Chapitre I — Utilité et limites de l'analyse quantitative
I.1 Les sciences humaines sont des sciences
Bien que les sciences humaines étudient des phénomènes complexes liés aux comportements, aux sociétés et aux cultures, elles partagent avec les sciences naturelles une approche rigoureuse et systématique de la connaissance. Ce qui confère aux sciences humaines leur caractère scientifique, c'est que la pratique des sciences humaines suit la méthode scientifique, présentée dans la figure 1.
L'utilisation de méthodes quantitatives en sciences humaines suit de près l'introduction des méthodes quantitatives en sciences en général. En effet, au XVIIe siècle, où émergent simultanément la méthode scientifique et la notion moderne d'État, la nécessité d'administrer les ressources de manière efficace pousse les gouvernements à collecter des données sur la population, le territoire, le commerce, etc. Bien que la collecte de données soit ancienne (recensements en Mésopotamie, Égypte, Chine antique), c'est à cette époque que se développe une approche systématique de la collecte et de l'analyse des données pour comprendre et gérer les sociétés.
Au Québec, le premier recensement officiel a eu lieu en 1666 sous l'administration de Jean Talon, intendant de la Nouvelle-France. Ce recensement visait à collecter des données démographiques et économiques pour mieux administrer la colonie. Il a permis de recenser environ 3 215 habitants, fournissant des informations précieuses sur la population, les familles, les métiers et les ressources disponibles. Ce recensement est un exemple précoce de l'utilisation de méthodes quantitatives pour comprendre et gérer une société.
Cette tendance à la quantification ne s'est pas démentie depuis, entre recensements, sondages, nécessités logistiques, etc. De nos jours, impulsée par le succès des sciences dans l'amélioration de la qualité de vie et dopée par l'avènement des outils informatiques, l'analyse quantitative est devenue un outil incontournable dans tous les domaines. En plus de permettre aux chercheurs de mener des études rigoureuses et reproductibles, les méthodes quantitatives appliquées spécifiquement aux réalités humaines sont un support majeur de la prise de décision politique, économique et sociale.
En étudiant la diversité génétique chez les graminées, par des méthodes quantitatives, des archéologues ont pu prouver qu'avant l'arrivée du maïs en Amérique du Nord, les populations autochtones cultivaient une plante appelée "chénopode" et avaient domestiqué le tournesol (entre autres plantes).1
Un urbaniste montréalais veut défendre l'installation de pistes cyclables. Il décide de citer l'article The cars are going to be alright: Examining micromobility infrastructure space allocation and potential improvement scenarios in Montréal par Daniel Romm, et al. de l'université McGill, publié en 2025. Dans cette étude, les chercheurs introduisent l'indicateur quantitatif "d'allocation égalitaire d'infrastructure" et montrent que, selon cette mesure, l'espace alloué aux cyclistes est moindre que celui alloué aux voitures.
Bien que les sciences humaines en elles-mêmes ne soient pas normatives (elles ne disent pas ce qu'il faut faire), la pratique de cette méthodologie scientifique en sciences humaines est souvent motivée par le besoin de données empiriques pour éclairer la prise de décision dans des domaines variés tels que la santé publique, l'éducation, la politique sociale, etc.
Dans ce cadre de décision, l'analyse quantitative en sciences naturelles et humaines fournit des données que l'on veut objectives pour justifier des choix ayant souvent comme visée une efficacité de l'allocation des ressources (dans une entreprise par exemple, mais aussi dans le secteur public : étant donné un budget fixé, comment l'utiliser au mieux pour maximiser le bien-être de la population ?). Cependant, il est crucial de reconnaître que les données quantitatives, bien qu'objectives dans leur collecte et analyse, sont interprétées par des humains qui apportent leurs propres perspectives, valeurs et biais. Ainsi, l'objectivité des données ne garantit pas une objectivité dans la prise de décision.
I.2 Qu'est-ce que l'analyse quantitative ?
L'analyse quantitative est une approche méthodologique qui utilise des données numériques et des techniques statistiques pour comprendre des phénomènes sociaux, psychologiques et humains et qui vise à les mesurer et les chiffrer. Elle est une des manifestations de la méthode scientifique. Ce n'est pas la seule : les méthodes qualitatives ont également une place centrale en sciences humaines.
Il faut noter que l'analyse quantitative est une méthodologie, et peut donc être appliquée à toutes sortes de questions de recherche et de données, y compris des données qualitatives.
Après les caisses dans un supermarché, une borne avec trois boutons (satisfait, neutre, insatisfait) permet de recueillir des avis qualitatifs sur l'expérience d'achat. Après un traitement quantitatif de ces données, on peut par exemple faire l'affirmation suivante : "85% des clients se disent satisfaits de leur expérience d'achat".
L'analyse quantitative est une méthode de recherche qui s'appuie sur la collecte et l'analyse numériques de données pour étudier des phénomènes, tester des hypothèses et établir des relations entre variables.
Pour le moment, ces mots ne nous disent pas grand-chose. L'objectif de la première partie de ce cours est de se familiariser avec les concepts, outils et méthodes de l'analyse quantitative en sciences humaines.
Cette approche repose sur plusieurs principes fondamentaux :
- Mesure objective : Utilisation d'instruments standardisés et de critères précis
- Analyse statistique : Application de méthodes mathématiques pour décrire et interpréter les données
- Généralisation : Possibilité d'étendre les conclusions d'un échantillon à une population plus large
- Reproductibilité : Les résultats peuvent être vérifiés et répliqués par d'autres chercheurs
D'une façon générale, tous les praticiens des sciences humaines vont, d'une façon ou d'une autre, être confrontés à l'analyse quantitative, parfois comme auteurs qui utilisent les outils fournis par les méthodes quantitatives pour mener leur recherche, souvent comme lecteurs qui doivent comprendre et interpréter des résultats quantitatifs présentés dans des articles scientifiques, rapports, etc.
Plus largement que pour la recherche scientifique, les résultats d'analyses quantitatives sont une des sources majeures d'exposition du public aux sciences mathématiques, après la finance. En effet, on trouve très régulièrement dans les médias des sondages d'opinion, des statistiques sur des phénomènes sociaux, économiques ou sanitaires, etc. Comprendre les bases de l'analyse quantitative est donc un atout important pour être un citoyen informé et critique, y compris pour les gens dont l'activité principale est aussi éloignée que possible des mathématiques.
I.3 Quand choisir l'analyse quantitative ?
Les analyses quantitatives et qualitatives ne sont en aucun cas exclusives l'une de l'autre et un même projet de recherche peut combiner les deux. Cependant, certaines situations ou objectifs de recherche se prêtent plus naturellement que d'autres à une approche quantitative.
| Analyse quantitative | Analyse qualitative | |
|---|---|---|
| État de la recherche sur le sujet | Sujet documenté, pour lequel on a une vue d'ensemble. Exemple : Mesurer l'impact d'une politique de santé : on dispose déjà de nombreuses manières de le mesurer. |
Tout type de sujet, y compris peu exploré, nécessitant une compréhension approfondie. Exemple : La polarisation politique entre les genres chez les jeunes adultes augmente : on veut en comprendre les raisons. |
| Objectifs de recherche | Mesurer un phénomène, tester des hypothèses, établir des relations de cause à effet. Obtenir des données chiffrées, comparables et généralisables. Questions dont on peut estimer la réponse à l'avance. Exemple : on peut vouloir mesurer l'impact d'une nouvelle méthode pédagogique sur les résultats scolaires : on recueille les notes des étudiants avant et après l'introduction de la méthode. |
Comprendre un phénomène difficilement chiffrable, explorer des expériences subjectives, générer des hypothèses. Obtenir une information riche, protéiforme, dont on ne peut précisément prévoir la nature. Exemple : on peut vouloir comprendre les raisons du rejet d'une réforme : on recueille les avis des intéressés par écrit. On obtient un corps de textes dont il faut extraire les raisons exprimées |
| Type de données | Données structurées, souvent numériques. Exemples : Réponse à un questionnaire à choix multiples, relevés de notes d'examen, données démographiques... |
Chaque donnée est souvent complexe et riche en informations qualitatives. Exemples : des lettres historiques, des documents ethnologiques filmés, des suggestions d'utilisateurs d'un service |
| Volume de données | Grand volume, jusqu'à plusieurs milliards | Faible volume, jusqu'à quelques centaines |
Généralement parlant, l'analyse quantitative est plus restrictive que l'analyse qualitative sur les questions de recherches qu'elle peut aborder et les données qu'elle peut traiter. En contrepartie, les résultats obtenus sont plus précis, plus clairement interprétables et souvent généralisables.
Évidemment, les différences entre méthodes quantitatives et qualitatives sont plus nombreuses et plus nuancées que ce bref résumé. De plus, les conclusions tirées d'une approche peuvent nourrir la recherche menée dans l'autre :
par une approche quantitative, on peut montrer que certaines variations dans la population au cours du temps sont significatives, ce qui peut motiver une étude qualitative pour en comprendre les raisons. Inversement, une étude qualitative peut éclairer les interprétations possibles d'une analyse quantitative et permettre de tirer des conclusions plus riches que les simples chiffres.
La chercheuse montréalaise en géographie urbaine, la Pr. Damaris Rose, propose en 1984 dans son article Rethinking gentrification: beyond the uneven development of marxist urban theory une analyse qualitative des processus qui mènent à la gentrification d'un quartier (dans le cadre des villes nord-américaines). Son analyse suggère en particulier qu'on peut s'attendre à des compositions sociales différentes au cours du processus. Dans des travaux ultérieurs, la Pr. Rose et d'autres chercheurs ont mesuré quantitativement ces compositions, par exemple dans l'article Economic restructuring and the diversification of gentrification in the 1980s: a view from a marginal metropolis de 1996, dans lequel les mesures quantitatives des changements démographiques dans plusieurs quartiers de Montréal sont analysées pour tester les hypothèses formulées dans l'article de 1984.
I.4 Importance en sciences humaines
L'analyse quantitative en sciences humaines est utile pour les mêmes raisons qu'elle l'est en sciences naturelles : elle permet de structurer la collecte et l'analyse des données et de produire des résultats reproductibles. Bien qu'il soit difficile2 d'atteindre une objectivité totale en sciences humaines, les méthodes quantitatives permettent de créer des instruments de mesure des réalités humaines standardisés et réutilisables.
On peut argumenter que les tests de QI ne mesurent pas réellement "l'intelligence" dans son ensemble, mais à défaut de pouvoir accéder à une mesure "parfaite" (dont l'existence même est loin d'être garantie), ces tests fournissent un moyen standardisé d'évaluer certains aspects cognitifs. Grâce à cette standardisation, les résultats peuvent être comparés entre individus et groupes, et utilisés pour des recherches en psychologie cognitive, en éducation, etc.
En chiffrant différents aspects des réalités humaines, l'analyse quantitative permet de :
- décrire rigoureusement des phénomènes complexes et possiblement de grande échelle. Plutôt que de décrire une population comme "très pauvre", on peut préciser que son revenu est inférieur à 50% du revenu médian national. Plutôt que d'examiner des comportements individuels, on peut analyser des tendances dans une population de plusieurs millions de personnes.
- ce faisant, elle permet de comparer des groupes qualitativement différents : être pauvre en Suisse n'a pas le même sens qu'être pauvre au Venezuela. Cependant, en utilisant des mesures relatives, on peut comparer la pauvreté entre ces deux pays. Le chiffrage des phénomènes humains permet également aux chercheurs de répliquer des études et mesures et d'obtenir des données comparables entre elles.
- généraliser les résultats d'une étude à une population plus large : en utilisant des échantillons représentatifs et des méthodes statistiques appropriées, on peut tirer des conclusions sur une population entière à partir d'un sous-ensemble de cette population.
- établir des liens entre des phénomènes, tester des hypothèses et faire des prévisions : en observant quantitativement la relation entre les politiques familiales et les taux de natalité dans des pays comparables au Canada, on peut faire des prédictions sur l'impact de telles politiques au Canada.
- aider à la prise de décision, une fois appliquée à des problématiques concrètes.
Donnons des exemples concrets d'application dans différents domaines des sciences humaines. Cette liste n'est pas exhaustive, mais illustre la diversité des applications de l'analyse quantitative en sciences humaines.
| Domaine | Applications de l'analyse quantitative |
|---|---|
| Administration | Création de modèles budgétaires basés sur des données historiques pour optimiser l'allocation des ressources. Projection de l'impact économique d'une nouvelle infrastructure ou de l'accueil d'un événement international. |
| Anthropologie et Archéologie | Analyse de la diversité génétique des populations anciennes pour comprendre les migrations humaines. Utilisation de la datation par le carbone 14 pour établir des chronologies précises. Prédiction des sites archéologiques potentiels à l'aide de modèles spatiaux. |
| Démographie | Création de recensements pour mesurer la population et ses caractéristiques. Modélisation des tendances démographiques pour prévoir les besoins futurs en infrastructures, services sociaux, etc. Calculs de nombreux indicateurs sociaux-économiques (taux de natalité, mortalité, migration, etc.) informant des politiques publiques. |
| Économie | Analyse des données de marché pour comprendre les comportements des consommateurs. Modélisation économétrique pour prévoir les impacts des politiques fiscales ou monétaires. Évaluation quantitative des risques financiers. Calculs des taux d'intérêt, primes d'assurances, etc. |
| Géographie | Utilisation de systèmes d'information géographique (SIG) pour analyser les données spatiales. Modélisation des phénomènes environnementaux (changement climatique, urbanisation, etc.) et leur impact sur les populations humaines. |
| Histoire | Analyse statistique des données historiques (recensements, registres économiques, etc.) pour comprendre les tendances sociales et économiques. Utilisation de méthodes quantitatives pour étudier les réseaux sociaux de nos jours ou les dynamiques de pouvoir dans les sociétés passées. |
| Psychologie | Utilisation de tests standardisés pour mesurer les traits de personnalité, les capacités cognitives, etc. Analyse statistique des données expérimentales pour comprendre les comportements humains et les processus mentaux. |
| Science politique | Analyse des données électorales pour comprendre les comportements de vote. Modélisation des opinions publiques à l'aide d'enquêtes quantitatives. Évaluation de l'impact des politiques publiques à l'aide de méthodes statistiques. |
| Sociologie | Études quantitatives des comportements sociaux, des structures familiales, des inégalités sociales, etc. Utilisation de grandes bases de données pour analyser les tendances sociales à long terme. |
I.5 Limites
I.5.1 Une approche descriptive, pas normative
Fondamentalement, la science est descriptive : elle cherche à comprendre, expliquer, modéliser le monde tel qu'il est, pas tel qu'il devrait être. C'est le cas également en sciences humaines. L'analyse quantitative permet de mesurer des phénomènes humains, mais ne prescrit pas d'action à prendre. Par exemple, une étude peut montrer un lien entre certaines politiques sociales et une réduction de la pauvreté, une autre peut mesurer le niveau de pauvreté dans la population, mais aucune ne dit qu'il faut adopter ces politiques sociales.
Bien que l'analyse quantitative et ses conclusions soient des outils puissants pour indiquer la façon d'agir en poursuite d'un objectif, la définition de cet objectif et l'acceptabilité des actions à prendre relèvent du domaine politique, éthique et moral, qui dépasse le cadre de la science.
Comme le dit David Hume dans son Traité de la nature humaine (1739) : "On ne peut jamais déduire un il faut d'un il est". En d'autres termes, les faits seuls ne peuvent pas dicter ce qui devrait être fait.
Notons cependant que dans vos vies professionnelles, si vous travaillez dans l'administration, la santé publique, le marketing..., il sera fréquent que les objectifs soient imposés à l'avance et que votre rôle soit de fournir et analyser des données pour éclairer la prise de décision.
I.5.2 Des réalités parfois trop complexes
Malgré ses nombreux avantages, l'analyse quantitative a des limites inhérentes, en particulier en sciences humaines. Les phénomènes humains sont souvent complexes, multifactoriels et contextuels, ce qui peut rendre difficile leur quantification précise. Par exemple, des concepts comme le bonheur, la justice ou la culture sont difficiles à définir, et donc à mesurer de manière objective et standardisée. Dans certains cas, une approche qualitative est incontournable pour comprendre pleinement ces phénomènes. Par essence, les méthodes quantitatives simplifient la réalité pour la rendre mesurable, ce qui peut entraîner une perte d'informations importantes. Il faut donc, lorsque l'on revient des chiffres vers la réalité lors de l'interprétation des résultats, garder à l'esprit cette simplification : il est possible que des aspects cruciaux du phénomène étudié aient été négligés ou mal représentés.
Si malgré tout on essaie de réduire ces phénomènes à des chiffres (ce qui peut se justifier), on prend le risque que la définition personnelle du chercheur ou des biais culturels influencent la manière dont les phénomènes sont mesurés et interprétés. Par exemple, une enquête sur la satisfaction au travail peut être influencée par des facteurs culturels qui affectent la manière dont les individus expriment leur satisfaction ou insatisfaction ou sur la perception de ce qu'est le niveau d'implication "normal".
I.5.3 Considérations éthiques
Éthique de la recherche
Les mêmes considérations d'éthique de la recherche qui s'appliquent dans toutes les sciences s'appliquent en particulier en sciences humaines. Il est crucial d'être aussi transparent que possible sur les méthodes utilisées, les limites des données et les interprétations possibles des résultats. De ce point de vue, la méconduite scientifique peut prendre de nombreuses formes : falsification de données, plagiat, biais dans la collecte ou l'analyse des données, analyse "dirigée" pour obtenir des résultats souhaités, etc.
En mai 2025, le département des Sciences du Comportement Humain de l'université Harvard a renvoyé Francesca Gino, dont les recherches portaient sur "le comportement éthique et l'honnêteté", pour avoir falsifié, voire inventé, des données dans plusieurs articles (au moins 4) entre 2012 et 2021.
Ce genre de comportement nuit non seulement à la crédibilité du chercheur, mais aussi à la confiance du public dans la recherche scientifique en général. Sur la base d'articles publiés illégitimement, des politiques publiques peuvent être mises en place, des ressources allouées, des vies humaines impactées. D'autres recherches sont parfois entreprises pour tenter d'étudier un phénomène parfois inventé, ce qui gaspille du temps, de l'argent et de la crédibilité scientifique.
En 1998, Andrew Wakefield a publié une étude dans The Lancet portant sur 12 enfants et suggérant un lien entre le vaccin ROR (rougeole-oreillons-rubéole) et l'autisme. Cette étude a été largement discréditée par la suite en raison de graves erreurs méthodologiques, de conflits d'intérêts non divulgués, de manipulations des données et de brèches éthiques dans le traitement des patients. Cependant, l'impact de cette publication a été considérable, contribuant à une baisse de la vaccination et à des épidémies de rougeole dans plusieurs pays. L'étude a été menée au Royaume-Uni où elle a eu un impact important. Des décennies plus tard, cela continue à avoir des conséquences : selon les statistiques du gouvernement britannique, 10 morts causées par la rougeole auraient pu être évitées par la vaccination depuis 2010. De nombreuses études ultérieures ont infirmé tout lien entre le vaccin ROR et l'autisme. Par exemple, une étude par Madsen et al. en 20023, portant sur 537 303 enfants, n'a trouvé aucune association entre la vaccination ROR et le développement de l'autisme.
Spécificité des sciences humaines
Dans le cas des sciences humaines, des considérations supplémentaires sont à prendre en compte, en particulier en ce qui concerne d'une part les sujets de la recherche et d'autre part l'interprétation des résultats.
Concernant les sujets de recherche, il s'agit dans une majorité des cas directement d'humains ou de groupes humains. Il est donc crucial de respecter leur dignité, leur vie privée et leurs droits tout au long du processus de recherche. Cela inclut l'obtention d'un consentement éclairé, la protection des données personnelles et la minimisation des risques pour les participants. Dans certains cas, la question du consentement est particulièrement difficile : par exemple, un archéologue peut être amené à étudier des restes humains anciens ou un historien peut vouloir analyser des documents personnels. Dans ces cas, il est important de respecter les normes éthiques en vigueur et de consulter les communautés concernées lorsque cela est approprié. Les sciences humaines touchent à tous les aspects de la vie, y compris des sujets difficiles comme la pauvreté, la maladie, la violence, la discrimination, etc. Il est crucial de traiter ces sujets avec sensibilité et respect, en évitant de stigmatiser ou de marginaliser les groupes étudiés.
L'utilisation de nos traces numériques (données de navigation web, données de réseaux sociaux, etc.) par des entreprises privées dans des buts commerciaux ou par des gouvernements à des fins de surveillance soulève des questions éthiques importantes. Par exemple, en 2018, le scandale Cambridge Analytica a révélé que les données personnelles de millions d'utilisateurs de Facebook avaient été collectées sans leur consentement pour influencer des campagnes politiques. Cet incident a mis en lumière la nécessité de réglementations strictes sur la collecte et l'utilisation des données personnelles, ainsi que l'importance du consentement éclairé dans la recherche impliquant des données numériques.
En ce qui concerne l'interprétation des résultats, il est important de reconnaître et de rendre explicites les limites des données et des méthodes utilisées.
Les chercheurs doivent être transparents sur les incertitudes et les biais potentiels, et éviter de tirer des conclusions hâtives ou non fondées. De plus, il est essentiel de considérer le contexte culturel, social et historique des données, afin d'éviter les généralisations inappropriées ou les interprétations erronées.
À l'époque du "racisme scientifique" au $XIX^e$ siècle, des mesures anthropométriques étaient utilisées pour justifier des hiérarchies raciales. En particulier, des mesures de volumes crâniens étaient interprétées comme des indicateurs de supériorité intellectuelle, et de nombreux chiffres de l'époque, remesurés sur des spécimens conservés dans les musées, montrent que les données avaient été manipulées pour correspondre aux préjugés raciaux des chercheurs.
Il est de la responsabilité du chercheur de se tenir à l'affût de mauvaises données ou d'interprétations dépassées et/ou biaisées, et de les éviter ou de les corriger selon le cas.
De la même façon, il faut garder à l'esprit que les données quantitatives ont un grand pouvoir de persuasion, et que les chiffres peuvent être utilisés pour manipuler l'opinion publique ou justifier des politiques controversées. Tout "objectifs" que soient les chiffres, il est possible de les faire mentir : nous en verrons des exemples lorsque nous parlerons de la présentation et de l'interprétation des résultats.
Les chercheurs doivent être conscients de cette réalité et s'efforcer de communiquer leurs résultats de manière honnête et transparente.
Cela est d'autant plus vrai quand les questions traitées touchent à des enjeux sociaux sensibles, comme les inégalités, la discrimination, la santé publique, etc.
Enfin, et bien que ce dernier point soit vrai dans toutes les sciences, les sciences humaines sont souvent particulièrement proches de leur propre application. Par exemple, un sociologue étudiant les politiques publiques peut être amené à conseiller des décideurs politiques sur la base de ses recherches. Dans ces situations, il est crucial de maintenir une séparation claire entre la recherche scientifique et les intérêts politiques ou économiques, afin de préserver l'intégrité et l'objectivité de la recherche, quelle que soit la préférence politique personnelle du chercheur.
En résumé, voici une liste non exhaustive de problèmes éthiques qui peuvent survenir à différentes étapes du processus de recherche en sciences humaines, et qui peuvent affecter la qualité des données et la validité des conclusions :
- Problème impactant les sujets de l'étude : Violation de la vie privée des participants et utilisation de données sensibles sans précautions adéquates, collecte de données sans consentement éclairé, exposition des participants à des risques physiques ou psychologiques, exploitation de populations vulnérables, etc.
- Problèmes impactant directement la qualité des données : Manipulation ou falsification de données, utilisation de données obsolètes ou non représentatives, etc.
- Problèmes impactant directement la validité des conclusions : Interprétation biaisée des résultats pour soutenir un agenda particulier, incluant la validation de préjudices, la stigmatisation ou marginalisation des groupes étudiés, le gain personnel, conflits d'intérêts non divulgués, publication de résultats non vérifiés ou non reproductibles, etc.
Évidemment, un problème en amont peut entraîner des problèmes en aval : par exemple, la collecte de données sans consentement éclairé peut conduire à des données biaisées, ce qui peut à son tour conduire à des conclusions erronées ou biaisées. De même, l'interprétation biaisée des résultats peut conduire à des politiques publiques inappropriées ou injustes. Il est donc crucial de maintenir des normes éthiques élevées à chaque étape du processus de recherche pour garantir la qualité et l'intégrité de la recherche en sciences humaines.
Résumé du chapitre
Concepts clés
| Concept | Définition |
|---|---|
| Analyse quantitative | Méthode d'étude utilisant des données numériques et techniques statistiques pour comprendre et mesurer des phénomènes |
| Objectivité | Qualité d'une mesure standardisée (données), pas des décisions (normatives) |
| Généralisation | Possibilité d'étendre les conclusions d'un échantillon à une population plus large |
| Reproductibilité | Les résultats peuvent être vérifiés et répliqués par d'autres chercheurs |
Quand utiliser l'analyse quantitative ?
Forces et limites
Forces :
- Mesure objective et standardisée
- Comparaison entre groupes possibles
- Généralisation valide
- Décisions éclairées par données
- Reproductibilité assurée
Limites :
- Réalité humaine complexe
- Perte d'information contextuelle
- Pas de prescriptions (normatif)
- Biais d'interprétation possibles
- Considérations éthiques importantes
Principes éthiques fondamentaux
- Consentement éclairé : Les participants doivent comprendre et accepter l'étude
- Confidentialité : Protéger les données personnelles
- Transparence : Documenter les méthodes et limites
- Intégrité : Éviter la falsification et le biais
- Respect : Traiter les groupes sans stigmatisation