Cours 8

Question 1

Étape 5 : la congruence

Answer 1

• Validité à la phase de vérification
• “qu’est-ce que je mesure vraiment?”
• “ecq les inférences sont vraies?”
• Juste milieu entre ce qu’il y a dans mon instrument et le construit que je mesure

Question 2

Système hypothético-déductif

Answer 2

Ensemble d’hypothèses dont les confirmations permettront de déduire que notre instrument est valide

Question 3

Confirmation d’1 des hypothèses

Answer 3

Démontre validité

Question 4

Confirmation de plusieurs des hypothèses

Answer 4

Démontre + solide de validité

Question 5

Non-confirmation d’hypothèses

Answer 5

Soulève doutes sur la validité

Question 6

À quoi servent les critères?

Answer 6

À créer un système hypothético-déductif qui servira à démontrer la validité de l’instrument à l’étape 5

Question 7

Barème de Cohen

Answer 7

• Doit prendre en considération le coefficient p (p<0,05 = corrélation significative, p>0,05 = corrélation non-significative)
• Corrélation faible (r = 0,10)
• Corrélation moyenne (r = 0,30)
• Corrélation forte (r = 0,50)

Question 8

Quelles sont les raisons possibles d’obtenir une hypothèse non confirmée

Answer 8

• Hypothèse de recherche pas bonne (vérification dans la littérature)
• Critère pas bon (vérification des propriétés psychométriques du critère -indice de fidélité- ou vérification dans la littérature des liens entre les critères)
• Nouvel instrument n’est pas bon (souvent le cas)

Question 9

Comment vérifier les hypothèses?

Answer 9

Voir arbre décisionnel

Question 10

Atténuation

Answer 10

Limitation/réduction/atténuation/sous-estimation de la validité de l’instrument à cause de l’erreur de mesure

Question 11

Formule d’atténuation

Answer 11

• Permet d’obtenir un coefficient de désatténuation qui correspond à l’estimation de la corrélation s’il n’y avait pas d’erreur de mesure : estimation de la validité théorique maximale
• Aide à comprendre pourquoi certaines hypothèses de validité critériée ne sont pas confirmées (ecq c’est à cause de l’erreur de mesure? ou pcq l’hypothèse est mauvaise?)

Question 12

Formule 1 de l’atténuation

Answer 12

• Permet d’évaluer l’impact de la fiabilité sur la validité en faisant comme si les instruments étaient exempts d’erreur de mesure
• Comprendre comment utiliser la formule

Question 13

Qu’obtient-on avec la formule d’atténuation 1?

Answer 13

Coefficient de désatténuation donne limite supérieure théorique de la corrélation possible d’atteindre dans l’étude de validation si instruments sans erreur (théoriquement)

Question 14

Faiblesse de la formule 1

Answer 14

Réalité = les tests ont toujours au moins une part minimale d’erreur de mesure

Question 15

Formule 2 de l’atténuation

Answer 15

• Estime validité théorique en éliminant une partie de l’erreur de mesure
• Comprendre comment utiliser la formule

Question 16

Éléments à considérer avec les formules d’atténuation

Answer 16

• Il faut choisir un critère qui a de bonnes propriétés psychométriques
• Coefficients de fiabilité doivent être des corrélations
• On peut pas utiliser alpha de Cronbach
• Le mm type de coefficient doit être utilisé partout dans la formule (split-half ou test-retest)

Question 17

Groupes contrastés

Answer 17

+ différentiation entre 2 groupes est grande, + le test est valide

Question 18

Comment estimer la différentiation entre les groupes?

Answer 18

• Différence de moyennes entre les groupes
• Il faut que la différence soit statistiquement significative et ait une taille d’effet importante
• ANOVA ou test t

Question 19

Analyse factorielle

Answer 19

• Facteur “g”
• Chaque facteur résume info provenant de plusieurs items
• Items qui mesurent une dimension = fortement corrélés et moins corrélés avec les autres dimensions
• Il y a plusieurs méthodes stats pr faire des analyses factorielles

Question 20

Saturation

Answer 20

Corrélation entre un item et un facteur

Question 21

Utilité des analyses factorielles

Answer 21

1. Confirmation de la structure ou de l’organisation d’un construit (sous-dimensions et leur organisation)
2. Détecter des moins bons items

Question 22

Analyse factorielle exploratoire (AFE)

Answer 22

• On fait entrer les items dans la machine d’où on espère voir ressortir un résumé adéquat?? what
• À utiliser lorsqu’on ne sait pas ce que l’on cherche ou que la structure du construit n’a jamais été testée mathématiquement
• Voir exemple slide 57

Question 23

Analyse factorielle confirmatoire (AFC)

Answer 23

• Technique de classification où on sait ce qu’on cherche
• Indiquer au logiciel combien de facteurs sont désirés et quels items se retrouvent dans chaque facteur
• Résultats permettent de déterminer si structure est bien représentée dans les données ou non
• Voir exemple slide 59

Question 24

Interprétation des analyses factorielles

Answer 24

• Ne donne pas une réponse absolue
• On parle de “niveau d’adéquation avec les données”
• Nécessite une grande part d’interprétation de la part du concepteur de l’instrument

Question 25

Matrice d’intercorrélations des items

Answer 25

Indique la corrélation entre chacun des items

Question 26

Inconvénients des matrices d’intercorélations des items

Answer 26

• Difficile à interpréter et visualiser
• Il y a souvent des corrélations qui sont fortes en dehors des zones où il est logique d’en trouver
• Il y a souvent plus que 18 items dans les instruments

Question 27

Interpréter les résultats d’analyses factorielles

Answer 27

xoxo gossip girl