Hoja de repaso: Méthodologie quantitative en psychologie

1. 📌 L'essentiel

• La psychologie quantitative mesure et analyse des données chiffrées pour comprendre comportements et processus mentaux.
• Variables : qualitatives (nominales, ordinales) et quantitatives (discrètes, continues).
• Échelles : nominale, ordinale, intervalle, rapport — choisies selon la nature de variable.
• Statistiques descriptives : mode, médiane, moyenne, écart-type pour résumer.
• Statistiques inférentielles : tests du Khi-deux, Wilcoxon, t, z, intervalles de confiance pour inférer à la population.
• Construction de questionnaires : précautions pour éviter biais et effets d’ordre.
• Codage des réponses : en chiffres pour analyse statistique.
• Variance et dispersion : indicateurs clés de variabilité.
• Approche intermédiaire : tendances, régularités, causalité.
• La rigueur méthodologique garantit la validité et la généralisation des résultats.

2. 🧩 Structures & Composants clés

• Variables — éléments mesurés ou observés, qualitatives ou quantitatives.
• Échelles de mesure — nominale, ordinale, intervalle, rapport.
• Questionnaires — outils de collecte, conçus pour minimiser biais.
• Statistiques descriptives — synthèse des données (mode, médiane, moyenne, écart-type).
• Tests statistiques — pour tester hypothèses : Khi-deux, Wilcoxon, t, z.
• Variance — indicateur de dispersion des données.
• Score composite — agrégation de plusieurs réponses pour synthèse.
• Relations structurelles — organisation hiérarchique des composants.

3. 🔬 Fonctions, Mécanismes & Relations

• Variables qualitatives (nominales/ordinales) permettent de catégoriser ou hiérarchiser.
• Variables quantitatives (discrètes/continues) mesurent des quantités.
• Échelles choisies en fonction du type de variable pour garantir la validité.
• Construction de questionnaires : questions claires, sans biais, ordre logique.
• Codage : conversion réponses en chiffres pour analyses statistiques.
• Analyse descriptive : résume la tendance centrale et la dispersion.
• Analyse inférentielle : permet de généraliser à la population via tests.
• Relation hiérarchique : variables → mesures → analyses → conclusions.
• Flux : collecte → traitement → interprétation → décision.

4. Tableau de synthèse

Élément	Caractéristiques clés	Notes / Différences
Variables qualitatives	Nominales (catégories), ordinales (hiérarchie)	Pas de valeurs numériques continues
Variables quantitatives	Discrètes (compte), continues (mesure)	Données numériques, analyse paramétrique
Échelles	Nominale, ordinale, intervalle, rapport	Choix selon nature de la variable
Tests statistiques	Khi-deux (χ²) pour nominales, Wilcoxon pour ordinales, t/z pour continues	Selon type de variable et distribution
Statistiques descriptives	Mode, médiane, moyenne, écart-type	Résumé synthétique des données

5. 🗂️ Diagramme Hiérarchique (ASCII)

Variables
 ├─ Qualitatives
 │    ├─ Nominales
 │    └─ Ordinaires
 └─ Quantitatives
      ├─ Discrètes
      └─ Continues
Échelles
 ├─ Nominale
 ├─ Ordinale
 ├─ Intervalle
 └─ Rapport
Statistiques
 ├─ Descriptives
 │   ├─ Mode, médiane, moyenne
 │   └─ Écart-type, variance
 └─ Inférentielles
     ├─ Khi-deux, Wilcoxon
     └─ t, z, intervalles

6. ⚠️ Pièges & Confusions fréquentes

• Confondre variables nominales et ordinales.
• Utiliser un test paramétrique sur des données non normales.
• Négliger la construction rigoureuse du questionnaire.
• Confondre moyenne et médiane selon la distribution.
• Oublier d’adapter le test à la nature de la variable.
• Ignorer la variance ou la dispersion dans l’analyse.
• Utiliser des échelles inadaptées à la variable.
• Confondre analyse descriptive et inférentielle.

7. ✅ Checklist Examen Final

• Savoir différencier variables qualitatives et quantitatives.
• Connaître les échelles de mesure et leur usage.
• Maîtriser la construction et le codage d’un questionnaire.
• Savoir calculer et interpréter mode, médiane, moyenne, écart-type.
• Connaître les tests statistiques adaptés à chaque type de variable.
• Comprendre la notion de variance et dispersion.
• Savoir réaliser une analyse descriptive et inférentielle.
• Être capable de choisir l’échelle adaptée selon la variable.
• Connaître les pièges courants en analyse statistique.
• Pouvoir interpréter un tableau de résultats statistiques.
• Maîtriser la hiérarchie des composants d’une étude.
• Respecter la rigueur méthodologique pour valider les résultats.
• Savoir construire un score composite.
• Comprendre le rôle de la causalité dans l’interprétation.
• Être capable de présenter une synthèse claire et structurée.