Les outils d’analyse statistique congolais révèlent des mécanismes de défense insoupçonnés dans la communication interculturelle. Cette recherche innovante, alliant méthodologies qualitative et quantitative, offre un cadre théorique essentiel pour comprendre les dynamiques socioculturelles au Congo.
- Outils d’analyse statistique
Il s’agit ici de décrire, tour à tour, les outils statistiques qui nous permettront de faire des analyses des données de l’enquête au niveau du septième chapitre. Il s’agit de (d’) :
– Tests de mesure des qualités métrologiques des construits ;
– Test statistique de signification de différence ;
– Analyse factorielle des correspondances (AFC).
- Tests de mesure des qualités métrologiques des construits
Pour mesurer les qualités métrologiques des construits de notre instrument de recherche, deux outils s’imposent : la fidélité (fiabilité) ou la validité. Il est cependant important de s’assurer que les construits (thèmes ou cas de l’étude) faisant l’objet de recherche permettent non seulement de mesurer les phénomènes sous examen (validité), mais aussi d’explorer les aspects d’une même réalité (constance interne ou fidélité).
Les paragraphes ci-après examinent en détail l’approche méthodologique de ces deux aspects.
– Fiabilité des construits
La fiabilité de cohérence interne peut être évaluée par le coefficient alpha de Cronbach ( ou KR-20). Cet indice statistique permet de comprendre l’ « homogénéité ou la consistance ou cohérence interne » d’un instrument de mesure (ou de recherche), comme le nôtre. Ce dernier est composé par un ensemble d’items qui, devraient contribuer à appréhender une même entité (ou dimension) « sous-jacente » dans un domaine ou par rapport à un objet d’étude. Cet indice est obtenu par l’application de l’une des formules suivantes422 :
(Formule n°06) ou (Formule n°07)
Où : – « K » : nombre total d’items qui composent l’instrument ;
– « » : variance de l’instrument dans son ensemble ;
– « » variance de l’item générique i ;
– « » : corrélation moyenne en tous les couples d’items. Pour K items, on aura coefficients de corrélation.
Il sied de noter que cet indice varie entre 0 et 1. Le degré d’homogénéité est d’autant plus élevé que sa valeur est proche de 1. Dans la pratique, on considère que l’homogénéité de l’instrument est satisfaisante lorsque la valeur du coefficient est au moins égale à 0,80.
– Validité des construits
Deux critères sont à considérer pour apprécier la validité des construits : la validité convergente et la validité discriminante. En ce qui nous concerne, nous allons nous limiter au premier critère. La validité convergente correspond à la capacité d’une mesure à fournir des résultats proches de ce qui serait obtenu avec d’autres mesures de même construit. En l’absence d’instruments différents, l’appréciation de la convergence des items d’une même échelle se fait au regard de leur capacité à mesurer précisément et uniquement une même variable. Cette mesure est donnée par la formule ci-après 423:
(Formule n°08)
Où : – : construit à tester (variable latente) ;
- : somme des contributions factorielles (coefficients) standardisées ;
- : nombre de variables observées i pour le construit A (nombre d’indicateurs) ;
- : somme des erreurs de mesure des indicateurs ;
- : coefficient de fiabilité de cohérence interne (rhô de A ou rhô de Ksi).
Un construit montre une validité convergente satisfaisante, si et seulement si le test associé à chacune des contributions factorielles est significatif (supérieur à 1,96 pour p=0,05).
422KORB, K.A., Calculating reliability of quantitative measures, University of Jos, 2012, p. 9.
423ROUSSEL, P., op.cit, p. 309.
Il est associé à ce critère de la variance moyenne extraite, ou rhô de validité convergente. Il doit être supérieur à 0,50 lorsque le modèle est testé.
Par ailleurs, il est important de signaler que les données qui feront l’objet de cette analyse proviennent d’une échelle d’intervalle à cinq degrés (0, 1, 2, 3, et 4) par rapport à chaque mécanisme de défense. Il y aura finalement quatre distributions (psychique de base, situationnel, discriminatoire et ethnique) dont chacune contiendra cinq données métriques.
- Test statistique de signification
Comme nous pouvons le constater, notre plan expérimental inscrit dans le schéma n°14 présente une situation de recherche simultanée des influences entre plusieurs variables, l’« Analyse multivariée » est la mieux indiquée. Pour des raisons bien évidentes, dans cette étude exploratoire, nous allons simplement porter sur l’influence de la variable « province d’origine », les autres variables feront l’objet d’étude ultérieure (confirmatoire). Il sera donc question ici de répondre à la question suivante : « la variable province d’origine influence-t-elle la production des communications généralisées et contextuelles ?»
Mais comme les données seront transformées en binaire (tout =1 ou rien =0) et que le nombre de traitements est supérieur à 2 (K=20 soit 20 mécanismes de défense), nous allons utiliser le test Q de Cochran. D’après Ricco Rakotomalala424, ce test est une génération du test de Mc Nemar où l’on traite des échantillons appariés, dans un plan d’expérience en bloc aléatoire complet. Il s’applique aussi au cas, comme le nôtre, des mesures répétées c’est-à-dire un seul échantillon dans lequel une variable a été mesurée K fois. La variable d’intérêt ici est binaire. Ce test est formulé comme suit425 :
(Formule n°09)
A partir de cette formule, on peut noter les éléments ci-après :
- : nombre d’apparitions de la valeur 1 dans la neme ligne ou somme des valeurs en ligne, mathématiquement défini par l’expression « » ;
- : nombre d’apparitions de la valeur 1 dans la neme colonne ou somme des valeurs en colonne, mathématiquement défini par l’expression « » ;
- S : Somme des valeurs marginales, mathématiquement définie par l’expression « » ;
« » ;
- : nombre de traitements, c’est-à-dire 20 mécanismes de défense ;
424RAKOTOMALALA, R., Comparaison de populations : Tests non paramétriques, Université de Lyon 2, Lyon, 2008, p. 169.
425Ibid, p. 169.
- : nombre de blocs expérimentaux, c’est-à-dire 11 provinces concernées.
La valeur calculée serait comparée à la valeur tabulée de Chi-carré au seuil de signification donné avec un degré de liberté selon la formule ci-après :
où K : nombre de traitements (ou mécanismes de défense).
Signalons que les données qui feront l’objet de cette analyse proviendront de notre échelle nominale (4.2.1.2. « B »). Dans cette optique, cette formule sera d’usage lors de l’analyse des données au septième chapitre, précisément dans le paragraphe de l’analyse quantitative (7.1.2).
- Analyse factorielle des correspondances (AFC)
L’AFC, ou analyse des correspondances simples, est une méthode exploratoire d’analyse des tableaux de contingence. Le principal objectif de cette technique, selon Jean Stafford et Paul Bodson426, est d’étudier simultanément, par le biais de leurs catégories, la relation entre deux variables (province et mécanisme de défense). Il s’agit de représenter visuellement les principales liaisons entre les catégories de deux variables. Ces liaisons sont analysées selon les oppositions centre / périphérique, éloignement / proximité, ressemblance / dissemblance et attraction / répulsion. Ainsi pour y arriver, nous allons cheminer les trois étapes ci-après :
– La première étape consiste à établir les profils lignes et les profils colonnes. Ces profils se calculent à partir des données brutes en divisant chaque terme par le total de cette ligne ou colonne. Ils sont donnés respectivement par les formules ci-après :
- (Formule n°10) : Coordonnées des profils lignes ;
- (Formule n°11) : Coordonnées des profils colonnes.
– La deuxième étape consiste à mesurer les ressemblances / dissemblances entre les provinces. Il sera donc question de répondre aux préoccupations ci-après :
- Y a-t-il des provinces qui se ressemblent, c’est-à-dire dans lesquelles les résultats
(en pourcentages) des différentes listes sont voisins ? Y a-t-il au contraire des provinces qui s’opposent (résultats très différents)?
426STAFFORD, J. et BODSON, P., L’Analyse multivariée avec SPSS, Québec, Presses de l’Université du Québec, 2007, pp. 102-103.
- Y a-t-il des provinces dont les résultats sont proches de ceux de l’ensemble tout entier ? Y a-t-il des provinces « à part », dont les résultats s’écartent notablement de ceux de l’ensemble ?
Pour y parvenir, nous allons recourir à la formule de la Métrique de , dite métrique euclidienne ou distance de khi-carré, ci-après427 :
(Formule n°12)
Dans cette formule, nous distinguons les éléments suivants :
- : Distance du Khi-carré mesurant les systèmes d’opposition entre les profils (provinces ou mécanismes) ;
- : Coordonnées des profils lignes i ;
- : Coordonnées des profils lignes ;
- : Coordonnées du profil ligne moyen.
– La troisième étape consistera à interpréter les résultats de l’analyse. Cette interprétation se fait en fonction de l’image projetée. La carte des résultats de l’analyse factorielle des correspondances se fait à partir de ce tableau.
Tableau n°12 : Tableau de lecture des résultats de la carte de l’AFC428
Attraction | Axe 2 | . A . B | Axe 1 |
Répulsion | Axe 2 . B | . A | Axe 1 |
Pas de conclusion | Axe 2 . B | . A | Axe 1 |
427CARPENTIER, F.-G., « Introduction aux analyses multidimensionnelles », in PSRS83B, 2005, pp. 26-27.
Comme il est indiqué dans cette table de lecture, quand A et B sont dans le même quadrant, il y a attraction. Cette situation indique que les effectifs qui correspondent aux deux catégories sont plus nombreux que si les effectifs étaient distribués de façon proportionnelle. De la même façon, quand A et B sont dans des quadrants opposés, cela montre que les catégories de l’une ou l’autre variable se repoussent. Quand A et B sont des quadrants adjacents, l’interprétation des résultats est plus difficile. Et, une concentration au centre de la carte représente la moyenne des catégories de chacune des variables impliquées.
Comme notre étude est exploratoire, nous allons ici seulement nous intéresser aux deux premières étapes. La dernière fera donc l’objet de l’analyse ultérieure (confirmatoire). Cependant, les données qui feront l’objet de ces analyses proviendront de notre échelle d’intervalle (voir 4.2.1.2. « A »).
Section 3 :
Population et échantillon d’étude
Notre enquête est menée dans un milieu congolais. Et comme nous sommes limité dans le temps, nous ne saurons pas couvrir toute la population congolaise ; toutefois nous allons choisir un grand groupe à partir duquel seront tirés les sujets de l’étude. Il s’agit donc d’examiner ici tour à tour la population d’étude et l’échantillon.
- Population d’étude
Notre population d’enquête couvre au total 1.149 sujets inscrits en première année de graduat à l’IFASIC selon la variable promotion (A et B). Les autres informations par rapport à la nature des sujets de cette population, comme l’âge, le sexe, la province d’origine, l’ethnie ou le groupe ethnique, n’ont pas été disponibles lors de notre descente sur terrain, raison pour laquelle nous nous sommes contentés de la variable promotion. Le tableau ci-dessous décrit les caractéristiques de cette population selon cette variable.
Tableau n° 13 : Répartition des sujets par promotion429
N° | Promotion | Effectif | % |
1. | GI A | 597 | 52 |
2. | GI B | 552 | 48 |
Total | 1149 | 100 |
Il ressort de ce tableau, sur un total de 1.149 étudiants inscrits en première année de graduat à l’IFASIC, 52% sont en A (soit 597) et 48% en B (soit 552). C’est de cette population que nous avons retenu les sujets qui ont fait partie de notre enquête. Le paragraphe qui suit définit et décrit cet échantillon d’étude.
- Echantillon d’étude
- Définition de l’échantillon d’étude
- Echantillon d’étude
Comme nous nous sommes inscrits dans une approche triangulaire (qualitative- quantitative) et que nous tenons à comprendre la contribution de la variable « province » sur la production des éléments communicationnels (généralisés et situationnels) relatifs aux mécanismes de défense, le choix d’un « schéma quasi-expérimental » est exigé puisqu’il nous permet de contrôler les effets de la variable retenue.
Ce contrôle nécessite un échantillonnage raisonné, c’est-à-dire un choix des sujets basé sur des critères objectifs, à savoir :
- constituer des groupes équivalents en nombre par province et par sexe, c’est-à-dire deux sujets par province, dont un sujet de sexe masculin (homme) et un sujet de sexe féminin (femme) ;
- enquêter des personnes adultes (18 ans et plus) qui sont nées et ont vécu dans les provinces respectives en vue de constituer des « groupes purs » ;
- n’enquêter que des personnes qui ont vécu dans des milieux interculturels.
De toute évidence, comme il s’agit d’une enquête sociale, ces personnes seront interrogées selon leur disponibilité. Il s’agit donc d’un échantillon établi par commodité.
- Description des caractéristiques de l’échantillon d’étude
Il s’agit ici de décrire les caractéristiques de notre échantillon d’étude selon les variables ci-après : la promotion, l’âge, la province d’origine (aire culturelle) et le sexe. Les tableaux n°14 et 15 présentent respectivement ces caractéristiques.
Tableau n° 14 : Répartition des sujets selon la « province d’origine » et le « sexe »430
N° | Province de provenance | Sexe | Total général | ||||
Masculin | Féminin | ||||||
Effectif | % | Effectif | % | Effectif | % | ||
1. | Bandundu | 1 | 1 | 2 | 9,1 | ||
2. | Bas-Congo | 1 | 1 | 2 | 9,1 | ||
3. | Equateur | 1 | 1 | 2 | 9,1 | ||
4. | Kasaï Occidental | 1 | 1 | 2 | 9,1 | ||
5. | Kasaï Oriental | 1 | 1 | 2 | 9,1 | ||
6. | Katanga | 1 | 1 | 2 | 9,1 | ||
7. | Kinshasa | 1 | 1 | 2 | 9,1 | ||
8. | Maniema | 1 | 1 | 2 | 9,1 | ||
9. | Nord-Kivu | 1 | 1 | 2 | 9,1 | ||
10. | Province Orientale | 1 | 1 | 2 | 9,1 | ||
11. | Sud-Kivu | 1 | 1 | 2 | 9,1 | ||
Total | 11 | 50 | 11 | 50 | 22 | 100 | |
Ce tableau nous renseigne sur les informations ci-après :
- du point de vue de la « province d’origine », cet échantillon est constitué de 2 sujets par province (soit 9,1%) ;
- du point de vue du « sexe », il est constitué de 11 sujets féminins (soit 50%) et 11 sujets masculins (50%).
Tableau n°15 : Répartition des sujets selon les variables « promotion » et « âge »431
N° | Age Promotion | Age < 20 | Age > 20 | Effectif | % |
1. | GI A | 5 | 6 | 11 | 50 |
2. | GI B | 6 | 5 | 11 | 50 |
Effectif | 11 | 11 | 22 | 100 | |
% | 50 | 50 | 100 |
Il ressort de ce tableau les informations ci-après :
- du point de vue de la « promotion », notre échantillon est constitué de 11 sujets par promotion A ou B (soit 50%) ;
- du point de vue de l’« âge », il est constitué de 11 sujets ayant l’âge supérieur à l’âge médian qui est de 20 ans (soit 50%) et 11 sujets ayant l’âge inférieur à cet âge-médian (soit 50%).
430Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013.
De manière générale, notre échantillon est constitué de 22 sujets sur une population de 1.149 étudiants de l’IFASIC, ce qui représente soit 2 %. Ces sujets sont répartis de manière égale selon les modalités des variables considérées (âge, promotion, province d’origine et sexe). Il s’agit donc d’un échantillon composé des sous-échantillons équivalents en nombre. Toutes les provinces sont représentées par des natifs venant fraîchement de ces milieux.
- Groupe témoin (contrôle)
Par souci de contrôler les informations qui nous seront fournies par les étudiants des premières années de graduat, nous avons constitué un groupe témoin composé de onze personnes, dont une par province. Ce groupe présente les caractéristiques suivantes résumées dans le tableau ci-dessous.
Tableau n°16 : Répartition des sujets selon les variables « âge », « sexe » et « promotion »432
N° | Province d’origine | Age | Sexe | Promotion | Effectif |
1. | Bandundu | 21 | M | G3 A | 1 |
2. | Bas-Congo | 20 | M | G2 B | 1 |
3. | Equateur | 23 | F | L2 CO | 1 |
4. | Kasaï Occidental | 21 | F | G3 B | 1 |
5. | Kasaï Oriental | 22 | M | G3 A | 1 |
6. | Katanga | 20 | M | G2 A | 1 |
7. | Kinshasa | 20 | F | G3 B | 1 |
8. | Maniema | 20 | M | G2 A | 1 |
9. | Nord-Kivu | 20 | F | G2 B | 1 |
10. | Province Orientale | 24 | F | L2 CO | 1 |
11. | Sud-Kivu | 20 | F | G2 B | 1 |
Total | 11 |
Il ressort de ce tableau les éléments ci-après :
- un sujet du Bandundu de sexe masculin, âgé de 21 ans et étudiant de troisième année de graduat A ;
- un sujet du Bas-Congo de sexe masculin, âgé de 20 ans et étudiant de deuxième année de graduat B ;
- un sujet de l’Equateur de sexe féminin, âgé de 24 ans et étudiante de deuxième licence en Communication des Organisations ;
- un sujet du Kasaï Occidental de sexe féminin, âgé de 21 ans et étudiante de troisième année de graduat B ;
- un sujet du Kasaï Oriental de sexe masculin, âgé de 22 ans et étudiant de troisième année de graduat A ;
- un sujet du Katanga de sexe masculin, âgé de 20 ans et étudiant de deuxième année de graduat A ;
- un sujet du Kinshasa de sexe féminin, âgé de 20 ans et étudiante de troisième année de graduat B ;
- un sujet du Maniema de sexe masculin, âgé de 20 ans et étudiant de deuxième année de graduat A ;
- un sujet du Nord-Kivu de sexe féminin, âgé de 20 ans et étudiante de deuxième année de graduat B ;
- un sujet de la Province Orientale de sexe féminin, âgé de 24 ans et étudiante de deuxième licence en Communication des Organisations ;
- un sujet du Sud-Kivu de sexe féminin, âgé de 20 ans et étudiante de deuxième année de graduat B.
Section 4 :
Conclusion partielle du quatrième chapitre
Nous venons d’examiner dans ce quatrième chapitre la méthodologie générale de l’étude des phénomènes relatifs aux éléments communicationnels des mécanismes de défense socioculturelle. Cette méthodologie est fondée sur deux approches complémentaires (qualitative et quantitative). Le recours à ces approches se justifie par le souci de réduire les faiblesses de l’une et de l’autre en vue de consolider les résultats de recherche.
Cette façon de faire est actuellement encouragée par de nombreux chercheurs en sciences sociales à laquelle les SIC n’auraient aucun intérêt à se soustraire, il s’agit donc de la « triangulation ». Comme toute méthodologie générale, elle décrit des principes, des procédés, des outils d’investigation et d’analyse des données adaptés au cadre conceptuel et théorique construit choisi.
A ce sujet, les chapitres qui suivent décrivent les résultats de cette méthodologie.
________________________
422 Définition donnée par l’article 62 de la loi sur les nouvelles régulations économiques (NRE) du 15 mai 2001. ↑
423 Auchan Les 4 Temps, La Défense. ↑
424 RAKOTOMALALA, R., Comparaison de populations : Tests non paramétriques, Université de Lyon 2, Lyon, 2008, p. 169. ↑
426 STAFFORD, J. et BODSON, P., L’Analyse multivariée avec SPSS, Québec, Presses de l’Université du Québec, 2007, pp. 102-103. ↑
427 CARPENTIER, F.-G., « Introduction aux analyses multidimensionnelles », in PSRS83B, 2005, pp. 26-27. ↑
428 Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013. ↑
429 Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013. ↑
430 Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013. ↑
431 Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013. ↑
432 Données recueillies lors des entretiens avec les étudiants des premières années de graduat (A et B) de l’IFASIC du 09 au 30 avril 2013. ↑
Questions Fréquemment Posées
Quels sont les outils d’analyse statistique utilisés dans la communication interculturelle au Congo?
Les outils d’analyse statistique incluent les tests de mesure des qualités métrologiques des construits, le test statistique de signification de différence et l’analyse factorielle des correspondances (AFC).
Comment évaluer la fiabilité des construits dans une recherche?
La fiabilité des construits peut être évaluée par le coefficient alpha de Cronbach, qui mesure l’homogénéité ou la consistance interne d’un instrument de mesure.
Qu’est-ce que la validité convergente dans le contexte de la recherche?
La validité convergente correspond à la capacité d’une mesure à fournir des résultats proches de ceux obtenus avec d’autres mesures du même construit, et elle est appréciée par la significativité des contributions factorielles.