Décrivez les trois étapes cruciales : la réduction des données, la présentation des

données et la formulation de conclusions.

Fiabilité et validité :

- Reconnaître les significations distinctives de la fiabilité et de la validité dans la

recherche qualitative.

- Comprendre comment atteindre la fiabilité et la validité dans la recherche

qualitative.

Données qualitatives :

Définition :

- Les données qualitatives se présentent sous forme de mots.

Sources :

- Peuvent être obtenues de diverses sources telles que des individus, des groupes
de discussion, des archives d’entreprise, des publications gouvernementales et
Internet.

Objectif de l’analyse :

- L’analyse vise à tirer des inférences valides à partir de vastes ensembles de

données collectées.

Réduction des données :

Processus :

- La première étape implique la réduction des données par le codage et la

catégorisation.

Codage :

- Processus analytique de réduction, de réarrangement et d’intégration des données

qualitatives pour former une théorie.

- Processus itératif, retour aux données pour une compréhension accrue.

Catégorisation :

- Organisation, arrangement et classification des unités de codage.

- Peut être développée de manière inductive ou déductive.

Présentation des données :

Définition :

- Deuxième activité majeure dans l’analyse des données qualitatives.

- Implique la présentation des données réduites de manière organisée et condensée.

Méthodes :

- Tableaux, matrices, diagrammes, graphiques, ou formulation de conclusions.

- La matrice est souvent considérée comme appropriée.

Objectif :

- Facilite la formulation de conclusions basées sur les motifs affichés.

Formulation de conclusions :

Activité analytique finale :

- La formulation de conclusions est l’essence de l’analyse des données qualitatives.

- Répond aux questions de recherche en déterminant les thèmes identifiés, les

explications ou en faisant des comparaisons.

Fiabilité et validité en recherche qualitative :

Différences de définition :

- La fiabilité et la validité ont des significations différentes en recherche qualitative

par rapport à la recherche quantitative.

Fiabilité :

- Inclut la fiabilité des catégories et la fiabilité interjuges.

Fiabilité des catégories :

- Dépend de la capacité de l’analyste à formuler et présenter des catégories.

- Relate à la capacité des juges de classer les données qualitatives en utilisant des
définitions de catégories.

Fiabilité interjuges :

- Cohérence entre les codeurs traitant les mêmes données.

Validité :

Définition :

- Mesure de la mesure dans laquelle un instrument mesure ce qu’il prétend

mesurer.

Méthodes pour atteindre la validité :

- Soutenir les généralisations par des comptes d’événements.

- Assurer la représentativité des cas et exclure les cas déviants.

- La triangulation en tant que technique associée à la fiabilité et à la validité.

Autres méthodes de collecte et d’analyse des données qualitatives :

Analyse de contenu :

- Évalue systématiquement le contenu symbolique des communications enregistrées.

 - Utilisée pour analyser des journaux, des sites web, des entretiens, etc.

Analyse conceptuelle et relationnelle :

- L’analyse conceptuelle établit l’existence et la fréquence des concepts.

- L’analyse relationnelle examine les relations entre les concepts dans un texte.

Analyse narrative :

- Se concentre sur les histoires racontées sur les individus et leurs implications pour
leur vie.

- Implique la collecte de données narratives via des entretiens.

Induction analytique :

- Recherche des explications universelles grâce à la collecte de données qualitatives.

- Les hypothèses sont testées avec des cas, et des cas incohérents peuvent conduire
à la modification des hypothèses.

Analyse des données quantitatives

Objectifs :

- Coder et entrer les réponses aux entretiens.

Modifier les réponses aux entretiens.

- Gérer les omissions.

- Transformer les données.

- Créer un fichier de données.

- Se familiariser avec les données.

- Tester la qualité des données.

Préparation des données pour l’analyse :

Étapes préliminaires :

- Assurer l’exactitude, l’exhaustivité et la pertinence pour l’analyse.

Étapes :

- Codage, saisie des données, édition et gestion des omissions.

**Codage et saisie des données :**

- **Codage des données :**

- Attribution de nombres aux réponses des participants.

- Confort des enquêtes électroniques pour une saisie directe sur ordinateur.

Codage des réponses :

- Codage des variables démographiques et vérification de l’exactitude.

Saisie des données :

Processus :

- Saisir les réponses codées dans une base de données.

- Des logiciels tels que SPSS sont couramment utilisés.

Édition des données :

Objectif :

- Détecter et corriger les données illogiques, incohérentes ou manquantes.

- Assure l’exactitude des données.

Transformation des données :

Définition :

- Modification de la représentation numérique originale d’une valeur quantitative.

- Nécessaire pour combiner les scores sur plusieurs questions mesurant un seul
concept.

Se familiariser avec les données :

Méthodes :

- Résumé visuel, vérification de la tendance centrale, de la dispersion et examen

des relations entre les variables.

Statistiques descriptives :

- Fréquences, mesures de la tendance centrale et de la dispersion.

Fréquences :

Définition :

- Nombre de fois où des sous-catégories d’un phénomène se produisent.

Fournit le pourcentage et le pourcentage cumulatif d’occurrence.

Mesure de la tendance centrale et de la dispersion :

- Mesures :

- Moyenne, médiane, mode, étendue, variance, écart-type et plage interquartile.

Relation entre les variables :

- Nature des relations :

- Compréhension des relations bivariées entre les variables utilisées dans l’étude.
Tests :

- Tests non métriques pour une échelle nominale ou ordinale.

- Matrice de corrélation pour des variables de type intervalle et/ou ratio.

Analyse de régression :

- Régression simple :

- Utilisée lorsqu’une variable indépendante affecte une variable dépendante.

- Représentée par une équation de régression linéaire.

Régression multiple :

- Objectif :

- Évaluer le degré et la nature de la relation entre les variables indépendantes et

dépendantes.

- Les coefficients de régression indiquent l’importance relative de chaque variable

indépendante.

Analyse conjointe :

- Définition :

- Technique statistique impliquant des compromis.

- Évalue des produits ou services en fonction des choix des participants.

ANOVA à deux facteurs :

Objectif :

- Examine l’effet de deux variables indépendantes non métriques sur une seule
variable dépendante métrique.

- Analyse des effets principaux et de l’interaction entre les variables indépendantes.

MANOVA :

- **Comparaison avec l’ANOVA :**

- Teste les différences moyennes entre les groupes sur plusieurs variables
dépendantes simultanément.

- Utilise des sommes de carrés et des matrices de produits croisés.

Corrélation canonique :

- Objectif :

Examine la relation entre deux ou plusieurs variables dépendantes et plusieurs

variables indépendantes.
- Conclusion :

- Diverses techniques univariées, bivariées et multivariées sont disponibles pour

l’analyse.

- Le choix de la technique correcte dépend des variables, de l’échelle de mesure, des

hypothèses et de la taille de l’échantillon.

Méthodes de collecte de données : Questionnaire par Ali Belaidi

Objectifs :

- Concevoir des questionnaires pour diverses variables.

- Évaluer les questionnaires en différenciant les bonnes et mauvaises questions.

- Comprendre les problèmes de recherche interculturelle.

- Prendre des décisions logiques sur les méthodes de collecte de données dans la
recherche par enquête.

- Connaître les avantages et inconvénients de chaque méthode.

- Prendre des décisions logiques pour les méthodes de collecte de données

spécifiques à une étude.

Types de questionnaires :

- Ensemble prédéfini de questions écrites.

- Efficace pour des études descriptives ou explicatives.

- Collecte de grandes quantités de données quantitatives.

- Administré en personne, par courrier ou électroniquement.

Questionnaires administrés en personne :

- Adaptés aux enquêtes locales.

- Collecte rapide de données avec clarification immédiate.

- Opportunité d’introduire le sujet et de motiver les répondants.

Inconvénients des questionnaires administrés en personne :

- Risque de biais à travers des explications différentes.

- Les répondants peuvent répondre différemment de ceux qui reçoivent des

questionnaires par courrier.

- Chronophage et exigeant en efforts.

Questionnaires par courrier et électroniques :

- Couvrent de vastes zones géographiques.

- Envoyés aux répondants pour une complétion pratique.

- Taux de retour généralement faibles (30 % considérés acceptables).

- Capacité limitée pour clarifier les doutes des répondants.

- Des techniques peuvent améliorer les taux de réponse.

Directives pour la conception de questionnaires (QD) :

- Se concentrer sur la formulation, les problèmes de planification et l’apparence

générale.

- Minimiser les biais dans la recherche.

Principes de la formulation

Niveau de sophistication correspondant à la compréhension des répondants.

Contenu et objectif de la question :

- La nature de la variable détermine le type de question.

- Définissez clairement l’objectif de chaque question.

Langage et formulation de la question :

- Adaptez le langage à la compréhension des répondants.

- Assurez-vous de la clarté pour éviter toute interprétation erronée.

Types et forme de question :

- Ouverte ou fermée.

- Formulée de manière positive ou négative.

Questions ouvertes versus fermées :

- Les questions ouvertes permettent des réponses libres.

- Les questions fermées facilitent la prise de décision rapide et la facilité d’analyse.

Questions formulées de manière positive et négative :

- Incluez les deux pour minimiser les biais de réponse.

Questions à double question :

- Évitez les questions pouvant susciter différentes réponses.

- Privilégiez des questions distinctes pour plus de clarté.

Questions ambiguës :

- Assurez-vous que les questions sont clairement comprises pour éviter des
réponses biaisées.

Questions dépendantes du rappel :

- Tenez compte de la capacité du répondant à se souvenir d’expériences.

Questions suggestives :

- Évitez des formulations qui influencent les réponses souhaitées.

Questions tendancieuses :

- Évitez des formulations émotionnellement chargées.

Désirabilité sociale :

- Évitez les questions qui suscitent des réponses socialement souhaitables.

- Incluez des éléments pour mesurer la tendance à la désirabilité sociale des

répondants.

Longueur des questions :

- Privilégiez des questions simples et courtes.

Séquencement des questions :

- Guidez les répondants des questions générales aux questions spécifiques et

faciles aux difficiles.

Données de classification ou informations personnelles :

- Incluez uniquement les informations personnelles nécessaires.

- Utilisez des systèmes numériques pour l’anonymat.

Principes de mesure :

- Suivez l’échelle et les techniques de cotation pour des données précises.

Évaluer la fiabilité et la validité.

Aspect général du questionnaire :

- Accordez de l’attention à l’apparence.

- Un design soigné, une introduction appropriée, des instructions claires et des

questions bien alignées facilitent l’engagement des répondants.

Une bonne introduction :

- Identifiez clairement le chercheur.

- Révélez l’objectif de l’enquête.

- Établissez un rapport avec les répondants.

Organisation des questions, instructions claires et bon alignement :

- Organisez logiquement les questions.

- Fournissez des instructions claires pour chaque section.

- Assurez un alignement soigné pour une lecture et une réponse faciles.

Échantillonnage par Ali Belaidi

Objectifs :
- Définir l’échantillonnage, la population, l’élément, l’unité d’échantillonnage et le
sujet.

- Décrire le processus d’échantillonnage.

- Identifier les plans d’échantillonnage appropriés pour divers objectifs de recherche.

- Expliquer l’utilisation des données d’échantillon dans les tests d’hypothèses.

- Discuter de la précision et de la confiance.

- Estimer la taille de l’échantillon.

Échantillonnage :

- Le processus de sélection d’individus, d’objets ou d’événements représentatifs de

l’ensemble de la population.

Population :

- L’ensemble des personnes, événements ou objets d’intérêt dans une étude.

Élément :

- Un seul membre de la population.

Échantillon :

- Un sous-ensemble de la population, comprenant des membres sélectionnés.

Unité d’échantillonnage :

- L’élément ou l’ensemble d’éléments disponibles pour la sélection lors du

processus d’échantillonnage.

Sujet :

- Un seul membre de l’échantillon, équivalent à un élément dans la population.

Paramètres :

- Caractéristiques de la population (par exemple, moyenne, écart-type) traitées

comme des approximations dans l’échantillon.

Raisons de l’échantillonnage :

- Nécessité pragmatique dans les grandes populations.

- Contraintes de temps, de coûts et de ressources.

- Potentiel pour des résultats plus fiables.

Représentativité des échantillons :

- L’importance de choisir le bon échantillon.

- Rarement une réplique exacte de la population.

- Plus l’échantillon est représentatif, plus les résultats sont généralisables.

Normalité des distributions :

- Les attributs de la population suivent généralement une distribution normale.

- La distribution de l’échantillon doit refléter la distribution de la population pour une

représentation précise.

Le processus d’échantillonnage :

1. Définir la population.

2. Déterminer le cadre d’échantillonnage.

3. Déterminer le plan d’échantillonnage.

4. Déterminer la taille d’échantillon appropriée.

5. Exécuter le processus d’échantillonnage.

Définir la population :

- Définir précisément la population cible en termes d’éléments, de limites

géographiques et de temps.

Déterminer le cadre d’échantillonnage :

- Une représentation physique de tous les éléments de la population.

- Peut ne pas toujours être à jour ; un tri peut être nécessaire pour des
caractéristiques importantes.

Déterminer le plan d’échantillonnage :

- Deux types : échantillonnage probabiliste et échantillonnage non probabiliste.

- L’échantillonnage probabiliste implique des chances connues et non nulles pour

chaque élément.

- L’échantillonnage non probabiliste ne comporte pas de probabilités attachées.

Plans d’échantillonnage probabiliste :

1. Échantillonnage aléatoire simple : Chaque élément a une chance égale d’être

sélectionné.

2. Échantillonnage probabiliste restreint ou complexe : Plus efficace mais peut être

plus coûteux.

Échantillonnage systématique :

- Consiste à tirer chaque élément n à partir d’un choix aléatoire entre 1 et n.

Échantillonnage aléatoire stratifié :

- Implique de diviser la population en groupes mutuellement exclusifs (strates) et

de sélectionner aléatoirement des sujets de chaque strate.
Échantillonnage par grappes :

- Implique la collecte de groupes ou grappes d’éléments.

- La population est divisée en grappes, et un échantillon aléatoire de grappes est

sélectionné.

Double échantillonnage :

- Utilise un échantillon initial pour la collecte préliminaire de données et un sous-

échantillon pour un examen plus détaillé.

Plans d’échantillonnage non probabiliste :

1. Échantillonnage de convenance : Collecte d’informations auprès de membres

disponibles de manière pratique.

2. Échantillonnage intentionnel : Limité à des types spécifiques de personnes

répondant à certains critères.

Échantillonnage par jugement :

- Choix de sujets les mieux placés pour fournir les informations requises.

Échantillonnage par quotas :

- Assure une représentation adéquate de certains groupes dans l’étude grâce à des
quotas assignés.

Échantillonnage dans les études qualitatives :

- Définir précisément la population cible.

- Utilisation de l’échantillonnage non probabiliste.

- Techniques telles que l’échantillonnage intentionnel et l’échantillonnage théorique

sont utilisées.

Échantillonnage théorique :

- Implique un processus itératif de collecte, codage et analyse des données jusqu’à ce

que la saturation théorique soit atteinte.

- Se poursuit jusqu’à ce qu’aucune nouvelle information ou perspective ne soit

obtenue.

Conclusion :

- La conscience des plans d’échantillonnage et de la taille de l’échantillon est

cruciale pour une recherche efficace.

Chapitre 4 : Cadre théorique et développement d’hypothèses par Ali Belaidi

1. Importance des questions de recherche :

 - Les questions de recherche guident diverses étapes de la recherche, de la
recherche documentaire à la collecte et à l’analyse des données.

- Elles évitent les écarts, fournissent de la clarté et améliorent la compréhension

tant pour les chercheurs que pour les lecteurs.

2. Compréhension des connaissances existantes :

- Compréhension approfondie de :

- Informations connues sur le sujet.

- Concepts et théories appliqués.

- Méthodes de recherche utilisées.

- Controverses et conflits dans l’étude du sujet.

- Principaux contributeurs à la recherche sur le sujet.

3. Importance des concepts :

- Les concepts forment la base des théories.

- La revue de littérature examine de manière critique les recherches existantes et

les idées théoriques pertinentes.

4. Cadre théorique :

- Représente les croyances sur la manière dont les variables sont liées (modèle) et
explique pourquoi.

- Développé de manière logique à partir de recherches antérieures.

- Implique la définition des concepts, la création d’un modèle conceptuel et

l’établissement de théories.

5. Construction du cadre théorique :

- Le processus inclut la définition des concepts, le développement d’un modèle

conceptuel et la création d’une théorie expliquant les relations entre les variables.

6. Connexion entre théorie et recherche :

- Le lien entre la théorie et la recherche implique de comprendre le type de théorie

et si la collecte de données vise à tester ou à construire des théories.

7. Types de théories :

- Grande théorie et recherche sociale.

- Théories de portée intermédiaire telles que la théorie du processus de travail.

- Littérature contextuelle en tant que théorie, telle que le travail émotionnel.

8. Influences sur la recherche sociale :

- La théorie, les considérations pratiques, l’épistémologie, les valeurs, l’ontologie

façonnent la recherche sociale.
 - Les critères incluent la fiabilité, la réplication, la validité et la relation avec la
stratégie de recherche.

9. Critères en recherche sociale :

- Fiabilité : concerne la cohérence et la stabilité des mesures.

- Réplication : capacité de reproduire une étude pour assurer la cohérence.

- Validité interne : confiance dans l’impact de la variable indépendante sur la

variable dépendante.

- Validité externe : généralisabilité des résultats au-delà du contexte de recherche.

- Validité écologique : pertinence des résultats pour les conditions de la vie

quotidienne.

- Les chercheurs qualitatifs proposent des critères tels que la crédibilité, la

transférabilité, la fiabilité et la confirmabilité.

10. Variables :

- Tout ce qui a des valeurs variables.

- Quatre principaux types : Variables dépendantes, indépendantes, modératrices et

médiatrices.

11. Types de variables :

- Variable dépendante : Centre d’attention principal de la recherche.

- Variable indépendante : Supposée influencer la variable dépendante.

- Variable modératrice : Influence la relation entre la variable indépendante et la

variable dépendante.

- Variable médiatrice : Se situe entre le fonctionnement des variables indépendante

et dépendante.

12. Développement du cadre théorique :

- Trois caractéristiques de base : Variables pertinentes clairement définies, un

modèle conceptuel et une explication des relations attendues.

- Le cadre théorique fournit une base logique pour développer des hypothèses
testables.

13. Composants du cadre théorique :

- Définitions claires des variables pertinentes.

- Un modèle conceptuel illustrant les relations entre les variables.

- Une explication des relations attendues.

14. Développement des hypothèses :

- Les hypothèses sont des énoncés testables prédisant les résultats empiriques des
données.
 - Découlent de la théorie et sont souvent relationnelles.

- Les hypothèses aident à trouver des solutions aux problèmes identifiés en testant
et en confirmant des relations supposées.

15. Formats d’énoncés d’hypothèses :

- Énoncés de type si-alors.

- Propositions ou énoncés de type si.

- Hypothèses directionnelles et non directionnelles.

16. Hypothèses nulle et alternative :

- Hypothèse nulle (H0) : Présumée vraie jusqu’à ce que des preuves statistiques
suggèrent le contraire.

- Hypothèse alternative (HA) : Opposée à la nullité, exprimant une relation ou une

différence.

17. Étapes du test d’hypothèses :

1. Énoncer les hypothèses nulle et alternative.

2. Choisir un test statistique en fonction du type de données.

3. Déterminer le niveau de signification souhaité.

4. Analyser les résultats pour répondre au niveau de signification.

18. Test d’hypothèses avec la recherche qualitative :

- L’analyse de cas négatifs permet le test d’hypothèses avec des données

qualitatives.

Conclusion :

Le chapitre souligne le rôle crucial des questions de recherche, de la compréhension

des connaissances existantes, de la conceptualisation des cadres théoriques et du
développement d’hypothèses testables dans le processus de recherche.

Il offre des perspectives sur la connexion entre la théorie et la recherche, les types de
théories, les critères en recherche sociale, les variables et le processus de test
d’hypothèses.

**Rédaction de la thèse : Comment rédiger votre conclusion par Ali Belaidi**

Principaux objectifs de la conclusion de la thèse :

- Fournir une vue d’ensemble générale des contributions.

- Résumer les points principaux des différents chapitres.

- Offrir des recommandations et des suggestions pour les travaux futurs.

Composants de la conclusion de la thèse :

1. Résumé du texte principal.

2. Déductions basées sur le corps principal.

3. Opinion personnelle sur le contenu discuté.

4. Déclaration sur les limitations.

5. Commentaires sur l’avenir et les implications pour la recherche.

6. Faits et chiffres importants non mentionnés dans le corps principal.

Rédaction de votre conclusion :

- Réfléchissez au message que vous souhaitez transmettre.

- Considérez le message principal pour les lecteurs.

- Commencez par prendre des notes lors de la relecture du premier brouillon.

- Relisez, prenez des notes et résumez chaque chapitre.

- Copiez et collez les mini-résumés des chapitres dans la conclusion.

- Modifiez et entrelacez les idées principales.

- Ajoutez des sections sur les implications pratiques, les contributions et les travaux
futurs.

- Assurez-vous que la conclusion capture l’essence du travail.

Conclusions de chapitres :

- Chaque chapitre devrait avoir sa conclusion.

- Rappeler au lecteur ce qui s’est passé dans le chapitre.

- Construire un lien entre le chapitre actuel et le suivant.

**Gestion des limitations :**

- Reconnaître les limitations, mais éviter la négativité excessive.

- Mettez l’accent sur la contribution de votre recherche.

Recherches futures :

- Discuter de la nécessité de futures recherches.

- Suggérer des développements potentiels pour des travaux post-doctoraux.

Autres conseils sur la rédaction des conclusions :

- Tous les sujets ne nécessitent pas une conclusion complète ; vérifiez les attentes du
département.

- Même si ce n’est pas nécessaire, terminez efficacement l’assignation.

- Gardez la conclusion claire et relativement brève.

- Dans les devoirs de type discussion, posez des questions plutôt que de fournir des
réponses simplifiées.

- Évitez d’introduire de nouveaux éléments dans la conclusion.

- Exprimez vos opinions subtilement ; évitez de paraître pompeux.

- Soyez prudent avec les temps, en utilisant le présent parfait et le passé simple.

- Évitez d’utiliser excessivement le mot “conclusion” tout au long de l’essai.