Journal de socialomique

Abstrait

Paradigme bayésien dans la recherche d'intervention sociale sur la construction de preuves

Ding Geng Chen

Énoncé du problème : Les interventions sociales sont des stratégies de changement mises en œuvre à dessein et la recherche en intervention sociale est censée suivre un processus de conception et d’évaluation dans lequel les activités s’appuient sur des informations antérieures au fil du temps. Le processus est itératif et non linéaire dans l’affinement et la construction de nouvelles preuves. Bien que les informations antérieures éclairent les nouvelles preuves successives, les informations antérieures sont rarement prises en compte dans l’analyse des données lors des analyses d’intervention. Cela n’est pas cohérent avec notre principe scientifique de construction de preuves et un nouveau paradigme devrait être exploré.

Méthodologie et orientation théorique : Nous décrivons une perspective bayésienne sur la recherche interventionnelle. Les méthodes bayésiennes utilisent des informations antérieures dans les analyses. En particulier, plutôt que d'ignorer les informations antérieures comme dans l'analyse d'intervention classique, l'approche bayésienne de la recherche interventionnelle intègre des informations antérieures provenant de nouvelles distributions de données basées sur le théorème de Bayes. Les informations provenant d'études antérieures peuvent être utilisées pour formuler une distribution postérieure. Cette distribution postérieure est ensuite incorporée dans le processus inférentiel. Par conséquent, une approche bayésienne de la recherche interventionnelle analyse les données d'études actuelles en s'appuyant  sur des informations provenant d'études antérieures. La perspective bayésienne fournit une méthode quantitative séquentielle pour estimer les résultats dans les données nouvellement obtenues en utilisant la compréhension antérieure des effets de l'intervention.

Conclusion et importance : Du point de vue de la conception de la recherche, les méthodes bayésiennes ont le potentiel d’améliorer la puissance et de réduire la taille des échantillons requis dans la recherche interventionnelle. Si des échantillons plus petits pouvaient être utilisés, le coût des études d’intervention pourrait être réduit, ce qui, à son tour, pourrait réduire les exigences de conception de la recherche interventionnelle.