Randomisation & Équilibrage
En ce qui concerne la randomisation dans la conception expérimentale, ainsi que l'équilibrage, Labvanced offre de nombreuses approches (discutées plus loin ci-dessous) pour s'assurer que votre recherche est solide et exempte de biais. Comme ce sujet est crucial pour une recherche réussie, la capacité à gérer la randomisation est présentée de manière claire dans la vue principale de l'éditeur.
Une zone clé dans Labvanced pour gérer la randomisation et l'équilibrage de votre expérience.
L'image ci-dessus indique la zone principale de l'éditeur Labvanced pour configurer différents types de randomisations et leurs niveaux peuvent être trouvés ici, ainsi que l'accès à Randomization Settings pour spécifier vos exigences comme l'ordre des essais (par exemple : il doit être fixe ou aléatoire), la manière dont l'équilibrage doit être géré, et plus encore.
Randomisation dans la Recherche
La randomisation dans les expériences et la recherche en psychologie est un mécanisme important pour réduire le biais et garantir l'intégrité de la conception expérimentale. La randomisation dans la conception expérimentale et la recherche est essentiellement le processus d'attribution aléatoire des participants à différents groupes (traitement / intervention / expérimental vs. contrôle). En rendant ce processus d'attribution aléatoire, on suppose que tous les participants ont la même probabilité d'être affectés à n'importe quelle condition.
En plus de l'attribution des participants, la randomisation dans les expériences fait également référence à la présentation des stimuli et à l'ordre des tâches. La randomisation dans la conception expérimentale peut traiter de la manière dont les tâches et les stimuli sont présentés. En tant que thème, la randomisation dans la recherche est un sujet majeur dans la conception et la création expérimentales.
Dans l'exemple ci-dessous, le Facteur pour le type de peinture (Moderne ou Classique) a la Position de Peinture Moderne (Gauche ou Droite) randomisée. En utilisant le bouton ‘Paramètres’, les exigences d'équilibrage peuvent également être stipulées.
Un exemple de configuration de conception expérimentale utilisant la randomisation pour présenter la position d'une catégorie d'image particulière.
Exemples de Randomisation
| Exemple de Randomisation | Objectif | Mise en œuvre |
|---|---|---|
| Randomiser les stimuli présentés, tels que des images | Randomiser quels stimuli d'un pool, tels que des images, sont présentés au participant. | Créer les essais en utilisant Trial System et spécifier le nombre d'essais et l'ordre des essais via Randomization Settings. |
| Randomiser la localisation des stimuli ‘corrects’ | Lorsque deux stimuli ou plus sont présentés comme choix à l'écran, il est crucial de randomiser la présentation et leur position. | Des instructions sur une approche suggérée pour comment cela peut être fait se trouvent dans cette étude exemple ici. Cliquez simplement sur le bouton ‘Inspecter’ et ouvrez la tâche ‘Instructions’. Note : Cela est souvent combiné avec les options d'équilibrage via Randomization Settings. |
| Localisation des coordonnées aléatoires des stimuli | Randomiser les coordonnées x et y et les assigner à un stimulus afin de randomiser sa position à l'écran. | Des instructions sur une approche suggérée pour comment cela peut être fait se trouvent dans cette étude exemple ici. Cliquez simplement sur le bouton ‘Inspecter’ et ouvrez la tâche ‘Instructions_de_Tâche’. Cette démo décrit également comment assigner aléatoirement une couleur. |
| Temps aléatoire d'affichage d'un cadre / stimulus | Randomiser la durée pendant laquelle un cadre est affiché. | Des instructions sur une approche suggérée pour comment cela peut être fait se trouvent dans cette étude exemple ici. Cliquez simplement sur le bouton ‘Inspecter’ et ouvrez la tâche ‘instructions_de_tâche’. |
La vidéo ci-dessous donne un aperçu rapide de la façon de randomiser votre étude dans l'onglet de Conception d'Étude ainsi que dans le menu de Randomisation de l'Éditeur de Tâches.
Équilibrage dans la Recherche
L'équilibrage est un concept tout aussi important. L'équilibrage garantit que chaque condition est également répliquée, c'est-à-dire que tout nombre de mesures ou d'observations de chaque condition expérimentale (telles que l'ordre des essais) est égal. Ceci est important car la randomisation repose sur la ‘loi des grands nombres’, qui pour les expériences avec un petit nombre de participants pourrait finalement aboutir à une conception déséquilibrée, à moins que cela ne soit pris en charge. Par exemple, en équilibrant, vous pouvez vous assurer qu'un nombre égal de participants suit un ordre aléatoire des essais. Une conception expérimentale équilibrée garantit en outre que des conditions égales sont répliquées.
Exemples d'Équilibrage
| Exemple d'Équilibrage | Objectif | Mise en œuvre |
|---|---|---|
| Positionnement Équilibré | L'équilibrage de la position de certains stimuli peut être requis, comme s'assurer que l'image ‘correcte’ a été présentée avec un nombre égal d'essais pour les positions gauche et droite de l'écran. | Lors de l'ajout des niveaux de Randomisation, spécifiez l'option d'équilibrage dont vous avez besoin. |
| Style des stimuli | Équilibrer le style des stimuli, tels que disposer d'une bordure d'image rouge ou d'une bordure d'image bleue. | Lors de l'ajout des niveaux de Randomisation, spécifiez l'option d'équilibrage dont vous avez besoin. |
| Équilibrage de conception imbriquée | L'équilibrage de conception imbriquée nécessite que plusieurs facteurs soient équilibrés. Un exemple de cela est l'équilibrage de la position (par exemple, côté gauche ou droit pour les choix corrects / incorrects) avec l'âge d'un visage (par exemple, jeune ou vieux). Ainsi, si les visages jeunes sont équilibrés pour la gauche et la droite, alors les visages vieux doivent également être équilibrés pour les deux positions gauche et droite. | Lors de l'ajout des niveaux de Randomisation, sélectionnez l'option Balanced Within Subject and Nested. |
| Équilibrage entre participants | Dans certains cas, il peut être nécessaire qu'un sujet voit une version tandis que le sujet suivant voit une version différente. | Lors de l'ajout des niveaux de Randomisation, spécifiez l'option d'équilibrage dont vous avez besoin. |
L'image ci-dessous montre la boîte de dialogue Randomization Settings, l'une des nombreuses zones pertinentes dans Labvanced pour gérer les exigences de randomisation et d'équilibrage dans la conception et la configuration de votre expérience.
Paramètres de Randomisation et d'Équilibre pour les Essais et Conditions dans Labvanced
Équilibre & Randomisation dans les Expériences Labvanced
L'équilibre et la randomisation dans les expériences psychologiques créées dans Labvanced sont gérés par plusieurs parties et fonctionnalités à travers la plateforme, telles que :
Multiples Tâches & Blocs
- Onglet de Conception d'Étude : Lorsque vous ouvrez une étude, l'onglet de Conception d'Étude est l'endroit où vous pouvez ajouter des séparateurs de randomisation (voir l'image ci-dessous, la ligne noire épaisse) pour indiquer quels blocs et sessions doivent être randomisés.
Stimuli DANS une Tâche / Essai Unique
- Facteurs (Système d'Essai) : En utilisant des facteurs dans le Système d'Essai, une conception de bloc peut être créée pour votre expérience. Vous pouvez ensuite spécifier quels facteurs doivent être fixes ou aléatoires.
- Paramètres de Randomisation de l'Éditeur de Tâches : Cette boîte de dialogue (image ci-dessus) démontre le type de paramètres de randomisation que vous pouvez spécifier lors de la création d'une tâche. Vous pouvez également indiquer que les essais dans chaque tâche doivent être équilibrés.
- Cadres de Données : Les cadres de données peuvent être utilisés pour configurer et créer une étude, mais ils peuvent également être appliqués pour garantir la randomisation dans les expériences. Les cadres de données contiennent des stimuli similaires à un tableau et peuvent être utilisés dans une variété d'événements.
- Le Système d'Événements : Parfois, la randomisation dans la recherche expérimentale en psychologie nécessite de contrer des variables ou d'indexer des tableaux. Le Système d'Événements vous permet de créer des déclencheurs/actions afin que les tableaux soient mélangés (réarrangeant les valeurs dans un ordre aléatoire), contrebalançant des variables (récupérant une valeur pour chaque essai), puis tirant la valeur du cadre de données.
Ajout de Séparateurs de Randomisation dans l'Onglet de Conception d'Étude pour les Blocs et Sessions
Afin de garantir que votre expérience est correctement équilibrée et randomisée, vous utiliserez très probablement des cadres de données en combinaison avec des événements. Il est également possible d'utiliser des facteurs (le Système d'Essai). En travaillant avec les fonctionnalités décrites ci-dessus, vous pouvez garantir l'intégrité de votre conception expérimentale.
Si vous avez des questions sur la façon de gérer la randomisation dans vos expériences, n'hésitez pas à nous contacter !
Pour des guides pratiques sur les modèles de conception couvrant comment appliquer ces outils à des scénarios de recherche courants, consultez Conception d'Expérience.