Cours de psychologie · L3 · 7 min de lecture
Niveau conseillé : L3. La répartition des notions varie selon les universités ; utilise cette page en complément de ton CM et de tes TD.
Lire un article scientifique ne consiste pas à mémoriser sa conclusion. Il faut reconstruire le chemin qui relie une question à une méthode, puis une méthode à une interprétation. Cette démarche permet d’utiliser une publication dans un TER sans reprendre ses affirmations plus largement que les données ne l’autorisent.
Objectifs : repérer les choix décisifs d’une étude, distinguer résultat et interprétation et examiner la transparence du travail. La grille proposée s’applique surtout à un article empirique quantitatif ; une étude qualitative appelle des critères cohérents avec sa propre méthode.
Dans ce cours
- 1. Identifier la question avant de lire les chiffres
- 2. Examiner l’échantillon et le recrutement
- 3. Relier le plan aux conclusions causales
- 4. Lire les résultats avant la discussion
- 5. Préenregistrement : séparer prédiction et exploration
- 6. Réplication et reproductibilité
- 7. Une grille de lecture réutilisable
- 8. Cas corrigé : « une application fait réussir les étudiants »
- Sources et lectures
1. Identifier la question avant de lire les chiffres
Commence par reformuler en une phrase ce que les auteurs cherchent à savoir. Quel phénomène est expliqué ? Quelle relation ou différence est attendue ? Une introduction peut présenter une grande théorie alors que l’expérience teste seulement une prédiction très locale.
Repère ensuite les construits et leur opérationnalisation. Si les auteurs parlent de réussite universitaire mais mesurent un quiz de dix minutes, le score ne représente qu’une partie de la notion annoncée. Le problème n’est pas forcément que la mesure soit inutile ; c’est l’écart possible entre la portée du concept et celle de l’indicateur.
Question de lecture : quelle autre explication pourrait produire le même résultat ? Formuler une alternative aide à évaluer si le protocole départage réellement les théories ou s’il est compatible avec plusieurs interprétations.
2. Examiner l’échantillon et le recrutement
Note l’effectif initial, l’effectif analysé et les exclusions. Comment les personnes ont-elles été recrutées ? À quelle population les auteurs souhaitent-ils généraliser ? Un échantillon important peut donner une estimation précise tout en restant mal adapté à cette généralisation.
La représentativité et la répartition aléatoire entre conditions répondent à des problèmes différents. La première concerne la relation entre échantillon et population ; la seconde contribue à rendre les groupes comparables pour étudier un effet causal. Tirer au sort les conditions dans un échantillon de volontaires ne transforme pas ces volontaires en échantillon représentatif de tous les adultes.
Vérifie aussi les exclusions décidées après connaissance des résultats. Elles peuvent être justifiées, mais elles doivent être expliquées. Une analyse de sensibilité peut montrer si les conclusions changent lorsque certaines décisions raisonnables sont modifiées.
3. Relier le plan aux conclusions causales
Dans une étude corrélationnelle, les variables sont observées sans manipulation pertinente de la cause supposée. Une association peut s’expliquer par une causalité dans un sens, dans l’autre, par un facteur commun ou par une combinaison de mécanismes.
Une expérience avec assignation aléatoire renforce certaines inférences causales, mais ne supprime pas tous les problèmes. La manipulation peut agir sur plusieurs dimensions, l’attrition peut différer entre groupes et la mesure peut mal représenter le construit visé.
Exemple inventé : un groupe utilise une application de révision avec des exercices et des rappels ; l’autre reçoit seulement un document. Une différence ne permet pas d’isoler l’effet des rappels, car le contenu et le format changent également. Il faut nommer l’ensemble effectivement comparé.
4. Lire les résultats avant la discussion
Repère les estimations, leurs unités et leur incertitude. Une différence de 20 ms ne s’interprète pas comme une différence de 20 points. Examine les figures, mais vérifie les axes, les barres d’erreur et la définition des moyennes présentées.
Une p-value ne mesure ni la taille de l’effet ni la probabilité que la théorie soit vraie. Un résultat non significatif ne démontre pas automatiquement l’absence de différence. Cherche les intervalles, les tailles d’effet et les analyses prévues, puis demande si la conclusion reflète cette précision réelle.
La multiplicité mérite une attention particulière. Combien de variables, de sous-groupes et de modèles ont été examinés ? Une seule analyse mise en avant peut donner une image sélective d’un ensemble de résultats plus incertain.
5. Préenregistrement : séparer prédiction et exploration
Le préenregistrement consiste à consigner un plan de recherche ou d’analyse avant de connaître les résultats pertinents. Il permet notamment de distinguer les tests prévus des analyses conçues après observation des données.
Les recommandations élaborées avec plusieurs sociétés de psychologie proposent de préciser les hypothèses, les variables, l’effectif, les exclusions et les analyses. Un préenregistrement doit être assez précis pour être informatif. Un document vague disant seulement « nous chercherons des différences » ne réduit guère la souplesse analytique.
Explorer reste légitime et souvent utile. Le point essentiel est de présenter l’exploration comme telle. Des écarts au plan initial peuvent également être raisonnables s’ils sont transparents et justifiés. Le préenregistrement n’est donc ni une interdiction de réfléchir, ni un certificat automatique de qualité.
6. Réplication et reproductibilité
Dans une convention courante, la reproductibilité computationnelle consiste à retrouver les résultats avec les mêmes données et le code disponible. Une réplication examine la robustesse d’un résultat avec de nouvelles données. Les usages terminologiques varient ; il faut vérifier la définition adoptée par les auteurs.
Le projet de l’Open Science Collaboration publié en 2015 a organisé des réplications de 100 études issues de trois revues de psychologie. Il a contribué aux discussions sur la robustesse et les pratiques de recherche. Il ne fournit pas un taux universel de vérité ou de fausseté de toute la discipline.
Une réplication peut différer de l’étude initiale par l’échantillon, les instruments ou le contexte. Un échec à retrouver un résultat appelle une analyse de ces différences et de l’incertitude ; il ne prouve pas automatiquement une fraude. Une réussite ne valide pas non plus toutes les explications théoriques compatibles avec l’effet.
7. Une grille de lecture réutilisable
| Élément | Question à noter dans ta fiche |
|---|---|
| Question et hypothèse | Quelle prédiction précise est testée ? |
| Échantillon | Qui a participé, comment et avec quelles exclusions ? |
| Mesures | Quels indicateurs représentent les construits ? |
| Plan | Quelle comparaison permet l’inférence annoncée ? |
| Résultats | Quelle ampleur et quelle incertitude ? |
| Transparence | Plan, matériel, données ou code sont-ils accessibles lorsque c’est approprié ? |
| Portée | À quelles personnes, situations et théories peut-on raisonnablement généraliser ? |
L’absence de données publiques ne suffit pas à condamner une étude : confidentialité, consentement et sensibilité du matériau peuvent limiter le partage. La question est de savoir quelles informations permettent une évaluation rigoureuse dans ce cadre, par exemple un code, un dictionnaire de variables ou un accès contrôlé.
8. Cas corrigé : « une application fait réussir les étudiants »
Résumé fictif. Cinquante volontaires choisissent d’utiliser une application ; cinquante autres ne l’utilisent pas. Les utilisateurs obtiennent une meilleure moyenne et les auteurs concluent que l’application cause la réussite. Aucun résultat initial ni temps de travail n’est rapporté.
Analyse critique. Le choix de l’application peut être associé à la motivation, aux résultats antérieurs ou aux ressources disponibles. Les groupes ne sont pas rendus comparables par assignation aléatoire. La différence observée est compatible avec un effet de l’application, mais aussi avec d’autres explications. Il manque des informations sur les mesures, la variabilité, les données manquantes et l’incertitude.
Reformulation défendable : « Dans cet échantillon, l’usage déclaré de l’application est associé à une moyenne plus élevée. Ce plan ne permet pas d’attribuer à lui seul la différence à l’application. » Une critique utile propose ainsi une conclusion proportionnée aux données, plutôt que de se contenter de dire que l’étude est mauvaise.
Sources et lectures
- APA, ressources sur le préenregistrement : objectifs et cadre méthodologique.
- Bosnjak et collaborateurs, modèle de préenregistrement quantitatif en psychologie : publication du groupe de travail intersociétés.
- Open Science Collaboration (2015), « Estimating the Reproducibility of Psychological Science » : étude collective de réplication.
- Association for Psychological Science, Open Science and Methodology : pratiques de transparence et réplications.
Pour poursuivre tes révisions
Retrouver les 15 cours L1, L2 et L3 · S’entraîner avec le quiz L3.
Complète ce cours avec les fiches de psychologie L3
Tu veux un support à garder sous la main pour tes révisions ? Découvre les fiches de psychologie L3 de Passion Psycho. Consulte leur présentation et les matières couvertes pour vérifier qu’elles correspondent à tes enseignements, puis combine-les avec tes cours et tes exercices de TD.