Actions

Pratiques de la recherche et causalité : théorie et empirie sous tension

From Baripedia


Pratiques de la recherche[edit | edit source]

Ces pôles nous aident à prendre une distance critique avec notre objet. Ces pôles ne sont pas forcément dans la tête de tout chercheur ou tout étudiant. Ces pôles sont des espaces de recherche posant des questions spécifiques pour avoir un projet de recherche cohérent. Il demande au chercheur à se questionner différemment. Les mêmes pôles existent pour la méthode quantitative ou qualtive puisque les deux sont soumises aux mêmes types de questions sauf que les pôles sont plus au moins importants dans l’une ou l’autre démarche.

Quatre pôles structurent la recherche[edit | edit source]

  1. Pôle épistémologique -> pertinence de l’objet et de la question de recherche. On se pose des questions comme « pourquoi faut-il répondre à cette question ? Qu’est-ce que ça nous apporte comme pertinence ? Pourquoi c’est un problème social ?
  2. Pôle théorique -> Explication/compréhension. Permet de conceptualiser les concepts et les mettre en relation. Il permet de délimiter l’objet de l’étude lui-même et les causes explicatives en plus de mettre en amont un ensemble de facteurs pour expliquer le phénomène à expliquer. Ceci se fait par la formulation de l’hypothèse.
  3. Pôle méthodologique -> Cohérence : définir le dessin de recherche et le cadre d’analyse. Il assure cohérence entre le pôle théorique et technique. Il peut être enrichi par notre propre lecture. Il permet par la suite de tester nos relations causales.
  4. Pôle technique -> Faisabilité : Il demande comment on va faire notre collecte de données ?
  • Chaque pôle se réfère à une étape distincte de la recherche et ce sont des moments analytiquement séparés mais en réalité inséparable. Il y a un va-et-vient constant entre eux puisque leur existence et conditionnée par celles des autres.

Implication de l’interdépendance des pôles[edit | edit source]

Les choix méthodologiques découlent du problème posé antérieurement et notamment du cadre théorique élaboré. De plus, les choix techniques découlent du cadre méthodologique élaboré ainsi que du problème et du cadre théorique. Ainsi, les choix méthodologiques sont sous contraintes des pôles antérieures et des connaissances préalables du chercheur.

Pensée causale : au cœur de la démarche quantitative[edit | edit source]

La causalité se pose d’une manière transversale pendant tout le processus de recherche. On a déjà vu apparaître cette question à plusieurs endroits dans les pôles de la recherche. La causalité est au centre des recherches quantitatives. On essaie donc de développer un outil statistique qui nous permet de mettre en évidence des structures sociales. On est dans une logique positiviste importé des sciences naturelles voulant expliquer des phénomènes visibles comme la criminalité. On veut donc mettre en évidence des causes sociales. Tandis que dans les méthodes qualitatives, on veut générer un ensemble d’explications probables ou potentielles. On délimite des causes dans le pôle théorique. En d’autres termes, on a la recherche d’un effet d’une variable indépendante sur la variable dépendante (du X au Y). A cette logique se pose plusieurs problèmes étant liés à cette logique. Il y a des problèmes philosophiques qui questionnent la possibilité de pouvoir trouver des causes universelles par exemple. Un modèle causal exige de contrôler la causalité et de mettre en évidence la structure sociale. Ceci n’est pas toujours facile et parfois même, ce n’est pas faisable. Finalement, il y a des problèmes techniques parce qu’on ne peut pas contrôler toutes les causes concurrentes possibles.

Où est le problème ? La tension entre théorie et empirie[edit | edit source]

On est face à une tension entre le langage théorique et celui de la recherche. Ceci est bien résumé par la citation de Blalock : « Si X est la cause de Y, nous avons en tête que X produit un changement de Y et non simplement qu’un changement de X est suivi, ou associé, à un changement de Y ». La logique de la pensée causale veut qu’on évalue l’effet de X d’une variable ou de plusieurs variables indépendantes sur Y, à savoir une variable dépendante. Par exemple l’effet du niveau d’éducation sur la participation politique. Dans le langage de la théorie, on va utiliser des termes comme causes, poids ou rôle d’une variable sur l’autre. Dans la recherche empirique, si on veut tester ces relations, on parle de co-variation ou de corrélation. Si on parle de co-variation, on parle d’une variation d’un changement en même temps ou si corrélation, on parle d’une association d’une variable à une autre mais on ne parle pas de sens. Du coup, ni la corrélation ni la co-variation sont des causes. On pourrait admettre que la pensée causale se situe uniquement au niveau théorique et qu’on ne peut pas le tester au niveau de la recherche empirique. Sauf qu’Einstein n’est pas d’accord avec cette affirmation puisque « correlations does not prove causality ». Pourquoi est-il difficile d’identifier les causes ? Il y a 2 raisons majeures à cela :

  • Asymétrie temporelle entre la cause et l’effet. Forcément, la cause doit venir avant les faits. Si on veut évaluer la présence des immigrés sur la xénophobie, il faut trouver un endroit où il y a une présence immigrée antérieure à un renforcement d’attitude xénophobe sinon on ne peut pas dire qu’il y a causalité. Pour résoudre ce problème de temporalité au niveau empirique, le dessin de recherche doit incorporer cette notion du temps. Idéalement en mesure de 2 temps minimum sauf que cela est difficilement atteint. Par exemple les sondages se font souvent en un seul moment et les s sont relativement rares car très couteux. On peut encore se rapprocher à cette idée du temps avec certaines astuces telle que le fait de poser des questions sur le passé. L’autre astuce est de se sauver avec la réflexion théorique, en expliquant théoriquement ce qui vient avant ou après.
  • Contrôle de toutes les causes concurrentes : pour prouver qu’une cause génère un effet, il faut contrôler toutes les autres causes possibles en éliminant celles qui peuvent établir une relation entre une variable indépendante et une variable dépendante. Il faut en plus maîtriser totalement l’environnement et travailler avec système clos qui est libéré de toutes les causes concurrentes.

Exemples : Si on veut examiner l’effet des campagnes sur la participation électorale, on est face à un postulat causal au niveau théorique sauf qu’on ne va jamais trouver toutes les causes structurelles.

Par conséquent, on peut prouver une causalité seulement dans un système fermé selon Russel ou Heisenberg. Un système isolé nous permet de contrôler toute autre cause concurrente et de varier seulement la cause qui nous intéresse. Sauf que c’est très difficile en sciences sociales.

  • L’asymétrie temporelle est un problème soluble soit par l’introduction de la notion du temps comme dans les études de panel ou par le choix de dessin expérimental. Sauf que ce type d’étude n’est pas toujours faisable puisque c’est très cher. Il reste alors l’appui théorique en argumentant logiquement la causalité.

Une possible solution : la reconceptualisation de la cause[edit | edit source]

Le contrôle de toutes les causes concurrentes et l’aspect le plus difficile à réaliser parce qu’on ne peut pas isoler complètement un système et de déterminer toutes les causes concurrentielles. Donc la causalité au sens strict du terme ne s’applique pas à la recherche. Sauf qu’on est face à un problème insoluble. Comme on ne peut pas cerner la causalité au sens philosophique du terme et donc on ne peut pas tester empiriquement des lois sociales on est censé reconceptualiser la causalité au sens étroit du terme et on parle d’une causalité limitée. Selon Simon, on doit conserver le modèle de cause en modèle simplifié. La meilleure solution est de partir avec un nombre fini de causes qui sont en opposition avec la philosophie. Sauf que ce modèle ne peut jamais être complètement faux au sens philosophique du terme. Cette causalité limitée peut être visible à différents endroits de la recherche ; sur le niveau théorique avec les hypothèses, en statistiques, avec les termes d’erreur et en méthodologique, avec l’expérimentation.

Comme au niveau théorique, une relation entre deux variables ne peut pas être analysée empiriquement et on doit donc émettre des hypothèses simplifiées sur la relation entre deux variables. Donc l’énoncé causal est purement hypothétique. Les phrases sont formulées : « si toutes les causes connues sont égales, alors il y a un effet de campagne sur la participation électorale ». C’est la solution théorique. Au niveau empirique, on peut construire une causalité limitée avec l’introduction des termes d’erreur. Cela se fait avec les analyses multiples comme la régression : « Quand un facteur X prédit Y, il peut toujours y avoir d’autres causes qui prédit … ». Cela prend en compte la variation de la variable dépendante qui n’est pas causée par la /les variables indépendantes.

Finalement, la logique d’expérimentation nous permet d’établir une causalité limitée. L’idée derrière est la création d’un système isolé ce qui n’est pas forcément possible en sciences sociales parce qu’on est tout simplement rarement dans un laboratoire. Toutefois, on peut voir dans la recherche qu’il y a des expérimentations qui essaient de se rapprocher de cet idéal. Par exemple, si on veut évaluer l’effet de la lecture d’un journal dans la formation des opinions pendant une campagne électorale, on peut s’approcher d’une situation d’expérimentation en créant un groupe A et un groupe de contrôle B. Sauf que les personnes peuvent être impactés par d’autres causes externes. Ainsi, l’expérimentation reste difficilement applicable et on doit rester dans un modèle hypothétique.

  • Un modèle (causal) restera toujours une représentation simplifiée de la réalité.

Difficulté dans l’élaboration de modèles causaux[edit | edit source]

Il faut sélectionner les causes qu’on intègre dans notre modèle en choisissant celles qui sont les plus déterminantes. Ainsi, on parle des causes principales qui sont celles qui sont les plus fondamentales. Puis, il faut identifier les causes concurrentes qui pourraient être concurrentes à notre explication. On parle aussi de variable de contrôle qui signifient la même chose. Ces causes, on les trouve souvent dans la littérature. Avec toutes ces causes concurrentes, il faut faire un choix qui va influencer notre résultat. Ce choix consiste à éliminer certaines causes pour avoir un modèle théorique faisable. Le plus grand danger dans ce processus de sélection, c’est la création de fausses relations. Par exemple, on fait un modèle théorique où on prend le sexe et la participation politique. On trouve que les hommes participent plus que les femmes sauf qu’on a oublié de prendre en compte une variable explicative. Elle va éliminer notre thèse principale ; la participation politique est surtout influencée par le niveau d’éducation et la classe sociale. Si on intègre ces deux variables dans une régression, on ne trouve plus de relation entre sexe et participation politique.

Difficulté de l’élaboration de modèles causaux[edit | edit source]

On peut expliquer un problème social en trouvant toutes les variables. C’est le cas dans les méthodes qualitatives. La seconde approche est d’essayer d’expliquer l’effet d’une cause sur un effet. La différence entre les deux approches est que dans le deuxième exemple, on est dans une logique de sélection de causes au sein d’un modèle théorique. On prend un nombre limité de causes.

Il existe différents types de causes :

  • La cause principale : C’est la cause que l’on postule influencer le plus un phénomène donné.

  • La cause concurrente : C’est la cause qui peut influencer également le phénomène étudié mais dont on postule qu’elle est moins prégnante que la cause principale.

  • La cause fallacieuse : Alors que l’on pensant que X influençait fortement Y, ayant identifié une co-variation, il s’avère que c’est une variable cachée, Z, qui influence en réalité Y. Il s’agit donc d’une cause fallacieuse.
Par exemple, on a longtemps pensé que ce qui faisait que les femmes votaient moins que les hommes, c’était leur genre. Toutefois, on a compris plus tard qu’en vérité, ce qui influençait le plus, c’était le niveau d’éducation, qui variait également selon le genre !

Cause et théorie[edit | edit source]

On dit que X a une influence sur Y sauf qu’il ne faut pas oublier de comprendre et d’expliquer ce lien social. Il faut toujours essayer de comprendre la flèche sinon on pourrait créer des artefacts ou de fausses relations. Quand on parle du niveau d’éducation qui affecte la participation des individus, parle-t-on des ressources intellectuelles ? d’un sentiment de légitimité ? que cela peut-il dire ? Pour ne pas tomber dans le positivisme sauvage (ce que je vois est parce que je le vois), la théorie est cruciale pour comprendre ce lien et non pas simplement le constater.

Conclusion[edit | edit source]

Le monde réel est hors de notre portée. On ne peut pas tester des relations causales au sens strict du terme. Ainsi, le chercheur doit construire son objet de recherche. Il passe d’un objet perçu à un objet de connaissance. On construit notre objet de recherche avec des lunettes méthodologiques et théoriques. D’ailleurs, on travaille avec des objets interactifs puisqu’ils peuvent se transformer. On doit prendre en compte l’asymétrie temporelle, on doit contrôler les causes concurrentes. Finalement, on a vu qu’on est plutôt dans des systèmes de co-variations et non dans des systèmes de causes.