L’échantillonnage non probabiliste (parfois appelé échantillonnage non aléatoire) est une branche de la sélection d’échantillons qui utilise des moyens non aléatoires pour sélectionner un groupe de personnes qui participeront à une recherche.
Contrairement à l’échantillonnage probabiliste et à ses méthodes, l’échantillonnage non probabiliste ne se concentre pas sur la représentation exacte de tous les membres d’une grande population au sein d’un groupe échantillon plus restreint de participants. Par conséquent, tous les membres de la population n’ont pas les mêmes chances de participer à l’étude.
En fait, certaines recherches donneraient de meilleurs résultats si l’on utilisait un échantillonnage non probabiliste. Par exemple, si vous essayez d’accéder à des groupes sociaux difficiles à atteindre qui ne sont pas habituellement visibles, un échantillon représentatif ne produirait pas de candidats appropriés.
Au lieu de cela, vous pouvez choisir de sélectionner un échantillon sur la base de vos propres raisons, telles qu’un jugement subjectif, une simple commodité, des volontaires ou, dans l’exemple ci-dessus, des références de membres cachés de la société prêts à parler.
Quand l’échantillonnage non probabiliste est-il utilisé ?
L’échantillonnage non probabiliste est souvent utilisé lorsque l’accès à une population complète est limité ou non nécessaire, ainsi que dans les cas suivants :
- Vous pouvez souhaiter obtenir l’avis d’une niche ou d’un ensemble de personnes spécifiques, en fonction de leur localisation ou de leurs caractéristiques. Pour s’assurer de disposer de nombreuses données sur les opinions de ces personnes spécifiques, il serait judicieux de disposer d’un échantillon complet de personnes répondant aux critères.
- S’il existe un marché cible que vous souhaitez pénétrer, il peut être intéressant de réaliser une petite recherche pilote ou exploratoire pour voir s’il est possible de lancer de nouveaux produits et services.
- Si l’argent et le temps sont limités, l’échantillonnage non probabiliste vous permet de trouver des candidats échantillons sans investir beaucoup de ressources.
- Dans les cas où les membres ne sont pas traditionnellement représentés dans les grandes populations ou passent inaperçus, comme les sous-groupes d’extrême gauche et d’extrême droite, ces questions doivent être abordées différemment.
Quelle est la différence entre un échantillonnage non probabiliste et un échantillonnage probabiliste ?
Choix aléatoire ou choix délibéré
L’échantillonnage probabiliste, également appelé échantillonnage aléatoire, utilise la randomisation plutôt que le choix délibéré pour sélectionner un échantillon. Cet échantillon représentatif permet de réaliser des tests statistiques, dont les résultats peuvent être appliqués à l’ensemble de la population.
Qu’en est-il de l’échantillonnage non probabiliste ?
D’autre part, les techniques d’échantillonnage non probabiliste choisissent des éléments ou des individus pour l’échantillon en fonction de leurs objectifs, de leurs connaissances ou de leur expérience. Cela élimine la possibilité que les utilisateurs soient choisis au hasard, mais n’offre pas les mêmes avantages d’élimination des biais que l’échantillonnage probabiliste.
De même, l’échantillonnage probabiliste est plus probable que l’échantillonnage en pile.
Avec l’échantillonnage probabiliste, il y a une chance égale et équitable que chaque membre de la population soit choisi pour faire partie du petit échantillon.
Qu’en est-il de l’échantillonnage non probabiliste ?
En revanche, dans un échantillonnage non probabiliste, les participants n’ont pas les mêmes chances d’être sélectionnés. Au contraire, les participants présentant des caractéristiques souhaitables et répondant à leurs exigences ont plus de chances d’être sélectionnés.
Connaissance totale de la population vs. connaissance variable de la population
Les techniques d’échantillonnage probabiliste nécessitent de savoir qui est chaque membre de la population totale afin de choisir une taille d’échantillon représentative. La population sert de base d’échantillonnage ; sans elle, il peut être difficile de créer un échantillon véritablement aléatoire.
Qu’en est-il de la méthode d’échantillonnage non probabiliste ?
Un échantillon non probabiliste n’a pas besoin de connaître tous les membres de la population avant l’échantillonnage. Dans certaines méthodes d’échantillonnage probabiliste, l’échantillon se développe de lui-même (boule de neige) et les participants à l’échantillon peuvent être tirés d’un milieu ou d’un lieu (commodité), indépendamment de la population totale.
Objectivité et profondeur
L’échantillonnage probabiliste vise à être objectif dans sa méthode de sélection de l’échantillon ; il tente d’éliminer les biais en randomisant la sélection et en la rendant représentative. Associée à des données qualitatives, elle est plus susceptible de produire des données quantifiables pouvant être mises à l’échelle pour la modélisation.
Qu’en est-il de l’échantillonnage non probabiliste ?
L’échantillonnage non probabiliste est l’inverse, bien qu’il vise à approfondir un domaine, sans considérer la population dans son ensemble. Le niveau de détail des données qualitatives sera plus élevé, bien que toute donnée quantitative soit limitée aux limites de ce groupe spécifique et qu’il soit difficile de l’étendre à d’autres personnes de la population cible.
Un échantillon plus rapide et un échantillon plus dur
L’échantillonnage probabiliste exige qu’un quota proportionnel de personnes représentatives mais diverses soit sélectionné avant le début de la recherche. Cela peut être difficile à faire lorsque les taux de réponse sont faibles ou qu’il n’y a pas d’incitation à participer.
Qu’en est-il de l’échantillonnage non probabiliste ?
L’échantillonnage non probabiliste permet d’éviter ce problème. Comme l’échantillon ne doit comporter que le nombre adéquat de personnes avant le début de la recherche, les méthodes de recherche de participants peuvent être plus créatives et variées.
De plus, comme les candidats idéaux auront des traits similaires, une fois que vous aurez compris où les attirer, vous pourrez répéter le processus jusqu’à ce que vous ayez la taille d’échantillon dont vous avez besoin.
Avantages de l’échantillonnage non probabiliste
- Cette branche peut être utilisée lorsqu’un cadre d’échantillonnage (détails complets de toute la population cible) n’est pas connu.
- Il fournit des descriptions détaillées de l’échantillon en question, ce qui signifie que si votre recherche s’intéresse à des résultats qualitatifs, l’échantillonnage non probabiliste peut vous fournir davantage d’informations.
- Elle est rapide et peu coûteuse à mettre en œuvre. Il vous suffit d’investir un peu de temps pour réunir un échantillon de taille que vous jugez suffisante avant de commencer votre recherche.
- Il s’agit d’un échantillon non probabiliste.
- Elle n’est pas sujette aux faibles taux de réponse, un problème courant pour les techniques d’échantillonnage probabiliste.
- Il peut s’agir d’un point de départ rapide pour enquêter ou explorer l’existence d’un problème au sein d’un groupe d’audience spécifique ou d’un marché cible, ce qui peut déboucher sur d’autres possibilités d’investissement ou de recherche.
- La possibilité d’entrer en contact avec des groupes sous-représentés, cachés ou extrêmes rend le site attrayant pour les chercheurs désireux de comprendre les points de vue de niche.
- Dans un monde en ligne, l’échantillonnage non probabiliste devient encore plus facile à réaliser, car la possibilité de se connecter aux membres de l’échantillon cible est plus rapide et n’est pas limitée par la géographie physique.
- Vous et vos enquêteurs pouvez réagir en temps réel, ce qui signifie que l’analyse et l’investigation des événements mondiaux peuvent se faire plus rapidement.
Inconvénients de l’échantillonnage non probabiliste
- Le principal inconvénient serait la présence d’un biais d’échantillonnage, car la méthode de sélection de l’échantillon donne un avantage injuste à certains membres d’une population.
- Les résultats d’un échantillonnage non probabiliste ne sont pas faciles à étendre et à utiliser pour faire des généralisations sur une population plus large.
- Dans certaines méthodes, telles que l’échantillonnage volontaire ou de convenance, les échantillons peuvent être remplis de personnes qui sont plus susceptibles d’accepter de participer à la recherche parce qu’elles ont des opinions fortes qu’elles veulent partager. Cela peut fausser la validité des résultats.
- En choisissant délibérément les critères de sélection à utiliser pour évaluer l’adéquation des participants à un échantillon, cela peut entraîner un biais de recherche ou de sélection. Leurs points de vue et opinions peuvent influencer l’échantillon, ce qui a un impact sur les résultats de la recherche.
- L’échantillon peut être soumis à l’influence des participants.
- L’échantillon peut être soumis à des contrôles préalables ou à d’autres obstacles qui rendent difficile l’entrée des participants sélectionnés dans l’échantillon lui-même. Cela ajoute des couches compliquées qui peuvent exclure des candidats appropriés de l’échantillon.
- Par conséquent, l’échantillon ne peut pas être utilisé par les participants.
- Comme il n’existe aucun moyen de mesurer les limites d’une population pertinente pour la recherche, la taille de l’échantillon n’est pas non plus claire. Vous pouvez vous rendre compte que vous avez besoin de plus ou moins de participants à un stade ultérieur, ce qui pourrait être une perte de temps et d’argent.
Types d’échantillonnage non probabiliste
Il existe quatre types de techniques d’échantillonnage non probabiliste : la commodité, le quota, la boule de neige et l’échantillonnage raisonné. Chacune de ces méthodes d’échantillonnage a ensuite ses propres sous-types qui fournissent différentes méthodes d’analyse :
1. l’échantillonnage de convenance (également appelé échantillonnage par hasard, par opportunité ou accidentel)
L’échantillonnage de convenance est un type courant d’échantillonnage non probabiliste dans lequel les participants sont choisis pour un échantillon en fonction de leur convenance et de leur disponibilité.
On peut considérer que ce type est utilisé dans les lieux publics, tels que les centres commerciaux ou les campus scolaires, où il est facile de rencontrer et de sélectionner les personnes qui « passent » en fonction de caractéristiques et de critères jugés importants.
C’est un moyen bon marché et rapide de rassembler des personnes dans un échantillon et de mener une enquête pour collecter des données. En tant que tel, il est souvent utilisé pour des enquêtes d’opinion rapides auprès des utilisateurs ou des tests pilotes.
Les échantillons de commodité ont également deux sous-types :
Échantillonnage consécutif (également connu sous le nom d’échantillonnage énumératif total)
L’échantillonnage consécutif consiste à mener une recherche auprès des membres de l’échantillon qui répondent aux critères d’inclusion et qui sont commodément disponibles. Une enquête après l’autre est menée jusqu’à ce qu’un résultat concluant soit atteint. Les échantillons sont choisis en fonction de leur disponibilité et chaque résultat est analysé avant de passer à l’échantillon ou au sujet suivant.
L’auto-sélection (également appelée échantillonnage volontaire)
La technique d’échantillonnage par auto-sélection fait appel à des volontaires pour compléter la taille de l’échantillon à un nombre donné.
Cela demande moins de travail pour contacter les gens, car les volontaires s’inscrivent et choisissent de faire partie de la recherche s’ils répondent aux critères souhaités. Les informations obtenues sont susceptibles d’être basées sur les opinions que ces volontaires veulent partager. Un exemple est celui des candidats à la recherche médicale qui choisissent de participer à des études médicales parce qu’ils répondent aux critères de l’étude de recherche et souhaitent y participer pour des raisons de santé.
2. l’échantillonnage par quotas (également connu sous le nom d’échantillonnage dimensionnel)
L’échantillonnage par quotas est une technique d’échantillonnage non probabiliste similaire à l’échantillonnage stratifié. Dans cette méthode, la population est divisée en segments (strates) et un quota doit être rempli en fonction des personnes correspondant aux caractéristiques de chaque strate.
Il existe deux types d’échantillonnage par quotas :
- L’échantillonnage par quotas proportionnels donne des nombres proportionnels représentant des segments de la population plus large. Pour cela, il faut connaître le cadre de la population.
- L’échantillonnage par quotas non proportionnels utilise une strate pour diviser la population.
- L’échantillonnage par quotas non proportionnels utilise des strates pour diviser une population entière, bien que seule la taille minimale de l’échantillon par strate soit décidée.
Cependant, les techniques d’échantillonnage par quotas diffèrent de l’échantillonnage probabiliste en ce sens que vous ne vous engagez pas à donner une chance égale aux participants que vous sélectionnez pour l’échantillon. Au lieu de cela, vous continuez à chercher jusqu’à ce que le nombre de la strate soit atteint.
En général, l’échantillonnage par quotas est conscient des divisions d’une population, mais donne néanmoins une vue approfondie de chaque strate.
3. l’échantillonnage en boule de neige (également connu sous le nom d’échantillonnage de référence, dirigé par les répondants, de référence en chaîne ou à plusieurs degrés).
L’échantillonnage en boule de neige est un type d’échantillonnage non probabiliste qui imite un système pyramidal dans son schéma de sélection. Les premiers participants à l’échantillon sont choisis, puis d’autres participants sont recrutés jusqu’à ce que la taille de l’échantillon soit atteinte. Ce schéma continu peut être décrit comme une boule de neige qui descend une pente : sa taille augmente à mesure qu’elle ramasse de la neige (dans ce cas, les participants).
Ce type d’échantillonnage est utile pour atteindre des communautés de personnes difficiles à atteindre, comme les travailleurs du sexe, les sans-abri ou les adolescents. Un exemple d’échantillonnage en boule de neige consiste à recruter des membres de l’échantillon par le biais des médias sociaux, qui font ensuite la promotion de votre travail auprès des membres de leur réseau.
Avec ce modèle, vous comptez sur les membres de votre échantillon initial pour atteindre la taille idéale de votre échantillon. Cela peut être rapide lorsque la chaîne de membres se développe au-delà des premiers niveaux. Cependant, cela dépend des premiers membres qui transmettent le travail de recherche à d’autres.
4. L’échantillonnage intentionnel (également connu sous le nom d’échantillonnage discrétionnaire, sélectif ou subjectif).
L’échantillonnage intentionnel est un type d’échantillonnage non probabiliste dans lequel vous prenez une décision consciente sur ce que l’échantillon doit inclure et choisissez les participants en conséquence. De cette façon, vous utilisez votre compréhension de l’objectif de la recherche et votre connaissance de la population pour juger ce que l’échantillon devrait inclure pour atteindre les objectifs de la recherche.
Vous devez valider si un membre potentiel de l’échantillon correspond aux critères que vous recherchez, mais si cela est confirmé, le participant peut être ajouté à l’échantillon. Ce type de méthode de sélection d’échantillons soulève des problèmes évidents de biais, bien que vous soyez libre de créer l’échantillon qui convient à vos besoins de recherche.
Cependant, votre crédibilité est en jeu ; même la plus petite des erreurs peut entraîner des données incorrectes. Cependant, comme il s’agit d’un moyen rapide et facile d’obtenir un échantillon, vous pouvez le refaire assez facilement s’il y a une erreur.
Il existe quelques sous-types :
Échantillonnage de l’hétérogénéité (également appelé échantillonnage de la variation maximale ou échantillonnage de la diversité)
Elle tente de représenter la plus grande variété de points de vue et d’opinions sur le sujet de recherche cible, indépendamment de la représentation proportionnelle de la population. Les principaux objectifs sont :
- rendre les résultats de la recherche aussi riches que possible
- examiner une question sous tous les angles
Il est donc essentiel de disposer d’un large éventail d’idées de la part des participants de l’échantillon.
Échantillonnage homogène (également connu sous le nom d’échantillonnage d’instance modale)
Par opposition à l’échantillonnage par hétérogénéité, l’échantillonnage homogène vise à obtenir un échantillon de personnes qui présentent des caractéristiques similaires ou identiques. Par exemple, ils peuvent partager les mêmes opinions, croyances, âge, lieu ou emploi. Les traits sélectionnés sont ceux qui vous sont utiles dans votre recherche.
Au lieu d’essayer d’examiner une question sous tous les angles, vous concentrez votre problème de recherche sur un groupe de personnes qui le voient de la même manière, puis vous entrez dans les détails.
Échantillonnage déviant (également connu sous le nom d’échantillonnage extrême)
Dans ce cas, l’échantillon est choisi en fonction des cas ou des caractéristiques des participants qui sont inhabituels ou spéciaux d’une certaine manière, tels que des réussites exceptionnelles ou des échecs notables.
En permettant à un groupe de membres non traditionnels de l’échantillon d’explorer un sujet, les idées seront uniques et imprévisibles, ce qui signifie que cela pourrait être utile pour « sortir des sentiers battus ». Bien sûr, des efforts supplémentaires doivent être faits pour trouver, connecter et gérer les relations avec ces membres de l’échantillon.
Échantillonnage expert
Lorsque les objectifs de la recherche nécessitent un panel de spécialistes pour aider à comprendre, discuter et faire des déductions utiles, l’échantillonnage d’experts peut être utile. Avec l’échantillonnage expert, l’échantillon est choisi sur la base des connaissances des membres potentiels de l’échantillon dans un domaine donné. Elle est surtout utilisée dans les projets de recherche complexes ou très techniques et lorsque les informations sont incertaines ou inconnues, bien qu’elle puisse être utilisée pour valider les résultats d’autres recherches en faisant examiner les résultats par un « expert ».
