13 EQUATIONS DIFFERENTIELLES LINEAIRES DU SECOND ORDRE A
5 1 Méthode de variation des constantes Nous devons résoudre une équation différentielle de la forme ay by cy x I a′′+ ′+= ≠ϕ( ) ( ) avec 0 Lorsque le second membre n'a pas l'une des formes indiquées précédemment, on emploie la méthode dite de variation des constantes Soit deux solutions linéairement indépendantes de
31 Equations différentielles linéaires du premier ordre
La conséquence de cette remarque est la suivante Pour trouver TOUTES les solutions y de l’équation complète, il suffit de trouver les solutions zde l’équation homogène associée (ce qu’on sait faire), et de leur ajouter UNE solution particulière de l’équation complète On peut appliquer la méthode de variation de la constante
Exo7 - Exercices de mathématiques
Exercice 4 Variation de la constante Résoudre les équations différentielles suivantes en trouvant une solution particulière par la méthode de variation de la constante : 1 y0 (2x 1 x)y=1 sur ]0;+¥[2 y0 y=xk exp(x) sur R, avec k 2N 3 x(1+ln2(x))y0+2ln(x)y=1 sur ]0;+¥[Indication H Correction H Vidéo [006994] Exercice 5
Département STPI 2ème année IC
En réalité, grâce à la méthode de réduction d’ordre décrite ci-après, il suffitdeconnaîtreunesolution de l’équation homogène pour pouvoir en construire une deuxième, linéairement indépendante, et ainsi les obtenir toutes : Méthode de réduction d’ordre C’est une variante de la méthode de la variation de la constante
Equations différentielles Chap 13 : cours complet Théorème
solutions de (E) sur J, au vu de la forme précédente, forment bien une droite affine ou un espace affine de dimension 1 Théorème 1 2 : méthode de variation de la constante Soit I un intervalle de Soient : (E) a t y( ) ' +b t ( ) y = c t ( ),
EQUATIONS DIFFERENTIELLES LINEAIRES
Dans certains cas de second membre bien particulier, quand a est une fonction constante, on peut se dispenser de la méthode de variation de la constante et chercher directement une solution particulière Voici le principa l cas : L’équation y ay Ce' lx où aC K, ,l 3 a dmet une solution particulière de la forme :
II)- La méthode expérimentale - Free
Le maintien de la variable parasite à un niveau constant La variation systématique de la variable parasite L’aléatorisation, randomisation ou contrôle par variation au hasard Le contre-balancement (effets de rang ou dépendance séquentielle) a) Maintien de la variable parasite à un niveau constant
[PDF] méthode de lecture syllabique gratuite pdf
[PDF] méthode de lecture syllabique pour apprendre ? lire pas ? pas pdf
[PDF] methode de maintenance pdf
[PDF] Méthode de Mémoire
[PDF] Méthode de Mémoire
[PDF] Méthode de Newton
[PDF] methode de newton analyse numerique exercices corrigés
[PDF] méthode de point fixe exercices corrigés pdf
[PDF] méthode de prévision lissage exponentiel
[PDF] méthode de prévision statistique
[PDF] methode de recherche scientifique pdf
[PDF] méthode de résolution de conflit
[PDF] méthode de résolution de problème ishikawa
[PDF] méthode de résolution de problème pdf
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4121 Quelquesrappelsconcernantlaméthodeexpérimentale1. LaMéthodeexpérimentale:Définition.Unedéfinitionclassiquedelaméthodeexpérimentaleestqu'elle"correspondàlaméthoded'investigationquirendpossiblelecontrôl esystématique dumaximumdesou rcesdevariationspotentielles».Autrementdit,utiliserlaméthodeexpér imental evaconsisteràcréeru nesituationparticulièrequivapermettredetesterunehypothèsecausaleconcernantlamesured'unphénomèneprécis(VD)enfonc tiondelamanipulation(lavariation)d'unouplusieursfacteurs(VI).L'objectifdel'expérimentationestlacomparaisonentregroupeséquivalentsdeparticipants.Silemontageexpérimentalestbienconçu,seulelavariationdesmodalitésdesvariablesindépendantesmanipuléesparlecherche urvapermettred'expliquerlesdifférencesobservéesentrelesgroupesauniveaudelaoudesmesures(c'estpourquoiilestpossibledetesterdesrelationsdecausalitégrâceàcetteméthode).Enmanipulantuneouplusieursvariable(s)indépendante(s),onvaessayerdeprovoquerunevariationdesréponsesdesparticipants(doncdelaVDqui,enpsychologiesociale,renvoieàlamesureducomportement,desétatsmentauxoudesprocessusmentaux).Lavariableindépendanteestdéterminéeetconstruiteparlechercheur.Ilsupposequ'elleetelleseuleaurauneffetsurlesensdel'hypothèsequ'ilseproposedetester.Enrésumé:L'expérimentationpermetdetester,ente rmedec ausalité,l' effet(l'impact)d'une ouplusieursvariable(s)indépendan te(s)(VI)suruneouplusieurs mesure(s)ou variable(s )dépendante(s)(VD).
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4122 2) Lesvariables(oufacteurs).Dansunedémarchecausale,commecelledel'applicationdelaméthodeexpérimentale,ils'agitdoncdefairevarierunfacteurouunecombinaisondefacteursetd'observer,demesurerlescons équencesdecettevariationsurlescomporte ments,le sétatsmentauxet/oulesprocessusmentaux.Ilexis teplusieurstypes devariables:les VariablesIndé pendantes(VI),lesVariable sDépendantes(VD),lesVariablesParasites(VP)etlesVariablesContrôlées(VC).2-1) Lavariableindépendante.a) Définition.Unevariableindépendanteestunecaractéristiquedel'individu(ex:hommevsfemme,18-25ansvs45-60ans,conducteurexpérimentévsdébutant),del'environnementphysiqueousocial(ex:présence/absenced'autrui,couleurdesmurs,envi ronnementbruyantvscalme...),delatâche(difficilevsfacile,familièrevsnonfamilière),oudesstimuliprésentés(ex:ambig usvsnonambigus;sub liminalvssupraliminal)quies tmanipulée parlechercheurdanslebutdecontrôleroud'analysersonimpactsurlecomportement,l'étatmentalouleprocessusmentalétudié.UneVIcomporteauminimum2modalités(ouétats)quisontchoisisparl'expérimentateur.Ilestp ossibled eclasserlesvariablesindépendantesselonqu'ellessontextrai tesdel'environnementphysiqueousocialdessujetsou,aucontrairequ'ellessoientextraitesdecaractéristiquesprésenteschezlesujet.OnparleradeVIprovoquéedanslepremiercasetdeVIinvoquéedanslesecond.b) UnpremiertypedeVI:Lavariableinvoquéeouétiquette.Lesvariablesinvoquéesouétiquettesontinhérentesausujet.Decefait,l'expérimentateurnepeutagirdirectementsurcesvariables(ilnepeutpas,parexemple,construirelesexeduparticipantousonâge).Onpeutcependant,parmilescritèresexistants,sélectionnerceux
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4123 quinousintéressent,eteffectuerdescomparaisonsseloncescritères(ouvriersvscadresupérieur,femmevshomme,jeunesvsvieux,expertsvsnonexperts,etc.).Unschémaclassiqued'expérimentationàpartirdevariablesinvoquéesconsisteàappliquerunesituationexpérimentaleidentiqueàplusieursgroupesd'individusdifférentssurlabasedecertaine scaractéristiquesintrinsèq ues(lesVIinvoquées;ex:sex e,âge,C SP...)etd'évaluerl'influencedece scaractéristiquessurlescomportements, étatsmentau xouprocessusmentauxmesurés(VD).L'utilisationdevariablesinvoquéesouétiquettenécessited'êtretrèsrigoureuxetprudent.Sil'onveutétudierl'impactdusexedesparticipants,ilfautfaireensortequelessujetssoientidentiquesparailleurs(garantir"letoutechoseégaleparailleurs»:mêmeCSP,mêmetranched'âge...).Lesecondtypedevariable sindépendante sre nvoieàcequel'onnomm elesVI"provoquées».c) UndeuxièmetypedeVI:Lavariableprovoquée.UneVIestdite prov oquéelor squ'ellees tdirectementmanipuléeparleche rcheur.LesmodalitésdecetypedeVIsontconstruitesdetoutepièceparlechercheur.Cesontdesstimulationsexpérimentalesprovenantdel'environnement,autrementdituneconstructionparticulièredel'environnementphysiqueet/ousocial(ex:ledélaientre2tâches:1minutevs10minutes,laprésencevsnonprésenced'autrui,tâchefacilevsdifficile,etc.).ContrairementàcequisepassedanslecasdesVIinvoquées,lenombredemodalitésdesVIprovoquéesestvirtuellementinfini.2-2) Lavariabledépendante.a) Définition.Enpsycho logie,lavariabledépendante(VD)corresp ondàl amesuredelaréponse duparticipant.Cetteréponsepeu têtrelaperfo rmanceàunetâche,lenomb red'erreur scommises,lesréponsesàunqu estionnaire, l'occurrenceoulanonoccu rre nced'un comportement,untempsderéponse,uneopinion...LesVDsontdesmesuresqui,parhypothèse,sontsusceptiblesdedépendreduchangementdemodalité d'uneouplusieurs VI.Lamesuredela variabledé pendantepermet,en
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4124 comparantlesrésultatsdes différents groupesexpérimentaux (oumodalités expérimentales),detesterl'effetdel'influencedelaVI.b) Unebonnevariabledépendante.Ilfauttoujourss'assurerquelavariabledépendantesélectionnéevabienmesurercequ'elleestcenséemesureretriend'autre.Ilnefautpas,parexemple,quelestermesutilisésdanslaformulationdelaquestionquel'onposeévoquentautrechoseauxparticipantsquecequel'onchercheàmesurer.Ils'agitdefaireattentionauxconfusionsdemesurepossibles.Danslamesure dup ossible,onessaieraderéperto rierplusieursmesurespossibl esduphénomènequel'onchercheàétudier(ex:échellesd'attitudes+questionouverte+tempsderéponse+rappel,etc.).Engénéral,onutiliseraplusieursmesures(VD)complémentairesdemanièreàaugmenterlafiabilitédelarecherche.Lami seenplaced'un eexpéri mentationnécessite detesterpréalablem entlematérielconstruit(tâcheexpérimentale+VD)afindedéterminersiouiounonilpermetdemesurercequel'ons'estdonnépourobjectifdemesurer.2-3) Lavariableparasiteetlavariablecontrôlée(ousecondaire).Danstouteexpé rimentation,o nfaitunedistinctionentrelesfacteursdontl'expérimentateurveutétudierleseffetssurlesmesures(VIinvoquéesouprovoquéesayantuneffetp otentielsurlao ulesVD)etle sfacteu rsse condairesouparasitesquel'expérimentateurneveutpasétudiermaisqu'ilsedoitdecontrôlerdufaitdeleurimpactpotentielsurlephénomène.Ilfautdoncmaintenirconstanteslesmodalitésdesfacteurssecondairesdetellesortequ'ilsnevarientpasetn'interfèrentpas.Enrésumé:UneVI:c'estcequel'onmanipule,cequel'onfaitvarierdanslecadredel'expérimentation.OnidentifielaoulesVIenrépondantàlaquestion"Qu'est-cequivariedansl'expérienceentermedesituati on(caractéristiquesdel'environnementphys iqueou social)et/oudecaractéristiquesdesindividus?».Onposel'hypothèsequelesdifférentesmodalitésdelaVIvontavoirdeseffetssurlaoulesmesure(s)prisesencomptedansl'étude(VD).
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4125 UneVD:c'es tcequel'onm esure.Ellereste"formellement»iden tique(onmesuretoujourslamêmechose,entermedeformulationdequestionparexemple,quellequesoitlaconditionexpérimentale)maisons'attendàdesvariationsquantitativesdecettemesureenfonctiondesvariationsdelaVI.Onidentif iedonclesVDenrépondant àlaquestion"Qu'est-cequ'o nmesure?».Engénéral,ilesttrèsfaciledetrouverlesVDcarellessontsuiviesd'uneunitédemesure...ouprécédéesd'unindicedequantification"nombremoyendebidule,fréquencedesmachins,etc.».Expérimenter:c'estseplacerdansunesituationquipermettedetesterunehypothèsecausale.Autrementdit,ils'agitdetesterl'effetdelavariationd'une(ouplusieurs)VIsurune(ouplusieurs)VD.3) LecontrôledesdifférentsparamètresLamétho deexpérimentalerepos esurleprinciped'uncontrôleoptim aldessourcesdevariationsnonétudiéespar lechercheur (v ariablesparasites)qu iseraientsu sceptiblesd'interférerdanslasituationexpérimentale.Cecontrôledelasituationestmisenplaceafinquelaseule expli cationd'unevariation auniveaudelaVD(doncdelam esureduphénomèneétudié)nesoitimputablequ'àlaseulemanipulationdelaoudesvariablesindépendante(s).Lesvariablesparasitesdoiventêtreidentifiéesetcontrôléesaumieuxparlechercheur.Ellespeuventêtrecauséespar:• Lescaractéristiquesdesparticipants(âge,sexe,CSP,expert,novice...).• L'expérimentateur(saprésencepeutêtresourced'influence).• Parla situation expérimentaleelle-même(matérielno nadapté,nécessitantunebonneacuitévisuelle,auditive,changementdelieudepassationavecconfigurationspatialedifférente...).Pouréviteraumax imuml'effetdesv ariables parasites,leche rcheurvamanipulerunensembledeparamètresafindestandardiseraumaximumlesconditionsd'apparitionduphénomènequ'ilsouhaiteétudier .End'autrestermes ,onva provoq uerunesériederéactions(VDquel'onvamesurer)dansdesconditionsfixéesàl'avance.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4126 3-1)LestechniquesdecontrôledesvariablesparasitesPlusieurstechniquessontutilis éespourélimineroudiminuer l'influence desvariablesparasites,etainsiaméliorer la[val iditéinterneet externedela]recherche.Le contrô lepourraportersur2typesdevariables:cellesprovenantdel'environnementetcellesissuesdescaractéristiquesdesparticipants.Nousallonsabordericiles4principalestechniquesdecontrôledesvariablesparasites:♦ Lemaintiendelavariableparasiteàunniveauconstant.♦ Lavariationsystématiquedelavariableparasite.♦ L'aléatorisation,randomisationoucontrôleparvariationauhasard.♦ Lecontre-balancement(effetsderangoudépendanceséquentielle).a) Maintiendelavariableparasiteàunniveauconstant.Ils'agiticiderépertorierl'ensembledesétats(desmodalités)quipeuventêtreprisparlavariableparasiteetdecontrôlerlesconditionsexpérimentalesdemanièreàneprendreencomptequelesobservationsréaliséesalorsquelavariableparasitesetrouvedansunseuldecesétats .Lavariable parasiteinterviendraainsidelamêmefaç on(danslesmêm esproportions)danslesdifférentescond itionsexpér imentales.Autr ementdit,l'effetdelavariableparasitesurlavariabledépendanteseramaintenuconstant.Ex.:Sil'onveuts'assurerquelavariationdusexedesparticipantsn'aurapasd'impactsurlesmesuresquinousintéressent,unmoyencommodeconsisteraàneconsidérerquedesparticipantsdel'undessexes.Note:lemaintiendelavariableparasiteàunniveauconstantpeutaussidanscertainscascorrespondreàsonabsencetotale.b) VariationsystématiquedelavariableparasiteContrairementàlapremièretechnique,onvaicichercheràtenircomptedesdifférentsétatsdelavariableparasite(outoutaumoinssélectionnerunéventailprécisdevaleurspossibles)
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4127 etfaireensortequetoutescesétatssetrouventreprésentésdanschacunedesconditionsexpérimentalesproduitesparlavariableindépendante.Lareprésentationdelavariableàcontrôlerétantlamêmedanslesdifférentesconditionsexpérimentales(c'estàdirepourlesdifférentesmodalitésdelaVI),lesrésultatscollectésneserontpasinfluencésparuneffetdifférentieldel'influencedelavariableparasite.End'autrestermes,latechniquedevariationsystématiquedelavariableparasiterevientàunéquilibragedesgroupesexpérimentaux.Ex.:c'estcequel'onfaitlorsquel'ons'assurequelesgroupesexpérimentauxcontiennentautantd'hommesquedefemmes,autantd'ouvriersquedecadressupérieurs,d'introvertisqued'extravertis,etc.c) Aléatorisation,randomisationoucontrôleparvariationauhasardOnparticidupostulatquesionlaissejouerlibrementlavariableparasite,lesvaleursdecettedernière serépartirontselonlamême distributi ondanslesdifférentescondi tionsexpérimentales.Seloncepostulat,lehasardprocèdeàun"équilibragenaturel»etonpeutdoncconsidérerl'influencedelavariableparasitecommeneutralisée.Cettetechnique ,hormislefaitqu'ellesoitp euintuitive,comported euxinconvénientsmajeurs:♦ Onnepeutjamaisêtresûrquelarépartitions'estréellementréaliséedemanièreéquilibréeniquelehasardnefavo riserapas l'undesde grésdel avariableàneutraliser.Deplus,ilestimpossibledelecontrôleraposteriori.♦ Laprobabilitépourqu'unerépartitiondufacteuràcontrôlersoitéquilibréedépendsurtoutdunombred'occasionsqu'onlaisseàcefacteurdevarier.Latechniquen'estdoncréellementutilisablequesilatailledel'échantillonestimportante(cequiestrelativementrareenpsychologie).d) Lecontre-balancement:effetsderangoudedépendanceséquentielle.Dèslorsqu'uneépreuvesetrouveorganiséeenuneséquenced'itemsoud'essais,ondoitposerl'hypothèsequelaperformanceassociéeàunessaiparticulierpourrait,aumoinsen
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4128 partie,êtreexpliqué eparlaprés enceoulecontenudel'itemou delasér ied' itemsprécédents.D'unemanièregénérale,ceseffets,quel'onappelleeffetsdetransfert,qu'ilssoientpositifsoun égatifs(i.e.:appre ntissage/facilitation delap erformanceou,aucontraire,interférence/diminutiondelaperformance)sontpossiblesouprobablesdanscertainessituationsexpérimentales.Ceciestparticulièrementvrailorsquel'applicationd'unpland'expériences'étaledansletempsetlaisseainsilapossibilitéàdesfacteursd'ordrehistoriqueoudematuration(ex:événementsd'actualitéinterférantavecl'objetdel'étude)des'installer.Pourcorrigerceteffetpotentieldel'ordre,ilsuffitderépéterlesessaisenlesprésentantàdesgroupesdeparticipantsdifférentsselonunordremodifié.C'estcequel'onappellelatechniquedecontre-balancement.Uncontrebalancementestditcompletlorsquetouslesordresdeprésentation possibles sontreprésentés,c'estàdire facto riellen(n!)arrangementssinreprésentelenombredemodalitésdenotreVI.Ex:Sil 'onveutc ontrôlerl'effe td'ordreaus eind'unquestionnairecompo sédetroisquestionsnotéesQ1,Q2etQ3(autrementditsionveuts'assurerquelefaitderépondreàunequestionn'apasd'influencesurlaréponseàlaquestionsuivante)onprocèderaàlacréationde6groupesdepersonnespourlesquelleslesquestionsapparaîtrontàchaquefoisdansunordredifférent(icicontrebalancementcomplet).Note:lorsquelenombredemodalitésdelaVIàcontrebalanceraugmente,onarriveviteàunnombredegroupesdesujetsquirenddifficilelamiseenplacedel'étude.Parexemple,sionvoulaitopéreruncontrebalancementcompletsuruneVIà5modalités,celanécessiteraitlamiseenplacede5x4x3x2groupes...soit120groupes!C'estpourquoidanscecasdeG1Q1Q2Q3G2Q1Q3Q2G3Q2Q3Q1G4Q2Q1Q3G5Q3Q1Q2G6Q3Q2Q1
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC4129 figureonchoisiraden'utiliserquequelquesarrangementsparticuliers,tirésauhasard,pourminimiserl'effetd'ordre:onparlealorsdecontrebalancementpartiel.Unedernièresourcedevariablesparasitesconcernelefacteur"sujets»(ouparticipants).3-2)Lefacteur"sujets»Cefacteur(présentdanslatotalitédesrecherchesdepsychologie)revêtuneimportanceparticulièrepuisqu'ilentrelargementencausedanslescalculsstatistiquesd'évaluationdeshypothèses.Decefait,ilest nécessaire deporte runeattentionparticulièreàcertainsproblèmesinhérentsaufacteursujetslorsdelamiseenplacedelarecherche.Ils'agitplusparticulièrementdesnotionsd'échantillonnage,degroupedesujetsetd'équivalencedesgroupesdesujets.a) L'échantillonnageLeproblèmeesticideconstruireunéchantillondeparticipantsquisera,danslamesuredupossible,représentatifd'unepo pulationdéfinie(c'estàdirequip ossèderalesmêmes caractéristiquesquecettepopulation).L'échantillonestunepopulationen"miniature».Lecritèredereprésentativ itéestparti culièrementimportantdanslesétudesdetyp e"questionnaire»(surlesreprésentationssocialesparexemple)ou"sondaged'opinion».TiragealéatoireLaméthodelaplussimple(etaussilaplusutiliséeenpsychologieexpérimentale)consisteàtirerauhasard,parmilapopulation,lessujetsquiparticiperontàl'étude.Ilaétédémontréquedanslaplupartdescas,untriageausortcorrectementréalisépermettaitd'avoirunéchantilloncorrect.Lorsqu'uncontrôleplusstrictdelareprésentativitédel'échantillonseranécessaire,onutiliseraunetechniqued'échantillonnagedite"desquotas».MéthodedesQuotasL'applicationdecetteméthodenécessiteuneconnaissancepréalabledescaractéristiquesdelapopulation(parexempleproportiondefemmesetd'hommes,CSP,niveauculturel,etc.).Laméthodedesquotasvaconsister,àpartirdesinformationsconcernantlapopulation
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41210 d'origine(onparleaussidepopulationparente),àextraireunéchantillonenrespectantlesproportionsdesdifférentescaractéristiquesdelapopulationd'originequel'onsoupçonnepouvoiravoiruneffetsurlephénomèneétudié.Cettetechniquepermetdoncd'obteniraufinalun"modèleréduit»delapopulationdedépart,toutaumoinsencequiconcernelescaractéristiquesprisesencompte.4) Lanotiondegroupesdesujets(ougroupesdemesures)4-1)GroupesIndépendants,AppariésetContrôle.Ilexiste2grandstypesdegroupesdemesures:lesgroupesindépendantsetlesgroupesappariés.Ladistinctionentrecestypesdegroupessefaitauniveaudumodederécoltedesmesures.Aces2typesprincipaux,ilestcependantnécessaired'ajouteruntroisième:legroupecontrôle.GroupesIndépendantsOnparledegroupesindépendantslorsqu'ungroupedesujetsdifférentestattribuéàchaqueconditionexpérimentale(autrem entditàchaquemodalitédelaVIoucrois ementdemodalitésdesVI).Groupesappariés(ouàmesuresrépétées)Aucontrair e,onparledegroupesappari éslors quelesmesuressontle résultatdel'observationdesmêmessujetspassantl'ensembledesmodalitésd'uneVIparticulière.GroupescontrôlesOnappelle groupecontrôleung roupedeparticipantsaff ectésàuneconditionexpérimentaleoùlavariableindépendanten'intervientpas.Laperformance(lesmesures;VD)obtenueàpartirdecegroupesertdoncdegroupederéférence(voustrouverezparfoisleterme" niveaudebase»ou" lignedebase»)etperm et(en comparantlegroupe contrôleetlesgroupesexpérimentaux)devérifierl'impactoccasionnéparlaVI.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41211 4-2)Choixdustatutdesgroupesdemesures:avantagesetinconvénientsD'unemanièregénérale,ilesttoujourspréférabledeconserverlesmêmesparticipantsafindeleso bserverdans lesdifférentesconditionsexpérim entales(m esuresrépétées).Ceprocédédecomparaisondit"intra-sujets»permet:♦ D'économiserlenombredesujetslorsqu elesef fectifssontrestreints. Ilestcependantnécessairederecruterdessujetsquinesoientpastropdifférentslesunsdesautres.♦ Deréduir elesvariationsinterindi viduellesno ncontrôlables,toujoursp lusimportantesquelesvariationsintraindividuelles.Chaquesujetétantdanscecassonproprecontrôle,ondétecteplusfacilementl'impactdelavariableindépendantesurlamesure.Cependantl'usagedegroupesindépendantspeutsejustifier(ouestrendunécessaire)danscertainescirconstances:♦ Pouréviterles effetsd'ordre,d' apprentissage oud'interférencee t,plusgénéralementlorsquel'administrationdeplusieursniveauxdelaVIrisque,pareffetrésiduel,deproduireunemodificationdelamesure(etdoncdediminuerlavaliditéinternedelarecherche).♦ Lorsquel'onutilisedesvariablesinvoquéesoudetype"personnalité»(âge,poids,sexe,introversion/extraversion,etc.).Lavariabledépendanteestalorsabordéedemanièrecorrélationnelle,l'impossibilitéestdoncicid'ordretechnique.5)Combinaisondeplusieursvariablesindépendantes:lesinteractions.Uncomportement,unétatmentalouunprocessusmentaln'estengénéralpasinfluencéparuneseulecomposantedel'environnementoudelapersonnalitédesindividus.Nousl'avonsvu,s'ilestpossibledeneutralisercertainesvariablesparl'utilisationdestechniquesappropriées,maisilestaussipossible(etc'estlebutdelaméthodeexpérimentale)demanipulercertainesvariables:ellesprennentalorslestatutdevariableindépendante.Or,dèsquel'onmanipuleplusd'unevariableindépendante(cequiestlecasdelaplupartdes
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41212 recherchesenpsychologie),ilestnécessairedeprévoirdesmoyensquinouspermettronsd'analyserleseffetsconjointsdesVI,autrementdit:lesinteractions.5-1)Définitiondel'interactionOnditqu'ilyainteraction"lorsquelefaitdechangerlamodalitéd'uneVImodifiel'influencedel'autreVIsurlaVD».5-2)Etconcrètement?:Exempleetreprésentationgraphique.Ilests ansdoute plusaiséde comprendrelad éfinitiondel'i nteractionàpartirde lareprésentationgraphique"type»d'uneinteraction:l'interactiondite"croisée».Admettonsquel'onchercheàévaluer,chezlepingouin,l'impactdelaprésenceoul'absencedujoggingmatinal(lorsquel'oursblancafaim...)etdunombredesardinesingérées(3vs15)surlavitessedenagedelagrandecoursedusamedi.Lesrésultatssontlessuivants:SiL'onregardecegraphiqueonpeutextraireplusieursinformations:♦ Lesensdel'effetprincipaldel'activitématinale:lespingouinsnagentaussivitelorsqu'ilsfontdel'exercicelematinquelorsqu'ilsn'enfontpas(onconsidèreicilesmoyennesrelativesàlaVI"Activitématinale»enc omparantla moyennedelamodalitéjoggingàcelledelamodalitépasdejogging).♦ Lesensdel'effetprincipaldunombredesardinesingérées:lespingouinsnagentaussivitelorsqu 'ilsonting éré3sardinesquelorsqu'ilsen ontingéré 15(onne
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 T1 T2 Vitesse de nage en m/s Activité matinale
Vitese de nage du pingouin en fonction de l'activité physique matinale et du nombre de sardine ingérées
M1 M215 S Jogging Pas Jogging 3 S.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41213 s'intéressecettefois-ciqu'aux moyennesquico ncernentlaVI"Nombredesardines»).♦ Lesensdel'interactiondel'activitématinaleetdunombredesardinesingérées:alorsquelespingouinsquinefontpasdejogginglematinnagentplusvitelorsqu'ilsontleventreplein(15sardines)quelorsqu'ilsontleventrevide(3sardines),lespingouinsquifontdel'activitélematin,eux,sontplusperformantslorsqu'ilsn'ontmangéque3sardinesquelorsqu'ilsenontmangé15.NB:lefaitdeprendreencompteplusieursVIdansunerecherchenesignifiepasforcémentqu'ilyaitinteraction.Celasignifieseulementqu'uneinteractionestpossible,envisageable,etqu'i lfautdoncsepose rlaquesti ondesaprésen ceéventue lle.Laseulemaniè rede répondredemanièredéfinitiveàlaquestiondelaprésenced'uneinteractionpasseparl'utilisationdeméthodesstatistiques(enparticulierl'analysedevariance,quivapermettrededéfinirsiuneinteractionestsignificativeounon).5-3)Lesdifférentstypesd'effetssPourabordercettepartie,ilestnécessaired'avoirunereprésentationclairedecequesontuneffetprincipaletuneffetd'interaction.Effetprincipal:Onentendpareffetprincipal,l'effetd'uneVIsuruneVD.Autrementdit,ons'attendàcequelesrésultatsobtenussurlamesure(VD)soientdifférentsenfonctiondesmodalitésdelaVI.Effetd'interaction:Nousl'avonsdit,ilyainteractionentre2VI(ouplus)lorsquelefaitdechangerlamodalitédel'unedesVImodifiel'effetde(s)l'autre(s)VIsurlaVD.Ceteffetd'interactiondesVIsurlaVDpeut-êtredetypeadditifounonadditif.Pourillustrerlesdifférentespossibilités,nousconsidèrerons2VIà2modalités:VI1:Typedetruc(T1etT2)VI2:Typedemachin(M1etM2)VD:Nombremoyendebidules
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41214 a) Actiond'uneseulevariable(Fig.A)Iciseulletypedemachinauneffet:lenombredebidulesestplusélevéenmodalitéM1qu'enmodalitéM2(M1>M2)alorsqueletypedetrucn'apasd'effet(T1=T2).b) Actionséparéedechaquevariable(Effetadditif;Fig.B)L'actioncombinéedesdeuxVIcorrespondàlasommedel'effetséparédechaquevariable.C'estenconditionmachinM1ettrucT2quelenombredebidulesestleplusélevé,paradditiondel'actiondechaquevariable.c) Interactiondesdeuxvariables(Effetnonadditif;Fig.C,D&E)*L'actiond'unevariableestinverséeparlesmodalitésdel'autre(Fig.C).LemachinM1engendreunnombresupérieurdebidulesavecletrucT1queletrucT2.Inversement,le
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 T1 T2 NOmbre moyen de bidules Type de truc
Fig. A: Nombre de bidules en fonction du type de truc et du type de machin M1 M2 0 1 2 3 4 5 6 T1 T2 Nombre moyen de bidules Type de truc Fig. B: Nombre de bidules en fonction du type de truc et du type de machin M1 M2J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41215 machinM2entraîneraunnombreplusimportantdebidulesavecletrucT2qu'avecletrucT1.*L'actiond'unevariableestannuléeparl'unedesmodalitésdel'autre(Fig.D).L'actiondutypedetrucestnullepourlemachinM2,maisletrucT2combinéaumachinM1engendreunnombredebidulesplusimportantqueletrucT1combinéaumachinM1.*Unevariableaplusoumoinsd'effetselonlamodalitédel'autrevariable(Fig.E).
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 T1 T2 Nombre moyen de bidules Type de truc
Fig. C: Nombre de bidules en fonction du type de truc et du type de machin M1 M2 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 T1 T2 Nombre moyen de bidules Type de truc Fig. D: Nombre de bidules en fonction du type de truc et du type de machin M1 M2J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41216 LadifférenceentrelesmachinsM1etM2,entermedebidules,seraplusimportantedanslaconditiontrucT2quedanslaconditiontrucT1.6) Lesplansd'expérience.Construireunpland'expérienceéquivautàlamiseenplaced'unestratégiequivapermettredemaximiserlaprobabilitédedétecterleseffetsréelsdesVIsurlaoulesVD,maisaussideminimiserlaprobabilitéqueles conc lusionstiréespuissentêtredue sàl'influen cedevariablesnoncontrôlées.Onpeutclasserlestypesdeplansenfonctionde2facteurs:ledegrédecontrôledessituationsconsidéréesetlescaractéristiquestechniques.6-1)Degrédecontrôledessituations:Distinctionplanexpérimentaletplansquasi-expérimentalOnparledeplanexpérimentalausensstrictlorsquetouteslesVIquicomposentlepland'expériencesontprovoquées,donclorsquel'onauncontrôlemaximalsurlessourcesdevariation.LorsqueleplancomporteaumoinsuneVIdetypeinvoqué(surlaquelleonnedisposequed'uncontrôlelimité),leplanestalorsditquasi-expérimental.6-2)LesprincipauxtypesdeplansenfonctiondescaractéristiquestechniquesApartir descaractéristiq uestechnique s,onpeutclasserlesplansexpérimentaux en2grandescatégories:♦ Lesplansàunevariableindépendante,àgroupesindépendantsouappariés.♦ LesplansàplusieursVI,àgroupesindépendants,appariésoumixtes.
0 1 2 3 4 5 6 T1 T2 Nombre moyen de bidules Type de truc
Fig. E: Nombre de bidules en fonction du type de truc et du type de machin M1 M2J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41217 LesplansàplusieursVIpeuventeuxmêmeêtresubdivisésenplansditsfactoriels,encarrélatinouencoreencarrégrécolatin.Nousnouslimiteronsiciauxplansfactoriels,quisontlesplansquevousrencontrerezleplussouvent.A)LesplansàunevariableindépendanteLesplansàunevariableindépendantesontlesplanslesplussimples.IlsfontinterveniruneseuleVIayantaumini mum2 modalités. Ilexi stedeuxtypesdeplansàu nevari ableindépendante:lesplansàuneVIàgroupesindépendantsetlesplansàuneVIàgroupesappariés.1) Lesplansàgroupesindépendants(ouplansinter-sujets). Définition.Unpland'expérienceestditàgroupesindépendantslorsquelesmesuressontprisessurautantdegroupesqu'ilyademodalitésàlavariable.Autrementdit,dansunplanàgroupesindépendantsungroupedesujetsne passequ 'unedesmodalitésdel avariable indépendante.Ilsnepassentainsi"qu'unepartie»del'expérience.Danscetypedeplanslescomparaisonsportentsurlaperformancemoyennedesdifferentsgroupes(doncentrelesrésultatso btenusauniveaudechaq uemodalitédelaVI,autr ementd itdechaqueconditionexpérimentale).2. Lesplansàmesuresrépétées(ouplansàgroupesappariésouintra-sujets). Définition.Onparled egroupesappari éslorsqu etouslessujetspassentp artouteslesconditions expérimentales.Lacomparaisons'effectuesurunmêmegroupedeparticipantsquiseprêteàtouteslesmodalitésdelaVI.Autrementdit,lorsquetouslessujetssubissenttouteslesmodalitésdelaVI.Danscecas,l'impactdelaVIpourunsujetn'estplusmesuréparrapportàlaperformancemoyennedugroupe(commedanslesplansàgroupesindépendants)maisrelativementàsap erf ormance moyenne,calculéeensommantl'in fluencedetouslestraitements.Ainsi,ilestpossibled'observerlaperformancedechaquesujetdanschacunedesconditionsexpérimentales.B)LesplansàplusieursVI.1) Définition.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41218 Dansuncontextenatureluncomportement,unétatmentalouunprocessusmentalestrarementleproduitd'uneseulecause,maisplutôtceluidelacombinaison,del'interactiondeplusieurscausesoufacteursouvariables.Lechercheursedoitdoncdetenircomptedeceséventuellesinteractionsdanssonexpérimental.Onparlealorsdeplanfactoriel(oufischérien).Lesplansfactorielssontdestinésàmettreenévidenced'unepartleseffetsrespectifsdechaqueVIsurlaVD:onparlealorsd'effetssimplesoud'effetsprincipauxetd'autrepartleurséventuellescombinaisonsenfonctiondesdifférentesvaleursoumodalitésdesVI:onparlealorsd'effetd'interaction1.UnplanfactorielpermetdoncdereprésenteretdetestertouteslescombinaisonspossiblesentrelesdifférentesmodalitésdesVI.Unplanfactorielétantcaractériséparlaprésenced'aumoinsdeuxVI,ilpeutsedéclinerselontroisformesenfonctiondutypedesgroupesdemesures.Unplanfactorielpeutdoncêtreàgroupesindépendants(composéuniquementdegroupesdemesuresindépendants),àgroupesappariés(ouàmesuresrépétées),ouencoremixte(lorsqueleplancombinedesgroupesindépendantsetdesmesuresrépétées).2) Petiteparenthèseconcernantleplanmixte...Cetypede plancombin edesgro upesindépe ndants(VIintersujets)etde smesuresappareillées(VIintrasujets).Ilcomprendaumoinsquatreconditionsexpérimentalesissuesducroisementde2VIàdeuxmodalités.Dansceplanminimal,deuxgroupesindépendantsdesujetssontsoumisàdeuxconditionsdemesuresrépétées(2conditionsexpérimentales).Danscetypedeplan,commedanslesplansàmesuresrépétées,ilvafalloirporteruneattentionparticulièreauxéventuelseffetsd'ordreoudeséquence.3) Retourauplanfactoriel:unexempleconcret.Leprincipeduplanfactorielconsisteàassociertouteslesmodalitésd'unfacteurauxautresmodalitésdesautresfacteurs .Chacu nedescesasso ciationsdéfinituneconditionexpérimentaleavecuncertaineffectifde sujetsoup articipants. Autrementdit,lepl anfactorielpermetdeconstituerautantdeconditionsexpérimentalesqu'ilyadecombinaisonpossibleentretouteslesmodalitésdesVI. 1 Cf. partie du cours consacrée aux differents types d'interactions.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41219 AvantagesduplanfactorielLeplanfactorielapourprincipalintérêtdepermettredetesterleseffetsd'interactionsdesvariablesindépendantessurlaVD.DéterminationdunombredeconditionsexpérimentalesLorsquel'onconnaîtlenombretotaldeparticipantsainsiqueletypedeplanutilisé,ilestalorstrèsfacilededéterminerlenombredesujetsparsituationsexpérimentales:Dansnotreexemple,ils'agitd'unplanàgroupesindépendants,celasignifiequechaquesujetnepassequeparuneconditionexpérimentaleetuneseule.NousavonsdeuxVIàdeuxmodalitéschacune(T2*D2),oncalculealorslenombredeconditionsexpérimentaleseneffectuantleproduitdunombredemodalitésdechaqueVI.Ainsidonccetteexpériencecomporte2*2=4conditionsexpérimentales.• SiparcontrenousavionsunplancomportantdeuxVIàtroismodalitéschacune,nousaurionsalorsunplandetype3*3=9conditionsexpérimentales.• SinousavionsunplancomportanttroisVIàtroismodalitéschacune,nousaurionsalorsunplandetype3*3*3=27conditionsexpérimentales.• SinousavionsunplancomportanttroisVIdontdeuxàdeuxmodalitésetuneàtroismodalités,nousaurionsalorsunplandetype2*2*3=12conditionsexpérimentales.QuandilyadeuxVIàdeuxmodalités(plan2x2),unsimpletableauàdoubleentréepermetdevisualiserlesdifférentessituationsexpérimentales,c'estàdirelesdifférentscroisementsdesmodalitésdesVI.Prenonsl'exempled'une recherchesurlamémoiredans laquelleons'intér esseàlaperformanceentermederappelenf onctiondu typedematériel appris(F acterurTprovoquéà2modalités:verbalvsimagé)etdeladuréedel'intervallederétention(FacteurD,provoqué,à2modalités:3minutesvs12minutes).
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41220 TypedematérielT1:matérielverbalT2:matérielimagéD1:duréede3minutesM1(n=30sujets)M2(n=30sujets)Duréedel'intervallederétentionD2:duréede12minutesM3(n=30sujets)M4(n=30sujets)Cetableaupermetderécapitulerlesdifférentessituationsexpérimentales.M=valeurpriseparlaVD(icilaperformancederappel),leplussouvent,cettevaleurestunemoyennedegroupe.n=entre()correspondaunombredeparticipantsparconditionexpérimentale.Cetypedeplanpermetderépondreàtroisquestionsenmêmetemps:• LaVD,icilaperformancederappel,dépend-elleuniquementdelaVI1,iciletypedematériel?⇒ComparaisonstatistiqueentreM1etM3/M2etM4• LaVD dépend-elleuniquemen tde laVI2,ic iladu rée?⇒ComparaisonstatistiqueentreM1etM2/M3etM4⇒Icicalculstatistiquedeseffetsprincipaux.• LaVDdépend-elledel'interactionentrecesdeuxfacteurs?⇒ex:M1fonctiondel'interactionentreD1etT1etM2fonctiondel'interactionentreD1etT2.⇒Icicalculstatistiquedeseffetsd'interaction.ReprésentationdesplansexpérimentauxUnplanexpérimentalestgénéralementreprésentésouslaformed'untableauàentréesmultipleset/oud'uneécritureformalisée.Unereprésentationsousformed'unarbrederépartitiondeseffectifsparconditionestaussiparfoisutilisée,maisplusrarement.Nousnenousattarderonspassurlareprésentationsousformedetableau,quineprésentepasdedifficultésparticulières,pourpasserdirectementàl'écritureformalisée.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41221 1) L'écritureformalisée.1-1) Définition.L'écritureformaliséed'unplandonnedesinformationspourletraitementstatistiquedesdonnées.Ilprécisel'effectifdessujetsetindiques'ils'agitd'unplanàgroupesindépendants,d'unplanàmesuresrépétéesoud'unplanmixte.Formule:Sn<>oùn=nombredesujetsparcaseetoù<>=emboîtement(grindépendants).Sn*oùn=nombredesujetsautotaletoù*=croisement(grappariés).L'écritureformaliséed'unplanmixtecombineemboîtementetcroisement.Dansnotreexemplesurlamémoire,nousavonsaffaireàunplanfactorieldetype2*2:♦ Sil'onc onsidèrecepl ancommeétantunplanàgroupesin dépendants, alorsl'écritureformaliséeseprésenteradelafaçonsuivante:S30
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41222 LesHypothèses1) Leshypothèsesgénérales(ouencorehypothèses"detravail»ou"théoriques»)Définition:Ils'agi td'unereprése ntationabstraiteexplicati veet/ouprédictivedel'exi stenced'unerelationentredeuxfaits oudeuxensemb lesdefaits.Dan slecadrede laméthod eexpérimentale,lespremiersfaitsfontréférenceàlacauseetlessecondsauxconséquences.Leshypothèsesgénéralesproviennentlaplupartdutempsdesconnaissancesduchercheursurledomaine,surlaquestion,oud'uneobservationantérieure.Cegenre d'hypothèsepermet d'élargir(degénéraliser)lesfaits établispard'autres chercheursou,aucontraire,derestreindrelaportéedeconclusionsantérieurespourlespréciser.Utilité:Leshypothèsesgénéralespermettentdeguideruneréflexionapprofondiedansundomainedonné.Ellespermetten tégalementdefixer desobjectifsderecherc heetdechoisirlesméthodesadéquates.Caractéristiques:L'hypothèsegénéraledoitfourniruneréponse(parfoispartielleetsouventprovisoire)àlaquestionderecherchequel'onsepose.Elledoitêtrevérifiableàl'aidedestechniquesdontdisposelechercheur(sinonelleresteunepurespéculation).Exemplesdeformulation:Effetd'uneVI:• Quandunindividujugelecomportementd'autruidansuntempslimité,ildonneraplusd'importanceauxfacteurspersonnelsquesituationnels• Letypedestéréotypeinduitvavoiruneffetsurlejugementderesponsabilitéportéparunindividusurunautre.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41223 EffetdeplusieursVI:• Lecomportementd'unepersonneserajugéenfonctiondesavalenceetdudegrédesimilaritéperçueentrelapersonnecibleetleparticipant.• L'expertisedujugeetlaprésenced'informationscatégoriellesvontavoirunimpactsurleprocessusdedécision.2) Leshypothèsesopérationnelles(ouhypothèses"derecherche»)Définition:Leshypothèsesopérationnellessontlatraductiondeshypothèsesgénéralesdansuncadreconcret,celuid'unerechercheparticulière.Lami seenplacedelarecherchedoitdonc permettredevérifierceshypothèses.Utilité:Leshypothèsesopérationnellesprécisentl'étatdesvariablesutiliséesdanslarecherche.Ellespermettentde mettreenexergueleseff etssimplesdesvariable s,maisaussi leséventuelseffetsd'interaction.Caractéristiques:Leshypothèse sopérationnellesfontapparaîtrele sdifférentesmodalitésdela(les)variable(s)indépendante(s)etlavariabledépendanteconsidérée.Engénéral,leshypothèsesopérationnellesprécisentégalementlesensdelarelationattendue.Exemplesdeformulation:Effetsprincipaux• Lorsqueletempsdejugemen testcourt (2minutes),l esexpli cationsdonnéesaucomportementd'autruidevraientêtreplusinternesquelorsqueletempsdejugementestlong(15minutes).[=>effetprincipaldelaVItempsdejugement(courtvslong)surlesVDexplicationsducomportementd'autrui]• L'évaluationdudegréderesponsabilitédevraitêtreplusélevélorsquel'onaffecteunstéréotypenégatifàlapersonneciblequelorsqu'onluiaffecteunstéréotypepositif.[=>effetprincipaldelaVItypedestéréotype(positifvsnégatif)surlaVDévaluationdudegréderesponsabilité]
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41224 Effetsd'interaction• Uncomportementdevalencenégativedevraitêtrejugédemanièreplussévèrequ'uncomportementdevalencepositive.Ceteffetdevraitêtreplusmarquélorsqueledegrédesimilaritéentrelapersonnecibleetleparticipantestfaiblequelorsqu'ilestfort.[=>effetadditifdesVIvalenceducomportement(positivevsnégative)etdudegrédesimilaritéentreleparticipant etlacible(élev évsfai ble)surlaVDsévéritédu jugement]• Lesexpertsvontavoirtendanceàjugerlesindividusdemanièreplusrapidequelesnovices.Cetef fetdevraitêtre d'autantplusmarquélor squ'ilsdis posentd'informationscatégoriellesquelorsqu'ilsn'endisposentpas.Rédaction"Economique»:Silesattentesd'effet(s)dela(des)VI(s)sontidentiquespourplusieursdesVDconsidérées[etpouréviterderépéter5foislamêmehypothèseennechangeantdanslaformulationquelenomd elaVD] ilestpossib le(etadmi s,vo irerecommand é)defo rmulerle shypothèsesdemanièrerésumée.Cecis'appliqueaussibienauxhypothèsesd'effetssimplesqu'auxhypothèsesd'interactions.Exemple:Ons'attendàcequel'attributiondesanction,deblâme,decausesinternesetdetraitsdepersonnaliténégatifssoitplusimportantelorsquelesujetestdotéd'unstéréotypenégatifqued'unstéréotypepositif.
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41225 Statistiques,FormatdufichierdedonnéessurExceletNormesbibliographiquesDansunsoucidesimplicité(etderapidité...),l'Anovaesticiabordéedanssesgrandeslignesetdem anièretrès "pragmatique».Pour plusdedétails "statistiques»,jevous recommandelelivred'HervéAbd iintitulé "Introductionautraitementdesdon néesexpérimentales».Définition:qu'est-cequ'uneAnova?UneAnova(ouanalysedevariance)estunteststatistiqueparamétriquequipermetdecomparerdesmoyennesetdedéterminersicesmoyennesdiffèrentsignificativement.L'Anovaapourparticularitédecomparerlesmoyennesentenantcomptedelavariancedanssesestimations(d'oùsonnom).Ils'agitenfaitdefaireunrapportentrevariance(s)interconditionsetvariance(s)intraconditions.Autrementdit,ils'agitdevoirsiladispersiondesmesuresestplusimportanteentrelesconditionsqu'àl'intérieurdesconditions.Exempletypedetableaud'Anova.VoicidesexemplesdetableauxdonnésparlelogicielStatistica:TableaudemoyennecorrespondantMoy.(nonpondér.)F(1,92)=,38;p<,6829SC_ANAGSempa....6,51666689cpt....6ANOVA/MANOVA;SynthèsedetouslesEffets;plan:1-CONDITXT,2-TYPECTRLdlEffetMCEffetdlErreurMCErreurFniveaup112,16690063925,657267570,383029550,682874862124,4841919925,657267574,327918050,040272431216,52309275925,657267571,153046490,32019269
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41227 DonnéessousExcelDictionnairedesvariablesAvanttoutechoseilestnécessairedeconstruirecequel'onappelleundictionnairedesvariables.Cedictionnairedoi tpermettre d'identifierlescodesdesdiffér entesvariable sfacilement.Ildoitcontenirauminimum:• Lenomdesvariables(VIetVD)• Lenomrésumédechaquevariable(7caractèresmaximum)• LecodagedesVD(ex:"valeurde1à7»;"Hpourhomme,FpourFemme»,etc.)Letoutdoitidéalementseprésentersouslaformed'untableaureprenantlesdifférentesvariablesenligneetlescatégories(nomrésumé,codage...)encolonnes.FichierExcelPourlefichierdesaisiedesdonnées,leplussimpleestdeformer4tableauxindépendants,autrementdituntableaupar condition expérime ntale.Chacunde cestableaux auraunformatdutypeSujetsenligneetVariablesencolonnes.SujetVI1VI2VD1VD2...VDn12....n(Rq:Memettreàchaquefoisunelignedetitreredonnantlaconditionexpérimentaledontils'agit)Danslescases"VI»doiventapparaîtrelecodedesmodalitésDanslescases "VD»doiv entapparaîtrelesvaleurs issuesdesquestionn aires(ex:le numérode1à7danslecasd'uneéchelleen7points).
J.-B.LégalContact:jb.legal@laposte.netUniversitéParisOuest-NanterreBureauC41228 Normesd'écrituredelaBibliographieLesnormesutiliséeslamajeurepartiedutempsenPsychologiesontlesnormesdel'APA(AmericanPsychologyAssociation).Voicilesnormesàsuivrepour:• Unarticleissud'unerevue:Erdley,C.A.,&D'Agostino,P.R.(1988).Cognitiveandaffectivecomponentsofautomaticprimingeffects.JournalofPersonalityandSocialPsychology,54,741-747.• UnchapitredelivreHiggins,E.T.,&Brendl,C.M.(1995).Accessibility,applicability,andsalience.InE.T.Higgins&A.Kruglanski(Eds.),Socialpsychology:Handbookofbasicprinciples(pp.133-169).NewYork:Guilford.• UnlivredanssatotalitéWyer,R.S.,&Srull,T.K.(1989).Memoryandsocialcognitioninitssocialcontext.Hillsdale,NJ:Erlbaum.
quotesdbs_dbs47.pdfusesText_47