Méthodologie de l'expérimentation.pdf

# La démarche expérimentale et ses fondements La démarche expérimentale constitue le pilier de la science et de la recherche, s'appuyant sur des outils fondamentaux tels que l'observation et la mesure pour vérifier des hypothèses et construire le savoir. ### 1.1 Introduction à la science et à la recherche La science est définie comme un ensemble organisé de connaissances construit collectivement. La recherche, quant à elle, est le processus par lequel un chercheur élabore et enrichit ce savoir [1](#page=1). ### 1.2 Les outils de la démarche scientifique La démarche scientifique repose sur plusieurs outils essentiels : * **L'observation**: Elle consiste à noter et rapporter de manière systématique les événements [1](#page=1). * **La mesure**: Il s'agit d'attribuer une valeur numérique à des objets, des événements ou des phénomènes étudiés [1](#page=1). * **L'expérimentation**: C'est un procédé spécifique utilisé pour vérifier une hypothèse, où l'observation joue un rôle intrinsèque [1](#page=1). ### 1.3 Claude Bernard et l'approche expérimentale Claude Bernard, grâce à sa pratique de médecin confronté à la complexité de l'être humain, a contribué de manière significative à l'émergence d'une approche expérimentale rigoureuse en science. Selon lui, le raisonnement scientifique se construit en trois étapes indispensables [1](#page=1): 1. L'observation d'un fait particulier [1](#page=1). 2. La formulation d'une hypothèse pour expliquer ce fait [1](#page=1). 3. La mise en place d'une expérience afin de confirmer ou d'infirmer cette hypothèse [1](#page=1). > **Tip:** L'approche de Claude Bernard met en évidence l'interaction dynamique entre l'observation du réel et la construction théorique, validée ensuite par l'expérimentation. ### 1.4 Expérimenter : provoquer et observer Expérimenter peut être résumé par l'action de provoquer des phénomènes dans le but de les observer ensuite. Cette double action est au cœur de la méthode expérimentale [1](#page=1). ### 1.5 Les phases expérimentales La démarche expérimentale se décompose en plusieurs phases distinctes [1](#page=1). --- # Les hypothèses en recherche expérimentale Les hypothèses constituent des énoncés relationnels supposés entre des faits, servant de fondement à la démarche scientifique expérimentale [2](#page=2). ### 2.1 L'origine des hypothèses Les hypothèses peuvent émerger de deux types de raisonnement [2](#page=2): * **Raisonnement inductif:** Il s'agit de la formulation d'hypothèses générales à partir d'observations spécifiques [2](#page=2). * **Raisonnement déductif:** Inversement, ce processus consiste à formuler des observations spécifiques à partir d'hypothèses générales [2](#page=2). La **démarche hypothético-déductive** combine ces deux approches en formulant des prédictions précises à partir d'une hypothèse théorique afin de la confirmer ou de l'infirmer. Dans le contexte de la recherche expérimentale, les faits de "cause" précèdent logiquement les faits de "conséquences". Il est important de noter que toutes les hypothèses ne peuvent pas être directement mises à l'épreuve des faits [2](#page=2). ### 2.2 Critères d'acceptabilité des hypothèses expérimentales Pour être jugée pertinente et utilisable dans un cadre expérimental, une hypothèse doit satisfaire plusieurs critères essentiels [3](#page=3): #### 2.2.1 L'opérationnalité Ce critère assure le caractère intersubjectif de la recherche expérimentale et améliore la précision de la communication des intentions du chercheur. Une hypothèse est opérationnelle lorsqu'elle est suffisamment concrète et précise pour qu'un tiers puisse la tester, fournissant ainsi suffisamment d'informations pour son évaluation [3](#page=3). > **Tip:** L'opérationnalité est renforcée chaque fois que le chercheur communique les décisions qu'il a prises lors de l'élaboration de son plan d'action [3](#page=3). #### 2.2.2 La vérifiabilité L'hypothèse doit être réellement testable, c'est-à-dire qu'il doit être possible de la soumettre à une épreuve empirique. Il est crucial de comprendre que si une hypothèse est opérationnelle, elle n'est pas nécessairement vérifiable [3](#page=3). #### 2.2.3 La vraisemblance Le chercheur doit procéder à un examen raisonné de l'hypothèse proposée. La mise à l'épreuve ne devrait être entreprise que si des éléments portent à considérer l'hypothèse comme plausible. Une hypothèse vraisemblable s'articule avec les connaissances actuelles [3](#page=3). #### 2.2.4 La cohérence externe Une bonne cohérence externe implique que le chercheur établit un lien avec l'ensemble des connaissances disponibles. Il ne s'agit pas uniquement de suppositions d'accord avec des recherches connues, mais plutôt d'une articulation sur celles-ci; il est possible d'avoir une bonne cohérence externe même si l'hypothèse contredit des résultats antérieurs [3](#page=3). #### 2.2.5 La productivité épistémique Ce critère évalue la valeur ajoutée potentielle de l'hypothèse à la science. La vérification de l'hypothèse doit permettre un véritable accroissement des connaissances dans le domaine étudié. Une hypothèse peut être opérationnelle, vérifiable et vraisemblable, mais sa valeur scientifique dépend de son potentiel de créativité et de génération de savoir nouveau [3](#page=3). #### 2.2.6 L'acceptabilité Lorsqu'une hypothèse est énoncée, elle doit être conforme aux exigences légales, déontologiques (en lien avec les professions) et éthiques (de manière générale) [3](#page=3). --- # L'élaboration et la structure des plans expérimentaux L'élaboration d'un plan expérimental rigoureux est une étape fondamentale pour assurer la validité des conclusions scientifiques, impliquant la définition précise des variables, la sélection adéquate des participants et la structuration des groupes de recherche. ### 3.1 Définition des variables La première étape de l'élaboration d'un plan expérimental consiste à définir clairement les variables qui seront étudiées [4](#page=4). #### 3.1.1 Variable indépendante (VI) La variable indépendante est celle que le chercheur manipule intentionnellement afin de provoquer l'apparition de phénomènes. Les différentes valeurs qu'une VI peut prendre sont appelées ses "niveaux". Une VI doit comporter au minimum deux niveaux. On distingue deux types de VI [4](#page=4): * **Invoquées:** Caractéristiques intrinsèques qui ne peuvent pas être manipulées par le chercheur, comme l'âge, le sexe ou le quotient intellectuel (QI) [4](#page=4). * **Provoquées:** Caractéristiques qui peuvent être activement manipulées par le chercheur [4](#page=4). #### 3.1.2 Variable dépendante (VD) La variable dépendante est l'objet de l'observation et n'est pas directement manipulée par le chercheur. Ses variations sont censées dépendre de la manipulation des niveaux de la VI [4](#page=4). #### 3.1.3 Variables parasites (VP) Les variables parasites sont celles qui exercent un effet indésirable sur la VD, soit directement, soit en influençant la VI. Il est crucial d'essayer de contrôler toutes les variables parasites pour garantir la validité interne de l'expérience [4](#page=4). * **Contrôle statistique:** Utilisation de procédures quantitatives pour prendre en compte les variations introduites par les VP [4](#page=4). ### 3.2 Sélection des sujets La manière dont les participants sont sélectionnés peut grandement influencer la généralisabilité des résultats. Plusieurs méthodes d'échantillonnage existent [4](#page=4): #### 3.2.1 Aléatoire simple Cette méthode vise une représentativité garantie et offre généralement une bonne validité externe. Elle implique un tirage au sort où tous les sujets ont une chance égale d'être sélectionnés, sans aucun critère de sélection spécifique. Sa mise en place est cependant très difficile car elle exige la disponibilité de tous les sujets potentiels [4](#page=4). #### 3.2.2 Occasionnel L'échantillonnage occasionnel se base sur la disponibilité des sujets. Bien que fréquent en sciences humaines, il est critiquable en termes de représentativité [4](#page=4). #### 3.2.3 Empirique Cette méthode, qui présente une très faible probabilité d'exister, repose sur un groupe de sujets possédant déjà toutes les caractéristiques recherchées pour l'étude [4](#page=4). #### 3.2.4 Stratifié Cette approche consiste à établir une répartition des sujets dans des classes basées sur un critère prédéfini. L'échantillonnage aléatoire stratifié vise à obtenir des groupes équivalents, mais il nécessite un accès à l'ensemble de la population [4](#page=4) [5](#page=5). * **Groupes appariés:** Identification d'une VP redoutée, mesure de celle-ci chez chaque sujet, puis association des sujets dans les groupes en fonction de leurs valeurs sur cette VP [5](#page=5). * **Groupes parallèles:** Figer la VP redoutée et sélectionner plusieurs valeurs de cette variable pour constituer les groupes [5](#page=5). #### 3.2.5 Groupes contrastés (non équivalents) Cette méthode implique : 1. Déterminer une variable dont on souhaite étudier l'effet (VI) [5](#page=5). 2. "Mesurer" cette variable sur les sujets [5](#page=5). 3. Composer les groupes en caractérisant des valeurs volontairement différentes de cette VI [5](#page=5). > **Tip:** La variable utilisée pour créer le contraste n'est pas une variable parasite, mais plutôt une VI dont on cherche à étudier l'effet [5](#page=5). ### 3.3 Constitution des groupes La manière dont les groupes sont constitués est essentielle pour comparer les effets des différentes conditions expérimentales. #### 3.3.1 Groupes équivalents L'objectif est de former des groupes dont les caractéristiques sont aussi similaires que possible avant l'application du traitement expérimental. Ceci est idéalement obtenu par un échantillonnage aléatoire, mais des méthodes comme l'appariement ou la stratification peuvent aussi être utilisées [5](#page=5). #### 3.3.2 Groupes non équivalents Dans ce cas, les groupes présentent des différences préexistantes qui ne sont pas contrôlées par l'expérimentateur. Les groupes contrastés sont un exemple de groupes non équivalents où les différences sont intentionnellement créées sur la VI [5](#page=5). ### 3.4 La validité de l'expérimentation La validité d'une expérience fait référence à sa capacité à tester fidèlement ses propres hypothèses [5](#page=5). #### 3.4.1 Validité interne La validité interne est assurée lorsque seules les variables indépendantes manipulées par le chercheur sont responsables des variations observées dans les variables dépendantes. Une menace à la validité interne est la "mortalité" dans l'expérience, c'est-à-dire la perte de sujets au cours de l'étude [5](#page=5). #### 3.4.2 Validité externe La validité externe est atteinte si les résultats d'une expérience peuvent être généralisés à l'ensemble des individus potentiellement soumis aux mêmes influences de la (ou des) VI. Une bonne validité externe permet de généraliser les résultats à un univers d'individus et à un univers de situations spécifiquement décrits [5](#page=5). #### 3.4.3 Validité écologique La validité écologique est satisfaite lorsque les résultats obtenus sont généralisables et prédictifs des comportements observables dans des situations du monde réel. Si les résultats ne sont pas prédictifs des comportements réels, l'expérience a une mauvaise validité écologique [5](#page=5). #### 3.4.4 Paradoxe de l'observateur/de l'expérimentateur Dès qu'un dispositif d'observation est introduit dans une situation réelle, il la déforme, rendant son état initial inobservable [5](#page=5). ### 3.5 Anticiper les problèmes : variables parasites et biais Les variables parasites et les biais constituent des menaces importantes pour la validité interne et externe des expériences [5](#page=5). #### 3.5.1 Des biais Un biais est une action non contrôlée d'une variable parasite sur la variable dépendante, compromettant ainsi les validités interne et externe. Si un biais est présent, il y a nécessairement une variable parasite agissant sur la VD, mais l'inverse n'est pas toujours vrai. Si une variable autre que la VI agit sur la VD, soit elle est ignorée (résultats biaisés), soit elle est connue mais non contrôlée, introduisant une suspicion de biais. Lorsque le contrôle total n'est pas possible, une démarche de réflexion critique est nécessaire [5](#page=5). > **Tip:** Les biais peuvent être initiés par le sujet, l'expérimentateur, ou le dispositif expérimental lui-même [6](#page=6). #### 3.5.2 L'effet Hawthorne Ce biais survient lorsque la simple conscience de faire partie d'une expérience amène les sujets à modifier leur comportement. Pour y remédier, on peut choisir de ne pas informer le sujet avant le test (en tenant compte de la déontologie) ou de demander son accord après pour utiliser les données. Il est conseillé de ne pas tout révéler avant le test [6](#page=6). #### 3.5.3 L'effet placebo L'effet placebo se manifeste par une amélioration de l'état du sujet due à l'administration d'un produit sans effet thérapeutique réel. Pour le contrôler, on utilise généralement deux groupes: un groupe expérimental et un groupe témoin. L'expérimentation en "double aveugle" est une méthode efficace pour minimiser cet effet [6](#page=6). #### 3.5.4 L'effet John Henry Les sujets, conscients de leur statut expérimental, peuvent sur-performer dans le but de prouver leurs capacités. Pour atténuer cet effet, on peut ignorer les sujets ou les prévenir, tout en évitant de créer une hiérarchie [6](#page=6). #### 3.5.5 L'effet Rosenthal (ou effet Pygmalion) Cet effet décrit la tendance de l'expérimentateur à façonner involontairement le comportement des sujets en fonction de ses attentes, basées sur des connaissances préalables sur eux. Des stratégies pour minimiser cet effet incluent l'intervention d'une personne extérieure pour administrer le test (bien que potentiellement coûteuse), la minimisation des contacts entre l'expérimentateur et les sujets, et un examen de conscience rigoureux de l'expérimentateur pour assurer son impartialité [6](#page=6). #### 3.5.6 L'effet de Halo L'évaluateur est influencé dans ses notations par des informations externes aux performances mesurées, telles que la personnalité ou l'écriture du sujet. Pour contrer cet effet, il est possible de filtrer les informations accessibles à l'évaluateur, d'utiliser plusieurs évaluateurs, ou de procéder à un examen de conscience de leur part [6](#page=6). #### 3.5.7 L'effet de mortalité expérimentale Ce biais se manifeste lors d'études longitudinales par la perte de sujets au cours de l'expérience pour diverses raisons. Pour maintenir la motivation des sujets, des récompenses peuvent être utilisées, mais cela soulève des questions éthiques et peut introduire d'autres biais, tout en nuisant à la validité écologique [6](#page=6). #### 3.5.8 L'effet animateur Des données externes ou les interactions avec l'expérimentateur peuvent influencer les comportements des sujets. Il est recommandé d'adopter une attitude neutre et, en présence de plusieurs groupes, de permuter les expérimentateurs entre les groupes [7](#page=7). #### 3.5.9 L'effet de l'expérience personnelle Les influences externes au plan expérimental peuvent s'ajouter aux effets de la ou des VI lorsque le sujet n'est pas dans le contexte expérimental. L'isolement en quarantaine est une solution radicale pour soustraire le sujet aux influences externes, mais d'autres approches impliquent une réflexion sur les sources d'informations externes et leur contrôle quantitatif [7](#page=7). #### 3.5.10 L'effet de maturation Des modifications internes au sujet (aptitudes, humeur, évolution cognitive) peuvent affecter les résultats. Pour atténuer cet effet, on peut diminuer la durée entre les observations ou évaluer une éventuelle progression des sujets [7](#page=7). #### 3.5.11 L'effet de nouveauté Le matériel ou la situation expérimentale peuvent susciter des réactions chez les sujets, positives (engouement) ou négatives (résistance, aversion). Présenter le nouveau matériel aux sujets avant l'expérience peut aider à mitiger cet effet [7](#page=7). #### 3.5.12 L'effet pré-test Dans les plans expérimentaux incluant une observation avant et après le traitement, l'observation pré-expérimentale peut influencer la VD. Cela peut se manifester par un effet d'apprentissage (utilisation d'épreuves parallèles) ou un effet de contamination, où le sujet comprend les intentions du chercheur. Pour éviter cela, on peut proscrire les plans expérimentaux avec pré-test ou utiliser des épreuves parallèles aux différentes phases [7](#page=7). #### 3.5.13 L'effet de régression statistique Cet effet se caractérise par une diminution du caractère contrasté des groupes après la sélection, les notes ayant tendance à se rapprocher de la moyenne globale du groupe. Pour y pallier, il est recommandé de mesurer le trait visé un grand nombre de fois et de calculer la moyenne [7](#page=7). ### 3.6 Organisation du plan d'action L'organisation d'une expérience repose sur la définition de plans expérimentaux précis [7](#page=7). #### 3.6.1 Les plans expérimentaux Un plan expérimental regroupe toutes les informations relatives à l'organisation d'une expérience. Il découle des décisions prises par le chercheur concernant le nombre de variables, leurs relations et le nombre de niveaux pour chaque variable [7](#page=7). #### 3.6.2 Les plans expérimentaux classiques Un plan expérimental est une "structure d'action et d'observation". Cette structure peut caractériser des actions variées, d'où la nécessité d'une codification. Dans les plans les plus simples, une seule VI est manipulée, souvent en comparant l'application d'un traitement à son absence. L'ensemble du plan peut être résumé par une formule simple [7](#page=7). #### 3.6.3 Codification et syntaxe Une codification standard est utilisée pour représenter les éléments d'un plan expérimental [8](#page=8): * $O$ = Observation [8](#page=8). * $X$ = Traitement expérimental [8](#page=8). * $R$ = Échantillonnage aléatoire des sujets [8](#page=8). * $R'$ = Aléatorisation des groupes [8](#page=8). * $=$ = Séparation de groupes équivalents [8](#page=8). * $.......$ = Séparation des strates d'un échantillon stratifié [8](#page=8). La syntaxe suit une logique de lecture de gauche à droite pour représenter l'évolution temporelle. La superposition de lignes indique la présence de différents groupes [8](#page=8). #### 3.6.4 Plan à observations pré et post expérimentales Ce plan implique une observation initiale ($O$), suivie d'un traitement expérimental ($X$), puis d'une observation finale ($O$) [8](#page=8). $$ O_1 \quad X \quad O_2 $$ * **Avantage:** Permet une comparaison avant et après, et aide à réduire les variations inter-individuelles [8](#page=8). * **Inconvénient:** Sensible aux effets pré-test, aux effets liés au temps, à l'effet Hawthorne et à la mortalité expérimentale [8](#page=8). > **Tip:** Transformer une double liste de données appariées en une simple liste d'écarts permet de quantifier les "GAINS" [8](#page=8). #### 3.6.5 Plan à observations pré et post expérimentales avec groupe contrôle Ce plan ajoute un groupe contrôle au schéma précédent, permettant de comparer les changements observés dans le groupe expérimental à ceux du groupe contrôle [9](#page=9). $$ \begin{array}{ccc} R & O_1 & X & O_2 \\ R & O_3 & \quad & O_4 \end{array} $$ * **Avantages:** Permet de statuer sur l'influence réelle du traitement et de contrôler l'effet pré-test par une exposition équivalente des deux groupes au pré-test [9](#page=9). * **Limitation:** Ne permet pas de déterminer l'action éventuelle du pré-test sur les observations réalisées, mais assure que si l'effet pré-test existe, il se manifeste de manière similaire dans les deux groupes [9](#page=9). #### 3.6.6 Plans à groupes parallèles Ces plans cherchent à échapper à l'effet pré-test [9](#page=9). #### 3.6.7 Le plan avant-après sur deux groupes indépendants Ce plan est souvent considéré comme assez invasif et ne peut donc pas être appliqué deux fois aux mêmes sujets [9](#page=9). #### 3.6.8 Plan à pré-tests multiples Ce type de plan permet de contrôler les effets liés au temps. Si la différence entre deux observations consécutives ($O_{n-1}$ et $O_n$) est similaire à celles observées entre d'autres pré-tests, cela indique la présence d'effets temporels [9](#page=9). #### 3.6.9 Dispositif séquentiel : élargissement du plan "avant-après" Ces dispositifs visent à confronter les variations expérimentales aux variations naturelles [9](#page=9). #### 3.6.10 Dispositif de Solomon Ce dispositif combine plusieurs plans pour mesurer l'ampleur de l'effet pré-test et distinguer ses effets de ceux du traitement [9](#page=9). $$ \begin{array}{cccccc} R & O_1 & X & O_2 \\ R & O_3 & \quad & O_4 \\ R & \quad & X & O_5 \\ R & \quad & \quad & O_6 \end{array} $$ * **Avantages:** Permet de mesurer l'ampleur de l'effet pré-test et de différencier les effets du pré-test de ceux d'autres facteurs [9](#page=9). * **Comparaisons clés :** * Comparer $O_2$ et $O_5$ permet de mesurer l'ampleur de l'effet pré-test combiné à $X$ [9](#page=9). * Comparer $O_4$ et $O_6$ permet d'estimer l'effet du pré-test en l'absence de $X$ [9](#page=9). --- # Les relations entre variables dans les plans factoriels Ce chapitre explore les différentes manières dont les variables peuvent interagir dans le cadre des plans factoriels, en se concentrant sur les relations de croisement, de nichage, de confusion et des plans expérimentaux spécifiques comme le carré latin. ### 8.1 Relation de croisement Deux variables indépendantes (VI) sont dites croisées si chaque niveau de l'une des VI est systématiquement associé à tous les niveaux de l'autre VI. Cette structure est fondamentale dans les plans factoriels, où l'on s'intéresse non seulement aux effets de chaque VI prise individuellement, mais aussi à leurs effets conjoints, appelés effets d'interaction [10](#page=10). #### 8.1.1 Effets testables dans une relation de croisement Dans un plan factoriel avec deux VI croisées, il y a trois sources principales de variation à tester : 1. L'effet de la première VI sur la variable dépendante (VD). 2. L'effet de la seconde VI sur la VD. 3. L'effet d'interaction, c'est-à-dire l'effet conjoint des deux VI sur la VD [10](#page=10). Un exemple concret de variation de la VD (score au test de maîtrise de la lecture) pourrait être dû à la VI "méthode" (par exemple, méthode A vs méthode B), à la VI "spatialisation" (par exemple, en ligne vs en colonne), et à l'effet d'interaction entre "méthode" et "spatialisation" [11](#page=11). #### 8.1.2 Représentations des relations de croisement Une représentation graphique ou schématique peut montrer les différentes combinaisons de niveaux des VI, menant à un nombre total de sources de variation discernables. Par exemple, avec deux VI ayant chacune deux niveaux, on obtient $2 \times 2 = 4$ conditions expérimentales, plus les effets principaux de chaque VI, ce qui fait un total de $4 + 2 = 6$ effets à tester si l'on considère aussi la variabilité résiduelle, ou 7 sources de variation discernables dans une analyse complète [10](#page=10) [11](#page=11). ### 8.2 Relation de nichage Deux VI entretiennent une relation de nichage lorsque les niveaux d'une VI (la VI nichée) sont associés à un et un seul niveau de l'autre VI (la VI nichante). Chaque niveau de la VI nichante doit être associé à au moins un niveau de la VI nichée. Il s'agit d'une relation hiérarchique, où une VI est "contenue" dans les niveaux de l'autre [11](#page=11). #### 8.2.1 Exemple de relation de nichage Considérons une étude sur l'effet de deux méthodes de relaxation (sophrologie et training autogène) sur la résistance au stress (VD). Les patients sont suivis par sept thérapeutes: trois pratiquant la sophrologie et quatre le training autogène. Dans ce cas, la VI "thérapeute" est nichée dans la VI "méthode de relaxation". Savoir qu'un patient a eu le thérapeute 1 implique qu'il a reçu la méthode de sophrologie, mais savoir qu'un patient a reçu la sophrologie ne permet pas d'identifier avec certitude le thérapeute spécifique qu'il a eu. Ici, "méthode" est la VI nichante et "thérapeute" est la VI nichée [11](#page=11). #### 8.2.2 Représentations des relations de nichage Les représentations graphiques montrent cette structure hiérarchique. Dans l'exemple précédent, on testerait deux sources de variation: l'effet de la méthode et l'effet du thérapeute (au sein de la méthode) [12](#page=12). ### 8.3 Relation de confusion Une relation de confusion survient lorsque les niveaux de deux VI partitionnent l'ensemble des données de la même manière, rendant impossible de distinguer leurs effets respectifs. Cette situation est à éviter absolument dans la conception d'une expérience, car elle invalide l'interprétation des résultats [12](#page=12). #### 8.3.1 Exemple de relation de confusion Un exemple typique est une recherche en pédagogie portant sur 5 classes. Si chaque classe est enseignée par un seul instituteur et que chaque instituteur n'enseigne qu'une seule classe, alors la VI "classe" est en confusion totale avec la VI "instituteur". Il devient impossible de savoir si une différence observée est due à la classe elle-même ou à l'instituteur qui y enseigne [12](#page=12). #### 8.3.2 Représentations des relations de confusion Visuellement, les niveaux des deux VI se superposent parfaitement, rendant impossible leur désimbrication [12](#page=12). ### 9 Les plans factoriels : cas particuliers #### 9.1 Carré latin : un cas hybride Le carré latin représente une situation intermédiaire entre un plan à deux VI croisées et un plan à trois VI croisées. Il est utilisé pour étudier les effets de deux VI tout en neutralisant les effets d'une troisième variable, souvent considérée comme parasite ou source de variation non désirée. Si la neutralisation de deux variables parasites est nécessaire, on utilise un plan en carré gréco-latin [12](#page=12). #### 9.2 Du plan à 3 VI croisées au plan en carré latin Un plan factoriel impliquant trois VI croisées nécessite une représentation en trois dimensions, souvent conceptualisée comme un parallélépipède ou un cube composé de sous-unités. Par exemple, trois VI ayant chacune trois niveaux mèneraient à $3 \times 3 \times 3 = 27$ combinaisons expérimentales. En revanche, un plan en carré latin avec deux VI ayant trois niveaux (et neutralisant une troisième VI) ne comporterait que $3 \times 3 = 9$ groupes de données. Une condition nécessaire pour le carré latin est que les VI (les deux VI principales et la VI neutralisée) doivent avoir le même nombre de niveaux [13](#page=13). > **Tip:** Les plans en carré latin sont particulièrement utiles lorsque le nombre total de conditions devient prohibitif dans un plan factoriel complet à trois VI croisées, mais que l'on souhaite tout de même évaluer les effets principaux de deux facteurs tout en contrôlant une troisième variable. #### 9.3 Exemple de plan en carré latin Prenons l'exemple de patients hospitalisés pour dépression recevant un nouveau médicament. Les VI principales pourraient être l'"intensité de la dépression" (par exemple, légère, modérée, sévère) et la "dose du médicament prescrite" (par exemple, faible, moyenne, forte). La variable parasite (VP) à neutraliser pourrait être la "personnalité du patient" (par exemple, introverti, extraverti, neutre). Un plan en carré latin permettrait de tester les effets de l'intensité de la dépression et de la dose du médicament, tout en s'assurant que chaque niveau de personnalité est représenté de manière équilibrée à travers les combinaisons de dépression et de dose. Les plans en carré latin neutralisent les effets de la VP en permutant ses niveaux dans le plan expérimental [13](#page=13). --- ## Erreurs courantes à éviter - Révisez tous les sujets en profondeur avant les examens - Portez attention aux formules et définitions clés - Pratiquez avec les exemples fournis dans chaque section - Ne mémorisez pas sans comprendre les concepts sous-jacents

| Term | Definition | |------|------------| | Observation | L'acte de noter et de rapporter systématiquement les événements tels qu'ils se produisent. | | Mesure | L'attribution d'une valeur numérique à des objets, des événements ou des concepts pour quantifier des propriétés. | | Expérimentation | Un procédé scientifique utilisé pour vérifier une hypothèse en provoquant délibérément des phénomènes et en les observant. | | Hypothèse | Une relation supposée ou une explication provisoire entre des faits, servant de base à une investigation scientifique. | | Raisonnement inductif | Le processus de formulation d'hypothèses générales à partir d'observations spécifiques. | | Raisonnement déductif | Le processus de formulation d'observations ou de prédictions spécifiques à partir d'hypothèses générales. | | Opérationnalité | Le critère selon lequel une hypothèse doit être suffisamment concrète et précise pour qu'un tiers puisse la tester empiriquement. | | Vérifiabilité | La capacité d'une hypothèse à être testée et potentiellement confirmée ou infirmée par des données empiriques. | | Vraisemblance | Le critère selon lequel une hypothèse doit être plausible et s'articuler de manière cohérente avec les connaissances scientifiques actuelles. | | Cohérence externe | La mesure dans laquelle une hypothèse s'articule et s'intègre avec l'ensemble des connaissances disponibles dans un domaine de recherche donné. | | Productivité épistémique | La capacité d'une hypothèse à générer de nouvelles connaissances et à accroître de manière significative la compréhension dans un champ d'étude. | | Acceptabilité | Le critère d'une hypothèse qui doit respecter les normes légales, déontologiques et éthiques en vigueur. | | Variable indépendante (VI) | La variable manipulée intentionnellement par le chercheur dans une expérience pour observer son effet sur une autre variable. | | Variable dépendante (VD) | La variable dont les variations sont observées et mesurées par le chercheur, supposée être influencée par la manipulation de la variable indépendante. | | Variables parasites (VP) | Des variables indésirables qui peuvent influencer la variable dépendante, soit directement, soit en interagissant avec la variable indépendante, et qui doivent être contrôlées. | | Validité interne | La mesure dans laquelle les variations observées dans la variable dépendante sont effectivement causées par la (ou les) variable(s) indépendante(s) de l'expérience, et non par des variables parasites. | | Validité externe | La mesure dans laquelle les résultats d'une expérience peuvent être généralisés à d'autres populations, contextes ou situations. | | Validité écologique | La mesure dans laquelle les résultats d'une expérience sont généralisables et prédictifs des comportements observés dans des situations du monde réel. | | Biais | Une action non contrôlée d'une variable autre que la VI sur la VD, menaçant la validité interne et externe de l'étude. | | Effet Hawthorne | La modification du comportement des sujets parce qu'ils savent qu'ils sont observés dans le cadre d'une expérience. | | Effet placebo | L'amélioration de l'état d'un sujet due à la croyance en l'efficacité d'un traitement, même si celui-ci est inactif. | | Effet Rosenthal (ou Pygmalion) | L'influence involontaire de l'expérimentateur sur les comportements des sujets, basée sur ses attentes ou connaissances préalables à leur sujet. | | Plans expérimentaux | L'ensemble des décisions prises par le chercheur concernant l'organisation d'une expérience, incluant le nombre de variables, leurs relations et leurs niveaux. | | Plans factoriels | Des plans expérimentaux qui manipulent deux variables indépendantes ou plus simultanément pour étudier leurs effets principaux et leurs interactions. | | Effet d'interaction | L'effet sur la variable dépendante de la combinaison de deux ou plusieurs variables indépendantes, qui est différent de la somme de leurs effets pris séparément. | | Relation de nichage | Une relation entre variables où les niveaux d'une variable (nichée) sont associés à un seul niveau d'une autre variable (nichante), créant une hiérarchie. | | Relation de confusion | Une relation entre variables où les niveaux de deux variables indépendantes se confondent, rendant impossible de distinguer leurs effets respectifs sur la variable dépendante. | | Carré latin | Un type de plan expérimental utilisé pour étudier les effets de deux variables indépendantes tout en neutralisant l'influence d'une troisième variable considérée comme parasite. |