Methodes ives Sciences Sociales

Mthodes qualitatives en sciences socialesPetite introduction aux mthodes qualitatives

Version 0.9 - nov 2007 Originaux disponibles ici: http://tecfa.unige.ch/guides/methodo/quali/

Auteur: Daniel K. SchneiderTECFA, Facult de Psychologie et des Sciences de l'Education, Universit de Genve, 54 route des Acacias, CH-1227 Genve [email protected] - http://tecfa.unige.ch/tecfa-people/schneider.html

Research Design MPA

DKS 7/11/06

-.

A-2

Description Extrait (!) de matriel denseignement pour un sminaire dintroduction la dmarche et aux mthodes de recherche. Public: Etudiant(e)s en sciences sociales, technologies ducatives, etc. Ce matriel est destin un enseignement en salle de classe ! Vous pouvez lutiliser pour un ventuel auto-apprentissage, mais de faon limite. La matire couverte est assez simple sur le plan technique, mais il ne faut pas sous-estimer les difficults de la mise en oeuvre. Faire une recherche est quelque chose qui sapprend par la pratique.

CopyrightCe matriel est disponible sous une licence Creative Commons: Paternit - Pas dUtilisation Commerciale - Partage des Conditions: En bref, vous tes libres: de reproduire, distribuer et communiquer cette cration au public de modifier cette cration

Sous les conditions suivantes: Paternit. Vous devez citer le nom de lauteur original. Pas dutilisation commerciale ! Partage des conditions initiales lidentique. Si vous modifiez, transformez ou adaptez cette cration, vous navez le droit de distribuer la cration qui en rsulte que sous un contrat identique celui-ci.

Dtails (en Anglais) sur le site: http://creativecommons.org/licenses/by-nc-sa/2.5/deed.fr_CAResearch Design - MPA DKS 7/11/06

-.

A-1

B - Contexte

B-1

1. Introduction ...................................................................................................................... B-21.1 La recherche: poser une question et y rpondre .......................................................................B-2 1.2 Agencement des lments du plan de recherche ......................................................................B-3 1.3 Elments typiques dun cycle de recherche ...............................................................................B-4

2. Elments cls de la dmarche empirique ..................................................................... B-5 3. Types de recherches ....................................................................................................... B-63.1 3.2 3.3 3.4 selon le degr de thorisation ..................................................................................................B-6 Selon la finalit scientifique (Marshall & Rossmann 95: 41) .....................................................B-7 La typologie de Jrvinen (2004: 10) .............................................................................................B-8 Une typologie simple des approches ..........................................................................................B-9

C - Recherches visant crer une thorie

C-1

1. Introduction ...................................................................................................................... C-2 2. La notion de mthode qualitative ............................................................................... C-3 3. Le processus de la recherche qualitative ..................................................................... C-43.1 Le triangle description - classification - connexion ...................................................................C-5 3.2 Une vision dynamique, aussi selon Dey (1993:53) .....................................................................C-6 3.3 La place de la visualisation (data display) ...............................................................................C-7

4. Le rle de la thorie et des donnes ............................................................................. C-8 5. Exemples .......................................................................................................................... C-9

D - Lacquisition de donnes qualitatives

D-1

1. Survol des mthodes dacquisition (mesures empiriques) ......................................... D-2 2. Lchantillonnage dans une approche qualitative ....................................................... D-42.1 Stratgies gnrales dchantillonnage ......................................................................................D-5 2.2 Conseils ..........................................................................................................................................D-7

3. Lobservation ................................................................................................................... D-9 4. Enregistrements et textes ............................................................................................. D-104.1 Analyse denregistrements .........................................................................................................D-10Research Design - MPA DKS 7/11/06

-.

A-2

4.2 Textes ............................................................................................................................................D-10

5. Entretiens ....................................................................................................................... D-115.1 5.2 5.3 5.4 5.5 Conseils gnraux pour les entretiens ......................................................................................D-12 Conseil pour lentretien dinformation: ......................................................................................D-12 Conseils pour lentretien structure ..........................................................................................D-13 Conseils pour lentretien semi-structur ...................................................................................D-14 Think aloud ...................................................................................................................................D-16

E - Analyse de donnes qualitatives

E-1

1. Introduction: classer, coder et retrouver linformation ............................................... E-2 2. Codage / catgorisation / classification ........................................................................ E-32.1 A quoi a sert ? ..............................................................................................................................E-4 2.2 Aspects techniques .......................................................................................................................E-5

3. Cration et gestion de code-books ................................................................................ E-63.1 3.2 3.3 3.4 Cration de code-book selon considrations thoriques ..........................................................E-6 Codage par induction (selon la grounded theory) ..................................................................E-7 Codage par catgories ontologiques ...........................................................................................E-8 Nombre, organisation, rvision et extension des codes ...........................................................E-9

4. Pattern codes (structure) .............................................................................................. E-10 5. Les deux techniques de base: matrices et graphiques ............................................. E-11 6. Matrices et graphiques descriptifs .............................................................................. E-126.1 6.2 6.3 6.4 6.5 Le context chart,Miles & Huberman (1994:102) .....................................................................E-13 Check-listes, Miles & Huberman (1994:105) ..............................................................................E-18 Tables chronologiques, Miles & Huberman (1994:110) ............................................................E-19 Graphiques chronologiques .......................................................................................................E-20 Matrices ordonnes selon les rles (fonction dans lorganisation) .......................................E-21

7. Techniques pour chercher des corrlations ............................................................... E-237.1 Matrices ordonnes selon concepts (variables) .......................................................................E-23 7.2 Graphes typologiques .................................................................................................................E-27 7.3 Graphes de causalit ...................................................................................................................E-28Research Design - MPA DKS 7/11/06

-.

A-3

8. Quelques conseils pour la fin ...................................................................................... E-298.1 8.2 8.3 8.4 8.5 Note sur les causes .....................................................................................................................E-29 Interprtation des donnes, oprations faire .........................................................................E-30 Notes sur les dmarches inductives ..........................................................................................E-31 La fiabilit (reliability) dans une analyse qualitative .............................................................E-32 La validit dans une analyse qualitative ....................................................................................E-33

F - Bibliographie

F-1

Research Design - MPA

DKS 7/11/06

Contexte - .

B-1

B - ContexteObjectifs Rappel de quelques principes

Menu1. Introduction 2. Elments cls de la dmarche empirique 3. Types de recherches 2 5 6


DKS 7/11/06

Contexte - 1. Introduction

B-2

1. Introduction1.1 La recherche: poser une question et y rpondre

Poser une question bien dfinir les limites bien laborer les dtails

Creuser utiliser des concepts et dfinitions clairs utiliser un outillage appropri et explicite comparer avec les connaissances qui existent Y rpondre avec un texte clair et une structuration logique


DKS 7/11/06


B-3

1.2 Agencement des lments du plan de rechercheProblmatique (la grande question) Thorie(s) et approches du domaine (lectures) Cadres thoriques Grilles danalyse / mthodes Rsultats

Vos questions de recherche (Hypothses)

Research Design approche gnrale vos grilles danalyse techniques de mesure chantillonnage techniques danalyse ....

Rsultats

... chaque lment a son rle !!


DKS 7/11/06


B-4

1.3 Elments typiques dun cycle de recherche Lagencement entre conceptualisation, mesure, analyses et mthodes de conclusion dpend de lapproche choisie. Ici on prsente un cas parmi dautres ...

revue de la littrature questions de recherche

Thme, objectifs rsultat comparaison avec dautres travaux 5.Analyses et conclusions analyses

1.Objectifs

cadres danalyse 2.Conceptualisations hypothses grilles danalyse 4.Mesures 3.Artfacts Interventions laboration de designs matriaux dexprimentation collection de de donnes (mesures) chantillonnage (choix de cas)


DKS 7/11/06

Contexte - 2. Elments cls de la dmarche empirique

B-5

2. Elments cls de la dmarche empiriquePour une question de recherche donne:

Conceptualisations

Artfacts / interventions (designs)

Mesure(s)

Analyses & conclusions Conceptualisations: on explicite les questions, fait des hypothses, tablit un cadre danalyse, dfinit des critres danalyse, etc. Artfacts: dveloppement de procdures, implmentations, matriaux dexprimentation, .. Mesures: on va voir sur le terrain (selon un chantillonnage) Analyses & conclusion: on met en rapport mesures, analyses de mesures (statistiques, qualitatives, etc.) avec les questions de recherche et la thorie.Research Design - MPA DKS 7/11/06

Contexte - 3. Types de recherches

B-6

3. Types de recherches3.1 selon le degr de thorisation(1) La description pure et simple: elle na pas de grande valeur scientifique (sauf pour prparer dautres recherches) (2) Les classifications, catgorisations etc. mettent de lordre dans les concepts et les donnes: Ltude intelligente de cas (recherche exploratoire) Le type (identification des classes de cas similaires) Lidal-type (identification de cas thoriques) Le modle (ou simulation, qui montre les interactions entre lments) .... (3) Recherches o la thorie joue un rle important. La thorie: gnralise et montre des rgularits. Elle cherche comprendre et/ou expliquer et/ou prdire. Lidal de la recherche aspire au niveau III


DKS 7/11/06


B-7

3.2 Selon la finalit scientifique (Marshall & Rossmann 95: 41)Finalit exploratoire tude de nouveaux phnomnes prparation dune autre recherche explicative explication des forces qui causent un phnomne descriptive/comprhen. documentation dun phnomne comprhension Question typiques Approches Mthodes observation participante entretiens en profondeur entretiens dlite tude de cas Quest-ce qui se passe field study dans ce programme ? Comment fonctionne cette organisation ? Quels vnements, comportements, croyances, etc. rsultent dans ce phnomne ? tude comparative de cas tude historique field study ethnographie

comme ci-dessus questionnaires analyse de documents

Quels sont les field study vnements, structures, et tude de cas processus constituant ce ethnographie phnomne ? exprience quasi-exprience statistique simulation

comme ci-dessus mesures non-intrusives

prdictive prdictions globales Quel est le rsultat dun prdiction dvnements phnomne ? ou comportements

questionnaires analyses de contenu (quantitatives) plutt qualitatives

ingnierie/intervention informatique, droit, Quel est le problme ? faire un produit Comment crer un outil ? management, tablir des guidelines pdagogie Est-ce quil marche ? tester des guidelines


DKS 7/11/06


B-8

3.3 La typologie de Jrvinen (2004: 10)Approches de recherches

Approches sintressant la ralit

Approches mathmatiques et philosophiques

Approches tudiant la ralit

Approches utilitaires (designs et expertises)

Etudes conceptuelles et analytiques

Etudes empiriques

Sengager dans des innovations

Evaluation dinnovations

Tester des thories

Crer des thories modifi par DKS


DKS 7/11/06


B-9

3.4 Une typologie simple des approches

Expliquer (Tester une thorie)

tester / laborer des hypothses expliquer par des lois/thories prdire avec des lois

Comprendre (Crer une thorie)

mettre en vidence des mcanismes dcrire & explorer proposer des thories

Design

analyser un problme et prsenter une solution ingnierie crer / tester une rgle de design intervenir


DKS 7/11/06


B-10


DKS 7/11/06

Recherches visant crer une thorie - .

C-1

C - Recherches visant crer une thorieObjectifs Introduction aux designs plutot exploratoires et qui visent construire une thorie Introduction la dmarche qualitative

Menu1. 2. 3. 4. 5. Introduction La notion de mthode qualitative Le processus de la recherche qualitative Le rle de la thorie et des donnes Exemples 2 3 4 8 9


DKS 7/11/06

Recherches visant crer une thorie - 1. Introduction

C-2

1. Introduction Typiquement, on est dans un contexte qui vise crer une thorie lorsquun domaine est mal connu. Les considrations thoriques ont un rle important (formulation des questions de recherche, cadres analytiques, interprtation des observation), mais la thorie sera formule en output. Voir aussi: Types de recherches [p. B-6] (recherches exploratoires, comprhensives, etc.) Exemples dobjectifs: Dcouvrir des rgularits de comportements dans une organisation Etudier la culture dune (sous)population ou dune organisation Comprendre les caractristiques dun langage ou dun contexte dutilisation (pragmatique) Approches mthodologiques Dans la plupart des cas on utilise des mthodes qualitatives Toutefois, on utilise frquemment aussi des statistiques que lon traite avec des mthodes exploratoires (statistiques descriptives, analyses typologiques, factorielles, etc.).


DKS 7/11/06

Recherches visant crer une thorie - 2. La notion de mthode qualitative

C-3

2. La notion de mthode qualitativeLe concept de mthodes qualitatives est difficile saisir 2 strotypes: synonyme pour description simple ou analyse de questions ouvertes En ralit: Lventail de mthodes et dapproches est trs grand.Angle dattaque journalisme dinvestigation recherche collaborative Noms description de cas recherche action observation participante recherche collaborative langage observation en contexte analyse de discours analyse de dialogues anthropologie Le field research Lhermneutique interprtisme phnomnologie conte explicatif exprimentation pratique immersion analytique design participatif analyse de relations entre lments analyse de lorganisation dun dialogue observations structures et non-structures (pareil, mais souvent plus formel) lactivit humaine comme texte empathie, saisi dune Lebenswelt Description

interactionnisme symbolique interactions symboliques entre acteurs


DKS 7/11/06

Recherches visant crer une thorie - 3. Le processus de la recherche qualitative

C-4

3. Le processus de la recherche qualitativeLa dmarche qualitative seffectue par tapes parallles et circulaires Quelques aspects communs: Toute recherche doit tre ancre dans des descriptions riches Chaque proposition thorique doit tre ancre dans des observations Le chercheur a un rle dlicat. Dans la plupart des approches il est bien visible, dans certains cas il joue mme un rle actif. Le chercheur moderne doit galement sintresser des questions de validit. En ce qui concerne le rle de la thorie: il existe des avis divergentspeu de thorie pralable ouverture desprit beaucoup de thorie pralable ouverture vers dautres recherches (inspiration et comparaison) fermeture desprit possibilit dattaquer un nouveau sujet tendance collectionner trop de donnes comparaison difficile entre chercheurs pr-conceptions non-explicites insertion plus aise des rsultats dans la discipline tendance ignorer des phnomnes gnralisation plus facile pr-conceptions explicites (donc contrlables)


DKS 7/11/06


C-5

3.1 Le triangle description - classification - connexionSelon Dey (1993:31): Description

Analyse Qualitative Connexion Classification

La description: toute analyse qualitative repose sur des donnes richessinon on ne peut pas correctement interprter le sens dune observation

La classification: Classification ou rduction des donnes selon diffrents principes de codagela masse des donnes est norme, avant lanalyse il faut structurer et pendant lanalyse il faut restructurer

La connexion: Mise en rapport des catgories (selon diffrents principes et techniques)il faut construire des visualisations densemble


DKS 7/11/06


C-6

3.2 Une vision dynamique, aussi selon Dey (1993:53)4. rsultat (intermdiaire) boucle des donnes 3. connecter

2. classer boucle danalyse 1. dcrire donnes brutes Ce schma montre la circularit de la dmarche: classer et connecter les donnes Si ncessaire on doit relire et/ou produire des nouvelles donnes Des chercheurs en mthodes qualitatives structures: dessinent beaucoup utilisent des matrices utilisent des techniques quantitatives de visualisation Grande difficult = Gestion de la masse de donnes


DKS 7/11/06


C-7

3.3 La place de la visualisation (data display)Selon Miles & Huberman (1994:10) rduction des donnes visualisations tirer des conclusions / vrifications collection de donnestemps

version dynamique du mme schma:collection de donnes visualisations

rduction des donnes

conclusions / vrifications


DKS 7/11/06

Recherches visant crer une thorie - 4. Le rle de la thorie et des donnes

C-8

4. Le rle de la thorie et des donnes Les donnes qualitatives sont en rgle gnrale gnres par le chercheur (comme en mthodes quantitatives) Ceci dit: lanalyse qualitative prfre les donnes naturelles et fait rfrence aux concepts de sens (meaning) et de processus (ce dernier concept est partag avec lanalyse de systme). Voici quelques lments qui contrastent recherches quantitatives et qualitatives typiques:Prfrences (!) des types dapproche la recherche quantitative cherche/analyse: la recherche qualitative cherche/analyse: Crer une thorie. Ceci dit, la litrature (autres thories) intervient quand-mme lorsquil sagit de dfinir les questions de recherche ou dinterprter les rsultats. construction sociale: rgles et langages perus et crs par les sujets units de sens, interprtations des gens par ex: sens subjectif et but dune action actions et penses dans un contexte

Tester une thorie

structure sociale: lois faits observables comportements et attitudes abstraits ou situations dexprimentation

macro-observations standarises et lgres micro-observations paisses (toute la population) (peu de settings ou groupes)


DKS 7/11/06

Recherches visant crer une thorie - 5. Exemples

C-9

5. Exemples( complter un jour ....) Exemple 5-1: Mmoire DESS M-A Thibaut Title: Le cartable lectronique. Un Environnement Numrique de Travail en construction. Pratiques ducatives et mutualisation Questions de recherche ( p. 26) 1. Dans lutilisation que font les enseignants du cartable lectronique, stabilisent-ils des stratgies pdagogiques ? Recourent-ils ces outils dans la mesure o cela ne perturbe pas leur habitus denseignement ou de gestion de la classe ? Est-ce que lon voit apparatre la mise en place de scnarios sociopdagogiques, collaboratifs ?

2. Compte tenu de limpact du sentiment dutilit dans lintgration dune innovation, pouvonsnous attester dans le cadre de ce dispositif de bnfices retirs par les enseignants ? 3. Quelles sont leurs habilets actuelles en terme de mutualisation au sein du cartable mais galement lextrieur ? A travers lide quils doivent tre les constructeurs des contenus pdagogiques du cartable lectronique, quelle est leur position vis--vis de cet investissement ? Quelles sont les stratgies quils mettent en place pour exploiter les ressources quils ont disposition sur Internet et quelles sont les ressources dont ils ont besoin au sein du cartable ?


DKS 7/11/06


C-10

Mthode Mon travail est une enqute, un regard pos sur les utilisateurs du dispositif. Il est bas sur une tude qualitative et la rencontre de 11 enseignants de diffrents collges qui utilisent le cartable lectronique de Savoie. Nous avons prfr questionner plusieurs quipes pour que ltude soit la plus reprsentative possible. Le type dentretien soriente vers le Story telling ou rcit de vie . Peu directif, parfois une seule question suffit et ne comporte aucune question directe et ferme. Dans ce cadre, il faut insister sur ce quils font concrtement et essayer de modrer les apprciations sur ce quils pensent. Ils doivent raconter par ex. un vnement difficile ou au contraire enrichissant. Mes entretiens ont dur en moyenne 40 minutes. Jai construit un canevas reprenant mes points principaux. Dans mes entretiens je me suis tenu rester au maximum sur les faits, les pratiques et les applications mais certains passages renvoient leurs reprsentations, passages que jai spars dans mon analyse. Cest la particularit des rcits autobiographiques o lon retrouve toujours deux types dinformation : des indications vnementielles (faits, pratiques) et des rflexions subjectives (reprsentations, ressentis, avis) Un questionnaire la fin de lentretien leur a t adress pour connatre leur quipement informatique et leur utilisation domicile dInternet. Il se trouve quils sont tous quips dune connexion Internet et quils utilisent le web quotidiennement. Jai rencontr progressivement les enseignants et retranscrit paralllement les entretiens (Annexe D) ce qui ma permis de rorienter certaines questions. Jai trait mes donnes par rapport mon canevas (Annexe A et B). Le but de lanalyse est de mettre en vidence les constantes des rcits, les rgularits mais galement les cas de particularit.Research Design - MPA DKS 7/11/06


C-11

Exemple 5-2: Mmoire DESS D. Touvet Titre: Vers de nouvelles formes d'organisation de l'enseignement. Analyse d'experiences de mediatisation de cours Questions de recherche (p: 11) Pour chacun des cas tudis, nous cherchons savoir : 1. Comment se droulent les processus de mdiatisation ? 2. Quelles sont ces nouvelles formes d'organisation de l'enseignement ? 3. Quels sont les nouveaux rles qui apparaissent tout au long d'un processus de mdiatisation d'un cours ? Mthode Nous avons choisi d'effectuer une recherche qualitative selon une approche s'inspirant en grande partie de celle propose par Huberman et Miles (1991). Ils proposent une mthode de recueil et d'analyse de donnes qualitatives comprenant les phases de recueil, condensation, prsentation et vrification des donnes. Nous avons dcid de constituer un chantillon de trois projets homognes, c'est-dire relativement proches dans leurs caractristiques pour permettre une meilleure focalisation et comparaison. Ils prsentent cependant une bonne varit de choix et de situations possibles. Deux mthodes ont t retenues pour recueillir les donnes : 1. Passation d'entretiens auprs du coordinateur de chaque projet. 2. Consultation des sites web de chaque projet (deux des trois projets retenus ont not toute leur dmarche sur le site web du projet) ce qui nous a permis d'obtenir des informations pertinentesResearch Design - MPA DKS 7/11/06


C-12

compltant celles obtenues par les entretiens. Ces adresses nous ont t fournies par les coordinateurs.

Le recueil de donnes s'est effectu l'aide d'une grille d'entretien dont les diffrentes rubriques ont t dfinies en troite articulation avec la partie thorique de cette recherche. Ainsi, cette grille permet de comprendre de quelle manire se droulent les processus de mdiatisation, quelles sont les nouvelles formes d'organisation de l'enseignement qui se dgagent et quels nouveaux rles apparaissent tout au long d'un processus de mdiatisation d'un cours. Des phases successives de condensation des donnes recueillies (simplification et synthse) ont ensuite t inities et ont abouti un format de prsentation permettant une discussion sur les rsultats obtenus.


DKS 7/11/06

Lacquisition de donnes qualitatives - .

D-1

D - Lacquisition de donnes qualitativesObjectifs Familiarisation avec quelques techniques de mesure qualitatives

Menu1. 2. 3. 4. 5. Survol des mthodes dacquisition (mesures empiriques) Lchantillonnage dans une approche qualitative Lobservation Enregistrements et analyse de transcription Entretiens 2 4 9 10 11


DKS 7/11/06

Lacquisition de donnes qualitatives - 1. Survol des mthodes dacquisition (mesures empiriques)

D-2

1. Survol des mthodes dacquisition (mesures empiriques)Les approches qualitatives oprent souvent par triangulation de mthodes Les activits de base sont:activit regarder examiner des activits examiner des traces demander mdium (observation) enregistrements (transcriptions) textes objectif principal Observation globale dune organisation, culture, activit, etc. voir: 3. Lobservation [D-9] Etude en profondeur dinteractions dans un contexte voir: 4.1 Analyse denregistrements [D-10] Informations institutionnelles et traces crite dactivits voir: 4.2 Textes [D-10] Extraction dinformations des membres du cas tudi, de clients, dexperts, etc. voir: 5. Entretiens [D-11], 5.1 Conseils gnraux pour les entretiens [D-12]. Lobservation participante marie travail et recherche. (... pas aborde dans ce cours)

(entretiens)

participer

(vivre)


DKS 7/11/06

Lacquisition de donnes qualitatives - 1. Survol des mthodes dacquisition (mesures empiriques)

D-3

Diffrents rles pour les techniques qualitatives Il ne faut pas confondre une mthode (technique) avec une mthodologie (approche): Voici les fonctions (principales) des 4 mthodes de base selon le type dapproche:Mthodologies (approches) mthode observation transcriptions textes (analyse de) entretiens quantitatives travail prliminaire pour la cration de questionnaires qualitatives comprhension profonde du fonctionnement dune institution ou culture

analyse quantitative de contenu analyse de dialogues surtout analyse quantitative de contenu catgorisation et comprhension des concepts questionnaires plutt ferms (grands chantillons) entretiens ouverts ou semi-structurs (petits chantillons)

La frontire entre approche qualitative et quantitative est floue !


DKS 7/11/06

Lacquisition de donnes qualitatives - 2. Lchantillonnage dans une approche qualitative

D-4

2. Lchantillonnage dans une approche qualitativeBeaucoup de chercheurs nexaminent quun ou deux cas dans ce cas lanalyse qualitative sera intensive

A lintrieur dun cas il faut chantillonner aussi ! Exemple: tude dune organisation les informants dans lorganisation les experts externes (connaisseurs de la matire) les clients et organisations en contact les processus observs les textes (dcisions crites, etc.) Les dcideurs externes et les intervenants Les groupes organiss (groupe dintrt, associations, etc.) La population du quartier Les vnements/comportements lis la dcision

Exemple: tude dun impact dune dcision sur un quartier

Lchantillonnage est souvent dynamique (par vagues) Lorsque la recherche progresse, de nouveaux phnomnes apparaissent ncessitant souvent dautres observations ! exemple: dcouverte dacteurs cls


DKS 7/11/06


D-5

2.1 Stratgies gnrales dchantillonnageSelon Miles & Huberman (1994:28)Type de cas variation maximale homognes critiques selon la thorie Usage soit pour gnraliser, soit pour trouver des cas dviants permet de mieux focaliser et comparer prouver ou exemplifier une thorie (gnralisation logique) laboration et examen des questions de recherche (problmatiques thoriques) tester la limite dune explication ou/et chercher un nouveau dpart Montrer ce qui est normal ou moyen Etudier loccurrence dun phnomne particulier en dtail Etude de phnomnes particuliers Slection en fonction des informations obtenus avec les autres cas Suivre une nouvelle piste dmarche inductive spcialisation stratgies majeures

confirmants et infirmants tester les limites dune explication extrmes ou dviants typiques intenses selon dimension boule de neige opportuns validation


DKS 7/11/06


D-6

Type de cas tous selon quota selon rputation selon critres conveniants politiques (rarement possible)

Usage identification de sous-groupes majeurs, puis slection en fonction des recommandations des experts en fonction de critres que lon dsire tudier On choisit les cas auxquels on a accs Exclusion/inclusion en fonction dimpratifs externes dangereux

reprsentativit

selon mthode compare en fonction de variables opratives

Les stratgies numres ici doivent servir de cadre de rflexion. Il nexiste pas de lois ! bien choisir ses cas = viter des ennuis ultrieurs Ces stratgies se recoupentCette table sert surtout vous donner des pistes de rflexion pour choisir les bons cas par rapport aux buts de votre recherche (voir pages suivante)


DKS 7/11/06


D-7

2.2 ConseilsDterminez lchantillonnage par des rflexions thoriques, ... vitez lapproche par induction (plus difficile).. Identifiez le rle de chaque type dchantillon !! est-ce que je peux rpondre mes questions (mesurer les concepts, dgager des causalits, etc.)

Toutefois, nhsitez pas de changer de stratgie en cours de route. Dterminez vos cas avant daller sur le terrain rles (fonctions dans lorganisation), groupes, organisations, institutions, .... programmes, cultures ......ainsi que les lments qui les composent


DKS 7/11/06


D-8

A. Conseils pour lchantillonnage intra-cas:(donc par exemple lintrieur dune commune) identification des types dinformations obtenir: les phnomnes tudier doivent tre prsents dans votre choix chantillonner toutes les catgories (activits, processus, vnements, dates, locations, agents, ...) choix principal des cas en fonction des conditions sous lesquelles une thorie est valable (porte/limites du cadre thorique) prvoir leffet boule de neige: plusieurs sries dchantillonnage en fonction des dcouvertes

B. Conseils pour lchantillonnage inter-cas:(donc par exemple une liste de communes tudier) Choisir des cas similaires, mais ayant une bonne variance pour les variables opratives (explicatives et expliquer) de votre projet. A option: ajoutez des cas contrasts (ne couvrant pas forcment le cadre thorique) pour tester la validit externe (porte) de vos analyses. Toute analyse entirement qualitative cote trs chre: Pour un travail dtudiant 1-3 cas principaux suffisent 15-30 cas est le maximum pour une tude en profondeur sinon compltez tudes en profondeur avec mthodes quantitatives.Research Design - MPA DKS 7/11/06

Lacquisition de donnes qualitatives - 3. Lobservation

D-9

3. LobservationInstrument essentiel pour les tudes en profondeur de cultures ou organisations Lobservation elle-mme et lanalyse prennent beaucoup de temps Ncessite une rflexion: sur le rle du chercheur dans lorganisation, groupe, culture tudi sur les mthodes dinvestigation, les objets de recherche, etc.

Exige une bonne mthode de field notes: conventions de notation pour les sances conventions de notation pour les notes aprs la sance un journal de bord

Exemple dune convention de notation:Signe ... ... ( ... ) < ... > / ... ____ citations verbatim paraphrases donnes contextuelles (ou interprtations du chercheur) Analyses (catgories ) drives du cadre conceptuel des sujets Analyses (catgories ) drives du cadre conceptuel du chercheur temps des partitions Usage

... complter/adapter/modifier selon les besoins.


DKS 7/11/06

Lacquisition de donnes qualitatives - 4. Enregistrements et textes

D-10

4. Enregistrements et textes4.1 Analyse denregistrements On enregistre/filme le comportement de gens (par exemple: lves dans une classe, ouvriers devant une machine, gestionnaires en discussion) Avant lanalyse on procde souvent des transcriptions des enregistrements audio ou vido La transcription et son analyse prend normment de temps ! Exige de la dlicatesse et peut fausser le comportement de sujet

4.2 Textes Lventail de textes considrer varie en fonction du sujet de recherche En rgle gnrale: il faut obtenir tous les documents officiels Ne demandez pas tout toute-de-suite. PVs, dcisions crites etc. peuvent avoir un caractre sensible et vous devez dabord tablir une relation de confiance.

Pleines de mthodes danalyse: en analyse de politique publique par exemple les documents sont scanns loeil pour des lments intressants en analyse de dialogue les phrases sont analyses mot par mot etc.


DKS 7/11/06

Lacquisition de donnes qualitatives - 5. Entretiens

D-11

5. EntretiensType Entretien dinformation composition check-list fonction / avantages tudes initiales Voir 5.2 Conseil pour lentretien dinformation: [D-12] recherche semi-quantitative: facilite lanalyse de lensemble acclre lentretien contraint linterlocuteur Voir 5.3 Conseils pour lentretien structure [D-13]

Entretien structur (directif)

liste de questions

Entretien semi-structur

instrument principal pour comprendre laisse sexprimer les interlocuteurs liste de questions plus difficile analyser et probes Voir 5.4 Conseils pour lentretien semi-structur [D14] un problme analyse de traitement dun cas on demande aux gens de rsoudre des cas Voir 5.5 Think aloud [D-16] quantitatif entretien rapide fiabilit facilit danalyse prsuppose une connaissance profonde du sujet tudi DKS 7/11/06

Think aloud

Entretien avec questions liste de questions fermes ou semi-fermes avec rponses



D-12

5.1 Conseils gnraux pour les entretiensLentretien est un art bien document dans les livres de mthodes classiques. Certains de vos interlocuteurs nont pas de temps perdre Il faut donc se concentrer sur lessentiel documentez-vous dabord si une information nest pas disponible autrement (rglements, organigrammes, etc.) apprenez le jargon tudiez toute documentation que vous pouvez obtenir facilement (en crivant une lettre ou par tlphone) Demander lautorisation pour utiliser un magnto !

5.2 Conseil pour lentretien dinformation: Fixez-vous les objectifs atteindre Choisissez la (les) bonne(s) personne(s) par exemple pour tout ce qui est informations de base: il faut mieux contacter un spcialiste du domaine ou encore une personne qui a le temps pour vous aider Gardez en rserve les informateurs-cls importants dans lorganisation pour des questions importantes


DKS 7/11/06


D-13

5.3 Conseils pour lentretien structure Un entretien structur pose des questions prcises (les mmes pour tous) et engendre des rponses relativement courtes. le questionnaire utilis doit tre super bien prpar chaque concept thorique (variable) doit tre mesur

habituellement prcd par des entretiens non ou semi-structurs faites des pr-tests si possible avec quelques personnes il faut dj rflchir aux mthodes danalyse codage manuel ou machinal ? code book utiliser estimation du cot (!) etc.

Pensez aussi faire un sondage (rponses fermes), cela cote nettement moins cher ! .... consultez la littrature sur les sondages !


DKS 7/11/06


D-14

5.4 Conseils pour lentretien semi-structurGnralits encore une fois: de la prparation ! ... en fonction des questions qui vous intressent nimposez pas vos points de vues, laissez rflchir et parler linterlocuteur afin de pouvoir dgager des structures profondes Structuration habituelle de lentretien on prpare une liste de questions (souvent gnrales) pour chaque question on prpare une liste de points importants (sous-questions) couvrir pendant lentretien il faut relancer ces points si linterview ne les touche pas (on parle de probes). Droulement laissez parler la personne .... et revenez si ncessaire aux questions et points plus tard !


DKS 7/11/06


D-15

Prparez bien les questions Attention aux question sensibles mettez les la fin (voir aussi ci-dessous).

Utilisez parfois des questions indirectes (et qui projettent linterlocuteur dans une situation), exemple: ne demandez pas: est-ce que A collabore bien avec vous ? mais: avez-vous des contacts frquents avec A, comment organisez-vous la coordination. Discutez (si appropri) des tches concrtes (traitement dun cas concret). En rsum: demandez plutt comment il font (avec un scnario concret lappui) que comment ils pensent (ils vous donneront aussi leur opinion).


DKS 7/11/06


D-16

5.5 Think aloudDomaine dapplication Analyse du raisonnement (on sintresse aux processus de rflexion dun individu) Analyse dun work flow (on veut savoir par exemple comment un type de dossier est traite) Cette mthode peut tre combine avec un entretien semi-structure Principe On prsente un cas linterview (un dossier, un cas mdical, un problme de dcision, etc.) Ensuite le sujet dit haute voix ce quil fait et pourquoi il le fait. Suivant le type de rsultats quon aimerait obtenir, il existe des variantes. Typiquement en analyse de politiques publiques et dorganisations, il ne faut hsiter interrompre et poser des questions varies.

Mise en garde Cette mthode peut savrer trs utile pour mieux comprendre comment les sujets font et comment ils raisonnent. Toutefois, les sujets ont tendance rationaliser, c.a.d. fournir des explications en termes de rgles alors quils utilisent en pratique plutt un raisonnement par cas, par prototype etc (ils font automatiquement les choses sils oprent dans une situation strotype.


DKS 7/11/06

Analyse de donnes qualitatives - .

E-1

E - Analyse de donnes qualitativesObjectifs Familiarisation avec lanalyse structure de donnes qualitatives

Menu1. 2. 3. 4. 5. 6. 7. 8. Introduction: classer, coder et retrouver linformation Codage/catgorisation Cration et gestion de code-books Pattern codes (structure) Les deux techniques de base: matrices et graphiques Matrices et graphiques descriptifs Techniques pour chercher des corrlations Quelques conseils pour la fin 2 3 6 10 11 12 23 29


DKS 7/11/06

Analyse de donnes qualitatives - 1. Introduction: classer, coder et retrouver linformation

E-2

1. Introduction: classer, coder et retrouver linformationLindexage et le codage de linformation est utile pour faire des analyses systmatiques Le codage vous permet didentifer des variables et des relations Typologie des oprations de base:

Avant de commencer: classez votre matrielFaites des mmos (conservation de vos penses) il est utile dcrire des petits mmos tout moment (par exemple dans wiki) Rsums et feuilles de contact Aprs chaque contact (tlphones, entretiens, observations, lecture de textes, etc.): type de contact, dates, lieu, et un pointeur sur les notes dentretien thmes principaux abords lors de lentretien questions et variables de recherche adresses (avec un rsum des rponses) mmos sur hypothses, spculations nouvelles, choses lucider pour le prochain contact Chaque feuille remplie doit tre indexe quelque part (choisissez au moins des bon noms de fichiers sur ordinateur, par ex. contact_2004-12-2_muller.doc)

Entretiens Les notes dentretien doivent tre classs un endroit sr Assignez un code unique chaque entretien, par ex. Ent-1 Je suggre dagrafer la feuille de contact avec les notes Numrotez les pages de vos notes DKS 7/11/06


Analyse de donnes qualitatives - 2. Codage / catgorisation / classification

E-3

2. Codage / catgorisation / classification Rappel: Analyse qualitative = description - classification - connexion Une fois que vous avez vos descriptions (documents,entretiens,etc.) il faut commencer classifier linformation qui sy trouve, c.a.d. identifer concepts, relations, etc. Voir: 2. La notion de mthode qualitative [C-3] Un code est un label (balise) pour marquer une variable (concept) et/ou une valeur ou encore une relation dans un texte analyser Ce codage se fait selon plusieurs catgories tablies en fonction de vos besoins danalyse Principe de base: 1. On donne un code chaque catgorie (variable, concept, ....) qui vous intresse 2. On cre pour chaque catgorie une liste de valeurs mutuellement exclusives et exhaustives (par exemple: positif/neutre/ngatif) 3. On va systmatiquement coder tous les textes laide dun code-book. Il existe plusieurs approches, par exemple: 3.1 Cration de code-book selon considrations thoriques [E-6] 3.2 Codage par induction (selon la grounded theory) [E-7] 3.3 Codage par catgories ontologiques [E-8]

Ces oprations vont vous permettre de retrouver les informations concernant les variables qui vous intressent et de faire des analyses systmatiques (voir page suivante)


DKS 7/11/06


E-4

2.1 A quoi a sert ?Code 2.1

1. CodageCode 1.1

Code 1

Code 1.2

2. Visualisations, matrices et grammaires les codes reprsentent des variables (en gn

Code 3

Code 1.1 Code 4 Val 2x ........ Val 3y

3. Analyses

Val 1


DKS 7/11/06


E-5

2.2 Aspects techniques La meilleure faon de coder consiste utiliser un outil informatique spcialis par ex. Atlas ou Nudist, enfin rentrer le texte peut tre coteux aussi !

Pour un petit travail (de type master), inscrivez les codes en marge du texte faites une photocopie rduite des textes si ncessaire soulignez/entourez les lments du texte qui dfinissent une catgorie si diffrentes catgories se trouvent au mme endroit, changez de style de soulignement mettez des commentaires et codes dans les marges opposes

Evitez des longues listes de codes plat: hirarchisez et regroupez Chaque code doit tre court et mnmonique par exemple pour coder catgorie principale - sous-catgorie (valeur): utiliser plutt: CE-CLIM(+) que: contexte externe - climat (positif)

Ne commencez jamais coder sans avoir une ide quoi les codes serviront dans lanalyse ! ceci est valable pour les dmarches thoriques et inductives ! enfin dans toute dmarche, des rvisions simposent: voir 3.4 Nombre, organisation, rvision et extension des codes [E-9]


DKS 7/11/06

Analyse de donnes qualitatives - 3. Cration et gestion de code-books

E-6

3. Cration et gestion de code-books3.1 Cration de code-book selon considrations thoriquesLa liste de dpart est constitu a partir de rflexions thoriques, par ex. le cadre danalyse , la liste des questions de recherche et des hypothsess et notamment ses variables cls, domaines/dimensions de problmes tudier, etc. Mthode conseille pour les dbutants !! Exemple dune tude dinnovation (environ 100 codes):catgories proprits de linnovation contexte externe dmographie support pour la rforme contexte interne processus dadoption chronologie officielle dynamique du site assistance externe et interne liens causaux PI CE CE-D CE-S CI PA PA-CO DS AEI LC codes rfrences thoriques .......


DKS 7/11/06


E-7

3.2 Codage par induction (selon la grounded theory)Mthode lie lanalyse inductive de la grounded theory Le chercheur commence par lanalyse dun petit jeu de donnes, ensuite il largit lchantillon en fonction de la thorie qui merge Les catgories sont rvises en fonction de rflexions continuelles

Points de dpart = 4 grandes catgories dobservation: conditions (causes dun phnomne peru par les acteurs) interactions entre acteurs stratgies et tactiques utilises par les acteurs consquences des actions (des acteurs)

Types de codage:Type Tout ce qui est similaire est une catgorie. Les catgories sont dveloppes selon les ouvert proprits (attributs) et selon des dimensions But: dtection de catgories naturelles utiliss par les acteurs axial slectif organisation dune catgorie et de sous-catgories, notamment en ce qui concerne les relations. Exemple: le stress: cat. 1 = condition de stress, cat. 2 = gestion du stress, relation: type de gestion utilise pour type de stress. Identification dune catgorie centrale pour les besoins de lanalyse: Exemple: dans une organisation, la gestion de la pression externe pour un changement.

Dbutants: A viter, car difficile !


DKS 7/11/06


E-8

3.3 Codage par catgories ontologiquesExemple:Types Contexte/Situation Dfinition de la situation Perspectives information sur le contexte interprtation des gens de la situation analyse faons globales de voir la situation squences dvnements, flux, transitions, points changements, etc. structures de comportements rgulires activits spcifiques (pas rgulires) faons dattaquer un problme (stratgies, mthodes, techniques) commentaires du chercheur sur le travail (annotations) Dtails

Faons de voir gens et objets perception dtaille de certains lments Processus Activits Evnements Stratgies

Relations et structure sociale liens informels Mthodes

on retrouve divers tableaux de ce type dans la littrature en rgle gnrale ils sont surtout utiles comme cadre de rflexion pour tablir sa propre typologie de catgories principales il sagit dun compromis entre grounded theory et theory driven


DKS 7/11/06


E-9

3.4 Nombre, organisation, rvision et extension des codesUn systme de codes doit tre hirarchique (selon diffrents critres) code-book selon considrations thoriques: commencez la recherche avec les catgories de base bien dfinies Ensuite ajoutez des codes au fur mesure o vous dcouvrez des choses

code-book inductif: il faut savoir utiliser une approche comme la grounded theory (approche dconseille dans ce contexte !) Niveaux de dtails considrer dans un texte: dpend du type danalyse, utilisez simplement votre bon sens par exemple mots, syntagmes, phrases, plusieurs phrases, paragraphes, etc. Types de rvision:remplissage extension faire des ponts dcouverte rajouter des codes en restant cohrent rvision de lancien matriel en fonction dune nouvelle vue dtection de relations qui ncessitent un nouveau type/axe de codage identification de nouvelles catgories

Nombre de codes: vitez le danger de lexplosion des codes: ils doivent servir lanalyse (regardez vos variables !) ils doivent tre grables dun point de vue nombre et structure. Nombre magique de codes: entre 10 et 50.


DKS 7/11/06

Analyse de donnes qualitatives - 4. Pattern codes (structure)

E-10

4. Pattern codes (structure)Lencodage simple vise dissquer les donnes (atomes, catgories) Lencodage de patterns (chablons, structures) vise dtecter des relations de base entre catgories (atomes relationnels) et que lon retrouve dans le texte. Par exemple dans un entretien ou dans un discours, une personne attribue explicitement la cause de y x.

Ce codage nest pas forcment conseill dans un petit travail, car il suffit en fait de retrouver les variables (ensuite on peut toujours dpister des relations). Il sagit de dtecter et de coder des rgularits, variations et singularits Voici quelques oprations faire pour chercher des associations implicites: 1. Dtection de co-prsence entre deux valeurs de deux variables Par exemple les personnes favorables un nouveau rglement lappliquent bien et inversement.

2. Dtection dexceptions par exemple: personnes favorables un nouveau rglement mais qui ne lappliquent pas bien.

3. Introduction dune nouvelle variable pour expliquer les exceptions par exemple: tenir compte de lattitude du suprieur hirarchique, dun conflit de buts (la culture du groupe sy oppose), etc. Souvent on change de niveau danalyse (individu -> organisation)

Attention: une co-prsence ne prouve pas de causalit


DKS 7/11/06

Analyse de donnes qualitatives - 5. Les deux techniques de base: matrices et graphiques

E-11

5. Les deux techniques de base: matrices et graphiquesFaire une analyse qualitative est comme (re)construire une montagne pour avoir une meilleure vision En bref: Analyser = visualiser 2 types danalyses: 1. Une matrice est une tabulation qui engage au moins une variable les tabulations de variables centrales selon cas permettent de mieux comprendre les cas tudis un tri crois permet danalyser comment interagissent deux variables

2. Un graphique (rseau) permet de visualiser des liens: entre vnements entre plusieurs variables etc.

Conseils de base: toujours garder un lien vers la source (le texte cod) une matrice ou un graphe doit tre visible sur une seule feuille (mme si elle est trs large) il faut chercher un compromis entre prservation de dtails et vision synthtique.


DKS 7/11/06

Analyse de donnes qualitatives - 6. Matrices et graphiques descriptifs

E-12

6. Matrices et graphiques descriptifsServent avant tout donner une vue densemble sur plusieurs aspects combins Chaque matrice ou graphique doit tenir sur une feuille (mme si elle est trs large) 2 sortes: 1. Matrices et graphiques qui dgagent quelques variables contiennent des pointeurs sur linformation brute

2. Matrices et graphiques synthtiques rsument plusieurs cas ou montrent des relations gnrales

Chaque chercheur doit lui-mme dcider ce quil faut reprsenter et comment !

3 sources pour puiser des ides (comment faire): autres cherches qualitatives cadres thoriques manuels, par exemple Miles & Huberman, 1994. Ici on ne montre que quelques exemples !!


DKS 7/11/06


E-13

6.1 Le context chart,Miles & Huberman (1994:102)sert visualiser les relations entre rles et groupes Exemple 6-1: Exemple: mise en place dun politique TICE dans une universit:demands for support

Applicants

Deanssupport

demands

grants

Innovation funding agency for new pedagogiesreviews funds

demands for review

informations

informations

Teacher support unit

University government

External experts

rles

flux


DKS 7/11/06


E-14

Une fois identif rles et relations formelles vous pouvez faire toutes sortes dannotations qui visualisent des informations retrouves dans vos donnes.demands for support (-)

Applicants

(+) demands (-)

Deanssupport

grants

Innovation funding agency for new pedagogiesreviews funds (-)

demands for review

informations

informations

Teacher support unit

(-)

(+) University government

External experts

(+) (-) () attitudes positives or ngatives par rapport ce programme +bonnes ou mauvaises relations entre instances (ou personnes)Research Design - MPA DKS 7/11/06


E-15

Exemple: visualisation de procdures formelles dans une loisupport groups

request demander decision legal decision legal decision request first instance authority information recourse competent authority legal decision cadaster

request

legal decision request appeal authority request legal decision

legal decision information

information

federal office of justice

information

request

Federal tribunal

request

Une fois tablies, les relations formelles laide dun organigramme ou dune analyse de codes (juridiques ou autres) on peut rajouter des liens informels.Research Design - MPA DKS 7/11/06


E-16

Exemple: visualisation de relations informellesrequest demander decision legal decision request legal decision cadaster

+

ETC .....information recourse competent authority (-)

first instance authority (+)

-

request

+

legal decision request

appeal authority(-)

legal decision information

information

request

federal office of justice (+)

(+) (-) () attitudes positives, ngatives, neutres par rapport la lgislation +bons, mauvais rapports entre instancesetc.....


DKS 7/11/06


E-17

La mthode OSSAD (dveloppe en parti lIDHEAP)

Requrants

demandes

autorisations

Surveillance police des constructions dossiers

informations

informations Equipements communaux

Voirie communale

Voir le travail de diplme MPA de J-L Barraud: La capacit administrative des communes


DKS 7/11/06


E-18

6.2 Check-listes, Miles & Huberman (1994:105)Usage: analyse/rsum dtaill dune variable importante Exemple: le soutien extrieur est important pour russir une rforme dans une organisationType de soutien (exemples!) Analyse des dficiences Formation des collaborateurs Monitoring des changements Motivation adquat: on a vu un Sances de dynamique de groupe animateur 3 fois et cela nous a aid (ENT-12:10) etc .. pas adquat: on nous a juste inform (ENT-13:20) Niveau direction Niveau service Dans les cellules on insre des statements avec un label valeur ou autres informations (tape, acteur, source, problmatique, etc): Exemple ci-dessous:

un tel tableau dgage les dimensions dune variable (ici dans la colonne de gauche) dans les autres colonnes on insre les faits selon certains critres


DKS 7/11/06


E-19

6.3 Tables chronologiques, Miles & Huberman (1994:110) Servent rsumer lvolution dun phnomne selon quelques catgories

Exemple: Esquisse pour la mise en oeuvre dune lgislationNiveau Fdral Lgislation nationale Ord. fdrale 1.1.1985 1.1.1986 1.1.1987 etc.... 11.1.1989 .... 1.1.1990 Dbats dans le parlement de GE Consultation Petite question au CN Commission X Message du CF Ord. dapplication........ .....

on peut rajouter dautres colonnes reprsentant dautres variables (par exemple vnements importants relevs dans la presse il faut utiliser des dates prcises au lieu de structurer les colonnes selon le type de texte juridique, on aurait pu prendre des niveaux dorganisation ou autre chose...

Il est important quune telle matrice soit complte


DKS 7/11/06


E-20

6.4 Graphiques chronologiquesRseau dvnements Utile pour tudier tablir le droulement potentiel dun processus ou pour montrer lagencement des vnements principaux Rseaux tats-vnements Miles & Huberman (1994:115) Comme les vnements rsultent souvent dans des tats stables, on peut montrer ces tats en mme temps que les transitions.


DKS 7/11/06


E-21

6.5 Matrices ordonnes selon les rles (fonction dans lorganisation)Miles & Huberman (1994:124)

A. Croisement de rles et une ou plusieurs variablesExemple abstrait (voir aussi page suivante):rles personnes variable 1 variable 2 variable 3

rle 1

personne 1 personne 2 .....

rle 2 ..... rle n

personne 9 personne 10 ..... personne n .....

les cellules sont remplies par des valeurs riches avec pointeurs sur la source


DKS 7/11/06


E-22

Exemple: Evaluation de la mise en oeuvre dun service dassistance informatiqueActeur Chef Evaluation Type dassistance Effets immdiats rien dmotivant Effets long terme Explication du chercheur

a mis le Il se sentait programme en menac danger .... il est trop surcharg avec dautres tches

consulant +

a donn des ides au a permi aux autres help-desk, tait de se lancer impliqu dpanne les utilisateurs, peu daide avec les logiciels utilisation plus frquente des programmes amlioration lgre de lefficacit

helpdesk

+

B. Croisement entre rles pour visualiser les relations:rle 1 rle 1 formateurs rle 3 se coordonnent mal entre eux (1) ne reoit pas toutes les informations (2) responsables help desk rle 3


DKS 7/11/06

Analyse de donnes qualitatives - 7. Techniques pour chercher des corrlations

E-23

7. Techniques pour chercher des corrlations7.1 Matrices ordonnes selon concepts (variables) A. Clusters (co-variances de variables, typologies de cas)on a une ide que certaines valeurs vont ensemble, On chasse les co-occurrences dans les cellules par exemple: Y-a-t-il corrlation entre besoin dencadrement et formation ou ressemblance entre certains cas ?cas cas 1 cas 2 cas 3 cas 4 cas 5 cas 6.... yyy ..... var 1 encadrement important pas important important pas important important important formation important pas important important pas important important pas important directives important pas important important pas important important pas important

(voir page suivante pour un exemple danalyse base sur cet table)


DKS 7/11/06


E-24

Exemple dune co-variance dans un tableau crois:encadrement / formation importance formation non importance formation importance non importance encadrement encadrement 3 1 1 2

.... on constate une corrlation entre variables exemple dune typologie:Type 1: Type 2: Type 3: les anxieux les dpendants les bureaucrates cas 1 cas 2 cas 3 cas 4 cas 5 cas 6 Total 3 X X 1 0 2 X X X X Type 4: les autonomes

... on constate lmergence de 3 types (Note: Avec plus de variables il faut quantifier et utiliser un programme de cluster analysis)


DKS 7/11/06


E-25

B. Matrices conceptuellesExemple qui montre la co-occurrence de valeurs de deux variables (catgories):Variable y expliquer = Stratgies daction Variable x=Source de la plainte type 1 type 2 ..... plaintes systmatiques des clients pleintes de notables on ne fait rien on cre une (4) commission (1) on cre une commisson (2) on acclre son cas (3) Dans les cellules on spcifie, exemplifie les occurrences strat 1 strat 2 strat 3 ....

.... lorganisation tudie tendance ne pas ragir quand cest les clients simples qui se plaignent il est possible dadopter une vision plus quantitative (voir page suivante)


DKS 7/11/06


E-26

C. Note (importante!) sur linterprtation des tableaux croiss:Rgle de base: on calcule des pourcentages pour chaque valeur de la variable indpendante (ligne ou colonne selon lorientation du table) on compare les pourcentages dans lautre sens autrement dit: on veut savoir la probabilit quune valeur de la variable indpendante engendre une valeur de la variable dpendante !Variable y expliquer = Stratgies daction Variable x explicative Source de la plainte rien faire cration dune acclration commission du cas 1 (20%) 2 (40%) 3 (60%) Total 5 (100 %) 5 (100%)

plaintes systmatiques 4 (80%) des clients pleintes de notables

Interprtation: ... tant donn que la plainte vient dun client on a tendance ne pas faire grand chose, tandis que si la plainte vient dun notable on fait plus.


DKS 7/11/06


E-27

7.2 Graphes typologiques Mettent en valeur des types dacteurs (ou autre chose) en fonction de quelques variablesExemple: Perception dun nouveau programme par les acteurs (coles, enseignants)

perception-par-cole (positive) perception-par-cole (ngative) (type: IMPLEMENTEUR)

respet de consignes (oui) perception-enseignants (positive) (type: BON IMPLEMENTEUR) perception-ens. (pos.) (type IMPLEMENTEUR) percpetion-enseignants (ngative) (type: Mauvais Implmenteur)

respet de consignes (non) (type: REFUS)

perception-ens. (ng) (type: Mauvais Implmentateur)


DKS 7/11/06


E-28

7.3 Graphes de causalitC A B D Exemples cartes cognitives selon oprational coding, AXELROD, 1976 Permettent de visualiser des structures causales dans un discoursAbout active pedagogies: + high load of exercises student productions + labour intensity quality of grading

About slow ICT connections: user increase clicks + + web page is slow + high delays

About forum management: users ask + same questions + no regulation noise +


DKS 7/11/06

Analyse de donnes qualitatives - 8. Quelques conseils pour la fin

E-29

8. Quelques conseils pour la fin(chapitre refaire/taler un jour ....)

8.1 Note sur les causesUne explication fait rfrence des causes Ces causes doivent tre dgages par le chercheur dans des associations entre faits Voici une liste dassociations typiques que lon peut dgager/postuler avec une analyse qualitative force de lassociation (plus B avec A quavec dautres causes) consistance (A est trouv avec B dans plusieurs tudes/observations) spcificit (Le lien entre A et B est trs particulier) temporalit (A avant B, jamais le contraire) quantit (Si plus de A, plus de B) plausibilit (un mcanisme existe pour lier A et B) cohrence (la relation A-B est plausible par rapport au reste quon sait sur A et B) exprience (si on change A, B change aussi) analogie (A et B ressemble la structure de C et D)


DKS 7/11/06


E-30

8.2 Interprtation des donnes, oprations faire Qui va avec quoi ? reconnaissance de structures (patterns) et thmes plausibilits agrgations, typologies (clustering)

Rsums simples mtaphores compter

Comparaison et diffrentiation contrastes et comparaisons partition de variables (diffrentiation)

Abstractions intgration du particulier dans le gnral factorisation relations entre variables recherche de variables intervenantes

Assemblage thorique chanes dvidence abstractions thoriques (nommer et rsumer une construction)


DKS 7/11/06


E-31

8.3 Notes sur les dmarches inductivesChaque induction (hypothse dduite des donnes) doit tre teste en cherchant activement des cas dviants et en comparant les cas. Les mthodes quantitatives peuvent aider trouver des cas dviants (par exemple par une analyse typologique)

Si une hypothse ne colle pas avec un cas, il faut examiner soigneusement le cas et ventuellement rviser les hypothses Les mthodes qualitatives ne permettent pas dexprimer des probabilits, mais plutt des potentialits, autrement dit: ce quun systme peut faire, ce qui est possible par rapport une grammaire. actions possibles, actions probables conditions ncessaires, conditions suffisantes etc.

Avantage: linduction permet de construire un systme, une grammaire du possible Dsavantage: danger accru du confirmation bias


DKS 7/11/06


E-32

8.4 La fiabilit (reliability) dans une analyse qualitativeLes rgles dor:mthode observation textes (analyse de) entretiens utilisation de questions standardises rponses fixes (...) tester lentretien Utilisez une convention pour noter des observations tous utilisation dun codebook codage deux et comparaison (voir dessus) collection de suffisamment de donnes (temps, rpondants, situations) triangulation des mthodes dobservation

transcription

Formule pour calculer la fiabilit du codage: fiabilit de codage= nombre daccords total daccords et dsaccords


DKS 7/11/06


E-33

8.5 La validit dans une analyse qualitativevalidit = vrit une recherche reprsente, explique, etc. bien le phnomne tudi: on a confiance (la certitude nexiste pas) en mthode quantitative une grande partie de la validit rsulte de la qualit des tests dhypothses alternatives.

Erreurs frquentes: on favorise les donnes qui favorisent une (pr) conception donne dun phnomne on favorise lexotique par rapport au normal on oublie des donnes on sarrte trop sur laspect gnration de thories on se perd dans les sources et observations

Problmes on est bloqu dans largumentation dans ce cas dessinez et dessinez !

on commence douter faites une analyse pousse de cas/sous-cas dviants baissez vos prtentions, on ne peut jamais tre 90% sr


DKS 7/11/06


E-34

A. Mthodes de test ( tudier selon vos besoins)Il faut sassurer de la validit de votre recherche Une liste de points examiner / choses faire: sinterroger sur la reprsentativit examen deffets du chercheur triangulation (utiliser plusieurs mthodes, mesures) qualifier les vidences (est-ce sr et pourquoi ?) analyse de la signification de cas dviants (ne rien mettre sous la table !) utilisation de cas extrmes suivre les surprises chasser lvidence ngative corroborer des si-alors par des si-puis limination de relations fausses rplication tester des explications rivales chercher un feed-back des informants


DKS 7/11/06


E-35

B. Une analyse qualitative gagne en validit interne: si elle est plausible par rapport dautre connaissances (thories) si elle est crdible en fonction des mthodes utilises si le lien avec les donnes est bien dmontr si les donnes sont fiables (par exemple les informateurs) si le chercheur peut montrer quil na pas transform lobjet tudi si une triangulation de donnes et de mthodes a t utilise prudence: parfois on obtient diffrent rsultat parce que les gens pensent et agissent autrement dans diffrents contextes

si les rpondants sont daccord avec les rsultats a ne marche pas si lanalyse rentre en conflit avec le self-image du rpondant

si lanalyse a t guide par une approche thorique si elle donne un overview des donnes en utilisant des mthodes quantitatives danalyse de donnes. analyse descriptive analyse typologiques ou de correspondances analyse factorielle (ou quivalent)


DKS 7/11/06


E-36

C. Validit externe: Il est souvent possible de comparer les rsultats dune analyse en profondeur de qq. cas des donnes facilement disponibles Donc, utilisez les mthodes quantitatives comme approche auxiliaire exemple: une tude en profondeur sur les conditions de russite du job-sharing conclut que cest plus facile dans des entreprises avec une hirarchie plate. On pourrait comparer ces rsultats avec les donnes dun chantillon plus large (il suffit dobtenir lorganigramme des organisations ainsi que le nombre de personnes en job-sharing). Exemple: une tude avec 2 cas montre que le patient dune clinique prive obtient plus de services personnaliss. On peut faire une tude plus large en se basant sur la dure de consultation moyenne (enfin il faudrait mieux comparer la consultation moyenne par type de maladie et type dintervention).

il faut tenter de gnraliser au niveau thorique (mme si ltude ne concerne quune petite population mre)


DKS 7/11/06

Bibliographie - .

F-1

F - BibliographieOuvrages de base en mthodologieDpelteau, F. (2000). La dmarche dune recherche en sciences sociales, Bruxelles, DeBoeck Universit. [Introduction aux mthodes en sciences sociales, niveau dbutant] Quivy, R. & van Campenhoudt, L. (1995). Manuel de recherche en sciences sociales. Dunod, Paris. [Introduction la dmarche gnrale, niveau dbutant, complter par un ouvrage sur la mthode] Fragnire, J. (1996). Comment russir un mmoire. Dunod, Paris. [Introduction la dmarche gnrale, niveau dbutant, complter par un ouvrage sur la mthode]

Mthodes qualitativesDey, I. (1993). Qualitative Data Analysis. Routledge, London. Lonkila (1995). Grounded theory as an emerging paradigm for computer-assisted qualitative data analysis in U. Kelle (editor) Computer-Aided Qualitative Data Analysis. London: Sage. Mason, J. (1996) Qualitative Researching. London: Sage. Marshall, C. & Rossman, G. B. (1995) , Designing Qualitative Research, second edition, Sage, London. Miles, M. B. & Huberman, A. (1994). Qualitative Data Analysis: An Expanded Sourcebook. Sage. (il existe une traduction franaise). Silverman, D. (1993). Interpreting Qualitative Data. Sage, London. Coffey, Amanda A., Holbrook,B. Atkinson, P., Qualitative Data Analysis: Technologies and Representations, School of Social and Administrative Studies, University of Wales, Cardiff (http:// www.socresonline.org.uk/1/1/4.html)


DKS 7/11/06

Bibliographie - .

F-2


DKS 7/11/06

Methodes ives Sciences Sociales

Documents

Transcript of Methodes ives Sciences Sociales