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 prĂ©sente une aide Ă  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 inhĂ©rents Ă  la rĂ©daction 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 dĂ©taille les mĂ©thodes statistiques employĂ©es par Ji et al. Les deux dernières sections emploient cet article pour exposer les consignes relatives Ă  l'emploi des figures, tableaux, citations et rĂ©fĂ©rences bibliographiques. 

Vocabulaire employé

Structure de l'Article

Les Méthodes statistiques employées.

Les Figures/Tableaux

Les Citations/RĂ©fĂ©rences 

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: DĂ©couverte

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

- "Endorse": Choisissent

- "To attend to": Faire attention Ă  

- "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 gĂ©nĂ©rale; ici se baser sur les appariements observĂ©s lors de la prĂ©sentation des premiers stimuli pour tirer des conclusions sur la suite). Voir Cours de Cognition Sociale, Chapitre 1 pour un examen des heuristiques. 

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

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

- "fail to": Ă©chouent Ă  (ici ne parviennent pas Ă  distinguer) 

- mistakenly: erronément

-"To be given control": LittĂ©rallement, recevoir du contrĂ´le. 

- 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: dĂ©couvrir, comprendre. 

-scale: Ă©chelle

-trivial: nulle, insignifiante.

p. 949

- Marginal: Une diffĂ©rence est marginale si elle n'attend pas la signification statistique tout en en Ă©tant proche (ici Ă  .09 on est au-dessus du seuil de .05 mais sans en ĂŞtre fort Ă©loignĂ©). GĂ©nĂ©ralement, on peut qualifier le niveau de signification de marginalement significatif s'il est situĂ© 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 Ă  mesures rĂ©pĂ©tĂ©es. 

-Repeated measurements ANOVA: Voir ci-dessous, les ANOVAs Ă  mesures rĂ©pĂ©tĂ©es. 

-"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: Ă©levage. 

-herding people: pasteurs

-child rearing: "Ă©levage" 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 contrĂ´le

-stunned: étonné

-deprived: privé.

Structure de l'article

Introduction

MĂ©thode

RĂ©sultats

Discussion

Introduction

L'objet de cette introduction est de circonscrire le sujet dont va traiter l'article afin d'aboutir Ă  des hypothèses prĂ©cises sur les processus qui nous prĂ©occupent 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'AntiquitĂ© (paragraphe 3)

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

   Leurs exemples deviennent de plus en plus spĂ©cifiques:

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

    - La covariation (§ 3): qui va les intĂ©resser ici. Ils proposent dĂ©jĂ  des hypothèses thĂ©oriques sur la façon dont les modes de pensĂ©es dĂ©crits prĂ©cĂ©demment peuvent l'influencer. 

   Ensuite, on s'intĂ©resse Ă  l'impact de la perception de contrĂ´le, une variable dont les effets seraient diffĂ©rents chez les AmĂ©ricains et les Asiatiques:

 - On passe ensuite aux Hypothèses qui rĂ©sument les implications de ces raisonnements. 

- On remarque dans cette brève introduction que l'on passe de la discussion de phĂ©nomène très gĂ©nĂ©raux et qu'Ă  mesure qu'on se rapproche des hypothèses, on devient de plus en plus spĂ©cifique. On constate Ă©galement que Ji et al ne dĂ©crivent pas d'Ă©tudes ou d'expĂ©riences sur des sujets voisins, mais qui n'ont aucun rapport avec les hypothèses.

Hypothèses

 Remarquez comme les hypothèses comparent très clairement deux groupes (Asiatiques/AmĂ©riques) sur plusieurs variables dĂ©pendantes (performance dans la dĂ©tection de la covariation, confiance Ă  propos du jugement, erreurs au RFT,...) et la direction de la diffĂ©rence: par ex, les Asiatiques doivent ĂŞtre PLUS confiants quant Ă  leur jugement de covariation que les AmĂ©ricains. 

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

Ici: la nationalitĂ© (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 Ă  ce que la perception de contrĂ´le n'ait aucun effet (ou que son effet soit plus petit). 

Etudes 1,2: MĂ©thode

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 gĂ©nĂ©ralement une rubrique "design" (plan expĂ©rimental) dans lequel on dĂ©crit celui-ci. Ici, culture (Asiatiques, AmĂ©ricains) X Niveau de Covariation (Bas, Moyen, ElĂ©vĂ©). 

Etudes 1,2: RĂ©sultats

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 Ă©tude rĂ©sume en langage non statistique les rĂ©sultats obtenus et si oui ou non les hypothèses ont Ă©tĂ© vĂ©rifiĂ©es. 

 - Elle offre Ă©ventuellement des hypothèses alternatives pour les rĂ©sultats non conformes aux prĂ©dictions. 

Discussion Générale

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

-Ensuite, on Ă©tablit les rapports entre les implications de cette Ă©tude et celles d'autres Ă©tudes (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 gĂ©nĂ©rale s'Ă©tend donc des rĂ©sultats particuliers de l'Ă©tude Ă  des conclusions, et rĂ©flexions, beaucoup plus gĂ©nĂ©rales. Elle se termine par une affirmation forte sur les malentendus culturels. 

MĂ©thodes Statistiques

  1. L'exclusion de sujets.

  2. Les tests statistiques:

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

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

        - Les plans mixtes et l'analyse de variance Ă  mesures rĂ©pĂ©tĂ©es.

        - Les effets simples

        - Les contrastes. 

        - Les corrĂ©lations

3. La Notation des rĂ©sultats d'une analyse statistique. 

L'exclusion de sujets des analyses    

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

    - Leurs rĂ©ponses ne sont pas pertinentes par rapport aux hypothèses: Par exemple, dans une Ă©tude sur le prĂ©jugĂ© vis-Ă -vis des homosexuels, il serait normal d'exclure les sujets homosexuels des analyses.

    -Ils obtiennent des rĂ©ponses aberrantes ou fort diffĂ©rentes des autres sujets. On appelle ces sujets des "outliers". Le critère employĂ© est gĂ©nĂ©ralement le fait que leurs rĂ©ponses se situent Ă  3 ou 4 Ă©carts-types de plus (ou de moins que la moyenne) sur la variable concernĂ©e.

                                        Comment dĂ©tecter des outliers dans SPSS?

    - Ils ont manifestement mal compris les instructions ou ne les ont pas respectĂ©es. C'est ce que font Ji et al. en excluant un sujet qui a refusĂ© 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 Ă  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 indĂ©pendant de l'autre. C'est le cas ici sur la perception de covariation pour les deux variables indĂ©pendantes, ou facteurs: Les Chinois perçoivent plus de Covariation que les AmĂ©ricains quelle que soit la covariation rĂ©elle (Effet principal de la Culture) et la perception de covariation est plus Ă©levĂ©e lorsque la covariation est vĂ©ritablement Ă©levĂ©e 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 indĂ©pendante de l'autre. Par exemple, l'effet de la culture pourrait ĂŞtre plus bas quand la covariation est Ă©levĂ©e que basse. Ou, les Asiatiques pourraient percevoir moins de covariation que les AmĂ©ricains si la covariation est basse alors qu'ils en percevraient plus que les AmĂ©ricains si celle-ci est Ă©levĂ©e. On observe une interaction sur la confiance en les jugements: Bien que les deux groupes soient de plus en plus confiants Ă  mesure que la covariation augmente, c'est plus le cas pour les Chinois que pour les AmĂ©ricains.

    - 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 Ă©levĂ©s que les AmĂ©ricains. 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 diffĂ©rents et qui ont Ă©tĂ© introduits alĂ©atoirement et indĂ©pendamment dans chaque condition expĂ©rimentale. En revanche, des effets intra-sujets ("within-subject") auraient pour objet de comparer les mĂŞmes sujets (par exemple, si on a posĂ© une mĂŞme question Ă  deux moments diffĂ©rents et que l'on souhaite comparer ces rĂ©ponses; ou si l'on a posĂ© deux questions identiques mais portant sur des objets diffĂ©rents comme "Dans quelle mesure aimez-vous les chiens" et "Dans quelle mesure-aimez-vous les chats"?).

  Plus de dĂ©tails sur cette mĂ©thode.

 Comment effectuer cette mĂ©thode dans SPSS?

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

   Les principes mentionnĂ©s ci-dessus s'appliquent naturellement aux cas oĂą le plan expĂ©rimental comprend plus de deux facteurs intersujets. Dans ce cas, l'analyse testera non seulement les effets principaux et les interactions impliquant deux facteurs, mais Ă©galement les interactions impliquant plus de deux facteurs. Ces interactions s'interprètent exactement comme les interactions impliquant deux facteurs. La prĂ©sence d'une interaction Ă  3 facteurs, A,B, et C sur une variable dĂ©pendante X impliquent que les effets conjoints de A et B sur X dĂ©pendent de C. Par exemple, dans l'Ă©tude 2, Ji et al. prĂ©disent que les AmĂ©ricains font moins d'erreurs en perception de contrĂ´le qu'en absence de perception de contrĂ´le alors que c'est effet serait absent pour les Asiatiques. L'effet du facteur "contrĂ´le" (A) dĂ©pendrait donc de la culture ("B"). Ceci correspond Ă  la prĂ©diction 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 contrĂ´le et la culture dĂ©pend donc du sexe. Il s'agit lĂ  d'une interaction Ă  3 facteurs. 

L'Analyse de variance Ă  mesures rĂ©pĂ©tĂ©es et les plans mixtes. 

Les plan mixtes

    Dans l'Ă©tude 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 opĂ©ratoire. Effectivement, les sujets doivent effectuer la mĂŞme tâche de dĂ©tection de la covariation avec et sans perception de contrĂ´le. Cette variable est intra-sujets car ce sont les mĂŞmes sujets qui effectuent ces deux types de tâches. L'analyse serait "between-subjects" si certains sujets avaient une perception contrĂ´le alors que d'autres ne l'auraient pas. Quand un plan expĂ©rimental 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 Ă  mesures rĂ©pĂ©tĂ©es. 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 dĂ©tectent plus de covariations lorsqu'ils ont une perception de contrĂ´le que lorsqu'il n'en n'ont pas (effet principal du facteur rĂ©pĂ©tĂ©) ou si l'influence du mode opĂ©ratoire sur la covariation perçue dĂ©pend 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 rĂ©pĂ©tĂ©, on utilise une analyse de variance Ă  mesures rĂ©pĂ©tĂ©es. Lorsque le plan est mixte, l'analyse peut rĂ©vĂ©ler plusieurs types d'effets: 

    - Des effets principaux ou interactions impliquant uniquement le ou les facteurs inter-sujets: Par exemple, dans l'Ă©tude 2, la culture (intra-sujets) peut avoir un effet principal indĂ©pendant du mode de contrĂ´le (intra-sujets, ou rĂ©pĂ©tĂ©).

    -Des effets principaux ou interactions impliquant uniquement le ou les facteurs inter-sujets. Par exemple, dans l'Ă©tude 2, la perception de contrĂ´le peut avoir un effet principal indĂ©pendant de la culture.

    -Des interactions impliquant les deux types de facteurs. Par exemple, dans l'Ă©tude 2, les AmĂ©ricains pourraient faire moins d'erreurs en situation de contrĂ´le qu'en absence de contrĂ´le alors que les Asiatiques ne seraient pas affectĂ©s par la perception de contrĂ´le.

   Contrebalancer l'ordre de passation des mesures

    Lorsqu'un facteur est intra-sujets, il est souvent nĂ©cessaire de contrebalancer les mesures correspondant Ă  chaque niveau du facteur car les diffĂ©rences entre les niveaux peuvent ĂŞtre dues Ă  l'ordre des mesures plutĂ´t qu'Ă  la manipulation. Par exemple, si tous les sujets dans l'Ă©tude 1b ou dans l'Ă©tude 2 rĂ©pondaient d'abord en mode de contrĂ´le et ensuite en mode d'absence de contrĂ´le, il est possible que les rĂ©ponses en "absence de contrĂ´le" diffèrent des premières simplement parce que les sujets se sont mieux habituĂ©s Ă  la tâche au moment de rĂ©pondre en absence de contrĂ´le. Afin de contrĂ´ler cet effet "parasite", il faut contrebalancer l'ordre dans lequel le facteur "mode" est manipulĂ©:  la moitiĂ© des sujets dans chaque condition rĂ©pondent d'abord dans un mode d'absence de contrĂ´le et l'autre moitiĂ© rĂ©ponde d'abord dans un mode de contrĂ´le. De cette façon, les effets du contrĂ´le ne seront pas dus Ă  l'ordre. C'est ce que font Ji et al. dans les Ă©tudes 1b et 2. 

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

L'analyse des effets simples

     Après avoir observĂ©  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 Ă  examiner l'influence de cette variable sur la variable dĂ©pendante (ici la confiance en les jugements) Ă  chaque niveau de l'autre facteur (ici le niveau de covariation). A chaque niveau de covariation (basse, moyenne Ă©levĂ©e), on regarde donc si les AmĂ©ricains 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 considĂ©rĂ© comme significatif. L'analyse des effets simples est particulièrement utile lorsque suite Ă  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 ĂŞtre nul chez un groupe et positif chez l'autre, ou nĂ©gatif chez l'un et positif chez l'autre, ou plus fort chez un groupe que chez l'autre, etc. Grâce Ă  l'analyse des effets simples, on peut examiner s'il l'effet du niveau de covariation significatif chez chaque groupe pris sĂ©parĂ©ment ou inversĂ©ment si, Ă  chaque niveau de covariation, l'effet du groupe est significatif ou non. Cela nous permet donc d'examiner plus prĂ©cisĂ©ment l'interaction.

Plus de détails sur les effets simples

Les Contrastes.

    L'analyse de contraste ressemble Ă  celle des effets simples. Il s'agit cette fois de faire des comparaisons prĂ©cises entre deux ou plusieurs groupes de sujets. Par exemple, p. 946, et après avoir effectuĂ© une analyse de variance, Ji et al. effectuent un contraste qui rĂ©vèle que l'effet de la culture Ă©tait plus Ă©levĂ© lorsque la covariation valait .60 que .40. Pour effectuer ce contraste, ils ont attribuĂ© Ă  chaque groupe un poids dĂ©terminĂ© (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/AmĂ©ricains .4/Asiatiques .4/AmĂ©ricains .6/Asiatiques .6/AmĂ©ricains
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 observĂ© que la diffĂ©rence entre le groupe 1 et 2 ci-dessus Ă©tait plus faible que la diffĂ©rence entre les groupes 3 et 4. L'hypothèse nulle est que

            (M1-M2) = (M3-M4).

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

            Cette Ă©quation 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 attribuĂ© Ă  chaque groupe un poids, c'est-Ă -dire un coefficient, correspondant Ă  la comparaison qu'ils voulaient effectuer.  Ici, ce sont les poids correspondant Ă  la ligne "contraste 2" qui ont Ă©tĂ© choisis (ou des poids Ă©quivalents:  2,-2,-2,2,0,0 auraient Ă©galement fait l'affaire).   

             Dans la suite du premier paragraphe de la page 946, Liu et al Ă©voquent une seconde comparaison cette fois entre les diffĂ©rences observĂ©es entre Asiatiques et AmĂ©ricains lorsque la covariation valait .40 et lorsqu'elle valait .60 (des codes appropriĂ©s Ă  cette comparaison sont prĂ©sentĂ©s dans le tableau 1) .

            Une fois qu'on a spĂ©cifiĂ© les contrastes que l'on souhaite effectuer grâce Ă  une sĂ©rie de coefficients appropriĂ©s, celui-ci peut-ĂŞtre testĂ© statistiquement et aura une distribution thĂ©orique 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 dĂ©terminĂ©s quels qu'ils soient voire plusieurs groupes Ă  l'aide d'une seule comparaison (le contraste 1 ci-dessus implique 4 groupes).

   Attention!: Les contrastes sont des tests extrĂŞmement puissants (ils dĂ©tectent donc facilement une diffĂ©rence) mais ils sont par la mĂŞme sujets Ă  l'erreur de première espèce (c'est-Ă -dire qu'ils peuvent aisĂ©ment dĂ©tecter des diffĂ©rences qui n'existent pas!). Il faut donc les utiliser avec parcimonie et ils doivent, uniquement, servir Ă  tester une hypothèse thĂ©orique formulĂ©e a priori, avant l'analyse des rĂ©sultats. Pour effectuer des comparaisons qui ne correspondent pas Ă  des hypothèses thĂ©oriques, il est nĂ©cessaire d'employĂ© des tests de comparaisons multiples ou "post hoc tests" que nous envisageons plus loin.

    En savoir plus sur les contrastes

  Les corrĂ©lations

    La corrĂ©lation entre deux variables dĂ©signe le degrĂ© auquel ces deux variables sont associĂ©es linĂ©airement. En d'autres termes, il s'agit du degrĂ© auquel on peut dire: plus l'une s'Ă©lève, plus l'autre s'Ă©lève (si la corrĂ©lation est positive). Elle sera nĂ©gative si, Ă  mesure qu'une des deux variables prend des valeurs plus Ă©levĂ©e, l'autre prend des valeurs plus basses. Ici, Liu et al. calculent la corrĂ©lation entre deux variables:

            - La covariation entre les deux Ă©lĂ©ments de chaque paire de deux stimuli.

            - L'estimation  de cette covariation par le sujet.

   Si cette corrĂ©lation vaut 1, cela signifie que les sujets adaptent parfaitement leurs rĂ©ponses en fonction de la covariation "rĂ©elle". Si elle est nĂ©gative, cela veut dire que les sujets ont tendance Ă  observer des corrĂ©lations plus basses lorsque cette corrĂ©lation augmente (c'est le cas des sujets chinois en situation de contrĂ´le). Si elle est nulle, cela signifie que la rĂ©ponse des sujets est indĂ©pendante de la covariation "rĂ©elle".

    Les coefficients de corrĂ©lation mentionnĂ©s par Liu et al. sont suivis d'une p et de sa signification. Cette valeur correspond au rĂ©sultat 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 corrĂ©lation est diffĂ©rent de 0 dans la population.

La Notation des RĂ©sultats 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 degrĂ©s de libertĂ© (d.f.). 

                - Une statistique. Dans le cas qui nous occupe, le F (mais dans d'autres cas, cela pourrait-ĂŞtre le "t" ou le Chi carrĂ©): C'est une statistique qui a une certaine distribution thĂ©orique. En fonction de cette valeur, on peut dĂ©terminer si l'effet qui nous intĂ©resse est significatif ou non.  

                - Le niveau de signification ou "p".: S'il est infĂ©rieur Ă  .05, l'effet est significatif.

    On note toujours le F en italiques, suivis des degrĂ©s de libertĂ© correspondant Ă  l'effet et des degrĂ©s de libertĂ©s de l'erreur (ligne "error" dans SPSS). Les degrĂ©s se libertĂ©s sont entre parenthèses mais en caractères normaux (pas en italiques). Ensuite "=", valeur de la statistique (Correspondant Ă  la ligne F Dans le tableau transmis par SPSS; deux dĂ©cimales) 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 Ă  deux facteurs effectuĂ© par SPSS. Les deux facteurs sont "sexe" et "condnum" et la variable dĂ©pendante "attitude". On pourrait dĂ©crire les rĂ©sultats de la façon suivante: Nous avons observĂ© 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 observĂ© 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 Ă©galement que pour noter des analyses statistiques, on indique: 

    1. La mĂ©thode utilisĂ©e. Par exemple, p. 948, "Participants' judgments of covariation were submitted to a 2 (culture)  X 2 (operation mode) ANOVA

    2. Le rĂ©sultat "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 dĂ©pendante.

    - Un numĂ©ro. 

    - Une ordonnĂ©e accompagnĂ©e d'une lĂ©gende.

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

    - Une lĂ©gende dĂ©crivant les valeurs des couleurs assignĂ©es aux groupes de sujets Ă  chaque niveau de comparaison.

    Comme les figures, les tableaux sont toujours prĂ©cĂ©dĂ©s d'une nombre et d'une lĂ©gende. Les tableaux de moyennes comprennent gĂ©nĂ©ralement la moyenne et l'Ă©cart-type correspondant Ă  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 nĂ©cessaire de citer toute rĂ©fĂ©rence employĂ©e pour effectuer une affirmation ou une supposition. 

  - Les citations sont insĂ©rĂ©es 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 Ă  chaque fois qu'on les cite.

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

    - A partir de trois auteurs, on les mentionne TOUS Ă  la première citation (en insĂ©rant 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 rĂ©fĂ©rentes Ă  une proposition, on les mentionne par ordre alphabĂ©tique du premier auteur sĂ©parĂ© 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 rĂ©fĂ©rence, 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 rĂ©fĂ©rences qu'on a directement consultĂ©es. Si on n'a consultĂ© qu'une rĂ©fĂ©rence secondaire, on cite cette rĂ©fĂ©rence secondaire:

    Par exemple, imaginong qu'un expĂ©rience de Billig et Tajfel, 1973 soit citĂ©e dans le livre de Yzerbyt, Leyens, et Schadron (1996). On indiquera: 

         "Billig et Tajfel (citĂ© dans Yzerbyt, Leyens, et Schadron, 1996) ont observĂ© que...".

       Dans la liste de rĂ©fĂ©rence, on ne donnera que Yzerbyt et al., et non pas Billig et Tajfel, 1973.  

Les Références

     La dernière section de l'article (ou du mĂ©moire) doit comprendre l'ensemble des rĂ©fĂ©rences bibliographiques citĂ©es dans l'article (et uniquement celles-ci).   Les rĂ©fĂ©rences doivent ĂŞtre ordonnĂ©es par odre alphabĂ©tique de premier auteur et ne contenir que des sources rĂ©ellement consultĂ©es.  Extrait du Guide du MĂ©moire:    

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

Leplat, J. (1985b). Introduction Ă  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 Ă  jour le Mardi, 19 FĂ©vrier 2008 21:36