Validité interne

La validité interne est la mesure dans laquelle un élément de preuve appuie une affirmation sur la cause et l'effet , dans le contexte d'une étude particulière. C'est l'une des propriétés les plus importantes des études scientifiques et un concept important dans le raisonnement sur les preuves de manière plus générale. La validité interne est déterminée par la capacité d'une étude à exclure d'autres explications de ses résultats (généralement des sources d' erreur systématique ou « biais »). Elle contraste avec la validité externe , la mesure dans laquelle les résultats peuvent justifier des conclusions sur d'autres contextes (c'est-à-dire la mesure dans laquelle les résultats peuvent être généralisés ). La validité interne et externe peuvent être décrites à l'aide de formes qualitatives ou quantitatives de notation causale .

On dit que les inférences possèdent une validité interne si une relation causale entre deux variables est correctement démontrée. Une inférence causale valide peut être faite lorsque trois critères sont satisfaits :

1. la « cause » précède l'« effet » dans le temps (préséance temporelle),
2. la « cause » et l’« effet » ont tendance à se produire ensemble (covariation), et
3. il n’existe aucune explication alternative plausible pour la covariation observée (non-fausse réalité).

Dans les expériences scientifiques, les chercheurs modifient souvent l'état d'une variable (la variable indépendante ) pour voir quel effet elle a sur une seconde variable (la variable dépendante ). Par exemple, un chercheur peut manipuler le dosage d'un médicament particulier entre différents groupes de personnes pour voir quel effet il a sur la santé. Dans cet exemple, le chercheur veut faire une inférence causale, à savoir que différentes doses du médicament peuvent être tenues responsables des changements ou des différences observés. Lorsque le chercheur peut attribuer en toute confiance les changements ou les différences observés dans la variable dépendante à la variable indépendante (c'est-à-dire lorsque le chercheur observe une association entre ces variables et peut exclure d'autres explications ou hypothèses rivales ), alors l'inférence causale est dite valide en interne.

Dans de nombreux cas, cependant, la taille des effets trouvés dans la variable dépendante peut ne pas dépendre uniquement de

• variations de la variable indépendante,
• la puissance des instruments et des procédures statistiques utilisés pour mesurer et détecter les effets, et
• le choix des méthodes statistiques (voir : Validité des conclusions statistiques ).

En fait, un certain nombre de variables ou de circonstances non contrôlées (ou incontrôlables) peuvent conduire à des explications supplémentaires ou alternatives (a) pour les effets constatés et/ou (b) pour l'ampleur des effets constatés. La validité interne est donc davantage une question de degré que de choix entre deux options, et c'est précisément pourquoi des modèles de recherche autres que de véritables expériences peuvent également produire des résultats avec un degré élevé de validité interne.

Afin de permettre des inférences avec un haut degré de validité interne, des précautions peuvent être prises lors de la conception de l'étude. En règle générale, les conclusions basées sur la manipulation directe de la variable indépendante permettent une validité interne plus grande que les conclusions basées sur une association observée sans manipulation.

Si l'on considère uniquement la validité interne, des modèles expérimentaux hautement contrôlés (c'est-à-dire avec sélection aléatoire, affectation aléatoire au groupe témoin ou au groupe expérimental, instruments fiables, processus de manipulation fiables et mesures de protection contre les facteurs de confusion) peuvent constituer la « référence absolue » de la recherche scientifique. Cependant, les méthodes mêmes utilisées pour accroître la validité interne peuvent également limiter la généralisabilité ou la validité externe des résultats. Par exemple, l'étude du comportement des animaux dans un zoo peut faciliter l'établissement d'inférences causales valables dans ce contexte, mais ces inférences peuvent ne pas être généralisables au comportement des animaux dans la nature. En général, une expérience typique en laboratoire, étudiant un processus particulier, peut laisser de côté de nombreuses variables qui affectent normalement fortement ce processus dans la nature.

Pour rappeler huit de ces menaces à la validité interne, utilisez l' acronyme mnémotechnique , CE GÂCHIS , qui signifie :

• Essai,
• Histoire,
• Changement d'instrument,
• Régression statistique vers la moyenne,
• Maturation,
• Mortalité expérimentale,
• Sélection et
• Interaction de sélection.

Lorsqu’on ne sait pas quelle variable a changé en premier, il peut être difficile de déterminer quelle variable est la cause et laquelle est l’effet.

La principale menace à la validité des inférences causales est la confusion : les changements dans la variable dépendante peuvent plutôt être attribués aux variations d'une troisième variable liée à la variable manipulée. Lorsque des relations erronées ne peuvent être exclues, des hypothèses rivales à l'inférence causale initiale peuvent être élaborées.

Le biais de sélection fait référence au problème selon lequel, au pré-test, des différences existent entre les groupes qui peuvent interagir avec la variable indépendante et donc être « responsables » du résultat observé. Les chercheurs et les participants apportent à l'expérience une myriade de caractéristiques, certaines acquises et d'autres inhérentes. Par exemple, le sexe, le poids, la couleur des cheveux, des yeux et de la peau, la personnalité, les capacités mentales et physiques, mais aussi des attitudes comme la motivation ou la volonté de participer.

Lors de la sélection d'une étude de recherche, si un nombre inégal de sujets testés présentent des variables similaires, la validité interne est menacée. Par exemple, un chercheur a créé deux groupes de test, le groupe expérimental et le groupe témoin. Les sujets des deux groupes ne sont pas identiques en ce qui concerne la variable indépendante, mais similaires dans une ou plusieurs des variables liées au sujet.

L'autosélection a également un effet négatif sur le pouvoir interprétatif de la variable dépendante. Ce phénomène se produit souvent dans les enquêtes en ligne où les individus appartenant à des groupes démographiques spécifiques se soumettent au test dans des proportions plus élevées que les autres groupes démographiques.

Des événements extérieurs à l'étude/expérience ou entre des mesures répétées de la variable dépendante peuvent affecter les réponses des participants aux procédures expérimentales. Il s'agit souvent d'événements de grande ampleur (catastrophe naturelle, changement politique, etc.) qui affectent les attitudes et les comportements des participants de telle sorte qu'il devient impossible de déterminer si un changement dans les mesures dépendantes est dû à la variable indépendante ou à l'événement historique.

Les sujets changent au cours de l'expérience ou même entre les mesures. Par exemple, les jeunes enfants peuvent mûrir et leur capacité de concentration peut changer à mesure qu'ils grandissent. Les changements permanents, comme la croissance physique, et les changements temporaires comme la fatigue, fournissent des explications alternatives « naturelles » ; ils peuvent donc modifier la façon dont un sujet réagit à la variable indépendante. Ainsi, à la fin de l'étude, le chercheur peut ne pas être en mesure de déterminer si la cause de l'écart est due au temps ou à la variable indépendante.

Le fait de mesurer les participants à plusieurs reprises peut entraîner des biais. Les participants peuvent se souvenir des bonnes réponses ou être conditionnés à savoir qu'ils sont testés. Passer à plusieurs reprises des tests d'intelligence (identiques ou similaires) conduit généralement à des gains de score, mais au lieu de conclure que les compétences sous-jacentes ont changé pour de bon, cette menace à la validité interne fournit une bonne hypothèse rivale.

L'instrument utilisé pendant le processus de test peut modifier l'expérience. Cela signifie également que les observateurs sont plus concentrés ou préparés, ou qu'ils ont inconsciemment modifié les critères qu'ils utilisent pour émettre des jugements. Cela peut également être un problème avec des mesures d'auto-évaluation données à des moments différents. Dans ce cas, l'impact peut être atténué par l'utilisation de tests préalables rétrospectifs. Si des changements d'instrumentation se produisent, la validité interne de la conclusion principale est affectée, car des explications alternatives sont facilement disponibles.

Ce type d'erreur se produit lorsque les sujets sont sélectionnés sur la base de scores extrêmes (éloignés de la moyenne) au cours d'un test. Par exemple, lorsque les enfants ayant les plus mauvais résultats en lecture sont sélectionnés pour participer à un cours de lecture, les améliorations à la fin du cours peuvent être dues à une régression vers la moyenne et non à l'efficacité du cours. Si les enfants avaient été testés à nouveau avant le début du cours, ils auraient probablement obtenu de meilleurs résultats de toute façon. De même, les valeurs extrêmes des scores individuels sont plus susceptibles d'être détectées lors d'un test unique, mais évolueront probablement vers une distribution plus normale lors de tests répétés.

Cette erreur se produit si les inférences sont faites sur la base des seuls participants qui ont participé du début à la fin. Cependant, les participants peuvent avoir abandonné l'étude avant la fin, et peut-être même en raison de l'étude, du programme ou de l'expérience elle-même. Par exemple, le pourcentage de membres du groupe ayant arrêté de fumer après le test était beaucoup plus élevé dans un groupe ayant reçu un programme de formation au sevrage tabagique que dans le groupe témoin. Cependant, dans le groupe expérimental, seulement 60 % ont terminé le programme. Si cette attrition est systématiquement liée à une caractéristique de l'étude, à l'administration de la variable indépendante, à l'instrumentation, ou si l'abandon entraîne un biais pertinent entre les groupes, toute une classe d'explications alternatives est possible pour expliquer les différences observées.

Cela se produit lorsque les variables liées au sujet, la couleur des cheveux, la couleur de la peau, etc., et les variables liées au temps, l'âge, la taille physique, etc., interagissent. Si une différence entre les deux groupes se produit entre les tests, la différence peut être due aux différences d'âge dans les catégories d'âge.

Si les effets du traitement se propagent des groupes de traitement aux groupes témoins, on peut observer une absence de différences entre les groupes expérimentaux et témoins. Cela ne signifie cependant pas que la variable indépendante n'a aucun effet ou qu'il n'y a pas de relation entre la variable dépendante et la variable indépendante.

Le comportement des membres du groupe témoin peut changer à la suite de l'étude. Par exemple, les membres du groupe témoin peuvent travailler plus dur pour s'assurer que la supériorité attendue du groupe expérimental n'est pas démontrée. Encore une fois, cela ne signifie pas que la variable indépendante n'a produit aucun effet ou qu'il n'y a pas de relation entre la variable dépendante et la variable indépendante. Inversement, les changements dans la variable dépendante peuvent être uniquement dus à un groupe témoin démoralisé, travaillant moins dur ou motivé, et non à la variable indépendante.

Le biais de l'expérimentateur se produit lorsque les individus qui mènent une expérience influencent par inadvertance le résultat en se comportant de manière différente des membres des groupes de contrôle et expérimentaux. Il est possible d'éliminer la possibilité d'un biais de l'expérimentateur en utilisant des modèles d'étude en double aveugle , dans lesquels l'expérimentateur n'est pas conscient de la condition à laquelle appartient un participant.

Les expériences qui ont une validité interne élevée peuvent produire des phénomènes et des résultats qui n'ont aucune pertinence dans la vie réelle, ce qui entraîne un problème de validité interne mutuelle. Ce problème survient lorsque les chercheurs utilisent les résultats expérimentaux pour développer des théories, puis utilisent ces théories pour concevoir des expériences de test de théorie. Cette rétroaction mutuelle entre les expériences et les théories peut conduire à des théories qui expliquent uniquement les phénomènes et les résultats dans des conditions artificielles de laboratoire, mais pas dans la vie réelle.