Analyses thématiques et lexicales avancées

Cet enseignement constitue le prolongement avancé de l'EC « Analyse des données qualitatives » du semestre 2 de première année, dans lequel les étudiants ont été introduits aux fondements de l'analyse du discours, aux approches inductives (IPA, Grounded Theory), à l'analyse de contenu et à une première utilisation d'Iramuteq. Il s'adresse à des étudiants en phase de finalisation de leur mémoire de recherche, dont les projets impliquent un traitement approfondi de données textuelles ou discursives. Une première partie approfondit les méthodes d'analyse thématique, en allant au-delà de l'application procédurale pour aborder les fondements épistémologiques qui sous-tendent les différentes versions de l'analyse thématique — réflexive, sémantique, latente — et leurs implications pour la conduite et la présentation des analyses. Une attention particulière est portée à la rigueur du processus analytique, à la traçabilité des décisions de codage et aux critères de qualité propres aux approches qualitatives (fiabilité inter-codeurs, saturation, transférabilité). Une deuxième partie est consacrée aux analyses lexicales et textométriques avancées, avec une utilisation approfondie d'Iramuteq — incluant les analyses de similitude, la classification hiérarchique descendante (méthode de Reinert) et l'analyse de cooccurrences — ainsi qu'une introduction aux méthodes computationnelles émergentes appliquées aux corpus textuels en psychologie : topic modeling (LDA), analyse de sentiment et plongements lexicaux (word embeddings). Ces approches sont présentées dans leurs principes fondateurs et illustrées par des applications empiriques, sans présupposer une maîtrise préalable de la programmation R ou Python. Une troisième partie aborde les questions de triangulation méthodologique entre approches thématiques manuelles et approches lexicales automatisées, et discute les conditions dans lesquelles leur combinaison renforce la validité et la richesse des analyses qualitatives.

À l'issue de cet enseignement, les étudiants seront capables de conduire de manière autonome et rigoureuse des analyses thématiques et lexicales avancées sur des corpus de données qualitatives, de justifier leurs choix méthodologiques au regard des paradigmes épistémologiques en présence, et de mobiliser des outils computationnels pour enrichir et trianguler leurs analyses. Ils disposeront ainsi des compétences nécessaires pour valoriser leurs données qualitatives dans le cadre de leur mémoire de recherche et, le cas échéant, d'une publication scientifique.

Session 1 : Devoir sur table. Écrit - QCM ou rédaction - durée 1 heure

Session 2 : Devoir sur table. Écrit - QCM ou rédaction - durée 1 heure

Dérogatoire : pas de dérogatoire

Non compensable

À l'issue de l'enseignement, l'étudiant sera capable :
- de distinguer et mobiliser les différentes versions de l'analyse thématique (réflexive, sémantique, latente) en les ancrant dans leur cadre épistémologique respectif.
- de conduire un processus de codage thématique rigoureux et traçable, en documentant les décisions analytiques et en évaluant la fiabilité inter-codeurs.
- d'utiliser Iramuteq de manière avancée — classification hiérarchique descendante, analyse de similitude, analyse de cooccurrences — et en interpréter les sorties de manière critique.
- de comprendre les principes fondateurs du topic modeling (LDA), de l'analyse de sentiment et des plongements lexicaux, et en évaluer la pertinence pour des corpus en psychologie.
- de combiner analyses thématiques manuelles et approches lexicales automatisées dans une logique de triangulation méthodologique.
- de présenter et discuter les résultats d'analyses qualitatives avancées selon les standards de publication en psychologie, en répondant aux critères de rigueur propres aux approches qualitatives.

Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.
Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.
Krippendorff, K. (2018). Content Analysis: An Introduction to Its Methodology (4e éd.). Sage..
Ratinaud, P. (2009). IRAMUTEQ : Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires. (logiciel libre, http://www.iramuteq.org)

Logiciel Iramuteq (libre et gratuit, http://www.iramuteq.org) ; corpus textuels anonymisés fournis à des fins pédagogiques ; supports de séances fournis par l'enseignant ; articles empiriques illustrant l'usage des méthodes présentées.