ANALYSE DE L’ETUDE D’IMPACT « BEACON OF HOPE: AN IMPACT ASSESSMENT STUDY OF BRAC’S RURAL DEVELOPMENT PROGRAMME »
La dernière partie de notre analyse va concerner la collecte des données. Cette partie de l’étude, pourtant fondamentale (en sciences « dures » expérimentales, l’appareil de mesure et sa précision sont fondamentaux pour attester de la validité des résultats), est souvent occulté dans les IA. Les données sont utilisées, mais leur origine reste mystérieuse.
L’IA que nous analysons va nous permettre de montrer que c’est également dans cette étape que se cachent des choix et donc des problèmes débattus par les spécialistes.
La collecte des données
Comme indiqué dans les objectifs de l’étude, la collecte recueille des données à la fois qualitatives et quantitatives, selon des méthodes différentes. En fait, les auteurs ont utilisé trois moyens de générer l’information à la fois à l’échelle du ménage et à l’échelle de la communauté, ainsi que des données comparatives entre les clients et les non-clients.
Il est très intéressant de regarder de près quelques-unes de leurs modalités :
Etude des ménages de la clientèle de BRAC ainsi que des non-clients
Questionnaire assez guidé, avec deux phases de collecte des données pour étudier l’influence des saisons
Echantillon : 2125 ménages = 1375 membres de RDP + 750 non membres, à la situation « comparable économiquement »
Etude des villages
Formulaire guidé, rempli par des petits groupes de « key informants »(1) = informateurs clés.
Etudes de cas sur l’organisation des villages
Echantillon : Les lieux ont été choisis au hasard parmi les villages participant à l’étude Beacon of Hope. 15 lieux ont contribué aux données.
(1 )MUSTAFA and all, Op. cit. p 27
Que conclure de cette méthode de collecte ? Elle met en évidence plusieurs points critiques.
Tout d’abord, on peut se demander pourquoi les auteurs ont sélectionnés 2125 ménages. Pourquoi pas plus, pourquoi pas moins ? On voit bien ici le problème de la largeur de l’échantillon.
Ensuite, même en arguant qu’un grand échantillon est plus représentatif, un deuxième point apparait : que signifie pour des ménages des situations « comparable économiquement » ? Cette notion semble intuitive et pourtant c’est l’un de celle qui se heurte au plus grand nombre de problèmes en pratique.
Enfin, nous avons vu que la sélection des lieux pour les études de cas sur l’organisation des villages ont été choisis au hasard. En quoi cela est-il bon ? néfaste ? Cela constitue le débat autour de la randomisation des études.
Finissons maintenant le tour de cette IA et résumons les principaux points : cliquez ici pour voir la conclusion !
