Skip to content
Retour aux résultats

Schéma expérimental prétest-posttest

Introduite par
Donald T. Campbell and Julian C. Stanley
Année
1963 (formalized in Campbell & Stanley)
Type
Experimental / quasi-experimental research design
Famille
Experimental 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 ?

Le schéma expérimental prétest-posttest mesure les participants sur la variable de résultat avant et après le traitement, généralement avec une assignation aléatoire aux groupes de traitement et de contrôle.

La différence entre les scores pré- et post-mesure isole l'effet du traitement de la variation de base, faisant de ce schéma l'un des cadres les plus largement utilisés dans la recherche expérimentale et quasi-expérimentale en éducation, psychologie, médecine et sciences sociales.

L’intuition derrière la méthode

Imaginez que vous souhaitiez savoir si une intervention de lecture de six semaines améliore les scores de littératie. Mesurer simplement les scores après le programme est peu fiable — les scores auraient pu augmenter de toute façon en raison de la maturation ou d'effets saisonniers. Le schéma prétest-posttest ajoute une mesure avant le début du programme : vous comparez maintenant l'évolution de chaque groupe, et non leur résultat final. Avec un groupe de contrôle, tout changement commun aux deux groupes (par exemple, la croissance naturelle) s'annule, laissant une estimation de la contribution unique du programme. L'ajout d'une assignation aléatoire élève ce schéma au rang de véritable expérience avec une forte garantie causale.

Histoire

Le schéma prétest-posttest a acquis un traitement méthodologique systématique grâce à la monographie de Donald Campbell et Julian Stanley de 1963, Experimental and Quasi-Experimental Designs for Research, qui a introduit la notation (O1 X O2) et catalogué les menaces à la validité interne. Campbell et Stanley ont distingué le véritable schéma de groupe témoin prétest-posttest (avec randomisation) du schéma quasi-expérimental de groupe unique prétest-posttest, identifiant la vulnérabilité de ce dernier aux menaces d'histoire, de maturation et de test. Shadish, Cook et Campbell ont mis à jour et étendu le cadre en 2002, cimentant la place du schéma comme pierre angulaire de la méthodologie de recherche appliquée.

Quand l’utiliser

Utilisez un schéma prétest-posttest lorsque vous avez besoin d'évaluer le changement au fil du temps dû à une intervention et que les différences individuelles de base sont susceptibles d'introduire du bruit. Il est approprié lorsque l'assignation aléatoire est réalisable (véritable expérience) ou lorsque les scores de prétest sont essentiels pour contrôler les différences de groupe préexistantes dans des contextes quasi-expérimentaux. Ne l'utilisez pas lorsqu'une seule mesure post-seulement est suffisante (par exemple, la variance des résultats entre les individus est négligeable), lorsque le prétest lui-même est susceptible de sensibiliser les participants à l'intervention (menace de test — envisagez plutôt un schéma de quatre groupes de Solomon), ou lorsque seule une période de collecte de données est logistiquement possible.

Limites et points d’attention

  • Le prétest peut sensibiliser les participants au contenu du traitement ou à l'hypothèse du chercheur, gonflant ou dégonflant les scores post-mesure (menace de test).
  • La mortalité/attrition entre le prétest et le posttest peut biaiser les résultats si le dropout est lié à la condition de traitement ou aux scores de base.
  • Sans randomisation, le biais de sélection subsiste : les différences préexistantes entre les groupes peuvent ne pas être entièrement capturées par le score de prétest seul.
  • Régression vers la moyenne : les groupes sélectionnés sur la base de scores de prétest extrêmes auront tendance à se rapprocher de la moyenne au posttest, indépendamment du traitement.

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

Points forts

  • Contrôle les différences individuelles préexistantes, augmentant la puissance statistique par rapport aux schémas posttest-seulement.
  • Permet la mesure directe du changement, qui est souvent la quantité substantiellement significative (par exemple, gain d'apprentissage, réduction des symptômes).
  • Largement compris dans toutes les disciplines et compatible avec de nombreux cadres analytiques (ANCOVA, ANOVA, modélisation multiniveaux).
  • Lorsqu'il est combiné à la randomisation, fournit des preuves causales solides pour l'effet du traitement.
  • Les scores pré- et post-permettent la détection d'un changement différentiel entre sous-groupes (analyse de modération).

Applications

  • Évaluation des interventions éducatives — mesure des gains d'apprentissage avant et après un programme de curriculum, de tutorat ou une technologie pédagogique.
  • Recherche clinique et en santé — évaluation de la réduction des symptômes, de l'amélioration fonctionnelle ou du changement comportemental suite à un traitement médical ou psychologique.
  • Études de formation organisationnelle — mesure des changements de connaissances, de compétences ou d'attitudes chez les employés avant et après un programme de formation.
  • Évaluation des politiques publiques — estimation de l'effet d'un changement de politique ou d'un programme social sur des résultats tels que l'emploi, la santé ou la réussite scolaire.
  • Sciences du sport et de l'exercice — suivi de la condition physique, des performances ou des indicateurs psychologiques au cours d'une intervention d'entraînement structurée.

Comment ça marche

Comment ça marche

1

Tous les participants effectuent une mesure de la variable de résultat (le prétest, O1) avant que tout traitement ne soit introduit. Cette mesure de référence sert trois objectifs : elle confirme l'équivalence des groupes au départ (surtout lorsqu'elle est combinée à la randomisation), permet le calcul des scores de changement, et augmente la puissance statistique en contrôlant les différences individuelles.

2

Les participants sont assignés aléatoirement au groupe de traitement ou au groupe de contrôle (ou de comparaison). L'assignation aléatoire est ce qui distingue une véritable expérience prétest-posttest d'une variante quasi-expérimentale. Sans randomisation, les différences préexistantes entre les groupes menacent l'inférence causale, et le schéma est quasi-expérimental.

3

Le groupe de traitement reçoit l'intervention tandis que le groupe de contrôle reçoit soit aucune intervention, soit un placebo, soit le traitement habituel. La durée et la fidélité de la dispensation du traitement doivent être standardisées et documentées pour assurer la validité interne.

4

Après la période d'intervention, tous les participants effectuent à nouveau la même mesure de résultat (le posttest, O2). L'intervalle entre le prétest et le posttest doit être suffisamment long pour que le traitement produise son effet, mais pas trop long pour que des événements historiques ou l'attrition ne confondent gravement les résultats.

5

L'analyse principale calcule le changement du prétest au posttest pour chaque groupe et teste si le changement du groupe de traitement est significativement plus important que le changement du groupe de contrôle. Les approches analytiques courantes comprennent l'analyse de covariance (ANCOVA) avec le prétest comme covariable, les tests t pour échantillons appariés au sein de chaque groupe, ou l'ANOVA à mesures répétées avec modèles mixtes.

Pièges courants

  • Analyser les scores de posttest sans ajustement pour le prétest — cela écarte l'information fournie par le prétest et réduit la puissance ; utilisez l'ANCOVA avec le prétest comme covariable plutôt qu'une simple comparaison posttest.
  • Utiliser un instrument de prétest qui n'est pas la même mesure que le posttest, rendant les scores de changement ininterprétables ; les deux vagues doivent utiliser des formes identiques ou strictement parallèles de la mesure de résultat.
  • Ignorer la menace de test dans des contextes sensibles (par exemple, enquêtes d'attitude, tests de connaissances avec des items transparents) — si le prétest modifie plausiblement les participants, envisagez un schéma de quatre groupes de Solomon.
  • Traiter le schéma prétest-posttest comme automatiquement causal sans randomisation — dans les versions quasi-expérimentales, des facteurs de confusion non mesurés peuvent encore expliquer la différence de changement observée.
  • Appliquer des scores de gain bruts (O2 - O1) comme variable dépendante en régression — cette approche a des problèmes psychométriques connus ; l'ANCOVA ou les scores de changement résidualisés sont préférables.

Questions fréquentes

Dois-je utiliser l'ANCOVA ou un test t apparié pour analyser les données prétest-posttest ?

L'ANCOVA avec le prétest comme covariable est généralement préférée pour les comparaisons intergroupes car elle élimine la variance du prétest du terme d'erreur, augmentant la puissance, et ajuste tout déséquilibre résiduel de base. Un test t apparié au sein d'un groupe est approprié pour une vérification pré-post d'un seul groupe mais ne peut isoler l'effet du traitement de la maturation ou de l'histoire. Évitez d'utiliser les scores de gain bruts (post moins pré) comme variable dépendante en ANCOVA — entrez le prétest et le posttest comme variables séparées.

Qu'est-ce que la menace de test et quand est-elle pertinente ?

La menace de test survient lorsque l'acte de compléter le prétest modifie les participants — par exemple, en les alertant sur les résultats valorisés, en répétant les items du test, ou en réduisant l'anxiété lors du posttest. Elle est plus pertinente lorsque l'instrument de mesure est un test de connaissances au contenu transparent, ou lorsque les participants sont susceptibles de réfléchir à leurs réponses au prétest ou de les discuter avant le posttest. Si cela constitue une préoccupation sérieuse, ajoutez deux groupes non pré-testés en utilisant le schéma de quatre groupes de Solomon.

Le schéma prétest-posttest est-il quasi-expérimental ou expérimental ?

Il peut être l'un ou l'autre. Avec une assignation aléatoire aux groupes de traitement et de contrôle, il s'agit d'une véritable expérience (le schéma classique de groupe témoin prétest-posttest de Campbell & Stanley). Sans randomisation — par exemple, lorsque des classes intactes ou des groupes existants sont comparés — il s'agit d'un schéma quasi-expérimental et il est soumis à des menaces plus importantes pour la validité interne, y compris le biais de sélection.

Quelle doit être la durée de l'intervalle entre le prétest et le posttest ?

L'intervalle doit être suffisamment long pour que l'intervention produise son effet attendu, mais pas si long que les effets d'histoire, l'attrition ou les changements développementaux non liés au traitement rendent les scores de changement difficiles à interpréter. Il n'y a pas de règle universelle ; l'intervalle approprié est déterminé par la théorie du changement sous-jacente à l'intervention et les preuves antérieures sur le calendrier des effets.

Puis-je ajouter plus de points temporels à un schéma prétest-posttest ?

Oui — ajouter une ou plusieurs mesures de suivi produit un schéma à mesures répétées ou longitudinal, qui peut révéler si les effets du traitement persistent, s'estompent ou s'amplifient au fil du temps. Cette extension est parfois appelée schéma prétest-posttest-suivi. Les approches analytiques comprennent l'ANOVA à modèles mixtes ou la modélisation de courbes de croissance.

Méthodes associées

Sources

  1. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    Ouvrir la référence de la publication
    Copié.
  2. Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.

    ISBN : 978-0395615560
    Copié.