16 février 2024
Du directeur de l'IES : Statistiquement significatif ne veut pas dire significatif
Un article des gens de l'IES qui pourrait intéresser les lecteurs de cet espace. Je sais que cette discussion m'intéresse particulièrement, car ce sont ces types de mythes qui sous-tendent en grande partie la perception de la recherche pédagogique. Un autre exemple serait la « référence en matière de recherche » hébergée par le What Works Clearinghouse.
Du directeur de l'IES : Statistiquement significatif ne veut pas dire significatif
Dès notre tout premier cours de statistiques, la plupart d’entre nous ont appris que les variations aléatoires peuvent nous amener à mal identifier une différence entre des groupes ou un changement au fil du temps alors qu’il n’y a pas de différence ou de changement significatif. Toutes les mesures incluent une certaine quantité d’erreurs aléatoires, ce qui signifie que le hasard peut nous inciter à accorder trop d’importance aux différences apparentes qui ne reflètent pas des différences significatives dans les valeurs réelles. Pour minimiser ces erreurs, on nous apprend à calculer les valeurs p pour évaluer la « signification statistique ». Beaucoup d’entre nous ont été amenés à croire qu’une valeur p < 05 – qui sert de ligne claire pour la signification statistique dans l’éducation et dans de nombreux autres domaines – indique qu’il y a moins de 5 % de probabilité que les différences que nous observons dans nos données soient dû au hasard. Malheureusement, ce n’est pas du tout ce que signifient les valeurs p. Comme l’American Statistical Association met en garde depuis des années, une valeur p ne se traduit pas directement par la probabilité qu'une découverte soit due au hasard. (Les lecteurs devraient consulter la déclaration de l'ASA et le commentaire qui l'accompagne.)
De plus, les valeurs p et les tests de signification statistique ne disent rien sur l’ampleur d’un effet ou sur le fait qu’une différence soit liée à l’éducation. significative. Dans un grand échantillon, une différence statistiquement significative peut être insignifiante ; dans un petit échantillon, des différences substantiellement importantes pourraient ne pas atteindre une signification statistique.
Comment pouvons-nous faire mieux? Ci-dessous, Brian Gill et moi discutons de la manière dont les statistiques bayésiennes peuvent nous aider à mieux comprendre les récents résultats du NAEP tout en éloignant le champ de la ligne brillante p < 05 qui conduit à de mauvaises interprétations des données.
L'Institut des sciences de l'éducation, qui fait partie du Département américain de l'éducation, est la principale source nationale de recherche, d'évaluation, de statistiques et d'évaluation rigoureuses et indépendantes sur l'éducation.
En visitant Newsflash vous pouvez également vous inscrire pour recevoir des informations de IES et ses quatre Centres NCES, NCER, NCEE, & NCSER se tenir au courant de toutes les activités au sein de l'Institut des sciences de l'éducation (IES).
Pas encore de commentaires.
RSS flux pour les commentaires sur ce post. Trackback URI
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://virtualschooling.wordpress.com/2024/02/16/from-the-ies-director-statistically-significant-doesnt-mean-meaningful/