Quelles sont les questions de bases concernant d’abord les normes, la fidélité, la validité et le développement d’un test?
Normes : Comment interpréter les scores ?
Fidélité: Les scores sont-ils stables ? (si je fais le test aujourd’hui et le refais demain, obtiendrais-je approximativement le même résultat?)
Validité : Qu’est-ce qu’on mesure ? Validité = capacité à mesurer équitablement un élément entre divers groupes. Objectivité. (Ex: Si un test est censé mesurer la dépression, comment peut-on savoir qu’il mesure réellement la dépression?)
Développement d’un test: Comment les tests sont développés. Aide à comprendre la fidélité, la validité et les normes.
En général, quels sont les problèmes pratiques rencontrés?
Coût, temps, simplicité, flexibilité
Explique la période du passé lointain (avant 1840) dans l’histoire de la psychologie.
(pas besoin de mémoriser les dates)
- Préoccupation des philosophes pour ce qui est commun: Essence de l’âme
Âme = immatérielle. Pas de psychométrie possible. Focus = sur l’âme, pas sur les différences individuelles.
- Examens oraux (méthode d’évaluation la plus courante)
- Examens pour la fonction publique (Chine)
Explique la période de la mise en place (1840-1880) dans l’histoire de la psychologie.
- Préoccupation pour la maladie mentale
(Les gens qui étaient anormaux/»bizarres», ne sont pas sous une influence démonique, mais avaient plutôt une maladie mentale)
Approches visant à améliorer le diagnostic et le traitement de la maladie mentale. Amélioration des conditions de vie dans les prisons et les hôpitaux. - Examens écrits
- Théorie de Darwin : Différences entre les individus
Théorie de Darwin qui apporte la perspective différentielle. On veut mesurer les différences entre les individus, car ces différences ont une importance au niveau de la survie. - Établissement de la psychologie expérimentale (Wilhelm Wundt): se concentre sur la standardisation des conditions et sur la précision des mesures.
Explique la période de l’enracinement (1880-1915) de l’histoire de la psychométrie.
- On commence à se poser des questions concernant la fidélité de nos instruments.
Principaux personnages: - Galton : Hérédité et génie
Galton a été mesurer le génie chez un enfant par ex. et aller voir le génie de son père. Si ça corrèle, ça veut dire qu’il y a une certaine contribution de l’hérédité au génie.
Défenseur de la théorie de l’évolution en psychologie. Invente le tableau de distribution bivarié => mène Pearson plus tard à inventer le coefficient de corrélation. - Cattell : Acuité sensorielle (fonctions mentales simples)
Si on a une vision extrêmement perçante => probablement le reflet d’une plus grande intelligence. But = prédire succès scolaire. Problème = ça n’a pas du tout corrélé avec la réussite scolaire. Échec total. Donc Cattel a abandonné son projet de recherche, car ses suppositions ne fonctionnaient pas. Invente le terme “test mental”. - Binet : Mesure de l’intelligence (fonctions mentales complexes)
Le père des tests d’aptitudes intellectuelles. But = aider l’enfant. Un enfant qui a tel QI a besoin de tel outils pour l’aider. Pas dans le but d’une sélection au départ. Première utilisation des “âges mentaux”. - Spearman : Outils statistiques
Outils statistiques pour quantifier ses résultats. Jusque là, les théories étaient essentiellement philosophique. Première technique statistique que l’on appellera plus tard “l’analyse factorielle”.
Durant cette période, principale préoccupation = manque de fidélité des dissertations + examens oraux. Créer des tests qui sont les plus objectifs possibles (ex: choix multiples, vrai ou faux) qui sont plus fidèles.
Explique la période le l’essor (1915-1940) dans l’histoire de la psychométrie.
- Publication abondante de nouveaux tests (période de croissance spectaculaire). Tests créés dans toutes les sphères de la psychométrie.
e.g., Stanford-Binet, Otis group tests, Thurstone’s primary mental abilities, Stanford Achievement Test, Woodworth Personal Data Sheet; MMPI, Rorschach, TAT (Test d’aperception thématique) ; Strong and Kuder vocational interest measures; Attitude scales; Wechsler-Bellevue - Émergence d’éditeurs
(e.g. World Book Co., Cooperative Test Service, Psychological Corp.)
1914-1918 = première guerre mondiale (entrée des états-unis = 1917)
1939-1945 = 2e guerre mondiale (entrée des états-unis = 1941)
Armée a une contribution importante aux tests psychométriques. Ex: Pas une bonne idée d’envoyer des gens qui ont un score élevé pour la claustrophobie dans un sous-marin, pas une bonne idée d’envoyer quelqu’un qui a tendance à faire des crises de panique au front.
Tests de personnalité = utilisés par l’armée pour attribuer les bonnes tâches aux membres de l’armée. Pour sélectionner.
Explique la période de la consolidation (1940-1965) dans l’histoire de la psychométrie.
- Plus de développement de nouveaux tests. Application: Seconde guerre mondiale (Officier vs soldat), Pratique clinique (traitement des dommages psychologiques causés par la guerre), École, Industrie
Tests utilisés pour sélectionner des gens dans l’armée, dans les écoles, des travailleurs (dans les industries) - Nombreuses publications (ouvrages qui résument la situation dans ce domaine).
Explique la période du passé récent (1965-2000) dans l’histoire de la psychométrie.
- Activisme (Certains tests exigés par la loi, d’autres interdits)
Remise en question de l’ensemble de la société en occident qui se fait à partir des années 60. Énormément de contestations dans la société.
Groupes qui revendiquent leurs droits (ex: les femmes, les personnes de couleur) - Critique publique des tests : QI et sélection
Tests de QI accusés de contribuer à la discrimination de certains groupes (est-ce que les tests sont réellement équitables? Ciblent ils vraiment les caractéristiques voulues? ) Amène une énorme quantité de recherches sur les biais des tests. - Influence des ordinateurs: Tests informatisés
Plus en plus de tests qui sont informatisés. Facilite l’utilisation des tests, car l’ordinateur peut souvent les coter.
Théorie de réponse à l’item = méthodes permettant d’examiner des questions concernant entre autres la fidélité des tests.
Explique la période actuelle (2000-présent) dans l’histoire de la psychométrie.
- Explosion du nombre de tests (augmentation aussi de la diversité des tests)
On va toujours étudier une nouvelle variable. Pas le choix de créer un instrument de mesure, sinon on ne peut pas vrm faire de recherche avec ce nouveau concept là. - Soins de santé intégrés
Soins de santé intégré = équipes multidisciplinaires de soin. L’évaluation va être synchronisé avec les besoins de l’ensemble des autres professionnels. Pression pour faire l’évaluation de plus vite possible. Plus de valorisation pour les tests objectifs rapide plutôt qu’un test projectif qui dure longtemps (ex: 3 jours). Contrainte de temps. But = préserver et améliorer la santé de la population. Résultats des tests doivent indiquer le traitement adéquat - Administration informatique (augmentation du nombre de tests et de résultats communiqués en ligne; logiciels limitant le jugement humain dans l’analyse des réponses au tests)
Donne la définition d’un test.
- Méthode ou outil standardisé (méthode uniforme d’administration et de notation; soumis à des normes)
- Qui fournit de l’information
- Sur un échantillon
- De comportements ou de processus cognitifs
Comportements : choses visibles
Processus cognitifs: fonctions mentales supérieures comme la mémoire, la perception, le langage, les fonctions exécutives. - Sous une forme quantifiée
Pourquoi faire preuve de prudence quand on utilise des normes?
- Dépendamment de l’échantillon utilisées, je pourrais ou non utiliser ces normes. Faire preuve de prudence. Ex: est-ce que vous êtes anxieux? => dépend par rapport à qui. (par rapport au reste de la classe?). On ne pourrait pas utiliser les résultats d’anxiété des étudiants de psycho comme groupe de référence pour les autres étudiants en général de l’université.
- Très long faire des normes. On n’aura pas toujours des normes parfaites. Toujours garder en tête avec quel groupe je fais ma comparaison. Ex: souvent variations selon le sexe, selon l’âge, etc…
Quel est le but des normes?
- Les normes débutent toujours avec un score brut (Exemples : 80% à l’examen
Si moyenne = 50%, 80% = très bon
Si Moyenne = 85%, 80% = moins bon) - Les scores bruts sont difficiles à interpréter
- On peut y parvenir avec les résultats des autres
- Ces autres scores constituent les normes: Mais, dépend du groupe élaboré pour faire les normes… (Si trop de différences entre notre client et les normes utilisées => conclusion ne sera peut-être pas efficace)
Donc traduire les scores bruts en scores normés pour pouvoir les interpréter. Score brut = résultat plus ou moins immédiat d’une personne à un test. Score normalisé = score brut d’une personne comparé aux scores de personnes faisant partie du groupe de référence.
Qu’est-ce qu’une variable?
3 Niveaux:
- Construit : la variable est décrite et définie verbalement. (Définition générale de la variable)
Ex: C’est quoi la dépression
- Mesure : la variable est mesurée => définition opérationnelle de la variable. (Souvent un test)
Ex: Inventaire de dépression de Beck
– Données brutes: Obtention de données brutes, scores obtenus par la mesure.
Construit = élaboration conceptuelle. Définition de la dépression. Dépression = construit, c’est un concept élaboré par un chercheur. Construit = pas mesurable directement. Mais on a un instrument de mesure qui mesure les indicateurs de la dépression, ensuite on a les données brutes qui sont les scores obtenus.
Ex: Inventaire de Beck.
Les statistiques se situent auprès des données brutes
Quelle est la différence entre la statistique descriptive et la statistique inférentielle?
Statistique descriptive = aide à résumer ou à décrire les données brutes pour faciliter la compréhension des résultats.
Statistique inférentielle = aide à tirer des conclusions (inférences) sur ce qui est probablement vrai au sein de la population en fonction de ce qui a été découvert à partir de l’échantillon.
Quels sont les différents types d’échelles?
- nominales: Classifie, assigne des chiffres (qui ne veulent rien dire). Ex: Quelle est notre chaine de télévision préférée => 2= radio canada, 4= tva. Pas possible de faire de statistiques comme la moyenne.
Ex: numéros sur les chandails de Hockey. Numéro 1 attribué aux hommes et numéro 2 attribué aux femmes, etc… - ordinales: On place en ordre nos valeurs. Mais les distances qui les séparent sur l’échelle ne sont pas nécessairement égales. Ex: Niveau d’éducation: primaire, secondaire, cégep, université. Tout à fait d’accord…. Tout à fait en désaccord. Comme ce n’est pas des intervalles égaux, devient plus compliqué de faire des analyses statistiques.
Ex: Classement des équipes de football (impossible de supposer que la différence de performance entre l’équipe 1 et 2 est la même que celle entre l’équipe 2 et 3) - intervalles: La différence est toujours la même. Intervalles égaux La plupart de nos échelles en psychométrie sont des échelles à intervalles.
Ne comporte pas de zéro absolu (il y a un point zéro, mais il ne signifie pas une absence complète de la variable mesurée).
Ex: Thermomètre gradué en Celsius - ratio: Aussi appelée échelle de rapport. Intervalles égaux + zéro absolu. Zéro qui signifie l’absence complète de quelque chose (ex: j’ai pris 0 bières)
Échelles à intervalles et ratio = manipulations statistiques possibles.
Explique l’organisation des données.
Difficile de donner un sens à un groupe de données brutes.
La distribution de fréquences permet facilement de voir certaines caractéristiques comme l’étendue des scores et leurs zones de concentration
Voir p. 8 du pwr point : Distribution de fréquences (ex: j’ai trois scores entre 150 et 159)
Fréquences cumulées : additionner les fréquences jusqu’à ce qu’on arrive à notre nombre total d’items (j’avais 100 items au départ)
Histogramme de fréquence : Axe des x = chacun des scores, y = la fréquence
On peut aussi le représenter par une ligne (polygone de fréquence)
Qu’est-ce qu’un paramètre?
Paramètre = vraie valeur dans la population. Quand on ne connait pas la distribution d’une population, on va assumer qu’elle suit la distribution normale. Si notre population s’écarte trop de la normale (ex: distribution bimodale), on ne peut pas vraiment utiliser les statistiques que l’on fait avec une distribution normale. On peut faire des transformations de nos données.
Qu’est-ce que les mesures de tendance centrale?
Centre autour duquel les données brutes tendent à se regrouper.
- Moyenne (Formule 3-1)
- Médiane : score qui se situe au milieu lorsque les scores sont ordonnés du plus bas au plus élevé. Divise la série de scores en deux.
- Mode: Score qui figure le plus souvent dans une distribution.
Quand on suit la courbe normale, la moyenne, la médiane et le mode sont identiques.
On utilise surtout la moyenne; La médiane et le mode = moins utilisées. Médiane est souvent plus représentative quand on a des données extrêmes/aberrantes.
Qu’est-ce que les mesures de dispersion?
Deux ensembles de données peuvent avoir la même moyenne, mais dans l’un d’eux, tous les scores peuvent se retrouver à moins de deux points de la moyenne, alors que dans l’autre ensemble, les scores peuvent être très dispersés.
- Étendue : donnée max. - donnée min.
- Écart-type et variance : Formules
Variance = somme(X-M)^2/N-1
Écart-type = racine carrée de la variance
- Intervalle interquartile : distance séparant le premier quartile du troisième.
- Scores Z: définition: (X-M)/ÉT
Ex: (90%-70%)/10% = 2 (Il y a environ 2,27% de la population qui a une note plus élevée que moi et 97,9% qui a une note plus faible que moi)
Ex: (70%-90%)/10% = -2 (Il y a environ 2,27% de la population qui a une note plus basse que moi et 97,7% qui a plus haut que moi)
Ex: (60%-60%)/10% = 0 (pile poil sur la moyenne)
Dans la distribution des scores Z, M=0 et ÉT =1. Peu importe la valeur des scores bruts, quand ils sont convertis en scores Z, ils ont toujours la même moyenne et le même écart-type.
On utilise les scores Z pour tracer la courbe normale en fonction des surfaces sous la courbe.
Voir p.11 du pwr point:
16% de la population qui a un score plus élevé que moi.
Score z de 1 = percentile 84. (16% qui ont un score plus élevé que moi et 84% qui ont un score plus faible que moi) (voir table à la diapo 16)
Prend une direction dans notre hypothèse pour que ce soit une courbe one tailed (unidirectionelle)
Scores Z sont interchangeable en fonction des unités de mesure. Je suis toujours capable de ramener ça à un score Z
Quelles sont les différentes formes de distribution?
- Normale: caractéristiques = plupart des scores sont autour de la moyennes et données extrêmes sont plutôt rares. Unimodale (1 seul mode), symétrique par rapport à son axe central. Les extrémités de la courbe sont asymptotiques (se prolongent à l’infini) => vrai en théorie, mais en pratique, les données cessent à un certain point. La surface sous la courbe est contenue dans plus ou moins 3 écart-types. Distribution de référence = courbe normale.
Différences de la normalité:
- Skewness/Asymétrie:
Asymétrie positive => Forte répartition des scores vers la gauche. Ex: La plupart des gens ne subiront pas d’harcèlement au travail et minorité qui va en subir bcp
Asymétrie négative => Forte répartition des scores vers la droite. Ex: Criminalité en milieu carcéral.
- Kurtosis/Voussure/Kurtose => L’allure plus ou moins pointue de la distribution.
Leptocurtique = pas bcp de dispersion, plus pointue (ex: enseignant qui met 80% à pratiquement tout le monde)
Platicurtique = pic de la moyenne moins présent, plus aplatie.
- Mode: Ex: distribution bimodale
De nombreux phénomènes survenant naturellement on tendance à avoir une distribution normale.
Quels sont les différents types de scores bruts?
- Nombre de réponses correctes: Tests d’aptitudes, cognitifs etc.
- Nombre de réponses dans une certaine direction: Personnalité, attitude, non cognitif
On obtient un nombre de réponses correctes et ensuite on transforme ça en scores Z.
Transformer un score brut en un score pondéré.
On peut situer notre client par rapport à la population normale. On prend le score brut et on le transfert en score pondéré, cette pondération va varier en fonction de l’âge ou du sexe par exemple.
Qu’est-ce que la correction pour divination?
Correction pour divination (moins utilisé de nos jours): Correction ou ajustement des scores bruts qui repose sur l’hypothèse qu’une personne peut obtenir quelques bonnes réponses en faisant appel au hasard. Plus dans les tests d’aptitudes ou tests cognitifs.
Ex: Questionnaire à choix de réponse. Question avec A B C et D comme choix de réponses et B = bonne réponse. Arriver par hasard à B. 1chance sur 4 d’arriver à la bonne réponse, même si on a aucune idée de la bonne réponse. Il faudrait calculer une pénalité pour les bonnes réponses que la personne aurait eu par hasard.
Quels sont les principaux types de normes?
Percentiles
Scores standardisés/pondérés (ex: scores Z, échelles Weschler)
Normes développementales
Qu’est-ce que les percentiles?
Percentile = une des normes les plus fréquemment utilisées pour les tests psychologiques.
- Concept de base : % de personnes dans les normes se situant sous le score du groupe. Proportion des membres du groupe de référence qui se situent sous un score donné.
Ex: Si un score de 48 se trouve à un percentile de 60, cela signifie que 60% des membres du groupe de référence ont obtenu un score égal ou inférieur à 48.
- Étendue = 1-99, 50 est la médiane.
- Forces: Facile à comprendre, Facile à calculer
- Faiblesses: Confusion avec le % (Ex: Percentile 90) => Percentile 90 = pas nécessairement bon (à une échelle de dépression, percentile 90 = pas bon).
Inégalité des unités dans l’échelle => Passer du percentile 50 au percentile 60 = pas la même chose que passer du percentile 90 au percentile 100.
Pour passer du percentile 40 à 50 puisque tout le monde est proche de la moyenne, moins dure que de passer du percentile 90 à 100. Percentiles = pas toujours des unités équivalentes entre elles.
Ex: Passer d’une note de 94% à 100% demande beaucoup plus d’effort et d’étude que de passer d’une note de 60% à 66% par exemple.
Les rangs percentiles se regroupent au centre de la distribution et s’étalent aux deux extrémités de la distribution.
Ex: Une différence de 3 points couvrira de nombreux points percentiles au centre de la distribution, mais seulement quelques-uns à chacune des extrémités.
