L'objectif de cette dernière démarche est d'identifier des profils d'acteurs différents qui ont progressé dans le dispositif. Sur le plan statistique, le chercheur peut s'appuyer sur les démarches de catégorisation automatique (Clusters).

Cette procédure statistique vise à trouver une structure intrinsèque aux données en les organisant en groupes homogènes et distincts, appelés « clusters ». Pour former un « cluster », les éléments doivent être à la fois similaires entre eux et différents des objets regroupés dans d’autres « clusters » (Quintin, 2008).

On distingue trois algorithmes principaux pour créer des clusters : nuées dynamiques, classification hiérarchique et classification two-step. Si ces algorithmes génèrent des catégories de manière automatique, il reste bien évidemment un travail d'interprétation qui passe par une interprétation des différentes classes (= mettre une étiquette qui a du sens sur chaque classe). L'intérêt de cette méthode permet de générer une nouvelle variable (le profil spécifique) permettant aux chercheurs d'effectuer de nouvelles analyses des données à sa disposition.

Le logiciel SPSS propose un module de classification automatique. Vous pouvez également utiliser le logiciel Weka pour mener à bien ce traitement sur les données.