Bonne science exige des mesures valides. Cette déclaration n’est guère controversée. Sans surprise, tous les auteurs d’une mesure psychologique affirment que leur mesure est valide. Cependant, la recherche de validation est coûteuse et difficile à publier dans des revues prestigieuses. En conséquence, la science psychologique a une crise de validité., De nombreuses mesures sont utilisées dans des centaines d’articles sans définitions claires des constructions et sans informations quantitatives sur leur validité (Schimmack, 2010).
le Test D’Association implicite (AT) ne fait pas exception. L’IAT a été introduit en 1998 avec des preuves solides et hautement reproductibles que les attitudes moyennes envers les paires d’objets (par exemple, les fleurs contre les araignées) peuvent être mesurées avec des temps de réaction dans une tâche de classification (Greenwald et al., 1998)., Bien que le titre de l’article promettait une mesure des différences individuelles, les principales preuves dans l’article étaient des différences moyennes entre les groupes. Par conséquent, l’article original n’a fourni que peu de preuves que le SIA est une mesure valide des différences individuelles.
l’utilisation de L’IAT comme mesure des différences individuelles dans les attitudes nécessite des preuves scientifiques que les résultats aux tests sont liés à la variation des attitudes., Les preuves clés de la validité d’un test sont la fiabilité, la validité convergente, la validité discriminante et la validité prédictive incrémentale (Campbell & Fiske, 1959).
la validité de L’IAT en tant que mesure des attitudes doit être examinée au cas par cas, car le lien entre les associations et les attitudes peut varier en fonction de l’objet de l’attitude. Pour les objets d’attitude comme les boissons pop, Coke vs Pepsi, les associations peuvent être fortement liées aux attitudes., En fait, l’IAT a une bonne validité prédictive pour les choix entre deux boissons pop (Hofmann, Gawronski, Gschwendner, & Schmitt, 2005). Cependant, il manque de la validité convergente lorsqu’il est utilisé pour mesurer l’estime de soi (Bosson & Swan, & Pennebaker, 2000).
L’IAT est surtout connu comme une mesure des préjugés, des préjugés raciaux ou des attitudes des Américains blancs envers les Afro-Américains. D’une part, L’inventeur de L’IAT, Greenwald, soutient que l’IAT de race a une validité prédictive (Greenwald et al., 2009)., D’autres contestent les preuves: « les résultats des tests D’Association implicite n’ont pas permis de prédire les comportements au niveau individuel” (Blanton et al., 2009, p. 567); « le SIA fournit peu d’informations sur qui discriminera contre qui, et ne fournit pas plus d’informations que des mesures explicites de partialité” (Oswald et al., 2013).
neuf ans plus tard, Greenwald et ses collègues présentent une nouvelle méta-analyse de la validité prédictive de L’IAT (Kurdi et al., 2018) sur la base de 217 rapports de recherche et d’un échantillon total de n = 36 071 participants. Les résultats de cette méta-analyse sont présentés dans le résumé.,
Nous avons trouvé des corrélations significatives de critères implicites (ICC) et de critères explicites (ECC), avec des contributions uniques de critères implicites (beta = .14) et des mesures explicites (bêta = .11) révélé par la modélisation d’équations structurelles.
le problème des méta-analyses est qu’elles regroupent l’information avec diverses méthodes, mesures et variables de critère, et la méta-analyse a montré une grande variabilité de la validité prédictive. Ainsi, la conclusion de titre ne fournit pas d’informations sur la validité prédictive de la course IAT., Comme l’ont noté les auteurs, » Statistiquement, le degré élevé d’hétérogénéité suggère que toute estimation ponctuelle de la relation implicite– critère serait trompeuse” (p. 7).
un autre problème de la méta-analyse est qu’il est difficile de trouver des variables modératrices fiables si les études originales ont de petits échantillons et une erreur d’échantillonnage importante. Par conséquent, un effet modérateur non significatif ne peut pas être interprété comme une preuve que les résultats sont homogènes. Ainsi, une meilleure façon d’examiner la validité prédictive de la race IAT est de limiter la méta-analyse aux études qui ont utilisé la race IAT.,
un autre problème des petites études est qu’elles introduisent beaucoup de bruit parce que les estimations ponctuelles sont biaisées par une erreur d’échantillonnage. Stanley, Jarrell et Doucouliagos (2010) ont fait la suggestion ingénieuse de limiter la méta-analyse aux 10% supérieurs des études ayant les plus grandes tailles d’échantillons. Comme ces études comportent une petite erreur d’échantillonnage pour commencer, leur agrégation produira des estimations avec une erreur d’échantillonnage encore plus petite et l’inclusion de nombreuses petites études avec une grande hétérogénéité n’est pas nécessaire., Un plus petit nombre d’études facilite également l’évaluation de la qualité des études et l’examen des sources d’hétérogénéité entre les études. J’ai utilisé cette approche pour examiner la validité prédictive de la race IAT en utilisant les études incluses dans Kurdi et al.(2018) méta-analyse (données).
Description des données
le fichier de données contenait la variable groupStemCat2 qui codait les groupes comparés dans L’IAT. Seules les études classées dans groupStemCat2 == « Afro-Américains et Africains » ont été sélectionnées, laissant 1328 entrées (lignes)., Ensuite, je n’ai sélectionné que des études avec une corrélation IAT-critère, laissant 1004 entrées. Ensuite, je n’ai sélectionné que des entrées avec une taille d’échantillon minimale de N = 100, laissant 235 entrées (plus de 10%).
Les 235 entrées étaient basées sur 21 études, ce qui indique que la méta-analyse codait, en moyenne, plus de 10 effets différents pour chaque étude.
La corrélation médiane entre le critère IAT et l’ensemble des 235 études était r = .070. En comparaison, la médiane r pour les 769 études avec N < 100 était r = .044., Par conséquent, le choix d’études avec un N important n’a pas réduit l’estimation de la taille de l’effet.
lorsque j’ai calculé la médiane pour chaque étude, puis la médiane entre les études, j’ai obtenu une corrélation médiane similaire de r = .065. Il n’y avait pas de corrélation significative entre la taille de l’échantillon et la corrélation médiane du critère ICC dans les 21 études, r = .12. Il n’y a donc aucune preuve de biais de publication.
je passe maintenant en revue les 21 études par ordre décroissant de la corrélation médiane critère IAT. J’évalue la qualité des études avec 1 à 5 étoiles allant de la plus basse à la plus haute qualité., Comme certaines études n’étaient pas destinés à être des études de validation, cette évaluation ne reflète pas la qualité d’une étude en soi. L’évaluation est fondée sur la capacité d’une étude à valider L’IAT comme mesure du biais racial.
1. * Ma et coll. (Étude 2), N = 303, r = .34
Ma et coll. (2012) a utilisé plusieurs IAT pour prédire les intentions de vote lors de l’élection présidentielle américaine de 2012. Fait important, L’étude 2 n’incluait pas la race IAT utilisée dans L’Étude 1 (#15, médiane r = .03). Au lieu de cela, la course IAT a été modifiée pour inclure des photos des deux candidats Obama et Romney., Bien qu « il soit intéressant qu » un IAT qui exige des classifications raciales des candidats ait prédit les intentions de vote, Cette étude ne peut pas être utilisée pour affirmer que l « IAT de race en tant que mesure du biais racial a une validité prédictive parce que l » IAT mesure les attitudes spécifiques envers les candidats plutôt que les attitudes envers les Afro-Américains
2. *** Knowles et coll., N = 285, r = .26
Cette étude a utilisé la course IAT pour prédire les intentions de vote et l’approbation des réformes des soins de santé D’Obama., La principale conclusion était que la course IAT était un prédicteur significatif des intentions de vote (Odds Ratio = .61; r = .20) et que cette relation est restée significative après avoir inclus L’échelle de racisme moderne comme prédicteur (Odds Ratio = .67, Taille de l’effet r = .15). La corrélation est similaire au résultat obtenu dans l’étude suivante avec un échantillon plus grand.
3. ***** Greenwald et coll. (2009), N = 1 057, r = .17
Les résultats les plus concluants proviennent de Greenwald et al.(2009) avec la plus grande taille d’échantillon de toutes les études., Dans un échantillon de n = 1,057 participants, la course IAT prédit les intentions de vote à l’élection américaine 2008 (Obama vs. McCain), r =.17. Cependant, dans un modèle qui incluait l’orientation politique comme prédicteur des intentions de vote, seules les mesures explicites de l’attitude ajoutaient une validité prédictive incrémentale, b = .10, SE = .03, t = 3,98, mais l’IAT ne l’a pas fait, b = .00, SE = .02, t = 0,18.
4. * Cooper et coll., N = 178, r = .12
La taille de l’échantillon dans la méta-analyse ne correspond pas à la taille de l’échantillon de l’étude originale., Bien que 269 patients aient été impliqués, le tai race a été administré à 40 cliniciens en soins primaires. Ainsi, la validité prédictive ne peut être évaluée que sur un petit échantillon de n = 40 médecins qui ont fourni des scores IAT indépendants. Le tableau 3 énumère sept variables dépendantes et montre deux résultats significatifs (p = .02, p = .02) pour les patients noirs.
5. * Biernat et coll. (Étude 1), N = 136, r = .10
L’Étude 1 incluait la race IAT et les dons à un noir par rapport à d’autres organisations étudiantes comme variable de critère. La relation négative n’était pas significative (taille de l’effet r = .05)., La méta-analyse comprenait également la variable standard de décalage (taille de l’effet r = .14). Les normes changeantes font référence à la mesure dans laquelle les participants ont modifié les normes dans leurs jugements sur la capacité académique des cibles noires par rapport aux cibles blanches. Le point principal de l’article était que les normes changeantes plutôt que les mesures d’attitude implicites prédisent un biais racial dans le comportement réel. « Dans trois études, la tendance à changer les normes n’était pas corrélée avec d’autres mesures des préjugés, mais prévoyait une allocation réduite de fonds à une organisation étudiante Noire., »Ainsi, il semble discutable d’utiliser des normes changeantes comme critère de validation pour l’IAT race parce que la variable critère clé étaient les dons, tandis que les normes changeantes étaient une mesure indirecte concurrente des préjugés.
6. ** Zhang et coll. (Étude 2), N = 196, r = .10
Cette étude a examiné les listes de pensées après que les participants aient regardé un crime commis par un délinquant noir sur la loi et L’ordre. « Dans deux programmes, aucune relation statistiquement significative entre la nature des pensées et les scores sur IAT n’a été trouvée, F(2, 85) = 2.4, p < .,11 pour le programme 1, et F(2, 84) = 1.98, p < .53 pour le programme 2.” La principale limitation de cette étude est que les listes de pensées ne sont pas un véritable comportement social. Comme la taille de l’effet pour cette étude est proche de la médiane, son exclusion n’a aucun effet notable sur le résultat final.
7. * Ashburn et coll., N = 300, r = .09
Le titre de cet article est « la Race et la santé psychologique des afro-Américains.” L’échantillon se compose de 300 participants Afro-Américains., Bien qu « il soit intéressant d » examiner les attitudes raciales des Afro-Américains, cette étude n « aborde pas la question de savoir si l » IAT de race est une mesure Valable des préjugés contre les Afro-Américains.
8. *** Eno et coll. (Étude 1), N = 105, r = .09
Cet article examine les réponses à un film se déroulant à l’Époque des droits civiques; « rappelez-vous les Titans. »Après avoir regardé le film, les participants ont fait plusieurs évaluations sur les interprétations des événements. Un seul événement, attribuant les actions D’Emma à un accident, a montré une corrélation significative avec l’IAT, r = .,20, mais les attributions au racisme ont également montré une corrélation dans le même sens, r = .10. Pour les autres événements, les attributions avaient la même taille d’effet non significatif, les intérêts des filles r = .12, Course de filles, r = .07; racisme brique, r = -.10, les actions de l’entraîneur Noir brique, r = -.10.
9. *** Aberson & Haag, N = 153, r = .07
Abserson et Haag ont administré la course IAT à 153 participants et ont posé des questions sur la quantité et la qualité des contacts avec les Afro-Américains. Ils ont trouvé des corrélations non significatives avec la quantité, r = -.12 et qualité, r = -.,10, et une corrélation positive significative avec l’interaction, r = .17. L’effet d’interaction positive suggère que les personnes ayant un faible contact, ce qui implique également un contact de faible qualité, ne sont pas différentes des personnes ayant des contacts fréquents de haute qualité.
10. * Hagiwara et coll., N = 106, r = .07
Cette étude est une autre étude de patients noirs et de médecins non noirs. La principale limitation est qu’il n’y avait que 14 médecins et seulement 2 étaient blancs.
11. **** Bar-Anan & Nosek, N = 397, r = .,06
Cette étude a utilisé le contact comme critère de validation. La course IAT a montré une corrélation de r = -.14 avec contact de groupe. , N dans la plage de 492-647. Le bref IAT a montré pratiquement la même relation, r = -.13. L’annexe indique que le contact était plus fortement corrélé avec les mesures explicites; thermomètre r = .27, préférence r = .31. En utilisant la modélisation d’équations structurelles, comme recommandé par Greenwald et ses collègues, je n’ai trouvé aucune preuve que L’IAT a une validité prédictive unique dans la prédiction du contact lorsque des mesures explicites ont été incluses comme prédicteurs, b = .03, SE = .,07, t = 0,37.
12. *** Aberson & Gaffney, N = 386, médiane r = .05
Cette étude a établi un lien entre la race IAT et les mesures de contact positif et négatif, r = .10, r = -.01, respectivement. Les corrélations avec une mesure explicite étaient considérablement plus fortes, r = .38, r = -.35, respectivement. Ces résultats reflètent les résultats présentés ci-dessus.
13. * Orey et coll., N = 386, médiane r = .04
Cette étude a examiné les attitudes raciales chez les répondants noirs., Bien qu’il s’agisse d’une question intéressante, les données ne peuvent pas être utilisées pour examiner la validité prédictive de l’IAT de race en tant que mesure des préjugés.
14. * Krieger et coll., N = 708, médiane r = .04
Cette étude a utilisé l’IAT de race avec 442 participants noirs et des mesures de critère de la discrimination perçue et de la santé. Bien qu’il s’agisse d’un sujet de recherche intéressant, les résultats ne peuvent pas être utilisés pour évaluer la validité de l’IAT de race en tant que mesure des préjugés.
15. *** Ma et coll. (Étude 1), N = 335, médiane r = .,03
Cette étude a utilisé la course IAT pour prédire les intentions des électeurs à l’élection présidentielle de 2012. L’étude n’a trouvé aucune relation significative. « Cependant, aucune des mesures au niveau de la catégorie n’était liée à l’intention de voter pour Obama (rs≤.06, PS ≥ .26)” (p. 31). La méta-analyse a enregistré une corrélation de r = .045, basé sur la correspondance par courrier électronique avec les auteurs. On ne sait pas pourquoi la course IAT ne serait pas prédire les intentions de vote en 2012, quand il a fait prédire les intentions de vote en 2008., Une possibilité est Qu’Obama était maintenant considéré comme un individu plutôt que comme un membre d’un groupe particulier, de sorte que les attitudes générales envers les Afro-Américains n’influencent plus les intentions de vote. Quelle que soit la raison, cette étude ne fournit pas de preuve de la validité prédictive de la race IAT.
16. **** Oliver et coll., N = 105, médiane r = .02
Cette étude portait sur une étude en ligne de 543 médecins de famille et de médecine interne. Ils ont terminé la course IAT et ont donné des recommandations de traitement pour un cas hypothétique. La Race du patient a été manipulée expérimentalement., Le résumé indique que » les médecins possédaient des biais raciaux explicites et implicites, mais ces biais ne prédisaient pas
les recommandations de traitement” (p. 177). La taille de l’échantillon dans la méta-analyse est plus petite parce que l’échantillon total a été divisé en sous-groupes plus petits.
17. * Nosek & Hansen, N = 207, médiane r = .01
Cette étude n’incluait pas de critère de validation clair. L’objectif était d’examiner la relation entre la race IAT et les connaissances culturelles sur les stéréoétypes., « Dans sept études (échantillons 158, N = 107,709), l’IAT était lié de manière fiable et variable à des attitudes explicites, et les attitudes explicites expliquaient la relation entre L’IAT et les connaissances culturelles.” Les mesures des connaissances culturelles ont été utilisées comme variables de critère. Une relation positive, r = .10, a été obtenu pour l’article » si on lui donnait le choix, qui la plupart des employeurs choisiraient d’embaucher, un Américain noir ou un Américain Blanc? (1 définitivement Blanc à 7 définitivement Noir). »Une relation négative, r = -.,09, a été obtenu pour l’élément » qui est le plus susceptible d’être une cible de discrimination, Un Américain noir ou un Américain Blanc? (1 définitivement Blanc à 7 définitivement Noir).”
18. *L’usine et coll., N = 229, médiane r = .00
Cet article a examiné les intentions de vote d’un échantillon de 229 étudiants. Les résultats ne sont pas rapportés dans l’article. La méta-analyse a rapporté un r = positif .04 et un r négatif= -.04 pour deux entrées distinctes avec des mesures explicites différentes, ce qui doit être une erreur de codage., Comme le comportement de vote a été examiné dans des échantillons plus grands et plus représentatifs (#3, #15), ces résultats peuvent être ignorés.
19. * Krieger et coll. (2011), N = 503, r = .00
Cette étude a recruté 504 Afro-Américains et 501 Américains blancs. Tous les participants ont terminé la course IAT. Cependant, l’étude n’incluait pas de critères de validation clairs. La méta-analyse a utilisé les expériences de discrimination autodéclarées comme critère de validation. Cependant, la question importante est de savoir si la race IAT prédit les comportements des personnes qui discriminent, pas l’expérience des victimes de discrimination.,
20. * Fiedorowicz, N = 257, r = -.01
Cette étude est une thèse et le critère de validation était le fondamentalisme religieux.
21. * Heider & Skowronski, N = 140, r = -.02
Cette étude a séparé de plusieurs semaines la mesure du préjugé avec la race IAT et la mesure des variables de critère. Le critère était le comportement coopératif dans un jeu de dilemme de prisonnier. Les résultats ont montré que » les deux IAT (b = -.21, t = -2,51, p = .013) et le sous-Score Pro-Noir (b = .17, t = 2.10, p = .,037) étaient des prédicteurs significatifs d’une plus grande coopération avec les Confédérés noirs. Cependant, ces résultats étaient faux et ont été corrigés (voir Carlsson et al., 2018, pour une discussion détaillée).
Heider, J. D., & Skowronski, J. J. (2011). Addendum à Heider et Skowronski (2007): amélioration de la validité prédictive du Test D’Association implicite., North American Journal of Psychology, 13, 17-20
Discussion
En résumé, un examen détaillé des études IAT de race incluses dans la méta-analyse montre une hétérogénéité considérable dans la qualité des études et leur capacité à examiner la validité prédictive de l’IAT de race. La meilleure étude est Greenwald et coll.(2009) étude avec un grand échantillon et le vote dans la course Obama vs McCain comme variable de critère. Cependant, une autre étude sur le vote n’a pas reproduit ces résultats en 2012., La deuxième meilleure étude a été L’étude de BarAnan et Nosek avec le contact Intergroupe comme critère de validation, mais elle n’a pas montré la validité prédictive incrémentale de L’IAT.
Les études menées avec des médecins ne montrent aucune preuve claire de biais racial. Cela pourrait être dû au professionnalisme des médecins et les résultats ne devraient pas être généralisés à la population générale. Les autres études ont été jugées inappropriées pour examiner la validité prédictive. Par exemple, certaines études avec des participants Afro-Américains n’ont pas utilisé L’IAT pour mesurer les préjugés.,
sur la base de ces preuves limitées, il est impossible de tirer des conclusions solides sur la validité prédictive de la race IAT. Mon évaluation des preuves est plutôt cohérente avec les auteurs de la méta-analyse, qui ont constaté que « sur les 2,240 ICCs inclus dans cette métaanalyse, il n’y avait que 24 tailles d’effets de 13 études qui (a) avaient la relation entre la cognition implicite et le comportement comme objectif principal” (p. 13).,
cela confirme mon observation dans l’introduction que la science psychologique a une crise de validation parce que les chercheurs mènent rarement des études de validation. En fait, malgré toutes les préoccupations concernant la reproductibilité, le manque d’études de réplication est beaucoup plus nombreux que les études de validation. Les conséquences de la crise de validation sont que les psychologues font régulièrement des affirmations théoriques basées sur des mesures dont la validité est inconnue. Comme indiqué ici, cela est également vrai pour le SIA., À l’heure actuelle, il est impossible de faire des allégations fondées sur des preuves quant à la validité du SIA parce qu’on ne sait pas ce que le SIA mesure et dans quelle mesure il mesure ce qu’il mesure.
Confusion théorique sur les mesures implicites
le manque de compréhension théorique de L’IAT est évident dans L’article récent de Greenwald et Banaji (2017), où ils suggèrent que « la cognition implicite influence la cognition explicite qui, à son tour, entraîne le comportement « ” Kurdi et al., p. 13)., Ce modèle impliquerait que les mesures implicites comme L’IAT n’ont pas de lien direct avec le comportement, car les processus conscients déterminent finalement les actions. Ce modèle spéculatif est illustré par les données de Bar-Anan et Nosek (#11) qui n’ont montré aucune validité prédictive incrémentale au contact. Le modèle peut être transformé en une chaîne causale en changeant le chemin bidirationnel en une relation causale supposée entre les attitudes implicites et explicites.,
cependant, il est également possible de changer le modèle en un modèle à facteur unique, qui considère la variance unique dans les mesures implicites et explicites comme une simple variance de méthode.
ainsi, toute affirmation sur le biais implicite et le biais explicite est prématurée car les données existantes sont compatibles avec divers modèles théoriques., Pour faire des affirmations scientifiques sur les formes implicites de biais raciaux, il serait nécessaire d’obtenir des données qui permettent de distinguer empiriquement entre les modèles à construction unique et à construction double.
Conclusion
la course IAT a 20 ans. Il a été utilisé dans des centaines d’articles pour faire des affirmations empiriques sur les préjugés. La confusion entre les mesures et les constructions a créé un discours public sur les préjugés raciaux implicites qui peuvent se produire en dehors de la prise de conscience. Cependant, ce discours est éloigné des faits empiriques., La conclusion la plus importante de la récente méta-analyse est qu’une recherche minutieuse de la littérature n’a révélé qu’une poignée d’études de validation sérieuses et que les résultats de ces études sont au mieux suggestifs. Même si des études futures fourniraient des preuves plus concluantes de la validité prédictive incrémentale, cette constatation serait insuffisante pour affirmer que le TAI est une mesure valide du biais implicite. L’IAT pourrait avoir une validité prédictive incrémentielle même s’il ne s’agissait que d’une mesure complémentaire de préjugé consciemment accessible qui ne partage pas la variance de la méthode avec des mesures explicites., Une approche multi-méthodes est nécessaire pour examiner la validité de la construction de L’IAT en tant que mesure du biais racial implicite. De telles preuves n’existent tout simplement pas. Greenwald et ses collègues disposaient de 20 ans et d’un financement suffisant pour mener de telles études de validation, mais ils n’y sont pas parvenus. En revanche, leurs articles confondent systématiquement les mesures et les constructions et donnent l’impression que L’IAT mesure les processus inconscients qui sont cachés de l’introspection (« l’expérience consciente ne fournit qu’une petite fenêtre sur le fonctionnement de l’esprit”, « cliquez ici pour découvrir vos pensées cachées”).,
Greenwald et Banaji sont bien conscients de ce que leurs revendications question. « La recherche sur la cognition sociale implicite a connu des niveaux d’attention plus élevés à la fois de la part du grand public et des entités gouvernementales et commerciales, faisant de la communication régulière de ce qui est connu une responsabilité supplémentaire” (Kurdi et al., 2018, p. 3). Je suis d’accord. Cependant, je ne crois pas que leur méta-analyse remplisse cette promesse., Une évaluation impartiale de la preuve ne montre aucune preuve convaincante que le tai racial est une mesure valide du biais racial implicite; et sans une mesure valide du biais racial implicite, il est impossible de faire des déclarations scientifiques sur le biais racial implicite. Je pense que le grand public mérite de le savoir. Malheureusement, il n’y a pas besoin de preuves scientifiques que les préjugés et la discrimination existent toujours., Idéalement, les psychologues consacreront plus d’efforts à l’élaboration de mesures valides du racisme qui peuvent fournir des informations fiables sur la variation entre les individus, les régions géographiques, les groupes et le temps. Beaucoup de gens croient que les psychologues font déjà, mais cette revue de la littérature montre que ce n’est pas le cas. Il est grand temps de faire réellement ce que le public attend de nous.