Leçon 1 - Que faire de toutes ces données?

De : Bureau du Conseil privé

Introduction

Les consultations publiques peuvent générer d’énormes quantités de réponses de la part des participants et des répondants. Ces réponses renferment d’utiles données qualitatives, mais comment les analystes s’en servent-ils? Cette leçon portera sur les difficultés auxquelles les analystes se heurtent lorsqu’ils traitent de grands jeux de données issues d’une consultation. Elle s’inscrit dans une série de leçons qui portent sur l’examen, l’analyse et l’utilisation de données qualitatives.

Données qualitatives issues d’une consultation

Les consultations génèrent surtout des données qualitatives. Les réponses formulées lors d’une consultation prennent la forme de mots significatifs que les analystes interprètent plutôt que de les mesurer. Cette particularité pose un problème du point de vue des méthodes classiques d’analyse statistique.

Dans le cadre de consultations gouvernementales, vous interagissez en personne ou en ligne avec des gens afin d’obtenir de l’information qui servira à la prise de décisions. Parfois, vous extrairez facilement cette information, car il y aura de nombreuses réponses similaires données à une question directe. Parfois, vous devrez pousser plus loin votre analyse pour dégager le sens des réponses reçues.

Qu’elles soient recueillies en personne, en ligne ou par téléphone, ces réponses forment un document textuel. Si vous posez assez de questions à un nombre suffisant de personnes, il s’en dégagera peut-être des tendances, des thèmes ou des renseignements particuliers qui pourront servir à élaborer des politiques.

Le problème et l’idée

Le problème tient au fait que les consultations publiques peuvent générer une énorme quantité de réponses textuelles. Une question simple posée à de nombreuses personnes est susceptible de donner lieu à une multitude de réponses très longues, détaillées et significatives.

Les documents de consultation comptent souvent des centaines de milliers de mots. C’est beaucoup plus que ce que les êtres humains peuvent facilement lire ou analyser. Même en lisant le texte, il se peut que vous ayez du mal à dégager des tendances significatives d’une section à l’autre. Le cerveau ne peut tout simplement pas emmagasiner autant d’information, encore moins la traiter et l’analyser. Pour reconnaître ces tendances sans avoir recours à un ordinateur, il faudrait lire le texte plusieurs fois et faire preuve de rigueur dans la prise de notes, le marquage, la production d’une synthèse, la préparation de tableaux comparatifs, le comptage des mots, etc.

De plus, de nombreuses consultations sont menées dans plusieurs langues, ce qui complique les choses, car les différences d’une langue à l’autre peuvent rendre ardues les comparaisons entre celles-ci. Malgré tout, c’est aussi ce qui rend si importantes les données issues d’une consultation. En demandant aux participants de s’exprimer dans leur langue et d’employer leur propre vocabulaire, vous leur donnez le pouvoir de présenter leur propre interprétation des enjeux. La recherche statistique à grande échelle ne vous en fournira pas autant. Au lieu (ou en plus) de demander à une personne d’attribuer à un service une note de 1 à 5, vous pouvez lui demander de décrire son parcours, d’exprimer ses sentiments ou de trouver des solutions originales à des problèmes inattendus.

Conclusion

Les données qualitatives donnent un aperçu du quotidien compliqué et diversifié des êtres humains, ceux dont les vies sont touchées par les politiques gouvernementales. Ces jeux de données, lorsqu’ils sont bien compris, peuvent améliorer le processus d’élaboration des politiques. Le défi de l’analyste est donc de trouver des façons simples et efficaces de lire le texte pour en dégager des significations, des tendances et des renseignements.

Dans la leçon qui suit, vous vous familiariserez avec différentes stratégies d’analyse du contenu et vous verrez en quoi elles peuvent simplifier et automatiser le processus d’analyse des données qualitatives.