Skip to content
Retour aux résultats

Conception ex post facto — Recherche a posteriori

Introduite par
Formalized by Fred N. Kerlinger; foundational treatment by Donald T. Campbell and Julian C. Stanley
Année
1960s (systematic codification); concept used in social science from early 20th century
Type
Non-experimental 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

Taille de police

À quoi sert-elle ?

La conception ex post facto est une approche de recherche quantitative non expérimentale dans laquelle le chercheur étudie un phénomène après qu'il s'est déjà produit, en examinant les différences préexistantes entre les groupes pour explorer des relations causales ou associatives potentielles.

Étant donné que la variable indépendante ne peut pas être manipulée — elle s'est produite dans le passé — la conception repose sur une sélection minutieuse des groupes, une collecte de données rétrospective et des contrôles statistiques pour approcher l'inférence causale sans intervention expérimentale.

L’intuition derrière la méthode

Supposons que vous souhaitiez étudier comment les habitudes de lecture dans l'enfance influencent la littératie à l'âge adulte. Vous ne pouvez pas assigner aléatoirement des enfants à des conditions de lecture dans le passé. Au lieu de cela, vous identifiez des adultes qui ont lu beaucoup pendant leur enfance et ceux qui ne l'ont pas fait, puis vous comparez leurs scores de littératie actuels. C'est la logique ex post facto : vous observez un résultat qui s'est déjà produit et vous remontez le temps pour examiner ses antécédents suspectés. La conception est puissante pour étudier des phénomènes qui ne peuvent pas être induits expérimentalement — tels que l'exposition à une maladie, l'historique éducatif ou les événements de vie — mais l'incapacité de randomiser signifie que les affirmations causales doivent toujours être interprétées avec prudence.

Histoire

Le terme « ex post facto » (latin : « après coup ») a été appliqué à la méthodologie de recherche en sciences sociales de manière très influente par Fred N. Kerlinger dans son manuel de 1964 Foundations of Behavioral Research, où il l'a défini comme une enquête empirique systématique dans laquelle le scientifique n'a pas de contrôle direct sur les variables indépendantes parce que leurs manifestations se sont déjà produites. La monographie de Donald T. Campbell et Julian C. Stanley de 1963 sur les conceptions expérimentales et quasi-expérimentales a fourni le cadre pour évaluer les menaces à la validité interne qui continuent de guider l'interprétation des résultats ex post facto. La conception est depuis longtemps centrale en épidémiologie et en recherche éducative, où la manipulation expérimentale des variables clés est impossible.

Quand l’utiliser

Utilisez la conception ex post facto lorsque la variable indépendante s'est déjà produite et ne peut être manipulée éthiquement ou pratiquement — comme un traumatisme passé, une exposition à une maladie, un niveau d'éducation atteint, ou des caractéristiques démographiques. C'est la conception appropriée lorsque le contrôle expérimental véritable est impossible mais qu'une comparaison quantitative de groupes est nécessaire. Elle convient aux questions rétrospectives en éducation, santé, sociologie et psychologie. Ne l'utilisez pas lorsqu'un essai contrôlé randomisé ou une conception quasi-expérimentale est réalisable, car ces conceptions fournissent des preuves causales plus solides. Évitez-la lorsque la source de données rétrospectives est de faible qualité ou lorsque les groupes ne peuvent pas être définis avec une précision raisonnable, car ces conditions limitent sévèrement l'interprétation.

Limites et points d’attention

  • L'absence de randomisation signifie que les variables confondantes ne peuvent être entièrement exclues, rendant les conclusions causales provisoires.
  • Le chercheur ne peut pas contrôler la variable indépendante, de sorte que les groupes peuvent différer sur des caractéristiques non mesurées qui expliquent le résultat.
  • Les données rétrospectives sont vulnérables au biais de rappel, aux dossiers manquants et à l'incohérence des mesures au fil du temps.
  • La direction de la causalité peut être ambiguë — la cause et l'effet présumés peuvent être inversés, ou les deux peuvent être dus à une troisième variable.
  • Les contrôles statistiques (ANCOVA, appariement) réduisent mais n'éliminent pas la confusion ; aucune technique post-hoc ne remplace la véritable randomisation.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Permet l'étude de variables qui ne peuvent être manipulées éthiquement ou pratiquement, y compris les expériences passées, les expositions à la santé et les facteurs démographiques.
  • Utilise des données existantes ou d'archives, ce qui la rend rentable et réalisable pour étudier des événements rares ou de grandes populations.
  • Préserve la validité écologique — la variable indépendante reflète les conditions du monde réel plutôt que des environnements de laboratoire artificiels.
  • Génère des hypothèses et des estimations d'association qui peuvent éclairer la conception d'études prospectives ou expérimentales futures.
  • Convient pour identifier les facteurs de risque et les conditions protectrices en épidémiologie, en éducation et en recherche sur les politiques sociales.

Applications

  • Comparer les résultats scolaires entre les étudiants qui ont fréquenté la maternelle et ceux qui ne l'ont pas fait, en utilisant les données du registre scolaire.
  • Examiner si un historique d'adversité infantile est associé à des résultats de santé mentale chez l'adulte dans une population clinique.
  • Enquêter sur les différences de santé cardiovasculaire entre les fumeurs de longue date et ceux qui n'ont jamais fumé dans une enquête de santé communautaire.
  • Analyser si les enseignants qui ont suivi un programme de formation préalable spécifique présentent des comportements de gestion de classe différents de ceux qui ne l'ont pas fait.
  • Étudier si la participation à des activités extrascolaires au secondaire prédit les taux de rétention universitaire.
  • Explorer les résultats de santé professionnelle chez les travailleurs qui ont été exposés ou non à un produit chimique sur le lieu de travail avant les changements réglementaires.

Comment ça marche

Comment ça marche

1

Le chercheur identifie un résultat d'intérêt (la variable dépendante) et une condition ou caractéristique antécédente suspectée (la variable indépendante) qui s'est déjà produite dans le monde réel. La question de recherche prend généralement la forme : les groupes qui diffèrent sur une caractéristique passée diffèrent-ils aussi systématiquement sur le résultat présent ?

2

Les participants sont assignés à des groupes en fonction de leur statut naturel sur la variable indépendante — par exemple, fumeurs contre non-fumeurs, ou diplômés universitaires contre diplômés de l'enseignement secondaire. Ce regroupement est rétrospectif : le chercheur sélectionne ou classe les participants après que l'expérience définissant le groupe s'est produite. L'appariement sur des variables démographiques clés peut améliorer la comparabilité des groupes.

3

Les données sur la variable indépendante (souvent évaluées via des dossiers, des auto-déclarations ou des documents d'archives) et la variable dépendante (mesurée au moment de l'étude) sont collectées. Les bases de données existantes, les dossiers institutionnels, les registres de cohortes et les enquêtes rétrospectives sont des sources courantes. La qualité des données rétrospectives est une préoccupation méthodologique critique.

4

En l'absence de randomisation, le chercheur doit identifier et contrôler statistiquement les variables confondantes plausibles. Les techniques comprennent l'analyse de covariance (ANCOVA), la régression multiple, l'appariement par score de propension et les analyses stratifiées. Aucune procédure statistique ne reproduit entièrement l'assignation aléatoire, mais le contrôle explicite des facteurs de confusion améliore l'interprétabilité.

5

Les différences entre les groupes sur le résultat sont testées à l'aide de statistiques inférentielles appropriées — tests t pour échantillons indépendants, ANOVA, tests du chi-carré, ou modèles de régression selon le niveau de mesure des variables. Les tailles d'effet (d de Cohen, êta-carré, odds ratios) doivent être rapportées aux côtés des valeurs de signification.

6

Les résultats sont interprétés avec une reconnaissance explicite de la nature non expérimentale de la conception. Les affirmations causales directionnelles nécessitent une justification supplémentaire — précédence temporelle de la variable indépendante, plausibilité biologique ou théorique, et exclusion des explications alternatives. Le chercheur distingue clairement entre association et causalité.

Pièges courants

  • Affirmer la causalité à partir de l'association — les résultats ex post facto établissent que les groupes diffèrent, pas qu'une condition a causé l'autre ; utilisez un langage tel que « associé à » ou « prédit par » plutôt que « causé par ».
  • Ignorer le biais de sélection — les groupes définis rétrospectivement diffèrent souvent sur plusieurs caractéristiques ; l'échec à mesurer et à contrôler ces différences conduit à des conclusions fallacieuses.
  • Mauvaise mesure rétrospective — s'appuyer sur la mémoire des participants pour des événements survenus des années auparavant introduit une erreur systématique ; corroborer avec des archives ou des enregistrements objectifs si possible.
  • Négliger la taille de l'effet — une différence de groupe statistiquement significative dans un grand échantillon peut être trivialement petite en termes pratiques ; rapportez et interprétez toujours la taille de l'effet aux côtés des valeurs p.
  • Traiter la conception comme équivalente à une quasi-expérience — sans collecte de données prospective et une condition de comparaison clairement définie établie avant le résultat, les conceptions ex post facto ont une logique causale plus faible que les conceptions quasi-expérimentales.

Questions fréquentes

La conception ex post facto est-elle la même que la recherche causale-comparative ?

Les termes sont souvent utilisés de manière interchangeable dans la littérature en sciences de l'éducation et en sciences sociales. Les deux impliquent la comparaison de groupes préexistants sur un résultat d'intérêt. Certains méthodologistes considèrent la recherche causale-comparative comme une catégorie plus large qui comprend les études ex post facto, tandis que d'autres utilisent les termes de manière synonyme. La caractéristique clé partagée est que la variable indépendante s'est déjà produite et ne peut pas être manipulée par le chercheur.

Les résultats ex post facto peuvent-ils établir la causalité ?

Pas seuls. Pour étayer une interprétation causale, trois conditions doivent être remplies : la précédence temporelle (la cause présumée a précédé l'effet), la covariation (les groupes diffèrent réellement sur le résultat) et l'élimination des alternatives plausibles (les variables confondantes sont prises en compte). Les conceptions ex post facto peuvent satisfaire les deux premières conditions si la qualité des données rétrospectives est élevée, mais la troisième condition est toujours limitée sans randomisation.

Quelle est la différence entre la conception ex post facto et une étude de cohorte rétrospective ?

Dans une étude de cohorte rétrospective, les chercheurs identifient une cohorte définie exposée à une condition dans le passé et la suivent jusqu'à un résultat, en utilisant des dossiers historiques. La conception ex post facto est similaire en logique mais plus couramment utilisée dans les contextes éducatifs et sociaux, souvent sans cadre de cohorte formel. La distinction est principalement disciplinaire ; les considérations de validité sont largement les mêmes.

Quelles méthodes statistiques sont typiquement utilisées ?

Les comparaisons de groupes utilisent des tests t, ANOVA ou chi-carré selon le niveau de mesure. Lors du contrôle des covariables, l'ANCOVA ou la régression multiple est courante. L'appariement par score de propension est devenu de plus en plus populaire pour réduire le biais de sélection. La régression logistique est utilisée lorsque le résultat est binaire. Toutes les analyses doivent rapporter les intervalles de confiance et les tailles d'effet.

Quand devrais-je choisir une conception longitudinale à la place ?

Si vous pouvez mesurer les participants avant que la variable indépendante ne se produise, puis à nouveau après, une conception longitudinale prospective est préférable car elle établit la précédence temporelle de manière plus convaincante et réduit l'erreur de mesure rétrospective. La conception ex post facto est appropriée lorsque la mesure prospective est impossible — parce que l'événement s'est produit avant le début de l'étude, ou parce qu'il est trop rare ou sensible pour être étudié prospectivement.

Méthodes associées

Sources

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    Ouvrir la référence de la publication
    Copié.
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN : 978-0395307878
    Copié.