Analyser les normes de citoyenneté à travers les démocraties
La recherche examine les normes de citoyenneté en utilisant une analyse de classe latente multiniveau à travers les nations.
― 6 min lire
Table des matières
Cet article parle de la façon dont les chercheurs étudient les normes de citoyenneté dans différents pays en utilisant une méthode appelée analyse de classes latentes à plusieurs niveaux (LCA). Les normes de citoyenneté se réfèrent aux attentes et comportements qui définissent ce que signifie être un bon citoyen. La recherche se concentre sur la compréhension de la façon dont ces normes varient dans les pays démocratiques et comment elles changent au fil du temps.
Qu'est-ce que l'analyse de classes latentes ?
L'analyse de classes latentes est une technique qui aide les chercheurs à regrouper des gens en fonction de leurs réponses à diverses questions. Cela aide à identifier différentes catégories ou "classes" d'attitudes ou de comportements que les gens partagent. Par exemple, si beaucoup de gens pensent que voter est très important tandis que d'autres non, la LCA peut aider à séparer ces groupes.
Pourquoi utiliser des modèles à plusieurs niveaux ?
Dans de nombreuses études en sciences sociales, les données sont structurées de façon où les individus sont intégrés dans des groupes plus larges. Par exemple, les étudiants appartiennent à différentes écoles, et ces écoles se trouvent dans diverses régions. La LCA standard ne fonctionne pas bien avec ce type de données, car elle suppose que tous les répondants sont indépendants les uns des autres. Les modèles à plusieurs niveaux tiennent compte de cette intégration en permettant aux chercheurs d'analyser à la fois les facteurs individuels et ceux du groupe en même temps.
L'approche en deux étapes
Cette étude utilise une méthode en deux étapes qui simplifie le processus d'analyse des données à plusieurs niveaux. La première étape se concentre sur l'identification des classes au niveau inférieur, tandis que la deuxième étape examine comment ces classes se rapportent aux groupes de niveau supérieur, comme les pays.
Modèle de mesure
Étape un : Construction duDans la première étape, les chercheurs ajustent un modèle de base en utilisant les données combinées, ce qui signifie qu'ils rassemblent les informations de tous les répondants. Cela implique d'estimer combien de classes existent vraiment sans tenir compte du niveau de groupe. Une fois ce nombre fixé, le modèle peut être affiné en estimant des paramètres au niveau du groupe tout en gardant les paramètres au niveau individuel fixes.
Covariables
Étape deux : Ajout deDans la deuxième étape, les chercheurs ajoutent des prédicteurs, aussi appelés covariables, pour comprendre quels facteurs pourraient influencer l'appartenance à une classe. Ces facteurs peuvent inclure des caractéristiques individuelles comme le statut socio-économique et des informations démographiques, ainsi que des données au niveau des pays comme la performance économique.
Collecte de données
Les données pour cette analyse proviennent d'enquêtes menées par une organisation qui évalue les systèmes éducatifs dans différents pays. Les enquêtes ciblent des étudiants d'environ 14 ans et recueillent des informations sur leurs opinions concernant la bonne citoyenneté à travers des questions spécifiques.
Indicateurs clés des normes de citoyenneté
L'enquête inclut diverses activités que les répondants évaluent en termes d'importance pour être un bon citoyen. Les activités incluent obéir aux lois, participer à des services communautaires, voter, protéger l'environnement et apprendre l'histoire du pays. Les répondants peuvent choisir parmi des options comme "très important", "assez important", "pas très important" et "pas important du tout".
Démographie des répondants
L'étude prend aussi en compte des caractéristiques individuelles qui peuvent influencer les réponses. Par exemple, le genre et le milieu socio-économique peuvent jouer un rôle dans la perception de la citoyenneté par les adolescents. Un statut socio-économique plus élevé est généralement associé à des comportements de citoyenneté plus engagés.
Méthodologie
Les chercheurs utilisent des logiciels statistiques spécifiques pour traiter les données et effectuer l'analyse. Ils vérifient à quel point leurs modèles correspondent aux données en examinant divers critères statistiques. Cela aide à garantir que leurs résultats sont robustes et fiables.
Résultats
Identification des classes latentes
Grâce à l'analyse, les chercheurs identifient plusieurs classes distinctes de normes de citoyenneté. Certaines classes montrent une forte insistance sur les devoirs traditionnels, comme voter et s'impliquer dans la communauté, tandis que d'autres se concentrent sur des normes d'auto-expression, telles que protéger l'environnement ou défendre les droits humains.
Différences entre les pays
L'étude révèle aussi des différences dans les normes de citoyenneté entre divers pays. Par exemple, certaines nations peuvent avoir des populations qui attachent plus de valeur à l'engagement civique, tandis que d'autres peuvent davantage mettre l'accent sur les devoirs traditionnels.
Tailles et caractéristiques des classes
Les résultats montrent combien de répondants appartiennent à chaque classe identifiée. Certaines classes ont un pourcentage élevé de répondants, tandis que d'autres sont beaucoup plus petites. Les résultats révèlent également des caractéristiques clés de ces classes, aidant à comprendre les tendances plus larges dans les normes de citoyenneté.
Discussion
L'importance de la méthodologie
L'article souligne l'importance d'utiliser une analyse en deux étapes dans l'étude de données sociales complexes. En séparant les parties de mesure et structurelles du modèle, les chercheurs peuvent gérer et interpréter plus facilement leurs résultats.
Implications pour la recherche future
L'étude encourage les recherches futures à utiliser des méthodes similaires pour d'autres sujets en sciences sociales. La capacité d'analyser des données hiérarchiques avec des approches à plusieurs niveaux ouvre des portes pour des insights plus profonds sur le comportement social et politique.
Recommandations pour la pratique
Sur la base des résultats, il est recommandé d'appliquer des techniques à plusieurs niveaux lors de l'évaluation des normes de citoyenneté et des sujets connexes en recherche sociale. Cela garantit que l'influence à la fois des facteurs individuels et groupaux est considérée dans l'analyse.
Conclusion
Globalement, cette recherche met en lumière l'évolution des normes de citoyenneté dans les pays démocratiques en utilisant une approche analytique efficace. En employant l'analyse de classes latentes à plusieurs niveaux, les chercheurs peuvent mieux comprendre comment les citoyens perçoivent leurs rôles et responsabilités, informant finalement les discussions sur l'éducation civique et l'engagement dans les sociétés contemporaines.
Titre: Multilevel latent class analysis with covariates: Analysis of cross-national citizenship norms with a two-stage approach
Résumé: This paper focuses on the substantive application of multilevel LCA to the evolution of citizenship norms in a diverse array of democratic countries. To do so, we present a two-stage approach to fit multilevel latent class models: in the first stage (measurement model construction), unconditional class enumeration is done separately on both low and high level latent variables, estimating only a part of the model at a time -- hence keeping the remaining part fixed -- and then updating the full measurement model; in the second stage (structural model construction), individual and/or group covariates are included in the model. By separating the two parts -- first stage and second stage of model building -- the measurement model is stabilized and is allowed to be determined only by it's indicators. Moreover, this two-step approach makes the inclusion/exclusion of a covariate a relatively simple task to handle. Our proposal amends common practice in applied social science research, where simple (low-level) LCA is done to obtain a classification of low-level unit, and this is then related to (low- and high-level) covariates simply including group fixed effects. Our analysis identifies latent classes that score either consistently high or consistently low on all measured items, along with two theoretically important classes that place distinctive emphasis on items related to engaged citizenship, and duty-based norms.
Auteurs: Roberto Di Mari, Zsuzsa Bakk, Jennifer Oser, Jouni Kuha
Dernière mise à jour: 2023-07-20 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2307.10720
Source PDF: https://arxiv.org/pdf/2307.10720
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.