Dans le domaine de la psychométrie et de la théorie classique des tests, la fidélité constitue un pilier fondamental pour garantir qu’un instrument d’évaluation mesure une variable psychologique avec constance et précision. La formule de Spearman-Brown s’érige comme une équation mathématique cardinale permettant de modéliser avec exactitude l’impact de la modification de la longueur d’un test sur son coefficient de fidélité. En fournissant aux chercheurs et aux praticiens un outil prédictif robuste, cette formule résout le dilemme récurrent entre l’économie de temps de passation et le maintien d’une rigueur métrologique irréprochable.
Formule de Spearman-Brown
1. Définition concise
La formule de Spearman-Brown est une équation psychométrique dérivée de la théorie classique des tests qui calcule la fidélité projetée d’un instrument de mesure lorsque le nombre d’items parallèles est augmenté ou réduit d’un facteur donné. Formulée sous sa forme classique (r_{xx’} = frac{k cdot r}{1 + (k – 1)r}), elle établit une relation directe et non linéaire entre la longueur d’un test et sa cohérence interne.
Dans le cadre de l’évaluation psychologique et éducative, cette équation sert principalement à deux desseins méthodologiques interdépendants. D’une part, elle permet de corriger le coefficient de corrélation calculé lors d’une procédure de bissection (ou méthode par séparation en deux moitiés, dite split-half), qui sous-estime artificiellement la fidélité globale du test complet en n’évaluant que des sous-ensembles réduits de moitié. D’autre part, elle opère comme un outil de planification expérimentale permettant de déterminer précisément combien d’items équivalents doivent être ajoutés ou retranchés pour atteindre un seuil de fidélité prédéterminé, tel que le seuil clinique conventionnel de 0,90.
L’assise conceptuelle de la formule repose entièrement sur le postulat que les items ajoutés ou retirés possèdent des propriétés psychométriques strictement équivalentes à celles des items d’origine, notamment des variances d’erreur et des variances vraies identiques. En conséquence, la formule modélise la manière dont l’accumulation de mesures convergentes permet de diluer la variance d’erreur aléatoire au profit de la variance du score vrai.
2. Étymologie et origine linguistique
L’appellation « formule de Spearman-Brown » (parfois désignée sous le nom de formule de prophétie de Spearman-Brown, ou Spearman-Brown prophecy formula en anglais) tire sa nomenclature des deux savants britanniques qui l’ont découverte et publiée de manière totalement indépendante la même année : le psychologue et statisticien Charles Spearman et le mathématicien et psychologue William Brown. Le syntagme associe les patronymes de ces deux pionniers par un trait d’union, respectant l’ordre alphabétique ou historique conventionnel de la littérature scientifique anglo-saxonne et francophone.
Le terme « prophétie » (du grec ancien prophēteía, signifiant « action de prédire ou d’interpréter la volonté divine »), bien que métaphorique et inhabituel dans le vocabulaire statistique contemporain, a été introduit pour souligner le caractère prédictif de l’équation. Celle-ci permettait en effet d’anticiper mathématiquement les performances futures d’un test avant même d’avoir à rédiger et à administrer physiquement les items supplémentaires. Le mot « formule » provient quant à lui du latin formula, diminutif de forma (« règle, modèle, cadre établi »), désignant une proposition exprimant une relation constante entre des grandeurs mathématiques.
L’intégration de cette locution dans le champ de la psychométrie francophone s’est opérée au cours du premier tiers du XXe siècle, à mesure que les travaux de l’école britannique de statistique psychologique se diffusaient au sein des laboratoires de psychologie expérimentale et de pédagogie quantitative en France, en Suisse et en Belgique. Elle y a conservé sa dénomination éponyme, devenant une référence incontournable des manuels de docimologie et d’analyse des données psychologiques.
3. Prononciation et forme grammaticale
Sur le plan morphosyntaxique, « formule de Spearman-Brown » est un syntagme nominal féminin singulier. Le terme principal « formule » porte la marque du genre féminin, tandis que le complément du nom « de Spearman-Brown » est constitué d’une locution nominale propre invariable. Au pluriel, la locution devient « les formules de Spearman-Brown », bien que l’usage préconise le singulier pour désigner le modèle mathématique fondamental.
En français standard, la prononciation phonétique de l’expression s’articule généralement sous la forme [fɔʁ.myl də spiʁ.man bʁawn] ou [spœʁ.mən bʁaʊn], oscillant entre une francisation partielle des phonèmes et le respect de la prononciation d’origine anglaise des deux anthroponymes. L’élision ne s’applique pas devant le patronyme « Spearman », la préposition « de » conservant son intégrité phonologique.
Dans la littérature scientifique, on retrouve plusieurs variantes d’usage parfaitement interchangeables : « formule de prophétie de Spearman-Brown », « équation de Spearman-Brown » ou, plus rarement, « correction de Spearman-Brown ». Les abréviations conventionnelles adoptées dans les notations algébriques font couramment usage de l’indice composite SB (par exemple (r_{SB})) pour identifier le coefficient de fidélité ajusté par cette équation spécifique.
4. Explication conceptuelle détaillée
Pour appréhender en profondeur le fonctionnement de la formule de Spearman-Brown, il est indispensable de se plonger dans la structure intime du score psychométrique telle qu’elle est formalisée par la théorie classique des tests. Cette théorie stipule que tout score observé ((X)) lors de l’administration d’un test psychologique est la somme linéaire d’un score vrai ((V)), représentant la valeur réelle du construit latent chez l’individu, et d’une erreur de mesure aléatoire ((E)). Par définition, l’erreur de mesure est distributivement neutre, non corrélée avec le score vrai, et non corrélée entre les différents items.
Lorsque l’on allonge un test psychologique en multipliant son nombre d’items par un facteur (k) à l’aide d’items parfaitement équivalents, les scores vrais s’additionnent de façon cohérente et univoque d’un item à l’autre. En termes de dispersion statistique, la variance du score vrai augmente selon le carré du facteur d’accroissement, soit proportionnellement à (k^2). En revanche, parce que les erreurs de mesure associées à chaque item sont indépendantes et non corrélées entre elles, leurs variances ne s’amplifient pas de façon géométrique mais s’additionnent simplement de façon linéaire, croissant ainsi à raison du facteur (k).
Cette asymétrie fondamentale de croissance entre la variance vraie et la variance d’erreur constitue le moteur conceptuel de la formule. Puisque la fidélité d’un test correspond mathématiquement au ratio de la variance vraie sur la variance totale observée, l’augmentation proportionnellement plus rapide du signal (le score vrai) par rapport au bruit (l’erreur de mesure) entraîne mécaniquement une élévation globale de la fidélité. L’équation traduit rigoureusement cette dynamique :
[r_{kk} = frac{k cdot r_{xx}}{1 + (k – 1)r_{xx}}]
où (r_{kk}) représente la fidélité estimée du test modifié, (k) est le ratio de la nouvelle longueur sur l’ancienne longueur (par exemple, (k = 2) si le test est doublé), et (r_{xx}) symbolise la fidélité initiale du test de départ.
Toutefois, la formule met également en évidence une loi des rendements marginaux décroissants. L’effet bénéfique de l’ajout d’items est spectaculaire lorsque la fidélité initiale est modeste ou faible, mais il tend vers une asymptote horizontale au fur et à mesure que l’instrument s’approche de la perfection théorique ((r = 1,00)). Passer de 10 à 20 items peut transformer un instrument fragile en un test d’une fidélité acceptable ; en revanche, passer de 100 à 200 items n’apporte souvent qu’un gain marginal négligeable au prix d’une augmentation drastique du fardeau cognitif imposé aux personnes évaluées.
Enfin, la formule fonctionne de manière symétrique pour les raccourcissements de tests (où (k < 1)). Dans les contextes où des chercheurs doivent écourter un protocole d'évaluation volumineux pour le transformer en un outil de dépistage rapide, Spearman-Brown permet d'estimer avec précision la dégradation de la fidélité qui résultera inévitablement de cette ablation d'items, offrant ainsi un compromis rationnel entre faisabilité et rigueur métrologique.
5. Évolution historique
La genèse de la formule de Spearman-Brown s’inscrit au cœur de l’effervescence scientifique du début du XXe siècle, période charnière où la psychologie s’émancipe de la philosophie spéculative pour s’affirmer comme une discipline empirique, quantitative et expérimentale. En 1910, Charles Spearman publie dans le British Journal of Psychology un article séminal intitulé « Correlation calculated from faulty data », dans lequel il s’attache à modéliser mathématiquement l’atténuation des coefficients de corrélation due aux imperfections des instruments d’évaluation psychologique.
Simultanément et sans concertation préalable avec Spearman, William Brown publie au sein du même volume de la même revue son article fondateur intitulé « Some experimental results in the correlation of mental abilities ». Brown y démontre de manière formelle la même dérivation algébrique régissant le rapport entre la longueur d’une épreuve psychotechnique et la stabilité de son score. La convergence parfaite et la simultanéité rigoureuse de ces deux publications indépendantes ont incité la communauté scientifique internationale à accoler définitivement les deux noms pour désigner cette loi statistique.
Dans les décennies 1920 et 1930, avec l’avènement des grands tests collectifs d’intelligence et d’aptitudes scolaires (notamment les épreuves Army Alpha lors de la Première Guerre mondiale), la formule a acquis un rôle opérationnel prépondérant. Les psychomètres se heurtaient alors à une contrainte matérielle majeure : le calcul de la fidélité par test-retest était coûteux, complexe et soumis à des biais d’apprentissage indésirables. La méthode du partage en deux moitiés (split-half), combinée à la correction de Spearman-Brown, s’est imposée comme la méthode reine pour obtenir un indice de cohérence interne à partir d’une seule et unique passation.
Dans la seconde moitié du XXe siècle, avec l’émergence des travaux de Lee Cronbach sur le coefficient alpha en 1951, puis l’avènement de la théorie de la réponse aux items (TRI) dans les années 1970 et 1980, le statut de la formule a évolué. Bien que Cronbach ait démontré que son coefficient alpha représentait la moyenne de tous les partages possibles corrigés par Spearman-Brown pour des items respectant l’équivalence tau, la formule classique a conservé une place centrale et incontournable pour l’estimation rapide et la planification structurelle des inventaires psychologiques.
6. Fondements théoriques
La formule de Spearman-Brown s’enracine théoriquement dans les axiomes fondamentaux de la théorie classique des tests (TCT), développée formellement plus tard par des auteurs comme Gulliksen en 1950, puis Lord et Novick en 1968. Pour que les prédictions fournies par cette formule soient mathématiquement et psychométriquement exactes, le modèle exige le respect strict de l’hypothèse de parallélisme parfait entre les items initiaux et les items hypothétiquement ajoutés ou supprimés.
La condition de parallélisme strict repose sur trois critères non négociables. Premièrement, chaque item ajouté doit mesurer exactement le même construit latent avec la même intensité, ce qui implique une stricte égalité des scores vrais entre les formes du test ((V_1 = V_2 = dots = V_k)). Deuxièmement, les variances des erreurs de mesure associées à chaque item ou sous-test doivent être parfaitement homogènes et équivalentes ((sigma^2_{E1} = sigma^2_{E2})). Troisièmement, les corrélations d’erreur entre n’importe quelle paire d’items doivent être rigoureusement nulles, écartant ainsi tout biais d’auto-corrélation ou d’effets de halo méthodologique.
Lorsque l’hypothèse de parallélisme strict est violée au profit d’hypothèses plus souples, telles que la tau-équivalence essentielle (où les scores vrais diffèrent uniquement d’une constante additive mais où les variances d’erreur restent libres de fluctuer) ou la congenericité (où les saturations factorielles diffèrent d’un item à l’autre), la formule de Spearman-Brown tend à fournir une estimation biaisée. Plus précisément, si les items ajoutés possèdent une variance vraie plus faible ou une variance d’erreur plus élevée que le noyau original, la formule prophétique surestimera la fidélité réelle de l’instrument allongé.
Malgré ces hypothèses exigeantes, le cadre théorique de Spearman-Brown demeure d’une élégance méthodologique remarquable. Il démontre sur le plan formel que la fidélité n’est pas une caractéristique immuable ou intrinsèque d’un item isolé, mais une propriété émergente du collectif d’items formant l’échelle, propriété directement tributaire du volume d’informations redondantes collectées sur le participant.
7. Composantes clés, types et dimensions
La manipulation et la compréhension de la formule de Spearman-Brown s’articulent autour de plusieurs paramètres mathématiques, variantes fonctionnelles et déclinaisons appliquées :
- Le coefficient de fidélité initial ((r_{xx})) : Représente le niveau de cohérence ou de corrélation de départ mesuré sur la version existante du test ou entre deux demi-tests lors d’une analyse par bissection.
- Le facteur multiplicateur de longueur ((k)) : Exprime le ratio arithmétique entre la nouvelle dimension du test ((N_{nouveau})) et l’ancienne dimension ((N_{ancien})), soit (k = N_{nouveau} / N_{ancien}). Une valeur de (k = 2) correspond à un doublement de la longueur, tandis qu’une valeur de (k = 0,5) équivaut à une division par deux.
- La formule de correction de bissection (forme standard) : Déclinaison où (k = 2), spécifiquement dédiée au redressement du coefficient calculé entre deux moitiés de test :
[r_{total} = frac{2 cdot r_{demi}}{1 + r_{demi}}] - La formule inversée de planification (recherche de (k)) : Réarrangement algébrique permettant de déterminer la valeur de (k) requise pour atteindre un niveau de fidélité cible souhaité ((r_{cible})) :
[k = frac{r_{cible}(1 – r_{xx})}{r_{xx}(1 – r_{cible})}] - La formule généralisée pour poids inégaux (Formule de Mosier) : Variante théorique élaborée pour traiter des sous-tests composites qui ne sont pas de longueurs égales ou dont les variances respectives diffèrent significativement, contournant ainsi certaines limites du parallélisme strict.
8. Exemples et cas illustratifs
Pour matérialiser l’usage de la formule de Spearman-Brown dans des situations concrètes d’ingénierie psychométrique, analysons deux cas typiques rencontrés en recherche et en pratique d’évaluation.
Considérons tout d’abord le cas d’un chercheur développant une échelle préliminaire d’évaluation de l’anxiété sociale composée de 20 items. Souhaitant évaluer la fidélité par la méthode de bissection sans administrer une seconde fois l’épreuve, il scinde le questionnaire en deux moitiés comparables de 10 items (par exemple en séparant les items pairs des items impairs). La corrélation de Pearson calculée entre les scores totaux de ces deux demi-tests donne un résultat de (r_{demi} = 0,70). Si le chercheur publiait cette valeur telle quelle, il sous-estimerait la fidélité de son instrument, car (0,70) n’est que la fidélité d’une version tronquée à 10 items. En appliquant la formule de Spearman-Brown avec (k = 2) :
[r_{total} = frac{2 times 0,70}{1 + 0,70} = frac{1,40}{1,70} approx 0,824]
La fidélité de l’échelle complète de 20 items est donc réévaluée avec justesse à (0,82), ce qui transforme un score marginalement acceptable en un indice attestant d’une bonne cohérence interne pour la recherche.
Examinons à présent un second scénario impliquant un psychologue du travail concevant une batterie de sélection des cadres. Ce praticien a mis au point un test de raisonnement logique de 15 items dont la fidélité empirique s’élève à (r_{xx} = 0,75). Cependant, les standards de la pratique professionnelle imposent un seuil de fidélité minimal de (0,90) pour toute prise de décision individuelle à fort enjeu. Le praticien doit calculer combien d’items supplémentaires doivent être formulés. En exploitant la formule inversée de planification avec (r_{xx} = 0,75) et (r_{cible} = 0,90) :
[k = frac{0,90(1 – 0,75)}{0,75(1 – 0,90)} = frac{0,90 times 0,25}{0,75 times 0,10} = frac{0,225}{0,075} = 3]
Le résultat (k = 3) indique que le test doit être triplé en longueur. L’épreuve finale devra donc comporter (15 times 3 = 45) items parallèles pour atteindre la fidélité rigoureuse de (0,90), ce qui permet à l’équipe de développement d’estimer avec précision les coûts de conception et la durée future de passation.
9. Mesure et évaluation psychométrique
Dans l’arsenal psychométrique contemporain, l’utilisation de la formule de Spearman-Brown est intimement liée aux protocoles d’évaluation de la cohérence interne et à la gestion de l’erreur standard de mesure (SEm). Lors de l’administration d’un test, la fidélité estimée par Spearman-Brown influence directement le calcul de la marge d’erreur entourant le score observé d’un individu.
L’erreur standard de mesure est formulée par (SEm = sigma_X sqrt{1 – r_{xx}}), où (sigma_X) est l’écart-type des scores observés. Lorsque la formule de prophétie indique qu’un accroissement de la longueur du test élève le coefficient de fidélité, elle démontre simultanément la réduction correspondante de l’intervalle de confiance autour du score du sujet. Ainsi, augmenter la taille d’une échelle ne sert pas uniquement à satisfaire un critère statistique abstrait, mais resserre tangiblement la précision du diagnostic individuel en réduisant le risque de faux positifs ou de faux négatifs.
Dans la pratique informatique de dépouillement psychométrique, la plupart des logiciels statistiques standards (tels que SPSS, R avec le paquetage psych, ou SAS) intègrent automatiquement la formule de Spearman-Brown dans leurs modules d’analyse d’échelles de fidélité (procédure Reliability Analysis). Ces programmes fournissent d’emblée la corrélation brute entre demi-tests ainsi que les coefficients corrigés de Spearman-Brown pour des divisions de longueurs égales et inégales.
10. Applications et portée pratique
La polyvalence de la formule de Spearman-Brown en fait un outil omniprésent à travers de multiples disciplines de la psychologie appliquée, de l’éducation et des sciences du comportement :
Dans le domaine de l’évaluation neuropsychologique et clinique, les praticiens sont régulièrement confrontés à des patients souffrant de troubles attentionnels sévères ou d’une fatigabilité cognitive précoce. Les batteries de tests standardisées, conçues à l’origine pour durer plus de deux heures, s’avèrent inapplicables dans ces configurations sans induire des biais d’épuisement. Les chercheurs utilisent la formule de Spearman-Brown pour concevoir des versions abrégées de ces instruments, en calculant avec précision le seuil d’items minimal en deçà duquel la fidélité chuterait en dessous des exigences cliniques de sécurité diagnostique.
Dans le secteur des examens éducatifs et universitaires (docimologie), la formule guide la construction des épreuves d’admission ou de certification. Les comités d’examen l’utilisent pour déterminer la taille optimale des banques d’items à soumettre aux étudiants pour garantir que l’épreuve discrimine équitablement les compétences réelles tout en respectant les plages horaires allouées dans les calendriers d’évaluation.
Enfin, en psychologie organisationnelle et en gestion des ressources humaines, l’analyse prédictive permise par Spearman-Brown régule les processus de sélection du personnel. Elle permet aux concepteurs d’équilibrer l’expérience candidat — en évitant des questionnaires de personnalité interminables qui génèrent des taux d’abandon élevés — tout en préservant le pouvoir psychométrique indispensable pour fonder des décisions d’embauche non contestables juridiquement.
11. Recherches et preuves empiriques
Depuis plus d’un siècle, la littérature empirique a abondamment validé la robustesse et la pertinence prédictive de la formule de Spearman-Brown, tout en identifiant ses zones de vulnérabilité pratique. Les investigations pionnières de chercheurs comme Harold Gulliksen (1950) ont apporté des confirmations systématiques des trajectoires d’accroissement de la fidélité prédites par le modèle classique, à condition que les échantillons de sujets soient suffisamment vastes pour neutraliser les erreurs d’échantillonnage.
Cependant, des études empiriques ultérieures ont documenté d’importants écarts entre la fidélité prophétisée par l’équation et la fidélité réelle observée après l’allongement physique des questionnaires. L’une des causes empiriques les plus documentées réside dans le phénomène de fatigue cognitive et de désengagement des participants. Lorsque des chercheurs augmentent démesurément la longueur d’un instrument pour maximiser artificiellement la fidélité théorique, les réponses aux derniers items deviennent erratiques, marquées par des réponses aléatoires, de l’acquiescement passif ou des patrons de réponses uniformes. Cet afflux de variance d’erreur résiduelle contredit les postulats du modèle et aboutit à une fidélité empirique nettement inférieure aux prédictions de Spearman-Brown.
D’autres travaux menés dans le cadre de la psychologie différentielle moderne ont comparé l’efficacité de la formule de Spearman-Brown à celle de l’alpha de Cronbach et du coefficient oméga de McDonald (Dunn et al., 2014). Ces recherches ont révélé que la correction de bissection de Spearman-Brown surpasse fréquemment l’alpha de Cronbach en termes de précision lorsque les hypothèses de tau-équivalence sont modérément enfreintes, confirmant ainsi la remarquable résilience opérationnelle de cette formule centenaire.
12. Considérations culturelles et transculturelles
L’adaptation et la transposition d’instruments psychologiques d’une culture à une autre imposent une vigilance particulière lors de l’application de la formule de Spearman-Brown. Les biais culturels inhérents aux processus de traduction et d’adaptation linguistique peuvent altérer profondément la structure de variance des items, rendant l’hypothèse d’équivalence particulièrement fragile.
Dans les contextes d’adaptation transculturelle, des items qui se comportaient comme strictement parallèles au sein de la population source (occidentale ou anglo-saxonne) peuvent présenter des saturations sémantiques dissemblables ou des niveaux de difficulté très hétérogènes au sein de la culture cible. Si un chercheur tente de raccourcir ou d’allonger une version traduite en se fiant aveuglément aux paramètres de Spearman-Brown calculés sur la culture d’origine, il risque de commettre des erreurs méthodologiques substantielles.
De surcroît, la réactivité des participants à la longueur des tests présente des variations culturelles manifestes. Dans certaines traditions éducatives ou culturelles, le respect strict de la tâche prescrite maintient la motivation des sujets même face à des protocoles de plusieurs centaines d’items. Dans d’autres contextes, une épreuve perçue comme excessivement longue ou répétitive peut être interprétée comme un manque de respect ou une contrainte bureaucratique excessive, amplifiant drastiquement la variance d’erreur au détriment direct des propriétés psychométriques modélisées par Spearman-Brown.
13. Critiques, controverses et limites
La formule de Spearman-Brown, bien qu’élégante et fondamentale, a suscité plusieurs critiques méthodologiques majeures au sein de la communauté psychométrique :
La critique la plus saillante concerne l’inflexibilité de l’hypothèse de parallélisme strict. Dans la réalité empirique du développement d’instruments, il est exceptionnellement rare de concevoir de nouveaux items qui possèdent rigoureusement la même variance d’erreur et la même saturation sur le score vrai que les items existants. Dès lors que cette équivalence fait défaut, la formule devient une approximation, parfois trompeuse, surestimant généralement la fidélité des formes allongées.
Une seconde controverse historique concerne le problème de l’arbitraire dans la méthode de bissection. La fidélité corrigée par Spearman-Brown dépend intrinsèquement de la manière dont les items sont séparés en deux moitiés (items pairs contre impairs, première moitié contre seconde moitié, ou appariement aléatoire). Pour un même test de 20 items, il existe des dizaines de milliers de combinaisons de bissection possibles, chacune générant une valeur de corrélation légèrement différente, et donc une prophétie de fidélité distincte. C’est précisément cette variabilité arbitraire qui a conduit Lee Cronbach à promouvoir le coefficient alpha comme une synthèse intégrale de tous les partages de Spearman-Brown concevables.
Enfin, le paradigme moderne de la théorie de la réponse aux items (TRI) critique l’approche globale de la fidélité propre à la TCT et à Spearman-Brown. La TRI démontre qu’un test ne possède pas une fidélité uniforme et constante sur l’ensemble du continuum de l’aptitude, mais plutôt une courbe de fonction d’information. Allonger un test avec des items inadaptés au niveau du candidat n’apporte aucun gain d’information métrologique, une réalité que l’équation globale de Spearman-Brown est structurellement incapable d’appréhender puisqu’elle postule une précision homogène sur l’ensemble de la population.
14. Termes connexes et distinctions conceptuelles
Pour éviter toute confusion terminologique et méthodologique, il convient d’expliciter les frontières entre la formule de Spearman-Brown et plusieurs notions psychométriques connexes :
- Coefficient Alpha de Cronbach : Bien qu’étroitement lié à Spearman-Brown, l’alpha est un estimateur de cohérence interne fondé sur la covariance moyenne de l’ensemble des items individuels sans nécessiter de division préalable en deux moitiés. Mathématiquement, l’alpha est équivalent à la moyenne de tous les coefficients de Spearman-Brown obtenus par toutes les bissections possibles d’un test.
- Fidélité par bissection (Split-Half Reliability) : Désigne la méthode empirique de calcul consistant à séparer un test en deux sous-scores pour les corréler. La formule de Spearman-Brown n’est pas la bissection elle-même, mais la formule de correction mathématique appliquée à cette corrélation pour reconstituer la fidélité du test entier.
- Coefficient Oméga de McDonald : Fondé sur un modèle d’analyse factorielle confirmatoire, l’oméga évalue la fidélité sans imposer les postulats rigides de tau-équivalence ou de parallélisme strict propres à la formule de Spearman-Brown et à l’alpha de Cronbach.
- Formule de Rulon et formule de Guttman : Ce sont des formules alternatives pour évaluer la fidélité par bissection sans exiger que les deux moitiés soient strictement parallèles ou aient des variances parfaitement égales, s’appuyant sur l’analyse de la variance de la différence entre les deux demi-tests.
- Formule de correction pour atténuation : Autre équation célèbre élaborée par Spearman, souvent confondue avec la prophétie de Spearman-Brown, qui sert à estimer la corrélation théorique parfaite entre deux construits si leurs instruments de mesure respectifs étaient dénués de toute erreur de mesure (fidélité de 1,00).
15. Résumé et points clés
La formule de Spearman-Brown demeure une pierre angulaire de la psychométrie et de la mesure quantitative en sciences humaines. Dérivée des postulats de la théorie classique des tests, elle formalise la relation non linéaire entre la longueur d’un instrument d’évaluation et sa cohérence métrologique.
Ses enseignements cardinaux et ses applications pratiques se résument comme suit :
- Effet multiplicateur : Allonger un test par l’ajout d’items équivalents accroît la variance vraie plus rapidement que la variance d’erreur aléatoire, augmentant ainsi mécaniquement la fidélité de l’ensemble.
- Correction de bissection : Elle constitue le complément indispensable de la méthode de séparation en deux moitiés (split-half), rétablissant l’estimation correcte de la fidélité pour l’échelle dans son intégralité.
- Loi des rendements décroissants : Les gains de fidélité sont très marqués lors de l’allongement d’échelles courtes et peu fiables, mais deviennent infinitésimaux à l’approche des valeurs de fidélité élevées.
- Exigence d’hypothèse : La formule exige en toute rigueur des items strictement parallèles ; son application aveugle à des items hétérogènes ou sans prise en compte de la fatigue des participants conduit à une surestimation de la précision réelle de l’outil.
Références
- Brown, W. (1910). Some experimental results in the correlation of mental abilities. British Journal of Psychology, 3(3), 296–322. https://doi.org/10.1111/j.2044-8295.1910.tb00207.x
- Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
- Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
- Gulliksen, H. (1950). Theory of mental tests. John Wiley & Sons. https://doi.org/10.1037/13240-000
- Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Addison-Wesley.
- Spearman, C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3(3), 271–295. https://doi.org/10.1111/j.2044-8295.1910.tb00206.x