Dans le domaine de la recherche quantitative en psychologie, le traitement initial des donn\u00e9es constitue le socle m\u00e9thodologique sur lequel repose l’int\u00e9gralit\u00e9 des inf\u00e9rences empiriques ult\u00e9rieures. L’omission ou la superficialit\u00e9 de cette \u00e9tape pr\u00e9paratoire expose les analyses statistiques \u00e0 des biais majeurs susceptibles de compromettre la validit\u00e9 interne et externe des r\u00e9sultats scientifiques.<\/p>\n
Le criblage des donn\u00e9es<\/strong> (ou data screening<\/em>) d\u00e9signe l’ensemble des proc\u00e9dures syst\u00e9matiques d’inspection, d’apurement et de diagnostic appliqu\u00e9es \u00e0 un jeu de donn\u00e9es quantitatives avant la conduite de toute analyse statistique inf\u00e9rentielle. Cette d\u00e9marche rigoureuse vise \u00e0 identifier les erreurs de saisie, \u00e0 diagnostiquer les patrons de donn\u00e9es manquantes, \u00e0 d\u00e9tecter les observations aberrantes univari\u00e9es et multivari\u00e9es, ainsi qu’\u00e0 v\u00e9rifier le respect des postulats sous-jacents aux mod\u00e8les statistiques pr\u00e9vus.<\/p>\n Dans le champ de la psychologie et des sciences comportementales, le criblage ne constitue pas une simple formalit\u00e9 technique, mais une condition n\u00e9cessaire \u00e0 la validit\u00e9 des conclusions th\u00e9oriques. Il garantit que les r\u00e9gularit\u00e9s observ\u00e9es refl\u00e8tent d’authentiques processus psychologiques plut\u00f4t que des art\u00e9facts de mesure, des dysfonctionnements instrumentaux ou des perturbations al\u00e9atoires introduites lors du recueil empirique.<\/p>\n L’expression fran\u00e7aise \u00ab criblage \u00bb d\u00e9rive du verbe transitif \u00ab cribler \u00bb, issu du bas-latin cribrare<\/em> (\u00ab passer au crible, tamiser \u00bb), lui-m\u00eame rattach\u00e9 au substantif classique cribrum<\/em> (\u00ab crible, tamis \u00bb). Cette racine \u00e9voque m\u00e9taphoriquement l’action de s\u00e9parer m\u00e9thodiquement les \u00e9l\u00e9ments purs des impuret\u00e9s ou des scories ind\u00e9sirables au moyen d’un instrument calibr\u00e9.<\/p>\n Le terme \u00ab donn\u00e9e \u00bb provient quant \u00e0 lui du participe pass\u00e9 latin datum<\/em> (\u00ab ce qui est donn\u00e9 \u00bb), soulignant initialement l’\u00e9l\u00e9ment brut mis \u00e0 disposition de l’esprit avant toute \u00e9laboration th\u00e9orique. L’acception m\u00e9thodologique moderne est la traduction directe du concept anglophone de data screening<\/em>, popularis\u00e9 dans la litt\u00e9rature psychom\u00e9trique et statistique nord-am\u00e9ricaine durant le dernier quart du XXe si\u00e8cle, notamment sous l’impulsion d’auteurs de r\u00e9f\u00e9rence tels que Barbara Tabachnick et Linda Fidell.<\/p>\n Sur le plan phon\u00e9tique, l’expression se prononce \/k\u0281i.bla\u0292 de d\u0254.ne\/ en fran\u00e7ais standard. Il s’agit d’un syntagme nominal masculin singulier form\u00e9 d’un nom t\u00eate (\u00ab criblage \u00bb) et d’un compl\u00e9ment du nom pr\u00e9positionnel (\u00ab des donn\u00e9es \u00bb).<\/p>\n Dans la litt\u00e9rature sp\u00e9cialis\u00e9e francophone, on rencontre plusieurs variantes quasi-synonymiques telles que \u00ab nettoyage des donn\u00e9es \u00bb, \u00ab apurement des donn\u00e9es \u00bb, \u00ab diagnostic pr\u00e9paratoire des donn\u00e9es \u00bb ou \u00ab v\u00e9rification pr\u00e9alable des donn\u00e9es \u00bb. Le terme s’emploie couramment comme compl\u00e9ment d’objet direct ou sujet dans des structures actives (ex. : \u00ab conduire un criblage rigoureux des donn\u00e9es \u00bb, \u00ab le criblage des donn\u00e9es a r\u00e9v\u00e9l\u00e9 une non-normalit\u00e9 multivari\u00e9e substantielle \u00bb).<\/p>\n Le criblage des donn\u00e9es op\u00e8re comme une passerelle critique reliant la collecte brute d’observations empiriques et l’\u00e9valuation formelle des hypoth\u00e8ses scientifiques. Dans les investigations en psychologie, les variables mesur\u00e9es reposent fr\u00e9quemment sur des \u00e9chelles d’auto-\u00e9valuation, des temps de r\u00e9action informatis\u00e9s, des scores comportementaux ou des indicateurs psychophysiologiques. Chacune de ces modalit\u00e9s d’acquisition est intrins\u00e8quement vuln\u00e9rable \u00e0 des sources diverses de bruit m\u00e9thodologique : inattention des participants, erreurs d’encodage, pannes mat\u00e9rielles, ou encore biais de r\u00e9ponse syst\u00e9matiques.<\/p>\n La premi\u00e8re dimension fondamentale du criblage concerne l’int\u00e9grit\u00e9 num\u00e9rique des variables. Cette v\u00e9rification initiale s’assure que toutes les valeurs enregistr\u00e9es se situent strictement dans les limites admissibles des \u00e9chelles utilis\u00e9es (par exemple, v\u00e9rifier qu’un score sur une \u00e9chelle de Likert gradu\u00e9e de 1 \u00e0 7 ne contient aucune valeur aberrante telle que 0 ou 77 due \u00e0 une faute de frappe). Elle inclut \u00e9galement l’examen minutieux des distributions univari\u00e9es au moyen d’indices descriptifs tels que la moyenne, l’\u00e9cart-type, l’asym\u00e9trie (skewness<\/em>) et l’aplatissement (kurtosis<\/em>).<\/p>\n La deuxi\u00e8me dimension porte sur la structure et le m\u00e9canisme des donn\u00e9es manquantes<\/a>. Plut\u00f4t que d’\u00e9liminer machinalement tout participant pr\u00e9sentant une omission, le chercheur doit caract\u00e9riser le m\u00e9canisme sous-jacent \u00e0 ces absences : s’agit-il d’omissions survenues de fa\u00e7on totalement al\u00e9atoire (MCAR, Missing Completely at Random<\/em>), d’omissions al\u00e9atoires conditionnelles \u00e0 d’autres variables observ\u00e9es (MAR, Missing at Random<\/em>), ou d’omissions non al\u00e9atoires d\u00e9pendant de la variable non observ\u00e9e elle-m\u00eame (MNAR, Missing Not at Random<\/em>) ? La r\u00e9ponse \u00e0 cette question dicte le choix des strat\u00e9gies de compensation appropri\u00e9es, qu’il s’agisse de l’imputation multiple ou de l’estimation par maximum de vraisemblance \u00e0 information compl\u00e8te (FIML).<\/p>\n La troisi\u00e8me dimension implique l’identification des observations atypiques, commun\u00e9ment d\u00e9sign\u00e9es sous le nom de valeurs aberrantes ou outliers<\/em>. Ces observations singuli\u00e8res peuvent exercer une influence disproportionn\u00e9e sur les estimateurs param\u00e9triques fondamentaux tels que la covariance, la corr\u00e9lation de Pearson et les coefficients de r\u00e9gression. Le criblage distingue soigneusement les valeurs aberrantes univari\u00e9es, d\u00e9tect\u00e9es par des scores standardis\u00e9s extr\u00eames, des valeurs aberrantes multivari\u00e9es, identifi\u00e9es par des m\u00e9triques g\u00e9om\u00e9triques complexes telles que la distance de Mahalanobis.<\/p>\n Enfin, la quatri\u00e8me dimension consiste en la v\u00e9rification rigoureuse des hypoth\u00e8ses statistiques exig\u00e9es par les mod\u00e8les d’analyse multivari\u00e9e (mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux, \u00e9quations structurelles, r\u00e9gressions logistiques). Ces conditions pr\u00e9alables regroupent la normalit\u00e9 multivari\u00e9e, la lin\u00e9arit\u00e9 des relations inter-variables, l’homosc\u00e9dasticit\u00e9<\/a> (l’homog\u00e9n\u00e9it\u00e9 de la variance des r\u00e9sidus) et l’absence de multicolin\u00e9arit\u00e9<\/a> excessive entre les variables explicatives.<\/p>\n L’\u00e9mergence formelle du criblage des donn\u00e9es s’inscrit dans l’\u00e9volution de la statistique appliqu\u00e9e et de la psychom\u00e9trie au cours du XXe si\u00e8cle. Durant les premi\u00e8res d\u00e9cennies de la psychologie exp\u00e9rimentale, les \u00e9chantillons \u00e9tudi\u00e9s \u00e9taient g\u00e9n\u00e9ralement restreints et les calculs statistiques \u00e9taient ex\u00e9cut\u00e9s manuellement. Cette contrainte imposait une proximit\u00e9 imm\u00e9diate entre le chercheur et chaque chiffre consign\u00e9, rendant les aberrations \u00e9videntes au cours de la manipulation arithm\u00e9tique directe.<\/p>\n Le tournant s’op\u00e8re durant les ann\u00e9es 1960 et 1970 avec la d\u00e9mocratisation de l’informatique et des premiers logiciels de traitement statistique comme SPSS et SAS. Bien que ces programmes aient d\u00e9cupl\u00e9 la capacit\u00e9 de calcul des chercheurs, ils ont parall\u00e8lement instaur\u00e9 une distance entre l’exp\u00e9rimentateur et ses donn\u00e9es brutes. Les psychologues pouvaient d\u00e9sormais ex\u00e9cuter des r\u00e9gressions complexes ou des analyses factorielles en quelques secondes, sans avoir jamais visualis\u00e9 la distribution sous-jacente de leurs mesures, g\u00e9n\u00e9rant ce que certains m\u00e9thodologistes ont qualifi\u00e9 d’\u00ab illusion aveugle d’objectivit\u00e9 \u00bb.<\/p>\n Face \u00e0 ces d\u00e9rives, le statisticien John Tukey a fond\u00e9 l’\u00e9cole de l’analyse exploratoire des donn\u00e9es<\/a> (AED) \u00e0 la fin des ann\u00e9es 1970. Tukey a insist\u00e9 avec v\u00e9h\u00e9mence sur la n\u00e9cessit\u00e9 de regarder visuellement les donn\u00e9es \u00e0 travers des repr\u00e9sentations graphiques novatrices, telles que les bo\u00eetes \u00e0 moustaches (boxplots<\/em>) et les diagrammes tige-et-feuilles, avant d’engager des d\u00e9marches confirmatoires.<\/p>\n Au cours des d\u00e9cennies 1980 et 1990, Barbara Tabachnick et Linda Fidell ont formalis\u00e9 une m\u00e9thodologie p\u00e9dagogique syst\u00e9matique du criblage dans leur manuel embl\u00e9matique Using Multivariate Statistics<\/em>. Cet ouvrage a codifi\u00e9 les \u00e9tapes s\u00e9quentielles du criblage pour des g\u00e9n\u00e9rations de chercheurs en sciences humaines, \u00e9rigeant la v\u00e9rification pr\u00e9alable en \u00e9tape incontournable du protocole de publication standard.<\/p>\n Le criblage des donn\u00e9es s’appuie principalement sur la th\u00e9orie de l’inf\u00e9rence statistique classique (dite fr\u00e9quentiste) et sur les propri\u00e9t\u00e9s math\u00e9matiques des estimateurs. Les proc\u00e9dures d’inf\u00e9rence standards, telles que le test t<\/em> de Student, l’analyse de variance (ANOVA) ou la r\u00e9gression par moindres carr\u00e9s ordinaires (OLS), reposent sur le th\u00e9or\u00e8me central limite et sur l’hypoth\u00e8se que les r\u00e9sidus des mod\u00e8les suivent une distribution gaussienne homosc\u00e9dastique.<\/p>\n Sur le plan math\u00e9matique, la pr\u00e9sence d’une seule valeur aberrante s\u00e9v\u00e8re peut artificiellement gonfler ou \u00e9craser un coefficient de corr\u00e9lation de Pearson, modifiant le signe m\u00eame de la relation observ\u00e9e par un effet de levier disproportionn\u00e9. L’estimateur de la moyenne et celui de la variance pr\u00e9sentent en effet un \u00ab point de rupture \u00bb (breakdown point<\/em>) nul : il suffit d’une seule observation infinit\u00e9simale ou infiniment grande pour fausser compl\u00e8tement la valeur de ces param\u00e8tres.<\/p>\n Un autre fondement th\u00e9orique majeur rel\u00e8ve de la taxonomie des m\u00e9canismes de donn\u00e9es manquantes formalis\u00e9e par Donald Rubin en 1976. Selon la th\u00e9orie de Rubin, le traitement des non-r\u00e9ponses ne peut \u00eatre uniforme : supprimer purement et simplement les observations incompl\u00e8tes (analyse par cas complets ou listwise deletion<\/em>) repose sur le postulat strict que les donn\u00e9es sont manquantes de fa\u00e7on totalement al\u00e9atoire (MCAR). Lorsque cette condition n’est pas remplie, la suppression syst\u00e9matique induit des biais d’estimation massifs, amputant la puissance statistique et alt\u00e9rant la repr\u00e9sentativit\u00e9 de l’\u00e9chantillon psychologique.<\/p>\n Enfin, la th\u00e9orie de la robustesse statistique, port\u00e9e par des th\u00e9oriciens tels que Peter Rousseeuw et Rand Wilcox, fournit un cadre d’analyse d\u00e9terminant pour le criblage contemporain. Cette approche propose des estimateurs alternatifs capables de r\u00e9sister \u00e0 la contamination des distributions tout en fournissant des indicateurs diagnostiques fiables pour identifier les \u00e9carts aux postulats th\u00e9oriques.<\/p>\n Le processus complet de criblage des donn\u00e9es s’articule autour de cinq dimensions analytiques successives et compl\u00e9mentaires :<\/p>\n Pour illustrer la n\u00e9cessit\u00e9 pratique du criblage, consid\u00e9rons une recherche en psychologie clinique examinant l’effet de l’anxi\u00e9t\u00e9 g\u00e9n\u00e9ralis\u00e9e sur le rendement cognitif au sein d’une cohorte de 300 \u00e9tudiants universitaires. Les participants compl\u00e8tent une \u00e9chelle d’anxi\u00e9t\u00e9 gradu\u00e9e de 0 \u00e0 63 (inventaire de Beck) et une \u00e9preuve informatis\u00e9e mesurant la flexibilit\u00e9 mentale exprim\u00e9e en temps de r\u00e9action moyen.<\/p>\n Lors de la phase initiale de criblage, l’inspection des valeurs minimales et maximales r\u00e9v\u00e8le une note d’anxi\u00e9t\u00e9 enregistr\u00e9e \u00e0 \u00ab 630 \u00bb. L’examen attentif confirme qu’un z\u00e9ro surnum\u00e9raire a \u00e9t\u00e9 tap\u00e9 par inadvertance par un assistant de recherche, une correction imm\u00e9diate ramenant la valeur \u00e0 63. Sans cette inspection \u00e9l\u00e9mentaire, la moyenne globale de l’\u00e9chantillon aurait \u00e9t\u00e9 artificiellement sur\u00e9valu\u00e9e, faussant l’estimation de la variance.<\/p>\n Dans la m\u00eame \u00e9tude, l’analyse des temps de r\u00e9action indique qu’un participant pr\u00e9sente un temps moyen de 120 millisecondes. Une telle vitesse est biologiquement incompatible avec les d\u00e9lais physiologiques de conduction neuromusculaire et de traitement perceptif conscient. Le criblage permet de conclure que ce sujet a press\u00e9 fr\u00e9n\u00e9tiquement les touches du clavier sans traiter les stimuli pr\u00e9sent\u00e9s, justifiant l’exclusion motiv\u00e9e de cette observation univari\u00e9e contamin\u00e9e.<\/p>\n Enfin, au niveau multivari\u00e9, deux variables de contr\u00f4le \u2014 l’auto-efficacit\u00e9 per\u00e7ue et l’estime de soi \u2014 pr\u00e9sentent une corr\u00e9lation bivari\u00e9e de r<\/em> = 0,94. Le calcul du facteur d’inflation de la variance met en lumi\u00e8re un VIF de 8,8, signalant une quasi-multicolin\u00e9arit\u00e9. Si le chercheur introduisait simultan\u00e9ment ces deux variables dans une r\u00e9gression multiple sans criblage pr\u00e9alable, les erreurs-types des coefficients partiels exploseraient, dissimulant l’effet r\u00e9el de chaque pr\u00e9dicteur par redondance informationnelle<\/span>.<\/p>\n L’\u00e9valuation empirique lors du criblage mobilise une panoplie d’outils quantitatifs et graphiques int\u00e9gr\u00e9s dans les logiciels d’analyse statistique modernes tels que R, SPSS, SAS ou JASP.<\/p>\n La d\u00e9tection des donn\u00e9es aberrantes s’appuie sur des crit\u00e8res quantitatifs formels. Au niveau univari\u00e9, la conversion des variables m\u00e9triques en scores centr\u00e9s-r\u00e9duits (scores z<\/em>) permet d’isoler les points qui s’\u00e9cartent de plus de 3 ou 3,29 \u00e9carts-types de la moyenne arithm\u00e9tique. Lorsque les distributions initiales s’\u00e9cartent sensiblement de la courbe normale, les statisticiens pr\u00e9conisent l’\u00e9cart absolu \u00e0 la m\u00e9diane (MAD, Median Absolute Deviation<\/em>), beaucoup plus r\u00e9sistant aux contaminations extr\u00eames.<\/p>\n Pour la d\u00e9tection multivari\u00e9e, la m\u00e9trique canonique demeure la distance de Mahalanobis<\/a> ($D^2$<\/span>), qui mesure l’\u00e9loignement d’un individu par rapport au centro\u00efde multivari\u00e9 d\u00e9fini par l’ensemble des variables, tout en int\u00e9grant la matrice de covariance entre ces derni\u00e8res. Cette valeur se confronte classiquement \u00e0 une loi du chi-deux ($\\chi^2$<\/span>) dont le nombre de degr\u00e9s de libert\u00e9 \u00e9quivaut au nombre de pr\u00e9dicteurs, avec un seuil de significativit\u00e9 strict de $p < 0,001$<\/span> pour \u00e9viter les faux positifs.<\/p>\n L’appr\u00e9ciation de la normalit\u00e9 repose quant \u00e0 elle sur la division des coefficients de skewness<\/em> et de kurtosis<\/em> par leur erreur-type respective pour obtenir un ratio critique assimilable \u00e0 un score z<\/em>. Cependant, sur de tr\u00e8s grands \u00e9chantillons, ces tests formels deviennent ultrasensibles \u00e0 des d\u00e9viations triviales ; les m\u00e9thodologistes recommandent alors de privil\u00e9gier l’\u00e9valuation visuelle des graphiques quantile-quantile (Q-Q plots), o\u00f9 les \u00e9carts substantiels par rapport \u00e0 la bissectrice traduisent des anomalies structurelles de distribution.<\/p>\n Le criblage des donn\u00e9es d\u00e9ploie ses b\u00e9n\u00e9fices dans tous les domaines d’application de la psychologie contemporaine, qu’ils soient fondamentaux ou appliqu\u00e9s.<\/p>\n En psychologie organisationnelle et du travail, le criblage minutieux des r\u00e9ponses aux sondages d’engagement d’entreprise permet d’isoler les profils de r\u00e9ponse uniformes (dits straightlining<\/em>), o\u00f9 des salari\u00e9s m\u00e9contents ou press\u00e9s s\u00e9lectionnent syst\u00e9matiquement la m\u00eame modalit\u00e9 de r\u00e9ponse (ex. : que des 3 sur une \u00e9chelle de 1 \u00e0 5). L’identification de ce ph\u00e9nom\u00e8ne via le calcul de la variance intra-individuelle des r\u00e9ponses \u00e9pure la base de mesures d\u00e9nu\u00e9es de validit\u00e9 psychom\u00e9trique.<\/p>\n Dans la recherche neurocognitive et exp\u00e9rimentale, o\u00f9 les protocoles enregistrent des milliers d’essais comportementaux par bloc op\u00e9ratoire, des algorithmes de criblage automatis\u00e9 \u00e9cartent les essais pollu\u00e9s par des clignements oculaires (en \u00e9lectroenc\u00e9phalographie) ou des temps de latence inf\u00e9rieurs \u00e0 150 millisecondes. Ces filtres standardis\u00e9s emp\u00eachent que le bruit neurophysiologique ou moteur ne vienne masquer l’activit\u00e9 cognitive sous-jacente.<\/p>\n En psychom\u00e9trie et construction de tests d’\u00e9valuation psychologique, le criblage sert de garde-fou lors de l’\u00e9talonnage des instruments diagnostiques. Il garantit que les normes de standardisation publi\u00e9es \u00e0 l’intention des praticiens cliniciens ne reposent pas sur un \u00e9chantillon normatif d\u00e9form\u00e9 par des erreurs mat\u00e9rielles ou des profils pathologiques non d\u00e9tect\u00e9s au d\u00e9part.<\/p>\n La litt\u00e9rature consacr\u00e9e \u00e0 la crise de la reproductibilit\u00e9 en psychologie a largement mis en exergue le r\u00f4le d\u00e9terminant du criblage des donn\u00e9es dans la robustesse des r\u00e9sultats scientifiques. Les travaux pionniers de Joseph Simmons, Leif Nelson et Uri Simonsohn (2011) sur la \u00ab flexibilit\u00e9 du chercheur \u00bb ont d\u00e9montr\u00e9 comment des d\u00e9cisions arbitraires prises au cours du nettoyage des donn\u00e9es peuvent gonfler artificiellement le taux de faux positifs (erreur de type I) au-del\u00e0 de 50 %.<\/p>\n Ces chercheurs ont prouv\u00e9 que la d\u00e9cision d’exclure ou de conserver une valeur aberrante selon qu’elle confirme ou infirme l’hypoth\u00e8se de travail constitue une source majeure de p-hacking<\/em>. En r\u00e9ponse \u00e0 ces constats, des synth\u00e8ses empiriques men\u00e9es par des consortiums internationaux ont \u00e9tabli que les \u00e9tudes documentant de mani\u00e8re transparente et reproductible chaque \u00e9tape de leur protocole de criblage affichent des taux de r\u00e9plication significativement sup\u00e9rieurs lors des tentatives de v\u00e9rification ind\u00e9pendante.<\/p>\n Parall\u00e8lement, les \u00e9tudes de simulation de type Monte-Carlo conduites par Craig Enders sur les donn\u00e9es manquantes ont attest\u00e9 de la sup\u00e9riorit\u00e9 syst\u00e9matique des m\u00e9thodes modernes d’estimation (imputation multiple et FIML) sur les vieilles pratiques d’imputation par la moyenne ou d’exclusion des cas incomplets. Ces simulations confirment que les approches traditionnelles introduisent un biais de sous-estimation syst\u00e9matique de la variance et de la corr\u00e9lation, d\u00e9montrant l’indispensable actualisation des comp\u00e9tences m\u00e9thodologiques des chercheurs.<\/p>\n Le criblage des donn\u00e9es ne s’ex\u00e9cute pas dans un vide culturel ou contextuel. Lors de passations d’\u00e9chelles psychologiques dans des contextes transculturels ou aupr\u00e8s de minorit\u00e9s ethnolinguistiques, la distribution des donn\u00e9es peut refl\u00e9ter des styles de r\u00e9ponse sp\u00e9cifiques plut\u00f4t que des anomalies m\u00e9trologiques r\u00e9elles.<\/p>\n Par exemple, plusieurs \u00e9tudes en psychologie interculturelle ont mis en lumi\u00e8re une propension accrue aux r\u00e9ponses extr\u00eames (s\u00e9lection syst\u00e9matique des ancrages minimaux ou maximaux) dans certaines cultures m\u00e9diterran\u00e9ennes ou latino-am\u00e9ricaines, tandis que les cultures est-asiatiques manifestent fr\u00e9quemment un biais de mod\u00e9ration (pr\u00e9f\u00e9rence marqu\u00e9e pour le point m\u00e9dian neutre). Un statisticien non averti pourrait h\u00e2tivement qualifier ces profils de valeurs aberrantes s’il applique des seuils d’exclusion occidentaux sans contextualisation pr\u00e9alable.<\/p>\n De m\u00eame, dans les pays du Sud global ou les zones rurales o\u00f9 la familiarit\u00e9 avec les questionnaires standardis\u00e9s de type Likert est restreinte, les omissions de r\u00e9ponse sont fr\u00e9quemment regroup\u00e9es sur les \u00e9nonc\u00e9s formul\u00e9s de mani\u00e8re invers\u00e9e ou n\u00e9gative. Traiter ces absences comme de simples rat\u00e9s al\u00e9atoires occulterait une difficult\u00e9 fondamentale de validit\u00e9 de construit li\u00e9e \u00e0 la traduction ou \u00e0 la complexit\u00e9 syntaxique de l’outil psychom\u00e9trique.<\/p>\n Bien que le principe du criblage fasse l’unanimit\u00e9 au sein de la communaut\u00e9 scientifique, ses modalit\u00e9s d’application suscitent de vifs d\u00e9bats \u00e9pist\u00e9mologiques et m\u00e9thodologiques.<\/p>\n La principale controverse gravite autour du risque de manipulation intentionnelle ou inconsciente des donn\u00e9es. L’absence de consensus absolu sur le seuil exact d\u00e9finissant une valeur aberrante (par exemple, retenir une distance de Mahalanobis \u00e0 $p < 0,005$<\/span> au lieu de $p < 0,001$<\/span>) conf\u00e8re une grande latitude discr\u00e9tionnaire au chercheur. Utilis\u00e9e \u00e0 mauvais escient, l’\u00e9limination opportune de certains participants sous pr\u00e9texte de \u00ab nettoyage \u00bb permet d’ajuster artificiellement un r\u00e9sultat \u00e0 la limite de la significativit\u00e9 ($p = 0,051$<\/span> transform\u00e9 en $p = 0,047$<\/span>).<\/p>\n Une seconde critique d\u00e9nonce l’incompatibilit\u00e9 de certains protocoles de criblage standardis\u00e9s avec l’\u00e9tude des populations cliniques hautement atypiques. En psychopathologie, la variabilit\u00e9 extr\u00eame fait souvent partie int\u00e9grante du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 (ex. : les fluctuations massives d’humeur chez des patients pr\u00e9sentant un trouble bipolaire ou un trouble de la personnalit\u00e9 limite). \u00c9liminer les participants qui s’\u00e9cartent excessivement de la norme revient \u00e0 \u00e9liminer pr\u00e9cis\u00e9ment les cas cliniques les plus repr\u00e9sentatifs de la d\u00e9tresse psychique investigu\u00e9e.<\/p>\n Enfin, les m\u00e9thodologistes contemporains soulignent que les corrections automatis\u00e9es sans inspection qualitative approfondie appauvrissent la compr\u00e9hension du ph\u00e9nom\u00e8ne. Un ensemble de donn\u00e9es aberrantes peut constituer le signal pr\u00e9curseur d’un sous-groupe latent non document\u00e9 ou d’un processus psychologique impr\u00e9vu, que le criblage m\u00e9canique risque d’annihiler d\u00e9finitivement.<\/p>\n Pour clarifier la place exacte du criblage des donn\u00e9es dans le lexique m\u00e9thodologique de la psychologie, il convient de le distinguer conceptuellement des notions connexes suivantes :<\/p>\n Le criblage des donn\u00e9es s’affirme comme une exigence non n\u00e9gociable de la recherche quantitative rigoureuse en psychologie. Ses principaux enseignements peuvent \u00eatre r\u00e9capitul\u00e9s comme suit :<\/p>\n Le criblage des donn\u00e9es d\u00e9signe l’ensemble des proc\u00e9dures syst\u00e9matiques d’inspection, d’apurement et de diagnostic appliqu\u00e9es \u00e0 un jeu de donn\u00e9es quantitatives avant la conduite de toute analyse statistique inf\u00e9rentielle en psychologie.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[2214,2,1838],"tags":[43718,3348,2219,3291,16,1963],"class_list":["post-26011","psych_term","type-psych_term","status-publish","hentry","category-methodologie","category-psychometrie","category-statistiques","tag-criblage-des-donnees","tag-donnees-manquantes","tag-methodologie-quantitative","tag-normalite","tag-psychometrie","tag-valeurs-aberrantes"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/26011","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/26011\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26011"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26011"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26011"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et formes grammaticales<\/h3>\n
4. Explication conceptuelle approfondie<\/h3>\n
5. D\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples concrets et \u00e9tudes de cas<\/h3>\n
9. Mesure, d\u00e9tection et instruments d’\u00e9valuation<\/h3>\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche empirique et preuves scientifiques<\/h3>\n
12. Consid\u00e9rations culturelles et contextuelles<\/h3>\n
13. Critiques, controverses et limites<\/h3>\n
14. Termes associ\u00e9s et distinctions<\/h3>\n
\n
15. R\u00e9sum\u00e9 et points cl\u00e9s \u00e0 retenir<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n
\n