Herzlich Willkommen
 
Deutsch Français English

Méthodes quasi-expérimentales

A la différence d’une expérience, les participants d’une quasi-expérience ne sont pas répartis de façon aléatoire sur le groupe d’intervention et le groupe de contrôle. C’est-à-dire qu’on examine des groupes existant naturellement, non-randomisés (p. ex. deux classes d’élèves différentes). Cette répartition non-aléatoire ne peut pas exclure que les deux groupes se distinguent par des caractéristiques ayant une influence sur ce que l’on souhaite mesurer. Par conséquent, lors de l’interprétation de différences entre les groupes, on ne peut pas être certain que la différence est due au ‘traitement’ (l’intervention à évaluer).

Méthode quasi-expériementale avec un groupe contrôle (non-randomisé)

Mesure unique avec une groupe de contrôle non-randomisé :
  • GI :    X   --> O
  • GC : (Xk) --> O

  • Exemple : On fait travailler un groupe (GI) d’apprenants sur le thème z avec un didacticiel, puis on mesure une caractéristique pertinente, p. ex. les connaissances sur le thème z. La même mesure est également effectuée auprès d’un groupe de contrôle (GC) n’ayant pas appris avec le didacticiel (ou qui a reçu un ‘traitement de contrôle’ (XC), qui a donc p. ex. appris avec un autre support pédagogique). Si la mesure auprès du GI donne une ‘meilleure’ valeur qu’auprès du GC, on peut affirmer avec plus d’assurance que dans le cas d’une mesure unique sans groupe de contrôle (cf. infra) que le programme d’apprentissage a eu un effet. Il faut cependant savoir que les groupes présentaient peut-être déjà avant le traitement des différences concernant une caractéristique qui est liée d’une façon ou d’une autre à la caractéristique en question (connaissances) !

Mesure avant - après avec un groupe contrôle non-randomisé:
  • GI :  O --> X    --> O
  • GC : O --> (Xk) --> O
  • Exemple : On fait travailler un groupe (GI) d’apprenants sur un thème z avec un didacticiel, et on mesure avant et après une caractéristique pertinente, p. ex. les connaissances sur le thème z. Les mesures avant et après sont également effectuées auprès d’un groupe de contrôle (GC) n’ayant pas appris avec le didacticiel (ou qui a reçu un ‘traitement de contrôle’ XC), qui a donc p. ex. appris avec un autre support pédagogique). Par rapport à la mesure unique, cette méthode présente l’avantage que la performance d’apprentissage peut être mesurée de façon fiable en établissant la différence entre avant et après. Mais dans ce cas aussi, lors de l’interprétation de différences entre les groupes, il faut savoir que les groupes présentent peut-être des différences systématiques non seulement par rapport au traitement !
  • !

Méthode quasi-expérimentale sans groupe contrôle

Mesure unique sans groupe de contrôle :
  • X (traitment) --> O (mesure)
  • Exemple : On fait travailler un groupe d’apprenants sur le thème z avec un didacticiel, puis on mesure une caractéristique pertinente, p. ex. les connaissances sur le thème z. Dans de nombreux cas, cette méthode d’analyse est problématique car elle ne permet pas de répondre à la question de savoir si la caractéristique (connaissances) est vraiment due au traitement (didacticiel). Parfois, il est toutefois possible de déduire un effet du traitement, p. ex. lorsqu’on peut supposer, en raison du programme d’enseignement en vigueur, que les apprenants ne savaient rien du thème z. Le fait qu’il n’y ait pas de valeur de comparaison reste en revanche problématique. Même lorsqu’on peut démontrer que quelque chose a été appris, il se pose toujours la question de savoir si l’on a appris « beaucoup’ ou ‘peu’, ‘bien’ ou ‘mal’.
 
Mesure avant - après sans groupe contrôle:
  • O --> X --> O
  • Exemple : On fait travailler un groupe d’apprenants sur le thème z avec un didacticiel, et on mesure avant et après une caractéristique pertinente, p. ex. les connaissances sur le thème z. Par rapport à la mesure unique, cette méthode présente l’avantage que la performance d’apprentissage peut être mesurée de façon fiable en établissant la différence entre avant et après. Mais l’amélioration des valeurs entre la première et la deuxième mesure ne peut être interprétée comme un effet du traitement (X) que s’il n’existe aucune autre explication plausible !
 
© 2009 ETH Zürich und Université de Fribourg (CH)
top