Arrow Table de matières
7687749

Chapitre II. APPROCHE METHODOLOGIQUE

II.1.  POPULATION

Selon M. GRAWITZ (1974, p. 960), la population est un ensemble dont les éléments sont choisis pour ce qu’ils ont de même nature.

Quand à F.DEPELTEAU (2000, p.213), la population est un ensemble de tous les individus ayant des caractéristiques précises en relation avec les objets de l’étude.

Pour R. QUIVY et COMPENHOUT (1988, p.152), la population d’étude est définie  comme étant la totalité des éléments ou les unités constructives de l’ensemble considéré. Ce terme peut aussi designer un ensemble des personnes, d’organisations ou d’objets peu importe leur nature.

II.1.1.  Population cible

 L’un des premiers concepts à définir est la population cible, qui est la population dont on veut obtenir de l’information.

Les éléments suivants sont essentiels à la définition de la population cible et aux définitions opérationnelles, en général :

  • Genre d’unités que comprend la population et caractéristiques particulières de ces unités (quoi ou qui)
  • Localisation des unités(ou)
  • Période de référence considérée (quand)

La population d’enquête est en fait la population que couvre l’enquête. Elle peut être la population cible, mais idéalement, les deux devraient être semblables. Il est alors important de souligner que les conclusions tirées des résultats de l’enquête s’appliquent seulement  à la population enquêtée.

C’est pourquoi la population d’enquête devrait être clairement définie dans la documentation d’enquête.

Tant des raisons peuvent expliquer les différences entre les deux populations. Le cout et la difficulté élevée de la collecte des données dans les régions isolées, par exemple peuvent motiver la décision d’exclure ces unités de la population d’enquête. La population de cette étude est constituée des enseignants du cours d’informatique dans les écoles secondaires du groupement d’Itara/Luvungi.

II.2. ECHANTILLONNAGE

Il est souvent impossible d’observer toutes les données d’un ensemble d’individus concernés par une étude.

Au lieu d’examiner l’ensemble de la population, on examine une petite partie qui est l’échantillon.

Le but de l’échantillon est donc de fournir suffisamment de l’information pour que des inférences statistiques concernant les caractéristiques de la population  puissent être faites.

Toute activité organisée et méthodique de collecte d’information est une enquête. Elle est habituellement motivée par le besoin d’étudier les caractéristiques d’une population, implanter une base de données à des fins analytiques ou de vérifier une hypothèse.

Pour G. De LANDERSHERE (1976, p.337), échantillonner c’est choisir un nombre limité d’individus ou objets, événements dont l’observation et les conclusions peuvent entrer à l’intérieur   de la population sur laquelle le choix a été fait.

II.2.1. Choix d’un plan d’échantillonnage

Deux genres : l’enquête-échantillon et le recensement

Dans notre travail, nous avons jugé de choisir l’enquête par échantillon car au cours d’une enquête-échantillon, la collecte des données est faite pour une partie seulement des unités  de la population.

Il existe 2 types d’échantillonnage notamment : l’échantillonnage non probabiliste et probabiliste.

  • L’échantillonnage non probabiliste est un moyen rapide, facile et bon marché de sélectionner des unités de la population, mais la méthode de sélection est subjective. A la fin de faire des déductions sur la population à partir d’un échantillon non probabiliste, l’analyse des données doit supposer que l’échantillon est représentatif de la population.
  • L’échantillonnage probabiliste est plus complexe, demande plus de temps et coute habituellement plus cher que l’échantillonnage non probabiliste. Etant donné que la sélection de chaque unité peut être calculée, des estimations faibles sont possibles, ainsi que des estimations  d’erreurs d’échantillonnage et des déductions sur la population.

En outre, toute enquête peut cependant comporter des erreurs non dues à l’échantillonnage, c’est-à-dire, toutes les erreurs qui ne sont pas liées à l’échantillonnage entre autres, les erreurs de mesure, les erreurs de traitement.

II.2.2.  Taille de l’échantillon

Cette  recherche prend en compte 5 écoles en raison d’un ou deux enseignants par école ; et ces écoles sont celles considérées viables parmi les 9 que compte le groupement.

Il est à noter que pour dépouiller nos données et tester nos hypothèses, nous avons fait recours au logiciel statistique sphinx version 5.0 qui nous a permis de grouper les bonnes et mauvaises réponses et générer ainsi des tableaux de fréquences pour l’analyse descriptive de nos résultats.

II.2.3. Choix de l’échantillon

A partir de nos observations faites, nous avons remarqué que seules 5 écoles assurent l’enseignement théorique de l’informatique ; c’est la raison pour laquelle notre échantillon porte le caractère représentatif.

Vu le nombre d’écoles que compte le groupement d’Itara/Luvungi, le total de 9 écoles parmi lesquelles 5 organisent l’enseignement du cours d’informatique, nous avons pris comme échantillon d’étude les enseignants du cours d’informatique de ces 5 écoles.

Tableau no 03 : Présentation des écoles concernées (Echantillon)

ECOLES

TITRE DE L’ENSEIGNANT

QUALIFICATION

ANCIENNETE

Inst. Mulangaliro

Gradué

Sciences Commerciales et administratives

2

Inst. Itara

D6

Pédagogie générale

3

Inst. Kabwika

D6

 Pédagogie Générale

5

Inst. Neema

D6

 Pédagogie Générale

7

Inst. Maniema

Gradué

Sciences commerciales et administratives

2

Source : Nos enquêtes sur terrain

II.2.4. Motivation du choix de l’échantillon

Nous avons remarqué que parmi les écoles que compte le groupement seulement 5 écoles dispensent  l’enseignement de l’informatique. C’est la raison pour laquelle nous avons pensé évaluer le type et la qualité de cet enseignement de l’informatique réalisé au sein de ces institutions.

II.3. APPROCHE METHODOLOGIQUE

En sciences sociales, une recherche comporte l’utilisation de procédés opératoires bien définis que l’on nomme ‘’ techniques ‘’. Le choix de la technique dépend de l’objectif poursuivi, lequel est lui-même lié à la méthode de travail. Une telle interdépendance entraîne souvent une confusion dans les termes techniques et méthodes qu’il convient de lever.

II.3.1. LES METHODES

La méthode est définie comme une démarche rationnelle de l’esprit  pour arriver à la connaissance ou à la démonstration d’une vérité. D’après PINTO et GRAWITZ, la méthode est un ensemble d’opérations intellectuelles par lesquelles une discipline cherche à atteindre les vérités qu’elle poursuit, les démontre et   les vérifie[1]. La technique elle, est en plus un procédé de mise en œuvre de la méthode.

Pour réaliser ce travail, nous avons fait recours aux méthodes suivantes :

  1. La méthode comparative

Elle nous a permis de confronter les différents résultats obtenus dans les différentes écoles de notre échantillon. A partir de cette méthode nous avons réussi à confronter les résultats obtenus dans ces écoles

  1. La méthode historique

Celle-ci nous a permis d’analyser l’enseignement du cours d’informatique au cours des siècles précédents  en comparaison avec notre siècle.

II.3.2. LES TECHNIQUES

Une technique est selon le dictionnaire  l’ensemble des procédés d’un art, d’un métier.  C’est la démarche suivie dans la réalisation d’un phénomène.

          Dans le processus de notre recherche, nous avons fait usage des techniques ci-après :

  1. L’Observation directe

Dans le processus de nos recherches, nous avons  observé la manière avec laquelle les enseignements sont réalisés dans ces écoles secondaires dans le groupement d’Itara/Luvungi,

  1. L’entretien

Cette technique nous a permis de nous entretenir avec les gestionnaires des écoles ainsi qu’avec les enseignants du cours d’informatique dans les écoles du groupement d’Itara/Luvungi. Avec cette technique, nous avons récolté les avis des titulaires du cours d’informatique dans les écoles ciblées.

 II.4. Collecte des données

Pour collecter les données de notre étude, nous avons fait des descentes sur terrain dans les écoles secondaires du groupement d’Itara/Luvungi où nous avons été reçu par les directeurs des études et ou les préfets.

 II.5. Analyse des données

L’analyse des données comprend le sommaire  des données et l’interprétation de leur signification pour obtenir des réponses claires aux questions qui ont motivé l’enquête.

L’analyse des données peut être restreinte aux données de l’enquête ou établir une comparaison entre les estimations de l’enquête et les résultats d’autres enquêtes ou sources des données.

Cette analyse va consister à examiner les tableaux, les graphiques et diverses autres mesures comme par exemple les moyens et les répartitions des fréquences afin de résumer les données.

L’inférence statistique peut servir à vérifier les hypothèses ou étudier les liens entre des caractéristiques, par exemple, à l’aide de tests de régression, d’analyses de l’écart.

II.6. Estimation

Après la collecte, la saisie, le codage, la vérification et la compilation des données l’étape suivante est l’estimation.

Le fondement de l’estimation dans une enquête-échantillon est la  pondération qui indique le nombre moyen d’unités de la population représentée par une unité de l’échantillon. Un total de la population peut être estimé, par exemple en donnant les valeurs pondérées des unités de l’échantillon. Le plan sondage dicte la pondération initiale. Des modifications sont parfois apportées à cette pondération pour composer les unités qui ne répondent pas à l’enquête par exemple ou pour tenir compte de l’information secondaire

L’enquête-échantillon  peut causer une erreur d’échantillon car une partie seulement de la population est dénombrée et que les unités échantillonnées n’ont pas exactement les mêmes caractéristiques que toutes les unités de la population représentée. A chaque estimation, il faudrait toujours ajouter une estimation de l’ampleur d’erreur d’échantillonnage pour indiquer aux utilisateurs la qualité des données.

[1]R. PINTO et M. GRAWITZ, la méthode en sciences sociales, Paris, Dalloz, 1971, p282.

Partager ce travail sur :