Echantillonnage en méthodes qualitatives

Manuel de recherche en technologie éducative
Module: Recueil de données qualitatives
◀▬▬▶
⚐ brouillon	☸ intermédiaire
⚒ 2022/06/13	⚒⚒ 2015/08/27

Introduction

En technologie éducative (ainsi que dans la plupart des autres sciences sociales), on travaille avec toute une variété de données qualitatives. Puisque la recherche qualitative se focalise le plus souvent sur des données "riches", l'échantillonnage est plus difficile que dans une recherche quantitative.

Souvent, on ne travaille qu'avec 1 ou 2 grand cas (i.e. une ou plusieurs classes d'écoles; une institution éducative) car l'analyse qualitative demande beaucoup de travail. Il faut d'autant plus réfléchir soigneusement à la question de l'échantillonnage pour chacun des cas! Par exemple, lorsqu'un chercheur en innovation observe des organisations, il peut interagir avec différentes personnes et étudier/observer différents processus:

• informateurs au sein de l'organisation
• experts externes (experts/professionnels du domaine/sujet)
• clients et autres organisations en interaction
• processus observés (e.g. analyse du "workflow" ou flux de travail)
• textes (e.g. décisions écrites, fichiers, ...)

Un autre exemple serait une étude qui examine l'impact d'une initiative sur un espace public (e.g. salles informatiques accessibles au public). Le chercheur pourrait s'intéresser:

• aux décideurs externes et groupes d'intérêt
• aux groupes locaux organisés (e.g. associations de parents)
• à la population de la zone
• aux évènements et comportements associés à cette initiative

L'échantillonnage se fait souvent par étapes multiples (par vagues): l'analyse des données recueillies durant une première vague peut faire apparaître de nouveaux phénomènes qui requièrent une investigation et donc un nouvel échantillonnage. Ces nouveaux phénomènes peuvent par exemple apparaître lors de l'application d'un échantillonnage grâce au snowball effect. Noy (2008) fait par exemple apparaître de nouvelles dynamiques relationnelles en sous-groupes de répondants à travers ce type d'échantillonnage.Autrement dit et pour résumer: "L’échantillonnage est crucial pour l’analyse future des données. (…) Vos choix – qui observer, qui interroger, où, quand, sur quels sujets, et pourquoi – limitent toutes les conclusions auxquelles vous aboutirez et la confiance que vous et le public pourrez leur attribuer. (…) Les chercheurs qualitatifs travaillent habituellement avec des petits échantillons de personnes, nichés dans leur contexte et étudiés en profondeur. (…) Les échantillons qualitatifs tendent à être orientés, plutôt que pris au hasard (…). Les échantillons en analyse qualitative ne sont habituellement pas entièrement pré-spécifiés mais peuvent évoluer lorsque l’on a débuté le travail de recherche". Miles & Huberman (2003, pp. 58-60) .

Morse (2000) propose différentes variables qui sont susceptibles d'avoir une influence sur la taille de l'échantillon qualitatif :

• type de problème (spécifique ou général)
• type de sujet (abstrait / concret)
• la probabilité de recueillir l'ensemble de l'information auprès d'un répondant unique (cet aspect est particulièrement pertinent pour les études qualitatives en B2B qui requièrent de parler à plusieurs interlocuteurs au sein d'une même entreprise afin de saisir les différentes perspectives)
• qualité des données

La plupart des auteurs s'accordent sur un nombre d'entretiens minimum de 20 à 30 en fonction du sujet. L'étude de 2533 thèses de doctorat utilisant une méthodologie qualitative a ainsi montré que la moyenne se situait à 31 et la médiane à 28 (Mason, 2010). Le nombre minimum d'entretiens qualitatifs peut être estimé via ce prototype de calculateur.

Marshall et al. (2013) ont distingué les différentes approches qualitatives afin d'approcher la taille des échantillons qualitatifs. Les valeurs obtenues varient entre 23 pour les études de cas simples et 40 pour les études de cas complexes.

Types de stratégies

Miles & Huberman (1994:28) présentent les stratégies générales d'échantillonnage suivantes:

Type de cas	Utilisation	Grandes catégories
variation maximale	améliorera l'étendue de vos résultats (mais nécessite des modèles plus complexes!)	stratégies principales
homogène	Permet une meilleure focalisation et les conclusions sont plus "sûres", puisqu'il sera plus facile d'identifier les variables explicatives et de tester les relations
critique	Illustrer une théorie avec un exemple "naturel"
selon la théorie, i.e. vos questions de recherche	vous apporte une meilleure garantie que vous serez capable de répondre à vos questions…
confirmatif / infirmatif	teste les limites d'une explication	validation
cas extrêmes et déviants	teste les frontières de vos explications, cherche de nouvelles "aventures"
typique	montre ce qui est normal, moyen ou caractéristique
intense	complète une étude quantitative avec une étude en profondeur	spécialisation
selon la dimension	étude de phénomènes particuliers
boule de neige	selon les informations reçues durant l'étude	approche inductive
opportun	suit de nouvelles pistes
tout	(rarement possible)	représentativité
quotas	sélection de sous-groupes
selon la réputation	recommandations d'experts
méthode comparative	selon les variables opérationnelles
selon les critères	selon les critères que vous voulez étudier
commode	ceux qui veulent bien...	mauvais
politique	exclusion/inclusion pour raisons politiques

Tableau 2: stratégies générales d'échantillonnage pour la recherche qualitative

Le tableau, dans sa forme originale dans la traduction de 2003 est le suivant:

Type d’échantillonnage	Objectif
Variation maximale	Rend compte de différentes variations et identifie des « patterns » ou thèmes communs importants.
Homogènes	Se concentre sur, réduit, simplifie, facilite les entretiens de groupe.
Cas critiques	Permet une généralisation logique et une application maximale de l'information recueillie auprès d'autres cas.
Représentativité théorique	Cherche à trouver des exemples d’un construit théorique et ainsi à élaborer ce construit et à l’examiner.
Cas validants et cas invalidants	Se fondent sur l’élaboration d’une analyse initiale, la recherche d’exceptions et de variations.
Effet boule de neige ou chaîne	Identifie de bons cas grâce à des personnes qui connaissent d’autres personnes qui connaissent des cas riches en information.
Cas extrême ou déviant	Permet l’apprentissage à partir de manifestations inhabituelles du phénomène étudié.
Cas typique	Souligne ce qui relève de la norme ou de la moyenne.
Intensité	Cas riches qui expriment le phénomène avec intensité mais sans caractère extrême.
Cas important d’un point de vue politique	Attire l’attention souhaitée ou évite d’attirer une attention non souhaitée.
Cas orienté, aléatoire	Accroît la crédibilité de la procédure d’échantillonnage lorsque l’échantillon potentiel est trop large.
Cas orienté, stratifié	Illustre des sous-groupes, facilite les comparaisons.
Critères	Chaque cas doit respecter des critères ; utile à l’assurance de qualité.
Opportuniste	Cherche à suivre de nouvelles pistes ; tire partie de l’inattendu.
Combinaison ou mixité	Triangulation, flexibilité, répond à des intérêts et à des besoins multiples.
Convenance	Épargne du temps, de l’argent et de l’effort au détriment toutefois de la qualité de l’information et de la crédibilité du cas.

Tableau 3: Typologie des stratégies d’échantillonnage en recherche qualitative (Kuzel, 1992 ; Patton, 1990) in Miles & Huberman 2003, p. 60.

Quelques conseils

Il n'existe pas de règles générales en ce qui concerne l'échantillonnage, mais nous pouvons formuler quelques pratiques heuristiques et recommandées! Utilisez ce tableau pour réfléchir au type d'échantillonnage dont vous avez besoin pour votre propre recherche. Bien choisir vos cas vous permettra d'éviter les problèmes plus tard...

• Evitez d'adopter une stratégie d'échantillonnage par induction (plus difficile)
• Examinez vos questions de recherche! Pouvez-vous répondre à chacune d'entre elles (mesurer les concepts, trouver les causalités, etc.)?
• Comprenez l'étendue de la tâche que représente l'échantillonnage: échantillonner les rôles (organisation des fonctions), groupes, organisations, institutions, "programmes", processus…
• Revoyez vos ambitions à la baisse (questions de recherche) lorsque vos listes d'échantillonnage deviennent trop longues.
• Vous pouvez toujours ajouter des cas (stratégie de la boule de neige).

Pour l'échantillonnage intra-cas:

• Identifiez les types d'informations dont vous avez besoin.
• Echantillonnez toutes les catégories (activités, processus, évènements, dates, lieux, agents…).
• Encore une fois, pensez aux questions de recherche auxquelles vous voulez répondre et à leur champ.

Pour l'échantillonnage inter-cas, une bonne stratégie consiste à adopter une sorte de design à systèmes similaires:

• Sélectionnez des cas similaires qui ont une bonne variance parmi vos variables opérationnelles (dépendantes et indépendantes).
• Pour tester les variantes des designs de formation à distance, sélectionnez des domaines relativement similaires, ou des populations cibles relativement similaires.
• Vous pouvez alors ajouter des cas contrastés (extrêmes) afin de tester la validité externe (potentiel de généralisation) de votre analyse.

Souvenez-vous que la recherche qualitative est très gourmandes en termes de temps et de ressources:

• 2-3 grands cas (e.g. formations, écoles, designs), selon l'étude, peuvent suffire.
• 12-30 cas au sein de tous les cas (e.g. personnes, processus) peuvent suffire.
• En outre, vous pouvez envisager de compléter les stratégies qualitatives avec des approches quantitatives.