tout d’abord, examinons la différence entre votre population et votre échantillon, car de nombreux étudiants confondent souvent ces termes. Votre échantillon est le groupe de personnes qui participent à votre étude. Ce sont les personnes qui fournissent les données pour votre étude. Votre population est le groupe plus large de personnes auquel vous essayez de généraliser vos résultats. Ainsi, par exemple, si vous vouliez déterminer la relation entre la gratitude et la satisfaction au travail chez les biologistes de requins, votre échantillon pourrait être composé de 30 à 40 biologistes de requins individuels., Votre population pourrait être « biologistes des requins aux États-Unis », ou, si la portée de votre étude était plus étroite, » biologistes des requins en Floride. »
un échantillon représentatif est un échantillon qui représente, reflète ou” est comme » votre population. Un échantillon représentatif devrait être un reflet impartial de ce qu’est la population. Il existe de nombreuses façons d’évaluer la représentativité—sexe, âge, statut socio-économique, profession, éducation, maladie chronique, même personnalité ou possession d’animaux de compagnie., Tout dépend des détails que vous souhaitez obtenir, de la portée de votre étude et des informations disponibles sur votre population.
donc, si la plupart des biologistes de requins de la population sont des femmes, mais que votre échantillon est entièrement masculin, vous n’avez pas de bonnes raisons de représentativité car votre échantillon ne partage pas les mêmes caractéristiques que la population plus importante. Dans ce cas, vous ne pouvez pas généraliser les résultats de votre étude à la population (c.-à-d. faire une déclaration plus large sur les biologistes des requins en fonction de vos résultats), car votre échantillon présente des différences majeures par rapport à votre population.,
Le manque de représentativité provient souvent d’erreurs d’échantillonnage ou de biais. Un exemple d’erreur d’échantillonnage serait de mener une enquête sur le nombre de personnes qui mangent des produits laitiers en recrutant des participants de votre café végétalien populaire local. Un autre exemple serait d’étudier les habitudes de consommation d’alcool des étudiants, mais seulement d’échantillonnage de membres des fraternités. Dans ces exemples, il est facile de voir comment les caractéristiques des échantillons peuvent potentiellement biaiser les résultats.
alors, comment éviter les erreurs d’échantillonnage et sélectionner un échantillon représentatif?, Tout d’abord, réfléchissez bien à votre base de sondage (vos participants éventuels) et à vos procédures de recrutement. Évitez de recruter uniquement des membres d’un certain sous-ensemble de votre population, comme les membres de la fraternité ou les amateurs de café végétalien dans les exemples ci-dessus. Ensuite, un bon moyen de réduire les biais dans l’échantillonnage est d’échantillonner au hasard à partir de votre base d’échantillonnage. Grâce à cela, vous minimisez les biais de sélection qui pourraient se produire, tels que les biais de bénévoles. Vous pouvez également mettre en œuvre un protocole de stratification, tel que l’échantillonnage stratifié proportionné., Disons que vous faites vos recherches et découvrez que votre population de biologistes de requins est composée à 80% de femmes. Vous pouvez alors vous assurer que 80% de votre échantillon est composé de femmes, par exemple par échantillonnage par quota. Un autre facteur à considérer est la taille de votre échantillon; les plus gros échantillons auront tendance à être plus représentatifs (en supposant que vous effectuez un échantillonnage aléatoire).
Enfin, gardez à l’esprit qu’il est peu probable que chaque échantillon sera parfaitement similaire à la population d’intérêt. Il y aura toujours une petite erreur d’échantillonnage associée à toute étude, sauf si vous échantillonnez chaque membre de votre population.