Un objectif important de la recherche en psychologie scolaire et développementale est d'étudier et de comprendre les relations causales entre les variables. Malgré l'importance de la causalité, vous rencontrerez rarement un langage causal dans la littérature scolaire et de psychologie du développement. C'est problématique. Les scientifiques humains peuvent suivre trois commandements pour mieux approcher la causalité avec les données de la recherche par questionnaire.
Un objectif important de la science est d'étudier et de comprendre les relations causales entre les variables, et c'est certainement le cas pour la recherche en psychologie scolaire et développementale. Nous voulons savoir si un confinement conduit à plus de solitude chez les jeunes. Nous voulons savoir si une augmentation de la confiance en soi conduit à moins de sentiments dépressifs. Nous voulons savoir si un changement de style parental entraîne de meilleurs résultats scolaires. Malgré l'importance de ces types de problèmes de causalité, vous rencontrerez très peu de langage causal dans la littérature scolaire et de psychologie du développement. C'est étrange et en fait problématique.
Ce tabou autour de la causalité a ses racines dans les limites des méthodes utilisées par les chercheurs pour collecter des données. Les questionnaires sont souvent utilisés dans les sciences humaines pour collecter des données sur les individus. La recherche par questionnaire est une forme de recherche observationnelle, dans laquelle les gens essaient de mieux comprendre la vie, le comportement et la psyché des gens, sans intervenir. Alors que les questionnaires ont de nombreux avantages, il y a aussi une lacune importante. En tant que chercheur par questionnaire, vous avez peu de contrôle sur les soi-disant variables perturbatrices. Ce sont des variables que vous n'avez pas interrogées, mais qui pourraient éventuellement expliquer une relation entre deux variables que vous avez observées. Cela rend en effet impossible d'obtenir une causalité réelle[1] avec les données des questionnaires. Pour cette raison, il est bon que les chercheurs approuvent les limites de leur méthode de collecte de données et soient prudents lorsqu'ils tirent des conclusions causales. Mais le pendule est peut-être allé trop loin. Les gens sont souvent figés dans la pensée associative et ils n'osent même pas écrire des attentes causales.
Tout comme Harry Potter pouvait s'attendre à des silences glacials, des regards convulsifs et des brassages nerveux en prononçant le nom "Voldemort", un scientifique humain peut s'attendre à cela en prononçant la causalité. Souvent suivi d'un doigt levé et de clinchers tels que "la corrélation n'est pas la causalité!". Causalité, le terme qu'il ne faut pas citer.
Ne vous méprenez pas. Ce n'est pas un plaidoyer pour interpréter toutes les conclusions basées sur la recherche par questionnaire comme étant causales. Cependant, il est important de continuer à exprimer des attentes sur la causalité, car c'est souvent le cœur de ce qui nous intéresse. Si les scientifiques se laissent museler par la méthode de collecte de données qu'ils utilisent, ils feront des recherches moins intéressantes et concevront et testeront des théories moins intéressantes[2]. Parce que même si la causalité pure ne peut pas être capturée par la recherche par questionnaire, il y a des choses que les chercheurs par questionnaire peuvent faire pour mieux approcher la causalité dans les sciences humaines. Les trois commandements suivants peuvent servir de ligne directrice et peuvent également être utilisés par les lecteurs de travaux scientifiques comme indicateur de qualité.
1) Mesurer la même variable plusieurs fois dans le temps.
2) Gardez à l'esprit que deux variables peuvent être causales l'une de l'autre.
3) Faites la distinction entre les effets intra-personnels et inter-individuels.
Dans ce qui suit, j'explique brièvement pourquoi ces trois commandements sont importants. Le premier commandement est nécessaire pour accomplir les commandements deux et trois. Sans mesures répétées des mêmes variables, vous ne pouvez pas tirer de conclusions sur la direction de la relation. De nombreuses relations entre les variables sont à double sens. Prenons, par exemple, la relation entre la motivation à lire et la capacité de lecture chez les enfants. Les enfants qui aiment lire lisent plus que les enfants qui aiment moins lire. Parce que les enfants lisent plus, leur capacité de lecture se renforce et ils sont donc encore plus motivés à lire (voir aussi effet Matthieu)[3]. La motivation conduit donc à plus de capacité et vice versa.
Avec des mesures répétées, vous pouvez également faire la distinction entre les niveaux de personne et entre les personnes. Cette distinction est importante car les relations entre les variables peuvent différer selon le niveau de l'individu. Prenons, par exemple, la relation entre la vitesse de frappe et le nombre de fautes de frappe par minute chez les jeunes[4]. Les jeunes qui tapent plus vite sont généralement meilleurs en dactylographie que les jeunes qui tapent plus lentement. Parce que ceux qui tapent vite peuvent aussi taper mieux, ils font aussi moins d'erreurs. La relation au niveau intermédiaire est donc négative, c'est-à-dire qu'une frappe plus rapide est associée à moins d'erreurs. Cependant, lorsque nous demandons aux individus de taper plus vite qu'ils n'en ont l'habitude, ils font simplement plus d'erreurs. La relation au niveau de la personne intérieure est donc positive, à savoir une frappe plus rapide est associée à plus d'erreurs.
Les scientifiques humains doivent oser reparler de causalité. Si la recherche par questionnaire est la méthode la plus évidente de collecte de données, alors les trois commandements susmentionnés peuvent servir de ligne directrice pour mieux approcher la causalité. En savoir plus ? –> Raymaekers, K., Luyckx, K., &Moons, P. (2020). Un guide pour améliorer vos inférences causales à partir de données d'observation. Journal européen des soins infirmiers cardiovasculaires † doi :10.1177/1474515120957241
Cet article a été écrit par Koen Raymaekers, doctorant à la KU Leuven. Ce billet de blog apparaîtra également sur https://opgrownblog.wordpress.com/.
[1] En fait, à ce jour, il n'y a pas de consensus sur la nature précise de la causalité. Des générations de penseurs ont écrit des tas de livres à ce sujet. Selon la définition que j'utilise, la variable A est causale à la variable B lorsque les trois conditions suivantes sont remplies. 1) Lorsqu'il y a un changement dans la variable A, alors il y a un changement dans la variable B. 2) Un changement dans la variable A se produit avec le temps plutôt qu'un changement dans la variable B. 3) La relation entre A et B n'est pas due à une troisième variable qui est causal pour A et B.
[2] Hernán, MA (2018). Le mot C :les euphémismes scientifiques n'améliorent pas l'inférence causale à partir des données d'observation. Journal américain de santé publique, 108(5), 616-619.
[3] Morgan, P.L., &Fuchs, D. (2007). Existe-t-il une relation bidirectionnelle entre les compétences en lecture des enfants et leur motivation à lire ? Enfants exceptionnels, 73(2), 165–183.
[4] Hamaker, EL (2012). Pourquoi les chercheurs devraient penser « à l'intérieur de la personne » :une logique paradigmatique. Dans MR Mehl &TS Conner (Eds.), Manuel des méthodes de recherche pour l'étude de la vie quotidienne (pp. 43–61). Guilford Press.
