Conception d'Enquête

Quand Utiliser

Utilisez la conception d'enquête lorsque vous devez collecter des données structurées et comparables auprès d'un grand nombre de répondants pour répondre à des questions quantitatives spécifiques sur une population. Les enquêtes sont l'instrument principal pour les situations de référence, les situations intermédiaires et les situations finales. Elles sont également utilisées pour les évaluations des besoins, le suivi de la couverture et les enquêtes de performance. Utilisez-les lorsque vous avez besoin de données systématiques, reproductibles et statistiquement représentatives.

Les enquêtes ne sont pas l'outil approprié lorsque vous devez comprendre pourquoi quelque chose se produit (utilisez groupes de discussion ou entretiens avec informateur clé), lorsque la population est trop petite pour l'analyse statistique (utilisez des méthodes qualitatives), ou lorsque la question nécessite des réponses narratives ou interprétatives.

Comment Cela Fonctionne

Étape 1 : Définir les questions d'évaluation que l'enquête doit répondre

Chaque élément de l'enquête doit remonter directement à une question d'évaluation ou de suivi. Les éléments sans lien clair entre la question et l'indicateur doivent être supprimés. Les enquêtes non ciblées produisent des données que personne n'utilise.

Étape 2 : Rédiger l'instrument

Rédigez les éléments en utilisant un langage clair et simple. Chaque élément doit mesurer une chose. Évitez les questions à double barre ("Vous sentez-vous en sécurité et soutenu ?"), les questions orientées et le jargon. Utilisez des instruments établis et validés partout où ils existent (par exemple, HDDS pour la diversité alimentaire, WDDS pour la diversité alimentaire des femmes, MDD-W pour la diversité alimentaire minimale).

Étape 3 : Concevoir le flux des questions et la logique de saut

Organisez les éléments en sections logiques. Utilisez la logique de saut pour diriger les répondants au-delà des sections non pertinentes. Commencez par des questions non sensibles et de construction de relation. Placez les éléments sensibles (revenu, violence) vers la fin.

Étape 4 : Tester l'instrument

Testez le projet avec un petit échantillon (15-30 répondants) du même type de population que l'étude. Identifiez les éléments mal compris, les problèmes de traduction et les erreurs de logique de saut. Révisez en fonction des résultats. Ne sautez pas le test préalable — c'est le seul investissement à plus haut rendement pour la qualité des données.

Étape 5 : Former les enquêteurs

Les enquêteurs doivent être formés sur l'instrument, les protocoles d'entretien, les procédures de consentement et la saisie des données. Réalisez des exercices de calibration où des paires d'enquêteurs interrogent le même répondant indépendamment et comparent les résultats.

Étape 6 : Mettre en œuvre avec des contrôles de qualité

Utilisez la collecte de données numériques (SurveyCTO, KoBoToolbox, ODK) pour appliquer la logique de saut, les vérifications de plage et les champs obligatoires. Effectuez une supervision sur le terrain avec des enquêtes de vérification (ré-interroger un échantillon aléatoire de 10 % pour vérifier les données des enquêteurs). Examinez les rapports de données quotidiens pendant la collecte de données.

Composants Clés

• Couverture — quels sujets et indicateurs sont inclus, et lesquels sont délibérément exclus
• Types de questions — échelles de Likert, choix multiples, ouvertes, classement, basées sur l'observation
• Catégories de réponse — exhaustives, mutuellement exclusives et appropriées à la compréhension de la population
• Logique de saut — routage qui empêche les questions non pertinentes et réduit la charge des répondants
• Traduction et contre-traduction — si mené dans une langue autre que l'anglais, traduire vers l'avant, puis contre-traduire indépendamment pour vérifier le sens
• Protocole de test préalable — plan pour qui, où et comment l'instrument sera testé avant le déploiement
• Règles de saisie et de validation des données — vérifications de plage intégrées et champs obligatoires pour la collecte de données numériques

Bonnes Pratiques

Utiliser des instruments validés. Réinventer des instruments largement utilisés (diversité alimentaire, sécurité alimentaire, WASH) introduit des problèmes de comparabilité et des risques de qualité. Utilisez des outils établis avec une validité et une fiabilité documentées là où ils existent.

Collecter des données sur les résultats, pas seulement des données sur les produits. De nombreuses enquêtes suivent ce qui a été livré (produits) plutôt que ce qui a changé (résultats). Les indicateurs de résultats nécessitent des questions sur les résultats.

Collecter des données de situation de référence avant le début du programme. Sans données de situation de référence, le changement ne peut pas être mesuré et l'impact ne peut pas être évalué.

Adapter le calendrier de l'enquête à la logique de mesure. Certains résultats ont besoin de temps pour se matérialiser. Collecter des données de situation finale 3 mois après une intervention de programme de 2 ans peut être trop tôt pour détecter un changement réel.

Garder les instruments courts. La fatigue des répondants produit des données de moindre qualité dans la seconde moitié des enquêtes longues. Visez moins de 45 minutes pour les enquêtes ménagères. Chaque élément supprimé améliore la qualité des données sur les éléments restants.

Erreurs Courantes

Sur-concevoir l'instrument. Ajouter des éléments "au cas où" produit des enquêtes trop longues, fatigue les répondants et génère des données qui ne sont jamais analysées. Chaque élément coûte du temps de répondant, du temps d'enquêteur et des efforts d'analyse.

Sauter le test préalable. Les tests préalables révèlent des problèmes de traduction, des éléments confus et des erreurs de logique de saut qui sont invisibles sur papier. Tester avec 20 répondants révèle généralement 80 % des problèmes d'instrument.

Collecter des données qui ne peuvent pas changer l'analyse. Si vous ne pouvez pas agir sur une découverte négative, ne collectez pas les données. Collecter des données sans intention de les utiliser gaspille le temps des répondants et érode la confiance de la communauté.

Ne pas standardiser entre les enquêteurs. Si différents enquêteurs interprètent et administrent les éléments différemment, les données résultantes ne sont pas comparables. La formation de calibration et les protocoles de vérification rétroactive adressent cela.

Exemples

Situation de référence WASH, Afrique de l'Est. Un programme WASH financé par UNICEF en Éthiopie a utilisé l'Outil d'évaluation des conditions WASH comme base pour son enquête de situation de référence, en ajoutant 12 éléments spécifiques au programme sur le comportement d'hygiène. L'enquête ménagère de 40 minutes a été testée dans deux villages en dehors de la zone du programme avant le déploiement. Des exercices de calibration entre paires d'enquêteurs ont identifié une définition mal comprise de "latrine améliorée" qui a été corrigée avant la collecte de données sur le terrain. La dernière enquête a été administrée à 1 800 ménages à travers trois districts.

Enquête sur la sécurité alimentaire, Afrique de l'Ouest. Un programme financé par WFP au Mali a utilisé l'Échelle d'accès à l'insécurité alimentaire des ménages (HFIAS) et le Score de diversité alimentaire des ménages (HDDS) comme base de son enquête de suivi. Ces instruments validés ont permis la comparaison avec la base de données mondiale de WFP et avec sa propre situation de référence. La traduction en langue locale a utilisé une traduction vers l'avant par le personnel bilingue du programme suivie d'une contre-traduction indépendante par un linguiste universitaire.

Comparé à

Sujets Connexes

• Méthodes d'Échantillonnage — comment sélectionner qui enquêter
• Conception de la Situation de Référence — concevoir le premier point de collecte de données que les enquêtes permettent de comparer
• Assurance Qualité des Données — les processus pour vérifier la qualité des données d'enquête
• Validité — si l'enquête mesure ce qu'elle est censée mesurer
• Fiabilité — si l'enquête produit des résultats cohérents

Lectures Complémentaires

• USAID (2012). Performance Monitoring and Evaluation TIPS: Conducting Key Informant Interviews. USAID PNAC. Couvre également les enquêtes.
• Grosh, M. & Glewwe, P. (eds.) (2000). Designing Household Survey Questionnaires for Developing Countries. World Bank. Référence de conception complète.
• KoBoToolbox (2024). Plateforme de collecte de données numériques gratuite avec support de conception d'enquête. kobo.humanitarianresponse.info