Conception expérimentale : le guide de poche complet

Notre guide complet sur la conception d’expériences vous aide à éviter les erreurs et les pièges courants lors de la mise en place d’une expérience optimale pour vos travaux de recherche.

Introduction aux méthodes expérimentales

Les êtres humains sont une espèce particulièrement curieuse. Nous explorons de nouveaux horizons, améliorons les produits et les services, trouvons des moyens plus rapides et plus sûrs de produire ou de transporter des marchandises, et nous élucidons les mystères des maladies mondiales. Toutes ces activités reposent sur la capacité à poser les bonnes questions, à chercher les réponses aux bons endroits et à prendre les décisions qui s’imposent. La recherche universitaire et la recherche appliquée ont professionnalisé cette quête de connaissances et de compréhension de nous-mêmes et du monde qui nous entoure.

Chaque jour, des instituts de recherche du monde entier étudient les mécanismes profonds de notre univers – depuis le niveau cellulaire de nos synapses et neurones jusqu’aux échelles macroscopiques des planètes et des systèmes solaires – par le biais de l’expérimentation. En termes simples : les expériences constituent la méthode scientifique permettant de répondre à des questions, d’identifier les relations de cause à effet ou de déterminer les facteurs prédictifs et les résultats. Ces connaissances nous aident à comprendre comment et pourquoi les choses sont ce qu’elles sont et peuvent, à terme, être utilisées pour changer le monde en améliorant ce qui est bon et en surmontant ce qui est mauvais.

Remarque : cet article est un extrait de notre Guide de conception expérimentale. Vous pouvez télécharger gratuitement votre exemplaire ci-dessous et découvrir encore plus d’informations sur l’univers de la conception expérimentale.

Contrairement aux débuts de la recherche scientifique, les expériences menées aujourd’hui ne se résument pas à des scientifiques testant au hasard des hypothèses, en comptant sur la chance d’être au bon endroit au bon moment pour observer les résultats.

Les connaissances scientifiques actuelles sont le fruit d’une réflexion approfondie et d’une planification rigoureuse des expériences, d’une collecte rigoureuse des données et de l’établissement de conclusions pertinentes.

Exemple de plan d’expérience

Les chercheurs ont recours à des expériences pour découvrir de nouvelles choses sur le monde, pour répondre à des questions ou pour vérifier des hypothèses théoriques.

Voici quelques exemples typiques de questions de recherche dans le domaine de la recherche en sciences cognitives et comportementales chez l’être humain :

• Comment la stimulation sensorielle influence-t-elle l’attention humaine ? Comment, par exemple, des motifs de points en mouvement, des sons ou une stimulation électrique modifient-ils notre perception du monde ?

• Quels changements s’opèrent-ils au niveau de la physiologie humaine lors de l’assimilation d’informations ? Comment, par exemple, la fréquence cardiaque et la réponse galvanique de la peau évoluent-elles lorsque nous nous remémorons des informations correctes ou erronées ?

• En quoi la réalité virtuelle, par rapport aux environnements physiques réels, influence-t-elle le comportement humain ? Les êtres humains apprennent-ils plus vite dans le monde réel qu’en réalité virtuelle ?

• Comment le stress influe-t-il sur les relations avec les collègues ou les machines sur le lieu de travail ?

• En quoi l’emballage d’un produit influe-t-il sur le niveau de frustration des consommateurs ? Le nouvel emballage est-il facile à ouvrir ? Si ce n’est pas le cas, quel impact cela a-t-il sur le comportement du consommateur ?

• Quel est l’impact de la nouvelle publicité télévisée sur les émotions exprimées et la mémorisation de la marque ? Le sexe a-t-il une influence sur les décisions d’achat après le visionnage de la publicité ?

• Comment un site web influe-t-il sur le niveau de stress des utilisateurs, en termes de réponse galvanique de la peau, d’ECG et d’expressions faciales ?

• Quels sont les carrefours de la ville qui causent le plus de frustration chez les cyclistes ?

• Quels sont les éléments d’un discours de campagne présidentielle qui influencent les décisions des électeurs ?

Comme vous pouvez le constater, les questions de recherche peuvent être assez générales. Les expériences ont pour but de clarifier ces questions dans un cadre plus structuré. Pour ce faire, plusieurs étapes sont nécessaires afin d’affiner la question de recherche et de lui donner une forme plus facilement vérifiable :

Étape 1 : Formuler une hypothèse

Tout d’abord, la question de recherche générale est décomposée en une ou plusieurs hypothèses vérifiables. Les hypothèses sont des énoncés explicites portant sur les relations de cause à effet et qui examinent les résultats obtenus lorsque des facteurs spécifiques sont modifiés :

Les hypothèses établissent un lien entre une ou plusieurs variables indépendantes et une ou plusieurs variables dépendantes :

•Variable indépendante

La variable indépendante (VI) est modifiée ou manipulée de manière stratégique par l’expérimentateur. Les variables indépendantes sont également appelées « facteurs ».

• Variable dépendante (VD)

La variable dépendante (VD) est mesurée par l’expérimentateur. Les expériences comportant une seule variable dépendante sont dites univariées, tandis que celles comportant deux variables dépendantes ou plus sont dites multivariées.

La question de recherche générale « Comment le stress influence-t-il les interactions avec les autres ? » pourrait déboucher sur les hypothèses suivantes concernant la manière dont le stress (variable indépendante) influence les interactions avec les autres (variable dépendante) :

1) « Le fait de devoir répondre à une centaine d’e-mails ou plus par heure réduit les échanges verbaux avec les collègues. »

Variable indépendante : nombre d’e-mails par heure
Variable dépendante : nombre d’échanges verbaux avec des collègues par heure

2) « Dormir 8 heures ou plus par nuit favorise la pratique d’activités
sportives informelles avec ses collègues. »

Variable indépendante : durée du sommeil par nuit
Variable dépendante : nombre de séances de sport avec des collègues par semaine

3) « La pratique régulière d’une activité physique en soirée se traduit par une augmentation des
sourires lors des échanges avec les autres lors de réunions professionnelles. »

Variable indépendante : nombre d’activités sportives en soirée par semaine
Variable dépendante : fréquence des sourires lors des conversations avec les autres

Les hypothèses permettent de préciser la question de recherche en énonçant une relation observable entre cause et effet. Elles déterminent également quels stimuli sont utilisés et à quoi les participants sont exposés.

Un stimulus ne se limite pas nécessairement à des images ou à des sons ; bien d’autres éléments peuvent constituer un stimulus, par exemple les questionnaires, les sites web, les vidéos, la parole et les conversations avec autrui, les informations visuelles et proprioceptives perçues au volant, et bien d’autres encore. Nous aborderons la question des stimuli plus en détail ci-dessous.

Étape 2 : Groupes d’échantillons

Définir des groupes d’échantillons

Après avoir défini l’hypothèse, vous devez préciser les caractéristiques du groupe de répondants pour votre expérience. Cette étape est nécessaire pour exclure les effets secondaires susceptibles d’altérer les résultats de votre collecte de données expérimentales. Assurez-vous que les caractéristiques démographiques telles que l’âge, le sexe, le niveau d’éducation, le revenu, la situation familiale, la profession, etc. sont homogènes au sein de l’échantillon de répondants. Les caractéristiques individuelles, telles que l’état de santé ou l’exposition à certains événements de la vie, doivent être prises en compte, car elles pourraient influencer les résultats de l’expérience. Par exemple, les mères pourraient réagir différemment à une publicité télévisée pour des jouets pour bébés que les femmes sans enfants. Les soldats souffrant de stress post-traumatique pourraient réagir différemment à des stimuli stressants que les développeurs de logiciels.

Étape 3 : Répartir les sujets entre les groupes

Au cours de cette étape, vous répartissez les participants de manière aléatoire entre les différentes conditions expérimentales. Par exemple, pour votre étude sur le stress au travail, vous pourriez créer deux groupes expérimentaux : le premier recevrait 10 e-mails par heure, et le second 100 e-mails par heure. Vous pourriez alors analyser les différences entre les deux groupes en termes d’interaction sociale avec les autres au cours des 6 heures suivantes. Idéalement, la répartition dans les groupes expérimentaux se fait de manière aléatoire, de sorte que tous les participants aient la même probabilité d’être affectés à l’un des groupes expérimentaux disponibles. Il ne doit y avoir aucun biais dans l’affectation de participants spécifiques à un groupe ou à l’autre.

Étape 4 : Déterminer la fréquence d’échantillonnage.

À quelle fréquence souhaitez-vous recueillir les données auprès des participants ? Dans le cadre des essais cliniques, l’état de santé des patients est généralement évalué une fois par mois, sur une période de plusieurs mois ou années. Dans les études d’ergonomie, vous pouvez poser plusieurs questions aux participants à la fin de la session, que ce soit oralement ou au moyen de sondages et de questionnaires.

Cependant, lorsque vous recueillez des données cognitivo-comportementales à partir d’un EEG, d’un EMG, d’un ECG, d’un GSR ou d’autres biocapteurs pendant que les participants effectuent une tâche spécifique, vous collectez des dizaines, voire des centaines de points de données par seconde – même si tous ces échantillons, pris en moins d’une seconde, peuvent servir à calculer un score global reflétant un certain état cognitif ou affectif. Nous aborderons plus loin dans ce guide quels capteurs sont les plus adaptés pour recueillir des mesures cognitivo-comportementales spécifiques.

Étape 5 : Réalisez l’expérience et recueillez les données.

Au cours de cette étape, vous mettez en œuvre le protocole expérimental conformément aux méthodes choisies. Veillez à observer, surveiller et consigner tout élément important survenant pendant la collecte des données. Avant de mener l’expérience, effectuez un test pilote afin d’écarter tout problème susceptible de se présenter lors de la collecte des données (durée incorrecte du stimulus, absence de randomisation, stimulus non optimal, etc.)

À découvrir : 7 conseils et astuces pour une expérience en laboratoire sans accroc

Étape 6 : Pré-traiter les données et analyser les indicateurs.

Dans la recherche en sciences cognitives et comportementales, les données brutes peuvent provenir d’auto-évaluations ou de capteurs biologiques. Bien entendu, les enregistrements vidéo de sessions expérimentales telles que les groupes de discussion et les entretiens constituent également des données brutes et doivent être analysés à l’aide de schémas de codage. En raison du large éventail de méthodes statistiques permettant d’analyser les données brutes et les indicateurs, nous n’aborderons pas cette étape dans le présent guide. Cependant, un aspect crucial mérite d’être mentionné ici : le choix d’une méthode statistique spécifique pour l’analyse des données doit toujours être guidé par l’hypothèse initiale et les données collectées.

Bien sûr, toutes les expériences ne nécessitent pas de définir précisément chacune de ces étapes. Il arrive parfois que, en tant que chercheur, vous ne puissiez pas contrôler certains facteurs ou que vous n’ayez pas accès à certaines populations de répondants. En fonction du degré de contrôle dont vous disposez sur la relation de cause à effet, on peut distinguer les types d’expériences suivants :

Types de plans d’expérience

1. Expériences en laboratoire

Quand on parle de manière informelle d’expériences, on pense souvent à des expériences en laboratoire où des chercheurs en blouse blanche observent d’autres personnes à travers des miroirs sans tain, prenant des notes minutieuses sur les performances et le comportement de participants humains effectuant des tâches consistant à appuyer sur des touches devant des machines quelque peu imprévisibles. C’est d’ailleurs ainsi qu’ont débuté les recherches sur le comportement cognitif humain (voir l’expérience de Milgram).

Heureusement, l’époque des laboratoires aseptisés est révolue depuis longtemps, et vous pouvez désormais mener votre étude tout en portant votre pull préféré. Cependant, un aspect essentiel demeure : la capacité à contrôler tous les facteurs et toutes les conditions susceptibles d’avoir une incidence. Par exemple, dans le cadre d’expériences en laboratoire, vous pouvez sélectionner des groupes de participants spécifiques et les affecter à différentes conditions expérimentales, déterminer le moment précis et la configuration de tous les stimuli, et exclure tout effet secondaire problématique.

Ce qu’il faut savoir sur les expériences en laboratoire…

Points forts.

• Contrôle rigoureux de tous les facteurs externes et internes susceptibles d'influencer les résultats expérimentaux.
• Répartition aléatoire des participants dans les groupes expérimentaux, idéalement par tirage au sort.
• Permet d'identifier les relations de cause à effet avec une précision optimale.
• Comme tout est normalisé, d'autres chercheurs peuvent reproduire votre étude, ce qui la rend plus « crédible » par rapport à des scénarios non normalisés.

Limites.

• Les expériences contrôlées ne reflètent pas la réalité. Les participants peuvent ne pas réagir de manière naturelle, car le laboratoire ne reproduit pas l'environnement naturel. En termes techniques, les expériences en laboratoire manquent de validité écologique.
• Les effets d'observation peuvent influencer le comportement des participants. Un expérimentateur assis juste à côté d'un participant ou l'observant via une webcam peut fausser les résultats de l'expérience (voir l'effet Hawthorne).

2. Expériences sur le terrain

Contrairement aux expériences en laboratoire, les expériences sur le terrain se déroulent dans l’environnement naturel des participants. Si l’expérimentateur contrôle la « cause », il ne peut toutefois pas contrôler les autres facteurs susceptibles d’influencer les effets et les résultats (comme dans l’expérience de l’hôpital Hofling, inspirée des travaux de Milgram).

Il arrive souvent que les ingénieurs réalisent également des essais sur le terrain avec des prototypes de logiciels et de matériel afin de valider les tests en laboratoire effectués précédemment et de recueillir des retours d’expérience plus variés auprès des utilisateurs dans des conditions réelles.

Ce qu’il faut savoir sur les expériences sur le terrain…

>> Points forts.

• Les expériences sur le terrain reflètent mieux les situations réelles que les expériences en laboratoire. Elles présentent une plus grande validité écologique
• Lorsque les expériences sont menées en secret et que les participants ne se sentent pas observés, le comportement observé est bien plus proche de la réalité que dans un contexte de laboratoire.

>> Limitations.

• Il n'est pas possible de contrôler les facteurs externes susceptibles d'influencer les résultats. Ceux-ci sont donc beaucoup plus hétérogènes. Il faut donc un plus grand nombre de répondants pour compenser cette variation.
• Difficile à reproduire par d'autres.
• Possibilité limitée d'obtenir le consentement éclairé des personnes interrogées.

3. Expériences naturelles.

Les expériences naturelles sont des études purement observationnelles, en ce sens que l’expérimentateur n’exerce aucun contrôle. Les groupes de répondants sont observés tels quels et ne sont pas affectés de manière stratégique à différentes conditions expérimentales.

Vous pourriez vouloir comparer les utilisateurs actuels d’iPhone et d’Android, les personnes vivant à proximité de Tchernobyl et celles vivant ailleurs, ou encore les patients atteints d’un cancer et la population en bonne santé. Dans ce cas, les groupes que vous souhaitez comparer existent déjà par nature : vous n’avez pas besoin de les créer.

Ce qu’il faut savoir sur les expériences naturelles…

Points forts.

• Les comportements observés dans le cadre d'expériences naturelles reflètent mieux la réalité.
• Idéal dans les situations où il serait inacceptable d'un point de vue éthique de manipuler la répartition des groupes (par exemple, en exposant les participants à des rayonnements).

Limites.

• Plus coûteux et plus long que les expériences en laboratoire.
• Le fait de ne pouvoir contrôler aucun facteur implique que la reproduction de ces résultats par d'autres est pratiquement impossible.

Comment puis-je évaluer le comportement humain ?

Les expériences en laboratoire, sur le terrain et dans la nature ont toutes un point commun : les conclusions sont tirées de manière empirique. Le terme « empirique » signifie que les questions de recherche et les hypothèses ne trouvent pas de réponse par la simple réflexion ou par des expériences de pensée.

Au lieu de s’adosser à leur chaise et de réfléchir aux issues possibles d’une expérience de pensée, les chercheurs en sciences cognitives et comportementales mènent leurs travaux en observant activement et en explorant l’environnement afin d’identifier les processus sous-jacents ainsi que les « forces motrices » ultimes du comportement humain.

Au cours des dernières décennies, les chercheurs ont mis au point des techniques et des protocoles expérimentaux complexes qui ont également été adoptés dans le cadre d’études commerciales visant à évaluer les effets des nouveaux produits et services sur le plan émotionnel, cognitif et attentionnel, ou à déterminer comment les traits de personnalité et les stratégies de résolution de problèmes influencent l’attrait pour une marque et les préférences des consommateurs.

Deux façons d’étudier le comportement humain

Études qualitatives sur le comportement humain

Les études qualitatives permettent de recueillir des informations issues de l’observation. Elles peuvent notamment prendre la forme d’analyses de journaux intimes, de questionnaires ouverts, d’entretiens non structurés ou d’observations. Comme rien n’est compté ni quantifié et que chaque observation est décrite telle quelle, les données qualitatives sont également qualifiées de « descriptives ».

Dans le cadre d’études qualitatives sur le terrain ou d’études d’ergonomie, par exemple, les chercheurs observent directement la manière dont les participants utilisent la technologie, ce qui leur permet de leur poser directement des questions, d’approfondir leur comportement ou même, le cas échéant, d’adapter le protocole expérimental pour tenir compte du comportement de chacun. Les études qualitatives visent avant tout à comprendre comment les participants perçoivent le monde et pourquoi ils réagissent d’une certaine manière.

Ce qu’il faut savoir sur les études qualitatives…

Points forts.

•  Idéal pour répondre aux questions du type « pourquoi » et « comment résoudre un problème ? ».
• Mettre l'accent sur l'expérience personnelle du répondant.
• Il suffit d'un petit échantillon de répondants.

Limites.

• Les connaissances acquises dans le cadre de cette étude spécifique pourraient ne pas être transposables à d'autres groupes.
• La collecte des données pourrait prendre plus de temps par participant.
• Risque que les résultats soient influencés par les préjugés et les préférences du chercheur.

Cas d’utilisation types.

•  Tests d'ergonomie (UX), de sites web et de logiciels (description des parcours utilisateurs).
• Entretiens ouverts et enquêtes portant sur des événements biographiques.
• Groupes de discussion avec ou sans la présence d'un animateur.

À lire : Comment offrir une meilleure expérience utilisateur grâce à la détection des émotions 

Études quantitatives

Les études quantitatives, quant à elles, consistent en une analyse empirique systématique de phénomènes observables à l’aide de techniques statistiques, mathématiques ou informatiques. En d’autres termes, les études quantitatives s’appuient sur des chiffres pour décrire et caractériser le comportement humain.

Parmi les techniques quantitatives, on peut citer les enquêtes et les entretiens structurés, les observations accompagnées de grilles de codage spécifiques (par exemple, le comptage du nombre de cigarettes fumées au cours d’une journée) ou encore les mesures physiologiques issues d’EEG, d’EMG, d’ECG, de GSR et d’autres capteurs fournissant des données chiffrées. Lorsque les chercheurs ont recours à des méthodes quantitatives, ils traduisent les observations comportementales en chiffres quantifiables et en résultats statistiques. Tout cela vise à garantir un contrôle expérimental optimal.

Ce qu’il faut savoir sur les études quantitatives…

Points forts.

• Idéal pour répondre aux questions du type « combien » et « quelle quantité ».
• Utile pour analyser de grands groupes de répondants et se concentrer sur des populations dans leur ensemble.
• Le niveau élevé de standardisation permet de gagner du temps par rapport aux études qualitatives.
• Fournit des valeurs numériques pouvant faire l'objet d'une analyse statistique.

Limites.

• L'expérimentateur risque de passer à côté de certains phénomènes si son outil de mesure est trop restrictif.
• Les facteurs contextuels sont souvent ignorés ou absents.
• Les études coûtent cher et prennent beaucoup de temps.

Cas d’utilisation types.

• Observation comportementale à l'aide de systèmes de codage (par exemple, portant sur les expressions faciales ou la fréquence des actions au cours d'un intervalle de temps donné)
• Entretiens structurés et enquêtes comprenant des questions à choix unique ou à choix multiples, ainsi que des échelles d'évaluation.
• Mesures physiologiques des processus corporels (EEG, EMG, GSR, etc.)

À lire : Recherche qualitative vs recherche quantitative 

Quels chiffres la recherche en sciences cognitives et comportementales pourrait-elle utiliser pour décrire nos mécanismes internes complexes, notre intelligence, nos traits de personnalité ou nos niveaux de compétence ? Quels sont, par exemple, les indicateurs mesurables permettant de déterminer si une personne est accro au shopping ?

Parmi les indicateurs quantifiables, on peut citer le temps moyen passé dans les grands magasins au cours d’une semaine, le montant total dépensé pour certains produits liés au mode de vie, ou encore le nombre de boîtes à chaussures qui encombrent le placard sous l’escalier (jetez un œil à notre suggestion de lecture sur la mesure et l’attribution de chiffres ou d’événements).

Le principe de base est que les aspects cachés de notre personnalité peuvent être rendus visibles (et donc mesurables) en les décomposant en unités réalisables et concrètes, saisissables et observables, qui peuvent être quantifiées. Cette « mise en évidence » des concepts latents de notre personnalité et de notre identité est appelée « opérationnalisation ».

Si certaines mesures permettent mieux de saisir une caractéristique latente sous-jacente, d’autres peuvent s’avérer inefficaces. La question est donc de savoir ce qui constitue réellement une mesure appropriée.

Mesures visant à éviter les biais

On décrit généralement cela en se référant aux critères suivants :

Objectivité

L’objectivité est l’exigence la plus générale et tient compte du fait que les mesures doivent aboutir au même résultat, quelle que soit la personne qui les utilise. De plus, elles doivent produire les mêmes résultats indépendamment des influences extérieures. Par exemple, un questionnaire ou une enquête de personnalité à choix multiples est objectif s’il donne le même score, que le participant réponde oralement ou par écrit. En outre, le résultat doit être indépendant des connaissances ou de l’attitude de l’expérimentateur, de sorte que les résultats soient uniquement déterminés par les performances du répondant.

Fiabilité

On dit qu’une mesure présente une grande fiabilité si elle donne la même valeur dans des conditions constantes. Il existe plusieurs sous-catégories de fiabilité. Par exemple, la « fiabilité de retest » décrit la stabilité d’une mesure dans le temps, la « fiabilité inter-évaluateurs » reflète la mesure dans laquelle différents expérimentateurs fournissent des estimations cohérentes d’un même comportement, tandis que la « fiabilité par division en deux » consiste à diviser un test en deux parties et à examiner dans quelle mesure ces deux parties produisent des résultats identiques.

Validité

Il s’agit là du critère ultime et le plus déterminant. Il reflète la mesure dans laquelle un indicateur permet de recueillir les données qu’il est censé recueillir. Imaginons une expérience dans laquelle on mesure la taille corporelle afin d’évaluer son lien avec le bonheur. De toute évidence, cet indicateur est à la fois objectif et fiable (les mesures de la taille corporelle sont assez cohérentes, quelle que soit la personne qui effectue la mesure), mais il s’agit d’un très mauvais indicateur en termes de validité conceptuelle (c’est-à-dire sa capacité à refléter fidèlement la variable sous-jacente) pour le bonheur.

Une fois que vous aurez identifié des mesures qui répondent à la fois aux critères d’objectivité, de fiabilité et de validité, vous serez sur la bonne voie pour obtenir des résultats expérimentaux qui repousseront les limites de nos connaissances actuelles.

Gestion des répondants

Le plus difficile est de trouver des participants qui représentent véritablement l’ensemble de la population cible, ce qui vous permet d’étendre les conclusions tirées de votre groupe d’étude à l’ensemble de la population. Vous avez peut-être déjà entendu l’expression « échantillon représentatif ». Elle désigne des groupes de participants dans lesquels chaque membre de la population a une chance égale d’être sélectionné pour votre expérience. Les populations ne doivent pas nécessairement correspondre à des pays entiers : ce terme désigne simplement « toutes les personnes qui partagent certaines caractéristiques » (taille, poids, IMC, taux d’hémoglobine, expérience, revenus, nationalité, etc.) jugées pertinentes pour votre expérience.

Parmi les populations représentatives, on peut citer :

• Les femmes universitaires âgées de 30 à 40 ans aux États-Unis, dont le revenu annuel moyen est de 50 000 dollars
• Développeurs logiciels ayant plus de 5 ans d'expérience en C#
• Propriétaires de chiens
• Patients atteints de sclérose en plaques progressive secondaire
• Les acheteurs après le travail, tous âges et sexes confondus
• Les mères danoises âgées de moins de 50 ans
• Les personnes qui portent des lunettes
• Les mères danoises âgées de moins de 50 ans
• Les personnes qui portent des lunettes

Un échantillon peut aujourd’hui être constitué d’un groupe de 100 patients atteints de sclérose en plaques ou de 20 propriétaires de chiens. Trouver des « échantillons représentatifs » n’est pas si simple, car presque toutes les études comportent un certain biais. On peut trouver des échantillons comme suit :

Échantillonnage non aléatoire des répondants

Un échantillonnage non aléatoire peut être utilisé lors des phases initiales de présélection, où la généralisation n’est pas un critère essentiel. Dans ce cas, les résultats de l’expérience ne s’appliquent qu’au groupe de répondants testé.
L’échantillonnage s’effectue comme suit :

• Des bénévoles. On interroge les passants dans la rue, et tous ceux qui acceptent de participer sont testés.
• Échantillon en boule de neige. Un cas permet d'identifier d'autres cas similaires (par exemple, les clients de HSE).
• Échantillon de commodité. Vous testez vos collègues de travail ou d'autres groupes facilement accessibles.
• Échantillon par quotas. Sélection aléatoire d'un nombre fixe de personnes issues de plusieurs groupes (par exemple, 30 hommes et 30 femmes).

Échantillonnage aléatoire des répondants.

L’échantillonnage aléatoire consiste en fait à donner à chaque membre de la population la même chance d’être inclus dans votre expérience. La possibilité de tirer des conclusions à partir des résultats de vos recherches, obtenus auprès de plusieurs répondants issus du grand public, s’accompagne toutefois d’exigences importantes en termes de temps et de ressources.
Il existe les stratégies d’échantillonnage aléatoire suivantes :

Échantillonnage aléatoire simple

Dans un échantillon aléatoire, tout le monde a les mêmes chances d’être inclus dans l’étude. Cela signifie qu’il a fallu recenser, par exemple, toutes les femmes universitaires âgées de 30 à 40 ans aux États-Unis et disposant d’un revenu annuel moyen de 50 000 dollars, ou tous les propriétaires de chiens. Ensuite, on tire des échantillons aléatoires et on ne contacte que ces personnes. L’échantillonnage aléatoire exclut
tout biais de sélection lié au volontariat ou à la coopération.

Échantillonnage systématique

Au lieu d’un échantillonnage totalement aléatoire, vous sélectionnez systématiquement une personne sur n dans une liste existante, classée par exemple en fonction de l’âge des participants, de la durée de la maladie, de l’appartenance à un groupe, de la distance, etc.

Échantillonnage à plusieurs degrés

L’échantillonnage peut se faire en plusieurs étapes. Par exemple, pour sélectionner des élèves représentatifs en vue d’une évaluation, vous pouvez d’abord procéder à un tirage au sort des départements, puis passer au tirage au sort des villes, des établissements scolaires et des classes. Enfin, vous sélectionnez au hasard des élèves à observer et à évaluer.

Échantillonnage par grappes

En particulier pour les auto-évaluations, les études sont menées auprès de populations nombreuses et géographiquement dispersées. Afin d’obtenir le nombre requis de personnes interrogées pour le dépistage, des grappes peuvent être identifiées et sélectionnées au hasard. Par la suite, tous les membres des échantillons sélectionnés sont testés.
Par exemple, le regroupement peut s’effectuer au niveau des ménages : dans ce cas, tous les membres du ménage sont testés, ce qui réduit considérablement le temps et les ressources nécessaires au dépistage.

Le choix de la méthode d’échantillonnage dépend généralement des contraintes de temps et de ressources. Il est souvent difficile d’obtenir des échantillons véritablement aléatoires, en particulier dans le cadre de recherches sur le terrain. Vous trouverez plus de détails sur les procédures recommandées pour un échantillonnage représentatif dans les travaux de Banerjee et ses collègues (2007 ; 2010).

Combien de participants me faut-il ?

Les stratégies d’échantillonnage sont étroitement liées à la taille de l’échantillon de votre expérience. Si vous souhaitez mener une étude de cas unique, un seul participant suffit bien sûr. Dans ce cas, toutefois, vous ne pouvez pas généraliser les résultats à l’ensemble de la population. D’un autre côté, il n’est pas possible de prélever un échantillon sur l’ensemble de la population. La question est donc la suivante : combien de participants conviennent à votre expérience ? Quelle est la taille d’échantillon idéale ?

Martinez et ses collègues (2014) ainsi que Niles (2011) formulent des recommandations. Sans entrer dans les détails statistiques, le message principal est le suivant : il faut toujours recruter autant de participants que nécessaire. Pour un test d’ergonomie quantitatif, 20 participants peuvent suffire, mais il convient d’en recruter davantage lorsque les effets attendus sont faibles, par exemple s’il n’y a que des différences subtiles entre les différentes conditions de stimulus.

C’est pourquoi les chercheurs universitaires mènent des études auprès de dizaines, voire de centaines ou de milliers de participants. En augmentant le nombre de participants, on réduit l’ambiguïté liée aux variations individuelles qui auraient pu influencer les résultats de l’expérience. Haut de la page

Confiance

Le degré de fiabilité de vos résultats s’exprime généralement en termes de confiance, qui se traduit approximativement par la formule suivante :

N correspond à la taille de l’échantillon. Comme vous pouvez le constater, plus l’échantillon de répondants est important, plus le niveau de confiance diminue (ce qui est le résultat souhaité). En d’autres termes, tester un plus grand nombre de personnes permet d’obtenir des résultats plus précis.

Par exemple, si vous avez évalué la préférence pour un nouveau produit auprès de 10 personnes sur 10 000, le niveau de confiance est alors de 32 %. Si 7 répondants sur 10 (70 %) ont aimé le nouveau produit, la proportion réelle dans la population pourrait être aussi faible que 48 % (70-32) et aussi élevée que 100 % (70+32, on ne peut pas dépasser 100). Avec une variation allant de 48 % à 100 %, votre test pourrait ne pas être très utile.

Si vous portez la taille de l’échantillon à 100 personnes sur 10 000, le niveau de confiance est de 10 %. Étant donné que 70 personnes sur 100 apprécient le produit, la valeur réelle dans la population se situe entre 60 % et 80 %. Vous vous en approchez de bien plus près !

Si vous souhaitez réduire davantage le niveau de confiance à 5 %, vous devez interroger au moins 500 personnes choisies au hasard. En résumé, vous devez interroger un grand nombre de personnes avant de pouvoir tirer des conclusions. Pour plus d’informations, rendez-vous sur le site web de Creative Research Systems, où vous trouverez une formule plus précise ainsi qu’un outil de calcul de la taille de l’échantillon.

Études transversales et études longitudinales

Étude transversale

Dans les études transversales, on compare deux groupes ou plus à un moment donné. À l’instar d’un instantané, chaque participant est invité et interrogé une seule fois. Dans notre exemple, vous montreriez la nouvelle publicité télévisée à des participants issus de ménages à faibles et à hauts revenus. Vous ne les inviteriez toutefois pas à nouveau pour leur montrer cette même publicité une semaine plus tard.

Voici d’autres exemples d’études transversales :

• Jeux vidéo. Comparaison des effets des jeux vidéo sur la réactivité émotionnelle d'enfants en bonne santé et d'enfants atteints de TDAH.
• Tests Web. Comparaison de l'évaluation de l'ergonomie des sites Web chez les acheteurs jeunes, d'âge mûr et seniors.
• Psychologie. Comparaison entre l'évaluation du style parental des mères et celle des pères.

Le principal avantage d’un plan expérimental transversal est qu’il permet de comparer simultanément de nombreuses variables différentes. Vous pourriez, par exemple, étudier l’impact de l’âge, du sexe, de l’expérience ou du niveau d’éducation sur l’évaluation cognitive et émotionnelle de la publicité télévisée par les participants, et ce, sans frais supplémentaires ou presque. Il vous suffit simplement de collecter les données (par exemple, au moyen d’entretiens ou de questionnaires).

Étude longitudinale

Dans le cadre d’une étude longitudinale, vous effectuez plusieurs observations sur un même groupe de participants au fil du temps, sur des périodes pouvant aller de quelques heures à plusieurs jours, mois, voire années. Ce faisant, vous établissez une chronologie des événements et réduisez au minimum les biais susceptibles d’affecter chacune des mesures individuelles. En d’autres termes, vous renforcez simplement la fiabilité des résultats face à d’éventuels effets secondaires.

Par exemple, vous pourriez diffuser plusieurs fois une publicité télévisée auprès de votre groupe cible (les hommes à revenus élevés) et observer comment leur appréciation de cette publicité évolue au fil du temps.

Voici d’autres exemples de plans d’étude longitudinaux :

• Tests de supports / d'emballages. Deux ou plusieurs bandes-annonces ou emballages sont présentés successivement à un groupe de participants, qui évaluent dans quelle mesure ils apprécient chacun des éléments présentés.
• Tests gustatifs. Les participants goûtent deux arômes ou plus présentés les uns après les autres et sont invités à donner leur avis.
• Tests d'interface utilisateur (UI) et d'expérience utilisateur (UX). Les participants naviguent sur au moins deux sites web et sont interrogés sur des questions relatives à la facilité d'utilisation.
• Psychologie et formation. Un groupe de participants à une session de formation professionnelle répond à un questionnaire sur le bien-être émotionnel avant, pendant et après la formation.
• Physiologie. Vous surveillez l'EEG, la GSR, l'EMG, les expressions faciales, etc., pendant que les participants sont exposés à des stimuli visuels, sonores ou vidéo.

Le principal avantage des études longitudinales réside dans le fait qu’elles permettent de suivre l’évolution des valeurs au fil du temps au sein d’un même groupe de participants. Même si l’on ne dispose que des résultats de tests cognitifs et affectifs avant et après l’intervention expérimentale, on est mieux à même de comprendre l’impact de cette intervention sur les niveaux d’attention, de cognition ou d’affect déjà existants. Par conséquent, les études longitudinales sont plus à même de mettre en évidence des relations de cause à effet que les études transversales.

Conception mixte

Les plans d’étude mixtes combinent le meilleur des deux mondes, car ils permettent de collecter des données longitudinales auprès de plusieurs groupes. À proprement parler, dès lors que vous collectez des données physiologiques (telles que l’EEG, la GSR, l’EMG, l’ECG, les expressions faciales, etc.) auprès de plusieurs groupes de participants afin de comparer différentes populations, vous avez affaire à un plan d’étude mixte. Les données elles-mêmes sont de nature longitudinale (plusieurs échantillons prélevés au fil du temps), tandis que la comparaison entre les groupes comporte des aspects transversaux.

Voici quelques exemples typiques de plans d’expérience mixtes :

• Évaluation de produits ou de supports. On compare au moins deux versions d'un produit ou d'un service en fonction des résultats cognitifs et comportementaux observés chez au moins deux groupes (par exemple, débutants et experts, hommes et femmes, jeunes et personnes âgées).
• Test A/B. Deux versions d'un site web ou d'une application sont comparées en fonction des résultats cognitifs et comportementaux observés chez deux groupes ou plus.

Les expériences à plan mixte sont idéales pour recueillir des données chronologiques sur plusieurs groupes d’intérêt, ce qui permet d’étudier les facteurs déterminants du comportement humain de manière plus approfondie que ne le permettent les plans transversaux ou longitudinaux pris isolément.

En fin de compte, le choix du modèle de recherche dépend avant tout de votre question de recherche. Vous pouvez bien sûr commencer par mener une étude transversale afin d’identifier les facteurs susceptibles d’influencer les résultats, puis réaliser une étude longitudinale plus approfondie pour analyser plus en détail les relations de cause à effet.

Dans la section suivante, nous expliquerons plus en détail comment organiser les stimuli et quels capteurs sont pertinents.

Sélection et disposition des stimuli

Les expériences menées dans le domaine de la recherche sur le comportement cognitif humain font généralement appel à une forme de stimulation destinée à susciter une réaction chez les participants. Les deux questions essentielles concernant les stimuli sont les suivantes : de quels stimuli ai-je besoin ? Dans quel ordre dois-je les présenter ?

Types de stimuli

Les stimuli peuvent revêtir diverses formes, notamment auditives, visuelles, tactiles, olfactives, etc. Les stimuli multimodaux combinent plusieurs de ces modalités. Les stimuli suivants sont utilisés dans les études de recherche universitaires et commerciales sur le comportement humain :

• Images / photos
• Vidéo
• Sites web
• Interfaces logicielles
• Appareils (habitacle de voiture, cockpit d'avion, machine à milk-shake, etc.)
• Communiquer avec les autres par téléphone, sur Internet ou en face à face
• Scènes complexes (réalité virtuelle, environnements réels)
• Son (ondes sinusoïdales, sons complexes, parole, musique)
• L'odorat (saveurs, odeurs)
• Stimuli haptiques (exploration d'objets par le toucher, plaques de pression, capteurs vibrants, robots haptiques)
• Questionnaires et enquêtes (en ligne ou via un logiciel, sur papier)

Séquence de stimulation

Les stimuli sont généralement présentés aux participants selon un ordre précis. Quels sont les ordres typiquement utilisés dans la recherche sur les processus cognitifs et comportementaux chez l’être humain ?

Séquence de stimuli fixe

Les séquences fixes sont nécessaires lorsque les séquences aléatoires n’ont pas de sens ou ne peuvent pas être utilisées. Par exemple, lorsqu’on combine un test de site web avec un entretien portant sur ce site, il n’est pas logique de poser d’abord des questions relatives au site web, puis de demander au participant de l’utiliser concrètement.

Dans ce cas, la seule séquence pertinente consiste à commencer par l’exploration du site web, puis à passer au questionnaire. Lorsqu’il s’agit de comparer différentes versions d’un stimulus, par exemple les sites web A et B, on peut également recourir à des séquences fixes.

Séquence aléatoire de stimuli

Comme vous l’avez déjà appris, présenter les stimuli dans le même ordre à tous les participants comporte un risque d’effets séquentiels. Les participants pourraient attribuer une note systématiquement plus élevée au premier stimulus, car ils sont encore motivés, impliqués et curieux.

Après deux longues heures passées au laboratoire, la fatigue peut prendre le dessus, ce qui peut entraîner une baisse des notes, même si le produit ou le service testé dépasse toutes les attentes. On peut éviter cela en présentant les stimuli dans un ordre aléatoire.

Séquence à contrepoids

Pour éviter les problèmes liés à une randomisation totale, les plans d’expérimentation équilibrés visent à répartir de manière homogène les conditions entre les créneaux de présentation des stimuli de l’expérience. Dans l’exemple ci-dessous, deux conditions de stimulus, A et B, sont équilibrées entre six participants, de sorte que trois d’entre eux sont exposés d’abord au stimulus A, tandis que les trois autres sont exposés d’abord au stimulus B.

Conception par blocs

Il n’est pas toujours judicieux de randomiser l’intégralité de la liste des stimuli, car celle-ci peut obéir à une certaine logique interne et suivre un ordre précis. Imaginons que vous souhaitiez évaluer le comportement des participants lorsqu’ils déballent plusieurs emballages alimentaires.

Pour chaque emballage, un protocole d’évaluation fixe est appliqué : (a) l’emballage est dévoilé et (b) les participants sont invités à décrire verbalement leurs associations. Ensuite, (c) ils doivent prendre l’emballage et l’ouvrir, puis (d) décrire leur expérience. Cette séquence, de l’étape (a) à l’étape (d), peut également être qualifiée de « bloc » expérimental, qui est censé être répété pour tous les emballages testés.

Bien que l’ordre de présentation des paquets soit aléatoire, le contenu de chacun des blocs reste le même.

Motif répétitif

L’EEG et d’autres enregistrements physiologiques nécessitent parfois de présenter plusieurs fois le même stimulus. Cela s’avère nécessaire car les variations de l’activité cérébrale provoquées par le stimulus sont bien plus faibles que l’activité de fond. La présentation répétée du même stimulus permet de disposer d’un volume de données suffisant pour tirer des conclusions valables.

Cependant, la répétition des stimuli peut également être utilisée dans le cadre d’études d’oculométrie. Dans ce cas, les procédures de randomisation décrites ci-dessus s’appliquent également.

Vous vous demandez peut-être combien de répétitions sont nécessaires pour obtenir des résultats. Malheureusement, il n’est pas possible de donner une réponse générale à cette question, car cela dépend de plusieurs facteurs, tels que l’ampleur de l’effet attendu ou de la différence entre deux conditions, la modalité du stimulus, l’effet physiologique étudié, ainsi que d’autres facteurs qui influent sur les résultats expérimentaux.

Il existe par ailleurs d’importants aspects statistiques qui dépassent le cadre de cette introduction générale.

Modalités et capteurs

Lorsque vous concevez des expériences dans le cadre de recherches sur le comportement cognitif humain, vous devez bien sûr réfléchir aux biocapteurs à partir desquels vous allez collecter des données. Le comportement humain est le résultat d’une interaction complexe entre divers processus, allant de modulations totalement inconscientes des réactions émotionnelles à la prise de décision fondée sur des pensées et des processus cognitifs conscients. En réalité, chacune de nos réponses émotionnelles et cognitives est influencée par des facteurs tels que l’état d’éveil, la charge de travail et les conditions environnementales qui affectent notre bien-être à ce moment précis.

Tous ces aspects du comportement humain peuvent être étudiés à l’aide d’auto-évaluations (par le biais d’entretiens ou de questionnaires), d’appareils spécifiques (tels que des oculomètres, des systèmes EEG, des capteurs GSR et ECG) ou d’une analyse des expressions faciales par caméra.

Suivi du regard

Publicités télévisées, jeux vidéo, films, sites web, appareils, mais aussi interlocuteurs dans la vie privée et au travail : nous ne pourrions percevoir aucun de ces éléments sans notre vision. Le cerveau humain est parfaitement adapté à la réception d’informations visuelles et au contrôle des mouvements oculaires. Il est donc tout à fait logique de recueillir des informations sur la position du regard et la dilatation de la pupille grâce à l’oculométrie. Si vous présentez des stimuli visuels à l’écran, vous devriez toujours collecter des données d’oculométrie afin d’être absolument certain de l’endroit où les participants dirigent leur regard et de la manière dont cela affecte le traitement cognitif. Deuxièmement, la surveillance de la dilatation de la pupille peut fournir des informations précieuses sur les niveaux d’excitation et de stress d’un répondant. La dilatation de la pupille étant un processus autonome, elle ne peut être contrôlée consciemment. Les enregistrements d’oculométrie vous permettent de surveiller à la fois l’engagement et la motivation des répondants, ainsi que leurs niveaux d’excitation lorsqu’ils sont confrontés à des stimuli émotionnels ou cognitivement stimulants.

GSR/EDA

La réponse galvanique de la peau (GSR) ou l’activité électrodermique (EDA) reflète la quantité de sueur sécrétée par les glandes sudoripares de notre peau. Une transpiration accrue entraîne une augmentation de la conductivité cutanée. Lorsque nous sommes exposés à un contenu émotionnel, nous transpirons sous l’effet de nos émotions. Les enregistrements de la GSR, associés à l’EEG, sont extrêmement puissants, car la conductivité cutanée est contrôlée inconsciemment, c’est-à-dire par des structures cérébrales plus profondes et plus anciennes que les processus cognitifs surveillés par l’EEG. Par conséquent, l’ajout de la GSR offre des informations précieuses sur l’excitation émotionnelle non filtrée et impartiale d’un répondant.

Analyse des expressions faciales

L’analyse des expressions faciales vous permet de déterminer si les participants traduisent réellement leur attitude positive par un comportement observable. L’analyse des expressions faciales est une méthode non intrusive qui permet d’évaluer la position et l’orientation de la tête (vous savez ainsi toujours où se trouvent vos participants par rapport au stimulus), les expressions (telles que le haussement des sourcils ou l’ouverture de la bouche) et les expressions faciales globales des émotions fondamentales (joie, colère, surprise, etc.) à l’aide d’une webcam placée devant le participant. Les données faciales sont extrêmement utiles pour surveiller l’engagement, la frustration ou la somnolence.

EMG (facial)

Les capteurs électromyographiques mesurent l’activité électrique générée par les mouvements du corps. Les capteurs EMG peuvent être utilisés pour surveiller les réponses musculaires du visage, des mains ou des doigts en réaction à tout type de stimulus. Même les schémas d’activation subtils associés à des mouvements de la main ou des doigts contrôlés consciemment (réflexe de sursaut) peuvent être évalués à l’aide de l’EMG. La collecte de données EMG synchronisées est utile pour toute personne s’intéressant à la manière dont les mouvements des yeux et des membres sont préparés et exécutés, mais aussi à la manière dont les mouvements sont empêchés et les actions inhibées.

ECG/PPG

La surveillance de l’activité cardiaque à l’aide d’électrodes ECG placées sur la poitrine ou de capteurs optiques de fréquence cardiaque fixés au bout des doigts permet de suivre l’état physique des participants, leur niveau d’anxiété et de stress (état d’éveil), ainsi que la manière dont les changements de leur état physiologique influencent leurs actions et leurs décisions. Le suivi de l’épuisement physique des participants à l’aide de capteurs ECG peut fournir des informations utiles sur les processus cognitifs et affectifs lors d’activités physiques intenses.

EEG

L’électroencéphalographie (EEG) est une technique de neuroimagerie qui mesure l’activité électrique générée par le cerveau à partir de la surface du cuir chevelu à l’aide de capteurs portables et de systèmes d’amplification. Il s’agit sans aucun doute de la méthode de choix pour évaluer l’activité cérébrale associée à la perception, au comportement cognitif et aux processus émotionnels. L’EEG fournit des informations précieuses sur la dynamique cérébrale à l’échelle de la fraction de seconde concernant l’engagement, la motivation, la frustration, la charge cognitive, ainsi que d’autres paramètres liés au traitement des stimuli, à la préparation de l’action et à son exécution. En termes simples : l’EEG indique de manière impressionnante quelles parties du cerveau sont actives lorsque nous effectuons une tâche ou sommes exposés à certains stimuli.

Auto-évaluations

Toute expérience devrait comporter des étapes de collecte de données autodéclarées, par exemple au début de la session, pendant la collecte des données et à la toute fin. La collecte de données démographiques (sexe, âge, situation socio-économique, etc.) permet de décrire plus en détail le groupe de répondants. De plus, les données autodéclarées issues d’entretiens et d’enquêtes aident considérablement à mieux comprendre l’univers subjectif des répondants – leur perception de leur propre niveau d’attention, de motivation et d’engagement – au-delà des valeurs quantitatives fournies par les biocapteurs. Bien entendu, les résultats de l’enquête peuvent être utilisés pour segmenter vos répondants en groupes spécifiques à des fins d’analyse (par exemple, jeunes vs personnes âgées ; hommes vs femmes ; utilisateurs novices vs expérimentés).

Une conception expérimentale réussie grâce à iMotions

Des expériences bien conçues vous permettent d’acquérir une compréhension approfondie de l’attention, de la cognition et du traitement émotionnel de la population cible de votre choix lorsqu’elle est confrontée à des objets physiques ou à des stimuli. La recherche expérimentale a formulé des recommandations spécifiques sur la manière d’éviter les biais liés à l’expérimentateur ou à la segmentation : les stratégies de randomisation pour la sélection des participants et des stimuli constituent un excellent point de départ.

Avant de vous lancer dans la conception de votre prochaine expérience sur le comportement cognitif humain, vous voudrez certainement réfléchir à la manière d’organiser les stimuli, de sélectionner les participants et de choisir les biocapteurs à utiliser afin d’obtenir un maximum d’informations.

Et s’il existait une solution logicielle multimodale permettant de charger et d’organiser tout type de stimulus, par exemple selon des séquences fixes ou aléatoires, tout en enregistrant les données issues de l’EEG, de l’oculométrie, de l’analyse des expressions faciales et d’autres biocapteurs (tels que la GSR, l’ECG ou l’EMG), sans avoir à tout assembler manuellement ?

La plateforme iMotions

La plateforme iMotions est une solution logicielle conviviale qui permet la conception d’études, l’étalonnage de capteurs multiples, la collecte de données et leur analyse.

Dès son installation, iMotions prend en charge plus de 50 biocapteurs de premier plan, notamment l’analyse des expressions faciales, la réponse galvanique de la peau (GSR), l’oculométrie, l’EEG, l’ECG et l’EMG, ainsi que des questionnaires destinés à la recherche multimodale sur le comportement humain.

Références

• Banerjee, Chaudhury et al. (2007). « Statistics without tears » : éléments pour le calcul de la taille des échantillons. Indian Psychiatry Journal, 16, p. 150-152.
• Banerjee & Chaudhury (2010). « Les statistiques sans larmes : populations et échantillons ». Industrial Psychiatry Journal, 19(1), 60–65.
• Creative Research Systems (2003). Calculateur d'échantillon. Consulté sur https://www.surveysystem.com/sscalc.htm le 6 août 2016.
• Cooper, Camic et al. (2012). Manuel de l'APA sur les méthodes de recherche en psychologie, vol. 1 : Fondements, planification, mesures et psychométrie.
• Cooper, Camic et al. (2012). Manuel de l'APA sur les méthodes de recherche en psychologie, vol. 2 : Plans de recherche : quantitatifs, qualitatifs, neuropsychologiques et biologiques.
• Farrington (1991). Stratégies de recherche longitudinale : avantages, problèmes et perspectives. Journal de l'Académie américaine de psychiatrie de l'enfant et de l'adolescent, 30(3), 369–374.
• Hofling et al. (1966). « Étude expérimentale des relations entre infirmières et médecins ». Journal of Nervous and Mental Disease, 143, p. 171-180.
• McLeod (2007). L'expérience de Milgram. Consulté sur www.simplypsychology.org/milgram.html le 31 juillet 2016.
• Martinez-Mesa, Gonzalez-Chica et al. (2014). Taille de l'échantillon : de combien de participants ai-je besoin pour ma recherche ? Anais Brasileiros de Dermatologia, 89(4), 609–615.
• Monahan & Fisher (2010). Les avantages des effets d'observation : enseignements tirés de la pratique. *Qualitative Research*, 10(1), p. 357-376.
• Niles (2014). Taille de l'échantillon : de combien de participants ai-je besoin pour mon enquête ? Consulté sur https://www.sciencebuddies.org/science-fair-projects/project_ideas/Soc_participants.shtml le 06/08/2016
• Ryan (2006). Conception expérimentale moderne (2e édition). New York : Wiley Interscience.