Le préfixe quasi signifie « ressemblant ». Ainsi, la recherche quasi-expérimentale est une recherche qui ressemble à la recherche expérimentale mais qui n’est pas une véritable recherche expérimentale. Bien que la variable indépendante soit manipulée, les participants ne sont pas assignés au hasard à des conditions ou à des ordres de conditions (Cook & Campbell, 1979). Parce que la variable indépendante est manipulée avant que la variable dépendante ne soit mesurée, la recherche quasi-expérimentale élimine le problème de directionnalité. Mais comme les participants ne sont pas assignés au hasard, ce qui rend probable qu’il existe d’autres différences entre les conditions, la recherche quasi-expérimentale n’élimine pas le problème des variables confondantes. En termes de validité interne, par conséquent, les quasi-expériences se situent généralement quelque part entre les études corrélationnelles et les vraies expériences.

Les quasi-expériences sont plus susceptibles d’être menées sur le terrain en dont l’assignation aléatoire est difficile ou impossible. Elles sont souvent effectuées pour évaluer l’efficacité d’un traitement – pe peut-être un type de psychothérapie ou une intervention éducative. Il existe de nombreux types de quasi-expériences, mais nous aborderons ici quelques-unes des plus courantes.

Rappelez-vous que lorsque les participants à une expérience inter-sujets sont assignés au hasard à des conditions, les groupes résultants sont susceptibles d’être assez similaires. En fait, les chercheurs les considèrent comme équivalents. Cependant, lorsque les participants ne sont pas affectés au hasard à des conditions, les groupes résultants sont susceptibles d’être différents à certains égards. Pour cette raison, les chercheurs les considèrent comme non équivalents. Une conception de groupes non équivalents est donc une conception inter-sujets dans laquelle les participants n’ont pas été assignés au hasard à des conditions.

Imaginez, par exemple, un chercheur qui souhaite évaluer une nouvelle méthode d’enseignement des fractions en troisième niveleuses. Une façon serait de mener une étude avec un groupe de traitement composé d’une classe d’élèves de troisième année et d’un groupe témoin composé d’une autre classe d’élèves de troisième année. Cette conception serait une conception de groupes non équivalents parce que les étudiants ne sont pas assignés au hasard à des classes par le chercheur, ce qui signifie qu’il pourrait y avoir des différences importantes entre eux. Par exemple, les parents d’élèves plus performants ou plus motivés auraient été plus susceptibles de demander que leurs enfants soient affectés à la classe de Mme Williams. Ou le directeur a peut-être assigné les «fauteurs de troubles» à la classe de M. Jones parce qu’il est un plus fort disciplinaire. Bien sûr, les styles des enseignants, et même l’environnement de la classe, peuvent être très différents et entraîner des niveaux de réussite ou de motivation différents parmi Si à la fin de l’étude il y avait une différence dans la connaissance des fractions des deux classes, cela pourrait avoir été causé par la différence entre les méthodes d’enseignement – mais cela pourrait avoir été causé par l’une de ces variables confondantes. / p>

Bien sûr, les chercheurs utilisant une conception de groupes non équivalents peuvent prendre des mesures pour s’assurer que leurs groupes sont aussi similaires que possible. Dans le présent exemple, le chercheur pourrait essayer de sélectionner deux classes dans la même école, où les élèves dans les deux classes ont des scores similaires à un test de mathématiques standardisé et les enseignants sont du même sexe, sont proches en âge et ont des styles d’enseignement similaires. Prendre de telles mesures augmenterait la validité interne de l’étude car cela éliminerait certaines des variables de confusion les plus importantes. Mais sans véritable assignation aléatoire des étudiants aux conditions, il reste la possibilité d’autres variables de confusion importantes que le chercheur n’a pas été en mesure de contrôler.

Conception de prétest-post-test

Dans un prétest – conception post-test, la variable dépendante est mesurée une fois avant la mise en œuvre du traitement et une fois après sa mise en œuvre. Imaginons, par exemple, un chercheur qui s’intéresse à l’efficacité d’un programme d’éducation antidrogue sur les attitudes des élèves du primaire à l’égard des drogues illicites. Le chercheur pourrait mesurer les attitudes des élèves d’une école élémentaire particulière pendant une semaine, mettre en œuvre le programme antidrogue la semaine suivante et, enfin, mesurer à nouveau leurs attitudes la semaine suivante. La conception prétest-post-test ressemble beaucoup à une expérience intra-sujets dans laquelle chaque participant est d’abord testé sous la condition de contrôle, puis sous la condition de traitement.Cependant, il diffère d’une expérience intra-sujets en ce que l’ordre des conditions n’est pas contrebalancé car il n’est généralement pas possible pour un participant d’être testé dans la condition de traitement d’abord, puis dans une condition de contrôle «non traitée».

Si le score moyen après le test est meilleur que le score moyen du prétest, alors il est logique de conclure que le traitement pourrait être responsable de l’amélioration. Malheureusement, on ne peut souvent pas conclure cela avec un degré élevé de certitude car il peut y avoir d’autres explications expliquant pourquoi les scores post-test sont meilleurs. Une catégorie d’explications alternatives porte le nom d’histoire. D’autres choses peuvent s’être produites entre le prétest et le post-test. Peut-être qu’un programme antidrogue a été diffusé à la télévision et que de nombreux étudiants l’ont regardé, ou peut-être qu’une célébrité est décédée d’une overdose de drogue et que de nombreux étudiants en ont entendu parler. Une autre catégorie d’explications alternatives porte le nom de maturation. ont changé entre le prétest et le post-test d’une manière qu’ils allaient de toute façon parce qu’ils grandissent et apprennent. S’il s’agissait d’un programme d’un an, les participants pourraient devenir moins impulsifs ou mieux raisonnés, ce qui pourrait être responsable du changement.

Une autre explication alternative pour un changement de la variable dépendante dans un plan prétest-posttest est la régression vers la moyenne. Cela fait référence au fait statistique qu’une personne qui obtient un score extrêmement élevé sur une variable à une occasion aura tendance à obtenir un score moins élevé la prochaine fois. Par exemple, un quilleur avec une moyenne à long terme de 150 qui lance soudainement un 220 obtiendra presque certainement un score inférieur au prochain match. Son score «régressera» vers son score moyen de 150. La régression vers la moyenne peut être un problème lorsque les participants sont sélectionnés pour une étude plus approfondie en raison de leurs scores extrêmes. Imaginez, par exemple, que seuls les élèves qui ont obtenu un score particulièrement bas à un test de Les fractions reçoivent un programme de formation spécial, puis retestées. La régression vers la moyenne garantit pratiquement que leurs scores seront plus élevés même si le programme de formation n’a aucun effet. Un concept étroitement lié – et extrêmement important dans la recherche en psychologie – est la rémission spontanée . C’est la tendance de nombreux problèmes médicaux et psychologiques à s’améliorer au fil du temps sans aucune forme de traitement. Le rhume en est un bon exemple. Si l’on mesurait la gravité des symptômes chez 100 personnes souffrant de rhume, donnez-leur un bol de soupe au poulet tous les jours, puis mesurer à nouveau la gravité de leurs symptômes dans une semaine, ils seraient probablement beaucoup améliorés. Cela ne signifie pas que la soupe au poulet était responsable de l’amélioration, mais ver, car ils auraient été beaucoup améliorés sans aucun traitement. Il en va de même pour de nombreux problèmes psychologiques. Un groupe de personnes sévèrement déprimées aujourd’hui est susceptible d’être moins déprimé en moyenne en 6 mois. En examinant les résultats de plusieurs études sur les traitements de la dépression, les chercheurs Michael Posternak et Ivan Miller ont constaté que les participants aux conditions de contrôle sur liste d’attente s’étaient améliorés en moyenne de 10 à 15% avant de recevoir un traitement (Posternak & Miller, 2001). Ainsi, il faut généralement être très prudent pour déduire la causalité des conceptions prétest-post-test.

Heureusement, de nombreux autres chercheurs ont relevé le défi d’Eysenck et, en 1980, des centaines d’expériences avaient été menées dans lesquelles les participants étaient assignés au hasard à des conditions de traitement et de contrôle, et le les résultats ont été résumés dans un livre classique de Mary Lee Smith, Gene Glass et Thomas Miller (Smith, Glass, & Miller, 1980). Ils ont constaté que la psychothérapie globale était assez efficace, avec environ 80% des participants au traitement s’améliorent plus que le participant témoin moyen.Les recherches ultérieures se sont davantage concentrées sur les conditions dans lesquelles différents types de psychothérapie sont plus ou moins efficaces.

Conception de séries temporelles interrompues

Une variante de la conception prétest-post-test est la conception de séries temporelles interrompues. Une série chronologique est un ensemble de mesures prises à intervalles sur une période de temps. Par exemple, une entreprise manufacturière peut mesurer la productivité de ses travailleurs chaque semaine pendant un an. Dans une conception de séries chronologiques interrompues, une série chronologique comme celle-ci est « interrompue » par un traitement. Dans un exemple classique, le traitement consistait à réduire les quarts de travail dans une usine de 10 heures à 8 heures (Cook & Campbell, 1979). Parce que la productivité a augmenté assez rapidement après le raccourcissement des quarts de travail, et parce qu’elle est restée élevée pendant plusieurs mois par la suite, le chercheur a conclu que le raccourcissement des quarts de travail a provoqué l’augmentation de Remarquez que la conception de séries chronologiques interrompues ressemble à une conception prétest-post-test en ce qu’elle inclut des mesures de la variable dépendante avant et après le traitement. Elle est cependant différente de la conception prétest-post-test, en ce qu’elle comprend plusieurs prétest et des mesures post-test.

La figure 7.3 montre les données d’une étude hypothétique de séries chronologiques interrompues. La variable dépendante est le nombre d’absences d’étudiants par semaine dans un cours de méthodes de recherche. Le traitement est que le l’instructeur commence à prendre publiquement la présence chaque jour afin que les élèves sachent que l’instructeur sait qui est présent et qui est absent. Le panneau supérieur de la figure 7.3 montre à quoi pourraient ressembler les données si ce traitement fonctionnait. Le nombre d’absences avant le traitement est systématiquement élevé et il y a une baisse immédiate et soutenue des absences après le traitement. Le panneau inférieur de la figure 7.3 montre à quoi pourraient ressembler les données si ce traitement ne fonctionnait pas. En moyenne, le nombre d’absences après le traitement est à peu près le même qu’avant. Cette figure illustre également un avantage de la conception de séries chronologiques interrompues par rapport à une conception prétest-post-test plus simple. S’il n’y avait eu qu’une seule mesure des absences avant le traitement à la semaine 7 et une après à la semaine 8, alors il aurait semblé que le traitement était responsable de la réduction. Les multiples mesures avant et après le traitement suggèrent que la réduction entre les semaines 7 et 8 n’est rien de plus que la variation normale d’une semaine à l’autre.

Conceptions combinées

Un type de conception quasi-expérimentale qui est généralement meilleure que la conception de groupes non équivalents ou le prétest-post-test le design est celui qui combine des éléments des deux. Il existe un groupe de traitement qui subit un prétest, reçoit un traitement, puis subit un post-test. Mais en même temps, il existe un groupe témoin qui subit un prétest, ne reçoit pas le traitement, puis subit un post-test. La question n’est donc pas simplement de savoir si les participants qui reçoivent le traitement s’améliorent mais s’ils s’améliorent davantage que les participants qui ne reçoivent pas le traitement.

Imaginez, par exemple, que les élèves d’une école subissent un prétest sur leurs attitudes vis-à-vis des drogues, sont ensuite exposés à un programme antidrogue, et enfin subissent un post-test. Les élèves d’une école similaire subissent le prétest, ne sont pas exposés à un programme antidrogue et reçoivent finalement un post-test. Encore une fois, si les étudiants en condition de traitement deviennent plus négatifs envers les drogues, ce changement d’attitude pourrait être un effet du traitement, mais cela pourrait aussi être une question d’histoire ou de maturation. Si c’est vraiment un effet du traitement, alors les étudiants dans la condition de traitement devraient devenir plus négatifs que les étudiants dans la condition de contrôle. Mais s’il s’agit d’une question d’histoire (par exemple, nouvelle d’une surdose de drogue chez une célébrité) ou de maturation (par exemple, amélioration du raisonnement), alors les étudiants dans les deux conditions seraient susceptibles de montrer des quantités similaires de changement. Ce type de conception n’élimine cependant pas complètement la possibilité de confondre des variables. Quelque chose pourrait se produire dans l’une des écoles mais pas dans l’autre (par exemple, une surdose de drogue chez un élève), de sorte que les élèves de la première école en seraient affectés alors que les élèves de l’autre école ne le seraient pas.

Enfin, si les participants à ce type de conception sont assignés au hasard à des conditions, cela devient une véritable expérience plutôt qu’une quasi-expérience. En fait, c’est le genre d’expérience qu’Eysenck a appelé – et qui a maintenant été menée à plusieurs reprises – pour démontrer l’efficacité de la psychothérapie.

Descriptions des images

Description de l’image de la figure 7.3: Deux graphiques linéaires illustrant le nombre d’absences par semaine sur 14 semaines . Les 7 premières semaines sont sans traitement et les 7 dernières semaines sont avec traitement. Dans le premier graphique linéaire, il y a entre 4 et 8 absences par semaine. Après le traitement, les absences chutent de 0 à 3 chaque semaine, ce qui suggère que le traitement a fonctionné. Dans le deuxième graphique linéaire, il n’y a pas de changement notable du nombre d’absences par semaine après le traitement, ce qui suggère que le traitement n’a pas fonctionné.