Brainscape's Knowledge GenomeTM

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


See full index

Méthodologie en criminologie > Final > Flashcards

Final Flashcards

1
Q

Quelle méthode on utilise dans « Empirique-analytique »?

A

Méthodes quantitatives

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

Quelle méthode on utilise dans « Interprétatif / constructiviste »?

A

Méthodes qualitatives

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

Quelle méthode on utilise dans « Critique-émancipatoire »?

A

Surtout méthodes qualitatives, mais aussi quantitatives

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

Méthodes quantitatives :

La fameuse « courbe normale » inclut 3 choses…

A
  • Statistique
  • Lois de probabilité
  • Loi normale ou distribution normale
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

(Méthodes quantitatives)

Statistique : C’est quoi?

A
  • Sous-domaine de mathématique
  • L’ensemble des méthodes qui ont pour objet la collecte, le traitement et l’interprétation de données d’observation relatives à un groupe d’individus ou d’unité
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

(Méthodes quantitatives)

Loi de probabilité : C’est quoi?

A
  • Décrit comment un phénomène déterminé par le hasard se comportera (probablement) dans le futur
  • Par exemple, dans une série de jets de dés, quelles sont les chances d’obtenir le chiffre 6 au prochain jet?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

(Méthodes quantitatives)

Loi normale ou distribution normale : C’est quoi?

A
  • La distribution des scores d’une variable aléatoire
  • Qui ressemble de plus en plus à une cloche au fur et à mesure que le nombre de répétitions augmente
  • « Espace probabilisé » : l’ensemble des valeurs possibles de la variable
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

L’ « Espace probabilisé » c’est quoi?

A

L’ensemble des valeurs possibles de la variable

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

Dans une courbe parfaitement normale, la moyenne, la médiane et le mode ont la même valeur. Vrai ou faux?

A

Vrai

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

Laquelle des mesures suivantes n’est pas une mesure de dispersion?

  1. L’étendue
  2. La variance
  3. La moyenne
  4. L’écart type
A
  1. La moyenne (tendance centrale)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Pendant la pandémie, Horacio Arruda nous disait d’ « aplatir la courbe ». Dans la recherche en sciences sociales, par contre, une courbe qui a une valeur d’aplatissement (« kurtosis ») de -4 est considérée problématique. Vrai ou faux?

A

Vrai

(valeur = -2)

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

Quel type d’analyse permet d’évaluer la valeur explicative relative de variables provenant de différentes théories de façon claire?

  1. La régression multiple standard
  2. La régression multiple séquentielle
  3. L’analyse de variance
  4. Le alpha de Cronbach
A
  1. La régression multiple séquentielle

(on peut regrouper différentes variables dans différents blocs)

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

On ne peut pas utiliser la régression si la variable dépendante est binaire. Vrai ou faux?

A

Faux

(parce que pour cette procédure, il existe une __ (régression?) logistique)

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

Laquelle des analyses suivantes est une analyse de consistance interne?

  1. L’analyse factorielle
  2. La régression
  3. ANOVA
  4. T-test
A
  1. L’analyse factorielle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Choisissez la réponse la plus correcte. Un « odds ratio » ou « rapport des cotes » (Exp(B))…

  1. A toujours une valeur entre -1 et +1
  2. A toujours une valeur entre 0 et 1 (indique une influence négative)
  3. A une valeur entre 0 et l’infini
  4. Qui a une valeur négative indique une influence négative
A
  1. A une valeur entre 0 et l’infini
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

La méthodologie qualitative ne peut pas être utilisée dans le paradigme analytique-empirique, car elle assume que la réalité n’existe pas indépendamment de nous. Vrai ou faux?

A

Faux

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Charles veut comprendre comment les gens vivent subjectivement l’emprisonnement. Quelle approche est la plus appropriée pour ce faire?

  1. Approche post-positiviste
  2. Approche phénoménologique
  3. Approche rationnaliste
  4. Aucune de ces réponses
A
  1. Approche phénoménologique

(Les gens vont essayer de comprendre de façon empathique comment les gens vivent une certaine expérience)

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

Le concept « hégémonie » des approches critiques désigne le processus par lequel les gens acceptent, intériorisent et reproduisent des valeurs et des normes qui ne sont pas dans leur intérêt. Vrai ou faux?

A

Vrai

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

L’interactionnisme symbolique affirme que la signification…

  1. Ne peut exister que lorsque les personnes partagent des interprétations communes des symboles qu’elles échangent dans le cadre d’une interaction
  2. Est générée entre les personnes
  3. Est influencée par la société
  4. Toutes les réponses ci-dessus
A
  1. Toutes les réponses ci-dessus
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

La théorie ancrée est une approche…

  1. Déductive
  2. Exploratoire
  3. Confirmatoire
  4. Inductive
A
  1. Inductive
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Dans la théorie ancrée, les chercheurs commencent l’analyse des données une fois que toutes les données ont été collectées (par exemple, lorsque tous les répondants de l’échantillon ont été questionnés). Vrai ou faux?

A

Faux

(Commencent à analyser dès que les premières données ont été collectées et ensuite vont chercher d’autres participants selon)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Sandra veut faire une description dense de ce que signifie le racisme pour les femmes autochtones au Québec. Elle décide d’arrêter la collecte de données étant donné qu’elle ne découvre aucune information nouvelle par rapport à son sujet. Cela s’appelle :

  1. Saturation théorique
  2. Triangulation
  3. Saturation de données
  4. Herméneutique
A
  1. Saturation de données
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Un groupe focal (« focus group ») est un excellent outil pour interpréter/approfondir les résultats d’une étude quantitative avec certains experts du domaine. Vrai ou faux?

A

Vrai

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

La « courbe normale » est asymétrique ou symétrique?

A

Normalement, la courbe est « parfaitement » symétrique

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Dans la « courbe normale », où retrouve-t-on les valeurs hautes et les valeurs basses?

A

À gauche = valeurs basses
À droite = valeurs hautes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Si on divise la « courbe normale » en 6 sections égales :

A
  • 68% des observations tombent dans les 2 sections du milieu
  • 95% des observations tombent dans les 4 sections du milieu
  • 99.7% des observations tombent dans les 6 sections totales
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Quels sont les termes clés dans l’analyse quantitative? (6)

A
  1. Population et échantillon (déjà connus)
  2. Mesures générales : fréquence, distribution de fréquences
  3. Mesures de tendance centrale : moyenne, médiane, modus
  4. Mesures de dispersion : étendue, variance, écart type
  5. Asymétrie
  6. Kurtosis (« aplatissement »)
28
Q

Quelles sont les mesures générales dans l’analyse quantitative? (2)

A
  1. Fréquence
  2. Distribution de fréquences
29
Q

Quelle est la définition de la fréquence et de la distribution de fréquence?

A
  1. Fréquence : le nombre de fois qu’une valeur se dégage des données. Notation « f »
  2. Distribution de fréquences : le nombre de fois qu’une valeur a été observée dans un échantillon
30
Q

Quelles sont les mesures de tendance centrale dans l’analyse quantitative? (3)

A
  1. Moyenne
  2. Médiane
  3. Modus (mode)
31
Q

Quelle est la définition de la moyenne, de la médiane et du modus (mode)?

A
  1. Moyenne : somme de toutes les observations/ nombre total d’observations
  2. Médiane : le score qui divise une distribution en deux parties égales
  3. Modus : le score le plus fréquemment observé dans l’échantillon
32
Q

Quelles sont les mesures de dispersion dans l’analyse quantitative? (3)

A
  1. Étendue
  2. Variance
  3. Écart type
33
Q

Quelle est la définition de l’étendue, de la variance et de l’écart type?

A
  1. Étendue : la différence entre la plus grande et la plus petite des valeurs observées dans l’échantillon
  2. Variance : la moyenne des carrés des écarts à la moyenne
  3. Écart type : la racine carrée de la variance
34
Q

L’asymétrie est une mesure de l’asymétrie de la distribution d’une variable. Vrai ou faux?

A

Vrai

35
Q

À quoi ressemble l’asymétrie positive et l’asymétrie négative dans une courbe normale?

A
  1. Positive : la queue droite est plus longue que la queue gauche
  2. Négative : la queue gauche est plus longue que la queue droite
36
Q

Quelle est l’interprétation facile de l’asymétrie?

A
  • Entre -1 et +1 = excellent
  • Entre -2 et +2 = acceptable
37
Q

Kurtosis (« aplatissement ») est une mesure directe de l’acuité et une mesure indirecte de l’aplatissement de la distribution d’une variable. Vrai ou faux?

A

Vrai

38
Q

Quelle est l’interprétation facile de kurtosis (« aplatissement »)?

A

< -2 = trop aplati

39
Q

Analyses bivariées :

Quelles sont les analyses qui étudient l’association entre deux variables?

A
  1. Les différents types de corrélation
  2. Le « khi-carré »
40
Q

Analyses bivariées :

Quelles sont les analyses qui examinent s’il existe une différence entre deux groupes ou plus par rapport à une variable ciblée?

A
  1. ANOVA
  2. T-test
41
Q

Analyses bivariées :

Le choix du test dépendra entièrement du type de variables incluses dans l’analyse. Lesquelles?

A
  • nominal
  • ordinal
  • ratio
42
Q

Analyses bivariées :

Le choix du test dépendra de quoi?

A

Le choix du test dépendra entièrement du type de variables incluses dans l’analyse.

43
Q

Analyses bivariées :

La valeur p se situe entre quoi et quoi?

A

Entre 0 et 1

44
Q

Analyses bivariées :

Généralement, on adopte un seuil de combien %?

A

5% (p< 0.05)

45
Q

Analyses bivariées :

C’est quoi la valeur p?

A

Est un chiffre décrivant la probabilité que nos résultats aient été obtenues par hasard / se conforment à l’hypothèse nulle.

46
Q

Quel est l’objectif du khi-carré?

A

L’objectif de ce test est d’identifier si une disparité entre les données réelles et les données prédites est due au hasard ou à un lien entre les variables considérées.

47
Q

Khi-carré :

Qu’est-ce que ça signifie si l’écart entre les valeurs observées et les valeurs attendues est statistiquement significative (p< 0.05)?

A

On rejette l’hypothèse nulle.

48
Q

Quelles sont les analyses explicatives multivariées?

A
  • MANOVA
  • La régression linéaire
  • La régression logistique
  • La régression ordinale
  • Modélisation par équations structurelles
49
Q

Quelles sont les analyses de fiabilité / consistance interne?

A
  • Cronbach’s alpha
  • Analyse de composantes principales / factorielle : version plus avancée d’une analyse de fiabilité
50
Q

Le coefficient de régression :

A
  • L’analyse de régression assignera un poids à chacune des VI incluses dans le modèle.
  • Le coefficient de régression standardisé reflète la variance unique expliquée par une VI.
    * Ce poids est relatif aux autres VI incluses dans l’analyse et permet donc de décrire le rôle particulier de cette VI dans cette combinaison linéaire particulière.
51
Q

La régression linéaire est une technique utilisée pour estimer l’influence relative de plusieurs variables indépendantes sur une variable dépendante. Vrai ou faux?

A

Vrai

52
Q

C’est quoi le modèle de régression?

A

L’ensemble de variables qui prédit le mieux la variable dépendante. Les variables seront retenues et exclues sur base de critères statistiques (valeur p).

53
Q

Régression linéaire :

L’effet d’interaction?

A
  • deux ou plusieurs variables combinées ont un effet significativement plus grand sur une VD que la somme des VIV individuelles (v1 x v2 = effet d’interaction).
  • quand il y existe des effets de modération.
54
Q

Quelles sont les 3 types de régression dans les analyses explicatives multivariées?

A
  1. Régression linéaire
  2. Régression logistique
  3. Régression ordinale
55
Q

Qu’est-ce que la régression multiple standard?

A
  • l’entrée simultanée de toutes les VI dans l’équation de régression.
  • les VI sont alors mises en compétition, sans avantage ou distinction les unes par rapport aux autres.
  • les aires de variance partagées sont non attribuées, ne laissant place qu’aux contributions uniques de chaque VI dans l’explication de la VD.

= peut amener un biais

56
Q

Qu’est-ce que la régression multiple séquentielle?

A
  • l’entrée séquentielle des VI dans l’équation de régression.
  • habituellement, les prédicteurs connus ou les variables que nous voulons contrôler constituent la première étape.
  • les étapes subséquentes de la régression multiple séquentielle visent à cerner la variance unique additionnelle expliquée par les VI ajoutées : est-ce que l’ajout de nouvelles variables permet d’améliorer le modèle précédent?

= celle qu’on voit le plus (ça se fait en bloc)

57
Q

Quelles sont les régressions dans la régression linéaire?

A
  1. Régression multiple standard
  2. Régression multiple séquentielle
  3. Régression multiple statistique
58
Q

La régression multiple statistique c’est quoi?

A

L’entrée ou le retrait séquentiel de VI, une à une, de l’équation de régression sur la base d’un critère statistique.

59
Q

Quelles sont les 3 introduction dans la régression multiple statistique?

A
  1. Introduction ascendante
  2. Introduction descendante
  3. Introduction pas-à-pas
60
Q

Comment fonctionne l’introduction ascendante?

A
  • la première variable introduite est celle qui explique la plus grande partie de la variance de la VD.
  • ensuite, les variables qui expliquent la plus grande partie de la variance restante sont introduites.
  • jusqu’au point où le modèle ne peut plus être amélioré.
61
Q

Comment fonctionne l’introduction descendante?

A
  • dans la première étape, toutes les variables sont incluses dans le modèle.
  • les variables qui ne contribuent pas de manière significative (valeur p) sont exclues du modèle.
  • le modèle est réévalué et les mêmes étapes sont répétées jusqu’à ce que le modèle ne contienne que des variables contribuant de manière significative à l’explication de la VD.
62
Q

Comment fonctionne l’introduction pas-à-pas?

A
  • une combinaison entre les deux façons précédentes.
  • cette méthode s’effectue en respect des principes de l’introduction ascendante, permettant cependant le retrait des VI ne contribuant plus significativement à l’explication de la variance à la suite de l’introduction d’une nouvelle VI.
63
Q

Quelles sont les forces et faiblesses de la régression linéaire?

A

Forces:
1. Ce sont des techniques statistiques simples et faciles à interpréter.
2. Elles offrent la possibilité d’avoir un modèle mixte contenant des prédicteurs de nature continue ou catégorielle/dichotomique.
3. Ce sont des techniques largement utilisées et très bien documentées.

Faiblesses:
1. Ce sont des techniques statistiques dont la qualité des résultats est hautement dépendante de la qualité du devis employé et des données obtenues.
2. Elles nécessitent le respect de nombreuses conditions pour atteindre des résultats fiables.
3. Elles ne permettent pas d’inférieur de relations causales entre les variables indépendantes et les variables dépendantes.

64
Q

Régression logistique :

La valeur se situe entre quoi et quoi?

A

Entre 0 et l’infini : l’exposant du coefficient.

65
Q

Régression logistique = interpréter les odds ratio. Vrai ou faux?

A

Vrai

66
Q

Régression ordinale = on va traiter les VD ordinales. Vrai ou faux?

A

Vrai

Méthodologie en criminologie (2 decks)

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