Home Ressources en Statistiques Les commentaires sur la structure d'un article scientifique
Les commentaires sur la structure d'un article scientifique PDF Imprimer Envoyer

Cette page présente une aide à la lecture d'un article de  Ji, L.-J.; Nisbett, R. E.; & Peng, K. (2001). Culture, control, and perceptions of Relationships in the Environment. Journal of Personality and Social Psychology, 78, 5, 953-955. J' utilise cet article pour illustrer tous les principes inhérents à la rédaction d'un article scientifique. Les mots anglais "difficiles" sont traduits dans une première section. Ensuite, je passe en revue rapidement la structure de l'article et ce que chaque section doit comprendre. La section suivante détaille les méthodes statistiques employées par Ji et al. Les deux dernières sections emploient cet article pour exposer les consignes relatives à l'emploi des figures, tableaux, citations et références bibliographiques. 

Vocabulaire employé

Structure de l'Article

Les Méthodes statistiques employées.

Les Figures/Tableaux

Les Citations/Références 

Vocabulaire

P.943

- "Holistic": Global. Penser de façon holistique consiste à envisager les choses dans leur globalité et en tenant compte de leurs relations internes. Contraire d'un raisonnement analytique qui consiste à isoler les différents éléments et à les considérer de façon autonome.

- overlapping: se superposant

- scheme: système/plan

- Stance: Point-de vue/Approche

- Ontologie: Partie de la métaphysique qui s'intéresse à l'être en tant qu'être. C.à.d. ici la façon dont on comprend la nature des choses et leurs rapports mutuels.

- Folk Science: Science populaire

- Tide: marée

P. 944

- Finding: Découverte

- Correspondence bias/Fundamental attribution Error: Erreur d'attribution fondamentale (cf. Syllabus de cognition sociale, chapitre 1). 

- "Endorse": Choisissent

- "To attend to": Faire attention à 

- "Covariation Detection": Le fait de détecter que deux stimuli ont tendance à apparaître conjointement.

-Dubious: Douteuse

-Heuristic: Heuristique. Règle de jugement rapide (par exemples: se baser sur un seul exemple pour tirer une conclusion générale; ici se baser sur les appariements observés lors de la présentation des premiers stimuli pour tirer des conclusions sur la suite). Voir Cours de Cognition Sociale, Chapitre 1 pour un examen des heuristiques. 

 - "field-dependent": inspiré par le contexte, le "champ" dans lequel se trouve le stimulus.

- "for the purpose of": dans le but de.

- "fail to": échouent à (ici ne parviennent pas à distinguer) 

- mistakenly: erronément

-"To be given control": Littérallement, recevoir du contrôle. 

- p. 945

-Calibrated: précis.

- Light bulb: ampoule

-Sensitivity: sensibilité à

- Primacy: primauté (ici primacy effect: tendance à être sensible aux premiers stimuli présentés).

- Main effect: effet principal. 

- "Between-Subject". Voir ci-dessous.  

- Simple effect: Effet simple. Voir ci-dessous

- Support: sont en accord avec.

p. 946 

- "The former, the latter": Lorsque l'on vient d'évoquer deux objets successivement, "the former" se réfère au premier et "the latter" au second

- Contrast analyses: voir ci-dessous.

p. 948

-figure out: découvrir, comprendre. 

-scale: échelle

-trivial: nulle, insignifiante.

p. 949

- Marginal: Une différence est marginale si elle n'attend pas la signification statistique tout en en étant proche (ici à .09 on est au-dessus du seuil de .05 mais sans en être fort éloigné). Généralement, on peut qualifier le niveau de signification de marginalement significatif s'il est situé entre .05 et .10. 

- Correlation et test de corrélation: voir ci-dessous

- trivially: de façon non significative.

-calibration: ajustement, exactitude

-impaired: déteriorié

-cognitive load: charge cognitive

-burden: charge, tâche

p. 950

-Offsetting: compensateur

-Embedded: Incrusté, inséré.

-Pointed out: Remarqué, constaté

-Do as well: obtenir des résultats aussi bons

-Focus: Se concentrer sur

-Given: Etant donné,

-Benefit: Profiter

-SAT Math Scores: Les SAT est un test administré à tous les étudiants avant leur entrée à l'université.

-"One male participant was excluded": Voir ci-dessous, l'exclusion de sujets des analyses.  

-rod: tige

-frame: armature

-"With the last variable a within-subject factor": Voir les plans mixtes d'analyse de variance ci-dessous.

-"The order of control and non-control modes was counterbalanced": Voir ci-dessous, le "contrebalancement" dans les plans à mesures répétées. 

-Repeated measurements ANOVA: Voir ci-dessous, les ANOVAs à mesures répétées. 

-"A significant three-way interaction": Voir les interactions impliquant plus de deux facteurs.

p. 951

- Simple effect comparisons: Voir, les effets simples.

- Les Tableaux.: Voir ci-dessous

p. 952

- accustomed: habitué

-seascape: paysage marin

-focal: au centre, fixé (par le regard).

-contention: proposition, affirmation.

p. 953

- animal husbandry: élevage. 

-herding people: pasteurs

-child rearing: "élevage" des enfants.

-"gives added credence": confirme que.

-surrounding: environnement.

-to be knoweldgeable of something: connaître quelque chose.

-resent: ne pas apprécier

-lack of control: absence de contrôle

-stunned: étonné

-deprived: privé.

Structure de l'article

Introduction

Méthode

Résultats

Discussion

Introduction

L'objet de cette introduction est de circonscrire le sujet dont va traiter l'article afin d'aboutir à des hypothèses précises sur les processus qui nous préoccupent ici. 

Ji et al commencent par donner une introduction très générale sur la façon dont les Chinois et les Américains pensent (paragraphe 1 et 2).

Ensuite ils citent différentes conséquences de cette façon de penser "holistique" vs "analytique":

    - Chez les Grecs et les Chinois de l'Antiquité (paragraphe 3)

    - Chez les Occidentaux et les Asiatiques d'aujourd'hui (paragraphe 4)

   Leurs exemples deviennent de plus en plus spécifiques:

    - L'erreur d'attribution fondamentale (p. 944, § 1).

    - La covariation (§ 3): qui va les intéresser ici. Ils proposent déjà des hypothèses théoriques sur la façon dont les modes de pensées décrits précédemment peuvent l'influencer. 

   Ensuite, on s'intéresse à l'impact de la perception de contrôle, une variable dont les effets seraient différents chez les Américains et les Asiatiques:

 - On passe ensuite aux Hypothèses qui résument les implications de ces raisonnements. 

- On remarque dans cette brève introduction que l'on passe de la discussion de phénomène très généraux et qu'à mesure qu'on se rapproche des hypothèses, on devient de plus en plus spécifique. On constate également que Ji et al ne décrivent pas d'études ou d'expériences sur des sujets voisins, mais qui n'ont aucun rapport avec les hypothèses.

Hypothèses

 Remarquez comme les hypothèses comparent très clairement deux groupes (Asiatiques/Amériques) sur plusieurs variables dépendantes (performance dans la détection de la covariation, confiance à propos du jugement, erreurs au RFT,...) et la direction de la différence: par ex, les Asiatiques doivent être PLUS confiants quant à leur jugement de covariation que les Américains. 

Distinguez les hypothèses simples qui n'impliquent qu'une seule variable indépendante:

Ici: la nationalité (ou la culture): 

"les Asiatiques doivent être PLUS confiants quant à leur jugement de covariation que les Américains".

et les hypothèses d'interaction qui en impliquent deux, l'illusion de contrôle et la nationalité:

Pour les Américains

- on s'attend à ce que les résultats soient meilleurs si perception de contrôle qu'en l'absence de cette perception

Pour les Asiatiques:

- on s'attend à ce que la perception de contrôle n'ait aucun effet (ou que son effet soit plus petit). 

Etudes 1,2: Méthode

Nous constatons qu'il y a différentes sections à peu près toujours présentes:

Participants: Qui a participé à l'expérience. On mentionne leur âge, sexe et comment ils ont été recrutés.

Matériel: Les instruments (questionnaires, ordinateurs, programmes, stimuli) qui ont été employés. On mentionne également les échelles utilisées (de 0 à 100 pour l'estimation de la covariation).

Procédure: Comment l'expérience se déroulait.

On ajoute généralement une rubrique "design" (plan expérimental) dans lequel on décrit celui-ci. Ici, culture (Asiatiques, Américains) X Niveau de Covariation (Bas, Moyen, Elévé). 

Etudes 1,2: Résultats

L'analyse des résultats est toujours guidée par les hypothèses. Pour une explication des méthodes statistiques employées, voir ci-dessous.

Etudes 1,2: Discussion

 -  La discussion de chaque étude résume en langage non statistique les résultats obtenus et si oui ou non les hypothèses ont été vérifiées. 

 - Elle offre éventuellement des hypothèses alternatives pour les résultats non conformes aux prédictions. 

Discussion Générale

-On commence par un résumé des hypothèses et des résultats obtenus, et des conclusions des 3 études (paragraphe 1).

-Ensuite, on établit les rapports entre les implications de cette étude et celles d'autres études (paragraphe 2).

-p. 953, les résultats sont élargis en considérant les causes socio-structurelles envisageables de ces effets (première sous-section), en examinant des implications plus générales à propos des processus attentionnels, qui seraient plus développés chez les Asiatiques (deuxième sous-section), ainsi que les implications de la perception de contrôle sur différents autre domaine tels que l'éducation ou le commerce (troisième sous-section) .

 -La discussion générale s'étend donc des résultats particuliers de l'étude à des conclusions, et réflexions, beaucoup plus générales. Elle se termine par une affirmation forte sur les malentendus culturels. 

Méthodes Statistiques

  1. L'exclusion de sujets.

  2. Les tests statistiques:

        - L'analyse de variance à deux facteurs inter-sujets.

        -  L'analyse de variance impliquant plus de deux facteurs inter-sujets.

        - Les plans mixtes et l'analyse de variance à mesures répétées.

        - Les effets simples

        - Les contrastes. 

        - Les corrélations

3. La Notation des résultats d'une analyse statistique. 

L'exclusion de sujets des analyses    

 Dans certains cas, il est nécessaire d'exclure des sujets des analyses statistiques. Ces cas sont les suivantes: 

    - Leurs réponses ne sont pas pertinentes par rapport aux hypothèses: Par exemple, dans une étude sur le préjugé vis-à-vis des homosexuels, il serait normal d'exclure les sujets homosexuels des analyses.

    -Ils obtiennent des réponses aberrantes ou fort différentes des autres sujets. On appelle ces sujets des "outliers". Le critère employé est généralement le fait que leurs réponses se situent à 3 ou 4 écarts-types de plus (ou de moins que la moyenne) sur la variable concernée.

                                        Comment détecter des outliers dans SPSS?

    - Ils ont manifestement mal compris les instructions ou ne les ont pas respectées. C'est ce que font Ji et al. en excluant un sujet qui a refusé d'effectuer la tâche de RFT après les 2 premiers essais (p. 950).

ATTENTION: Quelle que soit la raison pour laquelle on exclut des sujets, il faut toujours la mentionner dans le texte. 

 

Tests Statistiques

L'analyse de variance à deux facteurs inter-sujets:

1. A quoi sert cette analyse?

    Cette analyse permet d'examiner sur une variable continue (la covariation perçue, qui varie entre 0 et 100), l'effet des deux variables, la Culture et le Niveau de Covariation.

    Trois types d'effets sont envisageables:

    - Deux Main Effects (ou Effets principaux), lorsqu'une variable a un effet global indépendant de l'autre. C'est le cas ici sur la perception de covariation pour les deux variables indépendantes, ou facteurs: Les Chinois perçoivent plus de Covariation que les Américains quelle que soit la covariation réelle (Effet principal de la Culture) et la perception de covariation est plus élevée lorsque la covariation est véritablement élevée que lorsqu'elle est basse (Effet principal de la covariation).

    - Une Interaction entre la culture et la covariation: Cet effet survient si l'effet d'une variable indépendante de l'autre. Par exemple, l'effet de la culture pourrait être plus bas quand la covariation est élevée que basse. Ou, les Asiatiques pourraient percevoir moins de covariation que les Américains si la covariation est basse alors qu'ils en percevraient plus que les Américains si celle-ci est élevée. On observe une interaction sur la confiance en les jugements: Bien que les deux groupes soient de plus en plus confiants à mesure que la covariation augmente, c'est plus le cas pour les Chinois que pour les Américains.

    - Remarquez que l'analyse de variance ne nous indique pas la direction des effets. Elle indique uniquement s'il y en a! Par exemple, s'il y a un effet principal de la culture, nous ne savons pas si les Asiatiques ont des scores plus ou moins élevés que les Américains. Pour le savoir, il faut consulter la figure.    

     Remarquons cette analyse a pour objet de tester des effets "between subjects" ou "intersujets" (en français) car il s'agit de  comparer des groupes de sujets différents et qui ont été introduits aléatoirement et indépendamment dans chaque condition expérimentale. En revanche, des effets intra-sujets ("within-subject") auraient pour objet de comparer les mêmes sujets (par exemple, si on a posé une même question à deux moments différents et que l'on souhaite comparer ces réponses; ou si l'on a posé deux questions identiques mais portant sur des objets différents comme "Dans quelle mesure aimez-vous les chiens" et "Dans quelle mesure-aimez-vous les chats"?).

  Plus de détails sur cette méthode.

 Comment effectuer cette méthode dans SPSS?

Analyse de variance impliquant plus de deux facteurs inter-sujets.

   Les principes mentionnés ci-dessus s'appliquent naturellement aux cas où le plan expérimental comprend plus de deux facteurs intersujets. Dans ce cas, l'analyse testera non seulement les effets principaux et les interactions impliquant deux facteurs, mais également les interactions impliquant plus de deux facteurs. Ces interactions s'interprètent exactement comme les interactions impliquant deux facteurs. La présence d'une interaction à 3 facteurs, A,B, et C sur une variable dépendante X impliquent que les effets conjoints de A et B sur X dépendent de C. Par exemple, dans l'étude 2, Ji et al. prédisent que les Américains font moins d'erreurs en perception de contrôle qu'en absence de perception de contrôle alors que c'est effet serait absent pour les Asiatiques. L'effet du facteur "contrôle" (A) dépendrait donc de la culture ("B"). Ceci correspond à la prédiction d'une interaction entre les deux facteurs. Toutefois, Ji et al. n'observent cet effet que chez les hommes. Chez les femmes, aucune des variables n'a d'effet. L'interaction entre le contrôle et la culture dépend donc du sexe. Il s'agit là d'une interaction à 3 facteurs. 

L'Analyse de variance à mesures répétées et les plans mixtes. 

Les plan mixtes

    Dans l'étude 1b (p. 948), le design est mixte car il comprend une variable intersujets, "between-subjects", (la culture) et une variable intra-sujets, "within-subjects", le mode opératoire. Effectivement, les sujets doivent effectuer la même tâche de détection de la covariation avec et sans perception de contrôle. Cette variable est intra-sujets car ce sont les mêmes sujets qui effectuent ces deux types de tâches. L'analyse serait "between-subjects" si certains sujets avaient une perception contrôle alors que d'autres ne l'auraient pas. Quand un plan expérimental contient des facteurs intra- et inter-sujets, on le qualifie de "mixte" (mixed) alors que s'il ne comprend que des variables intra-sujets, on le qualifie fort logiquement d'intra-sujets ("within subjects") ou de plan à mesures répétées. Comme pour un plan intersujets, un plan intra-sujets ou mixte permet de calculer des effets principaux et des interactions. Par exemple, on peut examiner ici si les sujets détectent plus de covariations lorsqu'ils ont une perception de contrôle que lorsqu'il n'en n'ont pas (effet principal du facteur répété) ou si l'influence du mode opératoire sur la covariation perçue dépend de la culture (interaction entre le facteur intra- et le facteur inter-sujets). 

L'analyse de variance à mesures répétées

    Pour analyser un plan mixte, ou purement répété, on utilise une analyse de variance à mesures répétées. Lorsque le plan est mixte, l'analyse peut révéler plusieurs types d'effets: 

    - Des effets principaux ou interactions impliquant uniquement le ou les facteurs inter-sujets: Par exemple, dans l'étude 2, la culture (intra-sujets) peut avoir un effet principal indépendant du mode de contrôle (intra-sujets, ou répété).

    -Des effets principaux ou interactions impliquant uniquement le ou les facteurs inter-sujets. Par exemple, dans l'étude 2, la perception de contrôle peut avoir un effet principal indépendant de la culture.

    -Des interactions impliquant les deux types de facteurs. Par exemple, dans l'étude 2, les Américains pourraient faire moins d'erreurs en situation de contrôle qu'en absence de contrôle alors que les Asiatiques ne seraient pas affectés par la perception de contrôle.

   Contrebalancer l'ordre de passation des mesures

    Lorsqu'un facteur est intra-sujets, il est souvent nécessaire de contrebalancer les mesures correspondant à chaque niveau du facteur car les différences entre les niveaux peuvent être dues à l'ordre des mesures plutôt qu'à la manipulation. Par exemple, si tous les sujets dans l'étude 1b ou dans l'étude 2 répondaient d'abord en mode de contrôle et ensuite en mode d'absence de contrôle, il est possible que les réponses en "absence de contrôle" diffèrent des premières simplement parce que les sujets se sont mieux habitués à la tâche au moment de répondre en absence de contrôle. Afin de contrôler cet effet "parasite", il faut contrebalancer l'ordre dans lequel le facteur "mode" est manipulé:  la moitié des sujets dans chaque condition répondent d'abord dans un mode d'absence de contrôle et l'autre moitié réponde d'abord dans un mode de contrôle. De cette façon, les effets du contrôle ne seront pas dus à l'ordre. C'est ce que font Ji et al. dans les études 1b et 2. 

Plus de détails sur l'analyse de variance à mesures répétées

L'analyse des effets simples

     Après avoir observé  les "effets principaux" du niveau de covariation et de la culture (p. 945), Ji et al testent les "effets simples" des variables inter-sujets. L'analyse des effets simples d'un  facteur (par exemple la culture), consiste à examiner l'influence de cette variable sur la variable dépendante (ici la confiance en les jugements) à chaque niveau de l'autre facteur (ici le niveau de covariation). A chaque niveau de covariation (basse, moyenne élevée), on regarde donc si les Américains et les Chinois diffèrent, en ignorant les autres niveaux. S'ils diffèrent (ce qui est le cas ici pour tous les niveaux), l'effet simple de la culture est considéré comme significatif. L'analyse des effets simples est particulièrement utile lorsque suite à une analyse de variance inter-sujets, on constate une interaction significative entre les deux facteurs. Effectivement, si on observe, par exemple, une interaction entre la culture et le niveau de covariation, celle-ci pourrait prendre plusieurs formes. Par exemple, l'effet de la covariation pourrait être nul chez un groupe et positif chez l'autre, ou négatif chez l'un et positif chez l'autre, ou plus fort chez un groupe que chez l'autre, etc. Grâce à l'analyse des effets simples, on peut examiner s'il l'effet du niveau de covariation significatif chez chaque groupe pris séparément ou inversément si, à chaque niveau de covariation, l'effet du groupe est significatif ou non. Cela nous permet donc d'examiner plus précisément l'interaction.

Plus de détails sur les effets simples

Les Contrastes.

    L'analyse de contraste ressemble à celle des effets simples. Il s'agit cette fois de faire des comparaisons précises entre deux ou plusieurs groupes de sujets. Par exemple, p. 946, et après avoir effectué une analyse de variance, Ji et al. effectuent un contraste qui révèle que l'effet de la culture était plus élevé lorsque la covariation valait .60 que .40. Pour effectuer ce contraste, ils ont attribué à chaque groupe un poids déterminé (voir linge "contraste 1" dans le  tableau-ci-dessous)       

Tableau 1: Contrastes utilisés par Liu et al.

  1 2 3 4 5 6
  0/Asiatiques 0/Américains .4/Asiatiques .4/Américains .6/Asiatiques .6/Américains
Contraste 1 -1 1 1 -1 0 0
Contraste 2 0 0 1 -1 -1 1
Contraste 3 -1 0 0 0 0 1

        Liu et al. ont donc observé que la différence entre le groupe 1 et 2 ci-dessus était plus faible que la différence entre les groupes 3 et 4. L'hypothèse nulle est que

            (M1-M2) = (M3-M4).

         ou "MX" correspond à la moyenne de confiance obtenue pour le groupe X.

            Cette équation peut se reformuler de la façon suivante:

            M1-M2+M3-M4=0

            Ou encore: 1*M1+(-1)*M2+1*M3+(-1)*M4+(0)*M5+(0)*M6=0

            Pour effectuer ce contraste, Liu et al. ont attribué à chaque groupe un poids, c'est-à-dire un coefficient, correspondant à la comparaison qu'ils voulaient effectuer.  Ici, ce sont les poids correspondant à la ligne "contraste 2" qui ont été choisis (ou des poids équivalents:  2,-2,-2,2,0,0 auraient également fait l'affaire).   

             Dans la suite du premier paragraphe de la page 946, Liu et al évoquent une seconde comparaison cette fois entre les différences observées entre Asiatiques et Américains lorsque la covariation valait .40 et lorsqu'elle valait .60 (des codes appropriés à cette comparaison sont présentés dans le tableau 1) .

            Une fois qu'on a spécifié les contrastes que l'on souhaite effectuer grâce à une série de coefficients appropriés, celui-ci peut-être testé statistiquement et aura une distribution théorique correspondant au t de student. C'est pourquoi, Liu et al font suivre l'analyse de leur contraste par un statistique t et son niveau de signification.

            Les contrastes sont plus flexibles que les effets simples car ils permettent de comparer deux groupes déterminés quels qu'ils soient voire plusieurs groupes à l'aide d'une seule comparaison (le contraste 1 ci-dessus implique 4 groupes).

   Attention!: Les contrastes sont des tests extrêmement puissants (ils détectent donc facilement une différence) mais ils sont par la même sujets à l'erreur de première espèce (c'est-à-dire qu'ils peuvent aisément détecter des différences qui n'existent pas!). Il faut donc les utiliser avec parcimonie et ils doivent, uniquement, servir à tester une hypothèse théorique formulée a priori, avant l'analyse des résultats. Pour effectuer des comparaisons qui ne correspondent pas à des hypothèses théoriques, il est nécessaire d'employé des tests de comparaisons multiples ou "post hoc tests" que nous envisageons plus loin.

    En savoir plus sur les contrastes

  Les corrélations

    La corrélation entre deux variables désigne le degré auquel ces deux variables sont associées linéairement. En d'autres termes, il s'agit du degré auquel on peut dire: plus l'une s'élève, plus l'autre s'élève (si la corrélation est positive). Elle sera négative si, à mesure qu'une des deux variables prend des valeurs plus élevée, l'autre prend des valeurs plus basses. Ici, Liu et al. calculent la corrélation entre deux variables:

            - La covariation entre les deux éléments de chaque paire de deux stimuli.

            - L'estimation  de cette covariation par le sujet.

   Si cette corrélation vaut 1, cela signifie que les sujets adaptent parfaitement leurs réponses en fonction de la covariation "réelle". Si elle est négative, cela veut dire que les sujets ont tendance à observer des corrélations plus basses lorsque cette corrélation augmente (c'est le cas des sujets chinois en situation de contrôle). Si elle est nulle, cela signifie que la réponse des sujets est indépendante de la covariation "réelle".

    Les coefficients de corrélation mentionnés par Liu et al. sont suivis d'une p et de sa signification. Cette valeur correspond au résultat d'un test dont l'hypothèse nulle propose que le coefficient vaut 0. En d'autres termes, si ce p est plus bas que le seuil de .05, on peut affirmer avec une certitude d'au moins 95% que le coefficient de corrélation est différent de 0 dans la population.

La Notation des Résultats d'Analyse statistiques

- Considérons l'analyse de variance comme exemple. Mais cette discussion est valable quelle que soit les méthode utilisée. Lorsqu'il effectue un test statistique, SPSS nous donne généralement trois informations qui seront notées:

                - Les degrés de liberté (d.f.). 

                - Une statistique. Dans le cas qui nous occupe, le F (mais dans d'autres cas, cela pourrait-être le "t" ou le Chi carré): C'est une statistique qui a une certaine distribution théorique. En fonction de cette valeur, on peut déterminer si l'effet qui nous intéresse est significatif ou non.  

                - Le niveau de signification ou "p".: S'il est inférieur à .05, l'effet est significatif.

    On note toujours le F en italiques, suivis des degrés de liberté correspondant à l'effet et des degrés de libertés de l'erreur (ligne "error" dans SPSS). Les degrés se libertés sont entre parenthèses mais en caractères normaux (pas en italiques). Ensuite "=", valeur de la statistique (Correspondant à la ligne F Dans le tableau transmis par SPSS; deux décimales) et enfin le niveau de signification ("p" en italiques, "<", seuil: .05, .01 voire .1). Ci-dessous, voici un exemple d'output d'analyse de variance à deux facteurs effectué par SPSS. Les deux facteurs sont "sexe" et "condnum" et la variable dépendante "attitude". On pourrait décrire les résultats de la façon suivante: Nous avons observé un effet principal du sexe, F(1,116) = 5.04, p < .05 ainsi qu'une interaction entre le sexe et la condition (condnum), F(2, 116) = 4.68, p < .05. En revanche, nous n'avons pas observé d'effet principal de la condition, F(2,116) = .16, p = .85.


Tests of Between-Subjects Effects
Dependent Variable: attitude
Source Type III Sum of Squares df Mean Square F Sig.
Corrected Model 24.743(a) 5 4.949 3.030 .013
Intercept 4955.247 1 4955.247 3034.499 .000
SEXE 8.211 1 8.211 5.028 .027
CONDNUM .514 2 .257 .157 .855
SEXE * CONDNUM 15.293 2 7.647 4.683 .011
Error 189.425 116 1.633

Total 5416.444 122


Corrected Total 214.168 121


a R Squared = .116 (Adjusted R Squared = .077)


Remarquons également que pour noter des analyses statistiques, on indique: 

    1. La méthode utilisée. Par exemple, p. 948, "Participants' judgments of covariation were submitted to a 2 (culture)  X 2 (operation mode) ANOVA

    2. Le résultat "a main effect of culture, F(1,93) = 4.94, p < .05

    3. Sa direction "such that overall the Chinese judged the covariation to be higher than the Americans". `

Lorsqu'on communique les résultats d'une analyse statistique, on veille donc bien non seulement à mentionner les effets observés mais également à signaler ce qu'ils signifient (dans l'exemple précédent, vous constatez que les auteurs mentionnent ce que cela implique d'observer un effet principal de la culture).

Si l'on ne présente pas de tableaux ou de figure, il faut également mentionner les statistiques descriptives pertinentes par rapport à l'analyse. Ces statistiques seront souvent des moyennes, que l'on indique par un "M"). Par exemple, "nous avons constaté un effet principal de la culture, F(1,93) = 4.94, p < .05: Les Chinois (M = 5.20) estimaient la covariation comme étant plus élevée que les Américains (M = 4.27).

La présentation des figures et des tableaux

- Pour des informations sur les procédure de création des tableaux dans SPSS, cliquez ici.

Les figures sont toujours accompagnées de différentes informations:

    - Un titre qui explique quelle est la variable dépendante.

    - Un numéro. 

    - Une ordonnée accompagnée d'une légende.

    - Une abscisse distinguant les groupes que l'on compare.

    - Une légende décrivant les valeurs des couleurs assignées aux groupes de sujets à chaque niveau de comparaison.

    Comme les figures, les tableaux sont toujours précédés d'une nombre et d'une légende. Les tableaux de moyennes comprennent généralement la moyenne et l'écart-type correspondant à chaque condition. 

Remarquons que les figures et les tableaux sont interchangeables: si on choisit de présenter une figure pour illustrer un résultat particulier, il ne faut pas présenter de tableau et vice versa. On préfèrera les figures pour des résults particulièrement importants par rapport aux hypothèses. On préférera un tableau si les résultats impliquent de nombreuses variables et facteurs qu'il serait difficile de présenter sous forme d'une figure aisément lisible.

Les Citations et Références

Citations

   - Dans le texte, il est nécessaire de citer toute référence employée pour effectuer une affirmation ou une supposition. 

  - Les citations sont insérées entre parenthèses après l'affirmation en question: 

    - Par exemple, p. 944, "One of the best demonstrated phenomena in social psychology is the so-called correspondence bias (Jones, 1979) or fundamental attribution error (Ross, 1977).

    Cas particuliers: 

    - S'il y a un ou deux auteurs, on les mentionne à chaque fois qu'on les cite.

    - Le "et" s'écrit "&". Par exemple (Yates & Curley, 1986) 

    - A partir de trois auteurs, on les mentionne TOUS à la première citation (en insérant une virgule avant le "&"). A la seconde, on mentionne le premier suivi de "et al.". Par exemple, première citation: "We examined ancient research on field dependence (Witkin, Taylor, and Frick, 1954)". Deuxième citation:  "To test whether East Asians are more field dependent than Americans, we presented participants with the Rod-and-Frame Test (RTF) developed by Witkin and his colleagues (Witkin et al., 1954)." (p. 944) 

    - S'il y a plusieurs citations référentes à une proposition, on les mentionne par ordre alphabétique du premier auteur séparé d'un ";". Par exemple, "Albert & Johnson, 1985; Albert, Johnson, & Frick, 1978; Cruzeiro & Spick, 1975).

    -S'il y a deux citations exactement identiques, on les fait suivre d'une lettre. Par exemple, "(Tajfel, 1981a)".

    - Si on cite mot pour mot un extrait d'une référence, il faut en mentionner la page. Par exemple, p. 944 de l'article de Ji et al.:

""The Chinese stance contrasts with the analytic Western world view, again tracing far back in time to the Ancient Greeks, who saw the world as composed of "objects which are understood as individuals or particulars which instantiate or 'have' properties"" (Hansen, 1983, p. 30). 

    - On ne cite directement que des références qu'on a directement consultées. Si on n'a consulté qu'une référence secondaire, on cite cette référence secondaire:

    Par exemple, imaginong qu'un expérience de Billig et Tajfel, 1973 soit citée dans le livre de Yzerbyt, Leyens, et Schadron (1996). On indiquera: 

         "Billig et Tajfel (cité dans Yzerbyt, Leyens, et Schadron, 1996) ont observé que...".

       Dans la liste de référence, on ne donnera que Yzerbyt et al., et non pas Billig et Tajfel, 1973.  

Les Références

     La dernière section de l'article (ou du mémoire) doit comprendre l'ensemble des références bibliographiques citées dans l'article (et uniquement celles-ci).   Les références doivent être ordonnées par odre alphabétique de premier auteur et ne contenir que des sources réellement consultées.  Extrait du Guide du Mémoire:    

Livre entier
 
Leplat, J., et Cuny, X. (1984). Introduction à la psychologie du travail(2ème édition). Paris: P.U.F. 
Articles dans une revue scientifique
 
Leplat, J. (1985a). Introduction à la psychologie du travail. Le Travail Humain, 45, 12-34.

Leplat, J. (1985b). Introduction à la psychologie ergonomique. Le Travail Humain, 45, 35-52.

Chapitre d'un ouvrage collectif
 
Leplat, J. (1986). Introduction à la psychologie du travail. In S. Levy-Leboyer & J. Spérandio (Eds.), Traité de psychologie du travail,(pp. 213-244). Paris: P.U.F.
 
Rapport technique non publié

Leplat, J. (1987). Introduction à la psychologie du travail. Ronéo, 20p. Bruxelles: Université Libre de Bruxelles.
Mise à jour le Mardi, 19 Février 2008 21:36