L'échantillonnage Flashcards
Quelles sont les 4 étapes de la phase méthodologique?
1. Choix du devis de recherche
2. Définition de la population à l’étude;
* Population cible et échantillon
* Milieu d’étude
3. Description des principes qui sous-tendent la mesure;
* Identifier les instruments de mesure des variables à l’étude
* Collecte de données
4. Description des méthodes d’analyse des données;
* Analyse des données statistques (quantitatif)
* Analyse des données qualitatives
Qu’est-ce que l’échantillonnage?
- Processus par lequel un groupe de personnes ou une population (échantillon) est choisi de manière à représenter une population cible
- Il faut définit notre population cible (étudiée)
Biais d’échantillonnage:
-Type de biais de sélection
-Sélection des participants à une étude dont les caractéristiques diffèrent de façon précise de celles de la population
-Ne reflète pas la population cible
Qu’est-ce que la population cible?
- Ensemble d’éléments avec des caractéristiques communes
- La population cible permet de faire des généralisation (validité externe)
- Puisqu’il est impossible d’étudier la population cible en entier, on examine la population accessible
Qu’est-ce que la population accessible?
- Portion de la population qu’on peut atteindre et qui est autant que possible représentative de la population cible
Critères de sélection
- La population est initialement hétérogène
- Pour obtenir un échantillon homogène, il faut établir des critères des personnes à inclure dans l’étude et celles à exclure
Qu’est-ce qu’un échantillon?
- Fraction d’une population sur laquelle porte l’étude
- Sous-groupe de la population accessible
- Doit être représentatif de la population cible (surtout en quantitatif);
-Refléter les caractéristiques de l’environnement, mais aussi des individus
-Doit ressembler le plus possible à la population cible
Qu’est-ce qu’un échantillonnage probabiliste?
- Davantage utilisée en recherche quantitative
- Chaque élément de la population a une chance égale ou une probabilité non nulle d’être sélectionné
- Diminution du risque d’erreur d’échantillonnage
- Augmentation de la représentativité de l’échantillon
Différents sous-types:
-Aléatoire simple
-Aléatoire systématique
-Aléatoire stratifié (proportionnel ou non-proportionnel)
-En grappes
Qu’est-ce que l’erreur d’échantillonnage?
- Inégalité entre les valeurs obtenues auprès de l’échantillon et celles qui auraient été obtenues auprès de la population cible;
-Échantillon qui n’est pas représentatif de la population cible - Variations aléatoires ; pas de contrôle
Échantillonnage simple
Échantillonnage probabiliste
- Chaque élément a une chance égale d’être inclus dans l’échantillon
- Pas de remise
Source:
-Listes de noms (existantes ou non = $)
-Table des nombres aléatoires
Avantages:
-Diminution biais échantillonnage
-Augmentation représentativité de la population (population hétérogène)
Échantillonnage systématique
Échantillonnage probabiliste
- Les éléments sont sélectionnés selon des intervalles réguliers
- Choix aléatoire du premier élément dans une liste, suivi du prélèvement à intervalles prédéterminés des autres éléments (N/n)
Avantages:
-Faciles, rapides et économiques
Échantillonnage stratifié
Échantillonnage probabiliste
- La population est divisée par strates, en fonction de caractéristiques communes
- A priori (avant l’étude) ou postériori
- Nécessite une bonne connaissance de la population à l’étude pour pouvoir établir des critères de stratification
- Plus long, mais diminue l’erreur d’échantillonnage
Proportionnel: Reflète les différences proportionnelles de la population
Non-proportionnel: Surreprésentation de certaines strates à comparter à la proportion dans la population
Échantillonnage en grappes
Échantillonnage probabiliste
- Recruter des gens en groupes de sujets hétérogènes;
-Unité: groupes et non individus - Similaire à échantillonnage stratifié, mais recrutés en groupe
- Pour les études à grande échelle ou population disparate
- Sélection aléatoire successive à partir de critères définis
- Pragmatique, rapide et peu coûteux
Échantillonnage non-probabiliste
- Utilisée en recherche qualitative
- Sélection aribitraire;
-Pas de chance égale
-Représentativité de la population cible est faible ou nulle
-Difficile de généraliser
-On ne mesure pas l’erreur d’échantillonnage
Différents sous-types:
* Par convenance
* Par réseaux (boule de neige)
* Par quotas
* Par choix raisonné
* Théorique
Échantillonnage par convenance (accidentel)
Échantillonnage non-probabiliste
- Être au bon endroit au bon moment;
-Choix des sujets déterminé par le lieu et le moment - Type de recrutement
- Plus fréquent et facile
- Diminution participants vs non participants
Échantillonnage par réseaux (boule de neige)
Échantillonnage non-probabiliste
- Par références (ex: réseaux sociaux);
-Échantillonner quelqu’un, et lui demander si elle connait quelqu’un qui a vécu une histoire similaire - Sujets délicats et sensibles (où il serait difficile d’afficher une annonce publiquement)
- Faite en deux temps
- Populations particulières
- Objectifs de non généralisation
Échantillonnage par quotas
Échantillonnage non-probabiliste
- On peut l’intéger à un échantillonnage par convenance ou par réseaux;
-Ex: Dans un échantillon boule de neige, je réalise que 70% des toxicomanes sont des hommes. Alors, je voudrais que mon quotas d’homme dans ma recherche soit de 70% - Sélectionner des sous-groupes en fonction de caractéristiques communes, en tenant compte des proportions dans la population
- Mêmes contextes que échantillonnage stratifié (nécessite la connaissance de la population pour en dégager les caractéristiques)
Échantillonnage par choix raisonné
Échantillonnage non-probabiliste
- À mi chemin entre échantillonnage par quotas et échantillonnage par convenance
-Par quotas: critères précis
-Par convenance: différent en terme de disponibilité - On ne recrute pas sur la base de quotas, mais plutôt selon ce que les gens ont vécu dans leur passé
- Connaissances du sujet et thèmes abordés
- Peut être intégré à d’autres types d’échantillonnages non-probabilistes
Échantillonnage théorique
Échantillonnage non-probabiliste
- Souvent utilisé avec une recherche de théorisation ancrée
- Processus de sélection itératif (répété plusieurs fois)
- Peut être intégré à d’autres types d’échantillonnages non-probabilistes
Collecte et analyse:
* Personnes ou groupes en fonction de leur contribution dans l’élaboration de catégories émergentes de la théorie
* On peut retourner sur le terrain après l’analyse pour approfondir les thèmes souvent abordés
- Générer, saturer, délimiter
Types d’échantillonnage selon le type de recherche
Quantitative: Généralisation
* Échantillonnage probabiliste
* Échantillonage non-probabiliste;
-Par convenance
-Par quotas
Qualitative: Représenter un phénomène
* Moins d’échantillonnage probabiliste
* Échantillonnage non-probabiliste
Comment déterminer la taille de l’échantillon en recherche quantitative?
- Taille de l’échantillon prédéterminé: Nombre suffisant pour déceler une différence entre des groupes ou des relations entre les variables (statistiquement significative)
Outil: Puissance statistique = chance de détection
* Erreur type I: Rejeter H0 alors qu’elle est vraie (alpha = seuil de signification ; p<0,05)
* Erreur type II: Ne pas rejeter H0 alors qu’elle est fausse (beta = probabilité de faire ce type d’erreur ; ~4x alpha = 0,2)
* Plus la puissance (1-beta) est élevée, moins le risque d’erreur de type II;
-Min = 0,8 (1-beta)
Facteurs à considérer:
1. But de l’étude:
* Explorer ou décrire un phénomène
* Explorer des relations
* Vérifier des relations ou prédire;
-Nombre de variables
-Corrélationnel ou cause à effet?
2.Homogénéité ou hétérogénité de la population
3.Taille de l’effet:
* Si l’effet escompté est grand, on peut avoir un plus petit échantillon
* Si l’effet escompté est petit, il faut un plus grandé échantillon
Comment déterminer la taille de l’échantillon en recherche qualitative?
- Rarement prédéterminé
- Critère décisionnel: la saturation des données (toutes les informations nécessaires)
Facteurs à considérer:
* Ampleur: Question générale vs spécifique (objectif qu’on veut atteindre)
* Nature: Sujet simple vs complexe et sensible (plus facile vs plus difficile à recruter des gens)
* Qualité des données: Aisance/exhaustivité (données faciles ou difficiles à compiler)
* Devis: Mesure unique ou répétée
Critères qui détermine la méthode d’échantillonnage à utiliser
- Marge d’erreur et niveau de confiance désirés
- Ressources humaines et financières disponibles
- Contraintes de temps
- Disponibilité d’une liste de la population accessible
- Dispersion géographique des répondants
- Nécessité d’effectuer des projections à une population plus large