Terminologie 101 : Échantillonnage non probabiliste

Mai-Juin 2017   Commentaires

Échantillonnage non probabiliste : sélection non aléatoire de participants à des recherches dans une population cible

L’échantillonnage non probabiliste consiste à recruter des participants pour un projet de recherche de façon non aléatoire. De ce fait, tout le monde dans le groupe accessible n’a pas les mêmes chances d’être sélectionné. Ce type d’échantillonnage peut donner lieu à un biais de sélection, donc limiter les possibilités de généraliser les résultats. Il y a biais de sélection quand l’échantillon utilisé pour une étude n’est pas vraiment représentatif de la population cible : les personnes qui participent à l’étude partagent un ou plusieurs attributs pouvant être systématiquement différents des attributs de celles qui n’y participent pas. Par exemple, dans une enquête sur la vaccination contre la grippe au sein du personnel infirmier, la probabilité de participation peut être plus grande pour ceux qui appuient cette vaccination que pour ceux qui n’ont pas de préférence ou qui sont contre. Dans une telle situation, on ne peut pas honnêtement dire que les résultats pourront être généralisés à l’ensemble de la population infirmière.

Comme l’échantillonnage probabiliste, l’échantillonnage non probabiliste se fait en trois étapes. La première consiste à cerner la population cible – le personnel infirmier, dans notre exemple. La deuxième consiste à déterminer la base d’échantillonnage, autrement dit la portion de la population cible à laquelle les chercheurs ont accès – par exemple, les 2 500 infirmières et infirmiers de l’Hôpital X. Pour la troisième étape, on recrute l’échantillon de personnel infirmier nécessaire au sein de la base d’échantillonnage – 150 infirmières et infirmiers, par exemple.

Les techniques d’échantillonnage non probabiliste les plus utilisées dans la recherche quantitative en sciences infirmières sont l’échantillonnage de commodité et l’échantillonnage par quotas.

Avec l’échantillonnage de commodité, on recrute des participants sur la base de leur disponibilité. C’est de loin la méthode la plus utilisée par les chercheurs quantitatifs en sciences infirmières. Dans notre exemple du sondage sur la vaccination contre la grippe, comment le chercheur pourrait-il recruter l’échantillon dont il a besoin? Il pourrait recruter des infirmières et infirmiers présents dans différents services de l’hôpital pendant plusieurs quarts de travail jusqu’à ce qu’il ait assemblé son échantillon. Ou bien le chercheur pourrait afficher une invitation générale un peu partout dans l’hôpital. Des infirmières et infirmiers seraient donc recrutés d’une façon non aléatoire, à la faveur de leurs rencontres du processus de recrutement pour l’étude.

Dans l’échantillonnage sur quota, les chercheurs veillent à ce que certains attributs pertinents soient représentés de façon proportionnelle dans l’échantillon. Cette méthode améliore la représentation dans l’échantillon. Pour reprendre notre exemple du sondage sur la vaccination contre la grippe, le chercheur pourrait avoir des raisons de penser que les attitudes des infirmières sont systématiquement différentes à l’égard de ce vaccin de celles de leurs collègues masculins. Dans ce cas, il serait important que les infirmiers soient représentés de façon proportionnelle dans l’échantillon. Le chercheur ferait un échantillonnage par quota pour s’assurer que les pourcentages d’hommes et de femmes dans l’étude reflètent leurs pourcentages dans la population infirmière.

On ne peut pas être sûr qu’il n’y a pas de biais de sélection dans l’échantillonnage non probabiliste, mais on peut réduire ce biais en s’assurant que l’échantillon a les mêmes attributs que la population cible. Il est extrêmement important que les chercheurs qui utilisent ce mode d’échantillonnage décrivent clairement leurs méthodes de recrutement et les caractéristiques de leur échantillon. Les lecteurs peuvent utiliser ces informations pour déterminer s’il y a biais de sélection, en comparant les caractéristiques de l’échantillon choisi pour l’étude et celles de la population cible.


inf-fusion.ca sources d’information

MyiLibrary

Maher M. El-Masri, inf. aut., Ph.D.

Maher M. El-Masri, inf. aut., Ph.D., est professeur agrégé et titulaire d’une chaire de recherche à la faculté de sciences infirmières de l’Université de Windsor, en Ontario.

comments powered by Disqus