Le but de ce bref exposé est de clarifier les attentes du comité de rédaction de la Revue des sciences de l’éducation quant aux articles empiriques comportant une méthode quantitative qui lui sont soumis. La recherche quantitative se définit comme toute recherche dont l’analyse des données (quantitatives ou qualitatives) est effectuée à l’aide de statistiques et dont les résultats sont rapportés numériquement (ou sous forme d’une représentation visuelle de résultats numériques). La recherche quantitative comprend, entre autres, les métanalyses, les études écologiques (études de la population entière), les études expérimentales, quasi expérimentales et observationnelles, les études de cohortes et cas-témoin ; ce type de recherche vise habituellement la généralisation des résultats obtenus à une population cible. Ce texte comporte deux parties : la première rappelle les recommandations de l’American Psychological Association (APA), alors que la seconde énonce quelques bonnes pratiques à considérer lors de la rédaction d’un article basé sur une méthode quantitative. La septième édition du guide de rédaction de l’APA (2020) détaille les informations méthodologiques à publier dans un article quantitatif. Ces prescriptions ont pour but l’amélioration de la clarté, de la précision et de la transparence des articles, autant au bénéfice du lectorat que des personnes devant les évaluer en vue de leur publication. Ainsi, selon l’APA (2020), la section « Méthode » d’un article quantitatif doit aborder les éléments suivants : Un premier principe concerne la taille de l’échantillon. Comme l’inférence statistique se base notamment sur la loi des grands nombres, il importe de disposer d’un nombre suffisant d’observations afin que les statistiques soient assez robustes pour être interprétables. De plus, la taille minimale de l’échantillon dépendra notamment du test statistique utilisé et de la distribution des données. Une euristique commune stipule qu’un échantillon doit compter minimalement 30 observations pour des résultats relativement stables. En revanche, dans le cas d’analyses complexes, comme l’analyse factorielle ou l’utilisation de la théorie de la réponse à l’item, ce nombre minimal peut s’élever à plusieurs centaines d’observations. Par ailleurs, selon la taille des effets escomptés, l’analyse de puissance a priori pourrait requérir un échantillon plus grand que 30 observations. Un deuxième principe crucial pour tirer des conclusions valides d’une étude quantitative est la représentativité de l’échantillon. L’équipe de recherche doit donc faire la démonstration que l’échantillon retenu pour les analyses est bien représentatif de la population cible. La comparaison des caractéristiques sociodémographiques de l’échantillon avec les données de recensement de la population permet de juger de la représentativité. Cette analyse doit tenir compte de l’effet des données manquantes; il importe d’en préciser non seulement la magnitude, mais aussi le mécanisme (complètement aléatoire, aléatoire ou non aléatoire) et l’effet sur les résultats (à l’aide d’une analyse de sensibilité basée sur une imputation multiple, par exemple). Un troisième principe est lié à la nature des tests : paramétriques ou non. Les tests non paramétriques visent à compenser des distributions statistiques quelconques (une distribution bimodale, par exemple) alors que les tests paramétriques sont basés sur des postulats quant à la nature de la distribution des données (normale, par exemple). Contrairement à une croyance répandue, ces tests ne compensent pas un échantillon de moins de 30 ou même de 20 observations. Comme toute inférence statistique, ils s’appuient sur la loi des grands nombres.
Appendices
Bibliographie
- American Psychological Association. (2020). Publication manual of the American Psychological Association: The official guide to APA style (7e éd.).