cours 8 Flashcards
rappel : la validité à l’étape de la congruence se traduit par = «Qu’est-ce que je mesure vraiment? »
vrai
Quelle est l’objectif de l’étape de la congruence?
- Vérifier les quantifications et/ou l’organisation des concepts
Qu’est ce que le système hypothético-déductif?
- ensemble d’hypothèses dont les confirmations permettront de déduire que notre instrument est valide
- La confirmation d’une de ces hypothèses = démonstration de la validité
- La confirmation de plusieurs de ces hypothèses = démonstration plus solide de la validité
La non-confirmation d’hypothèses = soulève doutes sur la validité
À quoi servent les critères?
À créer un système hypothético-déductif, qui servira à démontrer la validité de notre instrument à l’étape 5 (congruence)
quelle est le barème de Cohen?
Corrélation faible : r=0,10
Corrélation moyenne : r=0,30
Corrélation forte : r=0,50
tjr prendre en considération le coefficient p :
Si p ≤ 0,05 : la corrélation est significative
Si p > 0,05 : la corrélation est non significative
Quelles sont les explications possibles lorsque nos hypothèses sont non confirmées?
1) L’hypothèse de recherche n’était pas bonne :
- Vérification dans la littérature (pt articles étaient old)
2) Le critère n’est pas bon :
- Vérification des propriétés psychométriques du critère
- Vérification dans la littérature des liens entre les critères (créer une hypothèse pr voir si infirmer = critère)
3) Le nouvel instrument n’est pas bon
voir pic iphone 22 novembre pour savoir cmt vérifier les hypothèses des critères convergent ou divergent
ok
Qu’est ce que le concept d’atténuation dans une corrélation?
- L’erreur de mesure limite, réduit, atténue la validité de notre instrument
- Le coefficient de validité (la corrélation) entre le test et le critère est sous-estimé à cause de l’erreur de mesure
Est-il possible d’estimer la validité théorique maximale d’un instrument en éliminant l’erreur de mesure?
- oui il y a une formule #1 pour cela qui inclue que les corrélations, il y a aussi une formule si l’info sur le critère n’est pas disponible (voir pic phone 22 nov)
Qu’est ce qu’on obtient comme résultat de la formule qui elimine l’erreur de mesure?
un coefficient de validité désatténué (et donc corrigé pour l’atténuation) qui donne la limite supérieure théorique de la corrélation qui serait possible d’atteindre dans l’étude de validation si les instruments étaient sans erreur
vrai ou faux, le coefficient de validité désatténué théorique montre l’effet que l’erreur de mesure du test étant validé et du critère ont eu sur mon coefficient de validité observé
vrai
Qu’est ce que ca veut dire quand le coefficient de validité désatténué est assez similaire au coefficient de validité observé (lui qu’on obitent)?
qu’il y a une erreur de validité, pck même sans les erreurs, on obtient pas la corrélation attendu ce qui vx dire qu’on mesure pt pas ce qu’on est censer mesurer
Qu’est ce que ca veut dire quand le coefficient de validité désatténué a un gros écart avec le coefficient de validité observé (lui qu’on obitent)?
qu’il y a une erreur de fidélité, pck il y a tout simplement trop d’erreur
La formule d’atténuation #1 permet d’évaluer l’impact de la fiabilité sur la validité en faisant comme si les instruments étaient exempts d’erreur de mesure. Cependant, les tests ont toujours au moins une part minimale d’erreur de mesure.
Est-il donc possible d’estimer la validité théorique d’un instrument en éliminant une partie de l’erreur de mesure?
oui, cette formule est plus réaliste qu’enlever TT l’erreur de mesure, c’est la formule #2.
Quelles sont les conclusions qu’on peut dire sur l’atténuation?
- fiabilité de l’instrument et fiabilité du critère affectent négativement le coefficient de validité
- formule d’atténuation aide à comprendre pk certaines hypothèses de validité critériée ne sont pas confirmées (problème de fiabilité ou de validité également?)
- Rappel : si mon hypothèse est confirmée avant l’utilisation de la formule, il peut quand même y avoir un problème de fidélité !
- Il faut choisir un critère qui a de bonnes propriétés psychométriques
- Les formules #1 et #2 ne fonctionnent qu’avec des corrélations comme coefficients de fiabilité
- alpha de Cronbach ne doit pas être utilisé
- Le mm type de coefficient doit être utilisé partout dans la formule (split-half ou test-retest)
Il est important de savoir si notre test permet de différencier un groupe d’un autre, comment faire? (différencier des groupes constrastés)
*+ la différenciation est grande, + le test est valide
*On calcule la différence de moyennes entre les groupes :
Il faut que la différence soit statistiquement significative, mais ait aussi une taille d’effet importante.
*On utilise surtout analyses de variances (ANOVA) ou des tests t
Ex :
- Groupe d’enfants avk TDAH VS Groupe d’enfants sans TDAH
- Groupe atteint d’une déficience intellectuelle VS Groupe n’en présentant pas
Il existe 2 types d’analyse factorielle, qu’est ce que l’analyse factorielle exploratoire (AFE) ?
- Technique où on fait entrer les items dans la machine et d’où on espère voir ressortir un résumé adéquat (faire entrer nos item dans un prgrm informatique, on espère voir des sous dimensions ressortir)
- À utiliser quand on sait pas cquon cherche ou que la structure du construit n’a jamais été testée mathématiquement
Il existe 2 types d’analyse factorielle, qu’est ce que l’analyse factorielle confirmatoire (AFC)?
- Technique de classification où on SAIT ce que l’on cherche
- On indique au logiciel cmb de facteurs sont désirés et quels items se retrouvent dans chaque facteur
- Les résultats nous aident à déterminer si oui ou non, la structure est bien représentée par les données (si c bien structure attendu)
donne un exemple d’analyse factorielle EXPLORATOIRE (AFE).
demander : Comment mes 11 items se regroupent-ils? Quelle est la structure de mon questionnaire? (plein de rond blancs d’items)
réponse machine : L’analyse montre que mes items se regroupent en 3 facteurs distincts (rond de 3 couleurs différentes)
donne un exemple d’analyse factorielle CONFIRMATOIRE (AFC).
demander : Les items se regroupent-ils dans les deux facteurs suivants comme attendu?
réponse machine : L’analyse montre que mes items se regroupent plutôt en 3 facteurs distincts
en général, qu’est ce qu’une analyse factorielle tt court?
- Technique statistique issue des travaux initiaux sur l’intelligence
- Le facteur «g» = une analyse factorielle
- Chaque facteur résume de l’info provenant de plusieurs items
- Les items qui sont supposés mesurer une dimension devraient être fortement corrélés entre eux ET moins corrélés avec les autres dimensions
- On nomme saturation la corrélation entre un item et un facteur
- Si mauvais alpha de Cronbach = mauvaise validité interne = c sur qu’on aura pas une bonne analyse factorielle
Quelle est l’utilité des analyses factorielles?
1) Confirmation de la structure ou de l’organisation d’un construit (Nb de sous-dimensions et leur organisation)
2) Détecter des moins bons items
rappel : un construit est un concept abstrait que l’on tente de mieux comprendre en le rendant plus concret ex : personnalité, IQ, anxiété
Que peut on rajouter sur l’analyse factorielle?
- L’interprétation des analyses factorielles :
1) donne pas une réponse absolue
2) nous donne “niveau/degré d’adéquation” entre nos données et celle de l’analyse factorielle
3) Nécessite grande part d’interprétation de la part du concepteur de l’instrument - Il existe plusieurs méthodes statistiques différentes pour faire analyses factorielles
ex : l’analyse factorielle avec maximum de vraisemblance (max likelyhood) = recommandé quand on mesure des concepts abstraits ou latents
Quelles sont 2 questions qu’on peut se poser en lien avec l’étape de la congruence en terme d’analyse factorielle?
- Les items «appartiennent-ils» à leur dimension?
- Les 3 dimensions «appartiennent-elles» au construit global?
vrai ou faux, on fait une analyse factorielle quand on mesure des concept abstraits / latent (construit)
vrai
que peut on dire sur les matrices d’intercorrélations des items?
- Les patrons de corrélations devraient indiquer si les items appartiennent à leur dimension
MAIS… - matrice est difficile à interpréter et visualiser
- ya souvent des corrélations qui sont fortes en dehors des zones où il est logique d’en trouver
- ya souvent + que 18 items dans les instruments (surtout si on a créé plus d’items dans le but d’éliminer les moins bons)
quelle est la structure factorielle qui résume la matrice d’intercorrélations? (voir pic iphone 23 nov)
- Chaque X représente une saturation élevée
- Une saturation s’interprète comme une corrélation
-Une saturation exprime le poids qu’a l’item dans le facteur - Les saturations devraient être élevées pour les facteurs attendus et presque nulles pour les autres
voir pic iphone 23 nov. pr exemple d’analyse factorielle exploratoire (AFE)
ok
comment on effectue une analyse factorielle confirmatoire (AFC)**
- Forcer le nb de facteurs au nb de dimensions conceptualisées en créant un modèle
- On regarde une série d’indices nous permettant de dire si ce qu’on a mis fonctionne ou pas
- Ces analyses sont complexes et ne s’effectuent pas sur SPSS
