Lorsque nous effectuons des recherches en psychologie, nous voulons savoir ce que les gens pensent. Nous voulons connaître la vérité sur leurs pensées et leurs sentiments, afin d’apprendre quelque chose sur la façon dont les humains fonctionnent. Dans un monde idéal, tous les participants donneraient des réponses honnêtes et claires sur leurs pensées les plus intimes – mais nous savons que ce n’est pas toujours le cas.

Les participants vont parfois deviner ce que le chercheur recherche, ou changer leurs réponses ou leurs comportements de différentes manières, selon l’expérience ou l’environnement . C’est ce qu’on appelle le biais du participant, ou biais de réponse, et il peut avoir un impact énorme sur les résultats de la recherche.

Depuis l’aube de la recherche psychologique, l’auto-déclaration a été utilisée pour obtenir des aperçus, et on sait depuis presque aussi longtemps que ce biais du participant peut – et produit souvent – une quantité significative d’erreurs.

Cet article fait partie de notre série sur le biais dans la recherche ! Nous avons également abordé le biais du chercheur et le biais de sélection.

Le biais du participant a généralement été considéré comme le fait que le participant réagit purement à ce qu’il pense que le chercheur désire , mais cela peut également se produire pour des raisons moins apparentes, comme nous pouvons le voir ci-dessous.

L’un des impacts les plus confondants du biais du participant est que les résultats de l’enquête peuvent souvent encore présenter une validité interne (lorsque les conclusions basées sur les résultats semblent correctes). Il peut donc être difficile de déterminer si le biais des participants se produit même, et les tentatives de correction sont finalement entravées davantage.

Comme pour tout ce qui augmente les erreurs dans la recherche, il est clair qu’être à la fois conscient du biais des participants, et contrôler ses effets dès le début de l’expérience, peut être crucial pour le succès scientifique.

Nous allons maintenant passer en revue certaines des façons dont le biais des participants se produit, et ce que nous pouvons faire pour diminuer les effets. Bien sûr, aucune étude ne sera jamais parfaite, mais avec un peu de prudence et de préparation, nous pouvons nous en approcher.

Quel est le biais ? L’effet de désirabilité sociale

L’un des facteurs les plus répandus qui façonnent les réponses des participants est celui de la désirabilité sociale (connu sous le nom de biais de désirabilité sociale). Les participants veulent souvent présenter les meilleures versions d’eux-mêmes, ou du moins une version qui est socialement acceptable. Il peut donc être difficile pour les participants de s’ouvrir véritablement lorsqu’il s’agit de sujets sensibles.

Pensez à une question qui porte sur des sujets sensibles tels que le revenu d’un individu, sa religion ou sa bienveillance. Une pression très réelle existe pour que les participants se conforment à ce qu’ils perçoivent comme étant socialement désirable. Ils peuvent donc déformer leurs réponses en fonction de ce qu’ils croient être le mieux, plutôt que de donner une réponse honnête.

Comment pouvons-nous prévenir cela ?

Il y a un certain nombre de choses qui peuvent être faites pour atténuer les effets du biais de désirabilité sociale.

En s’assurant que les participants savent que leurs données sont vraiment confidentielles, ils seront plus susceptibles de révéler la vérité, même s’ils ne croient pas que cela soit d’une grande désirabilité sociale. En allant plus loin, l’anonymat complet – dans lequel l’expérimentateur ne rencontre jamais le participant – pourrait donner à l’individu un sentiment de sécurité propice à la révélation d’informations particulièrement sensibles.

De plus, il est important que les informations soient présentées sans jugement. Cela concerne tout, de l’annonce de l’étude à la formulation des questions, en passant par la manière dont l’information est traitée par la suite (un chercheur qui traite les sujets sensibles ou tabous avec respect lors de la publication donnera plus de confiance aux participants potentiels à l’avenir également).

La technique de réponse aléatoire

Une méthode ingénieuse pour tenter de contrôler le biais de désirabilité sociale s’appelle la technique de réponse aléatoire. Il s’agit, comme son nom l’indique, de randomiser les réponses. En pratique, cela se fait en disant aux participants de tirer à pile ou face, et de dire « oui » si la pièce tombe sur pile, et de dire la vérité si la pièce tombe sur face (ou quel que soit le côté qui a été déterminé comme étant le côté « vérité » de la pièce).

De cette façon, seul le participant sait s’il dit la vérité (il est bien sûr important que l’expérimentateur ne voit pas les résultats des tirages à pile ou face). Cela offre un niveau de sécurité supplémentaire, car même si les résultats d’un participant étaient révélés ou connus, il serait impossible de savoir lesquelles de ses réponses sont vraies ou non. Cela peut être particulièrement utile si le participant craint des répercussions juridiques pour ses réponses.

Cette méthode nécessite une taille d’échantillon assez importante , et que le nombre de réponses pour « non » (ou le côté « vérité » de la pièce) soit doublé après la collecte des données. Cela est dû à l’hypothèse qu’il existe autant de participants dans le groupe qui devraient dire « non », mais à qui on a dit de dire « oui » malgré tout.

Quel est le biais ? L’effet Halo

Lorsque nous apprécions quelqu’un, nous passons souvent outre ses réticences ou ses défauts, ayant tendance à voir le meilleur en lui. Cela s’applique non seulement aux personnes, mais aussi à nos expériences perçues avec de nombreuses choses dans la vie. Si nous voulons mesurer les pensées d’un individu à propos de quelque chose, nous pouvons anticiper que s’il a une opinion positive de cette chose, il aura également une opinion positive des choses qui y sont associées.

Ce biais fonctionne également dans la direction opposée – l’effet de halo inverse (ou « l’effet diable ») signifie qu’un individu peut mal réagir à quelque chose si celui-ci est déjà associé à une personne, ou une chose, perçue négativement. Cela peut se produire même si un individu aurait une opinion neutre, voire positive, sur le sujet en question s’il était associé à quelque chose ou quelqu’un d’autre.

Ces deux biais sont des exemples d’effets de report cognitif , et ils peuvent avoir un effet énorme sur la façon dont nous percevons le monde.

Comment pouvons-nous prévenir cela ?

Ce biais peut être difficile à contrôler, car les gens ont bien sûr une gamme d’opinions préconçues sur presque tout ce qu’ils rencontrent dans la vie. L’une des façons d’aider à gérer ce biais est d’éviter de façonner les idées ou les expériences des participants avant qu’ils ne soient confrontés au matériel expérimental.

Même en énonçant des détails apparemment inoffensifs, on peut inciter un individu à former des théories ou des pensées qui pourraient biaiser ses réponses ou son comportement. Il est donc important de ne fournir au participant que les informations nécessaires à la tâche à accomplir, et d’éviter les détails superflus.

En outre, avoir un échantillon de grande taille est rarement une mauvaise chose pour une expérience, et dans ce cas, c’est particulièrement utile. Si nous avons un grand nombre de participants, alors nous augmentons la probabilité d’obtenir nos données à partir d’une population mixte qui reflète la population dans son ensemble. Si celle-ci est équilibrée pour les opinions négatives et positives (ou plutôt, est équilibrée proportionnellement à la population naturelle), alors nous pouvons toujours tirer des conclusions de ce groupe.

Quel est le biais ? Yea- and Nay-saying / Acquiescement

Ce biais peut émerger dans les mesures d’auto-évaluation (comme les questionnaires qui sont remplis par le participant), et concerne les participants montrant une propension accrue à répondre par « oui » aux questions « oui » ou « non », ou à simplement répondre par tous les « oui » ou « non » tout au long.

Il y a plusieurs raisons pour lesquelles cet effet peut émerger, du participant visant à perturber la recherche, une tentative de plaire à l’expérimentateur par l’acquiescement, et en raison de la fatigue du participant.

Comment pouvons-nous prévenir cela?

Il y a heureusement plusieurs façons de prévenir et / ou de corriger ce biais. L’une des méthodes les plus simples consiste à s’assurer que les questions sont équilibrées dans leur formulation.

S’assurer qu’il n’y a pas de questions suggestives est important pour toutes les enquêtes, questionnaires ou entretiens, et c’est particulièrement pertinent dans ce cas.

Cela renvoie également au biais de désirabilité sociale – essayez de vous assurer que les questions ne sont pas formulées de manière à ce que le participant pense qu’il a une responsabilité sociale de répondre d’une certaine manière. Cette approche est beaucoup plus susceptible de donner des réponses véridiques.

En outre, équilibrer les questions pour révéler des informations contradictoires peut aider à repérer des modèles de réponses erronées . En pratique, cela signifie fournir des questions formulées de manière opposée tout au long du processus. Ainsi, si l’on demande à un participant « aimez-vous la psychologie ? », il doit également y avoir une question qui demande « n’aimez-vous pas la psychologie ? ». Si le participant a répondu « oui » aux deux questions, alors il peut y avoir un problème avec ses réponses.

En outre, le nombre de questions ne doit pas être supérieur à ce qui est nécessaire – trop de questions augmente le risque d’induire une fatigue du participant, ce qui conduit à des réponses données sans réflexion.

La solution du biocapteur

En plus des étapes ci-dessus, il existe plusieurs façons d’utiliser facilement les biocapteurs pour réduire les effets du biais des participants dans la recherche.

Il est simple d’ajouter un autre contrepoids aux effets trompeurs du biais des participants avec iMotions. Vous pouvez facilement utiliser des biocapteurs pour vous prémunir contre les effets de distorsion, et aussi exécuter l’expérience elle-même à l’intérieur du logiciel. Vous disposez ainsi d’une plateforme tout-en-un pour effectuer des recherches et vous assurer que celles-ci sont aussi exemptes de biais que possible.

Un exemple de ceci est le calcul de l’asymétrie frontale à partir des mesures EEG. Si l’activité des ondes alpha est plus importante dans l’hémisphère gauche du cerveau, par rapport à l’hémisphère droit, le participant est probablement engagé par le stimulus (à l’inverse, l’augmentation de l’activité des ondes alpha de l’hémisphère droit indique un sentiment d’évitement). Cela fournit une métrique d’enthousiasme pour examiner les sentiments d’un participant sur la question à portée de main.

En outre, le suivi des yeux peut être utilisé pour mesurer l’attention, révélant des biais dans la mesure où un participant est intéressé par les stimuli (il y a aussi des recherches encourageantes qui relient la taille de la pupille à la tromperie , fournissant une autre métrique pour découvrir les véritables sentiments du participant). Combiné avec l’analyse de l’expression faciale, nous pouvons commencer à révéler la valence émotionnelle ressentie par le participant.

La force de la recherche psychologique est de connaître autant que
possible les participants. En combinant plusieurs capteurs dans iMotions, les données pour éclairer les décisions sur le biais, et la conclusion, sont facilement obtenues, et facilement comprises. Cela rationalise les étapes vers des résultats robustes, et ajoute plus d’assurances à la validité de la recherche.

L’impact des biais dans la recherche peut être à la fois difficile à prévenir, et délicat à corriger même si les effets sont connus. Garantir et maintenir un haut niveau de fiabilité est cependant un élément central de la recherche. En utilisant les informations ci-dessus, complétées par des biocapteurs, les impacts des biais des participants peuvent être réduits, garantissant que tout ce qui vous reste – est la vérité.

Cet article fait partie de notre série sur les biais dans la recherche ! Nous avons également abordé le biais du chercheur, que vous pouvez lire en cliquant ici, et le biais de sélection, que vous pouvez lire en cliquant ici.

Si vous souhaitez obtenir plus d’informations sur la façon de concevoir l’étude parfaite, alors cliquez ci-dessous pour télécharger notre guide de poche gratuit pour la conception expérimentale, et continuez votre chemin vers le succès expérimental !

McCambridge, J., de Bruin, M., & Witton, J. (2012). Les effets des caractéristiques de la demande sur les comportements des participants à la recherche dans des environnements hors laboratoire : A Systematic Review. Plos ONE, 7(6), e39116. doi : 10.1371/journal.pone.0039116

Gove, W., & Geerken, M. (1977). Biais de réponse dans les enquêtes sur la santé mentale : An Empirical Investigation. American Journal Of Sociology, 82(6), 1289-1317. doi : 10.1086/226466

Greenberg, B., Abul-Ela, A., Simmons, W., & Horvitz, D. (1969). Le modèle de réponse aléatoire à une question non reliée : Theoretical Framework. Journal Of The American Statistical Association, 64(326), 520. doi : 10.2307/2283636

Warner, S. (1965). Randomized Response : Une technique d’enquête pour éliminer le biais des réponses évasives. Journal Of The American Statistical Association, 60(309), 63. doi : 10.2307/2283137

Tourangeau, R., Rasinski, K., Bradburn, N., & D’Andrade, R. (1989). Carryover Effects in Attitude Surveys. Public Opinion Quarterly, 53(4), 495. doi : 10.1086/269169

Knowles, E., & Nathan, K. (1997). La réponse acquiescente dans les auto-rapports : Cognitive Style or Social Concern ? Journal Of Research In Personality, 31(2), 293-301. doi : 10.1006/jrpe.1997.2180

Cronbach, L. (1942). Études de l’acquiescement comme facteur du test vrai-faux. Journal Of Educational Psychology, 33(6), 401-415. doi : 10.1037/h0054677

Dionisio, D., Granholm, E., Hillix, W., & Perrine, W. (2001). Différenciation de la tromperie en utilisant les réponses pupillaires comme un indice de traitement cognitif. Psychophysiologie, 38(2), 205-211. doi : 10.1111/1469-8986.3820205