COMMENT FAIRE DE LA PSEUDOSCIENCE AVEC DES DONNÉES RÉELLES : UNE CRITIQUE DES ARGUMENTS STATISTIQUES DE JOHN HATTIE DANS VISIBLE LEARNING PAR UN STATISTICIEN
Mots-clés :
données probantes, statistique, méta-analyses, science des données, pseudoscience, pensée critiqueRésumé
Cet article offre une critique du point de vue d’un statisticien de la méthodologie utilisée par Hattie, et explique pourquoi il faut absolument qualifier cette méthodologie de pseudoscience. On parle tout d’abord des intentions de Hattie. Puis, on décrit les erreurs majeures de Visible Learning avant d’expliquer l’ensemble des questions qu’un chercheur devrait se poser en examinant des études et enquêtes basées sur des analyses de données, incluant les méta-analyses. Ensuite, on donne des exemples concrets démontrant que le d de Cohen (la mesure de base derrière les effets d’ampleur, effect sizes, de Hattie) ne peut tout simplement pas être utilisé comme une mesure universelle d’impact. Enfin, on donne des pistes de solution pour mieux comprendre et exécuter des études et méta-analyses en éducation.
Publié-e
Comment citer
Numéro
Rubrique
Licence
Tous les individus désirant reproduire une partie ou l’ensemble du matériel publié sur ce site demander la permission en contactant mje.education@mcgill.ca et mentionner la Revue des sciences de l’éducation de McGill (RSÉM) en tant que source d'origine. De plus, les auteurs doivent transférer les droits d’auteur de leur article à la RSÉM. Ceux-ci peuvent utiliser une partie ou l’ensemble de leur texte dans une autre publication, tout en prenant soin de mentionner la Revue de la manière habituelle. Il est possible de se procurer un exemplaire du formulaire en envoyant un courriel au mje.education@mcgill.ca.