Cours 7 Flashcards
Comment savoir si nous sommes normal par rapport aux autres?
Qu’Est-ce que l’écart à la moyenne?
Comparer une personne à d’autres d’un groupe de référence
Écart à la moyenne : Distance entre score participant et moyenne du groupe
Qu’est-ce que la variance?
Que veut dire plus de variance ?
La variance est la moyenne des carrés des écarts à la moyenne du score de tous les individus
Plus de variance = plus de différence des réponses des participants par rapport à un item
Variance : gens qui se diffère l’un par rapprt à l’autre
* Si tout le monde répond la meme chose, on va pas pouvoir faire de corrélation, car aucun différence de moyenne
* On veut de la variabilité dans nos items
* Important pour l’alpha
Qu’est-ce que la covariance?
Qu’est-ce que le problème avec la covariance? et sa solution?
La covariance est une mesure du degré d’association entre deux variables
On cherche comment une variable évolue par rapport à une autre variable
Problème : l’unité de mesure n’est pas standardisé –> Pour régler ce probleme covariance à la corrélation
Objectif de l’étape de la stabilité et moyens?
Vérifier la nature et l’ampleur de l’erreur
Établir la stabilité interne et temporelle
Temporelle : plus tard dans le temps même réponse
Interne : Consistance des reponses dans un même questionnaire
Moyens o Erreur-type de mesure o Analyses d'items o Analyses corrélationnelles o Approche hypothético-déductive o Accord inter-juges
Quelle question la stabilité répond?
« Combien d’erreur ai-je dans mon instrument ? »
Quel est le calcul pour obtenir le score observé?
Score observé = score vrai + erreur
Quels sont les deux facteurs qui permettent de minimiser l’Erreur et atteindre le score vrai?
Plus d’items et plus de participants = moins d’erreur aléatoire
Qu’est-ce qui arrive quand les observations tendent vers l’infini?
Les variations positives et négatives de l’erreur ont tendance à s’annuler
Que nécessite la vérification de la quantité d’erreur?
Nécessite l’usage et l’interprétation d’indices chiffrés.
Quels sont les trois moyens d’Estimer l’erreur de mesure?
Stabilité temporelle/fiabilité test-retest
Cohérence interne ou consistance interne
Accord interjuges
À quoi correspod la stabilité temporelle
Si le phénomène est stable, deux mesures prises à l’intérieur d’un délai devraient se ressembler
Quels sont les différents moyens de vérifier la stabilité temporelle?
Corrélation test-retest
Corrélation test-retest avec formes parallèles
Décrit la corrélation test-retest
La qualité de cette estimation dépend de?
On tente d’éliminer l’effet de mémoire qui affecte la fidelité du temps 2 vs. Le temps 1
L’Espace entre les deux test peut pas etre trop long non plus, car sinon fiabilité aussi influencer
La qualité de l’estimation dépend de l’intervalle de temps entre les deux passations et des changements survenus chez les participants durant cette période
Une personne qui a beaucoup confiance en elle-même au temps 1 devrait avoir beaucoup confiance en elle-même au temps 2
Une personne qui a peu confiance en elle-même au temps 1 devrait avoir peu confiance en elle-même au temps 2
Décrit la corrélation test-retest avec formes parallèles?
La corrélation test-retest avec formes parallèles est la manière d’estimer la stabilité temporelle sans l’effet « néfaste » de la mémoire
T1 normal et T2 parallèle au meme
Groupe
Dans la corrélation test-retest avec formes parallèles, On considère parallèles les deux formes d’un même instrument lorsque ?
Les items sont très similaires (mais pas identiques) ;
Le nombre d’items est le même ;
La structure dimensionnelle est la même (Même type de sensibilité dans 2 versions du même questionnaire)
Les mêmes directives d’administration sont en vigueur ;
Les deux formes génèrent des résultats avec des moyennes et écart-types équivalents (Avec marge d’Erreur)
Avantages et inconvénients de la corrélation test-retest avec formes parallèles
Avantages
• Élimination de l’effet de mémoire
• Les deux formes peuvent être administrées en même temps (Pas conseiller)
Inconvénients
• Il faut rédiger 2 fois plus d’items
• Il faut effectuer une validation de « deux instruments »
• Il faut s’assurer que les formes demeurent parallèles
Décrit le cohérence interne et consistance interne?
Postulat : si le construit existe de manière stable, il se manifestera de la même manière (stable) à travers toutes les réponses d’un participant
• Résultat à travers différents items devraient être similaires
Le terme « cohérence interne » fait référence à la logique sous-jacente à la manière dont les participants répondent aux items
Quels sont les moyens dans la cohérence interne ou consistance interne?
Corrélation « split-half »/bissection ou corrélation moitié-moitié
Alpha de Cronbach
Décrit la corrélation split-half
On sépare le test en deux et on vérifie la corrélation entre les deux versions « artificielles »
Il devrait y avoir une corrélation élevée entre les deux moitiés si les réponses des participants sont stables
Biais possibles :
• On ne compare pas les premiers items avec les derniers du à l’effet de fatigue ou de difficulté dans un test de puissance
• Corrélation élevé entre 2 versions avec les 5 premiers items, les personnes sont stables
Peut parfois être utilisé comme mesure artificielle de fiabilité test-retest (mais pas recommandé)
Qu’est-ce qui est important dans l’estimé de la fiabilité et le nombre d’items dans le split half
L’estimé est biaisé, car ca nous donne la fiabilité de la moitié du test.
On fait x2 pour donner la vraie valeur
Quelle est l’autre corrélation split-half qu’on peut faire et sa description
LA CORRÉLATION DE SPLIT-HALF DE SPEARMAN-BROWN
Améliorer la cohérence interne
• Spearman et Brown ont pu développer la correction utilisée dans le cas d’une corrélation « split-half » grâce à des travaux plus pointus qui ont culminé à ce qu’on appelle la formule de la prophétie
• Cette formule permet d’estimer combien d’items il faudrait pour obtenir un « split-half » de X
Formule de la prophétie
Exemple d’un instrument qui comprend 6 items et dont le coefficient de fiabilité (split-half) observé est r = 0,597
NOUS DONNE L’INFORMATION SUIVANTE : Combien d’items devriez-vous avoir si vous désireriez une fiabilité de r = 0,85 ?
Utilisé pour augmenter la fidelité
K = nombre d’items
Ro = fiabilité observée
Rd = Fiabilité désirée
PEUT IMPORTE LA VIRGULE APRÈS ON ARRONDIE À LA HAUSSE ex : 22.0001 arrondie à 23
La logique sous-jacente à la formule de prophétie suppose quoi?
- que les items qui sont ajoutés mesurent la même chose que les items initiaux
- que la moyenne des intercorrélations entre les items initiaux soit égale à la moyenne des intercorrélations du total des items (soit les items ajoutés + les items initiaux )
- Génération de mauvais items pour avoir le bare-minimum
Décrit l’alpha de Cronbach dans les moyens de la cohérence interne
À travers les réponses des participants, l’alpha de Cronbach mesure si c’est homohène à travers les différents items
C’est un chiffre qui varie entre -∞ et 1 (mais la plupart du temps il varie entre 0 et 1);
o Plus il s’approche de 1, plus la fiabilité est bonne
Ce n’est pas un indice de corrélation
Plus d’items et plus c’est items sont interreliés, moins d’erreur aléatoire et plus de fidelité
Préférable d’augmenter la corrélations entre items plutôt que d’augmenter le nombre d’items, mais les deux fonctionnent
Lien entre Variance, corrélation et Alpha de Cronbach
La variance est la moyenne des carrés des écarts à la moyenne des scores d’une distribution.
• Sans écarts à la moyenne, il n’y a pas de variance.
La corrélation est une covariance standardisée entre deux distributions de scores.
• Sans variance dans l’une ou l’autre des distributions, il n’y a pas de corrélation.
Comme l’Alpha est fondé sur la moyenne de toutes les corrélations possibles entre les scores d’items, l’Alpha est aussi très affecté par la quantité de variance dans les scores d’items.
Donc, il est important de considérer la variabilité de réponses que l’item suscite
Décrit l’accords interjuges?
Les juges verront la même chose si?
Si le phénomène se manifeste avec régularité, tous les juges devraient donc observer le même phénomène
Principes de base
• La compréhension de ce qui est observé sera stable dans la mesure où deux juges « voient » la même chose.
Les juges « verront » la même chose
• Si la formation est bonne
• Si les juges sont compétents
• Si les comportements à observer sont bien définis
• Si les juges ont les mêmes opportunités d’observer le comportement
Hypothèses caractéristiques d’études de validation relatives à l’étape de la Stabilité
Décrit les différentes méthodes , techniques stats et hypothèses
Fiabilité test-retest
Corrélation
La corrélation entre les résultats au temps 1 et les résultats au temps 2 sera positive et élevée
Accord interjuges
Corrélation r –> La corrélation entre les résultats du juge A et les résultats du juge B sera positive et élevée
Kappa (K) –> Le pourcentage d’accord entre le juge A et le juge B sera élevé
Formes parrallèles
Corrélation –> La corrélation entre les résultats à la forme A et les résultats à la forme B sera positive et élevée
Cohérence interne
corrélation
1. La corrélation entre le résultat à l’item 1 et le résultat à l’item 2 sera positive et élevée (à interpréter avec les critères de Cohen)
2. La corrélation entre le résultat à l’item 1 et le score total sera positive et élevée
Split-half –> La corrélation entre le « score total » de la première moitié de l’instrument et le « score total » de la deuxième moitié de l’instrument sera positive et élevée
Alpha de Cronbach –> Plus les participants répondent logiquement (c’est ce qui doit se produire si les items ne contiennent pas d’erreur), plus les items sont inter-corrélés et plus le coefficient sera élevé
Quels sont les différents degrés de fiabilité
Suspect (Pour cohérence interne seulement) (0.95 +)
Excellente : 0.90 +
Modéré : 0.80-0.89
Acceptable : 0.70 – 0.79
Inacceptable (Parfois utilisé en recherche) : 0.60-0.69
Inacceptable : -0.60
Que montre l’erreur-type de mesure
L’ETM montre l’effet de la fiabilité sur un score généré par l’instrument.
Plus l’ETM est grand, plus il y a d’erreur dans le score observé
Il est possible de calculer un intervalle de confiance autour du score observé
À quoi sert l’intervalle de confiance et les facteurs qui la compose
L’intervalle de confiance sert à estimer, en fonction de l’erreur-type de mesure, du score observé et d’un niveau de certitude désiré, dans quel intervalle se situe le score réel d’un participant.
Ex : o Il y a donc 95% des chances qu’un score observé de 10 corresponde à un score vrai se situant entre 6,14 et 13,86
En résumé, à quoi sert l’erreur-type de mesure?
En résumé, l’erreur-type de mesure permet de relativiser le score obtenu et déterminer l’intervalle de confiance autour d’un score vrai pour X
La qualité du parallélisme dépend dequoi
La qualité de l’estimation dépend alors:
De la qualité du parallélisme entre les deux versions
de l’intervalle de temps entre les deux passations (p. ex. des changements sont survenus chez nos participants durant cette période)
Quels critèrres utiiser pour quel test?
Critères de fiabilité : 0,6 – 0,7 – 0,8 – 0,9 (+/- 0,7)
Alpha, Split-half, Corrélation test-rest, Alpha en cas de suppression de l’élément
Critère de Cohen (1988): 0,1 – 0,3 – 0,5 (+/- 0,10)
Hypothèses de validité critériée, matrice de corrélations inter-items, corrélation complète des éléments corrigés