Méthodes d'analyse de contenu

Le cours propose une introduction aux principales méthodes d'analyse de données non numériques (entretiens, focus groups, réponses ouvertes, textes) telles qu'elles sont pratiquées en sciences psychologiques et de l'éducation. Après un cadrage épistémologique (paradigmes postpositiviste, constructiviste et interprétatif ; raisonnements inductif, déductif et abductif), il aborde quatre familles de méthodes : l'analyse thématique réflexive (Braun & Clarke), l'analyse thématique par grille de codage et fiabilité intercodeur·euses (codebook), l'analyse phénoménologique interprétative (IPA) et l'analyse lexicale par classification hiérarchique descendante (méthode Reinert, logiciel IRaMuTeQ). Pour chacune sont traitées les étapes d'un projet d'analyse (constitution du corpus, codage, construction des thèmes ou des classes, interprétation, rédaction des résultats), les critères de qualité et de rigueur propres à chaque approche (validité, fidélité, réflexivité, transparence) et l'usage des outils informatiques. Une séance est consacrée aux usages et limites de l'intelligence artificielle générative dans l'analyse qualitative. L'ensemble est mis en pratique sur des corpus textuels au cours des séminaires.

Ce cours vise à initier les étudiant·es aux méthodes d'analyse de contenu  et à leur permettre de choisir, justifier et mettre en œuvre une stratégie d'analyse adaptée à une question de recherche. À l'issue du cours, les étudiant·es devraient être capables de :

• distinguer les principales familles d'analyse qualitative et situer chacune d'elles sur le plan épistémologique ;
• choisir une méthode en fonction de la question de recherche, de la nature du corpus et de leur propre positionnement en tant que chercheur·euse, et justifier ce choix ;
• élaborer et implémenter une stratégie d'analyse complète, du codage à l'interprétation ;
• évaluer la qualité d'une analyse selon les critères propres à chaque approche et adopter une posture réflexive ;
• rédiger et présenter des résultats qualitatifs conformément aux standards de la discipline ;
• porter un regard critique et informé sur les apports et limites de l'IA générative en analyse qualitative.

Cours et séminaire

Références, bibliographie et lectures recommandées

Un recueil de textes est disponible sur l'université virtuelle

Support(s) de cours

• Université virtuelle

Contacts

Antoine.Roblain@ulb.be

Campus

Solbosch

Méthode(s) d'évaluation

• Examen écrit
• Travail de groupe

Examen écrit

• Examen à livre ouvert

Travail de groupe

Epreuve écrite individuelle portant sur la partie théorique du cours + rapport de groupe.

Construction de la note (en ce compris, la pondération des notes partielles)

1/3 pour le partiel et 2/3 pour le rapport écrit

Langue(s) d'évaluation

• français