6 Concepts clés de la conception expérimentale
La conception de recherche expérimentale est une compétence cruciale que les nouveaux étudiants doivent comprendre et, éventuellement, maîtriser. Une bonne conception expérimentale est absolument nécessaire pour tirer des conclusions objectives d'une étude. Ici, nous couvrons les principaux concepts que chaque étudiant devrait garder à l'esprit.
1. Définir clairement vos variables expérimentales
Les variables doivent être clairement définies dès le début. La plupart des études souhaitent examiner la relation entre un(e) :
- Variable indépendante : Le stimulus, la condition ou l'intervention que vous manipulez et contrôlez.
- Variable dépendante : L'effet subséquent du changement dans la variable indépendante.
Considérez la question de recherche, “L'observation d'une émotion affecte-t-elle la perception du participant sur le langage écrit ?” Vous pourriez poser cette question si vous étudiez la perception et êtes intéressé par l'effet de la mise en éveil d'une émotion sur l'interprétation du langage écrit.
Par exemple, imaginez que le participant perçoit une personne heureuse suivie de la lecture de divers textes comme “Ne parlez pas aux étrangers”, suivi du participant devant rapporter comment il perçoit le texte.
Dans cet exemple, vos variables indépendantes et dépendantes pourraient être n'importe quoi et c'est votre devoir en tant que chercheur de les opérationnaliser et de les définir.
- Pour la variable indépendante : images d'émotions différentes ou audio de voix exprimant différentes émotions
- Pour la variable dépendante : une échelle de Likert évaluant différentes dimensions du texte ou même une question mesurant la probabilité “Quelle est la probabilité que la personne que vous avez perçue dise ce commandement ?”
Les variables indépendantes et dépendantes sont au cœur de toutes les recherches, mais une bonne conception expérimentale prend également en compte d'autres variables, telles que :
- Variables de contrôle
- Variables confondantes
- Variables extraniques
Si vous conceptualisez et prenez rigoureusement en compte toutes vos variables à l'étape de planification, concevoir des expériences en ligne et configurer les variables dans l'éditeur de Labvanced devient juste une question d'apprendre quelques clics.
Vous pouvez également télécharger divers stimuli, de visuels à audio, et tester les comportements des participants grâce à des fonctionnalités comme le suivi oculaire. Découvrez cette playlist sur la façon dont divers stimuli sont créés dans Labvanced et traités comme des objets pour construire des expériences !
2. Comprendre les éléments de base de la conception expérimentale
Pour être bon en conception expérimentale et établir un design qui soutient votre question de recherche et isole vos variables, vous devez connaître les éléments de base de la conception expérimentale comme le fond de votre main.
En particulier, ce sont :
- Essais : instances uniques d'une tâche particulière ou réponse sollicitée à une présentation de stimulus, comme terminer un parcours de labyrinthe ou voir une chaîne de lettres.
- Blocs d'essais : Un bloc est composé de plusieurs essais, généralement une expérience aura plusieurs blocs.
- Sessions : Relatives à la conception longitudinale, les sessions expérimentales peuvent s'étendre sur plusieurs jours (même des années) où les participants exécutent à nouveau les essais à différents moments.
Essais
Les essais sont les unités de base d'une expérience qui, lorsqu'elles sont regroupées, forment des blocs qui composent des sessions. Les essais sont généralement des instances uniques d'un stimulus.
Regardez cette vidéo qui explique comment construire plusieurs essais montrant des images d'animaux de compagnie (chiens et chats) et des fleurs, invitant le participant à choisir l'animal de compagnie à chaque essai, en utilisant Labvanced :
Blocs
Une collection d'essais forme un bloc. Les chercheurs utilisent ces blocs pour de nombreuses raisons, notamment pour randomiser leur étude. Une autre approche courante des blocs est de leur donner un thème lié à la question de recherche ou de les relier aux différentes étapes d'apprentissage nécessaires à une expérience.
Exemples de blocs dans la recherche :
- Question thématique : Les blocs d'essais peuvent suivre un certain thème de recherche. Par exemple, les blocs peuvent suivre un certain thème cognitif comme des aspects de la mémoire de travail ou même la forme de l'acteur où les mouvements présentés sont regroupés par caractéristiques directionnelles et de vitesse (Cook, Pan, & Bianchi-Berthouze, 2013).
- Élément temporel : Les blocs qui vont du ‘pratique’ au ‘formation’ au ‘expérimental’, typiquement vus dans un design d'étude intra-sujet. Par exemple, une étude utilisant Labvanced évaluant la performance des enfants sur la tâche de temps de réaction en série dans une expérience linguistique, a utilisé des blocs et mesuré les différences entre la performance des participants dans le premier bloc de formation et le bloc final (Marimon et al., 20221).
Sessions
Les sessions se réfèrent à différents points dans le temps où les participants fournissent des réponses à une étude.
Considérez cette étude de Polonen, Lappi, & Tervamieni (2019) dans Frontiers of Psychology où l'objectif était d'évaluer l'impact du mouvement sur l'état affectif et le flux chez les pratiquants de Qigong où la première session est un mélange entre réflexion et blocs d'exercice.
Les sessions ultérieures se déroulent généralement à des jours différents (même des mois) et peuvent soit être les mêmes essais et blocs utilisés auparavant, des blocs différents, ou un mélange de blocs anciens et nouveaux.
Dans une étude récente de Chládková et al., les chercheurs ont recruté des participants pour la Session 1 dans laquelle 161 participants ont été testés et pour la Session 2 où 202 participants différents. L'objectif était d'étudier l'effet qu'un mandat de port de masque d'un mois a sur la perception de la parole. Pour ce faire, les chercheurs ont eu Session 1 avant le mandat et Session 2 après le mandat d'un mois. Pour les deux sessions, les stimuli étaient exactement les mêmes, à savoir une collection de 48 essais qui prenaient environ 10 minutes à compléter, évaluant la force de l'effet McGurk.
3. Conception entre sujets et dans les sujets
Dans l'exemple ci-dessus, discutant de l'expérience sur l'effet McGurk par Chládková et al., une conception entre sujets (session 1 contre session 2) a été employée !
Parfois, il y a différentes conditions ou traitements que les chercheurs souhaitent étudier. Dans ce cas, une conception entre sujets ou dans les sujets devrait être sélectionnée.
Conception entre sujets
Également connue sous le nom de ANOVA ou conception de mesures indépendantes, dans la conception entre sujets, les participants ne peuvent être dans qu'une seule condition ou traitement parmi les nombreux étudiés dans l'expérience.
Typiquement, c'est la conception expérimentale classique où les participants sont soit assignés à être dans le groupe de contrôle (parfois où l'effet placebo est observé) ou dans le groupe expérimental.
À un niveau superficiel, les cas d'utilisation qui utilisent généralement la conception entre sujets sont des études dans :
- Psychologie sociale
- Psychologie de la personnalité
- Études sur la prise de décision
Certains avantages des mesures répétées/conception entre sujets incluent :
- Sessions plus courtes : Parce qu'un participant n'est pas censé passer par plusieurs conditions ou traitements (comme c'est le cas dans la conception intra-sujets), les sessions sont plus courtes.
- Réduit les effets de transfert : Puisqu'un seul participant n'est pas censé compléter plusieurs conditions ou traitements, il y a moins d'effet d'être dans une condition suivie d'une autre. Ainsi, les chercheurs n'ont pas à se soucier d'effets tels que les effets d'apprentissage ou de fatigue comme c'est le cas dans la conception intra-sujets.
Conception dans les sujets
Également connue sous le nom de mesures répétées, dans la conception dans les sujets, les participants participent à une condition ou traitement puis à une autre condition ou traitement. Toutes les études longitudinales qui suivent les participants au fil du temps suivent une conception dans les sujets car elles examinent les mêmes participants encore et encore.
Cette conception est populaire lorsqu'il s'agit d'étudier des effets cumulés, quelque chose qui est censé émerger au fil du temps. Ainsi, en mesurant le même participant encore et encore, le résultat désiré peut être enregistré au fil du temps à mesure qu'il émerge.
Le contrebalancement est utilisé par les chercheurs pour s'assurer que l'ordre dans lequel le traitement est reçu n'affecte pas les résultats observables. Par exemple, dans une étude de mesures répétées contrebalancées, Sally expérimente la condition A avant la condition B mais Laura passe par la condition B avant la condition A.
Certains avantages des mesures répétées/conception dans les sujets incluent :
- Moins de participants nécessaires : Parce que plus de données viennent d'un seul participant, il est possible de détecter des relations de corrélation ou même des relations causales en utilisant de petits échantillons.
- Minimiser le bruit : Comme les données proviennent du même participant, les différences individuelles (c'est-à-dire le bruit) sont minimisées puisque des facteurs comme la mémoire ou l'intelligence ne changent pas d'une condition à l'autre.
À un niveau superficiel, les cas d'utilisation qui utilisent généralement la conception dans les sujets sont des études dans/se concentrant sur (Keren & Lewis, 2014) :
- Psychologie cognitive et neuropsychologie
- Perception
- Mémoire
- Apprentissage
- Psychophysique
- Temps de réaction
4. Randomisation et équilibrage

La randomisation est l'attribution aléatoire de participants à différentes conditions expérimentales et est au cœur de la conception expérimentale car cela aide à éliminer les biais et l'effet des variables inconnues qui pourraient expliquer statistiquement des résultats significatifs. (Suresh, 2011).
L'équilibrage, d'autre part, est un moyen d'assurer que les différents groupes expérimentaux ont un nombre égal (ou aussi similaire que possible) de participants qui leur sont assignés. Par exemple, considérez que votre ‘groupe de contrôle’ a 5 participants et que votre ‘groupe expérimental’ en a 95. Cela semble désastreux, non ? Une conception plus équilibrée consisterait à avoir environ 50 sujets dans le ‘groupe de contrôle’ et 50 dans le ‘groupe expérimental.’
Bien que tous les domaines de la psychologie bénéficient de la randomisation, les psychologues cliniques et de la santé prêtent une attention particulière à cela car ils traitent souvent d'interventions et de traitements.
En utilisant Labvanced, votre expérience peut avoir des essais randomisés, des tâches, des blocs et des groupes, en fonction de la nature de votre étude. Il est possible de randomiser tout ce que vous voulez et vous pouvez assurer l'équilibrage entre les groupes en vous assurant qu'il y a un nombre égal de sujets entre les groupes.
Voici quelques moyens d'équilibrer et de randomiser votre étude en utilisant Labvanced :
- Facteurs aléatoires : atteindre un équilibre simple, imbriqué ou entre sujets des stimuli
- Séquence d'essais aléatoire : télécharger une séquence d'essais prédéfinie pour chaque sujet ou créer une séquence d'essais adaptative/dynamique en utilisant des événements
- Logique des événements : créer des mécanismes d'équilibrage hautement individualisés, par exemple, assigner des fichiers de manière dynamique à des objets
Avoir une étude équilibrée et randomisée est un must car cela aide à garantir l'intégrité de votre analyse statistique et de vos résultats.
5. Répétition

La répétition est l'un des plus anciens problèmes dans le domaine de la psychologie, remontant aux observations de psychologues de premier plan au 19ème et au début du 20ème siècle (Laws, 2016).
À ce jour, la répétition, qui se réfère à la façon dont une étude peut être répétée (généralement pour déterminer si les résultats d'une étude originale peuvent être observés dans d'autres situations et participants), reste un problème dans la recherche expérimentale.
La répétition est importante car pour que d'autres chercheurs confirment ou testent les résultats d'une étude, ils doivent être capables de reproduire l'étude. Cela est difficile en psychologie car le comportement, en règle générale, est très complexe et difficile à prédire.
Un des avantages d'avoir votre étude en ligne est que vous pouvez partager le modèle d'étude avec d'autres chercheurs et ils peuvent utiliser l'expérience ou les tâches à l'intérieur pour tester d'autres populations et essayer de reproduire vos résultats.
6. Le pouvoir de la preuve
Plus une étude est rigoureusement définie et mise en place, plus les preuves derrière les conclusions subséquentes sont solides. Ainsi, si vous voulez établir quelque chose avec votre étude, vous aurez besoin de preuves pour le soutenir.
Il existe de nombreux systèmes différents qui classifient les preuves (qui peuvent même varier selon les pays et les organisations). En règle générale, vous pouvez considérer les preuves sur un spectre allant de ‘pas très strict ni convaincant’ à ‘prouvé et testé’.
Imaginez que la tante de quelqu'un vous donne son opinion sur l'effet des soins sur la perception des nourrissons d'après son expérience d'élever ses trois enfants. Bien que cela puisse être une conversation amusante et agréable à avoir, ces idées ne sont pas fiables comparées aux conclusions tirées d'une étude randomisée avec plus de 1000 soins dispensés qui ont été assignés à des styles parentaux spécifiques et dont les réponses des enfants ont été mesurées (tout en contrôlant les variables confondantes) !
En comprenant le pouvoir de la preuve, vous pouvez concevoir une expérience où les conclusions qui en découlent sont solides, fiables et non entachées de confusions et/ou de biais.
Remarques finales
Il n'y a rien de plus excitant que de concevoir vos premières expériences en tant que chercheur en herbe. Avec ces concepts clés en tête, vous pouvez commencer fort et développer les bases pour des concepts avancés comme les interactions. Et, construire des expériences en ligne avec Labvanced peut vous aider à continuer à grandir en tant que chercheur tout en rassemblant des données rapidement, en concevant des expériences valides et en augmentant votre production de publications !
Et, rappelez-vous, la façon dont vous abordez et gérez les 6 composants décrits dans cet article détermine la force de votre conclusion et même les résultats de vos découvertes. De plus, gardez à l'esprit que lors de la réalisation d'expériences en ligne, le contrôle expérimental joue un rôle important quant à la façon dont l'expérience est gérée dans un environnement en ligne. En savoir plus sur la façon dont Labvanced assure le contrôle expérimental ici.
Références
Chládková, K., Podlipský, V. J., Nudga, N., & Šimáčková, Š. (2021). L'effet McGurk à l'époque de la pandémie : adaptation dépendante de l'âge à une perte environnementale des indices visuels de la parole Psychonomic Bulletin & Review, 28(3), 992-1002.
Cook, J., Swapp, D., Pan, X., Bianchi-Berthouze, N., & Blakemore, S. J. (2014). Effet d'interférence atypique de l'observation d'action dans les conditions du spectre autistique. Psychological medicine, 44(4), 731-740.
Keren, G., & Lewis, C. (2014). Un manuel pour l'analyse de données dans les sciences comportementales : Volume 1 : Problèmes méthodologiques Volume 2 : Problèmes statistiques. Psychology Press.
Laws, K. R. (2016). Psychologie, répétition et au-delà. BMC psychology, 4(1), 1-8.
Marimon, M., Hofmann, A., Veríssimo, J., Männel, C., Friederici, A. D., Höhle, B., & Wartenburger, I. (2021). Apprentissage des dépendances non adjacentes par les enfants utilisant un cadre de jeu sur ordinateur basé sur le Web. Frontiers in psychology, 12.
Pölönen, P., Lappi, O., & Tervaniemi, M. (2019). Effet du mouvement méditatif sur l'affect et le flux chez les pratiquants de Qigong. Frontiers in psychology, 2375.
Suresh, K. P. (2011). Un aperçu des techniques de randomisation : une évaluation impartiale des résultats dans la recherche clinique. Journal of human reproductive sciences, 4(1), 8.