Introduction
Au fil des ans, de nombreuses méthodes ont été utilisées pour mesurer les traits de caractère et de personnalité (Likert, 1932). La difficulté de mesurer les attitudes, le caractère et les traits de personnalité réside dans la procédure de transfert de ces qualités dans une mesure aquantitative à des fins d’analyse des données. La popularité récente des techniques de recherche qualitative a soulagé une partie du fardeau associé à ce dilemme ; cependant, de nombreux spécialistes des sciences sociales s’appuient encore sur des mesures quantitatives des attitudes, du caractère et des traits de personnalité.
En réponse à la difficulté de mesurer les traits de caractère et de personnalité, Likert (1932) a développé une procédure pour mesurer les échelles attitudinales. L’échelle originale de Likert utilisait une série de questions avec cinq alternatives de réponse : approuver fortement (1), approuver (2), indécis (3), désapprouver (4), et désapprouver fortement (5). Il a combiné les réponses des séries de questions pour créer une échelle de mesure attitudinale. Son analyse des données était basée sur le score composite de la série de questions qui représentait l’échelle d’attitudes. Il n’a pas analysé les questions individuelles. Bien que Likert ait utilisé une échelle à cinq points, d’autres variations de ses alternatives de réponse sont appropriées, y compris la suppression de la réponse neutre (Clason & Dormody, 1994).
Bien que les variations de l’alternative de réponse de Likert soient devenues courantes dans la recherche sur l’extension, l’utilisation commune a également créé des abus ou des erreurs. Une erreur fréquemment commise est l’analyse incorrecte des questions individuelles sur une échelle d’attitudes. Avant d’aborder l’analyse des données de Likert, passons en revue les concepts de base de la procédure.
Likert-Type Versus Likert Scales
Clason et Dormody (1994) ont décrit la différence entre les items de type Likert et les échelles de Likert. Ils ont identifié les items de type Likert comme des questions uniques qui utilisent un aspect des alternatives de réponse originales de Likert. Bien que des questions multiples puissent être utilisées dans un instrument de recherche, le chercheur ne tente pas de combiner les réponses des items dans une échelle composite. Le tableau 1 donne un exemple de cinq questions de type Likert.
| Vraiment pas d’accord | Pas d’accord | Neutre | D’accord | Vraiment d’accord | |
| 1. Les 4-H ont été une bonne expérience pour moi. | SD | D | N | A | SA |
| 2. Mes parents m’ont soutenu dans mes projets 4-H. | SD | D | N | A | SA |
| 3. Ma participation aux 4-H me permettra de faire une différence. | SD | D | N | A | SA |
| 4. Mon conseiller 4-H a toujours été là pour moi. | SD | D | N | A | SA |
| 5. Les 4-H collégiaux sont importants dans le choix d’une université. | SD | D | N | A | SA |
Une échelle de Likert, par contre, est composée d’une série de quatre ou plusieurs items de type Likert qui sont combinés en un seul score/variable composite pendant le processus d’analyse des données. Combinés, les items sont utilisés pour fournir une mesure quantitative d’un trait de caractère ou de personnalité. En général, le chercheur n’est intéressé que par le score composite qui représente le trait de caractère ou de personnalité. Le tableau 2 fournit un exemple de cinq questions conçues pour être combinées en une échelle de Likert mesurant les habitudes alimentaires.
| Vraiment pas d’accord | Désaccord | Neutre | D’accord | Vraiment d’accord | |
| 1. Je mange régulièrement des aliments sains. | SD | D | N | A | SA |
| 2. Lorsque j’achète des aliments à l’épicerie, je ne tiens pas compte de la « malbouffe ». | SD | D | N | A | SA |
| 3. Lors de la préparation des repas, je considère la teneur en matières grasses des aliments. | SD | D | N | A | SA |
| 4. Lorsque je prépare les repas, je tiens compte de la teneur en sucre des aliments. | SD | D | N | A | SA |
| 5. Une alimentation saine est importante pour ma famille. | SD | D | N | A | SA |
Échelle de mesure de Steven
Les données de type Likert et celles de l’échelle de Likert ont toutes deux des procédures d’analyse de données uniques. Pour comprendre les options, il faut commencer par l’échelle de mesure de Steven (Ary, Jacobs, &Sorenson, 2010). L’échelle de Steven comprend quatre catégories : nominale, ordinale, d’intervalle et de rapport.
Dans l’échelle nominale, les observations sontassignées à des catégories basées sur l’équivalence. Les nombres associés aux catégories servent uniquement d’étiquettes. Des exemples de données à échelle nominale sont le sexe, la couleur des yeux et la race. Les observations à l’échelle ordinale sont classées selon une certaine mesure de magnitude. Les nombres attribués aux groupes expriment une relation « plus grand que » ; toutefois, le degré de supériorité n’est pas implicite. Les chiffres indiquent seulement l’ordre. Les notes, les classements et les résultats (faible, moyen, élevé) sont des exemples de mesures d’échelle ordinale. Les données de l’échelle d’intervalle utilisent également des chiffres pour indiquer l’ordre et refléter une distance relative significative entre les points de l’échelle. Les échelles d’intervalle n’ont pas de zéro absolu. Le test standardisé de QI est un exemple d’échelle d’intervalle. Une échelle de rapport utilise également des chiffres pour indiquer l’ordre et reflète une distance relative significative entre les points de l’échelle. Une échelle de rapport a un zéro absolu. Des exemples de mesures de rapport comprennent l’âge et les années d’expérience.
Analyse des éléments de réponse de Likert
Pour analyser correctement les données de Likert, il faut comprendre l’échelle de mesure représentée par chacun. Les nombres attribués aux items de type Likert expriment une relation » plus grand que » ; cependant, le degré de supériorité n’est pas implicite. En raison de ces conditions, les items de type Likert font partie de l’échelle de mesure ordinale. Les statistiques descriptives recommandées pour les items de l’échelle de mesure ordinale comprennent un mode ou une médiane pour la tendance centrale et des fréquences pour la variabilité. Les procédures d’analyse supplémentaires appropriées pour les items de l’échelle ordinale comprennent la mesure d’association du chi carré, le Tau B de Kendall et le Tau C de Kendall.
Les données de l’échelle de Likert, par contre, sont analysées à l’échelle de mesure d’intervalle. Les items de l’échelle de Likert sont créés en calculant un score composite (somme ou moyenne) à partir de quatre items de type Likert ou plus ; par conséquent, le score composite des échelles de Likert doit être analysé à l’échelle de mesure d’intervalle.Les statistiques descriptives recommandées pour les items de l’échelle d’intervalle comprennent la moyenne pour la tendance centrale et les écarts types pour la variabilité. Les statistiques descriptives recommandées pour les éléments d’échelle d’intervalle comprennent la moyenne pour la tendance centrale et les écarts types pour la variabilité. Les procédures d’analyse des données supplémentaires appropriées pour les éléments d’échelle d’intervalle comprennent le r de Pearson, le test t, l’ANOVA et les procédures de régression. Le tableau 3 fournit des exemples de procédures d’analyse de données pour les données de type Likert et d’échelle de Likert.
| Données de type Likert.Type Data | Données sur l’échelle de Likert | |
| Tendance centrale | Médiane ou mode | Moyenne |
| Variabilité | Fréquences. | Ecart-type |
| Associations | Kendall tau B ou C | R de Pearson |
| Autres statistiques | Chi-carré | ANOVA, t-test, régression |
Sommaire
La décision d’analyse des données pour les items de Likert est généralement prise au stade de l’élaboration du questionnaire. Avez-vous une série de questions individuelles avec des options de réponse de Likert auxquelles vos participants doivent répondre ou avez-vous une série de questions de type Likert qui, une fois combinées, décrivent un trait de personnalité ou une attitude ? Si vos questions de Likert sont uniques et autonomes, analysez-les comme des items de type Likert. Les modes, médianes et fréquences sont les outils statistiques appropriés à utiliser. Si vous avez conçu une série de questions qui, une fois combinées, mesurent un trait particulier, vous avez créé une échelle de Likert. Utilisez les moyennes et les écarts types pour décrire l’échelle. Si vous ressentez le besoin de rapporter les items individuels qui composent l’échelle, utilisez uniquement des procédures statistiques de type Likert.Gardez à l’esprit qu’une fois que la décision entre le type Likert et l’échelle de Likerts a été prise, la décision sur les statistiques appropriées se mettra en place.
Ary, D., Jacobs, L. C., & Sorensen, C.(2010). Introduction à la recherche en éducation (8thed.). Californie : Thomson Wadsworth.
Likert, R. (1932). Atechnique pour la mesure des attitudes. Archivesof Psychology, 22(140),1-55.