Archives par étiquette : échelle de Likert

42a. Notations utiles pour conceptualiser précisément les données

Dès qu’on veut s’exprimer par écrit pour pouvoir discuter avec un groupe de personnes à propos d’une question particulière, on a besoin d’un langage commun. Lorsque la discussion se veut scientifique, les notations facilitent grandement l’échange d’idées suffisamment détaillées pour être testées contre d’autres idées. Ce billet introduit la plupart des notations utiles pour discuter d’épistémologie et de méthodologie en psychologie, en partant d’exemples concrets.

1. Notations pour parler d’un questionnaire psychologique

Considérons le questionnaire d’estime de soi reproduit ci-dessous (source). Ses dix items forment une collection. Chaque item possède un format de réponse : ses quatre réponses possibles forment une collection.

ech_rosenberg

La notion de collection est formalisée (mathématisée) par le terme « ensemble ». Le questionnaire d’estime de soi ci-dessus est un ensemble de 10 items (en négligeant la consigne commune à tous les items, qui ne fait pas partie de cet ensemble) ; le format de réponse d’un item quelconque du questionnaire est un ensemble de quatre réponses. On appelle éléments les objets qui constituent un ensemble.

Les éléments de l’ensemble des réponses possibles au premier item sont « Tout à fait en désaccord », « Plutôt en désaccord », « Plutôt en accord » et « Tout à fait en accord ». Pour indiquer le début et la fin de l’énumération, on utilise respectivement les symboles { et }. On a ainsi la notation

{Tout à fait en désaccord, Plutôt en désaccord, Plutôt en accord, Tout à fait en accord}.

On place les éléments les uns après les autres et on les sépare par une virgule suivie d’un espace. L’ensemble formé par les nombres 12,3 et 8,01 est noté {12,3 ; 8,01}.

Un ensemble est noté avec une lettre majuscule. On peut noter R l’ensemble des réponses possibles au premier item :

R = {Tout à fait en désaccord, Plutôt en désaccord, Plutôt en accord, Tout à fait en accord}.

L’expression ci-dessus est une phrase, donc on met un point à la fin ; elle se lit « R est égal à … ». On gagne en concision avec la notation R = {1, 2, 3, 4}, où les chiffres désignent chacun une réponse possible — notion d’échelle nominale, voir 40a.

Comment noter l’ensemble des items ? On pourra — soyons simples — utiliser I (i majuscule) pour « item ». Maintenant, on veut compléter la phrase I = {…}. On a besoin d’utiliser une notation pour représenter les 10 items, trop longs à recopier. Pourquoi ne pas utiliser 1, 2, etc. ? Mauvaise idée parce que les chiffres 1, 2, 3 et 4 désignent déjà des éléments de R. Alors pourquoi pas I1, I2, etc. ? C’est une possibilité. On aurait

I = {I1, I2, I3, I4, I5, I6, I7, I8, I9, I10}.

Comme il est fastidieux de lister chacun de ces 10 éléments ! Une notation elliptique va nous rendre service :

I = {I1, I2, …, I10}.

On indique, à l’aide des deux premiers éléments, comment on passe d’un élément au suivant (cf. les suites logiques des tests de logique, on passe de I1 à I2 en ajoutant 1 à l’indice de I) ; on n’a pas besoin de « I3, I4, I5, I6, I7, I8, I9 », qu’on remplace par les trois points ; et on a besoin de « I10 » pour terminer la série.

Une possibilité plus élégante consiste à réserver les lettres majuscules aux ensembles et à utiliser des lettres minuscules pour les éléments. On pourrait envisager I = {a, b, …, j} ou, un peu plus lourd mais plus explicite, I = {i1, i2, …, i10}. Les puristes préfèreront mettre les minuscules en italique et les indices en indice, d’où

I = {i1, i2, …, i10}

en acceptant de se battre un peu avec l’éditeur de texte mais c’est plus joli.

On veut maintenant une notation pour désigner l’ensemble des réponses à l’item i8, de telle manière qu’on sache bien que la réponse « Plutôt en accord » à cet item ne désigne pas le même événement psychologique (ou comportemental) que l’événement psychologique qui s’est produit lorsque la réponse « Plutôt en accord » a été donnée à l’item i2. On peut utiliser

R8 = {18, 28, 38, 48},

notation qui permet d’exprimer que 38 n’est pas égal à 32 (qu’on écrit 38 ≠ 32). On peut omettre d’indicer les chiffres qui codent les réponses par pure flemme, mais on s’expose à des confusions comme 38 = 32 parce que 3 = 3 ou encore « Plutôt en accord » (à l’item n° 8) = « Plutôt en accord » (à l’item n° 2). Sur-simplifier les notations est acceptable si cela n’entraîne pas de confusion conceptuelle ; dans cette perspective flemmarde et lucide, on écrira alors

R8 = {1, 2, 3, 4}.

On veut maintenant pouvoir parler de n’importe quel item de I. Pour cela, on peut se donner un indice j (en italique) et utiliser le procédé suivant : le jième item de I est l’item ij. Si on veut exprimer que ce qu’on dit d’un item particulier est valable pour tout item de I, comme par exemple, « cet item a quatre réponses possibles », on peut dire

pour tout j = 1, 2, …, 10, l’item ij a quatre réponses possibles.

Si on veut être encore plus concis on peut remplacer « pour tout » par le symbole «  » (qui se lit aussi « quel que soit »). Les puristes de la notation ne seront toutefois pas satisfaits de la syntaxe « j = 1, 2, …, 10 » et ils auront raison, parce que j ne peut pas être égal à la série 1, 2, …, 10. On peut tolérer cet abus de langage, toutefois facile à éviter. Comment améliorer la notation ? On peut écrire

j appartenant à {1, 2, …, 10},

qui interdit d’interpréter j comme une série parce que j ne peut que prendre successivement les valeurs 1, 2, , 10. Le symbole pour exprimer de manière concise l’appartenance à un ensemble est . On peut écrire

j ∈ {1, 2, …, 10}, ij a quatre réponses possibles.

Une notation concise pour exprimer le nombre que contient un ensemble E existe et elle va être utile ici. Ce nombre s’appelle un cardinal (mais si un nombre peut être un cardinal, un cardinal peut ne pas être un nombre parce que l’infini n’est pas un nombre et qu’il existe des ensembles contenant une infinité d’éléments, cf. section 4). On utilise la notation |E| — et non pas /E/ qui ne veut rien dire dans ce contexte et il faut prendre la peine de trouver comment faire le symbole « | » sur son clavier. Ainsi, les expressions |I| = 10 et |Rj| = 4 sont concises et précises dès lors qu’on sait à quoi elles réfèrent. En cas de doute, il faut expliciter.

Comment écrire en « concis et précis » l’idée, formulée de manière imprécise, que les items de ce questionnaire ont quatre réponses possibles ? En écrivant

j ∈ {1, 2, …, 10}, |Rj| = 4, avec Rj le format de réponse de l’item j.

Double indiçage. Maintenant, on veut pouvoir noter n’importe quelle réponse à n’importe quel item, comme par exemple la réponse « Plutôt en accord » à l’item « Je suis capable de faire les choses aussi bien que la majorité des gens ». Il suffit d’appliquer la procédure qui permet de repérer n’importe quelle case d’un damier, formé par l lignes et c colonnes, à l’aide du numéro de ligne et du numéro de colonne. Ici, le « damier » du questionnaire est formé par les  l = 10 lignes des items et les c = 4 colonnes des réponses à l’item. N’importe quelle case du « damier », c’est-à-dire n’importe quelle réponse élémentaire, correspond à l’intersection d’une ligne et d’une colonne et on peut la repérer par le double indice i.j, où i = 1, 2, …, 10 et j = 1, 2, 3, 4. La réponse dont on parle dans cet exemple peut être notée r4.3, où le double indice signifie que c’est la troisième réponse du format de réponse du quatrième item. L’ordre ligne-colonne (li-co) pour le double indiçage est une convention qui s’applique aussi aux tables de contingence.

Ordre. Lorsqu’on délimite les éléments d’un ensemble par des accolades, comme dans E = {a, b, c}, on ne précise pas si ces éléments sont ordonnés. La notation E = {b, c, a} est correcte. Pour indiquer expressément que les éléments d’un ensemble sont ordonnés (par défaut, dans l’ordre croissant), on les encadre avec des parenthèses. Si l’ordre alphabétique a un sens pour E et qu’on veut l’exprimer clairement, on peut écrire E = (a, b, c), qui devient alors un triplet (voir 20a).

Comme les réponses aux items du questionnaire constituent ce qu’on appelle une échelle de Likert, c’est-à-dire une échelle ordinale (cf. 40a), on peut noter cet ensemble par

Rj = (1, 2, 3, 4) avec j = 1, 2, …, 10,

bien que ce ne soit pas nécessaire. Cette notation est nécessaire lorsqu’on veut désigner une réponse particulière au questionnaire parce que l’ordre dans lequel on recopie les réponses indique l’ordre des items. Ainsi, le 10-upet (1, 1, 3, 2, 4, 2, 1, 1, 3, 4) est noté avec des parenthèses. On sait grâce à cette notation que la réponse à l’item numéro 9 est la troisième réponse du format de réponse, c’est-à-dire « Plutôt en accord ».

Comme le questionnaire comporte des items positifs et des items négatifs, les chiffres contenus dans ce 10-uplet ne peuvent pas être additionnés pour calculer le score correspondant à cette réponse — il faut d’abord procéder à un recodage des réponses aux items négatifs. L’ensemble des scores possibles à ce questionnaire est bien entendu ordonné et on l’appelle une échelle de scores, qu’on notera pourtant

S = {10, 11, …, 40} (S pour score ou scale).

L’usage de considérer cette échelle comme une échelle ordinale au sens de Stevens (1946) n’est pas correct puisque cette échelle n’est pas une échelle nominale : en effet, selon Stevens, une échelle nominale suppose un isomorphisme (c’est-à-dire, ici, une bijection ou encore une correspondance bi-univoque) entre l’ensemble des objets auxquels on attribue un nombre et l’ensemble des nombres ainsi attribués.

Notons D = {(1, 1, …, 1), (1, 1, …, 2), …, (4, 4, …, 4)} l’ensemble de tous les 10-uplets possibles (D pour descriptions possibles de la réponse au questionnaire). On a |D| = 410 et |S| = (40 – 10) + 1 = 31, ce qui implique qu’il existe au moins un score qui décrit (ou, selon le langage de Stevens, mesure) plus d’un 10-uplet de réponses. Par exemple, le score 11 décrit 10 10-uplets différents qu’on obtient en déplaçant le nombre 2 dans (1, 1, …, 1, 2). Pas de correspondance bi-univoque entre D et S, donc S n’est pas une échelle nominale de D. Or une échelle ordinale est une échelle nominale dotée d’une relation d’ordre, héritée d’une relation d’ordre dans l’ensemble des objets ainsi « mesurés ». Si S ne constitue pas une échelle nominale pour D, elle ne peut constituer une échelle ordinale pour D ; l’ordre de S n’a pas de signification descriptive qu’on puisse référer aux propriétés nominales ou ordinales de D (cf. aussi Costa et McCrae, 2007).

2. Notations pour parler de « variables de questionnaires »

L’expression « variable de questionnaire » est utile pour attirer l’attention sur les deux termes ainsi concaténés mais elle est imprécise. Comme une variable statistique est, par définition, une application qui, à toute unité statistique de son ensemble de départ, associe une et une seule image dans son ensemble d’arrivée, une « variable de questionnaire » désigne une variable statistique dont l’ensemble d’arrivée est l’ensemble des réponses possibles au questionnaire, noté D, ou l’ensemble des scores possibles au questionnaire, noté S.

On note Ω la population statistique, ensemble de départ (ou de définition) d’une variable statistique. Les éléments de Ω, appelés unités statistiques, sont notés ω. On note les variables avec des majuscules. La notation

X : Ω → D

indique que la variable X est définie sur Ω et prend ses valeurs dans D. La notation

X(ω) = x

indique que l’image de ω par X est la valeur x de D. Dans le cas du questionnaire d’estime de soi utilisé comme exemple ici, x est un 10-uplet.

Lorsqu’on associe le concept de variable à un questionnaire, les unités statistiques correspondent à des personnes e (pour entité) qui répondent au questionnaire à un moment t et on a ω = (e, t). Dans ce cas, les unités statistiques sont des unités d’observation parce qu’il faut avoir fait passer le test à quelqu’un à un certain moment pour que sa réponse au test existe (soit un fait). Par conséquent, raisonner sur des variables de questionnaires définies sur des populations parentes de cardinal infini, i.e., qui servent de réservoirs à des échantillons d’unités d’observation, est une vue de l’esprit puisque les unités statistiques qui ne sont pas des unités d’observation n’ont pas d’image dans D.

Plusieurs échelles de scores. Il est courant en psychologie de faire passer plusieurs questionnaires à un échantillon de personnes. En négligeant le fait que les différents questionnaires ne peuvent être passés en même temps par une personne donnée et en considérant que les questionnaires ont été administrés à un moment t, les scores obtenus à chaque questionnaire par une personne e à t constituent un m-uplet de scores. Par exemple, une étude empirique qui serait fondée sur l’administration de 13 questionnaires à 60 personnes permet de construire la variable

X = (X1, X2, …, X13) : Ω60 → S = S1 x S2 x … x S13,

Xj : Ω60 → Sj, j = 1, 2, … 13, est la variable qui associe un score au questionnaire numéro j à toute unité d’observation de l’échantillon. La notation S1 x S2 x … x S13 désigne le produit cartésien des 13 échelles de scores associées aux 13 questionnaires. Ce produit cartésien est, par définition, l’ensemble de tous les 13-uplets de scores possibles.

La même batterie de questionnaires administrée plusieurs fois. Il est courant en psychologie qu’une même batterie de questionnaires (ou de tests psychotechniques) soit administrée plusieurs fois à un même échantillon de personnes. Considérons le cas le plus simple d’un test-retest (ou pré-test-post-test). Une unité d’observation a la forme ω = (e, t1, t2t1 et t2 désignent les moments du test et du retest, respectivement. On peut généraliser la notation avec ω = (e, t) t (en gras et pas en italique) désigne le m-uplet de moments (t1, t2, …, tm).

Comment noter une variable correspondant à un tel design ? Il y a plusieurs façons de faire et ce qui importe est que le système de notation soit explicite et efficace. On n’utilisera pas la notation (X1, X2, …, Xm),  déjà été utilisée ci-dessus pour un design strictement transversal (un seul moment par unité d’observation et plusieurs questionnaires indicés par des numéros). Une approche économique, mais peu courante en psychologie, consiste à définir la variable

Xj : Ω60 → Sj x Sj

qui, à toute unité d’observation de Ω60, associe un et un seul 2-uplet de scores obtenus avec le questionnaire numéro j, le premier score correspondant au test et le second score correspondant au retest. Il est plus courant qu’on veuille pouvoir parler de la « variable pré-test » et de la variable « post-test ». Dans ce cas, on peut définir le couple de variables (qui est une variable bivariée)

(Xj , Yj) : Ω60 → Sj x Sj

où X et Y servent à noter la variable pré-test et la variable post-test, respectivement. On a donc, dans le cas d’une batterie de 13 questionnaires administrés deux fois, 13 couples de variables à considérer, de telle sorte que chaque unité d’observation soit décrite par un 13-uplet de scores au pré-test et un 13-uplet de scores au post-test — ce qui donne un 2-uplet de 13-uplets. Il suffit de définir la variable

(X , Y) : Ω60 → S x S

X = (X1, X2, …, X13) : Ω60 → S = S1 x S2 x … x S13 et Y = (Y1, Y2, …, Y13) : Ω60 → S = S1 x S2 x … x S13 désignent les variables pré-test et post-test, respectivement. La variable (X, Y) associe à toute unité d’observation un et un seul 2-uplet de 13-uplets de scores.

3. Application à Camart et al. (2006)

L’avantage de ce type de notation est d’inciter à penser précis et la précision est ici associée à la lucidité scientifique (l’imprécision étant alors associée à un manque de lucidité scientifique). Par exemple, examinons le résumé de Camart et al. (2006) reproduit ci-dessous.

resume_camart-et-al-2006Que signifie précisément l’expression « une amélioration significative des patients sur l’ensemble des variables mesurées » ? Il s’agit d’amélioration et ce qui est l’objet d’amélioration est désigné par le terme « patients ». Ce terme désigne l’échantillon des 60 personnes souffrant de phobie sociale sélectionnées pour cette étude. Il s’agit donc de savoir ce que signifie l’amélioration d’un ensemble de personnes. Comme l’étude rapporte des analyses portant sur des 2-uplets de 13-uplets de scores obtenus par chacune de ces personnes en pré- et post-test, les auteurs n’ont sans doute pas la prétention de parler d’autre chose que des scores qui décrivent les personnes lors des pré- et post-tests. En effet, de telles descriptions ne disent pas grand chose de ces personnes (cf. Popper, 1945/2013 ; la lucidité scientifique consiste ici à ne pas perdre de vue que les données analysées par Camart et ses co-auteurs proviennent de réponses à des questionnaires). Ce ne sont pas des personnes qui sont améliorées mais des scores, lesquels, bien qu’ils soient qualifiés de « mesures » par les auteurs, ne mesurent pas de grandeur psychologique si on entend qu’un score est une mesure si sa variation dépend de manière croissante de la variation d’une quantité de grandeur (cf. mon cours de mesurage).

tableau_camart-et-al-2006

Lorsqu’on examine les résultats communiqués dans le Tableau 1 de l’article (ci-dessus), on constate que ce qui s’améliore, ce sont des moyennes des scores. Les auteurs considèrent l’ensemble {d1, d2, …, d13} des 13 différences de moyennes qui ont pu être calculées à partir des 13 questionnaires ou sous-questionnaires utilisés. Le fait que dj , j = 1, 2, …, 13, soit significative renvoie au cadre de référence habituel en statistique inférentielle, à savoir (i) la fiction d’un couple (Xj, Yj) de variables normales, défini sur une certaine population statistique, (ii) la convention selon laquelle les scores observés résultent d’un échantillonnage dans cette population statistique, (iii) le test de l’hypothèse nulle selon laquelle les deux variables Xj et Yj ont même moyenne.

Le point critique est que l’amélioration des moyennes n’implique logiquement pas l’amélioration de (la symptomatologie phobique sociale de) chaque personne de l’échantillon pour deux raisons indépendantes. La première tient au fait qu’un changement moyen n’implique pas un changement général. La seconde tient à ce que, même si, en un sens vague, la symptomatologie phobique sociale des patients s’est améliorée entre le pré- et le post-test, on ne voit pas comment l’ensemble des 13-uplets de scores possibles permet de décrire un état momentané de cette symptomatologie, autrement dit, comment cet ensemble de 13-uplets constituerait ne serait-ce qu’une échelle nominale pour « mesurer », au sens de Stevens (1946), la phobie sociale. Il faut d’abord que la phobie sociale ait été élaborée comme un ensemble d’objets ou d’événements, pour reprendre les termes de Stevens, pour qu’on puisse envisager d’attribuer des nombres ou des m-uplets de nombres à ces objets ou événements.

La substitution de termes, coutumière dans la plupart des études rapportant des tests statistiques fondés sur des scores, qui consiste à remplacer « les différences de moyennes d’un groupe de patients » par « les patients », constitue un jargon technique pour « aller vite ». Mais un étudiant débutant ou un lecteur profane peut s’y laisser tromper s’il n’interprète pas les propositions de manière précise. L’art de la notation peut aider, je l’espère, à éviter de grossières erreurs d’interprétation. Même si les 60 x 13 = 780 différences de scores étaient améliorées, il faudrait encore rester lucide sur le fait qu’il n’y pas de patient amélioré tout court parce que la notion de « patient amélioré » n’est pas définie. Un lecteur attentif et intéressé pourrait demander aux auteurs d’indiquer le nombre de différences de scores (di.j , i = 1, 2, …, 60 et j = 1, 2, …, 13), qui sont améliorées parmi les 780 différences qui ont pu être calculées, ainsi que le nombre de 13-uplets de scores qui se sont améliorés parmi les 60 2-uplets de scores qui ont pu être calculés (pour la notion de comparaison de m-uplets, voir 32a).

4. Notations pour les échelles analogiques

Pour compléter cette introduction à la notation, prenons l’exemple d’une échelle analogique de douleur (cf. 36a), dont le format de réponse est un segment continu. Un segment continu est un ensemble borné à gauche et à droite, qui contient une infinité d’éléments (de points). On utilise des crochets fermés ou ouverts  pour indiquer que les bornes appartiennent ou pas, respectivement, au segment.

Les bornes sont inclues dans le segment [0 cm, 10 cm]. Le segment ]4,9 cm ; 5,1 cm[ utilisé pour encadrer (mesure approchée) la marque d’une personne sur [0 cm, 10 cm] ne contient pas les bornes inférieure et supérieure.

Références

Camart, A., André, C., Trybou, V., & Bourdel, M.-C. (2006). Évaluation des effets à court terme d’une thérapie cognitivo-comportementale de groupe dans la phobie sociale : résultats auprès de soixante patients. L’Encéphale, 32, 1011-1018, cahier 1.
Stevens, S. S. (1946). On the theory of scales of mesurement. Science, 103, 677-680.

Cite this article as: Stéphane Vautier, "42a. Notations utiles pour conceptualiser précisément les données", in Épistémologie de la psychologie, 18/12/2016, http://epistemo.hypotheses.org/3951.

40a. Les échelles de mesure : lire Stevens (1946)

S. S. Stevens publie en 1946 son célèbre article « On the theory of scales of measurement« , que Tafreshi, Slaney et Neufeld (2016, p. 6) qualifient de contribution majeure du 20e siècle dans le domaine de la mesure en psychologie, et qui présente la fameuse catégorisation d’échelles numériques dites « de mesure », à savoir les échelles « nominales », « ordinales », « d’intervalle » et « de ratio », catégorisation qui est enseignée dans tout cours de psychologie quantitative. Chaque type d’échelle de mesure possède des règles de légitimité concernant les calculs qu’on peut appliquer aux nombres dont elles sont formées. Ce billet en donne un commentaire critique du point de vue où mesurer, c’est utiliser l’hypothèse qu’il existe une fonction croissante, définie dans le segment [0, max] où « max » désigne la quantité la plus grande possible de la grandeur qu’on veut mesurer, à valeurs dans l’ensemble des observables qui sont utilisés comme des mesures de la grandeur (cf. 3a).

1. Aperçu de l’article

L’article (quatre pages) se compose d’une introduction, d’une section portant sur l’idée de classification d’échelles de mesure, de quatre sections respectivement consacrées à chaque type d’échelle et d’une conclusion.

L’introduction. Partant des travaux d’un comité de la British Association for the Advancement of Science, qui fût dédié à l’examen de la possibilité de mesurer les sensations, et retenant de son rapport final que la signification (meaning) du verbe « mesurer » reste discutable, l’introduction propose de « reconnaître que le mesurage [measurement] existe sous des formes variées et que les échelles de mesure [scales of measurement] tombent dans des classes bien définies » (p. 677) — avec des conséquences concernant la « légitimité » de certaines analyses statistiques.

La classification des échelles de mesure. Elle est appuyée sur une définition dite « au sens large » du mesurage, qui consiste en « l’attribution de nombres à des objets ou événements selon des règles » (p. 677). Ces règles reposent sur la notion-clé d’isomorphisme « entre ce que nous pouvons faire avec les aspects des objets et les propriétés des séries numériques » (p. 677).

L’échelle nominale. Il faut considérer une application définie dans un ensemble d’objets (ou d’événements au sens de la théorie des probabilités) et à valeurs dans un ensemble de modalités descriptives (les aspects des objets ou des événements). Une échelle nominale résulte du codage numérique de ces modalités. Le « mesurage nominal » consiste à identifier les modalités descriptives de la variable par un nombre. L’isomorphisme entre l’ensemble des modalités et l’ensemble des nombres consiste en une bijection, i.e., une relation bi-univoque qui attribue à toute modalité un nombre unique. Un exemple d’échelle nominale est la relation dont le graphe est {(femelle, 0), (mâle, 1)}.

L’échelle ordinale. Il s’agit d’une échelle nominale ordonnée. L’isomorphisme entre l’ensemble des modalités et l’ensemble des nombres est enrichi de la notion de conservation de l’ordre des modalités ; il suffit que les nombres servant à identifier les modalités soient ordonnés conformément à l’ordre des modalités. Un exemple d’échelle ordinale est la relation dont le graphe est {(pas du tout d’accord, 1), (pas d’accord, 2), (d’accord, 3), (tout à fait d’accord, 4)} — ce qu’on appelle une échelle de Likert.

L’échelle d’intervalle. Soient x1, x2, x3 et x4 quatre valeurs distinctes d’une échelle d’intervalle. On s’intéresse au rapport des différences x2 − x1 et x4x3, c’est-à-dire à (x2 − x1)/(x4x3). Il se trouve que le rapport des différences (ax2 + b) − (ax1 + b) et (ax4 + b) − (ax3 + b), avec a > 0, est égal à (x2 − x1)/(x4x3) : les b s’annulent par différence et les a par division. Il n’est pas dit quelles sont les modalités dont on puisse ainsi considérer les différences, lesquelles supposent l’existence d’une fonction de mesurage affine reliant certains observables à une certaine grandeur (voir par exemple 36a). Lorsque Stevens utilise l’exemple du mesurage de la température par les hauteurs du mercure dans un thermomètre, il ne pose pas le problème de la mesurabilité d’une quantité de température par une quantité de hauteur de mercure, qui est un problème théorético-empirique ; sa démarche est focalisée sur l’étiquetage numérique de modalités descriptives et les propriétés numériques de ces étiquettes.

L’échelle de ratio. Soient x1, x2 deux valeurs distinctes d’une échelle de ratio. On s’intéresse au rapport x2/x1. Le rapport ax2/ax1, avec a > 0, est égal à x2/x1. Il n’est pas dit comment on peut établir, en général, que x1 et x2 puissent être mis en rapport ; c’est encore un problème théorético-empirique qui consiste à supposer que les valeurs numériques sont les images d’une fonction de mesurage linéaire (cf. 36a).

La conclusion. Stevens conclut en estimant avoir contribué, dans un esprit libéral et utilitaire, à une définition du mesurage qui réduit le problème du mesurage à un choix d’échelle de mesure guidé par les règles qu’on se donne pour représenter les objets ou événements à l’aide de nombres.

2. Commentaires

Remarque 1. Parce qu’elle rend le codage numérique nécessaire, une telle définition du mesurage est soit restrictive soit contradictoire. Restrictive, si on exclut que le mesurage puisse impliquer une description non-numérique (c’est-à-dire expressément qualitative) des « objets ou événements ». Soient les objets identifiés par a, b, c ; {a, b, c} n’est pas une échelle nominale pour identifier ces objets parce que ni a ni b ni c ne sont des nombres. De même l’ordre alphabétique, l’ordre « échec < réussite », ne peuvent mesurer ordinalement des objets. Contradictoire, si on accepte des descriptions non-numériques parce que la définition énonce qu’il s’agit d’attribuer des nombres à des « objets ou événements » — peu importe que ces nombres soient des numéros, des ordinaux ou des nombres réels par exemple. Cette contradiction sur la forme signale une confusion sur le fond : avec la définition de Stevens, le complément d’objet direct du verbe mesurer n’est plus une quantité de grandeur mais la catégorie vague d’aspect d’un objet ou d’un événement1. Par exemple, d’après Stevens, il faudrait dire qu’on mesure la réponse à un item de questionnaire, ce qui n’a rien à voir avec l’hypothèse que la réponse à cet item mesure une quantité psychologique. Il est inutile et ambigu d’utiliser des nombres pour faire des descriptions (et non pas des mesures) nominales ou ordinales : si on utilisait des notations claires (cf. 42a), on serait de fait dans l’impossibilité de calculer des scores psychotechniques, une bonne chose pour la lucidité scientifique des utilisateurs de scores.

Remarque 2. Du point de vue épistémologique, cette définition pose la question de savoir si la mesurabilité d’une grandeur via une technique descriptive donnée est un problème de convention (les règles d’attribution de nombres seraient une affaire de consensus, comme la notation scolaire) ou bien un problème empirique (existe-t-il des faits d’observation qui frapperaient d’incohérence l’affirmation qu’on sache mesurer telle grandeur à l’aide de telle ou telle technique de description des « objets ou événements » ?).

Remarque 3. Dans la mesure où les critères de jugement pour conférer aux nombres utilisés le statut de mesures d’intervalle ou de ratio ne sont pas envisagés (seules les conséquences de ces choix en termes de transformation fonctionnelle sont envisagés), ce qui constitue à proprement parler le problème du mesurage quantitatif (par opposition au mesurage ordinal d’une quantité), on est libre de penser que Stevens ne s’opposait pas à ce qu’on convienne que des nombres soient des mesures d’intervalle. La conséquence d’un tel conventionnalisme est qu’il détruit la différence épistémologique entre une mesure (possible seulement si on suppose une grandeur à mesurer d’une part, et une fonction de mesurage qui formalise un principe causal de mesurage d’autre part) et une évaluation (possible dès qu’on se donne l’échelle de mesure pour coder les descriptions).

Remarque 4. Stevens corrobore ce conventionnalisme lorsqu’il écrit « L’intelligence, par exemple, est utilement évaluée (« assessed » et non pas « measured ») sur des échelles ordinales qui tentent d’approcher des échelles d’intervalle et il n’est pas nécessaire de définir ce que zéro intelligence signifierait » (p. 679). S’il avait appliqué sa propre approche aux scores d’intelligence, Stevens aurait dû reconnaître qu’une échelle de scores n’est pas une échelle nominale des aspects des objets sur lesquels elle se fonde, puisque ces aspects sont décrits dans un ensemble de m-uplets (cf. 20a), que les scores ne permettent pas d’identifier de manière isomporphe (différentes façons de répondre à un test d’intelligence sont identifiées par un même score). Donc ce n’est pas une échelle ordinale parce qu’une échelle ordinale est (condition nécessaire) aussi une échelle nominale.

Les enjeux utilitaires (anthropocentrés) effacent le problème théorético-empirique de mesurage (parce que si l’intelligence était mesurable, ce serait une grandeur mesurable donc une grandeur et alors, la question de la plus petite quantité d’intelligence possible serait une question théoriquement non-négligeable) au profit d’un feu vert pour une convention à usage évaluatif qui permet, grâce à cet « élargissement » du sens du verbe « mesurer », d’emprunter le discours de la mesure.

Références

Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103, 677-680.
Tafreshi, D., Slaney, K. L., & Neufeld, S. D. (2016). Quantification in psychology: Analysis of an unreflective practice. Journal of Theoretical and Philosophical Psychology, 36, 233-249.

Cite this article as: Stéphane Vautier, "40a. Les échelles de mesure : lire Stevens (1946)", in Épistémologie de la psychologie, 12/07/2016, http://epistemo.hypotheses.org/3696.

  1. Je remercie Corentin Gonthier qui m’a suggéré ces précisions. []