Cette communication part avant tout d'une description de l’enseignement des statistiques à travers 6 sections dans lesquelles j’ai eu l’occasion d’enseigner. Elle tente une mise en perspective pour expliquer les écarts observés. Les six sections dans lesquelles j’ai enseigné les statistiques sont la sociologie (licence et master) à l’université de Nanterre (ce qui a fait l’objet d’une communication lors de la journée de 2015 avec Lara Mahi) et à l’UVSQ, en démographie (master) à l’UVSQ, en mathématiques (master MIAGE) à Paris 1 Panthéon Sorbonne, en économie (master MEEF) à Paris 1 Panthéon Sorbonne et en première année d’école de commerce ESCP, en psychologie (licence et master) à l’université de Paris et en sciences de l’éducation (master MEEF) à l’université CY. Les clés d’analyse que j’ai choisie d’utiliser sont : -La place des statistiques dans la recherche selon la discipline -La perception du besoin des statistiques pour l’emploi des étudiants par les enseignants -La perception du besoin des étudiants par eux même -La compréhension/ le contenu de ce que recouvre les termes « quanti » ou « statistiques » en général dans la discipline. En sociologie, sont couramment enseignés dès la licence Durkheim et Bourdieu. La statistique est perçue comme un moyen d’objectiver les faits sociaux et de traiter les grands nombres et comme ayant participé à construire la discipline. Elle intègre, dans les deux universités où je l’ai enseignée, les statistiques descriptives, le test du Chi-deux, les analyses factorielles, et les modèles de régression. En psychologie, les statistiques sont un cours « en plus » essentiel mais déconnecté de la discipline. Ainsi, en psychologie cognitive les étudiants auront des études de cas dans lesquelles seront reprises des notions statistiques sans lien avec le cours de statistique. Par exemple, on leur dira « vous coupez l’amplitude de votre série centrée en 6 et les personnes qui sont au-delà de 2 sont anormales » sans faire le lien avec la modélisation sous-jacente avec la loi normale. Les notations elles-mêmes sont variées et sibyllines. Ainsi S2*T3 se lit « deux genres emboités dans 2 sujets croisés avec 3 types » et indique que l’on a 4 sujets répartis en deux groupes (par exemple deux hommes et deux femmes) ayant chacun 3 types d’observations (soit un tableau 4 par 3). Au final, cette notation induit une énorme confusion variable/observation et rend l’enseignement très complexe. Elle conduit notamment les étudiants à « emboiter » l’information et par exemple à ne pas indiquer de variable « sexe » mais à placer les deux femmes « en haut » et les deux hommes « en bas » du tableau. Au niveau de la recherche, les écrits sont complètement normés par exemple « cet effet n’est pas significatif dans la population, F(1, 60) = 3.19, p = .079. » ou « L'effet principal de la condition est non significatif, t (39) = -1.67, p = .103, PRE =.07, IC 95% [-1.02,0.10].» Ces phrases (la première indique un test de Fisher et la seconde une régression avec un test de de Student) sont perçues comme essentielles, y compris le nombre de décimales, le fait de mettre des points, de ne pas indiquer le 0 d’unité de la p-value. La p-valeur à 5% sert d’ailleurs de borne pour dire qu’un phénomène est significatif ou non. La psychologie traite généralement de très petits échantillons (une vingtaine d’individus). Sont enseignés essentiellement les statistiques descriptives, les tests de Student et des modèles GLM mixtes et tests non paramétriques. En économie, les statistiques sont l’outil de modélisation et d’évaluation donc le moyen de calculer et d’évaluer ce qui se passe pour les quantitativistes. Comme le montrent plusieurs travaux récents (cf par exemple Panhans et Singleton 2016 ), la « randomisation » et l’expérience est devenu LE moyen d’émettre des preuves. Ainsi les statistiques servent typiquement à vérifier ce qui fonctionne mieux de deux solutions « toutes choses égales par ailleurs ». Les sciences de l’éducation sont scindées entre plusieurs mouvements dont une résistance à une vision « économétrique » de l’éducation, et une volonté de « comprendre qui semble impossible par ces chiffres ». Au final, s’il est bienvenu d’avoir quelques statistiques (descriptives voire des tests de students) dans les différents mémoires, peu de formations sont prévues pour cela et le seul logiciel proposé et enseigné est Excel. Le positionnement des étudiants est intéressant : les étudiants de master de psycho s’apparentent à des étudiants de master de démographie pour qui les stats sont centrales et pourvoyeuses d’emploi alors que les étudiants de licence de psycho ressemblent aux étudiants de licence de sociologie dans leurs rapports aux statistiques (dépités d’en faire). Les mathématiciens considèrent, eux, qu'il faut avancer avec des statistiques plus récentes. On peut percevoir à travers ces lignes l’importance de la recherche, de la conception de la preuve selon la discipline qui se répercute dans l’enseignement et dans les conceptions de l’enseignement. On retrouve aussi, notamment à travers la différence de positionnement des mathématiques et de la psychologie un effet « dominant » qui oblige des disciplines « dominées » à adopter pratiques strictes remises en cause par ceux qui les construisent (les mathématiques).