Terminologie 101 : Échantillonnage probabiliste

Mars-Avril 2017   Commentaires

Échantillonnage probabiliste : Procédure de sélection au hasard, parmi une population cible, de participants à une recherche


En recherche quantitative, on considère que l’échantillon est représentatif de la population cible lorsqu’il en partage les attributs. Si l’échantillon n’est pas représentatif, des erreurs d’échantillonnage plus ou moins graves peuvent compromettre la généralisabilité des résultats de la recherche. L’échantillonnage probabiliste est une technique communément utilisée par les chercheurs pour s’assurer que les échantillons sont bien représentatifs. Il consiste à sélectionner, de façon aléatoire, des participants au sein d’une base d’échantillonnage (la portion de la population cible à laquelle les chercheurs ont accès) afin que chaque personne dans cette base d’échantillonnage ait la même probabilité d’être sélectionnée.

L’échantillonnage probabiliste comporte trois étapes. La première consiste à identifier la population cible, par exemple, les enfants d’âge scolaire. La deuxième consiste à déterminer la base d’échantillonnage, peut-être tous les enfants d’âge scolaire dans un quartier X. Pour la troisième étape, on sélectionne de façon aléatoire l’échantillon requis d’enfants au sein de la base d’échantillonnage, celle-ci étant souvent trop grande pour constituer l’échantillon de l’étude.

Les techniques d’échantillonnage probabiliste comprennent les échantillonnages aléatoire simple, systématique, stratifié et en grappes. C’est souvent la répartition géographique de la population cible ou les caractéristiques de la population présentant un intérêt particulier pour les chercheurs qui dicte le choix de la technique. Ainsi, pour une étude dans un seul endroit, sur une population uniforme, les chercheurs pourront choisir l’échantillonnage aléatoire simple. Excel ou d’autres programmes de statistique sont utilisés pour mélanger électroniquement la liste de toutes les personnes disponibles dans la base d’échantillonnage afin de sélectionner l’échantillon nécessaire.

L’échantillonnage systématique est une forme simple d’échantillonnage, particulièrement intéressante en présence d’une importante base d’échantillonnage. Les chercheurs divisent la population accessible (1 000 personnes, par exemple) par le nombre de personnes souhaité dans l’échantillon (mettons 100) pour déterminer l’intervalle d’échantillonnage (10, dans ce cas). Ils sélectionnent ensuite au hasard un nombre entre 1 et le chiffre de l’intervalle d’échantillonnage (5, par exemple). Puis, en commençant par le participant numéro 5, ils sélectionnent tous les dixièmes participants jusqu’à ce qu’ils aient recruté les 100 personnes de leur échantillon.

Les chercheurs ont souvent recours à l’échantillonnage stratifié lorsqu’ils estiment que certains attributs spécifiques doivent être représentés de manière proportionnelle dans l’échantillon. Ainsi, s’ils pensent que la réponse à un traitement peut varier en fonction de la gravité de la maladie, ils pourront choisir de recruter des patients pour deux sous-échantillons aléatoires proportionnels : l’un pour le segment de la population souffrant d’une forme atténuée de la maladie et l’autre pour ceux qui en ont une forme grave. Les deux sous-échantillons sont ensuite combinés pour constituer l’échantillon final.

L’échantillonnage en grappes est particulièrement utile lorsque la recherche porte sur une grande zone géographique qu’il serait trop long et trop coûteux de couvrir au moyen d’un échantillonnage aléatoire simple. Prenons l’exemple de chercheurs qui étudieraient les services de soins primaires en Nouvelle-Écosse. Ils pourraient diviser les fournisseurs de soins primaires en grappes sans tenir compte des limites des comtés et choisir au hasard quatre ou cinq grappes dans lesquels ils prendraient leur échantillon.

N’oubliez pas : l’échantillonnage probabiliste est conçu pour réduire au minimum les erreurs d’échantillonnage liées à des échantillons peu représentatifs. Les lecteurs devraient s’inquiéter de la généralisabilité de la recherche si les chercheurs n’indiquent pas clairement leur technique d’échantillonnage probabiliste.


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