<?xml version="1.0" encoding="ISO8859-1"?>
<records>
  <record>
    <language>eng</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>1</startPage>
    <endPage>3</endPage>
    <documentType>article</documentType>
    <title language="eng">The rise of quantitative methods in Psychology</title>

    <authors>
      <author>
        <name>Denis Cousineau</name>
        <email>denis.cousineau@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="eng">
       Quantitative methods have a long history in some scientific fields. Indeed, no one today would consider a qualitative data set in physics or a qualitative theory in chemistry. Quantitative methods are so central in these fields that they are often labelled “hard sciences”. Here, we examine the question whether psychology is ready to enter the “hard science club” like biology did in the forties. The facts that a) over half of the statistical techniques used in psychology are less than 40 years old and that b) the number of simulations in empirical papers has followed an exponential growth since the eighties, both suggests that the answer is yes. The purpose of Tutorials in Quantitative Methods for Psychology is to provide a concise and easy access to the currents methods.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p001/p001.pdf</fullTextUrl>

    <keywords language="eng">    
      <keyword>Quantitative methods</keyword>

      <keyword>Editorial</keyword>




    </keywords>
  </record>

  <record>
    <language>fre</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>4</startPage>
    <endPage>10</endPage>
    <documentType>article</documentType>
    <title language="fre">Le Dominique Interactif</title>

    <authors>
      <author>
        <name>Valérie Ouellette</name>
        <email>valerie.ouellette@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="fre">
       Cet article présente le Dominique Interactif, une bande dessinée interactive et multimédia unique, servant à évaluer sept troubles de la santé mentale chez les jeunes. La version pour les six à onze ans est adaptée aux limites cognitives des enfants et comporte plusieurs avantages. Malgré quelques limites, cet instrument permet d’obtenir des informations fiables de la part de l’enfant sur sa santé mentale. La fidélité et la validité de cet outil sont meilleures que celles des autres instruments traditionnels servant à mesurer la santé mentale des enfants. En combinant les résultats de ce questionnaire avec les informations des parents, professionnels et enseignants, le Dominique Interactif permet aussi d’effectuer une évaluation complète de la santé mentale de l’enfant. Enfin, son utilisation simple et rapide facilite l’évaluation clinique des enfants par les professionnels, permet l’évaluation de programmes d’intervention et favorise l’intervention précoce (Valla et al., 2000).  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p004/p004.pdf</fullTextUrl>

    <keywords language="fre">    
      <keyword>Questionnaire</keyword>




    </keywords>
  </record>

  <record>
    <language>fre</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>11</startPage>
    <endPage>17</endPage>
    <documentType>article</documentType>
    <title language="fre">Statistiques circulaires et utilisations en psychologie</title>

    <authors>
      <author>
        <name>Catherine Mello</name>
        <email>catherine.mello@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="fre">
       Le chercheur en psychologie traitant des données angulaires ou cycliques est confronté aux problèmes de périodicité et de l'arbitraire du système de mesure que posent les statistiques circulaires. Les méthodes usuelles de calcul de paramètres comme la moyenne ne sont alors d'aucune utilité. Cette introduction aux statistiques circulaires présente des fonctions trigonométriques permettant le calcul des paramètres circulaires: centre de masse, concentration, dispersion et homeward component. Des distributions circulaires couramment utilisées ainsi que des méthodes d'inférence statistique mises au point pour des mesures circulaires pertinentes à la psychologie sont également décrites. Un exemple d'une expérience simple d'orientation illustre l'application des différents tests statistiques au moyen du logiciel Microsoft Excel.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p011/p011.pdf</fullTextUrl>

    <keywords language="fre">    
      <keyword>Statistiques circulaires</keyword>

      <keyword>Statistiques</keyword>




    </keywords>
  </record>

  <record>
    <language>eng</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>18</startPage>
    <endPage>24</endPage>
    <documentType>article</documentType>
    <title language="eng">Statistical analysis of the mismatch negativity: To a dilemma, an answer</title>

    <authors>
      <author>
        <name>Maude Beauchemin</name>
        <email>maude.beauchemin@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>

      <author>
        <name>Louis De Beaumont</name>
        <email>louis.de.beaumont@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="eng">
       This paper offers a new innovative outlook on mismatch negativity (MMN) analysis.  Indeed, researchers in this field encounter difficulties when attempting to objectively quantify the MMN component waveform. Advantages taken from already existing amplitude and area under the curve measures were used in order to thwart weaknesses from each individual measure. The present paper can also be used as a guideline that describes each step required in the execution of the proposed technique to MMN analysis.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p018/p018.pdf</fullTextUrl>

    <keywords language="eng">    
      <keyword>Mismatch negativity</keyword>

      <keyword>ERP measure</keyword>




    </keywords>
  </record>

  <record>
    <language>fre</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>25</startPage>
    <endPage>30</endPage>
    <documentType>article</documentType>
    <title language="fre">Analyse de classification hiérarchique et qualité de vie</title>

    <authors>
      <author>
        <name>Mélanie Vachon</name>
        <email>melanie.vachon@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>

      <author>
        <name>Dominic Beaulieu-Prévost</name>
        <email>dominic.beaulieu.prevost@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>


      <author>
        <name>Amélie Ouellette</name>
        <email>amelie.ouellette@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>


      <author>
        <name>Marie Achille</name>
        <email>marie.achill@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>


    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="fre">
       Cet  article  est  un  survol,  à  la  fois  théorique  et  pratique,  de  l’analyse  de  classification hiérarchique. La démarche présentée correspond à la procédure en sept étapes proposée par Rapkin  et  Luke  (1993).  Les  enjeux  associés  à  chacune  de  ces  étapes  sont  discutés  et  les méthodes  couramment utilisées y  sont  explicitées. L’analyse de  classification hiérarchique est également exemplifiée à l’aide une étude sur la qualité de vie des patients diabétiques de type  I  ayant  reçu  une  greffe.  Dans  le  cadre  de  cette  étude,  l’analyse  de  classification hiérarchique  a permis de dégager deux profils de qualité de vie  chez  les patients  greffés. Également, la validation des classes obtenues suggère certains déterminants de la qualité de vie  chez  cette  population,  notamment  le  type  de  greffe  reçu.  Finalement,  l’analyse  de classification hiérarchique est située dans le contexte actuel de la recherche en psychologie.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p025/p025.pdf</fullTextUrl>

    <keywords language="fre">    
      <keyword>Analyses hiérarchiques</keyword>

      <keyword>Statistiques</keyword>




    </keywords>
  </record>

  <record>
    <language>fre</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>31</startPage>
    <endPage>34</endPage>
    <documentType>article</documentType>
    <title language="fre">Guide de compilation et d’analyse de données pour la version enfants de la Batterie de Montréal d’Évaluation de l’Amusie (BMEA)</title>

    <authors>
      <author>
        <name>Annie Taillon</name>
        <email>annie.taillon@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="fre">
       L’amusie congénitale consiste en une difficulté hautement spécifique à développer une compétence musicale normale, malgré des habiletés langagières et mnémoniques intactes.  On estime à environ 4% la prévalence de l’amusie dans la population générale.  L’amusie peut être détectée à l’aide de la Batterie de Montréal d’Évaluation de l’Amusie (BMEA).  En 2005, une version pour enfants de la BMEA a été élaborée par Villeneuve et Peretz.  Cette version est constituée de cinq tâches, chacune évaluant le fonctionnement d’une composante musicale distincte.  Le guide qui suit a été élaboré afin de faciliter l’entrée, la compilation ainsi que l’analyse des données de la version enfant de  la BMEA.  Quelques suggestions et mises en gardes relatives à l’utilisation de la batterie sont également mentionnées.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p031/p031.pdf</fullTextUrl>

    <keywords language="fre">    
      <keyword>Questionnaire</keyword>




    </keywords>
  </record>

  <record>
    <language>fre</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>35</startPage>
    <endPage>41</endPage>
    <documentType>article</documentType>
    <title language="fre">L'analyse de régression logistique</title>

    <authors>
      <author>
        <name>Julie Desjardins</name>
        <email>julie.desjardins@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="fre">
       La régression logistique se définit comme étant une technique permettant d’ajuster une surface de régression à des données lorsque la variable dépendante est dichotomique. Cette technique est utilisée pour des études ayant pour but de vérifier si des variables indépendantes peuvent prédire une variable dépendante dichotomique. Contrairement à la régression multiple et l’analyse discriminante, cette technique n’exige pas une distribution normale des prédicteurs ni l’homogénéité des variances. Différents types de régression logistique existent, possédant chacun leur procédé statistique et conduisant à l’élaboration de différents modèles théoriques. Ainsi, seront abordés les types direct, séquentiel et automatisé («stepwise»). Un exemple d’utilisation de cette technique avec le logiciel SPSS sera présenté et la procédure d’analyse des résultats y sera détaillée, notamment en ce qui a trait à l’interprétation des rapports de cote.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p035/p035.pdf</fullTextUrl>

    <keywords language="fre">    
      <keyword>Regression logistique</keyword>

      <keyword>Statistiques</keyword>




    </keywords>
  </record>

  <record>
    <language>eng</language>
    <publisher>TQMP</publisher>
    <journalTitle>Tutorials in Quantitative Methods for Psychology</journalTitle>
    <issn>1913-4126</issn>
    <publicationDate>2005-09-01</publicationDate>
    <volume>1</volume>
    <issue>1</issue>
    <startPage>42</startPage>
    <endPage>45</endPage>
    <documentType>article</documentType>
    <title language="eng">Confidence intervals in within-subject designs: A simpler solution to Loftus and Masson's method</title>

    <authors>
      <author>
        <name>Denis Cousineau</name>
        <email>denis.cousineau@umontreal.ca</email>
        <affiliationId>1</affiliationId>
      </author>




    </authors>

    <affiliationsList>
      <affiliationName affiliationId="1">Université de Montréal</affiliationName>




    </affiliationsList>

    <abstract language="eng">
       Within-subject ANOVAs are a powerful tool to analyze data because the variance associated to differences between the participants is removed from the analysis. Hence, small differences, when present for most of the participants, can be significant even when the participants are very different from one another. Yet, graphs showing standard error or confidence interval bars are misleading since these bars include the between-subject variability. Loftus and Masson (1994) noticed this fact and proposed an alternate method to compute the error bars. However, i) their approach requires that the ANOVA be performed first, which is paradoxical since a graph is an aid to decide whether to perform analyses or not; ii) their method provides a single error bar for all the conditions, masking information such as the heterogeneity of variances across conditions; iii) the method proposed is difficult to implement in commonly-used graphing software. Here we propose a simpler alternative and show how it can be implemented in SPSS.  
    </abstract>

    <fullTextUrl format="pdf">http://www.tqmp.org/Content/vol01-1/p042/p042.pdf</fullTextUrl>

    <keywords language="eng">    
      <keyword>Error bars</keyword>

      <keyword>Repeated measure designs</keyword>


      <keyword>Statistics</keyword>



    </keywords>
  </record>


</records>

