Variable parasite : Définition et exemples

Dans l’architecture de la recherche scientifique contemporaine, singulièrement au sein des sciences du comportement, des neurosciences cognitives et de la psychologie expérimentale, la quête de la causalité constitue l’ambition méthodologique suprême. Isoler avec certitude la relation qui unit un phénomène déclencheur à une réponse mesurable exige une maîtrise absolue des conditions d’observation. Pourtant, tout dispositif expérimental, si sophistiqué soit-il, se heurte inévitablement à l’intrusion de facteurs périphériques non sollicités. Ces éléments perturbateurs, désignés sous le concept fondamental de variables parasites (ou extraneous variables dans la littérature anglo-saxonne), représentent l’un des défis les plus redoutables pour l’intégrité de la démarche empirique.

Une variable parasite s’immisce dans le protocole comme un bruit de fond ou une interférence clandestine. Loin d’être de simples désagréments anecdotiques, ces variables recèlent le potentiel d’obscurcir totalement les mécanismes sous-jacents, d’atténuer la magnitude apparente d’un phénomène authentique, ou pire encore, d’engendrer des mirages méthodologiques sous forme de corrélations fallacieuses. De l’oscillation thermique d’un laboratoire aux fluctuations de la vigilance circadienne des participants, en passant par les micro-signaux non verbaux émis inconsciemment par le chercheur, le spectre de ces perturbations est aussi vaste qu’hétérogène.

Comprendre la nature épistémologique des variables parasites, maîtriser leur typologie, appréhender la transition critique qui les métamorphose en variables confondantes et déployer un arsenal rigoureux de contrôle tant expérimental que statistique constituent les compétences cardinales de tout chercheur. Ce traité exhaustif se propose d’explorer en profondeur la théorie et la praxis entourant les variables parasites, afin d’offrir une perspective didactique, conceptuelle et opérationnelle indispensable à la conduite d’une recherche scientifiquement irréprochable et reproductible.

1. Introduction et fondements conceptuels de la variable parasite

### 1.1 Définition épistémologique et cadre méthodologique

D’un point de vue épistémologique, une variable parasite se définit comme tout facteur, caractéristique, condition ou événement non ciblé par l’hypothèse de recherche, mais qui exerce une influence potentielle ou avérée sur la variable dépendante observée. Dans le cadre de la démarche hypothético-déductive formalisée par la tradition post-positiviste, l’expérimentateur postule une relation fonctionnelle de type Y = f(X), où X représente la variable indépendante manipulée et Y la variable dépendante mesurée. La variable parasite, que l’on pourrait symboliser par Z, s’introduit de manière non invitée dans cette équation, transformant la relation en Y = f(X, Z). Dès lors, la pureté de la déduction scientifique est compromise, car la modification observée de l’état du système ne peut plus être imputée avec une certitude absolue à la seule intervention de l’opérateur.

Il convient de situer avec précision la variable parasite au sein du cycle expérimental en psychologie. Lorsqu’un chercheur formule une hypothèse opérationnelle, il circonscrit délibérément son champ d’investigation à un sous-ensemble restreint de la réalité psychologique et physiologique. Cependant, l’être humain testé demeure un organisme biologique et social d’une complexité vertigineuse, immergé dans un environnement physique dynamique. Les variables parasites émergent précisément de cet écart irréductible entre la simplification conceptuelle du modèle de laboratoire et l’inépuisable variabilité du monde réel. Le cadre méthodologique impose donc d’anticiper ces sources de variance pour éviter que les conclusions tirées d’un échantillon ne deviennent caduques au moment de leur confrontation avec les pairs.

Une distinction fondamentale doit être opérée entre la variation aléatoire, souvent qualifiée de « bruit de fond », et le biais systématique. Lorsqu’une variable parasite agit de manière totalement erratique et équiprobable sur l’ensemble des conditions expérimentales (comme de légères fluctuations non corrélées de l’attention d’un essai à l’autre), elle augmente la variance résiduelle sans nécessairement altérer la direction moyenne des effets observés. En revanche, lorsqu’elle opère de manière différentielle ou unidirectionnelle, elle cesse d’être un simple bruit pour devenir un biais méthodologique pernicieux. Cette distorsion systématique menace le principe de réplicabilité, pierre angulaire de l’édifice scientifique mise en lumière par les récentes crises de reproductibilité en sciences humaines.

La neutralisation des variables parasites n’est donc pas une simple précaution technique ; elle constitue un impératif ontologique pour la validité de la connaissance scientifique. Sans une traque minutieuse et une mise sous contrôle de ces interférences, les résultats empiriques demeurent vulnérables à des interprétations rivales. Garantir la réplicabilité exige que les conditions exactes dans lesquelles une observation a été réalisée soient non seulement documentées, mais également épurées de toute contingence locale susceptible d’avoir dicté le comportement des variables mesurées.

### 1.2 La relation de causalité et le paradigme expérimental

Le paradigme expérimental tire sa supériorité heuristique sur les approches purement corrélationnelles de sa capacité intrinsèque à établir des inférences causales robustes. Selon les canons de la philosophie des sciences établis notamment par John Stuart Mill à travers ses célèbres méthodes de la concordance et de la différence, pour prouver qu’un facteur A cause un phénomène B, il faut non seulement que A précède temporellement B et que A soit corrélé à B, mais surtout qu’aucune explication alternative plausible ne puisse rendre compte de l’apparition de B lorsque A est présent, ou de son absence lorsque A est éliminé. C’est précisément sur ce troisième critère d’isolation causale que la variable parasite porte une attaque dévastatrice.

Dans un plan expérimental typique, la variable dépendante sert de métrique objective du comportement, de l’état émotionnel ou du traitement neurocognitif du participant (qu’il s’agisse d’un temps de réaction en millisecondes, d’un taux d’erreurs, d’une réponse électrodermale ou d’un pattern d’activation en imagerie par résonance magnétique fonctionnelle). L’architecture du protocole repose sur l’hypothèse fondamentale que cette mesure fluctue de manière exclusive sous l’effet des niveaux choisis de la variable indépendante. Si une variable parasite s’immisce dans le système et module également cette mesure quantitative, le lien logique d’implication directe s’effondre. Le chercheur s’expose alors à commettre une inférence causale erronée, attribuant à son intervention théorique un effet qui n’est en vérité que le sous-produit accidentel d’un facteur contextuel négligé.

Ce péril méthodologique s’illustre parfaitement à travers le paradigme classique « Stimulus – Organisme – Réponse » (S-O-R), formulé initialement par Robert Woodworth pour enrichir le schéma behavioriste originel. Dans ce modèle, le Stimulus (manipulé via la variable indépendante) interagit avec l’état interne de l’Organisme (porteur d’une infinité de variables parasites physiologiques et psychologiques) pour produire la Réponse (la variable dépendante). Si l’état de l’organisme ou les conditions micro-environnementales dans lesquelles le stimulus est présenté oscillent sans contrôle, la réponse finale ne reflète plus l’effet direct du stimulus, mais l’interaction chaotique entre le stimulus et les perturbations internes ou environnementales du système. L’expérimentateur perd ainsi la maîtrise du lien déterministe qu’il cherchait à objectiver.

### 1.3 Distinction fondamentale entre variable indépendante, dépendante et parasite

Pour clarifier sans ambiguïté les rôles opératoires au sein de la démarche empirique, il importe de contraster rigoureusement les trois grandes classes de variables. La variable indépendante (VI) assume un rôle actif et souverain. Elle est délibérément isolée, sélectionnée et manipulée par le chercheur à travers différents niveaux, modalités ou conditions (par exemple, l’administration d’un principe actif versus un placebo, ou la présentation de stimuli visuels sous deux niveaux de contraste distincts). Elle incarne la cause postulée dans le modèle théorique et constitue l’axe directeur du protocole.

À l’opposé, la variable dépendante (VD) occupe une posture strictement réactive et passive. Elle est la résultante observée, enregistrée avec la plus grande fidélité instrumentale possible. Le chercheur ne la manipule jamais directement ; il se borne à quantifier ses variations à travers le prisme de critères de validité, de fidélité et de sensibilité métrologique. La variable dépendante représente l’effet présumé, la fenêtre empirique par laquelle le comportement ou le processus mental sous-jacent se donne à voir et à mesurer.

La variable parasite (VP), pour sa part, possède un statut périphérique mais hautement invasif. Bien qu’exclue du périmètre de l’hypothèse de recherche, elle s’invite dans le système de mesure. Elle n’est ni la cause que l’on désire tester, ni l’effet que l’on entend cartographier, mais un vecteur de perturbation de la relation d’intérêt. Selon qu’elle varie de manière congruente avec la variable indépendante ou qu’elle diffuse une variance anarchique à travers toutes les cellules expérimentales, son impact différera, mais elle représente invariablement une menace pour l’étanchéité logique du dispositif.

Le tableau analytique suivant offre une matrice conceptuelle récapitulative permettant de formaliser les statuts, vocations et implications méthodologiques respectifs de ces trois entités indispensables à la conduite de la recherche :

• Variable Indépendante (VI) : Statut actif et contrôlé. Fonction causale présumée. Source délibérée de variance primaire systématique. Intégrée au cœur de l’hypothèse empirique.
• Variable Dépendante (VD) : Statut réactif et mesuré. Fonction d’indicateur comportemental ou cognitif. Lieu de recueil de la variance d’intérêt. Révélatrice de l’effet théorique.
• Variable Parasite (VP) : Statut adventice et non désiré. Fonction d’interférence et de contamination métrologique. Source de variance d’erreur ou de variance systématique parasite. Exclue de l’hypothèse, requiert neutralisation ou ajustement statistique.

2. La typologie générale des variables parasites en psychologie

### 2.1 Les variables situationnelles et environnementales

Les variables parasites situationnelles regroupent l’ensemble des caractéristiques physiques, matérielles et spatiales qui composent l’écologie immédiate du lieu où se déroule l’investigation empirique. Qu’une expérience soit menée dans l’enceinte hautement aseptisée d’un laboratoire universitaire, dans une salle de classe ou sur un terrain clinique, l’environnement physique n’est jamais absolument neutre. Il déploie en continu un ensemble de stimulations sensorielles incidentes qui viennent solliciter les canaux perceptifs des participants. Si ces stimuli adventices ne sont pas strictement identiques pour tous les sujets ou à travers toutes les conditions, ils introduisent une distorsion immédiate de la mesure.

Parmi ces facteurs, les variations des stimuli contextuels non pertinents représentent une préoccupation constante. Un bruit soudain provenant d’un couloir, une variation de l’éclairage zénithal, une odeur inhabituelle ou un courant d’air sont autant d’événements environnementaux qui, bien qu’étrangers au paradigme, captent de façon réflexe l’orientation de l’attention exogène. Dans des tâches requérant une concentration soutenue ou une mémorisation fine, ces micro-ruptures attentionnelles suffisent à altérer les indices de performance de façon non négligeable.

De surcroît, les fluctuations matérielles entre les différents groupes expérimentaux constituent une faute méthodologique majeure. Si, par exemple, le groupe expérimental est testé dans une pièce spacieuse, tempérée et silencieuse, tandis que le groupe témoin est accueilli dans un bureau exigu, mal ventilé et encombré, il devient impossible de dissocier l’effet de l’intervention ciblée de l’impact direct du confort contextuel sur la charge cognitive et le bien-être subjectif des participants. Ces variables environnementales saturent inutilement les ressources cognitives limitées des sujets, modifiant leur seuil de réactivité motrice et leur disponibilité mentale.

### 2.2 Les caractéristiques intrinsèques des participants

L’extrême hétérogénéité des sujets humains constitue la source la plus abondante de variables parasites en sciences comportementales. Chaque participant franchit le seuil du laboratoire doté d’un bagage génétique singulier, d’un historique développemental unique, d’un niveau d’instruction spécifique et de traits de personnalité profondément ancrés. Cette diversité interindividuelle signifie que la sensibilité à une même manipulation expérimentale varie considérablement d’une personne à l’autre, introduisant une dispersion considérable des scores au sein de l’échantillon.

Les traits de personnalité stables, tels que le niveau de névrosisme, le degré d’extraversion ou la tolérance à l’ambiguïté, modulent puissamment la manière dont les consignes sont perçues et exécutées. Un participant présentant un haut niveau d’anxiété de trait réagira par une élévation prononcée du rythme cardiaque et un rétrécissement du champ attentionnel face à une consigne perçue comme compétitive, indépendamment de la difficulté objective de la tâche. De même, les disparités initiales relatives aux aptitudes cognitives de base — telles que l’empan mnésique, la vitesse de traitement de l’information ou le raisonnement abstrait — créent des écarts de performance initiaux majeurs qui peuvent masquer totalement l’effet d’une variable indépendante subtile.

Enfin, l’historique personnel et les apprentissages antérieurs constituent un réservoir inépuisable de variances indésirables. La familiarité avec les outils informatiques, la pratique antérieure de tests psychométriques ou des expériences de vie singulières façonnent des schémas de réponse automatiques. Si ces caractéristiques individuelles ne sont pas harmonieusement distribuées entre les groupes par des techniques méthodologiques appropriées, elles cessent d’être un simple bruit pour biaiser irrémédiablement l’interprétation théorique de la recherche.

### 2.3 Les biais introduits par l’expérimentateur

Loin de se comporter comme un instrument de mesure parfaitement neutre et impersonnel, le chercheur ou l’assistant de recherche constitue lui-même une source majeure de variables parasites. Les attentes implicites ou explicites du chercheur concernant les résultats probables de son étude exercent une pression invisible mais mesurable sur le déroulement de la collecte de données. Connaissant l’hypothèse opérationnelle et l’affectation des sujets dans les différentes conditions, l’expérimentateur est susceptible de modifier imperceptiblement son comportement envers le participant, favorisant involontairement la validation de ses conjectures théoriques.

Ces biais se manifestent fréquemment par des divergences inter-examinateurs manifestes lors de la délivrance des consignes orales. Deux expérimentateurs distincts, ou le même opérateur à des moments différents de la journée, peuvent varier l’intonation de leur voix, le débit de parole, le nombre de répétitions des instructions ou l’empathie globale affichée à l’égard du sujet. Ces variations subtiles modifient la compréhension de la tâche et l’engagement du participant, altérant par voie de conséquence la variable dépendante de façon non maîtrisée.

Par ailleurs, les erreurs d’observation, de codage et de saisie des comportements humains constituent une faille récurrente dans les protocoles nécessitant une évaluation humaine. La fatigue de l’observateur, son adhésion préconçue au paradigme étudié ou une interprétation subjective d’un comportement moteur ambigu entraînent des inexactitudes de transcription. Enfin, les caractéristiques physiques et sociales directes de l’examinateur — telles que son genre, son âge apparent, son groupe ethnique perçu ou son degré d’autorité formelle (illustré classiquement par le port d’une blouse blanche) — agissent comme des variables parasites relationnelles capables de modifier substantiellement la réactivité émotionnelle et la conformité des sujets observés.

### 2.4 Les caractéristiques de la tâche et les effets de la demande

La nature même des instruments de recueil et la forme sous laquelle la tâche est présentée recèlent des pièges méthodologiques insidieux. Le concept de caractéristiques de la demande, immortalisé par Martin Orne, renvoie à l’ensemble des indices contextuels, implicites ou explicites, qui suggèrent au participant ce que le chercheur espère observer ou quelle hypothèse sous-tend l’investigation. Face à ces signaux, les sujets ne réagissent plus simplement aux stimuli prévus, mais ajustent activement leurs réponses pour correspondre au rôle qu’ils estiment devoir tenir dans le cadre de la transaction expérimentale.

La complexité intrinsèque, la formulation ou l’ambiguïté du matériel expérimental constituent également une variable parasite redoutable. Des consignes alambiquées, des échelles de réponse contre-intuitives ou des interfaces logicielles mal ergonomisées imposent une charge cognitive extrinsèque qui n’a rien à voir avec le processus mental étudié. Le sujet passe une part substantielle de son énergie à déchiffrer la mécanique du test plutôt qu’à exécuter la tâche proprement dite, faussant dramatiquement la précision des mesures recueillies.

En outre, la structure temporelle et la longueur des épreuves engendrent des effets mécaniques de redondance et de lassitude. Une tâche monotone de détection de cibles prolongée au-delà d’une trentaine de minutes déclenche des baisses de vigilance qui ne reflètent pas les compétences réelles du sujet, mais simplement son épuisement cognitif face à l’épreuve. Enfin, la simple perception du jugement social inhérent à l’examen psychologique induit une modification profonde des comportements. Dès lors que le participant prend conscience que ses aptitudes intellectuelles, ses valeurs morales ou son équilibre psychique font l’objet d’une analyse clinique, il active des défenses identitaires qui masquent ses patterns comportementaux spontanés.

3. Les variables parasites situationnelles : Analyse et exemples

### 3.1 L’environnement physique du laboratoire

L’aménagement matériel du laboratoire exerce une influence directe sur la physiologie sensorielle et l’état psychologique des individus testés. Considérons en premier lieu les variations de l’intensité lumineuse. Dans les protocoles de psychophysique ou de neuropsychologie cognitive sollicitant la vision, le niveau d’éclairement ambiant modifie considérablement le diamètre pupillaire, le contraste perçu sur les écrans cathodiques ou LCD, et par extension la vitesse d’encodage des stimuli visuels. Si une session d’expérimentation a lieu au crépuscule sans compensation lumineuse artificielle standardisée, la baisse de contraste induit un ralentissement mécanique des temps d’accès au lexique visuel, variable parasite technique indépendante du fonctionnement sémantique du sujet.

Le niveau sonore ambiant représente une autre source constante d’interférence. Dans une étude consacrée à la mémoire de travail verbale à court terme, la présence d’un fond sonore discontinu — tel qu’un bruit de pas, des éclats de voix amortis par une cloison ou le vrombissement sourd d’un système de climatisation mal isolé — mobilise automatiquement une part des ressources de la boucle phonologique. Ce phénomène d’« effet de la parole inattendue » perturbe le rappel sériel immédiat, non pas en raison d’un déficit mnésique intrinsèque de l’individu, mais parce que le bruit environnant agit comme un distracteur acoustique parasite parasitant l’autorépétition mentale.

La température et la qualité de l’air ambiant modulent également les niveaux d’éveil et d’irritabilité. Une atmosphère surchauffée au-delà de 24°C engendre une léthargie physiologique, une baisse de la vigilance tonique et une accélération de la fatigue cognitive, tandis qu’un froid modéré accroît l’agitation motrice et le stress physiologique. De surcroît, la disposition spatiale du mobilier et le sentiment de confinement peuvent induire des réactions d’inconfort spatial. Une cabine insonorisée trop étroite et dénuée d’aération adéquate déclenche une anxiété claustrophobique latente chez certains sujets, faussant intégralement l’enregistrement de paramètres neurovégétatifs tels que la variabilité de la fréquence cardiaque ou la résistance galvanique de la peau.

### 3.2 Les paramètres temporels de l’expérimentation

La temporalité d’un protocole expérimental recèle de multiples facteurs parasites susceptibles de biaiser les observations comportementales. L’heure précise de passation des tests constitue l’une des variables situationnelles les plus négligées, en dépit d’une littérature abondante en chronobiologie et en neuropsychologie. Les fonctions exécutives supérieures, la mémoire prospective et la capacité d’inhibition cognitive manifestent d’importantes fluctuations au fil du cycle circadien. Les performances mesurées à 8 heures du matin ne sont pas équivalentes à celles relevées à 14 heures (période classiquement associée au creux post-prandial de vigilance) ou à 19 heures. Un protocole comparant un groupe de jeunes adultes testés l’après-midi à un groupe de personnes âgées examinées tôt le matin introduit une variable parasite temporelle majeure liée aux typologies de « chronotype » (matinalité versus vespéralité).

La durée globale de la session expérimentale joue également un rôle déterminant dans l’émergence d’une fatigue cognitive progressive. Au-delà d’un certain seuil d’effort mental continu, l’épuisement des ressources attentionnelles exécutives entraîne une détérioration abrupte de la performance, matérialisée par une dispersion accrue des temps de réponse et une multiplication des erreurs de distraction. Ce phénomène masque souvent les effets de condition recherchés, particulièrement lors des derniers blocs d’essais d’une tâche répétitive.

De même, le jour de la semaine retenu pour le recueil de données influence l’état affectif et le niveau de stress des participants. Un enregistrement effectué un lundi matin, marqué par l’anticipation des exigences professionnelles ou académiques de la semaine, diffère substantiellement d’une passation réalisée un vendredi après-midi, souvent caractérisée par le relâchement mental ou l’impatience du repos hebdomadaire. Enfin, à l’échelle micro-temporelle, les intervalles inter-stimuli (ISI) mal contrôlés au sein d’un logiciel expérimental peuvent induire des phénomènes parasites d’attente temporelle ou de préparation motrice anticipatoire, faussant la chronométrie mentale élémentaire.

### 3.3 Le matériel technique et les outils de mesure

La sophistication instrumentale de la recherche moderne n’immunise aucunement contre l’irruption de variables parasites ; elle tend au contraire à en complexifier la nature. Les divergences d’étalonnage et de calibrage matériel entre différents postes de travail constituent un écueil récurrent dans les laboratoires équipés de multiples cabines de test. Si deux écrans d’ordinateur présentent des fréquences de rafraîchissement hétérogènes (par exemple 60 Hz versus 144 Hz) ou des profils de colorimétrie distincts, la durée réelle d’affichage des stimuli subliminaux ou le contraste chromatique objectif varient subrepticement d’une machine à l’autre, polluant les données de latence visuelle.

La latence propre aux périphériques d’entrée (claviers standards, souris optiques, boîtiers de réponse dédiés) constitue une variable parasite technique sournoise dans les études de chronométrie mentale. Un clavier d’ordinateur grand public peut introduire un retard mécanique variable oscillant entre 15 et 40 millisecondes dans l’enregistrement de la frappe, assorti d’un tremblement (jitter) statistique imprévisible. Si un groupe de sujets utilise des claviers mécaniques à haute fidélité tandis qu’un autre groupe tape sur des membranes d’ancienne génération, la différence moyenne de temps de réaction constatée relève purement de la connectique matérielle et non d’une quelconque supériorité cognitive.

Dans le domaine des neurosciences et de la psychophysiologie, la qualité du signal mesuré oscille continuellement sous l’effet de paramètres parasites matériels. En électroencéphalographie (EEG), une dérive de l’impédance des électrodes due à l’assèchement progressif du gel conducteur au cours d’une session de deux heures dégrade significativement le rapport signal-sur-bruit, introduisant un artéfact systématique dans l’analyse des potentiels évoqués tardifs. De même, les mises à jour logicielles intempestives du système d’exploitation d’un ordinateur expérimental en plein milieu d’une cohorte de recueil peuvent modifier subtilement la gestion des processus en arrière-plan, altérant la précision temporelle des déclencheurs (triggers) envoyés aux dispositifs d’enregistrement biologique.

4. Les variables parasites liées aux caractéristiques des participants

### 4.1 Les déterminants sociodémographiques non contrôlés

Les variables sociodémographiques constituent le tissu constitutif fondamental des participants et exercent une influence transversale sur une multitude de mesures comportementales et psychologiques. Parmi ces facteurs, l’âge représente une variable parasite critique dès lors qu’il n’est pas le focus central de la recherche. Le vieillissement neurobiologique normal s’accompagne d’un ralentissement psychomoteur global, d’une réduction de l’empan de mémoire de travail et d’un déclin progressif de l’inhibition des interférences cognitives. Si une étude portant sur la mémoire sémantique compare deux conditions avec des groupes d’âges asymétriques, toute différence observée risque de refléter simplement l’effet de l’âge plutôt que la manipulation théorique sous-jacente.

Le niveau d’instruction formelle et le vocabulaire disponible modulent de la même manière les résultats à de nombreuses épreuves cognitives et verbales. Un participant doté d’une formation universitaire supérieure maîtrise des stratégies métacognitives avancées, comprend plus rapidement les consignes complexes et déploie une flexibilité mentale accrue face aux tâches abstraites. Dans les protocoles reposant sur des questionnaires auto-rapportés, le niveau d’alphabétisation fonctionnelle détermine directement la capacité à saisir les nuances des propositions d’une échelle de type Likert, introduisant des erreurs de mesure chez les sujets moins éduqués.

Par ailleurs, les déterminants socioculturels et socio-économiques conditionnent profondément les schémas de pensée, la familiarité avec le paradigme du test académique et l’accès préalable aux technologies numériques. Un individu issu d’un milieu défavorisé sans accès régulier aux outils informatiques sera mécaniquement désavantagé dans une tâche chronométrée informatisée face à un individu manipulant quotidiennement des terminaux tactiles et des ordinateurs. Ignorer ces disparités structurelles revient à attribuer à des processus cognitifs isolés des variations qui s’enracinent en réalité dans la trajectoire sociologique des personnes testées.

### 4.2 Les états physiologiques et psychologiques transitoires

Au-delà des caractéristiques stables, l’état fluctuant dans lequel le sujet aborde l’expérimentation génère une variance parasite particulièrement instable. La dette de sommeil et le niveau de fatigue aiguë constituent l’une des causes majeures d’altération des fonctions exécutives préfrontales. Un sujet ayant subi une privation partielle de sommeil la veille de sa venue au laboratoire manifeste des micro-sommeils, des temps de réaction ralentis et une vulnérabilité décuplée aux erreurs d’inattention, ce qui compromet gravement la fidélité de ses scores de vigilance ou de mémoire opérationnelle.

La consommation récente de substances psychoactives courantes telles que la caféine, la nicotine ou l’alcool altère significativement la neurochimie cérébrale au moment de l’épreuve. L’ingestion d’un expresso fort trente minutes avant la passation d’un test accroît temporairement la concentration de dopamine et de noradrénaline, raccourcissant artificiellement les temps de réaction simples et rehaussant les seuils de vigilance auditive. À l’inverse, l’état de sevrage nicotinique aigu chez un fumeur régulier induit une irritabilité, des tremblements moteurs discrets et une agitation psychomotrice qui perturbent l’exécution de tâches motrices fines ou de régulation émotionnelle.

L’anxiété situationnelle constitue également une variable parasite redoutable. Le simple fait de pénétrer dans un environnement de laboratoire austère, entouré de capteurs physiologiques et sous le regard d’un scientifique, active l’axe hypothalamo-hypophyso-surrénalien. Cette poussée de cortisol et cette anxiété d’évaluation mobilisent une partie substantielle des ressources de traitement de l’information au détriment de la tâche expérimentale. Enfin, la motivation contingente du sujet — qu’il participe pour valider des crédits de cours universitaires obligatoires de façon purement instrumentale ou qu’il s’engage par curiosité intellectuelle sincère — dicte l’intensité de son effort cognitif, générant des écarts massifs de performance sans rapport avec le phénomène étudié.

### 4.3 L’expérience préalable et les aptitudes cognitives de base

L’expérience antérieure accumulée par les individus dans des domaines d’activité spécifiques peut transformer radicalement leur trajectoire de réponse lors d’un protocole expérimental. L’illustration la plus frappante concerne la pratique régulière des jeux vidéo d’action. De nombreuses recherches ont démontré que les joueurs réguliers développent une vitesse de traitement visuo-spatial supérieure, une acuité attentionnelle périphérique accrue et une coordination motrice œil-main considérablement plus rapide que les non-joueurs. Si la variable de l’expérience vidéoludique n’est pas neutralisée ou contrôlée lors d’une étude de détection de signaux ou de temps de réaction, elle se comporte comme une variable parasite dévastatrice masquant les effets de la manipulation principale.

De même, la capacité de base de la mémoire de travail (mesurée par exemple par des épreuves d’empan complexe comme le Reading Span ou l’Operation Span) varie considérablement au sein de la population générale. Les individus dotés d’une vaste capacité de travail sont intrinsèquement plus aptes à résister aux interférences proactives, à filtrer les distracteurs et à maintenir des représentations mentales actives. Si ces aptitudes cognitives basales ne sont pas évaluées en amont et harmonisées entre les conditions expérimentales, les différences finales de performance peuvent résulter entièrement de cette asymétrie cognitive initiale plutôt que de la stratégie pédagogique ou du matériel mnésique testé.

En outre, la familiarité préalable avec les paradigmes expérimentaux de la psychologie constitue une source d’interférence bien connue dans les populations étudiantes souvent mobilisées dans la recherche universitaire (les fameux échantillons WEIRD). Un participant ayant déjà passé un test de Stroop ou une tâche d’inhibition de type Go/No-Go est conscient de la mécanique de l’épreuve et développe spontanément des stratégies métacognitives adaptées (comme focaliser son regard sur une portion isolée du mot pour ignorer sa signification sémantique). Ces ajustements stratégiques informels constituent autant de variables parasites altérant la pureté des mesures psychologiques.

5. Le biais de l’expérimentateur comme variable parasite majeure

### 5.1 L’effet Pygmalion et les attentes du chercheur

Le biais de l’expérimentateur constitue l’une des variables parasites les plus insidieuses, car elle tire son origine de la conscience même de celui qui orchestre la recherche. L’effet Rosenthal, ou effet Pygmalion, formalisé de manière pionnière par Robert Rosenthal dans les années 1960, démontre que les croyances et les attentes théoriques d’un chercheur quant aux résultats attendus peuvent fonctionner comme des prophéties autoréalisatrices. L’expérimentateur qui anticipe un résultat précis émet inconsciemment des indices comportementaux qui incitent le participant à se conformer à cette attente préalable.

Les mécanismes psychologiques sous-jacents reposent sur la transmission involontaire de micro-signaux communicationnels. Lorsqu’un sujet est affecté à la condition dont le chercheur postule le succès, ce dernier tend, sans en avoir la moindre intention délibérée, à se montrer plus chaleureux, plus patient, plus encourageant dans ses hochements de tête ou plus explicite dans ses reformulations de consignes. À l’inverse, face à un participant placé dans une condition contrôle supposée passive ou inefficace, l’attitude de l’expérimentateur peut se teinter d’une neutralité plus froide ou d’une hâte perceptible, induisant un moindre engagement motivationnel chez le sujet.

Les expériences séminales de Rosenthal ont illustré ce phénomène de façon spectaculaire, y compris chez l’animal : des étudiants à qui l’on avait confié des rats de laboratoire en leur affirmant faussement que certains avaient été génétiquement sélectionnés pour être extrêmement brillants dans les labyrinthes (maze-bright) et d’autres pour être déficients (maze-dull) ont obtenu des performances réelles radicalement différentes chez leurs rongeurs respectifs. Les étudiants manipulaient avec plus de soin et de patience les rats réputés intelligents, démontrant de manière irréfutable que les attentes subjectives constituent une variable parasite systémique capable de modifier la trajectoire de l’objet même de la mesure.

### 5.2 Les indices de communication non verbale

Le canal de transmission privilégié du biais de l’expérimentateur réside dans la sphère complexe et largement involontaire de la communication non verbale. Les micro-variations de la prosodie et de la dynamique vocale représentent un vecteur d’interférence majeur. Lors de la passation orale d’un test psychométrique, une légère inflexion montante de la voix sur le dernier mot d’une question, un ton plus insistant ou une pause prolongée fournissent au participant des indices sémantiques discrets sur la réponse attendue ou jugée désirable par l’évaluateur.

Les expressions faciales jouent un rôle tout aussi déterminant. Un infime sourire d’approbation, un plissement imperceptible des sourcils lors d’une mauvaise orientation de la réponse, ou une détente des traits du visage constituent des rétroactions immédiates reçues par le sujet testé. Ce dernier, guidé par un besoin naturel d’affiliation et de validation sociale, réajuste continuellement son comportement en s’appuyant sur cette écoute visuelle de l’examinateur. Ce conditionnement opérant informel injecte dans la mesure une variance totalement parasite étrangère aux capacités intrinsèques du participant.

L’orientation corporelle globale, la proximité physique adoptée et le contact visuel complètent cet arsenal d’indices involontaires. Un expérimentateur penché vers l’avant manifeste un intérêt et une vigilance qui stimulent la performance du sujet, tandis qu’un observateur affalé dans son fauteuil ou détournant le regard génère un sentiment de désintérêt induisant un relâchement de l’effort. Ces variations non verbales, par leur nature fuyante et non consignée, échappent le plus souvent aux grilles d’analyse rétrospectives si des mesures strictes d’aveuglement ne sont pas intégrées dès la conception du plan expérimental.

### 5.3 Les biais d’observation et de saisie des données

L’intervention humaine dans la phase de quantification des comportements introduit un troisième palier d’interférences parasites à travers les biais de perception et de transcription. Le phénomène de l’arrondi préférentiel des scores limites en est l’une des manifestations les plus banales mais dévastatrices. Face à une mesure comportementale ambiguë ou un tracé analogique oscillant sur une ligne frontalière, l’observateur a une tendance cognitive naturelle et inconsciente à arrondir le score dans la direction qui corrobore son hypothèse de départ, augmentant artificiellement la significativité statistique de son effet.

Dans les dispositifs nécessitant l’utilisation de grilles d’observation qualitatives (par exemple, quantifier l’agressivité d’un enfant dans une cour de récréation ou le degré d’interaction sociale d’un patient autiste), l’évaluation repose sur une marge inhérente de subjectivité. Sans un codage strictement standardisé et indépendant, l’évaluateur interprète un geste moteur équivoque — telle qu’une bousculade fortuite — comme un acte d’hostilité délibéré s’il sait que le sujet appartient au groupe expérimental censé développer une réactivité agressive accrue.

De plus, le biais de confirmation conduit parfois à l’omission sélective de données. Un expérimentateur observant une réponse totalement discordante avec sa théorie est prompt à l’interpréter a priori comme une « erreur de manipulation », un « artéfact technique » ou un moment d’« inattention transitoire du sujet », ce qui le conduit à exclure l’essai ou à recommencer la mesure. En revanche, une donnée aberrante qui va magnifiquement dans le sens de l’hypothèse est acceptée sans contestation méthodologique. Cette asymétrie de vigilance altère profondément la fidélité de la base de données finale.

6. Les caractéristiques de la demande et l’effet Hawthorne

### 6.1 L’effet Hawthorne et la réactivité à l’observation

Le phénomène de réactivité du sujet à l’expérimentation constitue une variable parasite psychologique majeure, théorisée sous l’appellation d’effet Hawthorne. Découvert lors d’une série d’études menées entre 1924 et 1932 au sein de l’usine Western Electric de Hawthorne par Elton Mayo et ses collaborateurs, cet effet désigne l’altération spontanée du comportement d’un individu résultant de la simple conscience qu’il a d’être observé et qu’il fait l’objet d’un intérêt scientifique particulier.

Dans le cadre des usines Hawthorne, les chercheurs avaient initialement cherché à quantifier l’impact de l’amélioration de l’éclairage sur la productivité des ouvrières. Constatant que la productivité augmentait tant lorsque l’éclairage était amplifié que lorsqu’il était drastiquement diminué, les expérimentateurs ont fini par comprendre que ce n’était pas la variable physique (la lumière) qui influençait les ouvrières, mais le statut valorisant d’être placées au centre d’une recherche expérimentale. En psychologie moderne, ce constat s’applique avec une acuité intacte : le comportement produit dans l’arène du laboratoire diverge profondément du comportement spontané déployé dans la vie ordinaire.

Cette réactivité constitue une variable parasite redoutable, car elle compromet la validité écologique des résultats. Dès lors qu’une caméra est allumée, qu’un chronomètre est déclenché ou qu’un chercheur prend des notes à proximité, le sujet mobilise des mécanismes de contrôle de soi et de régulation attentionnelle qu’il n’activerait jamais en situation naturelle. Mesurer un comportement sous surveillance équivaut à mesurer un comportement artificiellement amplifié ou réprimé par le dispositif d’observation lui-même.

### 6.2 Le rôle du bon sujet et les indices de la demande

Le participant à une étude scientifique n’est pas un récepteur passif recevant mécaniquement des stimuli ; il s’affirme comme un agent interprétatif hautement actif. Comme l’a formalisé Martin Orne, le sujet s’engage dès son arrivée dans un travail d’herméneutique permanent, scrutant le moindre indice offert par le protocole pour déduire la « véritable » hypothèse du chercheur. Ce faisceau d’indices constitue les caractéristiques de la demande (demand characteristics), variable parasite cognitive par excellence.

Dans l’immense majorité des contextes, cette déduction conduit à l’adoption de la posture du « bon sujet » (good subject role). Le participant, animé par le souhait d’aider la science ou de faire plaisir à l’examinateur, module délibérément ses choix, ses réponses verbaliées ou ses performances pour correspondre à l’effet attendu par le chercheur. Si le sujet perçoit qu’une étude cherche à démontrer qu’un certain type d’amorce lexicale induit des pensées négatives, il aura tendance à sélectionner complaisamment des adjectifs dysphoriques lors des épreuves suivantes, transformant la validation empirique en un simple artefact de complaisance.

À l’extrême opposé, certains individus développent une réactance psychologique et adoptent le rôle du « mauvais sujet » (negativistic subject role), cherchant intentionnellement à déjouer les attentes présumées du chercheur pour affirmer leur autonomie cognitive ou contester l’autorité académique. Enfin, la clarté involontaire du formulaire de consentement éclairé ou le titre mal choisi d’une recherche (par exemple : « Étude sur l’impact de la frustration sur l’agressivité verbale ») fournissent immédiatement la clé de lecture du protocole, injectant une variable parasite cognitive massive qui dicte le comportement des sujets dès la première seconde de l’épreuve.

### 6.3 La désirabilité sociale et l’appréhension de l’évaluation

La désirabilité sociale représente une force déformante puissante et universelle qui parasite l’évaluation psychologique, en particulier dans les dispositifs reposant sur des échelles d’auto-évaluation, des inventaires de personnalité ou des entretiens semi-directifs. Ce biais correspond à la propension systématique des participants à présenter une image d’eux-mêmes jugée culturellement favorable, moralement exemplaire et psychologiquement saine, aux dépens de la sincérité objective de leurs états intérieurs ou de leurs conduites réelles.

Lorsqu’un chercheur explore des domaines socialement sensibles — tels que les préjugés raciaux, les comportements addictifs, les pratiques sexuelles, l’honnêteté intellectuelle ou la conformité civique —, la désirabilité sociale agit comme une chape de plomb méthodologique. Les participants censurent spontanément leurs attitudes perçues comme déviantes ou condamnables et majorent artificiellement leurs scores d’empathie, de tolérance, d’altruisme ou de rigueur personnelle. La variance mesurée par le questionnaire ne reflète plus l’attitude psychologique profonde du sujet, mais son degré d’adhésion aux normes sociales dominantes.

Ce phénomène s’entremêle intimement avec l’appréhension de l’évaluation, théorisée notamment par Milton Rosenberg. L’anxiété diffuse d’être jugé, étiqueté comme intellectuellement limité ou classé comme présentant une anomalie psychopathologique induit chez le sujet des stratégies de préservation de l’estime de soi. Cette préoccupation défensive altère la spontanéité des réponses cognitives, amplifie le temps d’hésitation avant la sélection d’un item et fausse la fidélité des mesures psychométriques, introduisant une variance parasite de protection identitaire au détriment de l’authenticité empirique.

7. De la variable parasite à la variable confondante : La frontière critique

### 7.1 La distinction conceptuelle fondamentale

L’un des points de bascule théoriques les plus cruciaux de la méthodologie scientifique réside dans la frontière qui sépare une variable parasite d’une variable confondante (confounding variable). Bien que ces termes soient fréquemment amalgamés dans le langage informel, leur statut épistémologique obéit à une distinction formelle d’une clarté absolue. Une variable parasite est un facteur extérieur qui a le potentiel d’affecter la variable dépendante, mais qui opère de manière indépendante de la variable indépendante.

La variable parasite se transmute en variable confondante au moment exact où elle établit une corrélation, une association systématique ou une covariance avec la variable indépendante manipulée. En d’autres termes, une variable confondante est une variable parasite qui varie de façon conjointe, synchrone ou parallèle avec les niveaux de la variable indépendante à travers les groupes expérimentaux. Dès lors, la dispersion d’erreur aléatoire se transforme en une distorsion systématique unilatérale.

Cette relation triangulaire vicieuse rend impossible toute attribution univoque de causalité. Lorsque Z (la variable confondante) est intimement corrélée à X (la variable indépendante) tout en exerçant un impact direct sur Y (la variable dépendante), l’expérimentateur se retrouve dans une impasse logique formelle : il est incapable d’isoler si l’altération observée sur Y procède véritablement de l’effet de X, de l’effet de Z, ou d’une interaction masquée entre X et Z. La variable confondante anéantit l’étanchéité du paradigme de causalité.

### 7.2 Le mécanisme d’introduction du biais systématique

Le mécanisme par lequel une variable parasite bascule vers le statut de variable confondante s’enracine presque invariablement dans une faille structurelle de l’échantillonnage ou de la procédure d’affectation aux conditions expérimentales. Lorsqu’un biais de sélection survient, il crée une corrélation clandestine entre le traitement administré et une caractéristique sous-jacente des participants. Prenons l’exemple d’une étude évaluant un nouveau programme d’entraînement de la mémoire : si l’expérimentateur affecte les volontaires du matin au groupe expérimental et les volontaires de l’après-midi au groupe témoin, la variable circadienne cesse d’être une simple variable parasite aléatoire pour devenir une variable confondante majeure liée à la condition d’appartenance.

Ce phénomène de covariance masquée peut engendrer deux conséquences dramatiques opposées sur l’interprétation des données. Il peut générer une relation causale totalement illusoire (un faux positif retentissant), où la variable dépendante semble réagir puissamment à l’intervention théorique alors qu’elle ne fait que suivre les fluctuations de la variable tierce non contrôlée. Inversement, il peut produire un effet de suppression ou d’écrasement (un faux négatif), où la variable confondante neutralise l’impact authentique de la variable indépendante, amenant le chercheur à rejeter à tort une hypothèse scientifique valide.

Dans les comparaisons de groupes préexistants (quasi-expérimentations), le risque de confusion systématique atteint son paroxysme. L’asymétrie structurelle démographique entre les cohortes — telle qu’une disparité de niveau de diplôme, d’âge moyen, de genre ou de statut socio-économique entre une population clinique et une population contrôle — constitue une toile de fond où les variables confondantes prolifèrent. L’effet de taille (effect size) calculé en fin d’étude ne mesure alors plus l’impact de la pathologie ou de la thérapie, mais le fossé sociodémographique sous-jacent qui sépare structurellement les deux groupes d’individus.

### 7.3 Exemples d’études historiques compromises par confusion

L’histoire des sciences du comportement regorge d’études emblématiques dont les conclusions initiales se sont effondrées ou ont dû être révisées de fond en comble en raison de l’intrusion non identifiée de variables confondantes dévastatrices. Les expériences de Hawthorne déjà mentionnées en offrent l’archétype : ce que les ingénieurs attribuaient initialement aux modifications ergonomiques de l’éclairage s’est avéré totalement confondu avec l’attention humaine et psychologique accordée aux ouvrières, introduisant une confusion insoluble entre le stimulus physique et la dynamique psychosociale d’observation.

Un autre cas d’école magistral concerne les recherches menées dans la première moitié du XXe siècle sur les liens entre intelligence et bilinguisme précoce. Les premières publications affirmaient avec autorité que les enfants bilingues présentaient des quotients intellectuels (QI) systématiquement inférieurs à ceux des enfants monolingues, concluant hâtivement que l’apprentissage concomitant de deux langues entravait le développement cognitif général. Il fallut attendre les travaux méthodologiques rigoureux de Peal et Lambert en 1962 pour révéler le vice caché de ces protocoles : le groupe d’enfants bilingues était constitué massivement d’enfants d’immigrés récemment installés issus de milieux socio-économiques très précaires, tandis que le groupe monolingue était issu de classes moyennes aisées. Le statut socio-économique et la maîtrise linguistique de la langue du test constituaient une variable confondante écrasante. Lorsque le niveau socio-économique fut strictement contrôlé et apparié, les enfants bilingues manifestèrent au contraire une flexibilité cognitive supérieure.

De même, les controverses classiques autour de l’efficacité relative de certaines méthodes d’enseignement de la lecture (méthode syllabique versus méthode globale) ont été empoisonnées pendant des décennies par des variables confondantes liées à la motivation intrinsèque initiale des enseignants volontaires et au capital culturel des familles choisies pour tester les dispositifs innovants. L’enseignement épistémologique tiré de ces échecs historiques est sans équivoque : toute divergence systématique non contrôlée entre deux groupes d’étude constitue un poison méthodologique qui condamne la validité des conclusions scientifiques.

8. L’impact des variables parasites sur la validité de la recherche

### 8.1 Menaces pesant sur la validité interne

La validité interne représente le critère métrologique suprême de toute démarche expérimentale. Elle qualifie le degré de certitude avec lequel le chercheur peut affirmer que les variations constatées sur la variable dépendante sont rigoureusement et exclusivement imputables à la manipulation opérée sur la variable indépendante. L’intrusion de variables parasites non neutralisées porte une atteinte frontale et létale à cette validité interne, en distendant ou en rompant le fil de l’inférence causale.

Parmi les menaces classiques théorisées par Campbell et Stanley, les interférences de maturation occupent une place de premier ordre. Dans les protocoles longitudinaux ou ceux s’étalant sur plusieurs sessions, les changements d’ordre biologique, cognitif ou affectif propres à l’évolution naturelle des sujets (la fatigue progressive durant l’épreuve, l’acquisition spontanée de compétences intellectuelles au fil du temps ou le simple vieillissement organique) se comportent comme des variables parasites temporelles. Si ces évolutions ne sont pas dissociées de l’intervention, la validité interne est irrémédiablement ruinée.

Le phénomène de régression vers la moyenne constitue un autre piège insidieux affectant la validité interne. Lorsqu’un protocole sélectionne des participants sur la base de scores initiaux extrêmes (par exemple, des élèves présentant un niveau d’anxiété de performance anormalement haut lors d’un pré-test), les mesures de post-test manifesteront une tendance mathématique spontanée à se rapprocher de la moyenne de la population, indépendamment de toute réelle efficacité thérapeutique. Enfin, la mortalité expérimentale asymétrique (l’abandon de l’étude par un nombre disproportionné de sujets au sein d’une seule condition difficile ou fastidieuse) déstructure l’équilibre initial de la randomisation et réinjecte des variables parasites de sélection masquées dans la cohorte finale.

### 8.2 Atteinte à la validité externe et écologique

Si les variables parasites dégradent la validité interne par introduction de bruit ou de confusion, la tentative excessive ou maladroite de les maîtriser peut en retour porter un préjudice irréversible à la validité externe. La validité externe renvoie à la possibilité de généraliser légitimement les conclusions d’une étude au-delà de l’échantillon testé, vers d’autres populations, d’autres contextes spatiotemporels et des situations réelles de la vie quotidienne (validité écologique).

À force d’éradiquer systématiquement chaque source potentielle de variation parasite, le chercheur s’expose à concevoir un environnement de laboratoire outrageusement aseptisé, déconnecté de toute résonance écologique. Un protocole de psychologie sociale qui se déroule dans une pièce insonorisée, éclairée par des néons calibrateurs, devant un écran d’ordinateur présentant des figures schématiques sans contexte narratif, élimine certes les bruits environnementaux et les interférences sociales parasites, mais il ne mesure plus un comportement social humain authentique. Le comportement observé devient le sous-produit exclusif de l’artifice du laboratoire.

De plus, un sur-contrôle des participants fondé sur des critères d’inclusion et d’exclusion drastiques conduit à la sélection d’un échantillon d’une homogénéité caricaturale (par exemple, de jeunes étudiants en psychologie de 20 ans, de classe moyenne, en parfaite santé neuro-physiologique, ne consommant ni café ni médicaments). Les résultats dérivés d’une telle micro-population ne possèdent aucune transférabilité pragmatique vers des contextes appliqués, tels que la clinique hospitalière, le milieu scolaire hétérogène ou le monde de l’entreprise où les individus vivent précisément au cœur d’un tourbillon permanent de variables parasites incontrôlées.

### 8.3 Conséquences statistiques et instabilité de la puissance de test

Sur le plan mathématique et formel, la présence non régulée de variables parasites déploie des effets néfastes immédiats sur la sensibilité et la puissance des analyses statistiques. Dans le cadre de la théorie du modèle linéaire général (qui sous-tend les tests t de Student, les analyses de variance ANOVA et les régressions multiples), la variance totale observée au sein des données se décompose en variance systématique (attribuable à la manipulation expérimentale) et en variance d’erreur ou résiduelle (attribuable aux fluctuations non expliquées).

Lorsqu’une variable parasite agit de manière aléatoire au sein des groupes, elle a pour effet direct de gonfler massivement cette variance résiduelle au dénominateur des ratios statistiques (comme le ratio F de Snedecor). L’augmentation du dénominateur d’erreur entraîne mécaniquement une diminution de la valeur du test statistique, diminuant considérablement la puissance du test (1 – β). Le chercheur court alors un risque décuplé de commettre une erreur de type II (β), c’est-à-dire d’échouer à détecter un effet théorique pourtant bel et bien réel et authentique, celui-ci s’étant retrouvé purement et simplement noyé sous l’épaisseur du bruit parasite.

Inversement, si la variable parasite s’est transformée en variable confondante par covariance avec les conditions d’étude, elle majore indûment le numérateur du ratio statistique, propulsant le test au-delà du seuil critique de significativité statistique (p < .05). Cette dynamique induit une augmentation catastrophique du risque d’erreur de type I (α), amenant la communauté scientifique à célébrer la découverte d’un effet illusoire qui n’est en fait qu’un faux positif façonné par la distorsion méthodologique. Les indices de significativité deviennent instables et la taille d’effet estimée se retrouve lourdement biaisée.

9. Méthodes de contrôle expérimental direct des variables parasites

### 9.1 La standardisation rigoureuse des procédures

Le premier rempart méthodologique contre l’invasion des variables parasites réside dans la standardisation scrupuleuse, inflexible et systématique de l’ensemble des conditions et des protocoles de recueil de données. La standardisation a pour finalité d’annihiler la variance situationnelle en maintenant rigoureusement constants tous les paramètres environnementaux qui ne constituent pas la variable indépendante ciblée. Si tous les sujets sont soumis à des conditions absolument identiques, aucune variable contextuelle ne peut être tenue pour responsable des différences de performance constatées.

Cette approche impose en premier lieu la rédaction et l’application stricte d’un script verbatim immuable pour la délivrance des consignes orales. L’expérimentateur n’est pas autorisé à improviser, adapter ou reformuler les explications selon sa propre intuition du moment. Chaque mot, chaque pause, chaque incitation est minutieusement codifiée et lue ou mémorisée à l’identique. Mieux encore, l’enregistrement audio ou vidéo préalable des instructions, diffusé via des casques audio de haute fidélité, élimine totalement les micro-variations d’intonation vocale ou d’humeur inter-passations.

L’harmonisation spatio-temporelle complète cette démarche préventive. Toutes les sessions de recueil doivent idéalement se dérouler dans la même pièce expérimentale, soumise à une régulation thermique thermostatée précise (par exemple 21°C constants), un éclairage artificiel zénithal invariable mesuré en lux à hauteur de table, et une isolation phonique vérifiée au sonomètre. Tout élément visuel distracteur susceptible de capter l’attention involontaire — affiches murales, fenêtres sans stores opaques, reflets lumineux sur les moniteurs — doit être méticuleusement éradiqué de l’environnement immédiat de test.

### 9.2 L’assignation aléatoire (randomisation)

Lorsque les variables parasites ne peuvent pas être physiquement maintenues constantes — ce qui est indéniablement le cas pour l’ensemble des caractéristiques individuelles intrinsèques des sujets humains —, l’assignation aléatoire (ou randomisation) représente le joyau de la couronne de la méthode expérimentale. Conceptualisée par Sir Ronald Fisher, la randomisation consiste à attribuer chaque participant de l’échantillon aux différents groupes ou conditions expérimentales par un tirage strictement probabiliste (tirage au sort, algorithmes générateurs de nombres pseudo-aléatoires).

Le pouvoir épistémologique de l’assignation aléatoire est sans équivalent : elle garantit sur le plan mathématique que toutes les caractéristiques idiosyncrasiques des participants (qu’il s’agisse de l’âge, de l’intelligence générale, des traits de personnalité, des niveaux de cortisol basaux, de la fatigue ou de prédispositions génétiques ignorées du chercheur) se trouvent réparties de manière équitable et équiprobable entre les différentes modalités expérimentales. La randomisation ne supprime pas la variabilité interindividuelle ; elle la dilue uniformément, interdisant à une variable parasite individuelle d’établir une corrélation systématique avec la variable indépendante, empêchant ainsi formellement sa mutation fatale en variable confondante.

Il est impératif d’opérer une distinction méthodologique stricte entre la sélection aléatoire (l’échantillonnage représentatif tiré au hasard de la population parente) et l’assignation aléatoire (la répartition des sujets recrutés au sein des groupes d’étude). La sélection aléatoire conditionne la validité externe, tandis que l’assignation aléatoire fonde la validité interne. Il convient toutefois de souligner une limite technique majeure : les lois probabilistes de la randomisation ne déploient pleinement leur puissance égalisatrice que sur de larges cohortes de sujets. Sur des échantillons restreints (par exemple moins de 20 participants par cellule), la randomisation peut échouer par accident d’échantillonnage, laissant subsister des asymétries majeures entre les groupes.

### 9.3 L’appariement et les plans en blocs randomisés

Lorsque la taille de l’échantillon est modeste ou qu’une variable parasite spécifique est formellement identifiée comme exerçant une corrélation très puissante avec la variable dépendante, l’assignation aléatoire simple peut s’avérer insuffisante ou risquée. Dans de telles configurations, la méthode de l’appariement (matching) offre une garantie méthodologique de contrôle direct infiniment plus robuste.

L’appariement consiste à mesurer au préalable la variable parasite critique chez tous les participants avant le lancement de la manipulation expérimentale (par exemple, mesurer l’empan de mémoire de travail ou le niveau d’anxiété-trait). Les sujets sont ensuite classés par ordre de scores, puis regroupés par paires (ou par triplets selon le nombre de conditions) présentant des valeurs rigoureusement équivalentes. Enfin, au sein de chaque paire appariée, un membre est assigné de façon aléatoire au groupe expérimental et l’autre au groupe témoin. Cette démarche assure une symétrie parfaite des distributions de la variable contrôlée à travers les conditions d’étude.

Les plans en blocs randomisés constituent l’extension statistique et expérimentale sophistiquée de cette logique. Les participants sont d’abord stratifiés en sous-ensembles homogènes (les blocs) sur la base d’une ou plusieurs variables parasites d’intérêt (par exemple, le niveau d’instruction : faible, moyen, élevé), puis la randomisation est exécutée à l’intérieur de chaque bloc. Cette méthode réduit considérablement l’erreur résiduelle en isolant formellement la variance liée à la variable de blocage, conférant à l’analyse de variance une puissance de détection statistique substantiellement décuplée. L’inconvénient logistique réside dans la lourdeur de la phase de pré-test et le coût méthodologique lié à la perte éventuelle d’un sujet (attrition), qui invalide l’ensemble de la paire appariée associée.

### 9.4 Le contrebalancement face aux effets d’ordre

Dans les plans expérimentaux à mesures répétées (plans intra-sujets où chaque participant est exposé successivement à toutes les conditions de l’étude), les variables parasites liées aux caractéristiques individuelles sont structurellement neutralisées, chaque sujet servant de son propre contrôle. En contrepartie, ce design génère une nouvelle famille redoutable de variables parasites temporelles : les effets d’ordre et de report (carryover effects).

Les effets d’ordre regroupent l’ensemble des phénomènes où la performance à une tâche est influencée par le simple fait qu’elle se déroule en premier, en deuxième ou en troisième position dans la séquence temporelle. L’effet de pratique ou d’apprentissage mécanique fait en sorte que les performances s’améliorent naturellement lors des dernières conditions présentées, indépendamment de leur difficulté théorique intrinsèque. À l’opposé, l’effet de fatigue ou de lassitude progressive dégrade les performances lors des derniers essais. Quant aux effets de report, ils surviennent lorsque l’état psychologique ou physiologique induit par une condition (comme une émotion négative suscitée par un clip vidéo d’horreur) contamine la condition suivante avant que le système n’ait retrouvé son état basal.

Pour neutraliser ces menaces d’ordre sans abandonner les vertus des plans intra-sujets, la technique du contrebalancement est indispensable. Le contrebalancement complet impose de présenter toutes les combinaisons possibles de séquences de conditions aux différents sous-groupes de participants. Pour deux conditions A et B, la moitié des sujets passera la séquence A-B et l’autre moitié la séquence B-A. Dès que le nombre de conditions dépasse 3, le nombre de permutations possibles (k!) explose (pour 4 conditions, 4! = 24 combinaisons distinctes). On recourt alors à un contrebalancement partiel via un carré latin équilibré. Ce dispositif matriciel assure que chaque condition apparaît un nombre égal de fois à chaque position ordinale et qu’elle précède et suit chaque autre condition un nombre identique de fois, dissolvant les effets d’ordre dans la structure statistique globale de l’expérience.

10. Protocoles en aveugle et automatisation des procédures

### 10.1 Le protocole en simple aveugle (Single-blind)

Le contrôle des variables parasites socio-cognitives — telles que les caractéristiques de la demande, la désirabilité sociale et l’appréhension du regard scientifique — repose prioritairement sur le déploiement d’un protocole méthodologique en simple aveugle. Dans ce dispositif, le participant est délibérément maintenu dans l’ignorance totale de son statut expérimental et de la condition précise à laquelle il est soumis au moment du test.

Pour neutraliser le décodage herméneutique spontané auquel se livre tout sujet, les chercheurs recourent fréquemment à l’élaboration d’une hypothèse de couverture (cover story ou déception méthodologique). L’expérimentateur présente un objectif d’étude plausibe mais factice, masquant les véritables variables dépendantes scrutées. Si une étude explore l’altruisme spontané en fonction du stress induit, on pourra faire croire au participant qu’il teste la clarté visuelle d’un nouveau système de guidage informatique sous contrainte temporelle. Ce subterfuge focalise l’attention consciente du sujet sur une fausse piste, libérant ses comportements réels des filtres d’autocensure ou du désir de plaire au chercheur.

L’utilisation de groupes témoins recevant un placebo méthodologique inerte constitue l’application la plus classique du simple aveugle, issue de la recherche pharmacologique mais largement transposée en psychologie expérimentale. Dans une étude portant sur l’impact de la stimulation cognitive numérique, le groupe contrôle ne doit pas simplement être laissé au repos : il doit être confronté à un logiciel factice d’aspect rigoureusement similaire, dépourvu des caractéristiques actives de l’entraînement ciblé. Ce contrôle neutralise l’effet placebo psychologique et les attentes positives de progression associées au fait d’être pris en charge par une équipe de recherche.

### 10.2 Le protocole en double aveugle (Double-blind)

Si le simple aveugle neutralise les attentes et les attitudes du participant, il laisse subsister intacte la menace majeure du biais de l’expérimentateur. Tant que la personne qui administre l’épreuve, énonce les consignes ou interagit directement avec le sujet connaît l’hypothèse de l’étude ou le statut du groupe d’appartenance (expérimental versus témoin), le risque de transmission non verbale des attentes demeure entier. Pour éliminer cette variable parasite relationnelle, la recherche empirique de pointe exige la mise en place d’un protocole en double aveugle (double-blind).

Dans un dispositif en double aveugle, ni le participant, ni l’expérimentateur de terrain en charge de la passation des tests ne connaissent la condition assignée. Les stimuli, les traitements ou les matériels de test sont préparés, codifiés et anonymisés en amont par un chercheur tiers indépendant qui ne participe pas au recueil opérationnel des données. Les enveloppes ou les fichiers informatiques ne comportent que des identifiants alphanumériques opaques (par exemple « Condition Alpha » et « Condition Bêta »). L’examinateur applique le protocole avec une neutralité comportementale parfaite, étant dans l’incapacité matérielle de moduler son empathie, ses encouragements ou ses micro-signaux expressifs en faveur d’un groupe particulier.

Si la mise en œuvre du double aveugle est devenue la norme cardinale des essais cliniques randomisés en neuropharmacologie (où les comprimés de molécule active et de placebo présentent une couleur, une forme, un goût et une masse strictement indiscernables), son application en psychologie expérimentale et en psychothérapie soulève d’immenses défis logistiques. Comment dissimuler la nature d’une thérapie cognitivo-comportementale à l’analyste qui l’administre face à un groupe témoin ? Le chercheur doit alors déployer des stratagèmes sophistiqués, tels que l’utilisation d’évaluateurs externes totalement indépendants de la délivrance des interventions thérapeutiques, dont la mission se borne à coter les échelles cliniques en ignorant l’historique de prise en charge du patient.

### 10.3 L’informatisation et l’automatisation complète des tests

La technologie numérique contemporaine a ouvert une voie royale pour l’éradication d’une multitude de variables parasites à travers l’automatisation totale du recueil empirique. En substituant l’interface informatique à l’interaction humaine directe, l’expérimentateur élimine d’un trait la vaste majorité des biais interindividuels et relationnels liés à l’examinateur.

L’utilisation de logiciels d’expérimentation spécialisés — tels que PsychoPy, E-Prime ou OpenSesame — garantit une délivrance rigoureusement millimétrée des stimuli visuels, acoustiques ou tactiles. Les consignes s’affichent textuellement à l’écran ou sont diffusées par une voix synthétique ou préenregistrée standardisée, garantissant une exposition absolument identique pour chaque sujet. L’enregistrement des réponses se fait directement via des périphériques optiques de haute précision ou des claviers dédiés, sans aucune saisie manuelle humaine intermédiaire susceptible d’introduire des biais d’arrondi ou d’omission sélective.

L’informatisation supprime également l’appréhension de l’évaluation sociale directe. Les participants se retrouvent face à une machine dépourvue d’affects, réduisant drastiquement l’effet Hawthorne et les réponses modulées par la désirabilité sociale, notamment dans les enquêtes psychologiques explorant des dimensions éthiques ou intimes. Enfin, la distribution dématérialisée d’expériences en ligne à l’échelle planétaire via des plateformes comme Prolific ou Gorilla permet de collecter des données auprès de milliers de sujets, diluant les variables parasites locales de laboratoire au sein de cohortes gigantesques et facilitant une réplication technique parfaite d’un pôle de recherche à un autre.

11. Le contrôle statistique a posteriori des variables parasites

### 11.1 L’analyse de covariance (ANCOVA) et l’ajustement des moyennes

Lorsque certaines variables parasites n’ont pas pu être totalement maintenues constantes ou contrôlées en amont par des dispositifs expérimentaux directs (randomisation, appariement), l’arsenal statistique offre des moyens sophistiqués de neutraliser leur influence a posteriori, lors de la phase d’analyse computationnelle des données. La technique reine de ce registre méthodologique est sans conteste l’analyse de covariance (ANCOVA).

L’ANCOVA représente une fusion élégante entre l’analyse de variance classique (ANOVA) et la régression linéaire simple. Son mécanisme consiste à introduire dans le modèle mathématique une variable continue perturbatrice identifiée — désignée sous le terme de covariable (ou covariate) — qui est corrélée à la variable dépendante d’intérêt. Par un jeu de projections matricielles et de calculs de moindres carrés, l’algorithme soustrait mathématiquement la part de la variance de la variable dépendante qui est attribuable aux variations de la covariable parasite, recalculant des « moyennes ajustées » pour chaque modalité de la variable indépendante.

Cette soustraction mathématique déploie un double bénéfice statistique spectaculaire. D’une part, en éliminant la variance parasite d’erreur, elle réduit drastiquement la somme des carrés résiduelle, comprimant l’erreur type et augmentant considérablement la puissance du test F pour détecter un effet thérapeutique ou expérimental subtil. D’autre part, dans les plans quasi-expérimentaux où des différences préexistaient entre les groupes sur la covariable (par exemple, un niveau de base d’anxiété légèrement asymétrique), l’ANCOVA ajuste statistiquement les moyennes finales, neutralisant la variable confondante potentielle. Son application exige toutefois le respect de postulats mathématiques stricts, au premier rang desquels figurent la relation de linéarité entre la variable dépendante et la covariable, et surtout l’homogénéité des pentes de régression (qui postule l’absence totale d’interaction entre la variable indépendante et la covariable).

### 11.2 Les modèles de régression multiple et hiérarchique

Dans les dispositifs de recherche corrélationnels, observationnels ou transversaux — particulièrement fréquents en psychologie du travail, en santé publique ou en sciences sociales où la manipulation expérimentale directe est matériellement ou éthiquement impossible —, la modélisation par régression multiple hiérarchique s’affirme comme le véhicule privilégié de contrôle des variables parasites.

Cette approche consiste à introduire méthodiquement les variables dans l’équation de régression en plusieurs étapes séquentielles ordonnées (ou blocs d’analyse). Dans le premier bloc, le statisticien intègre délibérément l’ensemble des variables parasites sociodémographiques ou contextuelles documentées (l’âge, le niveau d’instruction, le revenu, le sexe biologique, les niveaux d’humeur basale). Le modèle mathématique calcule alors le pourcentage de variance totale de la variable dépendante (le coefficient de détermination R²) expliqué par ce panier de variables de contrôle.

Ce n’est que dans un second bloc d’analyse que le chercheur introduit sa véritable variable indépendante prédictive théorique. Le logiciel statistique calcule alors la variation du R² (ΔR²) et la significativité du coefficient de régression partielle associé (β). Si ce ΔR² s’avère statistiquement significatif après avoir saturé le modèle avec les variables parasites, le chercheur acquiert la certitude empirique que sa variable explicative d’intérêt prédit une part de variance unique et autonome de la variable dépendante, qui ne peut en aucun cas être attribuée aux facteurs parasites contrôlés lors du premier bloc. Ce protocole analytique permet également de cartographier finement d’éventuels phénomènes de médiation ou de modération parasites masqués.

### 11.3 L’analyse par stratification et décomposition en sous-groupes

Une méthode d’ajustement statistique plus intuitive mais remarquablement robuste consiste en la stratification, parfois qualifiée de méthode de décomposition en sous-groupes. Issue de l’épidémiologie méthodologique formalisée notamment par Mantel et Haenszel, elle vise à neutraliser une variable parasite discrète ou catégorielle en segmentant formellement l’échantillon global en plusieurs sous-populations homogènes sur cette variable.

Si, par exemple, le statut de fumeur/non-fumeur constitue une variable parasite susceptible d’influencer la performance cardiorespiratoire dans une étude sur le stress physique, le chercheur découpera sa base de données en deux strates distinctes : la strate des individus fumeurs et la strate des individus non-fumeurs. L’analyse de l’effet de la variable indépendante sur la variable dépendante est ensuite conduite de manière totalement séparée et indépendante au sein de chaque strate.

Si l’effet principal de la variable indépendante persiste avec une magnitude similaire à l’intérieur de chacun des sous-groupes homogènes, la démonstration est faite que cet effet n’est pas le produit de la variable de stratification parasite. Cette technique offre l’immense avantage heuristique de révéler des interactions non linéaires insidieuses : si l’effet de la manipulation est spectaculaire chez les non-fumeurs mais totalement nul chez les fumeurs, la stratification met en lumière un effet de modération théorique fondamental qu’une analyse globale indifférenciée aurait totalement écrasé. Le coût statistique de cette approche réside dans la fragmentation des effectifs : chaque subdivision réduit la taille de l’échantillon par cellule, érodant la puissance statistique si la cohorte d’origine n’était pas dimensionnée avec une marge suffisante.

12. Études de cas concrètes dans différentes branches de la psychologie

### 12.1 Cas pratique en psychologie cognitive : L’effet Stroop et la luminosité

Pour illustrer de manière concrète l’irruption et la gestion d’une variable parasite en psychologie cognitive, examinons le paradigme classique de l’effet Stroop. Ce test fondamental vise à mesurer le coût temporel de l’inhibition cognitive : les sujets mettent significativement plus de temps à nommer la couleur de l’encre d’un mot incongru (le mot « ROUGE » imprimé à l’encre bleue) qu’à nommer la couleur d’un stimulus congruent ou d’un carré neutre, en raison de l’interférence automatique provoquée par la lecture du lexique orthographique.

Imaginons un jeune chercheur qui conçoit son expérience dans une salle de laboratoire exposée à la lumière naturelle changeante d’une fin d’après-midi, sans se préoccuper des reflets sur l’écran d’ordinateur. Au fil de la passation, l’intensité lumineuse décroît et l’angle des rayons solaires engendre un éblouissement sélectif sur la partie supérieure de la dalle d’affichage. La luminosité de l’écran et le contraste optique deviennent instantanément des variables parasites perceptives majeures.

Ce phénomène altère considérablement les temps de réaction, non pas au niveau de la compétition sémantique centrale dans le cortex cingulaire antérieur, mais au stade de la détection visuelle périphérique sur la rétine. Le contraste dégradé impose une latence d’encodage sensoriel accrue qui vient masquer l’effet de congruence du mot. Pour éradiquer cette perturbation, le chercheur chevronné remplace la lumière du jour par un éclairage artificiel calibré, installe un écran mat antireflet doté d’une casquette opaque, et fixe la valeur de luminance des stimuli au spectrophotomètre. Ce contrôle absolu des variables parasites physiques isole avec une clarté cristalline la seule variance cognitive imputable au conflit Stroop.

### 12.2 Cas pratique en psychologie clinique : L’évaluation d’une psychothérapie

Le champ de la psychologie clinique et de la psychiatrie expérimentale est sans doute celui où les variables parasites se manifestent avec la plus redoutable complexité. Considérons un essai clinique randomisé cherchant à mesurer l’efficacité d’une nouvelle thérapie cognitivo-comportementale (TCC) informatisée pour traiter le trouble dépressif majeur, comparée à un groupe contrôle placé sur liste d’attente.

Dans ce protocole, les variables parasites sont innombrables et susceptibles de détruire toute validité interne. La première réside dans le phénomène de rémission spontanée : une proportion substantielle d’épisodes dépressifs majeurs tend à se résorber naturellement au bout de quelques mois par simple rééquilibrage homéostatique neurobiologique. La deuxième concerne les événements de vie intercurrents (rupture amoureuse, perte ou obtention d’un emploi, survenue d’un deuil) survenant durant les 12 semaines du protocole, injectant un bruit émotionnel massif dans les scores de dépression mesurés à l’inventaire de Beck (BDI-II). La troisième s’incarne dans l’alliance thérapeutique et l’effet placebo : le simple fait d’être écouté avec empathie par une équipe soignante produit une amélioration clinique indépendante de la technique thérapeutique spécifique.

Pour neutraliser ces variables parasites, le protocole méthodologique moderne s’avère extrêmement sophistiqué :

• Mise en place d’un groupe contrôle « soutien non directif » ou « sham-thérapie » (thérapie factice) pour égaliser l’effet de chaleur humaine et d’écoute sociale entre les conditions (contrôle de l’alliance thérapeutique).
• Stratification préalable sur la sévérité initiale du trouble dépressif et le nombre d’épisodes antérieurs pour harmoniser le terrain nosologique (contrôle des caractéristiques des patients).
• Surveillance pharmacologique stricte via un suivi psychiatrique mensuel pour s’assurer de la stabilité des molécules antidépressives éventuelles au cours de l’essai.
• Recours à des modèles linéaires mixtes (LMM) en analyse statistique longitudinale, permettant de modéliser la trajectoire de chaque patient dans le temps tout en contrôlant l’impact des covariables parasites individuelles et la perte asymétrique de données (gestion de l’attrition).

### 12.3 Cas pratique en psychologie sociale : L’effet du spectateur (Bystander Effect)

Dans le domaine de la psychologie sociale empirique, le paradigme de l’effet du témoin (ou effet du spectateur), immortalisé par les recherches pionnières de Bibb Latané et John Darley à la suite du meurtre tragique de Kitty Genovese en 1964, démontre que la probabilité d’intervention d’un individu face à une situation de détresse diminue drastiquement à mesure que le nombre d’autres témoins présents augmente, en vertu du mécanisme de dilution de la responsabilité.

Lorsqu’un chercheur transpose cette recherche dans un milieu semi-naturel (par exemple, simuler la chute d’un passant blessé sur le quai d’une station de métro ou dans une allée universitaire), le contrôle des variables parasites devient une gageure épique. L’intensité des bruits urbains (sirènes, passage d’un train) peut empêcher certains participants d’entendre les appels à l’aide, introduisant une variable parasite acoustique d’encodage du signal. La tenue vestimentaire de la victime simulée (costume-cravate impeccable versus vêtements dépenaillés et souillés) active immédiatement des stéréotypes de classe sociale qui parasitent la réactivité altruiste. La présence d’obstacles visuels physiques (piliers de soutènement, foules denses) masque la visibilité de la scène pour certains passants.

Pour dissocier la véritable dilution cognitive de responsabilité de l’ambiguïté perceptive du contexte, les chercheurs modernes déploient des protocoles hautement standardisés. L’environnement physique est rigoureusement maîtrisé par l’utilisation de scènes théâtralisées codifiées au millimètre près, chronométrées et enregistrées à l’insu des passants par des caméras dissimulées à angles multiples. La victime factice est entraînée à répéter une gestuelle motrice invariable et une plainte vocale calibrée au décibel près. En outre, le développement récent d’expériences immersives en réalité virtuelle (VR) permet aujourd’hui d’immerger le participant dans une reproduction numérique photoréaliste de la scène d’urgence : tous les indices environnementaux (bruit, éclairage, vêtements, nombre d’avatars témoins) sont mathématiquement verrouillés au code source près, éradiquant l’intégralité des variables parasites situationnelles pour isoler avec une précision chirurgicale les déterminants psychosociaux de l’inhibition de groupe.

Références

• Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.
• Darley, J. M., & Latané, B. (1968). Bystander intervention in emergencies: Diffusion of responsibility. Journal of Personality and Social Psychology, 8(4), 377–383. https://doi.org/10.1037/h0025589
• Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.
• Mayo, E. (1933). The human problems of an industrial civilization. Macmillan.
• Mill, J. S. (1843). A system of logic, ratiocinative and inductive. John W. Parker.
• Orne, M. T. (1962). On the social psychology of the psychological experiment: With particular reference to demand characteristics and their implications. American Psychologist, 17(11), 776–783. https://doi.org/10.1037/h0043424
• Peal, E., & Lambert, W. E. (1962). The relation of bilingualism to intelligence. Psychological Monographs: General and Applied, 76(27), 1–23. https://doi.org/10.1037/h0093840
• Rosenberg, M. J. (1969). The conditions and consequences of evaluation apprehension. In R. Rosenthal & R. L. Rosnow (Eds.), Artifact in behavioral research (pp. 279–349). Academic Press.
• Rosenthal, R., & Jacobson, L. (1968). Pygmalion in the classroom. The Urban Review, 3(1), 16–20. https://doi.org/10.1007/BF02322211
• Stroop, J. R. (1935). Studies of interference in serial verbal reactions. Journal of Experimental Psychology, 18(6), 643–662. https://doi.org/10.1037/h0054651
• Woodworth, R. S. (1938). Experimental psychology. Henry Holt and Company.