Mémoire de Rodrigo Esquivel.
Dans ce contexte de la COVID-19, l ́optimisation des financements de projet va requérir l’évaluation de ces impacts sur la situation socio-économique des populations. Dans ce cas, l’auto-évaluation peut-elle être une solution aux limites de la méthode de randomisation dans le cadre des programmes de lutte contre la pauvreté ?
Dans ce rapport, il est question de savoir si l ́auto-évaluation (évaluation réalisée par les bénéficiaires eux-mêmes) peut être une solution aux limites de la méthode de randomisation dans les études d ́impacts sociales (EIS) des projets de réduction de la pauvreté. Loin de toutes généralités, nous nous sommes fixés pour objectif de détailler les méthodes non-expérimentales, quasi-expérimentales et expérimentales (méthode aléatoire), d ́en définir les avantages et inconvénients, à mettre en parallèle à l ́auto-évaluation multidimensionnelle.
Pour illustrer nos propos, nous avons élaboré un prototype basé sur l ́auto-évaluation multidimensionnelle grâce à une application diffusée par les réseaux sociaux.
Notre conclusion est que si bien la randomisation reste la méthode la plus fiable pour les EIS, l ́auto-évaluation, dans certains contextes, est une solution appréciable, grâce aux TICs, big data et réseaux sociaux.
En effet, les contraintes de l ́aléatorialisation sont d ́une importance majeure, en particulier dans les programmes de santé où l ́éthique, la rapidité de réaction et la distanciation sociale à cause de la COVID-19.
Enfin, nous exposons l’idée que l ́autoévaluation multidimensionnelle et les EIS pourraient permettre une optimisation des aides sociales (partenariats avec la CAF et Pôle Emploi par exemple) et des solutions adaptées pour améliorer le niveau et mode de vie de la population en France tout en veillant au respect des règles RGPD entre autre.