Chapitre 3 : Méthodologie et traitement des données
3.4 Traitement des résultats
3.4.1 Sédimentologie
Les résultats fournis par le granulomètre laser et le tamisage ont été traités à l’aide de Gradistat, qui se présente sous forme de macro intégrable dans le logiciel ExcelTM (Blott et Pye, 2001). Cette
macro a été programmée dans le but de permettre le traitement statistique simple et instantané de données granulométriques.
Afin d’obtenir la taille moyenne, l’indice de tri, l’indice d’acuité (kurtosis) et l’indice d’asymétrie (skewness) de chacun des échantillons, la méthode des moments statistiques a été privilégiée. Elle représente l’option la plus précise pour le traitement statistique de données granulométriques puisqu’elle considère l’ensemble de la distribution. Toutefois, il est à noter que la validité de la méthode des moments statistiques peut être affectée par la présence de valeurs aberrantes dans la queue d’une distribution (Blott et Pye, 2001).
La taille moyenne des sédiments (Tm) est une mesure de tendance centrale (médiane, moyenne et mode) et indique la taille des particules composant les sédiments de l’échantillon. L’indice de tri (It) représente l’écart de la taille des particules par rapport à la moyenne et, selon sa valeur, les sédiments peuvent être très bien triés, bien triés, moyennement triés, peu triés, très peu triés ou pas triés. Quant à l’indice d’asymétrie, il révèle l’état de la symétrie et l’étalement du côté des particules fines ou grossières. Lorsque l’indice d’asymétrie est supérieur à 0 (en Φ), le classement est meilleur du côté des sédiments fins alors que, lorsqu’il est inférieur, le classement est plutôt meilleur du côté des sédiments grossiers. L’indice d’acuité (K) informe sur le degré de l’homogénéité de l’échantillon et peut indiquer un mélange de deux populations si la courbe granulométrique est platykurtique. Lorsqu’une population prédomine largement, la courbe granulométrique est leptokurtique. Afin de
voir une différenciation entre les échantillons naturels et anthropiques, des nuages de points présentant la relation entre la taille moyenne et l’indice de tri ainsi qu’entre la taille moyenne et l’indice d’asymétrie ont été réalisés.
Les courbes de distribution de tailles des particules calculées par Gradistat présentent un biais relatif aux distributions n’étant pas unimodales et normales. Bien que cet outil soit très utile pour un traitement rapide de données granulométriques, les principes statistiques qu’il utilise pour calculer les divers indices caractérisant une distribution de taille ne sont pas applicables à des distributions présentant plusieurs modes et n’étant pas normales (Blott et Pye, 2001). Si ce prérequis fondamental n’est pas préalablement atteint, la fiabilité statistique de ces indices est fortement compromise.
3.4.2 Micromorphologie
Puisque les données micromorphologiques sont essentiellement qualitatives, leur traitement est plutôt simple. Un portrait du sédiment observé sur chaque lame est élaboré en mettant en commun les fréquences enregistrées pour chaque composante ou trait observé dans chacune des lames. Le résultat de ces mises en commun est consigné dans des grilles informatisées qui seront exposées au chapitre 4. C’est en confrontant les observations, les notes d’analyse et les photographies provenant de l’ensemble des lames minces que l’interprétation des résultats est réalisée.
3.4.3 Géochimie
Les traitements statistiques ont été réalisés par l’entremise du logiciel XLStatTM d’Addinsoft©. Tout
comme Gradistat, ce logiciel consiste en une macro intégrable dans le tableur ExcelTM. Il réduit donc
les risques d’erreurs liées à l’importation ou à la conversion vers un autre logiciel (Monette, 2005).
3.4.3.1 Diagrammes bivariés
La réalisation de diagrammes bivariés permet d’observer la relation entre deux variables. Dans le cas de nos résultats géochimiques, les concentrations en deux éléments géochimiques seront
confrontées dans ce type de diagramme afin d’arriver à voir une différentiation de certains groupes d’échantillons.
3.4.3.2 La classification ascendante hiérarchique (CAH) ou dendrogramme (cluster analysis)
La CAH cherche à catégoriser des données en les regroupant. Ce test statistique vise à calculer la similarité entre les différents échantillons et crée ensuite des catégories regroupant les résultats d’échantillons semblables. Le caractère hiérarchique de cette classification implique que, au fil de ce test statistique, des classes de plus en plus inclusives sont créées. Ultimement, une catégorie unique regroupant tous les résultats d’échantillons est obtenue (Drennan, 2009). À la suite de cette procédure statistique, les données seront raffinées, entre autres à l’aide de l’analyse en composantes principales.
3.4.3.3 L’analyse factorielle en composantes principales (ACP)
L’idée de base de l’analyse en composantes principales est de pouvoir expliquer la variance observée dans une masse de données en se limitant à un nombre réduit de variables artificielles (composantes principales) qui reflètent la force de l’ensemble des relations de corrélation entre les variables de départ. Ces dernières sont définies comme étant des transformations mathématiques des variables d’origine. Les composantes principales sont mathématiquement extraites de la matrice de corrélation des variables initiales et constituent donc un ensemble réduit de composantes (Drennan, 2009). L’ACP permet donc ultimement une visualisation plus claire des données et leur dispersion dans l’espace euclidien.
La première composante principale exprime la variance maximale entre les variables initiales alors que chaque composante principale subséquente représente la variance maximale des données n’étant pas représentées par la composante principale qui la précède. Elles sont également caractérisées par le fait qu’elles n’ont pas de lien de corrélation avec celle-ci (Drennan, 2009).
3.4.4 Utilisation de la littérature archéologique, anthropologique et ethnologique dans l’interprétation de l’ensemble des résultats géoarchéologiques
Les populations inuites passées ont été largement documentées, tant par des écrits historiques que par des ouvrages anthropologiques et ethnologiques. Les sites d’Uivak Point et d’Oakes Bay-1, qui ont été occupés par les Inuits historiques, sont bien documentés par une abondante littérature archéologique. Plusieurs approches de l’archéologie environnementale (archéobotanique, zooarchéologie, archéoentomologie) ont été appliquées à Uivak Point et Oakes Bay-1. L’ensemble de cette littérature brosse également, à sa façon, un portrait du mode de vie des populations ayant occupé ces deux sites archéologiques ainsi que de leur environnement.
Une combinaison expérimentale de méthodologies telles que celle que nous proposons dans le cadre de notre recherche ne saurait être faite complètement à l’aveuglette dans un contexte archéologique peu documenté. En conséquence, la confrontation des résultats géoarchéologiques avec la réalité des populations inuites passées dépeinte dans ces différents types de sources est nécessaire et se veut un moyen supplémentaire de vérifier la fiabilité et la validité de nos résultats et de nos interprétations. Cette confrontation permet aussi de déterminer si le portrait de la configuration interne des maisons multifamiliales obtenu à la suite de nos analyses coïncide avec les observations de première main faites par les missionnaires, les anthropologues et les ethnologues ainsi qu’avec les conclusions générées par la pléthore d’études archéologiques menées à Oakes Bay-1 et Uivak Point.