From theory to data

When we do research and in particular quantitative research, that is, research that is part of the post-positive paradigm, operationalization is the key moment in the process. Without a good operationalization, one cannot make a relevant research, because it is a formalized structure.

Scientific Research

How do you do a search?

According to Corbetta, the definition of scientific research is a creative process of discovery that develops along a predetermined itinerary and according to pre-established procedures that have been consolidated within the scientific community.

First of all, there is the idea of a creative process, because research is also about creation, we seek to discover something. What is important is to follow specific procedures that are pre-established and consolidated within the scientific community.

La recherche empirique

According to Raymond Boudon, "quantitative surveys are those that collect comparable information on a set of elements from one element to another. It is this compatibility of information that then allows the enumeration and more generally the quantitative analysis of the data..

Empirical research must develop within a framework that is collectively shared. It is a process where research is collective, because it is based on a process produced by others, the process must also be public with the idea of transparency that is important in research. Everything must be transparent, controllable by others. All the procedures implemented must be controllable by others with the idea of replicating what has been done, everything must be replicable. Research is a collective and public process that must be subject to criteria of transparency and control.

Another criterion is that of cumulability, Newton said: "If I have seen further than others, it is because I have been carried by the shoulders of giants". The researcher can make a discovery because he or she can rely on the research of other researchers.

The researchers' collective frame of reference is structured around two moments:

• in the logical structure of the research process.
• in the choice of technical instruments used.

It is at these two moments that the collective research frame of reference is seen, expressed and found.

The five phases of the process and the research question

Corbetta makes a difference between the phases of research and the processes that allow a better understanding of the different stages of these processes.

1) Research Question

2) Theory: formulating a theory or relying on a theory.

→ deduction (from the general to the particular): hypotheses are deduced from a theory, from the general to the most specific.

3) Hypothesis: hypotheses stem from an existing theory, we will try to verify them, falsify them through research.

→ operationalization phase: construction phase of the research drawing.

4) Data collection: is the collection to empirically test the hypotheses. This concerns the work plan, there are a number of decisions to be made such as the type of data, the number of cases to be analysed, the location of cases, how to select them and the method of collection.

→ data organization: distinction between information and data, the data have been organized; we will create a data matrix according to the quantitative approach. Data is the raw material that must be organized in order to dismantle or test a hypothesis; it is information organized in such a way that it can be analyzed.

5) Data Analysis

→ interpretation

6) Results

→ induction: we go up to the generality and we come back on the theory; connected by a method of feedbacks to the theory passing from the particular to the general through the results. There is the idea that the results will be used to create theories and analyze hypotheses.

In the reality of research, the steps are often distributed in a different way; often assumptions are developed after the data have been collected. Sometimes the theory is developed after having analysed the data, sometimes during the empirical phase, sometimes the theme is new and unknown that is why a purely descriptive research is made, sometimes the data collections do not start from a specific theory, because we want to include a wider field that allows to analyze several hypotheses.

Process of operationalization of concepts

There are two phases to translate theoretical concepts into something empirical.

• operationalization of concepts: transforming concepts into variables, variables being something that can be manipulated while concepts cannot be processed because they are abstract.
• selection of research instruments: data collection instruments and procedures.

Theory and hypotheses

It is the process of "deduction" that makes the link between theory and hypothesis, therefore derives from theory. However, it is difficult to distinguish between theory and hypotheses.

Theory

According to Corbetta, a theory is a set of propositions that are organically linked to each other and that is at a high degree of abstraction and generalization with respect to empirical reality, which derives from empirical regularities and from which empirical predictions can be made.

• set of proposals: this is not one proposal, but several proposals, they are articulated and interrelated.
• abstraction of proposals and generalization: the theory is at an abstract level. A theory is something that is intended to be general.
• Theory derives from empirical regularities: the idea that theory comes from previous research and from empirical regularities that have been observed systematically and can be found in different contexts.
• allows empirical forecasts: allows forecasts to be made according to conditions and context.

Hypotheses

According to Corbetta, a hypothesis is a proposition that implies a relationship between two or more concepts that are at a lower level of abstraction and generality than theory and that allows the theory to be translated into empirically controllable terms.

• level of abstraction and generality lower than theory: assumptions are specific.
• provisional nature of the hypothesis: hypotheses are subject to control by being verified and falsified, a hypothesis is never definitive.

Difference between theory and hypothesis

The essential difference between theory and hypothesis is that theory and a more general and abstract set of propositions whereas hypotheses are not specific enough to be variables, they are theoretical concepts, but a little less abstract.

The difficulty lies in the fact that we are in the gradation, one is a little less abstract than the other. The hypothesis allows us to go into the field in a direct way.

A theory must be able to be articulated into one or more empirically controllable hypotheses that can be transformed into a series of hypotheses. This is the criterion of scientificity, the theory combines theoretical propositions.

Criteria for the Scientificity of Assumptions

There are three important elements:

• the assumption should not be too general.
• a hypothesis must be positive in the sense that it must not include a normative dimension, there must be no judgment.
• a hypothesis must be formulated in such a way that it is falsifiable.

The controllability of a hypothesis is fundamental, we must be able to compare it with field data. The hypothesis must be controllable.

According to Popper and Kuhn, a hypothesis must be falsifiable. This gives the hypothesis a scientific character, because a good hypothesis must be refutable. For example, according to Popper, the proposition "god exists" is not a hypothesis because it is not refutable; however, the hypothesis "all swans are white" is falsifiable because they may be of a different color. Thus the main characteristic that gives the relevance of a hypothesis is the fact that it is falsifiable.

• falsifiable hypotheses: heavy objects tend down if nothing holds them back; it rains every Thursday.
• non-falsifiable hypotheses: either it rains or it does not rain; all the points of the circle are equidistant from the centre.

To sum up, the hypothesis to meet the criterion of scientificity must be falsifiable.

Examples of hypotheses in political science

Value Change Theory

Value change occurs through the replacement of successive generations of people. It is postulated that in post-war Europe there has been a transformation of value systems, from materialistic - security of material value, physical security - to post-materialistic - values linked to personal fulfilment and individual emancipation - to materialistic - security of material value.

The theory consists in saying that this change is due to the fact that generations after the Second World War were socialized in a situation referring to two factors :

• economic growth
• the expansion of the welfare state

According to this theory, people socialized during the time of expansion developed post-materialistic needs because they did not have the need for security; hence there is a tendency to value scarce resources.

There is another element that is focused on the idea of scarcity of certain resources, as people tend to favour resources that are scarce (economic wealth was daily), as they were socialized during the period of wealth expansion. On the other hand, this difference is greater in countries that have had greater economic expansion.

In this case, one cannot yet test or falsify the theory, one must move from theory to hypotheses by going towards something a little more specific which makes it possible to corroborate the affirmations :

• young people are more post-materialistic than older people in Western countries: we are interested in young people compared to older people, the hypothesis is tested if young people are more post-materialistic than older people.
• the difference between young people is less young is greater in countries where the change in quality of life has been stronger, in other words in countries where economic expansion at that time was the most important as in Germany.
• Post-materialists are more numerous in the richest countries; indicators can easily be found to test this hypothesis.

There has been a set of organically articulated proposals, however this is useless to test the theory; for this it is necessary to formulate hypotheses that are also at the abstract and theoretical level.

Psychosocial Voting Theory

Article détaillé : Les modèles explicatifs du vote.

It is a theory of political behaviour also known as the "Michigan model" proposed in the 1950s. This theory postulates that people vote because they feel loyal to certain parties; it is through partisan identification that people will vote for a party because they identify with it.

This sense of party identification comes from the socialization process. However, we do not have enough substance, we are at the level of a set of proposals linked together in an organic way.

First of all, it is necessary to specify the hypotheses which are for example:

• people who identify with the Socialist Party tend to vote for the Socialist Party; the degree of abstraction has fallen a notch.
• People from working-class backgrounds tend to vote for the socialist party: this is a testable hypothesis, because one can easily go to the field to collect data.

Theory of political opportunities

This theory says that people mobilize because they are unhappy or because there are certain political opportunities to take to the streets.

The theory says that the forms and levels of mobilization depend on political opportunity structures. These political opportunities are to be sought in the structure of the state and in the degree of openness and closure of the state:

• The demonstrations are smaller and at the same time they are more radical and violent in countries characterized by closed opportunity structures. We can test this hypothesis because we can identify more open or closed states.
• the more the police repress demonstrations, the more radical they tend to become. It is enough to observe manifestations: in this case, there is a problem of endogeneity which is the problem of reverse causality, because the hypothesis postulates that the more the police will repress the more there will be a tendency to radicalisation, however the relationship could be the opposite and we do not know what explains what.

Operationalization

Definition of operationalization

We will focus on the moment when we pass to the field; operationalization is the moment when we define the research drawing: we start from a given theoretical framework and then we go to the field, we will deal with this passage.

In order to be able to control and verify, by taking up the idea of the critical theory i.e. to be able to falsify a hypothesis, one must be able to set up certain passages which answer the name of operationalization. This is a key moment in the research process.

Let us recall that according to Corbetta, the concept refers to the semantic content, therefore to the meaning of linguistic signs and mental images; the concept is an abstraction of reality, it is basically something general. In other words, the only way to know and think about a reality is conceptualization, which is the foundation, a fundamental phase of each scientific discipline.

On the other hand a concept can refer to abstract and non-observable mental constructions such as the concept of power or the social class, a concept can also refer to more concrete and observable entities such as a chair or a worker  however a concept always refers to the class of objects.

It is through the realization of concepts that one can establish an empiry.

Phases de l’opérationnalisation

Elle peut être divisée en plusieurs phases, ce sont les moments clefs du processus de recherche :

1) Rendre les concepts en des propriétés d'objets (unité d'analyse) : les concepts doivent être attribués et appliqués à des objets ; ce sont des unités d’analyses qui renvoient au choix d’analyse sur lequel on va travailler. En d’autres termes c’est passer d'un niveau conceptuel à un niveau empirique mesurable, transformer les concepts, il faut les appliquer à des objets concrets donc à des unités d'analyse.

Exemple :

• le concept de « pouvoir » : doit pouvoir être transformé en objet, par exemple, le rôle de pouvoir dans une entreprise : on commence par définir l’unité d’analyse.
• développement économique : doit être applique à quelque chose de concret qui pourrait être le concept appliqué aux nations.
• participation électorale : on peut s’intéresser à des unités territoriales qui sont des propriétés collectives ou une propriété individuelle comme la fréquence de participation à des manifestations.

Nota bene : ces propriétés d’objets auront des états différents en fonction des objets en question, par exemple le développement économique de la France diffère de celui de la Suisse. Les propriétés d’objet varient par rapport au critère choisi.

2) Donner une définition opératoire des concepts : il faut établir et décider des règles afin de traduire ces concepts dans des opérations empiriques, en d’autres termes c’est établir des règles pour traduire les concepts en opérations empiriques.

Exemple :

• concept de pouvoir : on définit le pouvoir d'abord en tant que rôle qu'on peut avoir dans une organisation. Ensuite on doit préciser le nombre de personnes sur lesquelles l’individu exerce le pouvoir (il peut diriger 1000 ou 100).
• participation électorale : si on postule que la participation électorale se mesure au niveau d’une commune ou d’un canton, alors faudrait s’intéresser au pourcentage de votant par rapport au nombre d’électeurs.

3) Appliquer la définition opératoire à des cas concrets : c’est la phase d’opérationnalisation au sens strict du terme, on est en train d’aller sur le terrain ce qui permet de définir une variable.

• variable : c'est le résultat du processus, on passe d'un concept à une variable, elles sont la concrétisation théorique d'un concept.
• modalité : à chaque modalité on applique une valeur comme, par exemple, pour le concept de niveau d'éducation : universitaire 5, primaire 1, etc. Cela permet d’évaluer le niveau d’éducation d’une personne par l’établissement de code.

Dès lors l’opérationnalisation dans le sens strict du terme est le passage de la propriété (concept) à la variable qui dépend de la manière dont le passage se fait faisant qu’on peut avoir des variables différentes.

De concept--à--à--à--propriété--à--à--à--variable

L’opérationnalisation dépend de la manière dont on décide de traduire les concepts :

• classification
• ordonnément
• mesuration
• comptage (compter des unités)

Il faut réfléchir sur quel type d’analyse on veut déboucher à travers l’élaboration des concepts.

Il est primordial de définir les concepts ; le concept a un rapport de signification, c’est un élément fondamental de la recherche scientifique.

Opérationnalisation : exemples

• Poids : poids d'un livre (1 kilo) : il n'a pas de relation entre le poids physique d'un livre et son impact en la littérature.
• Âge : âge d'une personne (20 ans).
• Éducation : niveau d'études (université).
• Pouvoir : rôle politique (député, ministre, sénateur) : il est difficile de définir qui a le plus de pouvoir, ce sont des rôles dans lesquelles nous ne pouvons pas établir de hiérarchie.
• Participation : voter (fréquence).

Unités d’analyse

Dans la recherche empirique, on doit définir des unités d’analyse. L’unité d’analyse représente l'objet social ou politique dans la recherche empirique, c'est essentiel de la définir.

On distingue trois niveaux d’analyse, mais qui dépendent du contexte de la recherche :

• macro ;
• méso ;
• micro.

On peut approfondir la distinction à 6 niveaux d’analyse :

1. individu : ce sont les personnes.
2. agrégat d’individus : ce sont des variables collectives agrégées ; c’est l'ensemble des individus qui est une variable collective. Par exemple si le taux de participation en Suisse est de 40%, ce calcul est effectué sur la base des variables individuelles.
3. groupe / organisation / institution : variables collectives et structurelles, on ne passe pas par une agrégation des comportements individuels, c’est un processus différence de l'agrégat.
4. événement : par exemple dans les études faites sur les révolutions, chacune peut être divisée en sous-événements.
5. produit culturel : par exemple un tableau qui permet d’expliquer l’évolution d’une branche artistique.
6. relation : accords, collaborations, des relations organisationnelles ou interindividuelles.

Les trois premiers niveaux d’analyses sont les plus fréquents, ce sont des variables agrégées. Il y a des variables structurelles ou globales qui caractérisent un individu ou un groupe en tant que tel. Les variables agrégées découlent d’opérations mathématiques sur des variables individuelles dont l’unité d’observation se situe à un niveau inférieur tandis que les variables structurelles se situent au niveau de l’unité d’analyse.

À la fin du processus, on a des « cas » qui sont des exemplaires d’une analyse donnée inclus dans une recherche ; lorsque l‘on parle d’unité d’analyse c’est un cas abstrait ou général, tandis que le « cas » est concret est multiple à savoir ce que l’on va étudier.

Ainsi les « cas » sont les objets spécifiques de la recherche qu’on peut définir une fois qu’on est passé des étapes de définition d’un concept aux variables qui permettent de choisir des cas et de voir comment ils varient sur la variable découlant du processus.

Il n’y a pas vraiment de définition opératoire juste ou fausse, c’est une question d’être le plus explicite et le plus transparent possible. Dès lors, il faut expliciter et justifier le choix fait pendant la phase d’opérationnalisation.

Il reste toujours un décalage entre le niveau empirique et théorique, on ne peut jamais arriver à l’identification parfaite pouvant arriver à une définition opératoire juste ou fausse.

Finalement le danger dans cette phase n’est pas dans la réduction qui est inévitable, il se trouve dans la réification c‘est-à-dire dans le fait d’identifier le concept avec la variable.

La définition opératoire doit répondre à des critères d’objectivité, il faut arriver à un processus contrôlable qui puisse être répété par d’autres.

Pour savoir si c'est une bonne opérationnalisation il faut justifier un choix, c’est-à-dire qu’elle doit répondre à un critère d'objectivité et de justification sans pour autant éliminer l'arbitraire.

Critères de distinction des variables

La variable est un concept opérationnalisé ; il y a plusieurs manières de définir les variables et donc plusieurs manières de les classer :

• non-manipulables / manipulables :
  • non-manipulable : ce sont des variables qu’on ne peut modifier par exemple les caractéristiques sociodémographiques.
  • manipulable : les questions à se poser.

• dépendantes / indépendantes :
  • dépendantes : variables expliquées ; c’est ce que l’on veut expliquer aussi appelé variable endogène.
  • indépendantes : variables explicatives ; elle est censée d'expliquer aussi appelée variable exogène.

• non-observées (latentes) / observées (manifestes) :
  • non-observées : les valeurs sont des variables latentes non-observables.
  • observés : les opinions peuvent être par exemple observées.

Nota bene : quand on travaille sur les valeurs en science-politique on aborde les attitudes ; à travers on va remonter à quelque chose de non-observable.

• Individuelles / collectives (agrégées, globales, contextuelles)

• Traitement des valeurs : c'est l'aspect le plus important, il est lié à la mesuration. Il existe différents types de variables. Savoir à quel type de variable on a à faire va nous dire à quel type d’analyse on a à faire ; tout le processus d’opérationnalisation et la fin du processus à savoir la création de variables est fondamental débouchant sur des variables de natures différentes.

Types de variables

Il y a trois types de variables qu’il est possible de distinguer entre quatre critères

	nominales	ordinales	cardinales
États de propriétés : les valeurs de la variable	Catégories non ordonnés et non ordonnables. ex : nationalité, religion	Aussi catégorielles, mais ordonnées ; on peut créer un ordre. ex : niveau éducation, dans quelle mesure s'intéresse-t-on à quelque chose.	Plus des catégories, mais des variables : continues - ex : âge = 1 an, un mois, 3 heures), discrètes - ex : 1, 2, enfants, pas demi enfant !
Procédure d'opérationnalisation	Logique de classification.	On peut les mettre dans un certain ordre. On peut les inclure dans des catégories différentes. Il y a un ordonnénement, la variable ordinale résulte de la définition opératoire qui consiste à donner un ordre aux différents objets.	Mesuration : intervalle entre eux est le même (1 an, par exemple) -v. continues- Comptage : on peut les compter -v. discrètes-
Caractéristiques de valeurs	La caractéristique des valeurs est des noms. ex : canadien, suisse Les catégories doivent être exhaustives. Toutes les catégories doivent être contemplées et mutuellement exclusives.	Nombre avec propriétés ordinales. ex : peu, assez, très ; on associe un chiffre à chaque état, ce code est arbitraire.	Nombre avec propriétés cardinales, le nombre reflète une propriété réelle. ex : allé voter 5 fois, on ne peut pas associer des chiffres arbitrairement.
Opérations effectuables sur les valeurs	Egalite ou inégalité. ex : musulman diffèrent de catholique	Egalite ou inégalité, ordre supérieur ou inférieur.	On peut appliquer toutes les opérations mathématiques, équivalences, différences, multiplication, etc. ex : un individu de 40 ans est deux fois un individu de 20 ans.

Corbetta distinguishes the quasi-cardinal variables, they are situated between the two, namely between the ordinal and the cardinal. They would be ordinal variables, but they are considered to be cardinal variables. We try to make a discrete or ordinal variable continuous.

These are ordinal variables that we try to render as continuous variables. We try to compare the difference between two values, for example (not, little, enough, very); we cannot say that the distance between "not" and "little" is the same as between "enough" and "very". They can be ordered, but the distance cannot be measured.

One way to proceed are the scales, for example from 0 - 10 to define whether we are left or right. From then on, we pass from ordinal to cardinal variables.

Rapport entre concepts et indicateurs

C’est l’opérationnalisation des concepts complexes. Généralement, les concepts complexes ne sont pas observables, on ne peut observer que leur manifestation, par exemple la déviance, la religion, le pouvoir. Ce sont concepts à un niveau de généralité plus élevé et abstrait, de plus on ne peut pas les observer directement.

La plupart des concepts en sciences sociales peuvent être définis comme étant des concepts complexes qui sont plus difficiles à opérationnaliser c’est-à-dire de les transformer en propriété d’unité d’analyse.

Exemple : concept de religiosité ; on utilise cinq définitions différentes afin de le formuler qui sont de plus en plus spécifiques :

• croire en une divinité : permet de se diriger vers la concrétisation.
• croire au dieu chrétien : chaque religion à sa définition de dieu.
• appartenir à l'Église catholique
• agir selon les règles de l'église : degrés de précision plus élevée.
• aller à l'église tous les dimanches : on peut essayer d’opérationnaliser le concept de religiosité en le réduisant au fait d’aller à l’église tous les dimanches.

Ainsi, on voit comment peut-on passer du général au spécifique à travers différents passages.

Comment mesurer, opérationnaliser ces différents concepts complexes ?

On peut subdiviser le concept en sous-concepts que l’on appelle des indicateurs. Les indicateurs sont cruciaux dans le processus d’opérationnalisation.

Un indicateur est un concept plus simple, plus spécifique du concept d’origine qui peut être immédiatement traduit en des termes observables.

Les indicateurs sont liés aux concepts plus généraux par un rapport d’indication entre le concept et l'indicateur. On descend dans l'échelle de généralité à des concepts plus spécifiques ; c’est un rapport de représentation sémantique entre l’indicateur et le concept qu’il est censé représenter, indiquer, mesurer.

En d’autres termes, on descend dans l’échelle de généralité et d’abstraction des concepts généraux à des concepts plus spécifiques liés au premier par des affinités de significations.

Nota bene : il n'y a pas un juste choix d’indicateurs.

What is the relationship between the concepts and the indicator?

• Partiality

A concept cannot be captured entirely by a single indicator, a given indicator covers only one aspect of that complexity of the concept. The indicators are partial representations. It is always necessary, if possible, to find several indicators for the same complex concept  a same complex concept can never be indicated by only one indicator, there is a criterion of multiplicity of indicators.

Example - religious practice may be an indicator of the component of the ritual dimension of religiosity, but religiosity also has other components such as religious feelings, religious ideology, religious affiliation, etc.

One should always be aware that an indicator is always in a biased relationship with the general concept it is supposed to indicate.

• Polysemia

An indicator may overlap only partially with a concept  in other words the same indicator may be linked to several concepts, it may indicate, mean, represent different concepts.

Example - in theocratic societies, religious practice can be an indicator of social conformity rather than religiosity. The practice of religion can be both an indicator of social conformism and religiosity.

The same indicator only partially covers a concept while being an indicator of different concepts.

• Arbitrariness

The choice of indicators is arbitrary, so they should be argued rather than shown to be correct. We must try to show the close link between the theoretical dimension of the concept and the empirical dimension, the two things cannot be dissociated.

The indicators of a complex concept can be found in several ways according to logical reasoning and even according to common sense or more systematic according to what has been done in previous research with an importance of literature.

Traduction empirique de concepts complexes : phases de l’opérationnalisation des concepts complexes

Si on a des concepts qui ne sont pas multidimensionnels, cette phase peut être supprimée ; si on travaille avec un concept complexe, on doit avant tout simplifier le complexe en passant par des dimensions, c’est une réflexion théorique, on analyse le concept dans ses principales composantes de significations.

On distingue quatre phases :

1. Articulation du concept en dimensions : on réfléchit aux autres dimensions du concept comme, par exemple, la religiosité qui a des dimensions de pratiques, des idéologies, etc. C’est le passage d'abstractions générales au spécifique,on dit qu'on peut le diviser en sub-concepts pour chaque dimension, toutefois nous ne sommes pas encore dans la phase d’opérationnalisation. On s’interroge sur les différents aspects et significations des concepts.
2. Choix des indicateurs : on se pose la question de la traduction empirique, on décide des indicateurs qu’on va choisir. Les indicateurs sont des concepts plus spécifiques, on commence à faire un pas vers les variables comme par exemple s’intéresser à la participation à des rites qui relève de la participation rituelle soit de la dimension pratique religieuse.
3. Opérationnalisation : on transforme les indicateurs qui sont encore des concepts en variables. C’est la création des variables qui peuvent être, ordinales, cardinales ou intervalles. Par exemple en ce qui concerne la pratique religieuse on va mesurer et opérationnaliser la pratique religieuse qui est un indicateur d’une dimension de la religiosité c’est-à-dire le nombre de fois qu'on va à l'église par année. Cet indicateur relève de la composante comportementale, car choisir un indicateur « pratique » de la religion permet de déterminer une fréquence.
4. Formation des indices : on synthétise l'ensemble des indicateurs en une mesure globale. On va procéder à la formation des indices, on essaie de regrouper ces indicateurs sous une seule mesure cela peut-être par exemple la construction d’échelles ; sur le plan empirique, concret, spécifique, on essaie d’arriver à une mesure, car il est plus facile de travailler avec une variable qu’avec une multitude de variables.

En fonction des objectifs de la recherche, on va choisir plusieurs mesures ou plusieurs indicateurs.

This graph shows the process that goes from the complex concept to indicators or more specific indicators that indicate the concept; then variables were created and then in the last step we will group the variables into a single measure called the index.

Through this operationalization process variables are created that can be, ordinal, cardinal, categorical or interval variables - ordinal. In this example we would have nine indicators from which to construct an index that summarizes the concept. One starts from a concept which is the theoretical level towards a variable, the index is a variable derived from the sum of the other operations on the various variables.

In this process there is always a possibility that there are errors that get introduced so that a variable is never completely assimilable to concepts, there is always a lag  what is important is first to know what are the different sources of errors that produce the lag.

Some errors can be corrected and others cannot, but knowing the problem is something very important.

Empirical translation of complex concepts: examples

Nota bene : we started to specify the concept through seven dimensions

Nota bene : the distinction between concept and dimension is relative, now participation has become a dimension of another concept notably through the criteria of polysemy, partiality and arbitrariness.

The complex concepts and indicators are all at the bottom of the concepts, we enter the empirical phase with the last step.

The idea is that we move from an abstract and general concept through sub-dimensions that allow us to choose good indicators in the sense that they are justifiable and justified in the context of theory being an indicative relationship with the concept we want to measure.

Errors in the transition from concepts to indicators

Il y a qu’une couverture partielle du concept par l’indicateur, mais il y a toujours un décalage entre la valeur observée et la vraie valeur liée au concept que l’on souhaite mesurer.

Il faut d’abord faire une distinction entre deux types d’erreurs:

• erreur systématique, « erreur constante »
• erreur accidentelle, « erreur variable »

L'erreur totale est la somme de l'erreur accidentelle et de l’erreur systématique.

ERREUR TOTALE = ERREUR ACCIDENTELLE + ERREUR SYSTÉMATIQUE

• erreur systématique

Se produisent dans toutes nos mesures d’une façon systématique, par exemple tout le monde a tendance à surestimer sa propre participation.

• erreur accidentelle

It is a variable error from one measurement to another, we measure differently at different times.

One of the two types of errors is more easily detectable than the other. If a problem remains constant, if we do not assume problems then we will not notice anything, that is why an accidental error is more easily identifiable.

There can be different types of errors resulting from a distinction between two phases:

1) phase d'indication : théorique

On peut distinguer deux types d'erreurs :

• d'indication : dû à un mauvais choix des indicateurs, l’indicateur ne mesure pas ce qu’il est censé mesurer. C’est une erreur qui est presque par définition constante ou systématique, difficilement détectable sinon à travers le raisonnement logique et l’intuition. Dans ce cas il y a un problème de validité de l’indicateur c’est-à-dire qu’il ne mesure pas vraiment le concept qu’il est censé mesurer.
• systématique : une fois mal fait, cela va se répercuter sur la recherche.

2) phase empirique : erreur opérationnalisation Ces erreurs peuvent découler d’erreurs d’opérationnalisations, elles peuvent être systématiques ou accidentelles. On peut distinguer trois sources d’erreurs d’opérationnalisation, en d’autres termes il y a trois moments auxquels on est soumis au danger et au risque de tomber dans ces erreurs. Toutefois nous allons ignorer l’erreur de traitement des données.

• sélection des cas : cas mal choisis, il peut y avoir des erreurs.
  • couverture : consiste du fait qu'on n'ait pas couvert la population qu'on voulait couvrir.
  • échantillonnage : si l'échantillon est fait selon certaines procédures on peut calculer le pourcentage d'erreur.
  • non-réponse : il y a des individus qui ne souhaitent pas répondre au sondage ce qui va biaiser l’analyse.

Il y plusieurs sources d’erreurs liées à la sélection des sujets dans une première phase qui est aussi une erreur d’opérationnalisation.

• d'observation : mauvaise observation des cas
  • interviewer : erreurs liées à l’interviewer, il pourrait soumettre l’interviewé à des pressions directes ou indirectes.
  • interviewé : la personne peut mal comprendre la question ou volontairement biaiser la recherche.
  • instrument : la manière dont est administrée la question.
  • mode de traitement des données : analyser d’une mauvaise manière.

There can be errors that make the initial concept no longer correspond or only partly correspond with the final concept which is the variable. To do this, we must be aware and put in place everything possible to reduce the time lag as much as possible. Note that the only type of error that can be measured is sampling error.

When we analyze the data, when we have the variables, we must be aware that the variable is only an approximation of the concept it is supposed to measure or operationalize.

On the other hand, we must ensure that these sources of errors are reduced to a minimum by trying to avoid any bias linked to the person interviewed, by using the right instrument and the right method of administration while covering the entire population that we are supposed to study by reducing non-response.

Reliability and validity

Indicators may be more or less reliable and valid. The question is to what extent is a "measure" reliable and valid?

• Reliability

The notion of reliability refers to the possibility of reproducing the same measurement, i.e. the reproducibility of the measurement. It is the degree to which a certain procedure of translating a concept into a variable produces the same results in repeated tests with the same measuring instrument (stability) or with equivalent instruments (equivalence).

On the other hand, there is reliability related to internal consistency when there is a series of variables that are supposed to be part of the same concept or to measure the same concept. In this case there are coefficients which make it possible to measure this reliability as the alpha of Cronbar.

• Validity

It is an Adequacy, the degree to which a certain procedure of translating a concept into a variable actually measures the concept that one intends to measure. A valid indicator is one that really measures what you want to measure.

To the question to what extent the variable we have operationalized, captured, captures and measures the concept as well as the reality we want to discover, we must refer to an adequacy.

Research aims to find indicators that are both reliable and valid.