20. Les biais méthodologiques

0.0(0)
studied byStudied by 0 people
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
Card Sorting

1/35

encourage image

There's no tags or description

Looks like no tags are added yet.

Study Analytics
Name
Mastery
Learn
Test
Matching
Spaced

No study sessions yet.

36 Terms

1
New cards

Biais

  • Erreur systématique qui fausse les résultats dʼune recherche en créant une différence non due au hasard entre les observations et la réalité

  • Les biais introduisent une déviation constante dans une direction spécifique

    → fausse toujours dans la même direction

  • Par opposition aux erreurs aléatoires, qui fluctuent de manière imprévisible autour de la valeur réelle et peuvent êtres réduites

    → bruit + bruit = silence

2
New cards

Erreur systématique (biais)

Une déviation constante des résultats d'une recherche par rapport à la réalité, causée par des facteurs non aléatoires

→ surestimation ou sous-estimation systématique

3
New cards

Erreur aléatoire (bruit)

  • Erreur de mesure imprévisible qui fluctue autour de la valeur réelle, sans un biais systématique créant une tendance

  • Variation aléatoire → s’annule sur un grand échantillon

4
New cards

Pourquoi les biais sont-ils problématiques?

  1. Les biais compromettent la validité des études

    • conclusion faussée

      → représentation déformée du phénomène étudié

    • généralisabilité réduite

      → les résultats ne peuvent pas être appliqués à d’autres contextes ou populations

    • mauvaises décisions cliniques ou théoriques

      → une théorie ou une intervention fondée sur des données biaisées risque d’être inefficace ou nuisible

  2. Les biais ne disparaissent pas avec un grand échantillon

    • erreur systématique ≠ erreur aléatoire

      → contrairement aux erreurs aléatoires qui s’équilibrent, un biais reste constant quel que soit le nombre de participants

    • renforcement du biais

      → plus on collecte de données biaisées, plus le problème est ancré

    • difficulté de correction a posteriori

5
New cards

Des biais à chaque étape

  1. Recrutement

  2. Collecte de données

  3. Interprétation

  4. Communication des résultats

6
New cards

1.1 Biais de sélection

Se produit lorsque l'échantillon n'est pas représentatif de la population cible.

7
New cards

1.2 Biais dʼéchantillonnage (cas particulier de biais de sélection)

Certains groupes sont plus susceptibles dʼêtre inclus que dʼautres.

8
New cards

1.3 Biais dʼauto-sélection (cas particulier de biais de sélection)

Les participants volontaires ont des caractéristiques spécifiques qui faussent les résultats.

9
New cards

1.4 Biais dʼattrition (biais de survie)

Se produit lorsque certains participants abandonnent lʼétude de manière non aléatoire (ils partagent certaines caractéristiques).

10
New cards

2.1 Biais de lʼobservateur (effet de l’expérimentateur)

Lʼattente du chercheur influence involontairement la collecte des données (ce qui est observé).

11
New cards

2.2 Effet Hawthorne

Les participants changent leur comportement simplement parce quʼils savent quʼils sont observés.

12
New cards

2.3 Caractéristiques de la demande

Les participants modifient leur comportement en fonction de ce quʼils pensent être attendu.

13
New cards

2.4 Biais de désirabilité sociale

Les participants donnent des réponses perçues comme socialement acceptables

→ on veut toujours se présenter sous notre meilleur jour

14
New cards

2.5 Biais de réponse extrême

Certains participants utilisent systématiquement les catégories extrêmes dans les questionnaires (et d’autres toujours la catégorie neutre)

15
New cards

2.6 Biais dʼacquiescement

Tendance des participants à répondre "oui" ou à être dʼaccord avec toutes les propositions, indépendamment du contenu.

16
New cards

2.7 Biais de disponibilité (heuristique de disponibilité)

Jugements basés sur des exemples facilement accessibles en mémoire plutôt que sur des faits objectifs

→ biais qui implique les réponses reposant sur la mémoire des participants

17
New cards

2.8 Biais de rappel

Les participants se souviennent différemment des événements passés en fonction de leur état actuel

→ biais qui implique les réponses reposant sur la mémoire des participants

18
New cards

2.9 Biais rétrospectif

Un événement rappelé sera forcément incomplet
+ Une fois un événement connu, il est perçu comme plus prévisible qu'il ne l'était réellement (explication a posteriori)

→ biais qui implique les réponses reposant sur la mémoire des participants

19
New cards

2.10 Effet dʼordre (biais de primauté et de récence)

Les premiers et derniers éléments dʼune liste sont mieux retenus. Inclus également la cohérence des réponses selon ce qui a été répondu avant

20
New cards

2.11 Effet de cadrage

La manière dont une question est formulée influence la réponse

21
New cards

3.1 Biais de confirmation

Tendance à privilégier les informations qui confirment une hypothèse préexistante

22
New cards

3.2 Biais de persévérance

Maintien dʼune croyance même après la présentation de preuves contraires.

23
New cards

3.3 Biais de taux de base (Base rate fallacy)

Ignorer les probabilités de base en tirant des conclusions

24
New cards

3.4 Biais lié au “p-hacking” (exploration excessive des données)

Réaliser de multiples tests statistiques jusquʼà obtenir des résultats significatifs.

25
New cards

3.5 Biais de sélection des données (“cherry-pickong”)

Choisir uniquement les données qui confirment une hypothèse

26
New cards

3.6 Biais de régression vers la moyenne

Les valeurs extrêmes ont naturellement tendance à se rapprocher de la moyenne, ce qui peut être mal interprété

→ plusieurs temps de mesure

27
New cards

3.7 Paradoxe de Simpson

Une tendance observée dans plusieurs groupes disparaît ou sʼinverse lorsquʼils sont combinés.

→ influence des variables confondantes

28
New cards

3.8 Biais des comparaisons multiples

Tester plusieurs hypothèses augmente artificiellement les faux positifs

→ répéter des tests avec les mêmes données

29
New cards

3.9 Erreur écologique (ecological fallacy)

Appliquer les tendances dʼun groupe à des individus.

30
New cards

4.1 Biais narratif

Transformer des résultats scientifiques en une histoire exagérée ou simplifiée.

31
New cards

4.2 Biais dʼexagération (amplification des résultats)

Surévaluer la portée des résultats obtenus.

32
New cards

4.3 Biais de surgénéralisation

Appliquer les résultats dʼune étude à des populations non concernées.

33
New cards

4.4 Biais de rapport

Sélectionner uniquement certains résultats à communiquer.

34
New cards

4.5 Biais de publication - Effet tiroir (file drawer effect)

Les études aux résultats négatifs restent souvent non publiées, créant un biais dans la littérature.

35
New cards

Minimiser les biais de recrutement et de collecte de données

36
New cards

Minimiser les biais d’interprétation et de communication des résultats