Graphiques sémantiques différentiels

semantic-differential-chart.png

Principe des graphiques sémantiques différentiels

Le psychologue Charles E. Osgood a développé à la fin des années 1950 une méthode de visualisation dénommée Semantic differential dans le but de représenter graphiquement les différentes connotations associées à un mot par différents individus. Osgood a demandé aux participants de ses études de noter un mot sur une série d'échelles allant d'un extrême à l'autre (par exemple favorable/défavorable). De la distance observée entre les différents profils observés pour des individus ou des groupes d'individus, Osgood a déduit la distance psychologique et éventuellement comportementale entre les individus ou les groupes.

Cette méthode peut aussi être appliquée dans d'autres situations :

  • Analyse des perceptions d'experts à propos d'un produit (par exemple un yaourt) décrit par divers attributs (par exemple, acidité, salé, sucré, texture, …) sur des échelles similaires (soit d'un extrême à l'autre, soit sur les échelles de notation). La visualisation en graphique sémantique différentiel permet de rapidement identifier s'il y a des différences entre les experts et à quel niveau se situent les différences.
  • Analyse d'enquêtes de satisfaction.
  • Analyse des profils de candidats dans le cadre d'un recrutement.

Application des graphiques sémantiques différentiels en analyse sensorielle

Cet outil peut être utilisé en analyse sensorielle. Voici deux exemples d'application dans ce contexte :

  • Un panel de sujets note un produit alimentaire sur une échelle ordinale (codée de 1 à 5) en fonction de plusieurs critères (les « attributs ») tels que la texture, l'apparence visuelle, l'odeur, le goût, le prix etc. Dans ce cas, le tableau de données sera constitué de telle sorte que la case (i,j) du tableau corresponde à la note donnée au produit par le sujet i pour l'attribut j. Le graphique sémantique différentiel permet alors de comparer visuellement les sujets.
  • Un panel de sujets note des produits alimentaires (les « objets ») sur une échelle ordinale (codée de 1 à 5) en fonction de plusieurs critères (les « attributs ») tels que la texture, l'apparence visuelle, l'odeur, le goût, le prix etc. Dans ce cas, le tableau de données sera constitué de telle sorte que la case (i,j) du tableau corresponde à la note moyenne donnée par les sujets au produit i pour l'attribut j. Le graphique sémantique différentiel permet de comparer visuellement les produits pour les différents attributs.
ternary diagramneural network diagram

analysez vos données avec xlstat

essayez gratuitement pendant 14 jours