Chapitre 5. Les relations entre les éléments

5.1. Les tableaux croisés

Les tableaux croisés synthétisent des données en regroupant des résultats sous forme de tableaux en fonction de différents critères. Pour chaque population, nous croisons toutes les variables ayant des liens entre elles et nous obtenons une quarantaine de tableaux croisés pour chacune des populations.

Les croisements qui retiennent plus particulièrement notre attention sont ceux dont les variables présentent des paradoxes ou des zones d’ombre qui subsistent à la suite de l’analyse qualitative. Afin de percevoir la place et le rôle d’un élément de la représentation sociale, il nous est souvent nécessaire de comparer plusieurs tableaux. Nous qualifions de « centraux » tous les éléments stables obtenant des résultats récurrents, et classons parmi les éléments périphériques ceux qui ne sont pas stables et présentent des irrégularités. Certains éléments restent invariables quels que soient les croisements, d’autres prennent une forme différente selon l’influence des variables avec lesquelles ils sont croisés. Les croisements successifs permettent d’observer une interdépendance des variables qui changent de sens selon l’influence qu’elles exercent les unes sur les autres. Structuralement, la représentation garde le même aspect mais nous pouvons dire qu’influencé par une autre variable – que nous qualifions de situationnelle – l’élément périphérique a un lien plus ou moins fort avec le noyau central. Ces croisements multiples ont l’intérêt de révéler plusieurs facettes de la représentation sociale et de montrer que ses éléments ne sont pas figés mais réagissent selon la situation dans laquelle ils sont observés.

Les résultats de cette deuxième phase de l’analyse de la représentation sociale sont exposés dans la quatrième partie. Cette étape nous permet de dresser une image des deux représentations en distinguant les éléments du noyau central des éléments périphériques.

L’ultime étape de l’analyse : la vérification de la centralité des éléments, met en application la méthode de l’implication statistique entre variables.