Les types les plus importants d'échantillonnage de recherche

Le types d'échantillonnage de recherche Ils sont classés en deux grands groupes: échantillonnage probabiliste et échantillonnage non probabiliste.

Parmi les méthodes d’échantillonnage probabiliste, on peut citer: l’échantillonnage aléatoire systématique, l’échantillonnage aléatoire simple, l’échantillonnage aléatoire par grappes ou par zones et l’échantillonnage aléatoire stratifié.

D'autre part, les techniques non probabilistes comprennent l'échantillonnage de commodité, l'échantillonnage de quotas, l'échantillonnage occasionnel, l'échantillonnage discrétionnaire et la technique de boule de neige.

En recherche, un échantillon est un ensemble fini de la population, dont les propriétés sont étudiées dans le but d’obtenir des informations du groupe auquel elles appartiennent (Webster, 1985). Bien que l'échantillon soit petit, il constitue un groupe représentatif de l'ensemble.

En ce sens, l'échantillonnage est l'acte, le processus et la technique qui implique la sélection de personnes appropriées, qui respectent les paramètres indiqués par une enquête et qui constituent une partie représentative de la population étudiée.

Types d'échantillons de recherche les plus importants

1- Échantillonnage probabiliste

L'échantillonnage probabiliste, également appelé échantillonnage aléatoire, est le processus de sélection dans lequel chacun des individus d'une population a la même probabilité (supérieure à 0) d'être sélectionné pour faire partie de l'échantillon. Dans ce type d'échantillonnage, la probabilité d'être sélectionné peut être déterminée avec précision.

Caractéristiques de l'échantillonnage probabiliste

• La probabilité de sélection est connue.
• Il ne garantit pas la représentation de tous les traits que vous souhaitez étudier dans la recherche.
• Il repose sur des principes statistiques.

Types d'échantillonnage probabiliste

Échantillonnage aléatoire simple

• C'est la méthode d'échantillonnage la plus courante.
• Il peut être appliqué lorsque la population est petite, homogène et disponible pour le chercheur.
• Tous les membres de la population ont la même probabilité d'être sélectionnés.
• Pour sélectionner un échantillon aléatoire simple, des méthodes similaires à celles d'une loterie, des générateurs de nombres aléatoires ou des noms sont extraits d'un bol dans lequel tous les individus de la population sont représentés.

avantage

• Il est facile de calculer des estimations avec ce type d'échantillonnage.

Désavantages

• Il ne peut pas être appliqué lorsque la population est très grande.
• Les groupes minoritaires présentant un intérêt pour le chercheur peuvent ne pas être suffisamment représentés dans l'échantillon aléatoire simple.

Exemple

Dans une école, il y a 100 étudiants, parmi lesquels il est prévu d'extraire un échantillon de 10 personnes. Pour commencer, les élèves de 1 à 100 sont répertoriés, puis une loterie est organisée pour déterminer les 20 personnes qui seront sélectionnées.

Il convient de noter que dans ce cas, la probabilité est connue, c'est-à-dire que chaque élève a une probabilité de 1/10 d'être choisi.

Échantillonnage aléatoire systématique

• Cela dépend de l'organisation de la population pour étudier dans un modèle spécifique, une liste par exemple.
• Le premier élément est sélectionné au hasard; Il est important de souligner que l'élément initial ne doit pas être celui qui figure en tête de liste. Par la suite, les autres éléments de l'échantillon sont sélectionnés systématiquement en tenant compte d'un logarithme spécifique.
• Chaque élément a la même probabilité de sélection.
• Un exemple d'échantillonnage aléatoire systématique consiste à prendre un annuaire téléphonique et à sélectionner chaque dixième nom dans la liste.

avantage

• Le processus de sélection est relativement facile.
• L'échantillon est distribué également dans la population.
• L'échantillon obtenu est représentatif.

Désavantages

• La sélection de l'échantillon est biaisée, car l'ordre des éléments de la liste peut être manipulé de manière à répondre aux besoins du chercheur.

Échantillonnage aléatoire stratifié

• Les membres de la population sont organisés en catégories ou strates mutuellement exclusives. Chaque strate est soumise à un processus d'échantillonnage individuel.
• Il est idéal lorsque le chercheur souhaite que l'échantillon soit représentatif de tous les paramètres de la recherche effectuée.
• Les unités appartenant à la même strate ont la même probabilité d'être sélectionnées.
• Il repose sur deux principes de base: la stratification et l'affixation.
• La stratification fait référence au processus de formation des strates. Ce processus doit garantir l'homogénéité au sein des éléments d'une strate et l'hétérogénéité entre une strate et l'autre.
• L'affixation fait référence à la distribution équitable de l'échantillon entre toutes les strates. Cela peut être réalisé par trois processus:

- L'affixation égale, dans laquelle le même nombre d'individus dans chaque strate est choisi de sorte qu'ils font partie de l'échantillon.

- L’allocation proportionnelle, dans laquelle les éléments de chaque strate sont sélectionnés en tenant compte de leur taille. Les strates avec une plus grande quantité auront une plus grande représentation des individus.

- L’affixation de Neyman, dans laquelle la sélection de l’échantillon est faite en tenant compte de la dispersion des strates.

avantage

• Il garantit une représentation proportionnelle au sein de chacune des strates.
• Il garantit la représentation des sous-groupes d'intérêt pour le chercheur, contrairement à l'échantillonnage aléatoire simple.
• Étant donné que chaque strate est considérée comme une population distincte, des méthodes d'échantillonnage répondant aux caractéristiques individuelles de chaque sous-groupe peuvent être utilisées.

Désavantages

• Cela demande plus de travail, car des échantillonnages doivent être préparés pour chacun des sous-groupes.
• Si les critères de stratification ne sont pas suffisamment spécifiques, un individu peut appartenir à deux strates en même temps.
• La stratification peut être manipulée par le chercheur.

Échantillonnage aléatoire par conglomérats ou zones

• La population est divisée en conglomérats ou zones. En général, la localisation géographique est le critère pris en compte pour effectuer ladite division.
• Les unités sélectionnées pour les échantillons sont des groupes et non des individus.
• Les conglomérats sont composés d'individus aux traits divers. Plus les éléments internes d'un conglomérat sont hétérogènes, meilleurs seront les résultats obtenus.
• C'est un type d'échantillonnage qui comporte deux phases:

- Dans la première phase, les zones à étudier sont sélectionnées.

- Dans la deuxième phase, des éléments sont sélectionnés dans ces zones.

avantage

• Il permet d'étudier de nombreuses populations.
• Il permet d'étudier des populations réparties dans une vaste région géographique.
• Cela peut réduire les coûts de la recherche, car cela permet d'étudier des groupes et non des individus.

Désavantages

• Il ne peut pas être appliqué si les conglomérats diffèrent les uns des autres.
• Pour obtenir des échantillons représentatifs, il est nécessaire de prendre des éléments des conglomérats de toute la zone géographique étudiée. Pour cela, il faut bouger; Ainsi, s'il est vrai que ce type d'échantillonnage diminue les coûts en termes d'application des enquêtes aux individus, il les augmente en termes de transport.

Différences entre échantillonnage aléatoire stratifié et échantillonnage aléatoire par conglomérats

• Dans l'échantillonnage statistique, la population est divisée en groupes exclus, par exemple: sexe, âge, entre autres. Dans l'échantillonnage par conglomérats, la population est divisée en groupes pouvant être comparés, par exemple: familles, écoles, villes, entre autres.
• La stratification a une faible marge d'erreur, tandis que dans les conglomérats, la marge d'erreur est plus grande.
• Toutes les strates sont représentées dans l'échantillon stratifié, alors que tous les groupes ne sont pas représentés dans l'échantillon par grappes.
• Dans l'échantillonnage stratifié, de meilleurs résultats sont obtenus lorsque les éléments à l'intérieur des strates sont homogènes. En revanche, en échantillonnage en conglomérat, de meilleurs résultats sont obtenus lorsque les éléments composant les groupes sont hétérogènes.

2- Échantillonnage non probabiliste

L'échantillonnage non probabiliste ou non aléatoire désigne toute méthode permettant d'obtenir des échantillons dans lesquels les individus sont sélectionnés en tenant compte, entre autres, des critères du chercheur, de la situation géographique et de la disponibilité de la population.

Ce n'est pas un type d'échantillonnage scientifique, il est généralement utilisé dans les enquêtes sociales.

Caractéristiques de l'échantillonnage non probabiliste

• Certains individus de la population n'ont aucune possibilité d'être sélectionnés.
• La probabilité de sélection ne peut pas être déterminée, contrairement à l'échantillonnage probabiliste.
• Il repose sur la sélection de l'échantillon en tenant compte de critères tels que l'intérêt pour le chercheur.
• Les résultats de l'échantillonnage non aléatoire ne sont pas fiables en termes de probabilité et sont moins précis que l'échantillonnage probabiliste.
• C'est moins cher que l'échantillonnage probabiliste.
• Vous pouvez faire des erreurs, car c'est une méthode subjective.

Types d'échantillonnage non probabiliste

Échantillonnage par versements

• La population est divisée en groupes d'exclusion, comme c'est le cas avec l'échantillon aléatoire stratifié.
• Par la suite, la partie non probabiliste de cet échantillonnage entre en jeu. Les individus au sein des sous-groupes sont sélectionnés en tenant compte du jugement de l’enquêteur et de leurs intérêts.
• La sélection de l'échantillon n'est pas aléatoire et montre une partialité ou un préjugé.

Échantillonnage pour plus de commodité

• L'échantillon est sélectionné dans la partie de la population la plus pratique. Cette commodité peut être déterminée par plusieurs aspects: la proximité géographique, la familiarité avec les éléments de l'échantillon, la disponibilité des éléments de l'échantillon, entre autres.
• La sélection de l'échantillon ne dépend pas des besoins de l'enquête.
• Le chercheur ne peut pas faire de généralisations à propos de la population avec les résultats obtenus grâce à un échantillon de commodité, car ce n’est pas représentatif.
• Ce type d'échantillonnage profite à ceux qui souhaitent réaliser des études expérimentales ou des essais pilotes.

Échantillonnage discrétionnaire ou à l'essai

• Le chercheur sélectionne les individus qu'il considère, selon ses critères, les plus appropriés pour mener ses recherches.
• Ils sont généralement des échantillons réduits.

Échantillonnage de boule de neige ou par référence

• Un petit nombre d'individus est sélectionné pour réaliser l'étude. Ces personnes répondent aux critères nécessaires à la recherche à réaliser.
• Par la suite, ces personnes sont invitées à en inviter de nouvelles qui, selon elles, répondent aux critères requis, etc.
• L'échantillon grandit considérablement grâce au système de référence, qui ressemble à une boule de neige descendant une colline (d'où le nom).
• Cette méthode est appropriée pour obtenir des échantillons de populations difficiles d’accès. Par exemple, si une étude sur les toxicomanes est en cours, il est très peu probable qu'il existe des listes de personnes atteintes de cette maladie. Il est donc préférable de contacter une personne qui répond à la caractéristique demandée et de la faire venir avec plus de personnes.
• Les échantillons obtenus par cette méthode ne sont pas représentatifs.

Échantillonnage causal ou accidentel

• Les individus sont sélectionnés sans tenir compte d'aucun jugement antérieur.
• Il ressemble à un échantillonnage de commodité, car les individus de la population disponibles sont pris.

Références

1. Échantillonnage Récupéré le 28 avril 2017 de ssc.wisc.edu.
2. Fridah, Mugo. Échantillonnage en recherche. Récupéré le 28 avril 2017 de indiana.edu.
3. Chaturvedi, Kanupriya. Récupéré le 28 avril 2017 de pitt.edu.
4. Échantillonnage Récupéré le 28 avril 2017 de flinders.edu.au.
5. Barreiro. Population et échantillon. Techniques d'échantillonnage Récupéré le 28 avril 2017 de l'optimierung.mathematik.uni-kl-de.
6. Techniques d'échantillonnage Récupéré le 28 avril 2017 de cs.fit.edu.
7. Journal of Mixed Methods Research (2007). Récupéré le 28 avril 2017 de sociologyofeurope.unifi.it.
8. Landreneau Stratégies d'échantillonnage Récupéré le 28 avril 2017 de natco1.org.