Les 4 types de validité dans la conception de la recherche (+3 autres à considérer)
Publié: 2021-01-03Les conclusions que vous tirez de votre recherche (qu'il s'agisse de l'analyse d'enquêtes, de groupes de discussion, de conceptions expérimentales ou d'autres méthodes de recherche) ne sont utiles que si elles sont valides.
Dans quelle mesure ces résultats sont-ils "vrais" ? Dans quelle mesure représentent-ils bien la chose que vous essayez réellement d'étudier ? La validité est utilisée pour déterminer si la recherche mesure ce qu'elle était censée mesurer et pour approximer la véracité des résultats.
Malheureusement, les chercheurs créent parfois leurs propres définitions lorsqu'il s'agit de ce qui est considéré comme valide.
- Dans la recherche quantitative, les tests de validité et de fiabilité sont une évidence.
- Cependant, certains chercheurs qualitatifs sont allés jusqu'à suggérer que la validité ne s'applique pas à leur recherche même s'ils reconnaissent la nécessité de certains contrôles ou mesures de qualification dans leur travail.
C'est faux. La validité est toujours importante – même si elle est plus difficile à déterminer dans une recherche qualitative.
Ne pas tenir compte de la validité, c'est remettre en question la fiabilité de votre travail et remettre en question la confiance des autres dans ses résultats. Même lorsque des mesures qualitatives sont utilisées dans la recherche, elles doivent être examinées à l'aide de mesures de fiabilité et de validité afin de maintenir la fiabilité des résultats.
Qu'est-ce que la validité en recherche ?
La validité est la façon dont les chercheurs parlent de la mesure dans laquelle les résultats représentent la réalité. Les méthodes de recherche, quantitatives ou qualitatives, sont des méthodes d'étude d'un phénomène réel - la validité fait référence à la quantité de ce phénomène qu'elles mesurent par rapport à la quantité de « bruit », ou d'informations non liées, qui est capturée par les résultats.
La validité et la fiabilité font la différence entre les « bons » et les « mauvais » rapports de recherche. Une recherche de qualité dépend d'un engagement à tester et à accroître la validité ainsi que la fiabilité de vos résultats de recherche.
Toute recherche digne de ce nom s'intéresse à savoir si ce qui est mesuré est ce qu'il est prévu de mesurer et examine la manière dont les observations sont influencées par les circonstances dans lesquelles elles sont faites.
La base sur laquelle nos conclusions sont formulées joue un rôle important dans le traitement des questions de fond plus larges d'une étude donnée.
Pour cette raison, nous allons examiner divers types de validité qui ont été formulés dans le cadre d'une méthodologie de recherche légitime.
Voici les 7 principaux types de validité en recherche :
- Validité apparente
- Validité du contenu
- La validité de construction
- Validité interne
- Validité externe
- Validité de la conclusion statistique
- Validité liée aux critères
1. Validité apparente
La validité apparente est la validité de vos résultats en fonction de leur apparence. C'est la méthode de validité la moins scientifique, car elle n'est pas quantifiée à l'aide de méthodes statistiques.
La validité apparente n'est pas la validité au sens technique du terme. Il s'agit de savoir s'il semble que nous mesurons ce que nous revendiquons.
Ici, nous examinons la validité d'une mesure en surface et formulons des jugements subjectifs basés sur cela.
Par exemple,
- Imaginez que vous donnez une enquête qui semble être valide pour le répondant et que les questions sont sélectionnées parce qu'elles semblent valides pour l'administrateur.
- L'administrateur demande à un groupe de personnes aléatoires, des observateurs non formés, si les questions leur semblent valables
En recherche, il ne suffit jamais de se fier uniquement aux jugements faciaux – et des méthodes de validité plus quantifiables sont nécessaires pour tirer des conclusions acceptables. Il existe de nombreux instruments de mesure à prendre en compte, la validité apparente est donc utile dans les cas où vous devez distinguer une approche par rapport à une autre.
Il ne faut jamais se fier à la validité apparente pour ses propres mérites.
2. Validité du contenu
La validité du contenu est de savoir si la mesure utilisée dans la recherche couvre ou non tout le contenu du concept sous-jacent (ce que vous essayez de mesurer).
Il s'agit également d'une mesure subjective, mais contrairement à la validité apparente, nous demandons si le contenu d'une mesure couvre le domaine complet du contenu. Si un chercheur voulait mesurer l'introversion, il devrait d'abord décider ce qui constitue un domaine de contenu pertinent pour ce trait.
La validité du contenu est considérée comme une forme de mesure subjective car elle repose toujours sur la perception des gens pour mesurer des concepts qui seraient autrement difficiles à mesurer.
Là où la validité de contenu se distingue (et devient utile), c'est par le recours à des experts du domaine ou à des individus appartenant à une population cible. Cette étude peut être rendue plus objective par l'utilisation de tests statistiques rigoureux.
Par exemple, vous pourriez avoir une étude de validité du contenu qui informe les chercheurs sur la façon dont les éléments utilisés dans une enquête représentent leur domaine de contenu, leur clarté et la mesure dans laquelle ils maintiennent la structure factorielle théorique évaluée par l'analyse factorielle.
3. Validité de construction
Un construit représente un ensemble de comportements qui sont associés de manière significative pour créer une image ou une idée inventée à des fins de recherche. La validité de construit est le degré auquel votre recherche mesure le construit (par rapport à des choses en dehors du construit).
La dépression est une construction qui représente un trait de personnalité qui se manifeste par des comportements tels que l'excès de sommeil, la perte d'appétit, la difficulté à se concentrer, etc.
L'existence d'un construit se manifeste par l'observation de la collection d'indicateurs connexes. Un même signe peut être associé à plusieurs construits. Une personne ayant des difficultés à se concentrer peut avoir un TDA mais pas de dépression.
La validité de construction est le degré auquel des inférences peuvent être faites à partir des opérationnalisations (reliant les concepts aux observations) dans votre étude aux constructions sur lesquelles ces opérationnalisations sont basées. Pour établir la validité conceptuelle, vous devez d'abord prouver que vos données appuient la structure théorique.
Vous devez également montrer que vous contrôlez l'opérationnalisation du construit, en d'autres termes, montrer que votre théorie a une certaine correspondance avec la réalité.
- Validité convergente - le degré auquel une opération est similaire à d'autres opérations auxquelles elle devrait théoriquement être similaire.
- Validité discriminante -– si une échelle se différencie de manière adéquate ou ne différencie pas entre des groupes qui devraient différer ou ne pas différer sur la base de raisons théoriques ou de recherches antérieures.
- Réseau nomologique - représentation des constructions d'intérêt dans une étude, leurs manifestations observables et les interrelations parmi et entre celles-ci. Selon Cronbach et Meehl, un réseau nomologique doit être développé pour une mesure afin qu'elle ait une validité de construit
- Matrice multitrait-multiméthode - six considérations majeures lors de l'examen de la validité de construction selon Campbell et Fiske. Cela inclut les évaluations de la validité convergente et de la validité discriminative. Les autres sont l'unité de méthode de trait, la multi-méthode / trait, la méthodologie vraiment différente et les caractéristiques de trait.
4. Validité interne
La validité interne fait référence à la mesure dans laquelle la variable indépendante peut être énoncée avec précision pour produire l'effet observé.
Si l'effet de la variable dépendante est uniquement dû à la ou aux variables indépendantes, la validité interne est atteinte. C'est le degré auquel un résultat peut être manipulé.
Autrement dit, la validité interne est la façon dont vous pouvez dire que votre recherche « fonctionne » dans un contexte de recherche. Dans une étude donnée, la variable que vous modifiez affecte-t-elle la variable que vous étudiez ?
[blog-s'abonner]
5. Validité externe
La validité externe fait référence à la mesure dans laquelle les résultats d'une étude peuvent être généralisés au-delà de l'échantillon. C'est-à-dire que vous pouvez appliquer vos découvertes à d'autres personnes et paramètres.
Considérez cela comme le degré auquel un résultat peut être généralisé. Dans quelle mesure les résultats de la recherche s'appliquent-ils au reste du monde ?
Un laboratoire (ou un autre cadre de recherche) est un environnement contrôlé avec moins de variables. La validité externe fait référence à la qualité des résultats, même en présence de toutes ces autres variables.
6. Validité de la conclusion statistique
La validité de la conclusion statistique est une détermination de l'existence d'une relation ou d'une co-variation entre les variables de cause à effet.
Ce type de validité nécessite :
- Garantir des procédures d'échantillonnage adéquates
- Tests statistiques appropriés
- Procédures de mesure fiables
C'est le degré auquel une conclusion est crédible ou plausible.
7. Validité liée aux critères
La validité critérielle (également appelée validité instrumentale) est une mesure de la qualité de vos méthodes de mesure. L'exactitude d'une mesure est démontrée en la comparant à une mesure dont on sait déjà qu'elle est valide.
En d'autres termes, si votre mesure a une forte corrélation avec d'autres mesures dont la validité est connue en raison de recherches antérieures.
Pour que cela fonctionne, vous devez savoir que le critère a été bien mesuré. Et sachez que les critères appropriés n'existent pas toujours.
Ce que vous faites, c'est vérifier la performance de votre opérationnalisation par rapport à un critère.
Les critères que vous utilisez comme norme de jugement tiennent compte des différentes approches que vous utiliseriez :
- Validité prédictive - la capacité de l'opérationnalisation à prédire ce qu'elle est théoriquement capable de prédire. La mesure dans laquelle une mesure prédit les résultats attendus.
- Validité concurrente - la capacité de l'opérationnalisation à faire la distinction entre les groupes qu'elle devrait théoriquement pouvoir faire. C'est là qu'un test est bien corrélé avec une mesure préalablement validée.
Lorsque nous examinons la validité des données d'enquête, nous nous demandons si les données représentent ce que nous pensons qu'elles devraient représenter.
Nous dépendons de l'état d'esprit et de l'attitude du répondant pour nous fournir des données valides.
En d'autres termes, nous comptons sur eux pour répondre honnêtement et consciencieusement à toutes les questions. Nous dépendons également de leur capacité à répondre aux questions que nous posons. Lorsque des questions sont posées que le répondant ne peut pas comprendre ou comprendre, les données ne nous disent pas ce que nous pensons qu'elles font.