Au cœur de l’investigation scientifique de l’esprit et du comportement humain, la donnée constitue la matière première indispensable à l’élaboration théorique, à la validation empirique et à l’intervention clinique. Dans le champ de la psychologie contemporaine, elle ne se réduit pas à une simple agrégation de valeurs numériques ou textuelles, mais incarne l’opérationnalisation concrète de construits mentaux intrinsèquement inobservables, tels que la mémoire, l’intelligence, la personnalité ou la souffrance psychique. Comprendre la nature, la collecte, le traitement et l’interprétation des données psychologiques est ainsi une condition préalable fondamentale pour quiconque souhaite appréhender la rigueur et la portée des sciences cognitives, cliniques et comportementales.
Données en Psychologie
1. Définition concise
En psychologie, le terme donnée (souvent employé au pluriel, les données) désigne l’ensemble des éléments d’information bruts ou codifiés recueillis de manière systématique afin d’observer, de mesurer, d’analyser et d’interpréter des phénomènes cognitifs, affectifs, comportementaux ou physiologiques. Ces informations proviennent d’observations directes, de réponses à des auto-évaluations, de performances à des tests cognitifs standardisés ou d’enregistrements psychophysiologiques.
Sur le plan épistémologique, une donnée psychologique constitue la trace mesurable laissée par un processus psychique ou une interaction comportementale. Elle sert d’intermédiaire empirique entre le modèle théorique abstrait proposé par le chercheur et la réalité phénoménologique du sujet observé. Sans cette formalisation, aucune hypothèse relative au fonctionnement psychique ne peut être réfutée ou validée scientifiquement.
Dans une perspective méthodologique moderne, les données englobent aujourd’hui un continuum allant des données hautement quantitatives et contrôlées obtenues en laboratoire (temps de réaction en millisecondes, potentiels évoqués, connectivité neuronale) jusqu’aux données qualitatives et phénoménologiques recueillies en milieu écologique (récits de vie, verbatim d’entretiens cliniques, traces numériques comportementales).
2. Étymologie et origine linguistique
Le mot français « donnée » est le participe passé substantivé du verbe « donner », lui-même issu du verbe latin dare (« accorder », « assigner », « offrir »). Dans son acception logique et mathématique originelle, le mot latin datum (pluriel data), participe passé neutre de dare, signifiait littéralement « ce qui est accordé », « ce qui est admis comme point de départ » ou « prémisse connue d’un problème ».
Au fil des XVIIe et XVIIIe siècles, sous l’influence des travaux des philosophes empiristes tels que John Locke et David Hume, le terme a glissé du statut de postulat géométrique abstrait vers celui d’élément factuel fourni par l’expérience sensorielle. Avec l’émergence de la psychologie expérimentale à la fin du XIXe siècle, les pionniers francophones (comme Théodule Ribot, Alfred Binet et Henri Piéron) ont adopté le terme pour désigner les éléments objectifs recueillis lors des protocoles d’investigation psychométrique et psychophysiologique.
L’anglais a conservé la forme plurielle latine data, qui est désormais omniprésente dans la littérature internationale. Bien que le français utilise couramment le singulier (« la donnée ») pour qualifier une unité d’information élémentaire, l’usage scientifique privilégie généralement la forme plurielle (« les données ») pour évoquer les corpus d’observations issus d’une expérimentation ou d’une campagne de passation.
3. Prononciation et forme grammaticale
Sur le plan phonétique, le mot se prononce /dɔ.ne/ en français standard. D’un point de vue grammatical, il s’agit d’un nom commun féminin. Au singulier, « la donnée » renvoie à un fait particulier, à une valeur observée spécifique ou à une hypothèse admise au départ d’un raisonnement mathématique ou conceptuel.
Au pluriel, « les données » fait référence à un ensemble structuré de faits et de mesures servant de base à une étude statistique, clinique ou phénoménologique. Dans la communauté scientifique francophone, le terme s’associe couramment à des adjectifs qualificatifs déterminant sa nature méthodologique : données longitudinales, données transversales, données normatives, données brutes, ou encore données probantes (traduction de l’anglais evidence-based).
Il convient de distinguer l’usage strict de la langue française des anglicismes d’emprunt direct. Si l’anglais utilise parfois data comme un nom collectif singulier (« data is… »), le français impose un accord grammatical rigoureux au féminin pluriel (« les données sont recueillies » et non « la data est »).
4. Explication conceptuelle détaillée
La notion de donnée en psychologie présente une complexité épistémologique singulière qui la distingue des données des sciences de la nature physique. Alors qu’un physicien peut mesurer directement une masse ou une vitesse, le psychologue ne dispose d’aucun accès perceptif immédiat à la plupart de ses objets d’étude : l’anxiété, la mémoire de travail, l’extraversion ou l’empathie ne sont pas des entités matérielles directement palpables. Ce sont des construits théoriques latents. Une donnée psychologique est donc toujours le résultat d’une opération de traduction ou d’opérationnalisation : elle représente un indice comportemental ou biologique dont on infère l’existence et la magnitude du processus mental sous-jacent.
Cette spécificité impose une vigilance critique permanente quant à la relation entre l’indicateur observé et l’entité sous-jacente. Une réponse chiffrée sur une échelle de Likert de 1 à 7 n’est pas « l’attitude » elle-même ; elle constitue une donnée d’auto-évaluation sujette à des biais de désirabilité sociale, à des heuristiques cognitives et à des interprétations lexicales individuelles. De même, un temps de réaction ne mesure pas directement « l’intelligence », mais le temps requis pour exécuter une tâche sensorimotrice et cognitive spécifique dans un contexte environnemental délimité. La donnée est par essence une approximation sélective de la réalité humaine.
Par conséquent, les données psychologiques se caractérisent par un niveau élevé de variabilité et de bruit de mesure. Cette variabilité découle tant de la fluctuation intra-individuelle (fatigue, motivation, état émotionnel au moment de la passation) que des différences inter-individuelles (parcours de vie, bagage génétique, milieu socioculturel) et des erreurs de mesure inhérentes aux instruments utilisés. La recherche en psychologie accorde ainsi une place centrale aux méthodes statistiques destinées à distinguer le signal significatif du bruit aléatoire.
Enfin, le statut conceptuel de la donnée s’articule autour de la pyramide DIKW (Data, Information, Knowledge, Wisdom). La donnée brute (par exemple, le chiffre « 115 » sur une feuille de passation) est dépourvue de sens intrinsèque. Elle ne devient une information que lorsqu’elle est contextualisée (un score standardisé de 115 au WISC-V pour un enfant de 10 ans). Cette information participe à la connaissance lorsqu’elle est mise en relation avec d’autres données cliniques et théoriques (l’identification d’aptitudes cognitives supérieures à la moyenne dans le domaine verbal), avant de guider une décision éclairée (l’adaptation d’un parcours scolaire).
5. Évolution historique
L’histoire de la donnée en psychologie est indissociable de la transformation de cette discipline, passée d’une branche de la philosophie spéculative à une science expérimentale rigoureuse. Au XIXe siècle, les premiers physiologistes et philosophes de l’esprit, comme Gustav Fechner et Ernst Heinrich Weber, ont cherché à établir des lois mathématiques reliant l’intensité d’un stimulus physique à la sensation perçue. Ces travaux de psychophysique ont constitué le premier acte formel de production systématique de données quantitatives en psychologie.
En 1879, Wilhelm Wundt fonde à Leipzig le premier laboratoire officiel de psychologie expérimentale. Les données recueillies reposaient alors principalement sur l’introspection expérimentale contrôlée : des observateurs rigoureusement entraînés rapportaient leurs expériences conscientes immédiates en réponse à des stimuli calibrés, tandis que des appareils mécaniques mesuraient avec précision leurs temps de réaction sensoriels. Quelques années plus tard, Francis Galton en Angleterre et Alfred Binet en France introduisent l’approche différentielle et psychométrique. Binet, en concevant le premier test d’évaluation du quotient intellectuel, transforme des réponses comportementales standardisées en données normatives permettant de situer un individu par rapport à sa classe d’âge.
Le XXe siècle voit s’affronter deux paradigmes majeurs quant à la définition même de ce qui constitue une donnée recevable. Le behaviorisme, incarné par John B. Watson et B.F. Skinner, rejette catégoriquement les données introspectives au motif qu’elles sont subjectives et non vérifiables publiquement ; pour eux, seule la donnée comportementale manifeste (mouvements moteurs, pressions de levier, vocalisations) possède une légitimité scientifique. À l’inverse, l’avènement de la révolution cognitive dans les années 1950 et 1960 réhabilite l’étude des états mentaux internes, en utilisant les erreurs systématiques, les temps de traitement de l’information et les paradigmes expérimentaux sur ordinateur pour générer des données inférentielles sur l’architecture cognitive.
Au tournant du XXIe siècle, l’essor des neurosciences computationnelles et de l’imagerie par résonance magnétique fonctionnelle (IRMf) a enrichi la psychologie d’un volume sans précédent de données spatiales et temporelles sur l’activité cérébrale. Enfin, l’avènement du numérique, de l’évaluation écologique momentanée (EMA) sur ordiphone et de l’intelligence artificielle marque l’ère des mégadonnées (« big data ») psychologiques, où les données proviennent désormais d’enregistrements continus et passifs des comportements de la vie quotidienne.
6. Fondements théoriques et épistémologiques
L’usage et l’interprétation des données en psychologie reposent sur plusieurs paradigmes épistémologiques distincts qui déterminent ce qui est considéré comme scientifiquement valide :
Le positivisme et le post-positivisme constituent le socle de l’approche quantitative traditionnelle. Sous cette optique, la réalité psychologique existe indépendamment du chercheur et peut être découverte par le truchement de la méthode scientifique. Les données sont traitées comme des représentations objectives de grandeurs latentes. L’accent est mis sur la standardisation rigoureuse de la collecte, le contrôle des variables parasites et l’application de tests d’hypothèses statistiques (notamment le cadre hypothético-déductif et l’inférence fréquentiste ou bayésienne).
À l’opposé, le constructivisme et la phénoménologie soutiennent que les données psychologiques ne sont jamais totalement détachées de l’interaction entre le chercheur et le participant. Selon ce paradigme, privilégié dans les approches qualitatives, la donnée est co-construite : le sens que l’individu attribue à son vécu est central. Les transcriptions d’entretiens semi-directifs, les analyses narratives ou l’analyse phénoménologique interprétative (IPA) ne cherchent pas à quantifier des variables, mais à explorer la profondeur sémantique et la texture de l’expérience subjective humaine.
La théorie de la mesure et la psychométrie forment la charpente technique régissant la transformation des observations qualitatives en données quantitatives exploitables. Depuis la formalisation historique des quatre niveaux d’échelles de mesure par Stanley Smith Stevens en 1946 (nominale, ordinale, d’intervalle et de rapport), les psychologues débattent du statut des données de questionnaires. Si les échelles de Likert sont formellement ordinales, elles sont fréquemment traitées comme des échelles d’intervalle dans les modèles linéaires statistiques, une pratique qui suscite de vifs débats théoriques entre les partisans de l’approche classique des tests et ceux des modèles de réponse à l’item (Item Response Theory, IRT).
7. Composantes clés, typologies et dimensions
Pour appréhender la diversité des données en psychologie, Raymond Cattell a proposé une taxonomie classique connue sous l’acronyme LOTS, complétée par les avancées méthodologiques contemporaines :
- Données de vie (L-data pour Life data) : Informations factuelles et vérifiables issues de la trajectoire biographique de l’individu, telles que le dossier scolaire, le casier judiciaire, le statut marital, le nombre d’emplois occupés ou les hospitalisations. Elles offrent une validité écologique maximale mais sont souvent tributaires d’archives administratives imparfaites.
- Données d’observation (O-data pour Observer data) : Évaluations fournies par des tiers (parents, enseignants, cliniciens, pairs) ou observateurs entraînés à coder le comportement selon des grilles standardisées. Elles permettent de contourner les biais d’auto-complaisance du sujet mais restent vulnérables à l’effet de halo ou aux stéréotypes de l’observateur.
- Données de test standardisé (T-data pour Test data) : Mesures objectives recueillies dans des situations expérimentales artificielles ou des épreuves d’aptitude standardisées où le participant est confronté à une tâche et où la performance est chronométrée ou scorée avec précision. Le sujet ignore souvent l’hypothèse sous-jacente exacte, ce qui réduit la manipulation intentionnelle des réponses.
- Données d’auto-évaluation (Q-data pour Questionnaire data) : Réponses fournies directement par le sujet à propos de ses propres émotions, croyances, attitudes ou symptômes à l’aide d’inventaires de personnalité, d’échelles cliniques ou de journaux de bord. Si elles constituent la voie royale d’accès à l’intériorité psychique, elles sont sensibles à la désirabilité sociale et aux biais rétrospectifs.
- Données psychophysiologiques et biologiques (B-data pour Biological data) : Enregistrements de l’activité du système nerveux central et autonome, incluant l’électroencéphalographie (EEG), la réponse électrodermale, la variabilité de la fréquence cardiaque, les niveaux de cortisol salivaire ou les polymorphismes génétiques. Ces données fournissent des biomarqueurs précieux des états émotionnels et cognitifs.
- Traces numériques comportementales (Digital phenotyping) : Données passives massives collectées via les capteurs des ordiphones, la géolocalisation GPS, les mouvements de frappe au clavier, le temps d’écran et les interactions sur les réseaux sociaux, offrant un suivi continu et non intrusif du comportement au quotidien.
8. Exemples et cas illustratifs
Pour saisir comment les données s’articulent dans la pratique de la recherche et de la clinique, examinons trois contextes représentatifs :
Illustration 1 : L’évaluation neuropsychologique post-accident vasculaire cérébral. Un neuropsychologue reçoit un patient présentant des difficultés attentionnelles présumées. Lors du bilan, le praticien recueille plusieurs types de données : les scores d’exactitude et les temps de réaction au Test d’Attention Concentrée (T-data), l’hétéro-évaluation du conjoint via l’échelle de dysfonctionnement exécutif DEX (O-data), et le compte-rendu narratif du patient concernant sa fatigue cognitive au réveil (données qualitatives). La convergence de ces différentes sources de données permet d’objectiver un déficit de l’attention soutenue et de concevoir un programme de remédiation cognitive ciblé.
Illustration 2 : L’étude de la réactivité émotionnelle par paradigme de laboratoire. Dans une recherche sur le trouble de stress post-traumatique (TSPT), des chercheurs exposent des participants à des stimuli sonores inattendus tout en enregistrant simultanément la conductance cutanée, l’amplitude du réflexe de sursaut oculaire par électromyographie et un score d’anxiété subjective sur une échelle visuelle analogique. Les données brutes recueillies à une fréquence de 1000 Hz sont filtrées, centrées et réduites pour générer des courbes de décours temporel montrant un retard d’extinction de la peur conditionnée chez le groupe clinique comparé au groupe témoin.
Illustration 3 : L’évaluation écologique momentanée (EMA) dans la dépression. Afin de pallier les biais de mémoire qui affectent les questionnaires rétrospectifs traditionnels (« Comment vous êtes-vous senti au cours des deux dernières semaines ? »), un protocole EMA invite les participants à répondre sur leur téléphone portable à cinq courtes questions sur leur humeur et leur sentiment d’anhédonie à des moments aléatoires de la journée pendant 21 jours consécutifs. Ce protocole génère des données longitudinales intensives en séries temporelles, permettant d’analyser la dynamique d’inertie émotionnelle d’heure en heure.
9. Mesure, collecte et évaluation
La transformation d’un phénomène psychologique en une donnée exploitable exige une méthodologie rigoureuse garantissant la fiabilité et la robustesse des conclusions. Toute collecte de données s’évalue traditionnellement à l’aune des qualités métrologiques fondamentales :
La fidélité (reliability) évalue la consistance et la reproductibilité de la mesure. Elle s’apprécie par la cohérence interne des items d’un instrument (mesurée par exemple par l’alpha de Cronbach ou l’oméga de McDonald), la stabilité temporelle par le test-retest, ou encore l’accord inter-juges (coefficient kappa de Cohen) lorsque les données résultent d’observations subjectives codées par plusieurs évaluateurs.
La validité de mesure examine si l’outil capture véritablement le construit psychologique qu’il prétend mesurer. Les psychologues distinguent la validité de contenu (représentativité des items), la validité de construit (subdivisée en validité convergente avec des concepts similaires et validité discriminante vis-à-vis de construits distincts) et la validité critériée (capacité de la donnée à prédire un critère externe présent ou futur, comme la réussite académique ou la rechute dépressive).
Le processus de gestion des données (data management) comprend plusieurs étapes critiques :
- La standardisation de la passation : Veiller à ce que les consignes, l’environnement physique et le matériel soient identiques pour l’ensemble des participants afin d’éviter les biais d’expérimentateur.
- Le nettoyage et le prétraitement : Détection des valeurs aberrantes (outliers), examen de la normalité des distributions statistiques, et identification des participants non attentifs au moyen d’items pièges (careless responding).
- La gestion des données manquantes : Remplacement des données non observées par des techniques statistiques modernes d’imputation multiple ou d’estimation du maximum de vraisemblance à information complète (FIML), préférables à la simple suppression univariée qui introduit d’importants biais de sélection.
10. Applications et portée pratique
L’utilisation raisonnée des données psychologiques innerve l’ensemble des domaines d’application professionnelle de la discipline :
En psychologie clinique et en psychothérapie, les données issues du suivi des progrès thérapeutiques (Measurement-Based Care) permettent d’adapter les interventions en continu. L’administration répétée d’échelles courtes lors de chaque séance (telles que le PHQ-9 pour les symptômes dépressifs ou le GAD-7 pour l’anxiété) fournit au praticien des données objectives sur la trajectoire d’amélioration ou de détérioration du patient, diminuant significativement le risque d’abandon prématuré de thérapie.
En psychologie du travail et des organisations, les données psychométriques issues de tests de raisonnement cognitif, d’inventaires de personnalité situationnels et d’évaluations à 360 degrés guident les processus de recrutement, de bilan de compétences et de détection des potentiels managériaux, tout en veillant à minimiser les discriminations illégitimes par des analyses d’impact disparate.
En psychologie de l’éducation, les données normatives de développement cognitif et les évaluations diagnostiques des troubles des apprentissages (dyslexie, dyscalculie, TDAH) permettent d’établir des projets d’accueil individualisés et de mesurer l’efficacité des dispositifs pédagogiques de remédiation.
Enfin, dans le champ des politiques publiques et de l’économie comportementale, les données relatives aux biais cognitifs des citoyens sont exploitées pour concevoir des « architectures de choix » bienveillantes (nudges) visant à encourager des comportements vertueux en santé publique (vaccination, don d’organes) ou en préservation de l’environnement.
11. Recherche empirique et preuves scientifiques
La recherche contemporaine a profondément transformé notre rapport aux données psychologiques, notamment à la suite de la « crise de reproductibilité » mise en lumière au début des années 2010. Le projet mené par Brian Nosek et l’Open Science Collaboration en 2015, qui a tenté de répliquer 100 études de premier plan en psychologie, a montré que seulement 36 à 47 % des réplications parvenaient à des résultats statistiquement significatifs conformes aux publications initiales.
Cette crise a mis en évidence les dangers de mauvaises pratiques méthodologiques liées à la gestion opportuniste des données, souvent regroupées sous le terme de p-hacking ou degrés de liberté du chercheur : sélection a posteriori des variables significatives, arrêt prématuré de la collecte une fois le seuil de significativité atteint, exclusion non motivée de participants ou formulation d’hypothèses après que les résultats sont connus (HARKing). En réponse, la communauté internationale s’est résolument tournée vers le mouvement de la science ouverte.
Les standards contemporains valorisent désormais le pré-enregistrement des protocoles de recherche et des plans d’analyse statistique sur des plateformes publiques (comme le Center for Open Science ou AsPredicted). Les revues de rang mondial adoptent massivement le format des Registered Reports, où le protocole et la stratégie de traitement des données sont évalués par les pairs et acceptés avant même le début de la récolte effective des données. Parallèlement, le partage des données brutes anonymisées (open data) selon les principes FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable) s’impose comme la nouvelle norme garantissant l’intégrité scientifique.
12. Considérations culturelles et transculturelles
Une donnée psychologique n’est jamais universelle par défaut ; elle est ancrée dans une matrice culturelle qui en façonne l’expression et la mesure. Pendant des décennies, la très grande majorité des données empiriques en psychologie ont été recueillies auprès de populations dites « WEIRD » (Western, Educated, Industrialized, Rich, Democratic), décrites par Joseph Henrich et ses collègues en 2010. Ces populations, qui ne représentent qu’environ 12 % de l’humanité, ont servi de base à des généralisations abusives sur la nature humaine universelle.
Lorsqu’un instrument d’évaluation psychologique est transféré d’une culture à une autre, il ne suffit pas de traduire littéralement les questions pour obtenir des données équivalentes. La recherche transculturelle exige la démonstration formelle de l’invariance de mesure à trois niveaux successifs :
- L’invariance configurationnelle : Le même modèle théorique (nombre de facteurs latents) s’applique-t-il dans les différentes cultures ?
- L’invariance métrique : Les items de l’échelle ont-ils la même sensibilité et les mêmes poids factoriels d’un groupe culturel à l’autre ?
- L’invariance scalaire : Les participants issus de cultures différentes partagent-ils la même valeur d’origine (intercepts des items), condition sine qua non pour pouvoir comparer légitimement les moyennes de scores de deux pays.
Sans ces précautions méthodologiques, des différences observées dans les données peuvent refléter des styles de réponse culturels (comme la tendance à la modestie ou la propension à utiliser les extrémités de l’échelle) plutôt que de réelles disparités psychologiques sous-jacentes.
13. Critiques, controverses et limites
Malgré l’appareillage quantitatif sophistiqué déployé par la psychologie moderne, plusieurs critiques fondamentales persistent quant au statut des données dans la discipline :
Une première critique épistémologique majeure, formulée notamment par Joel Michell, porte sur l’hypothèse non démontrée de la quantification psychologique. Selon Michell, la psychologie postule a priori que les attributs mentaux (l’intelligence, l’agréabilité, la dépression) sont des grandeurs quantitatives continues mesurables, sans jamais avoir démontré empiriquement que ces attributs possèdent la structure mathématique intrinsèque requise pour la mesure physique. Pour les tenants de cette critique, attribuer des scores numériques à des ressentis subjectifs relève d’une illusion méthodologique qui confond classification ordinale et mesure métrique véritable.
Une seconde controverse concerne le réductionnisme des mégadonnées. À l’ère de l’intelligence artificielle, certains chercheurs préconisent l’abandon des hypothèses théoriques a priori au profit d’une approche purement inductive guidée par les données (« data-driven psychology »). Cependant, les critiques rappellent que corrélation n’est pas causalité : les algorithmes d’apprentissage automatique appliqués à des millions de profils numériques risquent d’amplifier des corrélations fallacieuses et des biais algorithmiques sans offrir aucune explication mécaniste ou compréhensive des dynamiques psychiques humaines.
Enfin, la dimension éthique et déontologique de la collecte des données fait l’objet de tensions régulières. Le recueil de données hautement sensibles (idéation suicidaire, préférences sexuelles, antécédents traumatiques) impose le strict respect du consentement éclairé, de l’anonymisation et de la protection contre les cyber-attaques (conformément au RGPD en Europe). Dans le domaine clinique, le risque de réification de la donnée — consistant à réduire un patient souffrant à un score sur une échelle diagnostique au détriment de l’écoute clinique personnalisée — demeure un piège constant pour le praticien.
14. Termes connexes et distinctions conceptuelles
La rigueur conceptuelle exige de ne pas confondre la notion de donnée avec d’autres termes proches de la chaîne de traitement de la connaissance :
- Donnée vs Information : La donnée est un élément brut, décontextualisé et non interprété (ex. le chiffre 28 à un questionnaire). L’information est cette même donnée insérée dans un cadre interprétatif qui lui confère une signification (ex. un score de 28 au BDI-II indiquant une symptomatologie dépressive sévère).
- Donnée vs Construit latent : Le construit est une variable théorique hypothétique et inobservable (ex. l’estime de soi). La donnée est l’indice opérationnel observable produit par un outil de mesure pour approcher ce construit.
- Données quantitatives vs Données qualitatives : Les premières se traduisent par des grandeurs numériques soumises au calcul statistique (scores, fréquences, latences), tandis que les secondes s’expriment sous forme de langage, d’images ou de récits narratifs analysés pour leur teneur sémantique et thématique.
- Données primaires vs Données secondaires : Les données primaires sont collectées directement par le chercheur pour répondre à une question de recherche spécifique. Les données secondaires proviennent de bases déjà existantes, de registres nationaux ou d’études antérieures réanalysées dans le cadre d’une méta-analyse ou d’un projet distinct.
15. Synthèse et points clés à retenir
En psychologie, la donnée constitue l’interface incontournable entre la modélisation théorique de l’esprit et la manifestation concrète du comportement humain. Loin d’être de simples reflets passifs et neutres de la réalité, les données psychologiques sont des constructions méthodologiques délibérées, obtenues par l’opérationnalisation de construits latents complexes.
La validité des conclusions scientifiques et l’efficacité des interventions cliniques dépendent directement de la fidélité, de la validité et de l’intégrité éthique des protocoles de recueil de données. Qu’il s’agisse de métriques psychométriques traditionnelles, de séries temporelles issues de la psychologie écologique ou de signaux neurobiologiques massifs, la donnée ne prend toute sa valeur que lorsqu’elle est soumise à un examen critique, replacée dans son contexte socioculturel et intégrée à une réflexion théorique rigoureuse.
Références
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
- Cattell, R. B. (1965). The scientific analysis of personality. Penguin Books.
- Henrich, J., Heine, S. J., & Norenzayan, A. (2010). The weirdest people in the world? Behavioral and Brain Sciences, 33(2-3), 61-83. https://doi.org/10.1017/S0140525X0999152X
- Michell, J. (1997). Quantitative science and the definition of measurement in psychology. British Journal of Psychology, 88(3), 355-383. https://doi.org/10.1111/j.2044-8295.1997.tb02641.x
- Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
- Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677-680. https://doi.org/10.1126/science.103.2684.677