Cours de méthodologie de la recherche scientifique

Leçon 1 • Types de connaissances scientifiques

Distingue les faits, les hypothèses, les théories et les lois et précise comment chacun est validé. Prévenir les idées fausses courantes qui compromettent les choix de conception de la recherche.

Leçon 2 • Paradigmes et progrès scientifique

Présente les changements de paradigme de Kuhn et la falsifiabilité de Popper comme cadres d'évaluation des contributions à la recherche. Contextualise la manière dont les disciplines évoluent au fil du temps.

Leçon 3 • Aperçu de la méthode scientifique

Retrace le cycle classique observer-hypothétiser-tester-conclure et ses variantes itératives modernes. Fournit le cadre procédural que les étudiants appliquent tout au long du cours.

Leçon 1 • Sélection du plan d'étude

Cartographie les principaux types de plans — expérimental, quasi-expérimental, observationnel et descriptif — avec les questions de recherche appropriées. Met l'accent sur les compromis en matière de validité interne et externe.

Leçon 2 • Formulation des questions de recherche

Guide les étudiants des sujets généraux aux questions ciblées et exploitables à l'aide des cadres PICO et FINER. Des questions solides ancrent chaque décision de conception ultérieure.

Leçon 3 • Développement d'une proposition de recherche

Structure une proposition de recherche complète incluant la justification, les objectifs, la conception, le calendrier et le budget. Intègre tous les éléments de planification antérieurs dans un document révisable.

Leçon 4 • Objectifs et hypothèses de recherche

Traduit les questions de recherche en objectifs mesurables et en hypothèses testables. Couvre la construction d'hypothèses nulles et alternatives et les formes directionnelles et non directionnelles.

Leçon 1 • Synthétiser et cartographier la littérature

Couvre la synthèse narrative, la cartographie thématique et les matrices de concepts pour organiser les résultats de manière cohérente. La synthèse révèle les modèles, les contradictions et les lacunes qui justifient une nouvelle recherche.

Leçon 2 • Bases des revues systématiques et de la méta-analyse

Présente les protocoles PRISMA et le regroupement des tailles d'effet comme méthodes de synthèse avancées. Les étudiants comprennent quand et comment appliquer ces formats de revue rigoureux.

Leçon 3 • Évaluation de la crédibilité des sources

Applique les critères d'évaluation par les pairs, les indicateurs d'impact et la détection des revues prédatrices pour évaluer la qualité des sources. Les compétences d'évaluation critique protègent l'intégrité de la base documentaire.

Leçon 4 • Évaluation critique des études

Utilise des listes de contrôle structurées pour évaluer la méthodologie, le risque de biais et la validité des études individuelles. Les compétences d'évaluation déterminent quelles preuves sont suffisamment solides pour étayer les conclusions.

Leçon 1 • Conceptualisation et opérationnalisation

Passe des concepts abstraits à des indicateurs mesurables grâce à des définitions conceptuelles et opérationnelles. Une opérationnalisation précise est le fondement d'une mesure reproductible.

Leçon 2 • Fiabilité et validité des mesures

Distingue la fiabilité test-retest, inter-juges et de cohérence interne de la validité de contenu, de critère et de construit. Les étudiants sélectionnent et rapportent les coefficients de fiabilité appropriés.

Leçon 3 • Stratégies d'échantillonnage et taille de l'échantillon

Couvre les méthodes d'échantillonnage probabiliste et non probabiliste et leur adéquation aux différents plans. Présente l'analyse de puissance pour déterminer la taille d'échantillon adéquate.

Leçon 1 • Utilisation de données secondaires et administratives

Guide l'extraction, le nettoyage et la documentation d'ensembles de données existants à des fins de recherche primaire. Les données secondaires réduisent les coûts tout en permettant des analyses à grande échelle.

Leçon 2 • Gestion des données et contrôle qualité

Établit des codes, des protocoles de saisie et des pistes d'audit qui garantissent l'intégrité des données depuis la collecte jusqu'à l'analyse. Une gestion systématique prévient les erreurs qui compromettent les résultats.

Leçon 3 • Observation et observation structurée

Présente les grilles d'observation systématique, les schémas de codage et la formation inter-juges. L'observation structurée capture les données comportementales sans recourir à l'auto-évaluation.

Leçon 4 • Protocoles expérimentaux et quasi-expérimentaux

Détaille les procédures de randomisation, d'aveugle et de groupe témoin pour les plans expérimentaux. Des protocoles appropriés maximisent la validité interne et permettent l'inférence causale.

Leçon 1 • Codage qualitatif et analyse thématique

Applique le codage ouvert, axial et sélectif ainsi que le cadre d'analyse thématique de Braun et Clarke. Le codage systématique transforme le texte brut en modèles interprétables.

Leçon 2 • Analyse du discours et de contenu

Présente l'analyse de contenu manifeste et latent et l'analyse critique du discours pour les données textuelles. Ces méthodes étendent l'analyse qualitative aux documents, aux médias et aux textes politiques.

Leçon 3 • Entretiens et groupes de discussion

Couvre l'élaboration du guide, les techniques d'approfondissement et les compétences d'animation pour la collecte de données individuelles et en groupe. Une animation compétente suscite la profondeur et réduit le biais de l'intervieweur.

Leçon 4 • Traditions de recherche qualitative

Examine la phénoménologie, la théorie ancrée, l'ethnographie et l'étude de cas comme traditions méthodologiques distinctes. Chaque tradition façonne la collecte de données, l'analyse et les conventions de rapport.

Leçon 1 • Analyse de corrélation et de régression

Couvre la corrélation de Pearson et de Spearman, la régression linéaire simple et la régression multiple avec vérification des hypothèses. Les modèles de régression quantifient les relations et soutiennent la prédiction.

Leçon 2 • Comparaison de groupes : tests t et ANOVA

Applique les tests t indépendants et appariés et l'ANOVA unifactorielle et factorielle aux questions de comparaison de groupes. Les tests post-hoc et les tailles d'effet accompagnent chaque procédure.

Leçon 3 • Logique de probabilité et inférentielle

Explique les distributions d'échantillonnage, le théorème central limite et la logique des tests de signification d'hypothèse nulle. Ce fondement est nécessaire avant de sélectionner un test inférentiel.

Leçon 4 • Statistiques descriptives et visualisation des données

Couvre les mesures de tendance centrale, de dispersion et de forme de distribution ainsi que la sélection efficace de graphiques. Les résumés descriptifs sont la première étape de toute analyse quantitative.

Leçon 5 • Interprétation et rapport des résultats

Traduit les résultats statistiques en résultats en langage clair en utilisant les conventions de rapport de style APA. Une interprétation précise prévient la surgénéralisation et la mauvaise représentation des données.

Leçon 1 • Consentement éclairé et droits des participants

Couvre les exigences de divulgation, l'assurance de compréhension, le volontariat et les protections spéciales pour les populations vulnérables. Des procédures de consentement appropriées protègent à la fois les participants et les chercheurs.

Leçon 2 • Examen institutionnel et approbation éthique

Explique la structure et la fonction des comités d'éthique de la recherche et le processus de soumission pour différents niveaux de risque. Naviguer dans les exigences d'examen est une compétence pratique pour tout chercheur.

Leçon 3 • Confidentialité, sécurité et protection des données

Applique les principes d'anonymisation, de pseudonymisation et de stockage sécurisé pour protéger les données des participants. Les obligations de protection des données persistent tout au long du cycle de vie de la recherche.

Leçon 4 • Intégrité scientifique et éthique de la publication

Aborde la fabrication, la falsification, le plagiat, les critères de paternité et la divulgation des conflits d'intérêts. Les normes d'intégrité soutiennent la confiance du public et la nature autocorrectrice de la science.