Cours 8 (congruence) Flashcards
À quoi correspond l’étape de la congruence?
Concept de la validité
Qu’est-ce que la validité en général est qu’est-ce qu’elle est à l’étape de la congruence?
Validité en général: Est-ce que mon instrument mesure ce qu’il est censé mesurer?
À l’étape de la congruence: Qu’est-ce que je mesure vraiment?
Quels sont les objectifs (1) de l’étape de la congruence? Quels sont les moyens (4) ?
Objectifs: - Vérifier les quantifications et/ou l'organisation des concepts Moyens: - Analyses corrélationnelles - Analyses factorielles -Équations structurelles - Approche hypothético-déductive
Qu’est-ce que le système hypothético-déductif?
Ensemble d’hypothèses dont les confirmations permettront de déduire que notre instrument est valide
Quelles sont les valeurs du barème de Cohen?
Faible: 0,10 - 030
Moyenne: 0,30 - 0,50
Forte : En haut de 0,50
*p < 0,05 = corrélation significative
p > 0,05 = corrélation non-significative
Quelles sont les 3 explications possibles d’une hypothèse non-confirmée?
- Hypothèse de recherche n’était pas bonne
- Le critère n’est pas bon
- le nouvel instrument n’est pas bon
Que faut-il faire quand l’hypothèse est non-confirmée parce que l’hypothèse de recherche n’est pas bonne?
Vérification dans la littérature
Que faut-il faire quand l’hypothèse est non-confirmée parce que le critère n’est pas bon?
- Vérification des propriétés psychométriques du critère
- Vérification dans la littérature des liens entre les critères
Quelles sont les étapes à regarder dans l’arbre décisionnel?
- Significativité
- Direction critère-construit
- Force critère-construit
Pourquoi a-t-on besoin d’une formule pour l’atténuation?
Parce que le coefficient de validité (la corrélation) entre le test et le critère est sous-estimé à cause de l’erreur de mesure (fiabilité).
Quel résultat donne la formule #1 d’atténuation?
Le coefficient de validité désatténué donne la limite supérieure théorique de la corrélation qu’il serait possible d’atteindre dans l’étude de validation si les instruments étaient sans erreur.
Quel résultat donne la formule #2 d’atténuation?
Permet d’estimer la validité théorique d’un instrument en éliminant une partie de l’erreur de mesure (parce qu’il n’y a jamais 0 erreur de mesure)
Vrai ou faux: La fiabilité de l’instrument et du critère n’affecte pas le coefficient validité
Faux: La fiabilité de l’instrument et du critère affectent négativement le coefficient validité
Vrai ou faux: Si l’hypothèse est confirmée avant d’utiliser la formule d’atténuation, cela signifie qu’il n’y pas de problème de fidélité
Faux: il peut quand même y avoir un problème de fidélité
Qu’est-ce que la formule d’atténuation aide à comprendre?
Ça aide à comprendre pourquoi certaines hypothèses de la validité ne sont pas confirmées (problème de fiabilité ou de validité également?)
Avec quel type de données peut-on utiliser la formule d’atténuation?
Seulement avec des corrélations!
- pas alpha de Cronbach
- Même type de coefficient doit être utilisé partout dans la formule (split-half ou test-retest)
À quoi sert un groupe contrasté?
Sert à savoir si le test permet de différencier un groupe d’un autre (grande différenciation = meilleur)
Dans les groupes contrastés, on compare la moyenne. Quels sont les 2 facteurs importants pour dire que le test permet de différencier entre les deux groupes?
- Différence statistiquement significative
- Taille d’effet importante
Quelles sont les deux façons de vérifier la validité de construit?
- AFE (analyse factorielle exploratoire) : ne sait pas ce qu’on cherche, structure du construit jamais testée mathématiquement
- AFC (analyse factorielle confirmatoire) : on sait ce qu’on cherche, indique au logiciel combien de facteurs sont désirés et quels items se retrouvent dans chaque facteur, résultats aident à déterminer si structure est bien représentée par les données
Dans une analyse factorielle, comment devraient agir les items supposés mesurer une direction?
Ils devraient être fortement corrélés entre eux ET moins corrélés avec les autres dimensions
Comment nomme-t-on la corrélation entre un item et un facteur?
Saturation
Quelle est l’utilité des analyses factorielles?
- Confirmation de la structure ou de l’organisation d’un construit
- Nombre de sous-dimensions et leur organisation
- Détecter des moins bons items
Que donne l’interprétation d’une analyse factorielle? (3)
- 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.
Quand est-ce que l’analyse factorielle avec maximum de vraisemblance est-elle recommandée?
Lorsque l’on mesure des concepts abstraits ou latents.
Quels sont les points négatifs de la matrice d’intercorrélations des items quand les patrons de corrélations devraient indiquer si les items appartiennent à leur dimension ? (3)
- La matrice est difficile à interpréter et à visualiser
- Corrélations fortes en dehors des zones où il est logique d’en trouver
- Il y a souvent plus que 18 items dans les instruments
Que représentent les X dans une matrice d’intercorrélation des items?
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.
Quels sont les inconvénients de l’analyse factorielle exploratoire (AFE)? (3)
- Difficile de comprendre «le résumé»
- La majorité des items «saturent» sur plus d’un facteur
- Difficile de nommer les facteurs
