 questions dans un test, signifie que 20 questions correctes correspondent au 35e centile.

Question 21

À quel moment donne-t-on un centile 0 ou un centile 100?

Answer 21

Si la personne obtient un score dans un test inférieur à tous les autres scores obtenus par l’échantillon, on dit qu’il a un centile 0. Le résultat obtenu est plus petit que ceux trouvé dans l’échantillon normatif.
Ex. dans l’examen les notes se situe entre 60 à 95%. Donc tous les gens en bas de 60 % on le centile 0.

Si la personne obtient un score plus grand que toutes les autres personnes dans l’échantillon normatif, on lui accorde le score centile 100.

Question 22

Un centile 100 signifie un score parfait. V ou F.

Answer 22

Faux. La personne a seulement plus compris que l’échantillon normatif.

Ex. dans l’examen les notes se situe entre 60 à 95%. Donc tous les gens en haut de 95 % on le centile 100.

Question 23

Quels sont les avantages (4) des centiles? et l’inconvénient (1)?

Answer 23

Avantages:
- Facile à calculer et à comprendre
- Universellement applicable
- Convient à presque tous les tests

Inconvénient:
- Inégalité des distances entre les unités

Question 24

Les centiles sont de quelle variable (nominale, ordinale, intervalle ou ratio) ? Pourquoi?

Answer 24

les centiles sont d’une variable ORDINALE
- puisque le zéro n’est pas présent et;
- la distance est inégale

Question 25

Quelle est l’intervalle moyenne des centiles?

Answer 25

C16 et C84

Question 26

Dans le cadre de la psychométrie, à quoi fait référence l’analyse d’items?

Answer 26

fait référence aux analyses statistiques utilisées pour sélectionner les meilleurs items

ex.
- Moyennes et écarts-type (Item Statistics);
- Analyse de corrélation inter-item (Correlation Matrix);
- Modèle Alpha de Cronbach ordinale (ou autre) (Reliability Statistics);
- Statistiques item-total (Item-Total Statistics);

Question 27

Qu’est-ce qui est fondamentale en psychométrie, dans l’analyse d’items?

Answer 27

LES CORRÉLATIONS.

Question 28

Comment fonctionne la corrélation?

Answer 28

un grand nombre d’items candidats est présenté à un large échantillon de participants de la population cible

Question 29

Dans une corrélation, il devrait y avoir idéalement combien d’items candidats?

Answer 29

Idéalement, il devrait y avoir entre 5 et 10 fois plus d’items candidats que la quantité finale «souhaitée» d’items du test.

Question 30

À quel moment un chercheur peut décider d’éliminer des items?

Answer 30

les chercheurs pourraient éliminer les items si les réponses à ces items:

• ne semblent pas d’accord avec le contexte exploré (éval. qualitative);

-présentent des moyennes extrêmes (p.ex.: 1 ou 5), sans variabilité;

-montrent très peu de variation (p.ex.: 1,1, 1,2 ou 4,8, 4,9);

-sont fortement corrélés (> que 0,90 ou 0,95);

-sont faiblement corrélés avec la totalité des items restants.

Question 31

Nommez le type de corrélation selon l’échelle.

Nominale?
Ordinale?
Intervalle et ratio?

Answer 31

• Nominale: Corrélation Phi, corrélation tétrachorique
• Ordinale: Corrélation Spearman, corrélation polychorique
• Intervalle et ratio: Corrélation Pearson

Question 32

Comment appelle-t-on le phénomène des variables fortement corrélées?

Answer 32

Phénomène de colinéarité.

Question 33

Comment calculer le coefficient de détermination (r²) ? et que signifie-t-il?

Answer 33

r² = le carré du coefficient de corrélation (r)

ex. r = 0,6
r² = 36%.
On peut commencer à prédire des comportements à 36%.

Question 34

Dans l’analyse statistique (Scale Statistics), à quel moment la variabilité est adéquate?

Answer 34

LORSQUE:
- La valeur de ÉT est plus petite que la moitié de la valeur de la moyenne
ET
- quand la valeur de la variance est plus grande que la valeur de la moyenne.

Question 35

Dans l’analyse statistique (test de fidelité, Reliability Statistics), pourquoi priorise-t-on Omega de McDonald’s au lieu de l’Alpha de Cronbach?

Answer 35

Omega de McDonald’s est congénérique, c’est-à-dire, chaque résultat a ses propres caractéristiques unique.

Alors que l’Alpha de Cronbach considère tous les items, taux équivalence (même corrélation, même variance). POURTANT ce ne sont pas les mêmes items. donc variance d’erreurs +

Question 36

Dans l’analyse statistique, comment je sais que mes items concernent une seule dimension ?

Answer 36

Par le biais d’une analyse parallèle. Elle permet de confirmer combien de dimensions intrinsèques existent dans mes items.

Question 37

Dans l’interprétation des données (analyse parallèle), quel résultats me dit que mes items concernent une seule dimension (intrinsèque) ? Voir D27

Answer 37

Si les pourcentages des variances réels de mes données sont plus grandes que le % des variances moyennes randomisées et des pourcentages des variances randomisé au C95 = j’ai une dimension intrinsèque dans mes données.