Dans le domaine des sciences du comportement, la robustesse d’une inférence repose fondamentalement sur la qualité des observations empiriques collectées auprès d’un groupe d’individus. Un échantillon adéquat constitue la pierre angulaire de toute démarche scientifique probante, conditionnant directement la légitimité des conclusions psychologiques, cliniques et sociologiques.
Échantillon adéquat
1. Définition concise
En méthodologie de la recherche et en psychométrie, un échantillon adéquat désigne un sous-ensemble d’une population cible dont la taille numérique, la composition structurelle et les modalités de sélection permettent de répondre avec précision aux hypothèses de recherche tout en garantissant la puissance statistique et la représentativité nécessaires pour généraliser légitimement les conclusions observées.
Sur le plan épistémologique, l’adéquation d’un échantillon ne se réduit jamais à un volume brut d’observations. Elle s’articule autour d’un équilibre dynamique entre exigences quantitatives — telles que le maintien d’une puissance statistique suffisante pour déceler des tailles d’effet réelles — et exigences qualitatives, incluant la fidélité des caractéristiques démographiques, cliniques et contextuelles par rapport à la population de référence.
Dans les paradigmes qualitatifs, l’adéquation renvoie à la richesse phénoménologique et à la profondeur des données recueillies, culminant dans l’atteinte de la saturation théorique, où toute nouvelle inclusion n’apporte plus d’éléments conceptuels inédits pour l’élaboration du modèle explicatif.
2. Étymologie et origine linguistique
Le vocable « échantillon » trouve son origine dans l’ancien français eschantillon, dérivé du verbe eschandillier ou eschandiller, signifiant « mesurer selon une règle » ou « étalonner », lui-même rattaché au latin médiéval scandilium ou au latin classique scandere, évoquant l’idée de mesurer, d’échelonner ou de jauger par degrés. Initialement réservé au commerce des draps et des matières précieuses pour désigner un fragment prélevé destiné à attester la conformité de l’ensemble, le terme a été introduit dans le lexique scientifique moderne pour désigner une fraction mesurable d’un ensemble plus vaste.
Le qualificatif « adéquat » procède quant à lui du latin classique adaequatus, participe passé du verbe adaequare, composé du préfixe ad- (vers, à) et de aequare (égaliser, rendre égal), issu de aequus (égal, juste, équitable). L’étymologie renvoie donc littéralement à ce qui est rendu rigoureusement égal à la tâche requise, à ce qui correspond exactement à la mesure attendue.
En langue anglaise, le syntagme correspondant adequate sample s’est formalisé à la fin du XIXe siècle et au début du XXe siècle au sein des traités de statistique inductive et de biométrie, notamment sous la plume de pionniers tels que Karl Pearson et Ronald Aylmer Fisher, avant d’être adopté par l’American Psychological Association pour standardiser la méthodologie des publications empiriques.
3. Prononciation et forme grammaticale
Sur le plan phonétique, le syntagme se transcrit en alphabet phonétique international sous la forme /e.ʃɑ̃.ti.jɔ̃ a.de.kwa/. La liaison facultative mais soignée en registre académique soutenu peut produire la séquence /e.ʃɑ̃.ti.jɔ̃.n‿a.de.kwa/ dans le discours formel oral.
D’un point de vue grammatical, « échantillon adéquat » est un syntagme nominal masculin singulier (au pluriel : « des échantillons adéquats »). Le terme « échantillon » remplit la fonction de nom noyau, tandis qu’« adéquat » agit comme un adjectif qualificatif épithète postposé. Dans les écrits scientifiques, il peut entrer dans des collocations récurrentes telles que « constitution d’un échantillon adéquat », « critères d’un échantillon adéquat » ou « taille d’échantillon adéquate ».
4. Explication conceptuelle détaillée
La notion d’échantillon adéquat dépasse largement la simple commodité pratique de collecte de données. Puisqu’il est matériellement et financièrement impossible d’évaluer l’intégralité d’une population parente — qu’il s’agisse de l’ensemble des individus diagnostiqués avec un trouble dépressif majeur, de tous les adolescents scolarisés ou de l’ensemble des travailleurs exposés au stress chronique —, le chercheur doit extraire une micro-société représentative. Cette extraction n’est recevable que si elle minimise le biais de sélection et préserve les distributions relationnelles des variables d’intérêt.
L’adéquation repose sur deux piliers indissociables : la validité interne et la validité externe. Au niveau de la validité interne, l’échantillon doit présenter une taille suffisante pour éviter les erreurs d’inférence. Si le nombre de participants est insuffisant, l’analyse subit une perte drastique de sensibilité, augmentant le risque de commettre une erreur de type II (conclure à l’absence d’effet alors qu’un effet existe réellement). À l’inverse, un sur-échantillonnage disproportionné peut mener à des dérives interprétatives, où des effets minuscules et dénués de toute signification clinique deviennent statistiquement significatifs en raison d’une sensibilité mathématique excessive.
Au niveau de la validité externe, l’adéquation exige que la structure de l’échantillon permette une extrapolation légitime. Un groupe de mille étudiants en psychologie de première année ne constitue pas un échantillon adéquat pour étudier le déclin cognitif lié à l’âge, non pas en raison d’un manque de participants, mais à cause d’une discordance substantielle entre les attributs de la cohorte observée et la population cible du phénomène étudié.
De surcroît, l’adéquation doit intégrer le contrôle de l’hétérogénéité non contrôlée et la prévention du biais d’attrition. Dans les études longitudinales, un échantillon jugé adéquat à l’inclusion (T0) peut perdre son adéquation au fil du suivi temporel si les abandons survenus en cours d’expérimentation introduisent une sélection différentielle, faussant la trajectoire des variables mesurées.
5. Évolution historique
L’histoire de l’échantillon adéquat est étroitement intriquée avec le développement de la statistique inférentielle et des sciences sociales au cours du XXe siècle. Jusqu’au début des années 1900, la tradition scientifique dominante privilégiait soit les études exhaustives (recensements d’État), soit l’observation clinique approfondie de cas uniques, à l’instar des travaux initiaux de Jean-Martin Charcot ou de Sigmund Freud en psychopathologie.
Le tournant quantitatif s’opère dans les années 1930 grâce aux travaux du statisticien Jerzy Neyman, qui formalise la théorie moderne de l’échantillonnage probabiliste et de l’intervalle de confiance. Neyman démontre mathématiquement qu’un échantillon stratifié sélectionné au hasard procure des estimations plus fiables et moins biaisées qu’un échantillon volumineux constitué sans rigueur probabiliste. Cette découverte invalide le mythe selon lequel le volume brut primerait sur la méthode d’échantillonnage, un fait rendu célèbre par l’échec du sondage du Literary Digest lors de l’élection présidentielle américaine de 1936, où un échantillon colossal de plus de deux millions de personnes prédit incorrectement le résultat en raison d’un biais d’auto-sélection majeur.
Dans la seconde moitié du XXe siècle, le psychologue Jacob Cohen révolutionne la psychologie empirique en publiant en 1969 son traité fondamental Statistical Power Analysis for the Behavioral Sciences. Cohen met en lumière le fait alarmant que la majorité des études publiées en psychologie souffrent d’une puissance statistique médiocre, générant une inflation d’erreurs de type II et perpétuant des controverses stériles. Ses travaux établissent les normes contemporaines reliant la taille de l’effet, le seuil alpha et la puissance (1 – bêta) pour déterminer la taille d’un échantillon adéquat avant toute collecte de données.
Au XXIe siècle, la « crise de la reproductibilité » en psychologie, amorcée au début des années 2010, réaffirme avec force la centralité de l’adéquation de l’échantillon. La mise en évidence de pratiques de recherche contestables (telles que le p-hacking ou l’arrêt prématuré de la collecte dès l’obtention d’un seuil p < 0,05) a conduit les revues scientifiques de premier plan à exiger la pré-inscription des protocoles et le calcul formel a priori de la puissance statistique requise.
6. Fondements théoriques
L’édifice conceptuel régissant l’échantillon adéquat repose principalement sur la loi des grands nombres et le théorème central limite. Selon la loi des grands nombres formalisée par Jacques Bernoulli, la moyenne arithmétique des résultats obtenus à partir d’un échantillon aléatoire converge vers l’espérance mathématique théorique de la population à mesure que la taille de l’échantillon augmente. Cela garantit la stabilité et l’absence de biais asymptotique de l’estimateur.
Le théorème central limite postule que la somme (et la moyenne) d’un grand nombre de variables aléatoires indépendantes et identiquement distribuées tend vers une distribution normale, quelle que soit la forme de la distribution d’origine dans la population. Ce résultat autorise l’utilisation de tests paramétriques d’inférence (comme les tests t de Student ou les analyses de variance) dès lors que l’effectif de l’échantillon atteint un seuil conventionnel minimal (souvent fixé à N ≥ 30 par groupe), pourvu que les conditions d’indépendance soient honorées.
Parallèlement, la théorie néo-fisherienne et le paradigme de décision de Neyman-Pearson fournissent le cadre mathématique pour arbitrer entre deux périls : l’erreur de type I (notée α, correspondant au faux positif) et l’erreur de type II (notée β, correspondant au faux négatif). La puissance d’un test, quantifiée par 1 – β, représente la probabilité de rejeter à juste titre l’hypothèse nulle lorsqu’elle est effectivement fausse. Dans ce cadre épistémologique, un échantillon ne peut être qualifié d’adéquat que s’il garantit a minima une puissance généralement fixée à 0,80 (ou idéalement 0,90 ou 0,95 dans les essais cliniques confirmatoires), évitant ainsi le gaspillage de ressources intellectuelles et humaines.
7. Composantes clés, types et dimensions
L’analyse structurelle d’un échantillon adéquat met en jeu plusieurs composantes interdépendantes qu’il convient de distinguer méthodiquement :
- La taille d’échantillon (N) : Le nombre brut d’unités d’observation participantes. Elle est calculée en fonction de la taille d’effet minimale théoriquement ou cliniquement pertinente, du risque d’erreur consenti (α et β) et de la complexité du modèle statistique déployé (nombre de régresseurs, facteurs ou covariables).
- La représentativité sociodémographique et clinique : L’isomorphisme entre la structure des variables descriptives de l’échantillon (sexe, âge, niveau d’éducation, statut socioéconomique, ethnicité, sévérité symptomatique) et celle de la population parente que l’étude ambitionne d’éclairer.
- La méthode d’échantillonnage : La procédure opératoire de sélection. On oppose classiquement les échantillons probabilistes (aléatoire simple, stratifié, en grappes) qui maximisent la validité externe, et les échantillons non probabilistes (de convenance, intentionnels, par réseaux d’amitiés dits « boule de neige »), fréquemment utilisés en psychologie mais soumis à d’importants biais résiduels.
- Le taux de réponse et la complétude des données : Le ratio de sujets ayant consenti à participer et ayant mené l’évaluation à terme par rapport à la cohorte initialement sollicitée. Une déperdition massive érode l’adéquation initiale par création d’un biais de non-réponse.
- L’adéquation phénoménologique (paradigme qualitatif) : En recherche inductive ou qualitative, l’adéquation est mesurée par la pertinence contextuelle, la profondeur introspective des participants et le degré de saturation théorique où aucune nouvelle catégorie conceptuelle n’émerge lors des entretiens supplémentaires.
8. Exemples et cas illustratifs
Pour mieux cerner la notion d’échantillon adéquat, il convient d’examiner des scénarios contrastés issus de la pratique de la recherche psychologique et clinique.
Cas 1 : L’essai clinique randomisé contrôlé en psychothérapie. Une équipe de chercheurs souhaite évaluer l’efficacité différentielle d’un protocole novateur de thérapie cognitivo-comportementale (TCC) face à un traitement habituel pour des adultes souffrant de phobie sociale. Les méta-analyses disponibles indiquent une taille d’effet attendue moyenne (d de Cohen = 0,50). Un calcul de puissance préalable (avec α = 0,05 bilatéral et puissance = 0,80) stipule la nécessité d’inclure au moins 64 patients par groupe thérapeutique. Anticipant un taux d’abandon en cours de traitement de 15 %, les chercheurs recrutent 152 individus au total (76 par condition), stratifiés par sexe et par niveau initial d’anxiété. Cet échantillon est adéquat : il est quantitativement dimensionné pour éviter les faux négatifs et cliniquement ajusté à la réalité du terrain.
Cas 2 : L’échantillon volumineux mais inadéquat. Une consultation en ligne menée sur les réseaux sociaux cumule les réponses de 45 000 participants concernant leur niveau de bien-être au travail. Malgré cet effectif considérable, l’échantillon est massivement dominé par des femmes âgées de 20 à 35 ans travaillant dans le secteur tertiaire numérique, ayant choisi de répondre volontairement à l’enquête suite à un épuisement professionnel auto-perçu. Malgré son volume impressionnant, cet échantillon est structurellement inadéquat pour estimer le bien-être professionnel moyen de la population générale active, car il présente un biais d’autosélection rédhibitoire et une absence de représentativité sectorielle.
Cas 3 : L’étude qualitative en phénoménologie clinique. Une chercheuse explore le vécu subjectif du deuil périnatal chez les pères. Elle recrute de manière intentionnelle 14 pères ayant vécu cette tragédie au cours des deux dernières années, assurant une diversité d’âges et d’histoires obstétriques. À partir du onzième entretien semi-directif approfondi de 90 minutes, la chercheuse constate une redondance intégrale des thématiques émergentes et l’absence de nouvelle piste conceptuelle. Cet échantillon restreint de 14 participants est considéré comme adéquat selon les critères d’enrichissement qualitatif et de saturation théorique.
9. Mesure et évaluation méthodologique
La confirmation de l’adéquation d’un échantillon repose sur des outils d’évaluation standardisés et des procédures d’analyse formelles déployées avant, pendant et après l’acquisition des données empiriques.
L’analyse de puissance a priori est le protocole de référence en recherche déductive. Des progiciels spécialisés largement reconnus par la communauté scientifique, à l’exemple de G*Power ou de modules dédiés intégrés dans les environnements statistiques R (notamment les packages pwr et WebPower), permettent de calculer précisément la taille minimale requise en entrant la structure du design factoriel, le seuil α et la taille d’effet anticipée. Il est expressément recommandé de baser cette dernière sur la plus petite taille d’effet cliniquement signifiante (Smallest Effect Size of Interest, SESOI) plutôt que sur des tailles d’effet issues d’études exploratoires pilotes souvent surévaluées.
Dans le domaine de la modélisation par équations structurelles (SEM) ou de l’analyse factorielle exploratoire (AFE), les règles empiriques anciennes (telles que le ratio arbitraire de dix participants par item) sont aujourd’hui supplantées par des simulations de Monte Carlo. Ces simulations évaluent la robustesse des indices d’ajustement (CFI, TLI, RMSEA) en modulant la taille de l’échantillon pour assurer la stabilité asymptotique des paramètres estimés face à la non-normalité multivariée.
Enfin, pour évaluer l’adéquation structurelle, les chercheurs recourent à des tests d’adéquation de l’ajustement, tels que les tests de khi-deux de conformité ou les indices de divergence de Kullback-Leibler, permettant de certifier que la ventilation des caractéristiques clés dans l’échantillon ne s’écarte pas de manière statistiquement significative de la structure démographique des recensements nationaux officiels.
10. Applications et portée pratique
La constitution rigoureuse d’un échantillon adéquat conditionne directement l’impact des découvertes scientifiques dans de multiples champs d’application de la psychologie et des sciences humaines.
En psychologie clinique et en psychiatrie, des échantillons adéquats sont indispensables lors de la phase de validation des instruments psychométriques. L’étalonnage d’un test psychologique (comme l’échelle d’intelligence de Wechsler ou l’inventaire de dépression de Beck) exige un échantillonnage normatif rigoureusement stratifié par tranches d’âge, genre et niveau socioculturel. Un étalonnage fondé sur un échantillon défaillant conduirait inévitablement à des erreurs diagnostiques systématiques, augmentant les faux positifs ou masquant des troubles authentiques.
Dans le secteur de la psychologie du travail et des organisations, l’évaluation des interventions managériales et de la qualité de vie au travail (QVT) requiert des échantillons équilibrés entre différents niveaux hiérarchiques et filières de métier. Si une enquête d’ambiance sociale néglige les ouvriers de production pour ne sonder que le personnel administratif du siège social, les décisions stratégiques qui en découleront reposeront sur un diagnostic tronqué, potentiellement délétère pour le climat social global.
En santé publique et en épidémiologie comportementale, la modélisation des déterminants de l’adhésion vaccinale ou des conduites addictives chez les jeunes s’appuie impérativement sur des échantillons probabilistes massifs et géographiquement représentatifs. L’orientation des budgets publics d’intervention de prévention dépend entièrement de la robustesse des signaux statistiques extraits de ces études de grande envergure.
11. Recherche et données empiriques
La recherche sur la validité méthodologique elle-même a généré une littérature abondante démontrant les ravages causés par les échantillons sous-dimensionnés ou inadéquats dans l’écosystème de la recherche comportementale.
Dans un article princeps publié en 2005, John Ioannidis démontre par des modèles de probabilité bayésienne pourquoi la plupart des résultats de recherche publiés sont susceptibles d’être faux (« Why Most Published Research Findings Are False »). Ioannidis prouve mathématiquement que plus la taille moyenne des échantillons utilisés dans un domaine est faible et plus les tailles d’effet réelles recherchées sont ténues, moins la probabilité qu’une découverte scientifiquement proclamée comme significative soit authentique est élevée. Cette observation a été corroborée empiriquement en neurosciences et en imagerie cérébrale par Button et ses collaborateurs en 2013, révélant que la puissance médiane de nombreuses études d’IRM fonctionnelle n’atteignait que 20 %, une situation où la survenue de faux positifs est exacerbée.
Dans le domaine spécifique de la psychologie sociale et cognitive, le projet de reproductibilité mené par l’Open Science Collaboration (2015), sous la direction de Brian Nosek, a tenté de reproduire 100 études publiées dans des revues prestigieuses. Seuls 36 % à 39 % des effets initiaux ont pu être répliqués avec succès. L’une des causes majeures identifiées réside dans le fait que les études princeps s’appuyaient sur des échantillons sous-dimensionnés et instables, conduisant à ce que les méthodologistes nomment la « malédiction du gagnant » (winner’s curse), phénomène par lequel les premières études publiées surestiment massivement la véritable taille d’effet.
12. Considérations culturelles et transculturelles
L’un des défis les plus cruciaux de la psychologie moderne concerne l’universalité de ses postulats face au biais systématique de composition de ses échantillons. En 2010, les chercheurs Joseph Henrich, Steven Heine et Ara Norenzayan publient une analyse devenue classique démontrant que la quasi-totalité des théories fondamentales de la psychologie humaine reposait sur l’étude d’échantillons qualifiés d’acronyme WEIRD (pour Western, Educated, Industrialized, Rich, Democratic).
Ces populations occidentales, éduquées, industrialisées, riches et démocratiques, bien que ne représentant qu’environ 12 % de la population planétaire, constituaient alors plus de 80 % des cohortes étudiées dans les publications de psychologie expérimentale. Henrich et ses collègues démontrent que les individus issus de ces sociétés se situent fréquemment aux extrémités extrêmes de la distribution sur des fonctions aussi diverses que la perception spatiale (l’illusion de Müller-Lyer, par exemple), le raisonnement moral, la coopération ou la motivation intrinsèque.
En conséquence, un échantillon composé exclusivement d’étudiants d’universités nord-américaines ou européennes peut s’avérer techniquement adéquat pour tester un mécanisme neurobiologique basique ou un traitement cognitif pré-attentionnel, mais devient absolument inadéquat dès lors qu’il s’agit de modéliser l’attachement interpersonnel, le concept de soi ou la construction sociale du bien-être. L’adéquation transculturelle impose de contextualiser l’échantillonnage, de recourir à des traductions et adaptations métriques validées, et de se prémunir contre l’illusion d’une psychologie universelle construite sur un particularisme culturel.
13. Critiques, controverses et limites
Bien que le principe d’un échantillon adéquat fasse consensus théorique, sa traduction pratique suscite d’intenses débats méthodologiques et épistémologiques.
Une première controverse porte sur le piège du « gigantisme des données » (Big Data fallacies). À l’ère du traçage numérique et des réseaux sociaux, de nombreuses équipes de recherche exploitent des bases de données massives comptant plusieurs centaines de milliers d’utilisateurs. Or, une immense taille d’échantillon ne compense en rien les vices rédhibitoires d’une stratégie d’échantillonnage non contrôlée. Plus grave encore, l’injection d’un effectif démesuré dans un test d’hypothèse nulle conduit inexorablement à l’obtention de p-valeurs infinitésimales (p < 0,0001) pour des corrélations triviales (r = 0,02), dépourvues de toute pertinence théorique ou clinique concrète.
Une seconde limite concerne les populations cliniques rares ou hautement stigmatisées (telles que les affections neurogénétiques orphelines, les auteurs d’infractions sexuelles récidivistes ou les personnes sans domicile fixe). Dans ces contextes, l’application rigide des règles régissant les échantillons probabilistes massifs est tout simplement impraticable. Les critiques soulignent qu’une exigence déraisonnable sur la taille d’échantillon risque d’annihiler la recherche empirique sur ces thématiques minoritaires, privant les praticiens de repères scientifiques, même préliminaires. Dans ces configurations, des méthodologies adaptatives, telles que les séries temporelles interrompues (designs de cas uniques dits N-of-1) ou les approches bayésiennes séquentielles, constituent des alternatives méthodologiques valides pour établir l’adéquation sans gonfler artificiellement les cohortes.
14. Termes connexes et distinctions
Pour clarifier sans ambiguïté la nature de l’échantillon adéquat, il convient de le confronter à des concepts limitrophes avec lesquels il est fréquemment confondu :
- Échantillon représentatif : Un échantillon représentatif reflète fidèlement les paramètres d’une population globale (notamment sociodémographiques). L’adéquation est un concept plus large qui intègre non seulement cette représentativité, mais aussi la puissance statistique, l’absence de biais opératoire et l’adaptation précise aux questions spécifiques posées par la recherche.
- Grand échantillon : Notion purement quantitative relative à la masse numérique des participants. Un échantillon volumineux peut être totalement inadéquat s’il est grevé de biais d’autosélection, tandis qu’un échantillon numériquement restreint peut être parfaitement adéquat pour détecter une taille d’effet massive ou pour une investigation qualitative exhaustive.
- Échantillon de convenance : Ensemble de participants recrutés en vertu de leur disponibilité immédiate et de leur facilité d’accès (ex. collègues, étudiants de l’enseignant-chercheur). Par opposition à l’échantillon adéquat, il souffre presque systématiquement de biais majeurs qui limitent fortement l’inférence.
- Population cible : L’ensemble exhaustif des individus ou entités pour lesquels les conclusions de la recherche ont vocation à s’appliquer. L’échantillon n’en est que la fraction opérationnelle effectivement mesurée.
- Saturation théorique : Terme propre aux approches qualitatives indiquant le stade où les données recueillies n’apportent plus de variations conceptuelles nouvelles. C’est l’étalon d’adéquation de l’échantillon dans les épistémologies inductives.
15. Résumé et points clés
La viabilité d’une démarche empirique en psychologie et dans les disciplines connexes repose sur la mobilisation d’un échantillon adéquat, dont les spécificités fondamentales peuvent être synthétisées comme suit :
- L’adéquation d’un échantillon ne se résume pas à son effectif quantitatif : elle résulte de la convergence harmonieuse entre une taille calculée pour assurer une puissance statistique satisfaisante et une représentativité qualitative préservant la validité externe.
- Une puissance insuffisante (échantillon sous-dimensionné) expose la recherche à l’erreur de type II (faux négatifs) et altère la reproductibilité des résultats en favorisant la publication d’effets artificiellement gonflés.
- Un volume d’observations gigantesque ne compense jamais un biais de sélection systématique et peut rendre significatives des anomalies statistiques sans portée concrète.
- Les recherches doivent s’émanciper du biais systématique des populations occidentales et privilégiées (échantillons WEIRD) pour garantir une portée écologique et culturelle authentique à leurs conclusions.
- L’analyse de puissance a priori et la pré-inscription des protocoles de recherche représentent les standards méthodologiques indispensables pour documenter et certifier l’adéquation d’un échantillon avant toute collecte de données.
Références
- Button, K. S., Ioannidis, J. P., Mokrysz, C., Nosek, B. A., Flint, J., Robinson, E. S., & Munafò, M. R. (2013). Power failure: Why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365-376. https://doi.org/10.1038/nrn3475
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
- 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
- Ioannidis, J. P. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. https://doi.org/10.1371/journal.pmed.0020124
- Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), Article 33267. https://doi.org/10.1525/collabra.33267
- Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716