Lisez ce rapport avec moi

Les données réelles sont ce qu'elles sont, et de nombreux tests ne donnent rien, ce qui vous apprend peu sur le fonctionnement des tests. Les études exemples sont conçues à dessein pour que chaque test ait quelque chose d'intéressant à lire : un construit fiable et un autre défaillant, un item à formulation inversée, et des différences de groupe que seules des comparaisons post-hoc peuvent révéler. Les données proviennent d'un générateur à germe fixe, de sorte que les mêmes figures apparaissent sur chaque appareil et vous pouvez vérifier ce que vous voyez par rapport à cette page.

Note Les données sont à but pédagogique, elles ne sont pas réelles, et la description de chaque étude le précise.

Code	Étude	Réponses	Pourquoi est-elle ici
SHOWCASE-MAIN	Engagement et réussite académique	300	Chaque test nécessitant un échantillon réel
SHOWCASE-PILOT	Étude pilote : pré-test	16	Tests exacts pour petits échantillons
SHOWCASE-POST	Étude pilote : post-test	16	Le test t apparié
SHOWCASE-BROKEN	Une étude délibérément erronée	24	Quand Pulseform refuse de donner un chiffre, et pourquoi

Si les études se trouvent dans votre compte, ouvrez Enquêtes, puis Voir les réponses et résultats pour SHOWCASE-MAIN, puis l'onglet Académique & Fiabilité (Cronbach). Si elles n'y sont pas, lisez les figures ici et suivez les mêmes étapes avec vos propres données.

Construit	Alpha	Verdict
Engagement comportemental	0,946	Excellent
Engagement cognitif	0,946	Excellent
Engagement émotionnel	0,948	Excellent
Facteurs de soutien	0,482	Rejeté

Le construit Facteurs de soutien est conçu pour échouer : l'alpha est inférieur au seuil accepté de 0,70, et même inférieur à 0,60. Ouvrez le tableau des items et regardez la corrélation item-total corrigée : elle est faible pour chaque item. Voici à quoi ressemble un instrument qui ne mesure pas une idée unique.

Attention : Ne lancez aucun test d'hypothèse sur un construit dont la fiabilité est rejetée. Signalez cette faiblesse dans votre thèse et reformulez ses items pour votre prochaine étude.

L'item "Je manque les cours sans bonne raison" est formulé négativement et marqué dans l'éditeur avec Cet item est inversé, c'est pourquoi sa corrélation avec son construit est positive.

Essayez : Ouvrez la question dans l'éditeur, décochez Cet item est inversé, et revenez à l'onglet académique. L'alpha de l'engagement comportemental chute de 0,946 à moins de 0,5, alors qu'aucune réponse n'a été modifiée. Puis recochez-le. Cela montre pourquoi chaque item à formulation inversée doit être marqué avant de lire tout résultat.

L'asymétrie (skewness) et l'aplatissement (kurtosis) indiquent que les construits d'engagement et la moyenne académique sont normaux, pourtant Shapiro-Wilk les rejette tous. Ce n'est pas une erreur : avec 300 répondants, Shapiro-Wilk rejette tout écart, aussi petit soit-il.

• Fiez-vous à l'asymétrie et à l'aplatissement pour les grands échantillons, et rapportez Shapiro-Wilk avec cette réserve si votre directeur de thèse le demande.
• Heures à la bibliothèque est réellement asymétrique (+0,87), donc la matrice de corrélation recommande Spearman. Retirez-la de la matrice et la recommandation passera à Pearson.

Par genre (test t pour échantillons indépendants) :

t(298) = 3,54, p < 0,001, d = 0,41, IC à 95 % [0,15, 0,52]

• L'intervalle de confiance ne contient pas zéro : c'est la même affirmation que p < 0,001, dans les unités de l'échelle.
• d = 0,41 est un effet de taille petite à moyenne : la différence est significative mais pas grande. C'est toute la différence entre la significativité et la taille de l'effet.

Par majeure : F(2, 297) = 1,24, p = 0,290. Aucune différence significative, donc aucune comparaison post-hoc n'est affichée. C'est un résultat à rapporter tel quel, et non un résultat "échoué".

Par année d'étude : F(3, 296) = 10,60, p < 0,001, η² = 0,097.

L'ANOVA seule dit "il y a des différences", ce qui n'est que la moitié d'un résultat. Les comparaisons post-hoc (Tukey et Scheffé) nomment les paires : les années un et deux sont semblables, les années trois et quatre sont semblables, et l'écart se situe entre ces deux groupes. Notez aussi que Tukey est toujours plus proche de la significativité que Scheffé, car c'est le test le plus puissant.

F(3, 296) = 345,31, p < 0,001, R² = 0,778

Prédicteur	β	p
Engagement comportemental	0,613	< 0,001
Engagement cognitif	0,384	< 0,001
Engagement émotionnel	0,032	0,341

• L'engagement émotionnel n'est pas significatif, et son intervalle de confiance contient zéro.
• La VIF est comprise entre 1,45 et 1,50, donc le classement des prédicteurs est stable et citable. Au-dessus de 5, la question "lequel est le plus fort ?" n'aurait aucune réponse stable.

Un avis apparaît : "Vous avez déclaré 4 construits ; les données en contiennent 3." C'est exact : les trois construits d'engagement forment leurs propres facteurs, tandis que les facteurs de soutien n'en forment aucun, comme l'alpha (0,482) l'indiquait déjà.

Conseil : Il s'agit d'un résultat concernant votre instrument, pas d'une erreur d'analyse. Vous pourriez écrire : "L'analyse factorielle a extrait trois facteurs ; les items des facteurs de soutien ne se sont pas regroupés sur un facteur distinct, ce qui est cohérent avec leur faible fiabilité (α = 0,482)."

• Dans SHOWCASE-PILOT (8 par groupe), Pulseform calcule la p-value exacte (0,0014) en comptant toutes les répartitions possibles, au lieu de l'approximation. C'est la "Sig. exacte" de SPSS, et c'est celle qu'il faut rapporter.
• En comparant SHOWCASE-PILOT avec SHOWCASE-POST, Pulseform apparie chaque personne avec elle-même par code répondant : t(15) = 2,40, p = 0,030, d = 0,60. Les moyennes ne diffèrent que de 0,42 ; traitées comme deux échantillons indépendants, aucune différence significative n'apparaîtrait. Voir Enquêtes pré/post.

Ouvrez SHOWCASE-BROKEN. Chaque défaut est délibéré :

Ce qu'il y a dans les données	Ce que dit Pulseform
Tout le monde a donné la même réponse sur un construit	Alpha inacceptable, et corrélation non calculable, pas "zéro"
Un construit à un seul item	Alpha non applicable
Deux items identiques	Une corrélation parfaite sans intervalle de confiance ; régression et analyse factorielle refusées
23 hommes et une femme	Les genres ne peuvent pas être comparés
6 majeures parmi 24 personnes	Le tableau croisé est trop creux pour le chi-deux

Un refus est une information, pas une faute. Un chiffre trompeur est pire que rien : "r = 0" serait entré dans votre thèse comme un résultat que les données ne soutiennent pas. Et notez qu'un refus décrit le premier obstacle rencontré par le calcul, donc réduisez votre sélection pour voir les autres.

• Suivez les mêmes étapes avec vos propres données dans Enquêtes académiques.
• Recherchez n'importe quel terme dans le glossaire.