Conférence 5: Confonds

Les Confonds classiques: Tout effet validité interne!

Confusion d’historique Une confusion d’historique se produit lorsqu’il y a un événement extra-expérimental
qui affecte la variable dépendante. Il
se produit généralement pour des expériences de longue durée. Pour l’exemple
, supposons que je dirige un essai clinique pour une nouvelle thérapie électro-convulsive
pour la dépression. J’ai des gens qui font un inventaire de dépression
avant le traitement de 15 semaines et après le traitement de 15
semaines. Il pourrait y avoir un certain nombre de facteurs intermédiaires qui
peuvent modifier les résultats. Permet de nommer et d’analyser certains d’entre eux.

Un participant divorce,
un autre obtient un nouvel emploi,
Augmentation spectaculaire des prix du gaz,
la chaleur estivale prend fin.

Créez un exemple où la confusion de l’historique entraîne une erreur de type I. Faites
un où cela entraîne une erreur de type II.

Confusion de maturation:
Cette confusion est assez similaire à la confusion historique. Il se produit dans des expériences
qui ont une longue durée. Même sans événements extérieurs
les gens changent systématiquement. Les enfants grandissent, les adultes vieillissent.
Essayons de faire une évaluation d’un programme d’orthophonie d’un an pour les enfants de
2 ans qui ne parlent pas encore. De toute évidence, au cours de l’année,
presque tous les enfants verront des gains considérables en capacité de parole une partie de
grandir.

Instrumentation:
Parfois, notre instrument pour mesurer les changements DV (et IV) de
de manière subtile. Nous devenons plus compétents pour exécuter nos expériences
. Par exemple, les donneurs de tests de QI peuvent faire un meilleur travail selon les instructions
. Pouvez-vous penser à d’autres exemples dans lesquels il peut y avoir un effet d’instrumentation
?

Sélection:
C’est un problème majeur dans les expériences sans affectation aléatoire. Une confusion de sélection
peut se produire lorsqu’il existe un critère de sélection
différentiel pour l’attribution du traitement. Par exemple, nous allons faire une expérience
pour tester l’efficacité de la fessée sur le comportement des enfants.
Les parents peuvent choisir s’ils souhaitent être dans
le groupe sans fessée ou le groupe fessée. Ceux du groupe sans fessée
promettent de ne pas donner la fessée à leurs enfants de six ans pour un mauvais comportement; ceux
du groupe fessée promettent de donner la fessée à leurs enfants de six ans pour un mauvais comportement
. Comment cela pourrait-il entraîner une erreur de type I? Que diriez-vous d’une erreur de type II
?

Exemples plus subtils :
1. Espérance de vie des professeurs d’université.

2. Paradoxe de Simpson:
Données sur les admissions dans les écoles supérieures de Berkeley
Bickel, Hammel, O-Connell (1975) Sciences

Globalement

Mais, les résultats semblaient plus équitables au niveau collégial

Que S’Est-Il Passé ?

Régression à la moyenne
Il s’agit d’une forme de biais de sélection. Supposons que nous souhaitions évaluer notre orthophonie pour enfants
en comparant l’amélioration des enfants de 2
ans qui ne parlent pas avec des enfants de deux ans qui parlent. Mais, nous devons être conscients qu’une partie
des enfants de deux ans qui ne parlent pas rattraperont leurs
pairs sans aucune intervention. Ce phénomène est appelé régression
à la moyenne. C’est un problème quand on distingue un groupe parce que
ils sont extrêmement bons ou mauvais sur une certaine mesure et les attribue à un
traitement différent.

Mortalité
Les personnes abandonnent les expériences. Ceci est normalement étranger. Cependant,
parfois, il peut intervenir when lorsque le taux d’abandon varie selon les conditions
pour des raisons spécifiques.

Effets des participants (Caractéristiques de la demande)
Les gens veulent plaire aux expérimentateurs. Période. Ils se conforment parfois trop bien
. Prenons l’exemple de l’apprentissage des probabilités.

Effets de l’expérimentateur I.
Les expérimentateurs peuvent influencer subtilement leurs résultats. Ils pourraient connaître les conditions
et avoir un intérêt dans le résultat. Ils pourraient subtilement et
transmettre involontairement des instructions différentielles, des informations, etc.

Biais à l’échelle du champ

Par exemple, le champ cherche à montrer les bases biologiques des différences de comportement
telles que les différences entre les sexes. Il est assez difficile de publier une conclusion
selon laquelle il n’y a pas de différences entre les sexes sur une tâche. Ce
représente un effet d’expérimentateur “à l’échelle du champ”. Les exemples dramatiques
d’effets expérimentateurs sont probablement dans l’interprétation communautaire
de résultats ambigus ou contradictoires. Nous en verrons un bon exemple en
avec le récit de Gould de la mesure de
crânes au 19ème siècle.