La recherche quantitative est le processus de collecte et d’analyse de données numériques. Il peut être utilisé pour trouver des modèles et des moyennes, faire des prédictions, tester les relations causales et généraliser les résultats à des populations plus larges.
La recherche quantitative est à l’opposé de la recherche qualitative, qui consiste à collecter et à analyser des données non numériques (texte, vidéo ou audio, par exemple).
La recherche quantitative est largement utilisée dans les sciences naturelles et sociales: biologie, chimie, psychologie, économie, sociologie, marketing, etc.
- Quelle est la composition démographique de Singapour en 2020?
- Comment la température moyenne a-t-elle changé au niveau mondial au cours du siècle dernier?
- La pollution de l’environnement affecte-t-elle la prévalence des abeilles mellifères?
- Le travail à domicile augmente-t-il la productivité des personnes qui font de longs trajets?
Méthodes de recherche quantitative
Vous pouvez utiliser des méthodes de recherche quantitative pour la recherche descriptive, corrélationnelle ou expérimentale.
- Dans la recherche descriptive, vous recherchez simplement un résumé global des variables de votre étude.
- Dans la recherche corrélationnelle, vous étudiez les relations entre les variables de votre étude.
- Dans la recherche expérimentale, vous examinez systématiquement s’il existe une relation de cause à effet entre les variables.
La recherche corrélationnelle et la recherche expérimentale peuvent toutes deux être utilisées pour tester formellement des hypothèses, ou des prédictions, à l’aide de statistiques. Les résultats peuvent être généralisés à des populations plus larges en fonction de la méthode d’échantillonnage utilisée.
Pour collecter des données quantitatives, vous devrez souvent utiliser des définitions opérationnelles qui traduisent des concepts abstraits (par exemple, l’humeur) en mesures observables et quantifiables (par exemple, l’auto-évaluation des sentiments et des niveaux d’énergie).
| Méthode de recherche | Comment utiliser | Exemple |
|---|---|---|
| Expérience | Contrôlez ou manipulez une variable indépendante pour mesurer son effet sur une variable dépendante. | Pour vérifier si une intervention peut réduire la procrastination chez les étudiants, vous donnez à des groupes de taille égale une intervention de procrastination ou une tâche comparable. Vous comparez les auto-évaluations des comportements de procrastination entre les groupes après l’intervention. |
| Sondage | Posez des questions à un groupe de personnes en personne, par téléphone ou en ligne. | Vous distribuez des questionnaires avec des échelles de notation aux étudiants de première année de collège international pour enquêter sur leurs expériences de choc culturel. |
| Observation (systématique) | Identifiez un comportement ou une occurrence d’intérêt et surveillez-le dans son environnement naturel. | Pour étudier la participation en classe au collège, vous vous asseyez dans les classes pour les observer, en comptant et en enregistrant la prévalence des comportements actifs et passifs des élèves de différents milieux. |
| Recherche secondaire | Recueillir des données qui ont été recueillies à d’autres fins, par exemple, des enquêtes nationales ou des documents historiques. | Pour évaluer si les attitudes à l’égard du changement climatique ont changé depuis les années 1980, vous collectez des données de questionnaire pertinentes à partir d’études longitudinales largement disponibles. |
Analyse quantitative des données
Une fois les données collectées, vous devrez peut-être les traiter avant de pouvoir les analyser. Par exemple, les données d’enquête et de test peuvent devoir être transformées de mots en chiffres. Ensuite, vous pouvez utiliser l’analyse statistique pour répondre à vos questions de recherche.
Les statistiques descriptives vous donneront un résumé de vos données et comprendront des mesures des moyennes et de la variabilité. Vous pouvez également utiliser des graphiques, des diagrammes de dispersion et des tableaux de fréquences pour visualiser vos données et rechercher des tendances ou des valeurs aberrantes.
En utilisant des statistiques inférentielles, vous pouvez faire des prédictions ou des généralisations en fonction de vos données. Vous pouvez tester votre hypothèse ou utiliser vos données d’échantillon pour estimer le paramètre de population.
Tout d’abord, vous utilisez des statistiques descriptives pour obtenir un résumé des données. Vous trouvez la moyenne (moyenne) et le mode (évaluation la plus fréquente) de la procrastination des deux groupes, et tracez les données pour voir s’il y a des valeurs aberrantes.
Ensuite, vous effectuez des statistiques inférentielles pour tester votre hypothèse. En utilisant un test t pour comparer les cotes moyennes des deux groupes, vous trouvez une différence significative et un soutien à votre hypothèse.
Vous pouvez également évaluer la fiabilité et la validité de vos méthodes de collecte de données pour indiquer dans quelle mesure vos méthodes ont mesuré de manière cohérente et précise ce que vous vouliez.
Avantages de la recherche quantitative
La recherche quantitative est souvent utilisée pour normaliser la collecte de données et généraliser les résultats.
Les points forts de cette approche comprennent:
- Réplication
La répétition de l’étude est possible grâce à des protocoles de collecte de données standardisés et à des définitions tangibles de concepts abstraits.
- Comparaisons directes des résultats
L’étude peut être reproduite dans d’autres contextes culturels, à d’autres époques ou avec différents groupes de participants. Les résultats peuvent être comparés statistiquement.
- Grands échantillons
Les données provenant de grands échantillons peuvent être traitées et analysées à l’aide de procédures fiables et cohérentes grâce à l’analyse de données quantitatives.
- Test d’hypothèse
L’utilisation de procédures de test d’hypothèse formalisées et établies signifie que vous devez examiner attentivement et rapporter vos variables de recherche, vos prédictions, la collecte de données et les méthodes de test avant de parvenir à une conclusion.
Inconvénients de la recherche quantitative
Malgré les avantages de la recherche quantitative, elle est parfois insuffisante pour expliquer des sujets de recherche complexes. Ses limites comprennent :
- La superficialité
L’utilisation de définitions opérationnelles précises et restrictives peut représenter de manière inadéquate des concepts complexes. Par exemple, le concept d’humeur peut être représenté avec seulement un nombre dans la recherche quantitative, mais expliqué avec élaboration dans la recherche qualitative.
- Mise au point étroite
Des variables prédéterminées et des procédures de mesure peuvent signifier que vous ignorez d’autres observations pertinentes.
- Biais structurel
Malgré des procédures normalisées, les biais structurels peuvent encore affecter la recherche quantitative. Des données manquantes, des mesures imprécises ou des méthodes d’échantillonnage inappropriées sont des biais qui peuvent conduire à de mauvaises conclusions.
- Manque de contexte
La recherche quantitative utilise souvent des contextes non naturels comme les laboratoires ou ne tient pas compte des contextes historiques et culturels qui peuvent affecter la collecte de données et les résultats.
Foire aux questions sur la recherche quantitative
La recherche quantitative traite des nombres et des statistiques, tandis que la recherche qualitative traite des mots et des significations.
Les méthodes quantitatives permettent de tester une hypothèse en collectant et analysant systématiquement des données, tandis que les méthodes qualitatives permettent d’explorer en profondeur les idées et les expériences.
Dans la recherche à méthodes mixtes, vous utilisez des méthodes de collecte et d’analyse de données qualitatives et quantitatives pour répondre à votre question de recherche.
La collecte de données est le processus systématique par lequel des observations ou des mesures sont recueillies dans le cadre de la recherche. Il est utilisé dans de nombreux contextes différents par des universitaires, des gouvernements, des entreprises et d’autres organisations.
L’opérationnalisation signifie transformer des idées conceptuelles abstraites en observations mesurables.
Par exemple, le concept d’anxiété sociale n’est pas directement observable, mais il peut être défini opérationnellement en termes de scores d’auto-évaluation, d’évitement comportemental des endroits surpeuplés ou de symptômes d’anxiété physique dans des situations sociales.
Avant de collecter des données, il est important de considérer comment vous allez opérationnaliser les variables que vous souhaitez mesurer.
La fiabilité et la validité sont toutes deux liées à la mesure dans laquelle une méthode mesure quelque chose :
- La fiabilité fait référence à la cohérence d’une mesure (si les résultats peuvent être reproduits dans les mêmes conditions).
- La validité fait référence à la précision d’une mesure (si les résultats représentent réellement ce qu’ils sont censés mesurer).
Si vous faites de la recherche expérimentale, vous devez également tenir compte de la validité interne et externe de votre expérience.
Le test d’hypothèse est une procédure formelle pour étudier nos idées sur le monde à l’aide de statistiques. Il est utilisé par les scientifiques pour tester des prédictions spécifiques, appelées hypothèses, en calculant la probabilité qu’un modèle ou une relation entre les variables ait pu apparaître par hasard.