Methodologie Collecte de Données 2019

Méthodologie de collecte
de données
Faculté des Sciences Sociales et de

Gestion
Institut Catholique de Yaoundé
Université Catholique d'Afrique
Centrale
Janvier 2019 Emmanuel LAO 1

2- Principales etapes de
la collecte des données
Trois étapes :
L’échantillonnage,
La nature des données,
Le prélèvement des
données.
2
2.1- L’échantillonnage
Définition : l’échantillonnage est la

méthode de sélection ou de
prélèvement de n individus parmi
une population N.
L’identification de la population mère
et la méthode d’extraction de la
population cible sont donc décisives.
3
Les éléments à considérer 1/2:
 l’univers de l’étude,
 l’unité d’échantillonnage,
 la source d’identification,
4
Les éléments à considérer 2/2:
 la taille de l’échantillon;
 les paramètres pertinents;
 la contrainte budgétaire du
chercheur;
 etc.
5
Exemple : Supposons que l’on

s’intéresse aux travailleurs. 1/2
Dans ce cas:
 l’univers de l’étude = ville,
 l’unité d’échantillonnage =
travailleurs salariés,
 la source d’identification =fiches
d’entreprises,
6
Exemple : Supposons que l’on

s’intéresse aux travailleurs. 2/2
Dans ce cas:
 la taille de l’échantillon = combien
de personnes,
 les paramètres pertinents =
travailleurs du tertiaire,
 la contrainte budgétaire = un
million de cfa, etc.
7
Caractéristiques d’un bon

échantillon 1/2:
 Image aussi fidèle que possible
de la population mère,
 Minimisation maximale des
erreurs d’échantillonnage,
8
Caractéristiques d’un bon

échantillon 1/2:
 Viabilité par rapport au budget de
la recherche,
 Possibilité de contrôle des biais
systématiques,
 Résultats généralisables.
9
Les méthodes d’échantillonnage 1/3:

 Echantillonnage non probabiliste ou par
choix raisonné (méthode d’échantillonnage
qui est dépendante du jugement du
chercheur).
 Exemple: la méthode des quotas –
définition des quotas par strates ou (par
grappes) de population; c à d que la
population doit autant que possible être
représentée dans sa totale diversité
(structure par genre, par groupe ethnique,
par occupation, par niveau d’éducation, par
catégorie professionnelle, etc.).
10

 Echantillonnage probabiliste ou aléatoire
(prélèvement aléatoire des individus selon
un procédé rigoureux dont les résultats
peuvent être soutenus en termes de
probabilité).
 Exemple: la méthode des itinéraires –
découpage de l’espace d’échantillonnage
(univers de l’étude) en itinéraires reconnus
et incontestés (les quartiers dans une ville,
les dessertes dans un quartier) et
prélèvement aléatoire de la population
cible.
11

 Echantillonnage complexe
(combinaison des méthodes
probabiliste et non probabiliste).
 Nécessite une expertise particulière
de la part du chercheur
12
2.2- La nature des données
Deux types classiques de données :

 Les données primaires : données de
première main, fraîchement collectées et
donc à caractère original (enquête),
 Les données secondaires ou n-ièmes :
données existantes, collectées par ailleurs
et ayant déjà subies des filtrages
statistiques et une déformation ciblée (car
la collecte des données est toujours
orientée).
13
Le double débat sur les deux types de

données 1/2:
 Élément de débat n°1: l’originalité

des données primaires est parfois
opposée à la fiabilité des données
secondaires.
14
Le double débat sur les deux types de

données 2/2:
 Élément de débat n°2: pour l’objet

de la recherche, la dénaturation des
objectifs des données secondaires
est souvent opposée à la nette
spécificité des données primaires.
15
2.3- Le prélèvement des données
Il y a quelques différences de
prélèvement selon que :
 Les données sont primaires,

 Les données sont secondaires.
16
2.3.1- Le prélèvement des données

primaires: 1/2
Les méthodes usuelles sont:
 L’observation systématique, planifiée et
contrôlée,
 L’interview directe ou téléphonique,
 Le questionnaire administré ou distribué,
 Etc.
17

primaires: 2/2
Il faut toujours s’adapter au contexte.
Dans nos pays par exemple:
 Eviter la distribution des
questionnaires, l’interview
téléphonique, etc.,
 Préférer l’interview directe, le
questionnaire direct, la
systématisation, etc.
18

secondaires: 1/2
Les données secondaires sont
disponibles dans divers
documents (organisations
internationales –OMS, PNUD,
CNUCED, etc.), bailleurs de fonds
(FMI, BM, etc.), DStat nationales.
19

secondaires: 2/2
Il faut toutefois questionner :
 La fiabilité (auteur, source,
objectif, époque, etc.),
 L’adaptabilité à l’objet de l’étude,
 Le caractère adéquat (domaine,
espace, lieu, etc.).
20
Suggestion forte d’étape :
Mieux vaut avoir de mauvaises

données originales que de
bonnes données empruntées
21
Avis important
En général la recherche
en sciences sociales et
en gestion nécessite
davantage des
données secondaires
que des données
primaires
22
- La saisie des données
Quatre étapes sont nécessaires :

 L’édition,
 Le codage,
 La classification,
 La tabulation.
23
3.1- La saisie des données
L’édition des données.

Examen scrupuleux des données pour
détecter les erreurs et omissions. Il
faut prendre garde à :
 L’édition par thèmes (compléments,
abréviations, omissions, etc.)
 L’édition centralisée (retour des
questionnaires, réponses mal
enregistrées, non-réponses, etc.).
24
Le codage des données.

Assignation des numéros ou symboles aux
réponses pour en limiter le nombre. Il
faut prendre garde à :
 L’exhaustivité (une classe pour chaque
thèmes, etc.)
 L’exclusivité mutuelle (à chaque réponse
spécifique doit correspondre une cellule
unique par catégorie, etc.).
25
La classification des données.

Arrangement des données en groupes ou
classes sur la base de caractéristiques
communes. Il faut prendre garde à :
 La classification par attributs (descriptifs,
numériques, etc.)
 La classification par intervalles (nombre
d’intervalles, taille des intervalles,
fréquence des intervalles, etc.).
26
La tabulation des données.

Arrangement des données selon un
ordre logique (en lignes et en
colonnes) pour en tirer des
tableaux. Il faut prendre garde à :
 La tabulation simple (tableaux
élémentaires, etc.)
 La tabulation complexe (tableaux à
entrées multiples, etc.).
27

Methodologie Collecte de Données 2019

Transféré par

Droits d'auteur :

Formats disponibles

Methodologie Collecte de Données 2019

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Methodologie Collecte de Données 2019

Transféré par

Droits d'auteur :

Formats disponibles

Méthodologie de collecte

Faculté des Sciences Sociales et de

Janvier 2019 Emmanuel LAO 1

Définition : l’échantillonnage est la

Les éléments à considérer 1/2:

Les éléments à considérer 2/2:

Exemple : Supposons que l’on

Exemple : Supposons que l’on

Caractéristiques d’un bon

Caractéristiques d’un bon

Les méthodes d’échantillonnage 1/3:

Les méthodes d’échantillonnage 2/3:

Les méthodes d’échantillonnage 3/3:

Deux types classiques de données :

Le double débat sur les deux types de

 Élément de débat n°1: l’originalité

Le double débat sur les deux types de

 Élément de débat n°2: pour l’objet

 Les données sont primaires,

2.3.1- Le prélèvement des données

2.3.1- Le prélèvement des données

2.3.2- Le prélèvement des données

2.3.2- Le prélèvement des données

Suggestion forte d’étape :

Mieux vaut avoir de mauvaises

Quatre étapes sont nécessaires :

L’édition des données.

Le codage des données.

La classification des données.

La tabulation des données.

Vous aimerez peut-être aussi