Données qualitatives vs. quantitatives : lesquelles utiliser dans la recherche ?

L'analyse des données est vaste, exploratoire et carrément complexe.

Mais lorsque nous prenons du recul et tentons de simplifier l'analyse des données, nous pouvons voir qu'elle se résume à ces deux types : données qualitatives vs. données quantitatives. La principale différence entre elles est que : les données quantitatives sont mesurables, tandis que les données qualitatives sont descriptives. Ces deux types de données sont différents mais constituent toutes les données que vous analyserez un jour.

Avant d'analyser les données à l'aide de logiciels d'analyse statistique, il est essentiel de comprendre les différences clés entre les données qualitatives et quantitatives.

La différence clé est que les données quantitatives sont fixes ou universelles, tandis que les données qualitatives sont subjectives. Par exemple, si une balle pèse 30 livres ou 13,6 kilogrammes, c'est un fait objectif sur la balle. Ce type de données est précis et concluant. Les données qualitatives sont subjectives, interprétatives et exploratoires. Par exemple, deux personnes peuvent interpréter un événement différemment en fonction de leurs expériences vécues.

Alors, lequel est lequel ? Maintenant que nous avons les différences, plongeons dans chaque type de données à l'aide d'exemples concrets.

Qu'est-ce que les données qualitatives ?

Les données qualitatives ne sont pas statistiques et sont généralement non structurées ou semi-structurées. Ces données ne sont pas nécessairement mesurées à l'aide de chiffres que vous utilisez pour développer des graphiques et des tableaux. Au lieu de cela, elles sont catégorisées en fonction de propriétés, d'attributs, d'étiquettes et d'autres identifiants.

Les données qualitatives peuvent être utilisées pour poser la question « pourquoi ». Elles sont investigatrices et posent des questions ouvertes pour mener la recherche. Générer ces données à partir de la recherche qualitative est utilisé pour les théorisations, les interprétations, le développement d'hypothèses et les compréhensions initiales.

Exemples de données qualitatives

Pour mieux comprendre les données qualitatives, prenons l'exemple d'une bibliothèque. Les caractéristiques suivantes de cette bibliothèque déterminent la qualité de l'information disponible à son sujet :

• Fabriquée en bois
• Construite en Italie
• Marron foncé
• Boutons dorés
• Finition lisse
• Fabriquée en chêne

Lorsque nous discutons des données qualitatives, nous parlons des caractéristiques spécifiques d'un objet. Les données qualitatives sont dérivées par l'analyse qualitative d'informations détaillées sur le sujet.

Avec une bibliothèque, il existe de nombreuses façons d'obtenir des informations qualitatives de différents observateurs. Si quelqu'un n'a pas de détails spécifiques sur la bibliothèque, il peut supposer qu'elle est faite de teck, pas de chêne, et qu'elle a une surface rugueuse, pas lisse. De même, nous pouvons également discuter du type de chêne dont elle est faite ou de quelle partie de l'Italie elle provient.

Ainsi, les identifiants de données qualitatives peuvent être subjectifs, rendant l'analyse des données qualitatives un processus complexe avec de nombreuses possibilités et structures.

Qu'est-ce que les données quantitatives ?

Contrairement aux données qualitatives, les données quantitatives sont statistiques et généralement structurées – ce qui signifie qu'elles sont plus rigides et définies. Ce type de données est mesuré à l'aide de chiffres et de valeurs, ce qui en fait un candidat plus approprié pour l'analyse des données.

Tandis que les données qualitatives sont ouvertes à l'exploration, les données quantitatives sont beaucoup plus concises et fermées. Elles peuvent être utilisées pour poser la question « combien » ou « combien de », suivie d'informations concluantes.

Exemples de données quantitatives

Voyons à quoi ressemble un ensemble de données quantitatives pour la bibliothèque. Imaginez que la bibliothèque mesure 3 pieds de long, pèse 100 livres et coûte 1500 $ — toutes ces données sont quantitatives à propos de la bibliothèque. 

Voici une vidéo qui explique les données qualitatives et quantitatives.

Source : Jotform

Données qualitatives vs. quantitatives : différences clés

Cette section vous guidera à travers les types de données qualitatives et quantitatives, les méthodes de recherche et les outils d'analyse. Mais d'abord, examinons la principale différence entre les données qualitatives et quantitatives.

Les données qualitatives sont des données non numériques que les chercheurs utilisent pour interpréter comment les individus perçoivent et trouvent un sens à leur réalité sociale. Les données quantitatives sont des données numériques que les analystes utilisent pour trouver des relations entre les variables et prédire les résultats. Elles fournissent une image statistique concluante derrière une tendance.

La différence clé est que : les données qualitatives répondent au « pourquoi » derrière une corrélation ou un phénomène, tandis que les données quantitatives répondent au « quoi » et au « comment » d'un comportement. 

Types de données qualitatives et quantitatives

Dans cette section, nous explorons différents types de données qualitatives et quantitatives. 

Types de données qualitatives

Il existe deux types de données qualitatives de base : ordinales et nominales. 

1. Données ordinales 

Les données ordinales se réfèrent à des données qualitatives non numériques qui regroupent les variables en catégories basées sur l'ordre naturel ou la hiérarchie des données. Par exemple, les clients peuvent choisir entre médiocre, satisfaisant, bon et excellent lors de l'évaluation d'un produit ou d'un service. Bien que cette hiérarchie ne quantifie pas les données, vous obtenez tout de même une idée approximative du sentiment des clients à propos de votre produit. 

Les données ordinales peuvent également contenir des chiffres. Dans de tels cas, les chiffres catégorisent les niveaux et n'ont pas de valeur mathématique inhérente. Par exemple, vous pouvez étiqueter médiocre, satisfaisant, bon et excellent comme 1, 2, 3 et 4. Ainsi, les chiffres créent une échelle de notation pour capturer différents niveaux de satisfaction client. 

2. Données nominales 

Les données nominales étiquettent les variables en catégories mutuellement exclusives sans leur attribuer de valeurs quantitatives. Vous ne pouvez pas ordonner ou mesurer les données nominales comme les données ordinales.

Par exemple, les navetteurs quotidiens peuvent être divisés en trois catégories en fonction de leur mode de transport, c'est-à-dire bus, train et voiture. Mais vous ne pouvez pas créer un ordre hiérarchique significatif avec ce type de données.

Types de données quantitatives

1. Données discrètes

Les données discrètes sont des données que vous ne pouvez pas décomposer en parties plus petites. Ce type de données se compose d'entiers (nombres positifs et négatifs, par exemple, -100, 10, 100, etc.) et est fini (ce qui signifie qu'il atteint une limite).

Quelques exemples de données discrètes seraient combien de monnaie vous avez dans votre poche, combien d'iPhones ont été vendus l'année dernière et combien de trafic est venu sur votre site Web aujourd'hui.

Une autre note importante est que les données discrètes peuvent techniquement être catégoriques. Par exemple, le nombre de joueurs de baseball dans une équipe nés au Mexique est entier et discret.

2. Données continues

Les données continues sont des données qui peuvent être infiniment décomposées en parties plus petites ou des données qui fluctuent continuellement. Quelques exemples de données continues seraient la vitesse de votre train pendant le trajet du matin, le temps que vous prenez pour écrire un article, votre poids et votre âge.

Recherche qualitative et quantitative

Une différence majeure entre les données qualitatives et quantitatives est la façon dont elles sont collectées. Cette section explore les différentes méthodes de collecte de données qualitatives et quantitatives.

Méthodes de collecte de données qualitatives

La recherche qualitative se concentre sur les méthodes de collecte de données qualitatives pour étudier et observer un public cible et tirer des conclusions à partir des données collectées. Cette méthode de recherche repose davantage sur des caractéristiques subjectives déterminées par des approches qualitatives. 

Groupes de discussion

La méthode de recherche par groupe de discussion est l'une des méthodes de recherche qualitative les plus largement utilisées dans la collecte de données. Un groupe de discussion se compose d'un certain nombre de répondants (5-10) qui agissent comme un groupe. Vous pouvez également utiliser des outils d'enquête pour envoyer un questionnaire à un groupe de discussion, obtenir leurs commentaires ou opinions sur un problème spécifique et enregistrer leurs réponses pour une analyse rapide des données.

Former et gérer des groupes de discussion peut être un processus complexe et coûteux. Il est utilisé par les entreprises qui souhaitent peut-être lancer un nouveau produit pour étudier le marché et obtenir un aperçu des besoins, des préférences et des traits comportementaux de leur public cible.

Recherche ethnographique

La recherche ethnographique implique d'observer et d'étudier des sujets de recherche dans un lieu géographique spécifique. Ce lieu géographique peut aller d'une petite entité à des pays du monde entier. La recherche ethnographique aide les chercheurs à apprendre les cultures, les comportements, les tendances et les points de douleur dans un cadre naturel. Encore une fois, cette méthode de recherche est chronophage et difficile et peut s'étendre au-delà d'une période spécifique. 

Étude de cas

Une étude de cas est une analyse approfondie principalement utilisée dans les sciences sociales et éducatives. Toute organisation, grande ou petite, peut le faire pour tirer une inférence détaillée sur un sujet. Une étude de cas est également l'une des méthodes de recherche les plus simples mais chronophages impliquant la collecte de données à partir de plusieurs sources.

Narrative

La méthode de recherche narrative repose sur le développement ou la création d'une histoire. Vous assemblez une série d'événements et créez un récit autour d'un sujet observé. Cette méthode d'investigation montre comment une petite entité peut affecter un événement important et déterminer sa relation.

Phénoménologie

La phénoménologie est une autre méthode de recherche qui considère un événement ou un phénomène spécifique pour la collecte de données qualitatives. Elle aide un observateur à comprendre comment, pourquoi et quel phénomène se produit et son impact sur le problème. La phénoménologie utilise diverses méthodes de collecte de données, des documents, vidéos et entretiens à la visite d'un lieu, l'expérience du phénomène et la description de son évolution et de son développement au fil du temps.

Théorie ancrée

La théorie ancrée se concentre sur l'explication de la raison derrière la survenue d'un événement. La taille de l'échantillon utilisée pour la théorie ancrée est généralement inférieure à cent sujets et évalue comment quelque chose se produit à un moment donné.

Méthodes de collecte de données quantitatives

La recherche quantitative repose sur des méthodes d'analyse numérique et statistique, qui utilisent des chiffres et des statistiques pour tirer des déductions raisonnables et définitives. Voici quelques-unes des méthodes de recherche quantitative standard.

Recherche de corrélation

Une méthode de recherche de corrélation étudie la relation entre deux ou plusieurs variables similaires et interdépendantes. Elle montre comment une variable affecte l'autre et vice versa. La recherche de corrélation utilise l'analyse mathématique pour analyser les données collectées. Les résultats peuvent être présentés dans un diagramme ou générés en statistiques pour compléter les résultats de la recherche.

Recherche expérimentale

Une méthode de recherche expérimentale est une approche de recherche théorique. Elle se concentre sur une théorie pour distinguer entre les déclarations vraies et fausses. Cette méthode de recherche aide à vérifier un argument et est principalement utilisée dans les sciences naturelles.

Recherche causale-comparative

Une recherche causale-comparative compare deux variables qui ne sont pas liées. L'une est dépendante et l'autre est indépendante. Également connue sous le nom de recherche quasi-expérimentale, elle détermine la relation de cause à effet entre ces variables.

Recherche par enquête

La recherche par enquête est l'une des méthodes de recherche les plus largement utilisées dans l'éducation, la politique, l'économie, etc. Les organisations l'utilisent pour recueillir des commentaires sur les produits auprès de répondants aléatoires par le biais d'enquêtes, de questionnaires et d'autres méthodes de saisie. Les données collectées sont ensuite analysées pour obtenir des résultats quantitatifs.

Données qualitatives vs. quantitatives : méthodes d'analyse

Un autre facteur critique qui différencie les données qualitatives et quantitatives est la façon dont vous les analysez. Les analystes statistiques regroupent les données qualitatives en différents thèmes pour trouver des catégories significatives, tandis que les données quantitatives utilisent des calculs mathématiques pour tirer des conclusions.

Analyse des données qualitatives 

L'analyse des données qualitatives (QDA) organise et interprète des données conceptuelles non numériques pour découvrir des thèmes et répondre à des questions de recherche. Comme il n'y a pas de moyen de mesurer objectivement les données qualitatives, elles sont ouvertes à l'interprétation subjective. Voici quelques-unes des méthodes d'analyse des données qualitatives courantes. 

• L'analyse de contenu utilise des logiciels d'analyse de texte pour découvrir des informations quantitatives à partir de données qualitatives. Elle le fait en quantifiant la présence de certains concepts et sujets dans des messages audio/vidéo, des images et des textes.
• L'analyse thématique trouve des thèmes communs et résume les modèles de données qualitatives à travers les textes. Contrairement à l'analyse de contenu, elle ne peut être utilisée que pour les données qualitatives.
• L'analyse narrative interprète des témoignages, des entretiens, des études de cas et d'autres histoires de participants à la recherche pour obtenir des informations sur les comportements et les sentiments.
• L'analyse de la théorie ancrée vise à formuler des théories en créant et en testant des hypothèses avec des données qualitatives.
• L'analyse du discours utilise différentes techniques d'observation pour établir des relations entre des informations textuelles ou audio-visuelles et leur contexte. 

Voyons maintenant les méthodes d'analyse des données quantitatives. 

Analyse des données quantitatives 

L'analyse des données quantitatives utilise diverses méthodes, en fonction des données disponibles. L'objectif ultime reste le même, cependant — trouver des tendances de données et découvrir des relations entre un ensemble de variables. Voici quelques-unes des méthodes d'analyse des données quantitatives couramment utilisées. 

• L'analyse de régression teste la relation entre les variables dépendantes et indépendantes.
• La simulation de Monte Carlo vise à prédire les probabilités d'un événement incertain basé sur des données passées et un choix d'action.
• L'analyse factorielle crée moins de facteurs à partir d'un grand nombre de variables pour décrire la variabilité parmi les variables corrélées.
• L'analyse de cohorte est un outil d'analyse comportementale. Elle analyse les traits d'une cohorte ou d'un groupe d'individus ayant des caractéristiques communes pour comprendre leurs actions et leurs modèles d'utilisation. 
• L'analyse de cluster organise les éléments en groupes de clusters pour comprendre l'association entre eux.
• L'analyse des séries temporelles utilise des techniques de visualisation de données pour montrer les changements de modèle systématique entre les variables dépendantes et indépendantes au fil du temps. 

Avantages et inconvénients des données quantitatives et qualitatives

Les données quantitatives sont faciles à collecter, mais elles peuvent manquer de contexte. Par exemple, vous pouvez mener une enquête rapide pour comprendre que 35 % des clients sont mécontents de votre produit ou service. Mais vous ne pouvez probablement pas savoir ce qui cause leur insatisfaction. C'est pourquoi les données quantitatives sont un excellent choix pour tirer des conclusions généralisables mais ne vous donnent pas l'image complète derrière un phénomène.

Les données qualitatives, en revanche, fournissent des informations approfondies et contextuelles sur un phénomène. Par exemple, vous pouvez utiliser des outils d'analyse de données qualitatives pour comprendre le sentiment, les traits et les opinions de ces 35 % de clients qui ne sont pas satisfaits de votre produit. Le seul inconvénient est qu'il faut du temps pour collecter des données qualitatives. De plus, il y a plus de chances de biais puisque les données qualitatives sont ouvertes à l'interprétation. 

Qu'est-ce qui est mieux pour l'analyse des données : qualitatif ou quantitatif ?

Maintenant que nous avons décomposé le pain et le beurre des données qualitatives et quantitatives, il est temps de considérer quel type est meilleur pour l'analyse des données.

Les données qualitatives seront presque toujours considérées comme des données non structurées ou semi-structurées. Ce type de données est faiblement formaté avec très peu de structure. Pour cette raison, les données qualitatives ne peuvent pas être collectées et analysées à l'aide de méthodes conventionnelles.

Donner un sens aux données qualitatives peut être chronophage et coûteux, bien que certaines méthodes de « structuration » de ces données existent. Par exemple, on pourrait appliquer des métadonnées pour décrire un fichier de données non structuré. Le texte alternatif est un type de métadonnées appliqué aux fichiers image pour aider les moteurs de recherche comme Google, Bing et Yahoo à indexer les images pertinentes.

L'essor des bases de données NoSQL a rendu la collecte et le stockage des données qualitatives beaucoup plus gérables. Cependant, il reste encore un chemin à parcourir avant de pouvoir exploiter complètement ces données.

Les données quantitatives seront presque toujours considérées comme des données structurées. Ce type de données est formaté de manière à pouvoir être rapidement organisé et recherché dans des bases de données relationnelles. Peut-être l'exemple le plus courant de données structurées est les chiffres et les valeurs trouvés dans les feuilles de calcul.

Parce que les données quantitatives et les données structurées vont de pair, les données quantitatives sont généralement préférées pour l'analyse des données.

Questions fréquemment posées sur les données qualitatives et quantitatives

1. Quelle est la différence entre la recherche qualitative et quantitative ?

La recherche qualitative est exploratoire. Elle collecte et analyse des données non numériques pour comprendre les raisons derrière les opinions, les expériences, les motivations et les sentiments. La recherche quantitative analyse des données numériques pour trouver des relations entre les variables. Elle est plus objective et structurée que la recherche qualitative. 

2. Quels sont quelques exemples de données qualitatives et quantitatives ?

Les données qualitatives sont descriptives et subjectives. Les exemples courants incluent :

• Avis
• Transcriptions d'entretiens
• Textes et documents
• Témoignages de clients
• Réponses de groupes de discussion
• Notes d'observation
• Enregistrements audio et vidéo

Les données quantitatives sont numériques et objectives. Les exemples courants incluent : 

• Réponses numériques aux enquêtes
• Scores de test
• Mesures et comptes
• Calculs
• Projections

À quel point connaissez-vous la différence ?

Pour renforcer votre compréhension des données qualitatives et quantitatives, pensez à quelques façons dans votre vie d'appliquer les deux. Commencez par vous-même comme exemple. Pour acquérir des données qualitatives, considérez des identifiants comme la couleur de vos vêtements, le type de cheveux et la forme du nez. Considérez des valeurs mesurables comme la taille, le poids, l'âge et la pointure pour les données quantitatives.

Avec une bonne compréhension des données qualitatives et quantitatives, vous pouvez commencer à donner un sens au processus d'analyse des données. 

Cet article a été publié à l'origine en 2021. Il a été mis à jour avec de nouvelles informations.