Généralisation et Conclusions

Définir les concepts Conclusions et Généralisations

Qu'est-ce qu'une conclusion ? Eh bien...

Par exemple, si tu as mené une étude sur les médicaments contre les maux de tête et que tu as constaté que \(90\%\) des participants qui ont pris la vraie pilule ont vu une grande réduction de la douleur des maux de tête, par rapport à seulement \(20\%\) qui ont pris la pilule placebo, tu pourrais conclure que la pilule est efficace pour réduire les maux de tête chez les participants du groupe de l'étude.

Maintenant, la pilule est-elle efficace pour réduire les maux de tête chez tout le monde ? Cela dépend vraiment de la façon dont l'étude a été menée. Ce type d'affirmation s'appelle une généralisation.

Quelle est la différence entre une conclusion et une généralisation ?

Cette question peut être un peu trompeuse. Pense aux doigts et aux pouces. Tous les pouces sont des doigts, n'est-ce pas ? Mais tous les doigts sont-ils des pouces ? Bien sûr que non ! Il en va de même pour les conclusions et les généralisations.

Par exemple, si tu as arrêté deux cents personnes au hasard dans une ville et que chacune d'entre elles a déclaré que son plat préféré était la pizza, tu peux faire une généralisation selon laquelle, en général, le plat préféré de tous les habitants de la ville est la pizza.

Mais attends, comme toujours avec la recherche, il y a plus que cela !

Conclusion et généralisation dans la recherche

Si l'on reprend l'exemple de la pizza, où as-tu arrêté ces personnes ? Était-ce à l'extérieur de la pizzeria locale ? Si c'est le cas, cette généralisation n'est peut-être pas si bonne à faire. Cependant, si chaque personne interrogée a vraiment été choisie au hasard, par exemple en tirant des noms d'un chapeau comiquement grand, alors la généralisation pourrait être acceptable.

Dans le cadre d'une recherche, il est important de pouvoir distinguer une conclusion tirée à partir d'un groupe de participants de toute généralisation faite à propos d'un groupe plus large. Par exemple, si tu demandes aux gens de participer à une enquête sur leur plat préféré, les participants sont-ils choisis au hasard dans un groupe plus large ?

Non ! Les participants sont simplement les personnes qui ont décidé de répondre. Peut-être que les amateurs de pizzas de la ville sont tout simplement plus passionnés par leur plat préféré que les amateurs de hamburgers, et qu'ils étaient donc plus susceptibles de répondre. Prends toujours les sondages avec une pincée de sel. Réfléchis à la façon dont le groupe d'enquête a été choisi, ou même s'il a été "choisi" tout court !

La frontière est mince entre une simple conclusion et une généralisation. Réfléchis à ces concepts dans ta propre vie. Peut-être que dans la ville où tu vis, tout le monde pense que les hot-dogs sont le meilleur aliment. Est-ce une bonne généralisation de dire que tout le monde dans le monde doit aussi aimer les hot-dogs ?

Lorsque l'on se demande si l'on peut généraliser une conclusion tirée d'un groupe de participants, il y a plusieurs éléments à prendre en compte.

Le premier est le caractère aléatoire de l'échantillon. Si tu souhaites faire une généralisation à propos d'une population entière, il est impératif que les participants soient choisis au hasard.

La deuxième est la taille du groupe d'échantillonnage. Si tu choisis dix personnes dans une ville de 3000 habitants, tes résultats ne montreront probablement pas une distribution des données représentative de toute la ville.

La troisième est la validité interne de l'étude elle-même. En d'autres termes, il s'agit de savoir si d'autres facteurs ont pu influencer les résultats en dehors de la variable spécifique que tu testes. Si une étude testant l'effet du temps passé devant un écran sur la santé mentale est réalisée en prenant les téléphones d'un groupe échantillon pendant un mois, les résultats peuvent-ils montrer de façon concluante que le temps passé devant un écran est la seule cause d'une augmentation de la bonne santé mentale ? Non, car un certain nombre de choses autres que le temps d'écran auraient pu en être la cause, comme une réduction du temps passé sur les médias sociaux.

Tirer des conclusions à partir de données statistiques

Comment tirer des conclusions à partir de données statistiques ? En général, ce n'est pas aussi simple que de demander à chaque personne interrogée de dire que la pizza est son plat préféré. Que se passe-t-il si \(90\%) des personnes disent cela ? Est-ce une conclusion valable de dire que le plat préféré de la plupart des habitants de la ville est la pizza ? Probablement, mais que se passe-t-il si seulement 55% des gens disent cela ? Il pourrait s'agir d'une bizarrerie des données. Peut-être que si tu posais la question à 200 personnes différentes, tu obtiendrais un résultat différent.

C'est là que l'analyse statistique entre en jeu. L'analyse statistique peut être utilisée pour déterminer la probabilité qu'un certain ensemble de résultats se produise par hasard. Si \(90\%\) des personnes disent que leur plat préféré est la pizza ? Il y a très peu de chances que cela se produise par hasard, mais \(55\%\) ? Eh bien, c'est un peu moins tiré par les cheveux.

En fin de compte, si l'on détermine qu'une certaine découverte a suffisamment peu de chances d'être due au hasard, cette découverte est considérée comme une conclusion valable, mais si elle est trop importante, on ne peut pas en tirer de conclusion.

Tout cela peut être compliqué à faire, mais heureusement, il existe des méthodes que tu apprendras dans ce cours pour pouvoir effectuer ce genre d'analyse statistique sur différents types d'ensembles de données.

Conclusions statistiques et exemples de généralisation

Vois si tu peux déterminer, à partir de ces déclarations, si la généralisation ou la conclusion est valable ou non.