Examiner les présupposés et les biais que peuvent receler les données

Comme tout élément de connaissance, les données sont le reflet de certains présupposés et de certaines valeurs. Cela ne signifie pas forcément qu’il faut les écarter, mais plutôt qu’il faut évaluer soigneusement leur pertinence par rapport à notre projet.

Exemple : Examinons une méthode courante utilisée en matière de collecte de données sur l’obésité

« Même si l’indice de masse corporelle (IMC) est une méthode simple et commode pour mesurer le poids relatif, cet indice n’évalue pas la masse des tissus adipeux ni leur composition. L’IMC ne tient compte que du poids et de la taille; par conséquent, il ne permet pas de distinguer entre des sujets très musclés et ceux qui font de l’embonpoint… Il se peut même qu’il ne puisse pas servir de mesure représentative des sujets d’origine ethnique différente. » [1]

Quelles sont les conséquences de ces observations pour l’évaluation de l’obésité ?

Au moment d’examiner vos données, posez-vous les questions suivantes :

  • Les données fournissent-elles quelque information sur la population ou la question qui vous intéresse?
  • Qui a financé le travail de recherche?
  • Les résultats de recherche intéressent-ils le bailleur de fonds?
  • Sur quels présupposés la collecte de données repose-t-elle?

Source: [1][2] Donner et al (2008). A profile of women’s health in Manitoba. Centre d’excellence pour la santé des femmes – région des Prairies.

Comments are closed.








centre-logos ACEWH PWHCE BCCEWH

Sauf mention contraire, le contenu original de ce site est distribué sous licence Creative Commons Attribution-NoDerivs 2.5 Canada License.