L' analyse factorielle et son utilisation dans l’examen des phénomènes sociocomportementaux : quelques clarifications méthodologiques
Notice bibliographique
Résumé
Parmi les diverses méthodes d’analyse des données, l’analyse factorielle a reçu une attention particulière de la part des chercheurs de plusieurs disciplines scientifiques. L’avènement des logiciels statistiques conviviaux permettant de procéder aisément à certaines analyses, par exemple, la validation de construit d’un instrument psychométrique, peut en partie expliquer cette popularité. Il s’avère toutefois que cette convivialité peut dans certains cas favoriser une utilisation inadéquate de l’analyse factorielle et que le choix des méthodes utilisées a peu évolué, malgré l’amélioration croissante des outils disponibles. L’objectif du présent article, qui ne prétend pas livrer une analyse exhaustive des considérations techniques relatives à ce type d’analyse, consiste à apporter quelques précisions permettant de prendre des décisions éclairées lorsque le choix d’une analyse factorielle est envisagé par un chercheur ou un étudiant-chercheur. Afin de guider la réflexion, une question précise est posée : est-il possible de faire une rotation oblique lors d’une analyse en composante principale? La réponse à cette question nécessite d’abord de distinguer certains concepts liés à l’analyse factorielle pour ensuite proposer quelques éléments de réponse.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,125 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,018 | 0,012 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».