Méthode d'échantillonnage de l'expérience mobile — ESM via smartphone
- Introduite par
- Mihaly Csikszentmihalyi & Reed Larson
- Année
- 1983–1987
- Type
- Intensive longitudinal data collection technique
- Famille
- Data collection
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
La méthode d'échantillonnage de l'expérience mobile (ESM) collecte des auto-déclarations répétées et horodatées auprès des participants dans leur environnement naturel à l'aide d'une application pour smartphone.
En signalant les participants plusieurs fois par jour sur des jours ou des semaines, les chercheurs capturent les états psychologiques, les comportements et les contextes au fur et à mesure qu'ils se produisent — éliminant ainsi les biais rétrospectifs et révélant des dynamiques intra-individuelles que les enquêtes à session unique ne peuvent pas détecter.
L’intuition derrière la méthode
Les enquêtes traditionnelles demandent « Comment vous êtes-vous senti cette semaine ? » et s'appuient sur une mémoire imparfaite. L'ESM mobile envoie plutôt de courtes invites au téléphone d'un participant plusieurs fois par jour — comme un SMS disant « Que faites-vous en ce moment ? Comment vous sentez-vous ? » — et collecte les réponses au moment présent. Au fil de nombreux signaux et de nombreux jours, le chercheur dresse un tableau dense de la façon dont l'humeur, le comportement ou le contexte fluctuent et varient dans la vie réelle. Le téléphone mobile rend cela réalisable à grande échelle ; la conception à mesures répétées rend les informations écologiquement valides et précises.
Histoire
La méthode d'échantillonnage de l'expérience a été introduite par Mihaly Csikszentmihalyi et Reed Larson au début des années 1980, utilisant initialement des bipeurs électroniques pour signaler les participants. Leur article de 1987 dans le Journal of Nervous and Mental Disease a établi la fiabilité et la validité de l'approche. Le terme Évaluation Écologique Momentanée, soulignant les applications cliniques et de santé, a été popularisé par Saul Shiffman et Arthur Stone dans les années 1990. L'adoption généralisée des smartphones après 2008 a transformé l'ESM d'un outil logistiquement exigeant en laboratoire en une méthode de collecte de données mobiles évolutive, donnant naissance à la variante ESM mobile avec ses écosystèmes d'applications dédiés.
Quand l’utiliser
L'ESM mobile est la méthode de choix lorsque la question de recherche concerne la fluctuation intra-individuelle, le contexte en temps réel ou la validité écologique des construits psychologiques ou comportementaux. Elle est particulièrement précieuse pour étudier l'humeur, le stress, la consommation de substances, les interactions sociales ou les symptômes dans la vie quotidienne. Utilisez-la lorsque l'auto-déclaration rétrospective est susceptible d'être biaisée par la mémoire ou la désirabilité sociale. Ne l'utilisez pas lorsque la population ne peut pas utiliser un smartphone de manière fiable, lorsque seules les différences inter-individuelles sont d'intérêt (une enquête standard suffit), ou lorsque la durée de l'étude requise dépasse la tolérance du participant.
Limites et points d’attention
- Forte charge pour le participant — répondre à plusieurs invites quotidiennes pendant des semaines peut provoquer de la fatigue et de l'abandon.
- Nécessite une expertise en analyse multiniveau ; les modèles de régression standard sont inappropriés pour les données ESM imbriquées.
- Réactivité au signal : l'acte de signaler aux participants peut lui-même altérer le construit mesuré.
- La perte de données due aux réponses manquées est non aléatoire et peut biaiser les résultats si elle n'est pas traitée avec soin.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Capture les dynamiques intra-individuelles et le contexte en temps réel que les enquêtes transversales manquent entièrement.
- Élimine le biais de mémoire rétrospective — les données sont collectées au moment de l'expérience ou à proximité.
- Haute validité écologique : les résultats reflètent le comportement et l'affect dans des contextes naturels plutôt que dans des conditions de laboratoire artificielles.
- Les smartphones permettent l'augmentation passive des données (GPS, accéléromètre) sans charge supplémentaire pour le participant.
- Permet la séparation des effets stables au niveau des traits des effets transitoires au niveau des états grâce à l'analyse multiniveau.
Applications
- Suivi des fluctuations quotidiennes de l'humeur dépressive, de l'anxiété ou des symptômes psychotiques dans la recherche en psychologie clinique et en psychiatrie.
- Étude de la consommation de substances, des envies et des déclencheurs de rechute dans la recherche sur les dépendances en capturant les antécédents en temps réel.
- Mesure de l'activité physique, du comportement sédentaire et des choix alimentaires en santé publique et en médecine comportementale.
- Examen de la qualité des interactions sociales, de la solitude et de la régulation des émotions dans les contextes interpersonnels quotidiens.
- Évaluation de l'engagement au travail, du stress et de la récupération dans la recherche sur la santé au travail tout au long de la journée de travail.
- Capture des comportements d'apprentissage, de la motivation et du contexte dans des études de psychologie de l'éducation en dehors de la salle de classe.
Comment ça marche
Comment ça marche
Le chercheur définit le protocole de l'étude : les construits à mesurer (par exemple, humeur, stress, activité), le calendrier des signaux (aléatoire dans des intervalles fixes, heure fixe ou contingent à un événement), le nombre de signaux quotidiens (typiquement 4 à 10) et la durée de l'étude (typiquement 7 à 30 jours). Des questionnaires brefs et peu contraignants — généralement 5 à 15 items par invite — sont préparés pour s'adapter à la fenêtre de réponse (couramment 2 à 10 minutes).
Les participants sont recrutés et intégrés à l'aide d'une application dédiée à l'ESM mobile (par exemple, m-Path, Experience Sampler ou des versions personnalisées). Ils remplissent des mesures de base et reçoivent une formation sur la procédure de réponse. Les attentes en matière de conformité et les arrangements de confidentialité des données sont communiqués explicitement.
À chaque point temporel programmé, l'application envoie une notification. Le calendrier des signaux peut être (a) aléatoire par intervalle : invites délivrées à des moments imprévisibles dans des fenêtres fixes afin que les participants ne puissent pas anticiper et préparer leurs réponses ; (b) fixe par intervalle : invites aux mêmes heures chaque jour ; ou (c) contingent à un événement : initié par le participant après qu'un événement prédéfini se soit produit.
Le participant ouvre l'application et remplit le bref questionnaire. Les réponses sont horodatées et, éventuellement, augmentées de données de capteurs passifs (localisation GPS, accéléromètre, utilisation de l'écran). Les chercheurs surveillent les taux de conformité en temps réel ; un taux de conformité supérieur à 70-75 % est généralement considéré comme adéquat pour l'analyse.
Les données sont compilées dans une structure multiniveau : observations imbriquées dans des personnes, qui sont souvent davantage imbriquées dans des jours. La modélisation multiniveau (MLM) ou la modélisation d'équations structurelles dynamiques (DSEM) est utilisée pour décomposer la variabilité intra-individuelle des différences inter-individuelles, estimer les associations retardées et tester les modérateurs au niveau individuel.
Pièges courants
- Trop d'items par invite : dépasser 15 items réduit considérablement les taux de conformité ; gardez les invites courtes et ciblées.
- Ignorer la non-conformité : analyser uniquement les réponses complétées sans vérifier si les données manquantes sont systématiques peut introduire un biais sérieux.
- Utiliser une analyse à niveau unique sur des données multiniveaux : appliquer une régression ordinaire à des données ESM gonfle les taux d'erreur de type I ; des modèles multiniveaux sont requis.
- Négliger les effets de l'heure de la journée : l'humeur et le comportement varient systématiquement au cours de la journée ; les modèles devraient inclure des contrôles temporels ou des covariables intra-journalières.
- Conceptions sous-dimensionnées : l'ESM nécessite un nombre suffisant de signaux par personne ET un nombre suffisant de personnes ; consultez les logiciels d'analyse de puissance (par exemple, PANGEA) avant de finaliser le protocole.
Questions fréquentes
Combien de signaux par jour et combien de jours sont typiques ?
La plupart des études ESM utilisent 4 à 10 signaux par jour sur 7 à 14 jours, produisant 40 à 140 observations par participant. Moins de signaux réduisent la puissance statistique pour les estimations intra-individuelles ; plus de signaux augmentent la charge pour le participant et l'attrition. Des outils d'analyse de puissance tels que PANGEA sont recommandés pour déterminer la conception optimale.
Quelle est la différence entre ESM, EMA et la méthode du journal quotidien ?
Ces termes se chevauchent considérablement. L'ESM (Csikszentmihalyi) utilise généralement une signalisation aléatoire par intervalle et met l'accent sur la capture en temps réel de l'expérience. L'EMA (Shiffman/Stone) est le terme préféré dans le domaine clinique-santé et comprend des conceptions aléatoires par intervalle et contingentes à un événement. Les études de journal quotidien utilisent un seul rapport de fin de journée plutôt que plusieurs invites intra-journalières. L'ESM mobile désigne spécifiquement la diffusion via une application de smartphone, permettant l'augmentation passive des capteurs.
Un taux de conformité de 60 % est-il acceptable ?
Une conformité inférieure à 70 % est généralement considérée comme un risque pour la qualité des données. Plus important encore, la non-conformité qui est systématiquement liée au construit étudié biaise les estimations. Examinez toujours les modèles de conformité par heure de la journée, jour de l'étude et caractéristiques du participant avant de procéder à l'analyse principale.
Quel modèle statistique dois-je utiliser pour analyser les données ESM ?
La modélisation multiniveau (MLM), également appelée modélisation linéaire hiérarchique, est l'approche standard car elle gère correctement la non-indépendance des observations répétées au sein des personnes. Pour les associations dynamiques et retardées, la modélisation d'équations structurelles dynamiques (DSEM) est de plus en plus utilisée. La régression OLS standard n'est pas appropriée pour les données ESM.
Quelles applications ESM mobiles sont couramment utilisées dans la recherche ?
Les plateformes largement utilisées comprennent m-Path (KU Leuven), Experience Sampler (open source) et iESP. Des plateformes commerciales telles que MetricWire et LifeData sont également utilisées. Le choix dépend du budget, des capacités de détection passive requises et de l'importance de l'auditabilité open source.
Méthodes associées
Sources
Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.
Ouvrir la référence DOICopié.Shiffman, S., Stone, A. A., & Hufford, M. R. (2008). Ecological momentary assessment. Annual Review of Clinical Psychology, 4, 1–32.
Ouvrir la référence DOICopié.