« Design comparaison de systèmes similaires » : différence entre les versions
mAucun résumé des modifications |
m (Daniel K. Schneider a déplacé la page Design de systèmes comparatifs similaires vers Design comparaison de systèmes similaires sans laisser de redirection) |
(Aucune différence)
|
Version du 26 mars 2015 à 19:33
Manuel de recherche en technologie éducative | |
---|---|
Page d'entrée du module Designs de recherche orientés test de théorie |
|
▲ | |
◀▬▬▶ | |
⚐ à améliorer | ☸ débutant |
⚒ 2015/03/26 | ⚒⚒ 2015/03/27 |
Design de systèmes comparatifs similaires
Ce design (en Anglais: similar systems design) est largement utilisé dans l’analyse comparée de politiques publiques. Il permet de comparer les systèmes éducatifs de districts / régions et de pays. Ce design se contente généralement d’utiliser des statistiques descriptives très simples, et souvent des données globales officielles.
Principe (Figure 37):
1. Assurez-vous d’avoir une bonne variance parmi les 'variables opératoires', i.e l’ensemble de toutes les variables dépendantes et indépendantes.
2. Assurez-vous qu’aucune autre variable n’ait de la variance (i.e qu’aucune variable de contrôle cachée ne puisse produire d’effets)
Figure 37: Design de systèmes comparatifs similaires
En d’autres termes, sélectionnez des cas différents en ce qui concerne les variables pertinentes pour votre recherche, mais similaires pour les autres aspects.
Exemple: si vous voulez mesurer les effets des TIC, ne choisissez pas une école prestigieuse qui utilise les TIC et une école normale qui ne les utilise pas. Choisissez soit des écoles prestigieuses, soit des écoles «normales», sans quoi vous ne pourriez savoir si c’est réellement l’utilisation des TIC qui fait la différence.
Avantages et inconvénients de cette méthode:
- fiabilité moins bonne et problèmes de validité de construction
- meilleur contrôle de variables inconnues en ce qui concerne la plupart des systèmes de designs différents
- validité externe moins bonne (impossibilité à généraliser)
- tests statistiques faibles ou inexistants. La plupart du temps, les chercheurs comparent uniquement des données descriptives et ne peuvent fournir de résultats significatifs sur le plan statistique, car les cas sont trop peu nombreux.