Transformez votre processus de génération d’insights
Utilisez notre guide d’enquête en ligne détaillé pour créer un processus d’enquête de collecte de commentaires exploitable.
PARTAGEZ L’ARTICLE SUR
En recherche expérimentale, une variable est un facteur qui peut changer et être modifié. Lors d’une expérience, ces facteurs peuvent être modifiés et contrôlés afin de mesurer l’effet d’une variable sur l’autre.
L’expérience comprend différents types de variables. Le but d’une expérience est de déterminer les relations causales entre deux ou plusieurs variables. Parmi les nombreux types de variables dont nous discuterons deux sont les variables explicatives et les variables de réponse.
Uneexplicative est un facteur qui a été manipulé par un chercheur lors d’une expérience. Elle est utilisée pour déterminer le changement causé dans la variable de réponse. Une variable explicative est souvent appelée variable indépendante ou variable prédictive.
La variable de réponse est le résultat de l’expérience où la variable explicative est manipulée. C’est un facteur dont la variation s’explique par les autres facteurs. La variable de réponse est souvent appelée variable dépendante ou variable de résultat.
Par exemple,
vous voulez savoir si l’alcool diminue la capacité de conduire en toute sécurité. L’alcool consommé par un participant détermine son effet sur ses performances de conduite. Dans l’expérience, la quantité d’alcool consommée fournit une évaluation de la compétence de conduite.
Par conséquent, dans l’expérience :
La meilleure façon d’identifier les deux variables séparément est de comprendre leurs différences est de se rappeler que vous modifiez la valeur des variables explicatives pour observer l’impact qu’ellesont et comment elles influencent la variable de réponse.
La variable explicative explique la variation causée dans la variable de réponse. Il existe une relation de cause à effet entre les deux variables. Selon la question de recherche, le nombre de variables dans chaque type peut être supérieur à un.
Vous voulez observer si Protein Shake aide à perdre du poids. Le but est donc de déterminer le changement de votre poids causé par la prise de boissons protéinées.
Vous voulez observer le temps passé à regarder la télévision impacte le score obtenu par les étudiants à un examen.
Comment l’alimentation affecte-t-elle la santé de votre peau et de vos cheveux ?
Dans cette expérience, vous observez comment le régime alimentaire provoque des changements dans la santé de votre peau et de vos cheveux. Donc, dans ce cas :
Une variable explicative est souvent appelée une variable indépendante. Cependant, les deux termes ont une légère différence dans la façon dont ils sont utilisés dans la recherche expérimentale.
Une variable indépendante ne doit pas être affectée ou dépendre d’une autre variable présente dans l’expérience. Une variable indépendante ne peut être manipulée que par l’expérimentateur. Mettons que vous contrôlez la quantité d’alcool que chaque participant consomme dans l’expérience, cela fait de l’alcool une variable indépendante.
Lorsque la variable n’est pas indépendante par elle-même, elle est appelée variable explicative. Dans l’observation du monde réel, les variables indépendantes sont influencées par d’autres variables présentes. Ces expériences sont observationnelles et donc, variable explicative est un terme très largement préféré.
Par exemple :
mettons que vous observez l’impact de deux variables (une alimentation équilibrée et une activité physique) sur la perte de poids. Vous pensez peut-être que l’alimentation et l’activité physique ne dépendent pas l’une de l’autre, mais ce n’est pas le cas :
Bien que les deux variables explicatives (alimentation équilibrée et activité physique) ne soient pas totalement dépendantes l’une de l’autre, elles expliquent les changements induits dans la variable de réponse qu’est la perte de poids.
Ainsi, dans une telle expérience d’observation, ces facteurs sont appelés variables explicatives qui affectent la perte de poids, c’est-à-dire la variable de réponse.
Lorsque vous avez apparié des données, vous pouvez utiliser un diagramme de dispersion pour démontrer la relation causale entre les variables explicatives et de réponse.
Une donnée appariée implique que vous avez une variable pour chaque type. Cela signifie que le résultat de chaque variable de réponse pour chaque participant est lié à chaque variable explicative.
Dans un tel cas, dans un diagramme de dispersion, la variable explicative est tracée le long de l’axe X, c’est-à-dire en abscisse. La variable de réponse est tracée le long de l’axe Y, c’est-à-dire à l’ordonnée d’un système de coordonnées cartésiennes.
Disons que vous voulez observer s’il existe une relation causale entre le nombre d’heures consacrées à l’étude et la performance à un test. Vous expérimentez sur 100 étudiants dans une école.
Vous pouvez démontrer le résultat dans un diagramme de dispersion en traçant les heures consacrées à l’étude sur l’axe X et le score de test sur l’axe Y. Chaque point de données dans le diagramme de dispersion correspond aux données appariées de chaque élève.
La façon de différencier entre la variable explicative et la variable de réponse est celle-ci :
Dans un diagramme de dispersion, chaque point de données représente un participant individuel de l’expérience. La variable explicative est tracée sur l’axe X et l’axe Y représente la variable de réponse.
La variable explicative dans la recherche expérimentale est également appelée variable indépendante ou variable prédictive.
Les autres termes utilisés pour désigner la variable de réponse sont variable dépendante ou variable de résultat.
En savoir plus
English
French