Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Introduction à la psychométrie > Cours 8 : Congruence > Flashcards

Cours 8 : Congruence Flashcards

1
Q

En quoi consiste l’étape de la congruence selon le modèle de la cible ?

A

C’est la phase de vérification de la validité

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

La validité dépend du _______

A

Contexte

Un test est toujours valide dans un contexte (ex : test sur l’anxiété valide pour mesurer l’anxiété chez les étudiants)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

C’est ______________ des scores du test qui doit être valide

A

L’interprétation

Pas le test lui même

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Quelle question faut-il se poser quand on évalue la validité d’un instrument?

A

Est-ce que mon instrument mesure ce qu’il est censé mesurer

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Quelle question faut-il se poser quand on évalue la congruence ?

A

Qu’est-ce que je mesure vraiment ?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quel est l’objectif de l’étape de la congruence

A

Vérifier la quantification et l’organisation des concepts

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Quels sont les moyens pour mesurer la congruence ? (4)

A

Analyses corrélationnelles
Analyses factorielles
Équations structurelles
Approche hypothético-déductive

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Comment peut-on mesurer la validité de contenu et d’apparence ?

A

Jugement subjectif, consultations d’experts

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qu’est-ce qu’un système hypothético-déductif ?

A

Ensemble d’hypothèses dont les confirmations permettent d’évaluer la validité de l’instrument

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

La confirmation d’une ou plusieurs hypothèses veut dire quoi par rapport à la validité ?

A

C’est une démonstration de la validité (plusieurs hypothèses confirmées = démonstration plus solide)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Non-confirmation d’une hypothèse amène des _____ sur la validité

A

Doutes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Quelle est l’utilité d’un critère (validité critériée) ?

A

Créer un système hypothético-déductif qui sert à démontrer la validité de l’instrument

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Quelle valeur doit toujours être considérer quand on veut confirmer des hypothèses avec des corrélations ?

A

La valeur p ! Si elle est plus grande de le seuil de signification établi, on ne peut confirmer aucune hypothèse.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Que veulent dire ces chiffres selon le barème de Cohen : 0,10 ; 0,30 ; 0,50.

A

0,10 : corrélation faible
0,30 : corrélation moyenne
0,50 : corrélation forte

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Si les statistiques montre une corrélation allant dans le même sens que mon hypothèse mais plus faible que ce qui était attendue, mon hypothèse est-elle confirmée ?

A

Non. Partiellement confirmée.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Il y a 3 explications possibles pour des hypothèses non-confirmées, lesquelles ? Que faire dans chaque cas ?

A
  1. L’hypothèse de recherche n’était pas bonne (littérature mal recensée, lire de nouveaux articles
  2. Le critère n’était pas bon (vérifier ses qualités psychométriques, vérifier la littérature sur le lien habituel critère-construit)
  3. Nouvel instrument est problématique (vérifier ses qualités psychométriques)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Quel est le principe d’atténuation dans la validité ?

A

L’erreur de mesure atténue la validité du test (la fidélité affecte la validité)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Que permet-la formule de l’atténuation #1 ?

A

Estimer la limite supérieure théorique que la corrélation peut atteindre si l’instrument ne contient aucune erreur de mesure

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Si la corrélation trouvée entre un test et un critère est confirmée suite à la formule d’atténuation, qu’est-ce que ça veut dire ?

A

Que le manque de validité de l’instrument est causé par un manque de fiabilité.

20
Q

Pourquoi, en pratique, la formule #2 d’atténuation est mieux?

A
  • en pratique, les tests ont toujours une part d’erreur

- le fait de calculer une corrélation exempte d’erreur de mesure est idéaliste.

21
Q

Qu’est-ce qui distingue la formule #2 de la formule #1 d’atténuation ?

A

Dans la formule #2, on inscrit le coefficient de fiabilité désiré (ex : 0,85) pour le test et le critère. La corrélation augmente donc moins et c’est plus réaliste en pratique.

22
Q

Avec quels coefficient de fiabilité peut-on faire la formule de l’atténuation ? Avec lequel est-il impossible de le faire

A

Split-half, test-retest

Ne pas faire : alpha de cronbach

23
Q

Est-ce qu’il peut y avoir problème de fiabilité même si une hypothèse de la validité critériée est confirmée?

A

Oui

24
Q

Que veut-on vérifier quand on évalue la validité critériée par groupes contrastés?

A

Est-ce que le test permet de différencier 2 groupes ?

25
Q

____ il y a de différenciation entre les groupes, plus le test est _______

A

Plus

Valide

26
Q

Comment calcule-t-on la validité critériée par groupes contrastés? Comment savoir si les groupes contrastés sont assez différents ?

A

On calcule la différence de moyenne entre les 2 groupes.

On veut une différence statistiquement significative avec une grande taille d’effet.

27
Q

Que mesure la validité de construit ?

A

Elle mesure si l’instrument mesure vraiment le construit à l’étude.

28
Q

Il y a 2 types d’analyses factorielles qu’on peut utiliser pour évaluer la validité de construit, nomme-les

A

Analyses factorielles exploratoires et confirmatoires

29
Q

En quoi consiste l’analyse factorielle exploratoire ?

A

On entre les items dans un logiciel et on observe les sous-dimensions qui ressortent des items.

30
Q

En quoi consiste l’analyse factorielle confirmatoire ?

A

On indique au logiciel le nombre de facteurs désirés et les items qui vont dans quels facteurs

31
Q

Quand est-il utile de faire une analyse factorielle exploratoire ?

A

Quand on ne sait pas ce qu’on cherche, ou que la structure du construit n’a jamais été vérifiée mathématiquement.

32
Q

Quand est-il utile de faire une analyse factorielle confirmatoire ?

A

Quand on sait a priori ce qu’on cherche, et/ou qu’on veut savoir si la structure désirée est bien représentée par les données.

33
Q

Pourquoi l’analyse confirmatoire est mieux que l’analyse exploratoire ? (2)

A
  • Les statistiques sont plus précises

- Permet de faire un ménage des items (garder seulement ceux qui représentent bien la structure)

34
Q

L’analyse factorielle est issu de quels travaux ?

A

Sur l’intelligence (facteur « g »)

35
Q

Quelle est la logique sous-jacente à une analyse factorielle ?

A

Chaque facteur résume l’info de plusieurs items. Les items qui mesurent les mêmes dimensions devraient être plus corrélés entre eux et moins corrélés avec les items des autres dimensions.

36
Q

Comment nomme-t-on la corrélation entre un item et un facteur

A

La saturation

37
Q

Quelle est l’utilité d’une analyse factorielle ? (2 choses)

A
  • Confirmer la structure / l’organisation du construit (nombre de sous-dimensions, quels items vont dans quelles sous-dimensions)
  • Détecter les moins bons items (s’ils ne sont pas corrélés avec un facteur ou d’autres items)
38
Q

Qu’est-ce que nous donne une analyse factorielle ? (résultat)

A

Le niveau d’adéquation avec les données

39
Q

Vrai ou Faux : l’analyse factorielle a besoin d’être interprétée par les concepteurs de l’instrument pour être comprise

A

Vrai

40
Q

Vrai ou Faux : l’analyse factorielle donne un résultat / une réponse absolue

A

Faux

41
Q

Vrai ou Faux : «Factor analysis with maximum likelihood» est un type d’analyse factorielle

A

Vrai

42
Q

Quand est recommandé la «factor analysis with maximum likelihood»

A

Quand on veut évalué un construit latent, abstrait.

43
Q

Dans une analyse factorielle exploratoire, quelles saturations sont omises ? Est-ce que tous les chercheurs s’entendent sur cette décision ?

A

Les saturations de 0,200 ou moins.

Non, certains chercheurs recommandent d’omettre les saturations de 0,400 et moins.

44
Q

Quels sont les problèmes par rapport à l’utilisation matrices d’intercorrélations des items de la «factor analysis with maximum likelihood» ? (3)

A
  • Elles sont difficiles à interpréter / à visualiser.
  • Il y a souvent des corrélations fortes dans des zones où il est illogique d’en trouver
  • Souvent, on a beaucoup d’items donc faire une matrice est difficile.
45
Q

Quelles sont les limites de l’analyse factorielle exploratoire ? De l’analyse factorielle confirmatoire ?

A

Exploratoire : résumé complexe à comprendre, la majorité des items «saturent» sur plus d’un facteur, il est difficile de nommer les facteurs.

Confirmatoire : force le nombre de facteurs et dimensions, plus complexe, ne s’effectue pas sur SPSS

Introduction à la psychométrie (13 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions