26.4 La validité dans une analyse qualitative

validité = vérité

une recherche représente, explique, etc. "bien" le phénomène étudié: on a confiance (la certitude n'existe pas)
en méthode quantitative une grande partie de la validité résulte de la qualité des tests d'hypothèses alternatives.

Erreurs fréquentes:

on favorise les données qui favorisent une (pré) conception donnée d'un phénomène
on favorise l'exotique par rapport au normal
on "oublie" des données
on s'arrête trop sur l'aspect "génération de théories"
on se perd dans les sources et observations

Problèmes

on est "bloqué" dans l'argumentation
- dans ce cas dessinez et dessinez !
on commence à douter
- faites une analyse poussée de cas/sous-cas déviants
- baissez vos prétentions, on ne peut jamais être à 90% sûr

si elle est plausible par rapport à d'autre connaissances (théories)
si elle est crédible en fonction des méthodes utilisées
si le lien avec les données est bien démontré
si les données sont fiables (par exemple les informateurs)
si le chercheur peut montrer qu'il n'a pas transformé l'objet étudié
si une triangulation de données et de méthodes a été utilisée
- prudence: parfois on obtient différent résultat parce que les gens pensent et agissent autrement dans différents contextes
si les répondants sont d'accord avec les résultats
- ça ne marche pas si l'analyse rentre en conflit avec le "self-image" du répondant
si l'analyse a été guidée par une approche théorique
si elle donne un "overview" des données en utilisant des méthodes quantitatives d'analyse de données.
- analyse descriptive
- analyse typologiques ou de correspondances
- analyse factorielle (ou équivalent)

même si on ne peut pas obtenir des données "profondes" de tous les cas, il est possible de comparer les résultats à des données facilement disponibles
- utilisez les méthodes quantitatives comme approche auxiliaire
- exemple: une étude en profondeur sur les conditions de réussite du "job-sharing" conclut que c'est plus facile dans des entreprises avec une hiérarchie "plate". On pourrait comparer ces résultats avec les données d'un échantillon plus large (il suffit d'obtenir l'organigramme ainsi que le nombre de personnes en "job-sharing").
- Exemple: une étude avec 2 cas montre que le patient d'une clinique privée obtient plus de services personnalisés. On peut comparer la durée de consultation moyenne (enfin il faudrait mieux comparer la consultation moyenne par type de maladie et type d'intervention).
il faut tenter de généraliser au niveau théorique
- (même si l'étude ne concerne qu'une petite population mère)