Raisonnement dichotomique

En statistique, le raisonnement dichotomique ou raisonnement binaire est le processus de voir une discontinuité dans les valeurs possibles qu'une valeur p peut prendre pendant le test d'hypothèse nulle: elle est soit au-dessus du seuil significatif (habituellement 0,05) ou au-dessous. En appliquant le raisonnement dichotomique, une première valeur p de 0,0499 sera interprétée comme une valeur p de 0,0001 (l'hypothèse nulle est rejetée) tandis qu'une seconde valeur p de 0,0501 sera interprétée comme une valeur p de 0,7 (l'hypothèse nulle est acceptée). Le fait que la première et la deuxième valeurs de p soient mathématiquement très proches est donc totalement ignoré et les valeurs de p ne sont pas considérées comme continues mais sont interprétées de manière dichotomique par rapport au seuil de significativité. Une mesure courante de la pensée dichotomique est le cliff effect[1].

La pensée dichotomique est très souvent associée aux valeurs p[2],[3] mais cela peut aussi arriver avec d'autres outils statistiques comme les techniques d'estimations basées sur les intervalles de confiance ou bayésiens[1].

Effet égalisateur de la dichotomisation chez les évaluateurs

Des recherches récentes ont montré que lors d'une évaluation, l'utilisation d'une note de type oui/non (pouvant se traduire par des pouces levés ou baissés par exemple) par rapport à l'utilisation d'une échelle de type cinq étoiles (omniprésente dans Internet et de nombreuses applications mobiles), réduit le biais de discrimination raciale moderne (croyances racistes discrètes et éventuellement inconscientes)[4],[5],[6].

Notes et références

  1. 1 2 Jerry Lai, « DICHOTOMOUS THINKING: A PROBLEM BEYOND NHST », ICOTS8,
  2. ↑ Robert Rosenthal et John Gaito, « title=The Interpretation of Levels of Significance by Psychological Researchers », The Journal of Psychology, Informa UK Limited, vol. 55,‎ , p. 33-38 (ISSN 0022-3980, DOI 10.1080/00223980.1963.9916596)
  3. ↑ Nanette Nelson, Robert Rosenthal et Ralph L. Rosnow, « Interpretation of significance levels and effect sizes by psychological researchers », American Psychologist, American Psychological Association (APA), vol. 41, no 11,‎ , p. 1299-1301 (ISSN 1935-990X, DOI 10.1037/0003-066x.41.11.1299)
  4. ↑ (en) Tristan L. Botelho, Sora Jun, Demetrius Humes et Katherine A. DeCelles, « Scale dichotomization reduces customer racial discrimination and income inequality », www.nature.com,‎ , p. 1–9 (ISSN 1476-4687, DOI 10.1038/s41586-025-08599-7, lire en ligne, consulté le ).
  5. ↑ (en) Lauren Rivera, « Racial bias eliminated when ratings switch from five stars to thumbs up or down », www.nature.com,‎ (ISSN 1476-4687, DOI 10.1038/d41586-025-00304-y, lire en ligne, consulté le ).
  6. ↑ (en) Nick Petrić Howe et Shamini Bundell, « Racist ratings linger in five-star systems — a thumbs up could fix that », www.nature.com,‎ (ISSN 1476-4687, DOI 10.1038/d41586-025-00529-x, lire en ligne, consulté le ).

Articles connexes

  • icône décorative Portail des probabilités et de la statistique
  • icône décorative Portail des sciences
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons – Attribution – Partage à l’identique. Des conditions supplémentaires peuvent s’appliquer aux fichiers multimédias.