Recherche confirmatrice — Conception quantitative de test de théorie
- Introduite par
- Karl Popper (falsificationism); formalized in behavioral sciences by Paul Meehl and others
- Année
- 1934 (Popper); widely adopted in social sciences from 1960s onward
- Type
- Quantitative research design
- Famille
- Survey / observational design
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
La recherche confirmatrice est une conception quantitative déductive dans laquelle le chercheur spécifie des hypothèses dérivées de la théorie existante avant la collecte des données, puis teste si les données soutiennent ou réfutent ces hypothèses.
Contrairement aux approches exploratoires qui génèrent des idées à partir des données, la recherche confirmatrice commence par un cadre théorique établi, pré-enregistre les prédictions et applique des tests statistiques pour évaluer ces prédictions par rapport aux preuves empiriques. Elle constitue l'épine dorsale de la recherche en sciences sociales, comportementales et de la santé axée sur les hypothèses.
L’intuition derrière la méthode
Considérez la recherche confirmatrice comme ayant un verdict de tribunal prêt avant le début du procès — sauf que le « verdict » est une hypothèse précisément énoncée dérivée de la théorie antérieure, et non un préjugé. Le chercheur dit : « La théorie X prédit que A est positivement lié à B. Je vais collecter des données et tester cette affirmation. » L'étude est alors conçue pour donner à cette prédiction une chance équitable d'être falsifiée. Si les données sont cohérentes avec la prédiction, la théorie reçoit un soutien empirique ; sinon, la théorie doit être révisée. Ce critère de falsifiabilité, introduit par Karl Popper, est ce qui sépare la science confirmatoire de la simple spéculation.
Histoire
Le fondement philosophique de la recherche confirmatrice réside dans le falsificationnisme de Karl Popper, articulé dans Logik der Forschung (1934 ; traduit par The Logic of Scientific Discovery, 1959), qui soutenait que les hypothèses scientifiques doivent pouvoir être réfutées par des preuves empiriques. Ce principe a été opérationnalisé en sciences sociales par les statistiques de test d'hypothèses de Neyman-Pearson et par les appels à la réplication de méthodologistes tels que Paul Meehl et Jacob Cohen dans les années 1960-1990. La crise de la réplication des années 2010 a intensifié l'attention portée à la pré-inscription comme mécanisme d'application pratique de la logique confirmatrice.
Quand l’utiliser
Utilisez la recherche confirmatrice lorsqu'une théorie ou un modèle spécifique existe déjà et que vous souhaitez évaluer ses prédictions par rapport à de nouvelles preuves empiriques — par exemple, tester si une intervention validée réduit l'anxiété dans une nouvelle population, ou si un modèle structurel d'engagement organisationnel tient dans un contexte culturel différent. Elle nécessite un échantillon suffisamment grand (déterminé par une analyse de puissance a priori, généralement N >= 80–100 pour des effets moyens), des résultats quantitatifs et des hypothèses clairement falsifiables formulées avant la collecte des données. N'utilisez pas la conception confirmatrice lorsque vous manquez de base théorique préalable pour vos hypothèses, lorsque les construits ne sont pas encore opérationnalisés avec des mesures validées, ou lorsque l'objectif est de générer plutôt que de tester des idées — dans ces cas, les conceptions exploratoires ou descriptives sont plus appropriées.
Limites et points d’attention
- Nécessite un cadre théorique bien développé ; ne peut pas remplacer le travail exploratoire lorsque le domaine est mal compris.
- Une seule étude confirmatrice fournit rarement une preuve définitive — la réplication est nécessaire avant de tirer des conclusions solides.
- Les résultats sont limités par la validité des opérationnalisations et la représentativité de l'échantillon.
- Le respect strict des protocoles de pré-inscription exige de la discipline ; les déviations non divulguées sapent la revendication confirmatoire.
- Le cadre de test d'hypothèse binaire (rejeter / ne pas rejeter) peut masquer la nature continue de l'accumulation des preuves.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Fournit la preuve la plus solide pour ou contre une affirmation théorique spécifique lorsque la pré-inscription est maintenue.
- Les hypothèses et les plans d'analyse pré-spécifiés éliminent de nombreuses préoccupations relatives aux degrés de liberté qui gonflent les taux de faux positifs.
- S'aligne sur les normes de science ouverte et de reproductibilité de plus en plus exigées par les revues et les organismes de financement.
- Permet l'accumulation de connaissances par réplication directe sur des études indépendantes.
- L'analyse de puissance statistique garantit que l'étude est suffisamment dimensionnée pour détecter l'effet attendu.
Applications
- Tester si une intervention dérivée théoriquement (par exemple, un protocole de thérapie cognitivo-comportementale) réduit la sévérité des symptômes dans un échantillon clinique.
- Évaluer si un modèle d'équations structurelles de la satisfaction au travail se réplique dans un nouveau contexte national ou culturel.
- Confirmer la structure factorielle prédite d'une échelle psychologique dans un échantillon de validation indépendant à l'aide d'une analyse factorielle confirmatoire (AFC).
- Évaluer si une variable médiatrice pré-spécifiée (par exemple, l'auto-efficacité) transmet l'effet d'un traitement sur un résultat.
- Répliquer une corrélation publiée entre deux construits dans une nouvelle population pour évaluer la généralisabilité d'une découverte existante.
- Tester une intervention pharmacologique ou éducative par rapport à une condition de contrôle avec des résultats et une analyse pré-enregistrés sur un registre d'essais cliniques ou de science ouverte.
Comment ça marche
Comment ça marche
Le chercheur commence par un cadre théorique établi et en dérive une ou plusieurs hypothèses précises et falsifiables. Chaque hypothèse énonce une direction ou une ampleur attendue d'une relation ou d'une différence avant toute collecte de données. La pré-inscription des hypothèses (sur des plateformes telles que OSF ou AsPredicted) est de plus en plus exigée pour empêcher la re-labellisation post-hoc des résultats exploratoires comme étant confirmatoires.
Chaque construit théorique est traduit en variables mesurables à l'aide d'instruments, d'échelles ou d'opérationnalisations validés. La stratégie d'échantillonnage, la taille de l'échantillon (déterminée par une analyse de puissance a priori), les procédures de collecte de données et les tests statistiques à utiliser sont tous spécifiés à l'avance. Cette pré-spécification est ce qui sépare formellement une étude confirmatrice d'une étude exploratoire.
Les données sont recueillies conformément au protocole pré-spécifié — généralement par des enquêtes standardisées, des observations structurées ou l'extraction de jeux de données secondaires. Le respect strict du protocole est essentiel ; les déviations doivent être documentées et rapportées pour préserver le caractère confirmatoire de l'étude.
Le test statistique pré-spécifié est appliqué (par exemple, test t, ANOVA, régression, modélisation par équations structurelles). Le résultat est évalué par rapport à la règle de décision pré-établie — généralement un niveau alpha fixé a priori (couramment .05, ou .01 pour des affirmations confirmatoires plus strictes). Les tailles d'effet et les intervalles de confiance sont rapportés aux côtés des valeurs p pour transmettre la signification pratique.
Le chercheur tire des conclusions quant à savoir si les données soutiennent ou n'ont pas réussi à soutenir chaque hypothèse. Un échec à rejeter le nul ne confirme pas le nul ; il indique une preuve insuffisante pour l'alternative. Les conclusions sont limitées par la conception de l'étude, l'échantillon et les opérationnalisations. Les découvertes confirmatoires authentiques, répliquées sur des échantillons indépendants, portent le poids probant le plus fort.
Pièges courants
- HARKing (Hypothesizing After Results are Known) — présenter des résultats exploratoires post-hoc comme s'il s'agissait d'hypothèses confirmatoires pré-spécifiées gonfle les taux de faux positifs et est considéré comme une forme de mauvaise conduite scientifique.
- Conceptions sous-dimensionnées — ne pas effectuer d'analyse de puissance a priori entraîne des études qui ne peuvent pas détecter de manière fiable les effets réels, conduisant à des résultats nuls ambigus qui ne sont pas informatifs.
- Interprétation erronée d'un résultat non significatif comme confirmation de l'hypothèse nulle — une valeur p supérieure à alpha signifie seulement que les preuves de l'alternative étaient insuffisantes, pas que le nul est vrai.
- Utilisation de mesures non validées ou ad hoc — les conclusions confirmatoires sur les construits théoriques ne sont aussi solides que la validité des instruments utilisés pour les opérationnaliser.
- Réalisation de plusieurs analyses non planifiées tout en ne rapportant que celles qui sont significatives — il s'agit de p-hacking et cela détruit la logique inférentielle de la conception confirmatrice.
Questions fréquentes
Quelle est la différence entre la recherche confirmatrice et la recherche exploratoire ?
La recherche exploratoire génère des hypothèses ou des modèles à partir des données lorsque le domaine est mal compris ; la recherche confirmatrice teste des hypothèses dérivées de la théorie antérieure par rapport à de nouvelles données. La principale distinction formelle est le moment : dans la recherche confirmatrice, les hypothèses et les plans d'analyse sont entièrement spécifiés avant la collecte des données ; dans la recherche exploratoire, ils émergent pendant ou après l'analyse. Les deux remplissent des rôles importants, mais seuls les tests confirmatoires pré-spécifiés contrôlent le taux de faux positifs au niveau alpha déclaré.
La pré-inscription est-elle obligatoire pour la recherche confirmatrice ?
Strictement parlant, la pré-inscription est le mécanisme qui rend une étude vérifiablement confirmatoire plutôt que simplement étiquetée comme telle. Sans pré-inscription horodatée et publiquement accessible, les lecteurs ne peuvent pas distinguer les hypothèses pré-spécifiées des rationalisations post-hoc. De nombreuses revues, en particulier en psychologie et en médecine, exigent désormais la pré-inscription pour les affirmations confirmatoires. Les plateformes comprennent les Registres OSF, AsPredicted et ClinicalTrials.gov.
Puis-je effectuer des analyses à la fois confirmatoires et exploratoires dans la même étude ?
Oui — c'est courant et légitime, mais les deux types d'analyses doivent être clairement distingués dans le rapport. Les analyses pré-spécifiées sont étiquetées comme confirmatoires et interprétées avec le niveau alpha déclaré. Les analyses supplémentaires effectuées après avoir examiné les données sont étiquetées comme exploratoires, leurs résultats sont traités comme générateurs d'hypothèses plutôt que comme testeurs d'hypothèses, et ils nécessitent une réplication avant que des conclusions solides ne soient tirées.
Quelle taille d'échantillon me faut-il pour une étude confirmatrice ?
La taille de l'échantillon doit être déterminée par une analyse de puissance a priori avant la collecte des données, en fonction de la plus petite taille d'effet qui serait théoriquement significative, de la puissance souhaitée (conventionnellement .80 ou .90) et du niveau alpha. Pour un effet moyen (d de Cohen = 0,50 ou r = 0,30) avec une puissance de 0,80 et un alpha de 0,05, les exigences typiques sont d'environ 50 à 130 participants selon le test. L'utilisation d'un jeu de données existant pour justifier la taille de l'échantillon post hoc n'est pas une pratique confirmatrice.
Une étude confirmatrice prouve-t-elle une théorie ?
Aucune étude unique ne prouve une théorie. Une étude confirmatrice peut fournir des preuves cohérentes avec les prédictions d'une théorie, mais la preuve nécessite des preuves convergentes à travers de multiples études indépendantes utilisant des opérationnalisations, des échantillons et des conceptions variés. Le cadre de Popper soutient que les théories ne peuvent être que corroborées ou falsifiées, pas prouvées — l'objectif est l'accumulation de preuves réplicables et falsifiables au fil du temps.
Méthodes associées
Sources
Popper, K. R. (1959). The Logic of Scientific Discovery. Hutchinson.
ISBN : 978-0415278447Copié.Kline, R. B. (2013). Beyond Significance Testing: Statistics Reform in the Behavioral Sciences (2nd ed.). American Psychological Association.
ISBN : 978-1433812378Copié.