La pnl et réinsertion sociale des ex-détenus jeunes adultes de la Prison Centrale de Maroua révèle des défis inattendus en matière d’estime de soi. Cette recherche, fondée sur des données probantes, propose des solutions innovantes pour transformer leur parcours de réinsertion, avec des implications cruciales pour le développement personnel.
Vérification de l’hypothèse de recherche N°3
Rappel de HS3 : la synchronisation psychologique accroît le développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
La procédure de vérification des hypothèses se fait en sept étapes :
1ère étape : Formulation des hypothèses statistiques
Dans la logique d’un test d’hypothèse et plus particulièrement le T-test, il existe deux hypothèses statistiques.
- L’hypothèse nulle (Ho) : la moyenne des ex-détenus du groupe expérimental n’est pas différente de celle des ex-détenus du groupe témoin. (Ho :X̅e=X̅t).
- L’hypothèse alternative (Ha) : la moyenne des ex-détenus du groupe expérimental est supérieure à celle des ex-détenus du groupe témoin (Ho :X̅e>X̅t).
2ème étape : le seuil de signification du test ou la valeur critique du test = 0,05.
3ème étape : condition d’application du T-test
Notre étude respecte les trois conditions d’application du T-test.
- Population normale
- Variances inconnues
- Petit échantillon (n1< 30 ; n2< 30).
4ème étape : calcul de t et calcul du degré de liberté (ddl) Calcul de t
La valeur T est composée de deux éléments : la différence entre les moyennes des deux groupes étudiés et la variance entre eux. Ces deux éléments sont exprimés sous forme de ratio. Si le ratio est petit, il n’y a pas beaucoup de différence entre les deux. S’il est élevé, la différence entre ces deux groupes est importante.
La valeur de t de Student est donnée par la formule suivante :
- Soit A et B deux groupes différents à comparer ;
- Soit X̅1 et X̅2 les moyennes respectives du groupe expérimental (1) et du groupe témoin (2) ;
- Soit n1 et n2 les tailles respectives du groupe expérimental (1) et du groupe témoin (2) ;
- 𝐒²est la variance commune aux deux groupes.
t = │𝐗̅𝟏− 𝐗̅𝟐 │
√𝐒²𝟏+ 𝐒²𝟐
𝐧𝟏 𝐧𝟐
t = │𝟏,𝟐𝟒𝟒− 𝟑,𝟖𝟑𝟏 │=42,40
√𝟎,𝟎𝟓𝟑+ 𝟎,𝟎𝟒𝟑
𝟐𝟓 𝟐𝟓
Calcul du degré de liberté (ddl)
Ddl = (n1+n2)-2
Pour le cas de cette étude, ddl = 48. Connaissant le ddl et la valeur critique = 0,05, en lisant dans le tableau de test de student nous trouvons que tlu = 1,677. Ce résultat est directement lié à la taille de l’échantillon et à la mesure dans laquelle les valeurs qu’il contient peuvent varier tout en conservant la même moyenne.
Numériquement, il s’agit de la taille de l’échantillon moins 1. Vous pouvez également le considérer comme le nombre de valeurs dont vous avez besoin pour connaître toutes les valeurs. Pour ce qui est de la valeur si vous effectuer le calcul via la formule manuellement, vous pouvez utiliser votre tableau de valeurs critiques pour trouver la valeur p.
La valeur p est le résultat qui vous permet de savoir si la différence entre les moyennes est statistiquement significative ou non. C’est l’objectif du test de Student, la valeur qui va vous indiquer si les différences sont le fruit du hasard ou non.
5ème étape : Règle de décision
La règle de décision d’après Ha au seuil de signification 0,05 et ddl=48 la valeur critique de l’écart-type réduit est Tlu=1,677. On adoptera la règle de décision suivante :
Si tcal> 1,677 alors rejet de Ho et acceptation de Ha Si tcal< 1,677 alors rejet de Ha et acceptation de Ho
6ème étape : Décision
La décision finale résultera de la comparaison des scores issus de tcal et tlu.
Tableau N°- 26 : Tableau de comparaison de l’échantillon, de la moyenne, de l’écart-type et de la variance du groupe témoin et du groupe expérimental au
post-test 3
Tableau de comparaison de l’échantillon, de la moyenne, de l’écart-type et de la variance du groupe témoin et du groupe expérimental au post-test 3 | |
---|---|
Parameter/Criteria | Description/Value |
Ex-détenus groupe expérimental | Moyenne, écart-type, variance |
Ex-détenus groupe témoin | Moyenne, écart-type, variance |
7ème étape : Conclusion
Nous constatons que Tlu=1,677 ; Tcal=42,40. Tlu< Tcal. Dès lors, Ho est rejetée, HS3est confirmée. À cet effet, on peut dire que la synchronisation psychologique accroît le développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
Tableau N°- 27 : Récapitulation des résultats
Récapitulation des résultats | |
---|---|
Parameter/Criteria | Description/Value |
Degré de liberté (ddl) | 48 |
Valeur critique (α) | 0,05 |
Tlu | 1,677 |
Tcal | 13,42 |
Au vu des résultats issu de l’analyse des données, nous constatons que le degré de liberté (ddl) est de 48 ; la valeur critique = 0,05 ; Tlu = 1,677 et Tcal = 13,42. Comparaison faite, il se dégage que Tlu < Tcal. Ce qui induit par conséquent que Ho est rejetée et Ha est acceptée d’où, l’hypothèse spécifique N°1 est confirmée. Autrement dit, dans cette recherche le recadrage cognitif contribue au développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
La lecture et l’interprétation des données issu de cette étude nous permet d’observer que le degré de liberté (ddl) est de 48 ; la valeur critique = 0,05 ; Tlu=1,677 et Tcal = 26,52. Un exercice de comparaison établit que Tlu < Tcal. En conclusion Ho est rejetée, Ha est acceptée d’où, l’hypothèse spécifique N°2 est confirmée. Ainsi, pour cette étude, l’ancrage des ressources mentales favorise le développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
De cette étude expérimentale, il se dégage que le degré de liberté (ddl) est de 48 ; la valeur critique = 0,05 ; Tlu=1,677 et Tcal=42,40. Une démarche comparative nous amène à la conclusion selon laquelle Tlu<Tcal. Ainsi Ho est rejetée, Ha est acceptée d’où, l’hypothèse spécifique N°3 est confirmée. À cet effet, on peut dire que la synchronisation psychologique accroît le développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
Par le biais de cette étude, nous comprenons aisément que Le test t, également appelé test de Student ou distribution t, est un test statistique populaire servant à mesurer les différences entre les moyennes de deux groupes ou d’un groupe par rapport à une valeur standard. Il est basé sur une loi de probabilité appelée loi de Student. L’exécution de ce test sert à comprendre si les différences sont statistiquement significatives, c’est-à-dire si elles ne sont pas le fruit du hasard. En utilisant le test T, un analyste va être en mesure de savoir s’il existe des facteurs qui influencent les différences entre les résultats de plusieurs échantillons observés.
Ce testing et cette loi de probabilité ont été établis par William Gosset en 1908 lorsqu’il travaillait chez Guinness à Dublin dans le but de contrôler la qualité de la production de bière stout dans la brasserie. Cependant, Gosset n’a pas été autorisé à publier les résultats de ses recherches en son propre nom. Il a donc adopté le pseudonyme « Student » (étudiant). Cette méthode d’analyse statistique s’est donc popularisée sous ce nom.
Comme exemple d’application du test de Student, supposons que vous ayez interrogé deux échantillons de 500 clients issus de deux villes différentes au sujet de leur expérience d’achat dans votre magasin. Le groupe A (clients issus de Lyon) vous a donné en moyenne la note de 8/10 pour la qualité de votre service client tandis que le groupe B (Marseille) vous a attribué une note de 5/10. Vous devez alors répondre à la question suivante : « Le service fourni au client était-il meilleur à Lyon ou le groupe lyonnais contenait beaucoup de clients ayant vécu une expérience positive ? ».
Le test statistique T vous permet de répondre à cette question. Il vous indique quelle est la probabilité que les différences observées soient dues au hasard. Si cette probabilité est très faible, la différence est dite significative, ou statistiquement significative. Dans un test t, vous commencez par établir une hypothèse nulle, c’est-à-dire que les deux populations sont identiques et qu’il n’existe pas de différence significative entre elles. Le test de Student prouvera ou infirmera votre hypothèse nulle. Il existe plusieurs types de test T qui répondent chacun à des besoins différents et permettent d’obtenir des résultats statistiques particuliers.
-Test t à 1 échantillon : Au lieu de comparer les données de votre échantillon à celles d’un second segment marketing, vous pouvez exécuter ce test (1-sample t-test) pour comparer ces data à une valeur ou un nombre défini. Cela est particulièrement utile pour comparer des tendances ou identifier des fluctuations. Exemple : les dépenses mensuelles moyennes de mes clients sont-elles nettement supérieures ou inférieures à 50 € ?
-Test t à 2 échantillons : Le test à 2 échantillons (2-sample t-test en anglais) s’agit de la technique d’analyse la plus standard et classique. Elle compare les moyennes de deux populations indépendantes pour identifier une différence significative. Exemple : les acheteurs strasbourgeois se rendent-ils plus fréquemment en magasin que les clients dijonnais ?
-Test t apparié : Avec une distribution t appariée (paired t-test), vous testez deux groupes dépendants pour voir s’ils sont significativement différents. Cette étude est particulièrement utile pour visualiser des évolutions et faire des comparatifs « avant / après ». Exemple : Les dépenses mensuelles moyennes par client ont-elles augmentées de manière significative après le lancement de la campagne marketing Y ?
Pour chaque type de testing, vous pouvez choisir si vous souhaitez mener un examen unilatéral ou bilatéral. Le test t unilatéral vous indique seulement si la différence entre les moyennes étudiées est significative ou non. Le test t bilatéral vous indique quelle moyenne est la plus élevée des deux. Ce type d’analyse peut être utilisé lorsqu’on étudie un ou deux groupes, qu’ils soient dépendants ou indépendants. Pour mener des analyses statistiques avec un nombre d’échantillons supérieur, l’ANOVA est une meilleure solution.
Quel que soit le type de distribution T que vous souhaitez exécuter pour réaliser votre analyse statistique, vous devez vous assurer que vos échantillons soient de taille suffisamment grande pour que les données soient fiables et pertinentes. Cependant, l’un des avantages du test de Student est qu’elle vous permet de travailler avec des quantités de données relativement petite. En effet, cette analyse statistique repose sur la moyenne et la variance de l’échantillon et non sur la population dans son ensemble.
En conclusion, dans ce chapitre, il nous revenait de faire la présentation brute et l’analyse des résultats. Ainsi, dans la présentation, nous avons fait recours à des tableaux statistiques pour décrire et commenter la tendance des données collectées sur le terrain. Enfin, dans l’analyse, nous avons vérifié la validité de nos hypothèses de recherche à travers le Test de Student.
________________________
Questions Fréquemment Posées
Comment la PNL aide-t-elle les ex-détenus à Maroua dans leur réinsertion sociale ?
L’étude propose que la programmation neurolinguistique pourrait favoriser leur réinsertion sociale et leur développement personnel.
Quelles sont les hypothèses vérifiées concernant le développement personnel des ex-détenus ?
L’hypothèse de recherche N°3 affirme que la synchronisation psychologique accroît le développement personnel des ex-détenus jeunes adultes de la Prison Centrale de Maroua.
Quelle méthode a été utilisée pour vérifier les hypothèses dans l’étude ?
La procédure de vérification des hypothèses se fait en sept étapes, incluant la formulation des hypothèses statistiques et l’application du T-test.