Le chercheur se retrouve souvent devant une masse importante de données. Selon une logique de réduction, il est donc parfois utile de synthétiser celles-ci afin de mieux les appréhender. Une analyse factorielle des correspondances multiples (AFC) et une analyse en composantes principales (ACP) donnent la possibilité de prendre du recul par rapport à un ensemble de données important.

L'analyse en composantes principales articule des variables liées (ou corrélées) pour créer de nouvelles variables décorrélées les unes des autres, appelées composantes principales. Un bel exemple d'analyse de ce type est proposé ici avec le logiciel "je lève la main."

L'Analyse Factorielle des Correspondances (AFC) est une méthode qui permet d'étudier l'association entre deux variables qualitatives issues d'un tableau de contingence (tableau à double-entrée) et de créer une nouvelle représentation des données issues de celui-ci. L'objectif est de résumer la structure des oppositions et des rapprochements entre les lignes et les colonnes du tableau. Cette méthode s'appuie sur le principe de l'inertie et donne la possibilité de situer différents groupes dans un système de coordonnées à deux dimensions. Elle met en évidence les distances ou les rapprochements qui peuvent exister entre ces groupes. Khaneboubi (2015) mobilise cette démarche pour associer des caractéristiques individuelles des utilisateurs d'un MOOC et leur perception de leur expérience d'apprentissage. Le site Voyant Tools ou l'application TXM vous donnent la possibilité d'effectuer ce type d'analyses croisées.