Illusion du nombre dans les sciences humaines

1
Illusion du nombre dans les sciences humaines 
mesures dopinion et sondages

• Thierry Foucart, UMR 6086, Département
  Mathématiques, SP2MI, Université de  Poitiers

•  Il nest pas bon que le pouvoir dobserver se
  développe plus vite que lart dinterpréter 
  (Alain)

2
Sciences de la nature et sciences humaines

•  les sciences humaines en France ont longtemps
  vécu avec un modèle en surplomb, celui de la
  physique mécanique, qui, par ses lois et son
  usage de la causalité, semblait représenter la
  quintessence de la scientificité, en réalisant
  une coupure radicale avec les humanités
  classiques. (F. Dosse)
• Auguste Comte et Emile Durkheim ont admis ce
  que Spencer a toujours refusé lexistence dans
  la société dun organe comparable au cerveau,
  dune conscience collective bâtie sur le modèle
  de la conscience individuelle  (M. Dubois)

3
Evolution

•  en tout cas, le fossé se creuse dans les années
  1970 entre deux formes de science sociale. La
  première remet en question de plus en plus
  profondément ses catégories, ses outils et ses
  fondements, tandis que la seconde évolue au
  contraire vers l'empirisme de plus en plus
  radical de l'analyse des données. La première
  adopte donc de plus en plus nettement une
  attitude critique vis à vis du pouvoir détat,
  tandis que la seconde est au contraire de plus en
  plus associée aux demandes des administrations....
    (H. Le Bras)

4
La démarche scientifique dans les sciences de
lhomme et de la société
5
La démarche scientifique dans les sciences de
lhomme et de la société (I)
Cheval blanc (Gauguin)
http//www.artyst.net/G/Gauguin19/GauguinChevalbla
ncG.htm

• Reproduction fidèle par les techniques des
  sciences de la nature
• Aucune interprétation de loeuvre

6
La démarche scientifique dans les sciences de
lhomme et de la société(II)
Cheval blanc (Gauguin)
http//www.artyst.net/G/Gauguin19/GauguinChevalbla
ncG.htm

• Cheval vert objectivisme
• Cheval blanc subjectivisme

7
Quantification et sciences sociales
8
Quantification et sciences sociales (I)

• Quantification de lensemble des activités
  humaines perte de laspect relationnel,
  affectif
• Objectivité apparente du chiffre pauvreté de
  linformation limitée à la valeur faciale du fait
  observé
• Classification subjectivité collective.

9
Quantification et sciences sociales (II)

•  Lanxiété que suscitent les chiffres chez les
  commentateurs non scientifiques  (S.J. Gould)
• Les chiffres ne sont finalement que des
  indications produites par la société sur
  elle-même.

10
Linterprétation des résultats statistiques
11
Linterprétation des résultats statistiques (I)

• Dans une enquête, linterprétation dun
  pourcentage nécessite une connaissance de la
  société dans laquelle il a été établi et de la
  position sociale et culturelle des personnes qui
  ont répondu.
• La plupart des statistiques économiques et
  sociales ne sont comparables aux valeurs des
  années précédentes que si les conditions dans
  lesquelles elles sont établies nont pas changé,
  ce qui nest pas le cas en général.

12
Linterprétation des résultats statistiques (II)

• Le chercheur est lui-même impliqué dans le fait
  observé et doit l objectiver .
  Linterprétation repose sur son aptitude à
  comprendre sans juger.
•  Les mots sont, on la dit, autant les objets
  que les instruments des conflits idéologiques et
  politiques. Cest pourquoi ils sont,
  volontairement ou non, utilisés de manière
  équivoque. (Dominique Schnapper).
• Théorème de Hume on ne peut inférer des
  conclusions normatives à partir de prémisses
  descriptives.

13
Linterprétation des graphiques
14
Linterprétation des graphiques (I)

• Nombre de tués sur les routes et mesures de
  sécurité routières

15
Linterprétation des graphiques (II)

• Les graphiques ne sont pas construits pour
  expliquer et convaincre, mais pour illustrer et
  persuader.
• Une relation statistique reste une coïncidence
  tant quelle nest pas expliquée indépendamment
  des chiffres.
• Cette explication relève du champ scientifique
  dans lequel se trouve le fait observé.

16
Modélisation mathématique
17
Modèles (I)

• Modèle de Spearman
• (1) j f(g,s) (lactivité cognitive j dépend
  dun facteur général g et dun facteur spécifique
  s)
• (2) r 0 (indépendance des facteurs)
• (3) z a g b s ( mesure de lactivité
  cognitive j)

• Modèle linéaire
• Vote a b x sexe c x âge d x sitfam e x
  conj

18
Modèles (II)

• Hypothèses concernant la réalité observée.
  Exemples facteurs général g et spécifique s,
  toutes choses égales par ailleurs
• Hypothèses mathématiques dautant plus fortes et
  nécessaires quon ignore la réalité.
• Un modèle nest jamais vrai, seulement
  acceptable et toujours faux.
• Il sert à simplifier la réalité pour la rendre
  intelligible.

19
Lanalyse empirique des données
20
Lanalyse empirique des données (I)

• Des données nombreuses donnent une meilleure
  approximation de la réalité quun modèle
•  La pléthore dinformations peut étouffer la
  pensée  (Edgar Morin) complexité de la réalité
  humaine et sociale.
• Représenter un fait social le plus exactement
  possible risque de le rendre inintelligible et
  den faire perdre le sens

21
Lanalyse empirique des données (II)

• Labsence apparente de modèle nempêche pas la
  subjectivité.
•  Cette suprématie de la statistique va trop
  souvent conduire à privilégier linstrument par
  rapport à lobjet. Cest alors la technologie qui
  commande la problématique on fera une analyse
  factorielle sur tel ensemble de données plutôt
  que détudier tel problème en utilisant lanalyse
  factorielle.  (Daniel Derivry)
• Voir dans lanalyse empirique des données une
  évaluation objective et complète des données
  observées est une illusion scientiste favorisée
  par la nature de la démarche.

22
Les limites des méthodes
23
Les limites des méthodes (I)

• La statistique ne donne jamais de réponse sûre.
• Un dépouillement denquête peut indiquer une
  liaison qui nexiste pas ou cacher une liaison
  qui existe.
• Le modèle linéaire nest pas neutre dans la
  recherche dun effet propre.Vote a b x sexe
  c x âge d x sitfam e x conj

24
Les limites des méthodes (II)

• Limitation des résultats dune enquête à la
  population dont est issu léchantillon.
• Réfutation difficile dune théorie en sciences de
  lhomme et de la société. Seule validation
  possible rationalité du raisonnement et des
  procédures statistiques.
• Lincertitude dans les résultats et la
  subjectivité dans les interprétations et les
  idées de départ sont la règle, même lorsque les
  études sont menées correctement.

25
Quelques réflexions

• La mesure rend possibles deux types de
  comparaisons 1) une même activité pratiquée
  par deux personnes2) deux activités pratiquées
  par une même personne.
• La mesure quantitative permet toujours de mener
  ces comparaisons dès que lune na pas de sens,
  les mesures quantitatives non plus.
• Multiplication des caractères inutile et
  illusoire.

26
Trois analyses
27
Adoption par des couples homosexuels

•  Nous avons abordé ce sujet encore tabou en
  France comme des explorateurs, en dehors de tout
  a priori scientifique, social ou culturel, avec
  la plus grande rigueur méthodologique possible 
  (Bouvard)
• Échantillon très petit 58 couples
• Totalement biaisé tous membres dune
  association impliquée et de bon niveau
  socio-économique.
• Aucune évaluation qualitative les médecins
  nont pas vu les enfants.

28
ENVEFF

• Questionnaire très long administré par téléphone.
• Échantillon constitué uniquement de femmes.
• Victimisation des femmes et criminalisation des
  hommes.
• Commanditaire officiel impliqué.

29
The bell curve

• Murray et Herrnstein prétendent apporter une
  preuve scientifique de linfériorité de certaines
  races humaines sur dautres  toutes choses
  égales par ailleurs .
• Le raisonnement peut être inversé  cette
  hiérarchie  toutes choses égales par ailleurs 
  nest-elle pas la preuve dune société raciste,
  de la même façon quon peut la considérer comme
  sexiste ?
• Les statistiques ne donnent aucune indication sur
  le raisonnement à tenir, dont la conclusion
  dépend des idées de départ.

30
Ministère de léducation nationale
31
Ministère de léducation nationale (I)

• Les objectifs quantitatifs dissocient la mesure
  quantitative et lévaluation qualitative (dictées
  des brevets).

32
Dictée du brevet Paris 1973

• Pendant toute la durée du spectacle, Svétlana
  douta de ses yeux et de son intelligence. Il y
  avait trop de merveilles à voir, et elles se
  succédaient à un rythme trop accéléré pour quil
  fût possible de les apprécier au passage. Des
  pitres au museau enfariné et aux tuniques
  éclaboussées détoiles déchaînaient le rire
  énorme de la foule par une explosion de claques,
  de coups de pied au derrière et de cabrioles
  élastiques. Puis cétaient des rugissements de
  fauves, et un ours savant se tenait en équilibre
  sur une boule, tandis quautour de lui les fouets
  claquaient comme des pétards. Des ballerines en
  paillettes bleues chevauchaient de nobles
  coursiers aux crinières de soie, des adolescents
  aux maillots roses construisaient une pyramide de
  bras et de jambes qui sécroulaient soudain, et
  ils se retrouvaient au complet, lun à côté de
  lautre, souriants, moustachus, avec des joues de
  porcelaine et des yeux de diamants. Et, de
  nouveau, accouraient les clowns dans leurs habits
  trop larges.
• Henri Troyat, Tant que la terre durera.
• Écrire au tableau Svétlana. 

33
Dictée du brevet des collèges 2000

• Pourtant, il avait un père et une mère. Mais son
  père ne pensait pas à lui et sa mère ne l'aimait
  point. C'était un de ces enfants dignes de pitié
  entre tous qui ont un père et une mère et qui
  sont orphelins. Il n'avait pas de gîte, pas de
  pain, pas de feu, pas d'amour mais il était
  joyeux parce qu'il était libre.Victor Hugo, Les
  Misérables

34
barème officiel

• 13,5 sur 20 à la copie suivante
•  Pour temps il avais un paire est une mer. Mais
  son pair ne pensé pas à lui et sa maire ne
  l'aimait poing. c'étaient un de ses enfants
  dinieux de pitié antre tous ki on perd et mêre
  ait qui sont orphelins. Ils n'avaie pas deux
  gîte, pas de pin, pas de feus, pas d'amoure
  mais ile était joiieu parce qu'il été libres. 

35
Ministère de léducation nationale (II)

• Lobservation de cohortes revient à considérer
  les élèves comme des objets tous identiques et à
  évaluer lefficacité dune mesure pédagogique
  comme celle dun engrais.

36
Ministère de léducation nationale (III)

•    Plus on redouble tôt, moins on a de chances
  de faire des études longues   plus on est
  faible, moins on est fort.
• Toutes les études montrent quun redoublement
  au CP équivaut à une véritable condamnation. En
  effet, neuf redoublants du cours préparatoire sur
  10 natteignent pas le niveau du bac, et quatre
  dentre eux subissent un nouvel échec, avant même
  lentrée en sixième.  Faisons redoubler les
  meilleurs !

37
Ministère de léducation nationale (IV)

• 103 binômes (redoublant, non redoublant)
• Contradiction dans lhypothèse toutes choses
  égales par ailleurs.
•  dans 90 cas sur 103, les performances des
  élèves faibles promus en CE1 étaient
  significativement meilleures que celles de leurs
  camarades maintenus en CP 
• Il est vain de chercher par la statistique à
  contrôler la validité de décisions individuelles.

38
Alors, statistique ou pas statistique?
39
Alors, statistique ou pas statistique ? (I)

•  Quand la statistique nest pas fondée sur des
  calculs rigoureusement vrais, elle égare au lieu
  de diriger. Lesprit se laisse prendre aisément
  aux faux airs dexactitude quelle conserve
  jusque dans ses écarts, et il se repose sans
  trouble sur des erreurs quon revêt à ses yeux
  des formes mathématiques de la vérité.
  Abandonnons donc les chiffres, et tâchons de
  trouver nos preuves ailleurs. . (Tocqueville )

40
Alors, statistique ou pas statistique? (II)

• Les chiffres, les modèles et lanalyse empirique
  des données sont des outils puissants pour
  décrire les sociétés modernes
• les  formes mathématiques  utilisées dans les
  sciences sociales sont un langage commode pour
  exprimer des relations et propriétés difficles à
  expiciter en français.
• Lusage de méthodes quantitatives puissantes
  augmente le besoin dune réflexion préalable et
  critique sur la réalité observée et sur le sens
  de la quantification des faits que ces méthodes
  nécessitent.

41
Paradoxe de linformatisation de la société

• La force mécanique a remplacé la force humaine,
  mais il est plus difficile de conduire un
  tracteur que de manier une bêche.
• Linformatique produit des résultats chiffrés
  sans effort, mais cette facilité est contraire au
  développement de lesprit critique nécessaire à
  leur interprétation.

42
Merci de mavoir écouté

• Retrouvez
• Un résumé de la conférence
• La bibliographie
• La présentation powerpoint
• http//iut86-fad.univ-poitiers.fr/StatPC/conferenc
  e/conf.htm