3.3 Le cadre d'erreur d'enquête totale

Total de l' enquête error = représentation erreurs + erreurs de mesure.

Les estimations provenant d'enquêtes par sondage sont souvent imparfaites. Autrement dit, il y a habituellement une différence entre l'estimation produite par une enquête par sondage (p. Ex. La taille moyenne estimée des élèves dans une école) et la véritable valeur de la population (p. Ex. Parfois, ces erreurs sont si petites qu'elles sont sans importance, mais parfois, malheureusement, elles peuvent être importantes et conséquentes. Dans le but de comprendre, de mesurer et de réduire les erreurs, les chercheurs ont progressivement créé un cadre conceptuel global unique pour les erreurs qui peuvent survenir dans les enquêtes par sondage: le cadre d'erreur total de l'enquête (Groves and Lyberg 2010) . Bien que le développement de ce cadre ait commencé dans les années 1940, je pense qu'il nous offre deux idées utiles pour la recherche par sondage à l'ère numérique.

Premièrement, le cadre d'erreur de l'enquête complète précise qu'il existe deux types d'erreurs: le biais et la variance . En gros, le biais est une erreur systématique et la variance est une erreur aléatoire. En d'autres termes, imaginez 1 000 répétitions de la même enquête, puis examinez la distribution des estimations à partir de ces 1 000 répétitions. Le biais est la différence entre la moyenne de ces estimations répétées et la valeur réelle. La variance est la variabilité de ces estimations. Toutes choses égales par ailleurs, nous aimerions une procédure sans biais et sans petite variance. Malheureusement, pour de nombreux problèmes réels, des procédures de faible variance n'existent pas, ce qui met les chercheurs dans la position difficile de décider comment équilibrer les problèmes introduits par le biais et la variance. Certains chercheurs préfèrent instinctivement les procédures non biaisées, mais une focalisation sur le biais peut être une erreur. Si le but est de produire une estimation aussi proche que possible de la vérité (c.-à-d. Avec la plus petite erreur possible), alors vous pourriez être mieux avec une procédure qui a un petit biais et une petite variance qu'avec celle qui est non biaisé mais a une variance importante (figure 3.1). En d'autres termes, le cadre d'erreur d'enquête totale montre que lors de l'évaluation des procédures de recherche par sondage, vous devez tenir compte à la fois du biais et de la variance.

Figure 3.1: Biais et variance. Idéalement, les chercheurs auraient une procédure d'estimation sans biais et à faible variance. En réalité, ils doivent souvent prendre des décisions qui créent un compromis entre biais et variance. Bien que certains chercheurs préfèrent instinctivement des procédures non biaisées, parfois une procédure de petite variance à biais faible peut produire des estimations plus précises qu'une procédure non biaisée présentant une variance élevée.

Figure 3.1: Biais et variance. Idéalement, les chercheurs auraient une procédure d'estimation sans biais et à faible variance. En réalité, ils doivent souvent prendre des décisions qui créent un compromis entre biais et variance. Bien que certains chercheurs préfèrent instinctivement des procédures non biaisées, parfois une procédure de petite variance à biais faible peut produire des estimations plus précises qu'une procédure non biaisée présentant une variance élevée.

Le deuxième principal aperçu du cadre d'erreur totale d'enquête, qui organisera une grande partie de ce chapitre, est qu'il ya deux sources d'erreurs: les problèmes liés à qui vous parlez (représentation) et les problèmes liés à ce que vous apprenez de ces conversations (mesure ). Par exemple, vous pourriez être intéressé par l'estimation des attitudes concernant la vie privée en ligne chez les adultes vivant en France. Faire ces estimations nécessite deux types d'inférence différents. Tout d'abord, à partir des réponses données par les répondants, vous devez déduire leurs attitudes à propos de la vie privée en ligne (qui est un problème de mesure). Deuxièmement, à partir des attitudes inférées parmi les répondants, vous devez inférer les attitudes dans la population dans son ensemble (ce qui est un problème de représentation). Un échantillonnage parfait avec de mauvaises questions d'enquête produira de mauvaises estimations, tout comme un mauvais échantillonnage avec des questions d'enquête parfaites. En d'autres termes, de bonnes estimations exigent des approches saines de la mesure et de la représentation. Compte tenu de ce contexte, j'examinerai comment les chercheurs du sondage ont pensé à la représentation et à la mesure dans le passé. Ensuite, je montrerai comment les idées sur la représentation et la mesure peuvent guider la recherche par sondage sur l'âge numérique.