🔬 physics

The Fragility of Global Comparisons of Perceived Scientist Trustworthiness: Evidence from Measurement Alignment across 68 Countries/Regions

Cette étude démontre que les comparaisons transnationales de la confiance perçue envers les scientifiques basées sur des moyennes de scores observés sont trompeuses en raison d'un manque d'invariance de mesure, et que l'application de l'alignement de mesure aux variables latentes révèle des classements par pays et des associations substantielles significativement différents par rapport aux résultats originaux.

Auteurs originaux : Yuke Yang, Zhihao Ma

Publié 2026-01-28

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Yuke Yang, Zhihao Ma

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous et 67 autres amis essayez d'évaluer à quel point vous faites confiance à vos scientifiques locaux. Vous remplissez tous le même sondage de 12 questions. L'étude originale (Cologna et al., 2025) a pris toutes ces réponses, en a fait la moyenne pour chaque pays, et a créé un immense classement de la « Confiance envers les scientifiques ». Ils ont ensuite utilisé ce classement pour voir ce qui fait que les gens font plus ou moins confiance aux scientifiques.

Le Problème : La Règle était Cassée
Les auteurs de ce nouvel article (Yang et Ma) ont examiné cette étude et ont dit : « Attendez une minute. » Ils ont soutenu que les questions du sondage ne fonctionnaient pas de la même manière dans chaque pays.

Voyez cela comme ceci : si vous demandez à une personne dans le Pays A : « Les scientifiques sont-ils honnêtes ? », elle peut penser à un scientifique qui dit la vérité sur les données. Mais dans le Pays B, cette même question pourrait amener les gens à penser à un scientifique qui est gentil et serviable. Même si le mot « honnête » est le même, la signification derrière la réponse est différente.

L'étude originale a tenté de comparer les scores moyens comme si tout le monde utilisait exactement la même règle. Mais si une personne mesure en pouces et une autre en centimètres, vous ne pouvez pas simplement additionner les chiffres et dire que ce pays est plus grand que l'autre. L'étude originale a admis que la « règle » n'était pas parfaite, mais elle a quand même comparé les moyennes de toute façon.

La Solution : L'Outil d'« Alignement »
Les nouveaux auteurs ont utilisé un outil statistique sophistiqué appelé Alignement de Mesure.

Imaginez que vous avez 68 cartes différentes de la même ville, mais qu'elles sont toutes dessinées à des échelles différentes et légèrement pivotées.

L'Ancienne Méthode : Vous empilez simplement les cartes les unes sur les autres et vous devinez où se trouvent les points de repère. C'est désordonné et imprécis.
La Nouvelle Méthode (Alignement) : Vous utilisez un algorithme spécial pour faire pivoter, étirer et rétrécir les cartes juste assez pour que le point de repère de l'« honnêteté » sur la Carte A s'aligne parfaitement avec le point de repère de l'« honnêteté » sur la Carte B. Vous reconnaissez que les cartes sont légèrement différentes, mais vous les forcez à s'aligner afin de pouvoir faire une comparaison équitable.

Qu'est-il arrivé quand ils ont refait les calculs ?
Lorsque les auteurs ont appliqué cet outil d'« alignement » aux données, les résultats ont radicalement changé :

Le Classement a Basculé : Dans l'étude originale, certains pays étaient en haut et d'autres en bas. Après l'alignement, 62 pays sur 68 sont montés ou descendus dans la liste. Certains ont beaucoup bougé ! Par exemple, l'Uruguay a chuté de 15 places, tandis que la République démocratique du Congo est montée de 12 places. Les « meilleurs » et les « moins bons » pays pour la confiance envers les scientifiques n'étaient plus les mêmes.
Le « Pourquoi » a Changé : L'étude originale affirmait que les personnes ayant des opinions « populistes » (méfiance envers les élites) ou croyant en la « dominance sociale » (volonté d'une hiérarchie stricte) faisaient beaucoup moins confiance aux scientifiques.
- La Nouvelle Découverte : En utilisant les scores alignés, ces connexions ont pratiquement disparu. Le lien entre ces opinions politiques et la confiance envers les scientifiques était proche de zéro.
- Ce qui est Resté Vrai : Les seules choses qui prédisaient encore fortement la confiance étaient les attitudes positives envers la science elle-même (ex : « La science est bénéfique », « J'ai confiance en la méthode scientifique »).

L'Essentiel à Retenir
L'article soutient que lorsque vous comparez différents pays, vous ne pouvez pas simplement faire une moyenne simple des réponses à un sondage. Si les questions n'ont pas exactement la même signification partout, votre « classement » est trompeur.

En utilisant la méthode d'« alignement » pour réparer la règle cassée, les auteurs ont découvert que :

Le classement des pays qui font le plus confiance aux scientifiques est très différent de ce qui a été rapporté précédemment.
L'idée que l'idéologie politique (comme le populisme) soit un moteur majeur de la méfiance envers les scientifiques pourrait être une illusion causée par une mauvaise mesure.

En bref : on ne peut pas comparer des pommes et des oranges sous prétexte qu'elles sont toutes deux des fruits. Il faut s'assurer que l'on compare le même type de fruit, sinon vos conclusions sur lequel est le « meilleur » seront erronées.

Résumé technique : La fragilité des comparaisons mondiales de la perception de la fiabilité des scientifiques

Énoncé du problème
Cette étude aborde une faille méthodologique critique dans la recherche par sondage transnationale concernant la mesure de la « fiabilité perçue des scientifiques ». Elle réévalue les conclusions de Cologna et al. (2025), qui ont analysé des données provenant de 68 pays/régions ( $N = 69\,534$ ). Bien que Cologna et al. aient reconnu que leur échelle de fiabilité à quatre facteurs ne satisfaisait pas à l'invariance métrique, scalaire et stricte (MI), ils ont néanmoins procédé à des comparaisons transnationales et à des analyses de régression en utilisant les moyennes pondérées des scores d'items observés. Les auteurs de ce document soutiennent que de telles comparaisons supposent implicitement une comparabilité transnationale au niveau des scores observés, une condition qui n'est pas remplie lorsque l'invariance scalaire fait défaut. Sans établir l'équivalence de mesure, comparer des moyennes latentes ou des associations entre groupes risque de produire des résultats trompeurs ou substantiellement ambigus.

Méthodologie
Les auteurs ont réanalysé le jeu de données partagé publiquement en utilisant un cadre d'alignement de mesure rigoureux pour tenir compte de la non-invariance entre les pays. L'analyse a suivi quatre voies analytiques distinctes pour tester la robusture des résultats face aux stratégies de pondération et aux spécifications de modèles :

CFA groupée vs spécifique par pays : L'étude a comparé une analyse factorielle confirmatoire (CFA) sur échantillon groupé (analysant tous les pays simultanément) à 68 CFA distinctes spécifiques à chaque pays.
Stratégies de pondération : Chaque voie de CFA a été estimée avec et sans poids d'enquête pour évaluer la sensibilité aux spécifications de pondération.
Alignement de la mesure : En suivant l'approche d'Asparouhov et Muthén (2014) et de Han (2023), les auteurs ont appliqué l'alignement de la mesure au modèle à quatre facteurs (compétence, intégrité, bienveillance et ouverture). Cette méthode permet un certain degré de non-équivalence des paramètres de mesure (chargements et intercepts) entre les groupes tout en générant des scores de facteurs latents comparables.
Ré-estimation des modèles substantiels : En utilisant les scores latents alignés (là où l'alignement a convergé avec succès), les auteurs ont réexécuté les modèles de régression linéaire multiniveaux pour évaluer les associations entre la fiabilité perçue des scientifiques et les prédicteurs démographiques, idéologiques, attitudinaux et de niveau national.

Résultats clés

Invariance de la mesure : À travers les quatre spécifications analytiques, les données ont soutenu l'invariance configurationnelle et métrique, mais ont systématiquement échoué à établir l'invariance scalaire ou stricte. Les tentatives pour établir une invariance partielle ont entraîné une non-convergence du modèle.
Succès de l'alignement : L'alignement de la mesure n'a produit des solutions admissibles que pour les dimensions de la compétence et de l'ouverture. Les facteurs d'intégrité et de bienveillance ont systématiquement échoué à s'aligner (produisant des solutions instables ou des valeurs $R^2$ négatives), probablement en raison de la complexité culturelle et contextuelle de ces construits dans un cadre sociétal par rapport au contexte originel de la théorie de la confiance organisationnelle.
Instabilité du classement : Lorsque les classements par pays/région ont été recalculés à l'aide des scores latents alignés (spécifiquement pour les dimensions de compétence et d'ouverture) plutôt qu'en utilisant les moyennes pondérées observées, l'ordre a changé pour 62 des 68 pays/régions. Des changements notables incluent la chute de l'Uruguay de 15 rangs, de la Corée du Sud de 11 rangs et la montée de la République démocratique du Congo de 12 rangs.
Associations substantielles : La réanalyse a fondamentalement modifié les conclusions concernant les prédicteurs clés :
- Attitudes populistes liées à la science : L'étude originale rapportait une association négative significative avec la fiabilité. Dans la réanalyse utilisant les scores alignés, cette association est proche de zéro et non significative ( $\beta \approx 0,003, p = 0,775$ ).
- Orientation de domination sociale (SDO) : De même, l'association négative significative rapportée dans l'étude originale est devenue non significative dans les modèles réanalysés.
- Attitudes envers la science : Des variables telles que le bénéfice perçu de la science, la volonté d'être vulnérable à la science et la confiance dans la méthode scientifique sont restées fortement et positivement associées à la fiabilité, ce qui est cohérent avec les conclusions de l'étude originale.

Signification et revendications
L'article affirme que les comparaisons transnationales basées sur les moyennes de scores observés sont trompeuses lorsque l'équivalence de mesure n'est pas établie. Les auteurs démontrent que les classements de type « table de ligue » des pays et les relations inférées entre les variables idéologiques (comme le populisme et la SDO) et la confiance envers les scientifiques sont très sensibles à la manière dont la non-équivalence de la mesure est traitée.

L'étude conclut que les approches par variables latentes, spécifiquement l'alignement de la mesure, fournissent une base plus défendable pour l'inférence internationale que la simple agrégation de scores observés. Elle souligne que l'établissement — ou l'approximation appropriée — de la comparabilité de la mesure n'est pas seulement un détail technique, mais un prérequis pour interpréter les différences transfrontalières de niveaux et de tailles d'effet. De plus, l'échec de l'alignement du facteur d'intégrité suggère que la conceptualisation de la « confiance » peut ne pas être équivalente à travers divers contextes culturels et institutionnels, appelant à une clarification conceptuelle transculturelle plus approfondie et potentiellement à une validation qualitative des items de l'échelle dans les recherches futures.

Articles similaires