La méthode du Policy Capturing

Pour pouvoir mettre en oeuvre les calculs nécessaires à l'obtention de résultats, il est nécessaire de recueillir des données d'étude. Dans le cadre de la MPC, cela se fait en soumettant des scenarii à un ensemble de répondants. Chaque scenario présente un environnement dans lequel on retrouve les variables explicatives étudiées (une valeur proposée pour chaque variable et plusieurs combinaisons des différentes valeurs sur l'ensemble des scenarii) et propose aux répondants un choix qui traduit une modalité de la variable à expliquer.

En effet, il peut chercher à construire une typologie ou chercher à construire un individu-type. Dans le premier cas, le chercheur fait face à une question idiographique et étudiera les décisions des répondants individu par individu avant de rechercher les ressemblances et différences générales. Dans le second cas, il s'agit d'une question nomothétique et le chercheur étudiera globalement l'ensemble des décisions prises par un groupe d'individus pour en extraire les tendances générales. Si certaines études permettent de répondre aux deux types de question, ce n'est pas toujours le cas et le choix de l'une ou l'autre forme aura des conséquences sur le recueil et l'analyse des données, sur la conception de l'étude.

Un autre élément déterminant dans la conception mais aussi dans l'application de l'étude est la poursuite de la représentativité. Pour que ses résultats soient reconnus, le chercheur doit soigner les scenarii proposés aux répondants et s'assurer que l'environnement simulé est en cohérence avec l'environnement réel (variables explicatives choisies, réalisme des valeurs et combinaisons présentées, décisions proposées et leurs résultats possibles). Il doit également prêter beaucoup d'attention à la construction de son échantillon et s'assurer que celui-ci correspond bien à la population qu'il souhaite étudier (ainsi il se souviendra par exemple que des experts dans un domaine ne répondent pas de la même façon que des novices), sans oublier d'interroger suffisamment de personnes pour atteindre les seuils statistiques nécessaires.

Ceux-ci présentent en effet plusieurs risques à prendre en compte : effet d'apprentissage, effet de demande (s'ils cernent la nature de la recherche, ils peuvent vouloir répondre plutôt dans un sens, infirmation ou confirmation, que dans un autre ou encore chercher à donner une bonne image d'eux-mêmes), incompréhension des scenarii, surcharge cognitive, effet de fatigue,...

Ainsi, l'idéal statistique qu'est le " full factorial design2 " peut se révéler difficile à appliquer en pratique et le chercheur peut être amené à lui préférer des configurations plus complexes ou à mettre en place le recueil des données de façon à ne pas décourager les répondants (en particulier en organisant plusieurs sessions au lieu d'une).

Il peut être utile d'éliminer une partie des données biaisées par les effets cités ci-dessus lorsqu'ils sont identifiables dans les résultats obtenus (modification flagrante de la tendance) : apprentissage, fatigue. Avoir prévu des scenarii supplémentaires pour cela peut se révéler très pertinent.