1/35
Looks like no tags are added yet.
Name | Mastery | Learn | Test | Matching | Spaced |
---|
No study sessions yet.
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
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
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
Pourquoi les biais sont-ils problématiques?
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
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
Des biais à chaque étape
Recrutement
Collecte de données
Interprétation
Communication des résultats
1.1 Biais de sélection
Se produit lorsque l'échantillon n'est pas représentatif de la population cible.
1.2 Biais dʼéchantillonnage (cas particulier de biais de sélection)
Certains groupes sont plus susceptibles dʼêtre inclus que dʼautres.
1.3 Biais dʼauto-sélection (cas particulier de biais de sélection)
Les participants volontaires ont des caractéristiques spécifiques qui faussent les résultats.
1.4 Biais dʼattrition (biais de survie)
Se produit lorsque certains participants abandonnent lʼétude de manière non aléatoire (ils partagent certaines caractéristiques).
2.1 Biais de lʼobservateur (effet de l’expérimentateur)
Lʼattente du chercheur influence involontairement la collecte des données (ce qui est observé).
2.2 Effet Hawthorne
Les participants changent leur comportement simplement parce quʼils savent quʼils sont observés.
2.3 Caractéristiques de la demande
Les participants modifient leur comportement en fonction de ce quʼils pensent être attendu.
2.4 Biais de désirabilité sociale
Les participants donnent des réponses perçues comme socialement acceptables
→ on veut toujours se présenter sous notre meilleur jour
2.5 Biais de réponse extrême
Certains participants utilisent systématiquement les catégories extrêmes dans les questionnaires (et d’autres toujours la catégorie neutre)
2.6 Biais dʼacquiescement
Tendance des participants à répondre "oui" ou à être dʼaccord avec toutes les propositions, indépendamment du contenu.
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
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
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
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
2.11 Effet de cadrage
La manière dont une question est formulée influence la réponse
3.1 Biais de confirmation
Tendance à privilégier les informations qui confirment une hypothèse préexistante
3.2 Biais de persévérance
Maintien dʼune croyance même après la présentation de preuves contraires.
3.3 Biais de taux de base (Base rate fallacy)
Ignorer les probabilités de base en tirant des conclusions
3.4 Biais lié au “p-hacking” (exploration excessive des données)
Réaliser de multiples tests statistiques jusquʼà obtenir des résultats significatifs.
3.5 Biais de sélection des données (“cherry-pickong”)
Choisir uniquement les données qui confirment une hypothèse
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
3.7 Paradoxe de Simpson
Une tendance observée dans plusieurs groupes disparaît ou sʼinverse lorsquʼils sont combinés.
→ influence des variables confondantes
3.8 Biais des comparaisons multiples
Tester plusieurs hypothèses augmente artificiellement les faux positifs
→ répéter des tests avec les mêmes données
3.9 Erreur écologique (ecological fallacy)
Appliquer les tendances dʼun groupe à des individus.
4.1 Biais narratif
Transformer des résultats scientifiques en une histoire exagérée ou simplifiée.
4.2 Biais dʼexagération (amplification des résultats)
Surévaluer la portée des résultats obtenus.
4.3 Biais de surgénéralisation
Appliquer les résultats dʼune étude à des populations non concernées.
4.4 Biais de rapport
Sélectionner uniquement certains résultats à communiquer.
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.
Minimiser les biais de recrutement et de collecte de données
Minimiser les biais d’interprétation et de communication des résultats