Bien que considéré comme non scientifique [3] et non fiable [4], en sciences physiques et biologiques, la méthode est cependant une méthode très utile pour mesurer des variables sociales [5].

Les faiblesses inhérentes à la méthodologie ne porte pas atteinte à la validité [6] des données, dans la mesure où ils sont reconnus et ont permis pendant toute la démarche expérimentale [7].

Les quasi-expériences ressemblent des expériences [8] quantitatifs [9] et qualitatifs [8], mais il leur manque l'attribution aléatoire [10] des groupes ou des contrôles appropriés, donc forte analyse statistique peut être très difficile.

Conception/Structuration

Le modèle quasi-expérimental [11] implique la sélection de groupes, sur laquelle une variable est testé, sans processus de pré-sélections aléatoires.

Par exemple, pour effectuer une expérience pédagogique, une classe peut être arbitrairement divisée par la sélection alphabétique ou par disposition des sièges. La division est souvent pratique et, surtout dans une situation éducative, provoque le moins de perturbations possible.

Après cette sélection, les expériences [12] se déroule de manière très semblable à n'importe quel autre expérience et alors une variable comparés entre les différents groupes, ou a travers une période de temps.

Avantages

En particulier dans les sciences sociales, où pré-sélection et la randomisation [13] des groupes est souvent difficile, ils peuvent être très utiles pour générer des résultats [14] de tendances générales.

Par exemple, si nous étudions l'effet de la consommation d'alcool de la mère lorsque la mère est enceinte, on sait que l'alcool méfaits l'embryon. Une conception stricte expérimentale [15] comprendrait que les mères ont été assignés au hasard à boire de l'alcool. Ce serait hautement illégal à cause de la mal possible que cet étude pourrait faire aux embryons.

Donc, ce que les chercheurs font est de demander aux gens combien d'alcool ils ont bu pendant leur grossesse, puis ils les assignent aux groupes.

Le modèle quasi-expérimental est souvent intégré à des études de cas individuels, les chiffres et les résultats générés renforcent souvent les conclusions d'une étude de cas [16], et permettent lieu à une sorte d'analyse statistique.

En outre, sans avoir besoin d'une phase de pré-sélection et la randomisation , ils réduisent le temps et les ressources nécessaires à l'expérimentation.

Inconvénients

Sans randomisation, les tests statistiques peuvent être dénuée de sens.

Par exemple, ces modèles expérimentaux ne tiennent pas compte de tous les facteurs pré-existants (comme pour les mères: ce qui leur faisait boire ou ne pas boire d'alcool), ou de reconnaître que les influences extérieures de l'expérience peut avoir influé sur les résultats.

Par example, une quasi-expérience construit pour analyser les effets des différents programmes éducatifs sur deux groupes d'enfants peut générer des résultats qui montrent qu'un programme est plus efficace que l'autre.

Ces résultats ne résiste pas à l'examen statistique rigoureuse parce que le chercheur doivent également contrôler [17] d'autres facteurs qui peuvent avoir influé sur les résultats. C'est vraiment difficile à faire correctement.

Un groupe d'enfants a pu être un peu plus intelligent ou motivés. Sans une certaine forme de sélection pré-test ou aléatoire, il est difficile de juger l'influence de ces facteurs.

Conclusion

De côté des inconvénients, tant que les lacunes de la conception quasi-expérimentale sont reconnus, ces études peuvent être un outil très puissant, surtout dans les situations où «vraies» expériences [15] ne sont pas possibles.

Ils sont un très bon moyen d'obtenir une vue géneral, puis un suivi avec une étude de cas [16] ou expérience quantitative [9], pour se concentrer sur les raisons sous-jacentes des résultats obtenus.