Terminologie 101 : Introduction à l’échantillonnage en recherche

Janvier-Février 2017   Commentaires

Échantillonnage : La sélection parmi une population cible de participants à la recherche qui présentent les caractéristiques de cette population


En recherche quantitative, les chercheurs veulent pouvoir tirer des conclusions au sujet d’une population qui présente les caractéristiques communes qui les intéressent : la population cible. La plupart des populations étant trop grandes pour qu’on les étudie en entier à cause de contraintes temporelles, financières et logistiques, les chercheurs effectuent souvent leurs études sur des échantillons qu’ils croient représentatifs de la population cible. Un échantillon représentatif a les mêmes caractéristiques que la population dont il est tiré. C’est une condition importante pour l’échantillonnage en recherche, car si l’échantillon n’est pas réellement représentatif de la population cible (autrement dit s’il est biaisé), l’étude produira probablement des résultats non généralisables.

Pour obtenir un échantillon représentatif, les chercheurs effectuent un échantillonnage probabiliste ou non probabiliste (sur lesquels porteront nos deux prochains articles). La distinction cruciale entre ces deux types d’échantillonnage est que les échantillons probabilistes sont sélectionnés de façon aléatoire dans la population cible, ce qui n’est pas le cas pour les échantillons non probabilistes. La sélection étant aléatoire pour l’échantillonnage probabiliste, tout le monde au sein de la population cible a les mêmes chances d’être inclus dans l’étude, sans que les biais éventuels des chercheurs influent sur le processus de sélection. Pour l’échantillonnage non probabiliste, les participants sont choisis en fonction de ce que les chercheurs pensent être les caractéristiques de la population cible, sans toujours toutes les connaître. Comme l’échantillonnage non probabiliste ne tient pas compte des caractéristiques inconnues, la généralisation des résultats de la recherche n’est pas toujours possible.

L’échantillonnage probabiliste est la meilleure méthode, mais il faut se souvenir qu’il n’est pas toujours faisable. Ce serait le cas, par exemple, dans une recherche clinique menée au sein d’un service de soins actifs, où l’on ne saurait pas à l’avance à quelle population on aura accès, puisque les patients entrent dans cette population quand ils tombent malades.

Une autre façon importante de déterminer si un échantillon est adapté est de considérer sa taille. Celle-ci devrait être déterminée au moyen d’un calcul empirique dont devra faire état le rapport de recherche. Si l’échantillon est trop petit, l’étude n’aura pas la puissance statistique nécessaire pour détecter un effet véritable, et les chercheurs risqueront de tirer des conclusions inexactes au sujet de cet effet (conclure par exemple que cet effet n’existe pas alors qu’il existe).

Les méthodes d’échantillonnage et la taille des échantillons sont trop importantes pour être ignorées lorsque l’on évalue des rapports de recherches. Les lecteurs doivent être convaincus que les caractéristiques des participants à l’étude reflètent celles de la population cible. Ils doivent aussi chercher des preuves que la taille de l’échantillon n’est pas arbitraire ou dictée par une intuition. Tout signe de problèmes en matière d’échantillonnage devrait soulever de graves inquiétudes quant à la validité des résultats.

Maher M. El-Masri, inf. aut., Ph.D.

Maher M. El-Masri, inf. aut., Ph.D., est professeur agrégé et titulaire d’une chaire de recherche à la faculté de sciences infirmières de l’Université de Windsor, en Ontario.

comments powered by Disqus