{"id":310885,"date":"2026-07-28T12:40:22","date_gmt":"2026-07-28T10:40:22","guid":{"rendered":"https:\/\/sherpas.com\/blog\/?p=310885"},"modified":"2026-07-29T15:33:11","modified_gmt":"2026-07-29T13:33:11","slug":"biais-selection-enquete","status":"publish","type":"post","link":"https:\/\/sherpas.com\/blog\/biais-selection-enquete\/","title":{"rendered":"Qu\u2019est-ce qu\u2019un biais de s\u00e9lection et pourquoi fausse-t-il les r\u00e9sultats ?"},"content":{"rendered":"<section class=\"you-know\"><div class=\"you-know__title\"><p>\ud83e\udde0 \u00c0 retenir :<\/p><\/div><div class=\"you-know__text\"><ul>\n<li>Le <strong>biais de s\u00e9lection<\/strong> survient lorsque l\u2019\u00e9chantillon n\u2019est pas repr\u00e9sentatif de la population \u00e9tudi\u00e9e, cr\u00e9ant ainsi des erreurs syst\u00e9matiques.<\/li>\n<li>L\u2019origine du biais se trouve souvent dans la m\u00e9thode de s\u00e9lection des participants, et la randomisation r\u00e9duit ce risque.<\/li>\n<li>Plusieurs types de biais de s\u00e9lection existent, tels que le biais de participation, de couverture et d\u2019attrition, affectant la fiabilit\u00e9 des r\u00e9sultats.<\/li>\n<li>Corriger le biais de s\u00e9lection implique des m\u00e9thodes comme le redressement statistique et l\u2019\u00e9tablissement de quotas, malgr\u00e9 la difficult\u00e9 de l\u2019\u00e9liminer totalement.<\/li>\n<\/ul><\/div><\/section><p>Avez-vous d\u00e9j\u00e0 r\u00e9fl\u00e9chi \u00e0 l\u2019impact d\u2019un choix initial sur la fiabilit\u00e9 d\u2019une enqu\u00eate\u202f? Si seuls les <strong>\u00e9l\u00e8ves les plus motiv\u00e9s participent<\/strong> \u00e0 une \u00e9tude sur une nouvelle m\u00e9thode d\u2019enseignement, pensez-vous que le r\u00e9sultat refl\u00e8te l\u2019ensemble des \u00e9l\u00e8ves\u202f? Cette situation illustre un <strong>biais de s\u00e9lection<\/strong>, qui perturbe l\u2019interpr\u00e9tation des donn\u00e9es et peut conduire \u00e0 des erreurs majeures dans les conclusions.<\/p>\n\n\n<h2 class=\"wp-block-heading\" id=\"comment-reperer-un-biais-de-selection-dans-une-enquete\">Comment rep\u00e9rer un biais de s\u00e9lection dans une enqu\u00eate ?<\/h2>\n\n<p>Le <strong>biais de s\u00e9lection<\/strong> d\u00e9signe toute situation o\u00f9 <strong>l\u2019\u00e9chantillon n\u2019est pas repr\u00e9sentatif<\/strong> de la population \u00e9tudi\u00e9e. Cela signifie que certaines personnes ou groupes sont absents ou trop pr\u00e9sents dans l\u2019\u00e9tude, cr\u00e9ant une <strong>erreur syst\u00e9matique<\/strong> difficilement corrigeable apr\u00e8s coup. Ce ph\u00e9nom\u00e8ne appara\u00eet fr\u00e9quemment lorsque la participation repose sur le volontariat ou un acc\u00e8s limit\u00e9 au questionnaire.<\/p>\n<p>Par exemple, une enqu\u00eate men\u00e9e en ligne sur la satisfaction des usagers du train attire souvent ceux qui ont des avis tr\u00e8s tranch\u00e9s. R\u00e9sultat : l\u2019<strong>\u00e9chantillon non repr\u00e9sentatif<\/strong> introduit une <strong>distorsion des r\u00e9sultats<\/strong>, rendant toute g\u00e9n\u00e9ralisation risqu\u00e9e.<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"pourquoi-lorigine-du-biais-importe-t-elle\">Pourquoi l\u2019origine du biais importe-t-elle ?<\/h3>\n\n<p>L\u2019origine du <strong>biais de s\u00e9lection<\/strong> r\u00e9side souvent dans la m\u00e9thode utilis\u00e9e pour choisir les participants. S\u00e9lectionner uniquement des volontaires lors d\u2019une \u00e9tude m\u00e9dicale exclut des profils sp\u00e9cifiques, ce qui engendre des <strong>conclusions erron\u00e9es<\/strong> (Insee, M\u00e9thodes statistiques, 2023). \u00c0 l\u2019inverse, recourir \u00e0 une <strong>randomisation<\/strong> &#8211; c\u2019est-\u00e0-dire tirer au sort les participants &#8211; am\u00e9liore la <strong>repr\u00e9sentativit\u00e9 de la population<\/strong> et r\u00e9duit le risque d\u2019<strong>erreur exp\u00e9rimentale<\/strong>.<\/p>\n<p>Pour approfondir la compr\u00e9hension du sujet, il est possible d\u2019en savoir plus sur <a href=\"https:\/\/sherpas.com\/blog\/methodologie-recherche-argumentation-ses\/\">les biais dans la recherche<\/a>. La randomisation reste donc essentielle pour limiter la <strong>s\u00e9lection non al\u00e9atoire<\/strong> et garantir que chaque individu ait la m\u00eame chance d\u2019\u00eatre inclus dans l\u2019\u00e9tude.<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"sous-quelles-formes-le-biais-de-selection-apparait-il\">Sous quelles formes le biais de s\u00e9lection appara\u00eet-il ?<\/h3>\n\n<p>On distingue plusieurs types courants de <strong>biais de s\u00e9lection<\/strong> :<\/p>\n<ul>\n  <li><strong>Biais de participation :<\/strong> seuls certains profils acceptent de participer, provoquant une <strong>erreur syst\u00e9matique<\/strong> dans les r\u00e9sultats.<\/li>\n  <li><strong>Biais de couverture :<\/strong> des individus n\u2019ont aucune chance d\u2019\u00eatre interrog\u00e9s, comme lors d\u2019enqu\u00eates t\u00e9l\u00e9phoniques men\u00e9es uniquement sur lignes fixes.<\/li>\n  <li><strong>Biais d\u2019attrition :<\/strong> certains participants quittent l\u2019\u00e9tude en cours de route, modifiant la composition finale de l\u2019<strong>\u00e9chantillon<\/strong>.<\/li>\n<\/ul>\n<p>D\u2019apr\u00e8s l\u2019ANAP (2020), ces diff\u00e9rents biais peuvent g\u00e9n\u00e9rer jusqu\u2019\u00e0 <strong>30% d\u2019erreur potentielle<\/strong> dans l\u2019estimation d\u2019un comportement si rien n\u2019est corrig\u00e9.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"quels-effets-concrets-sur-la-fiabilite-des-resultats\">Quels effets concrets sur la fiabilit\u00e9 des r\u00e9sultats ?<\/h2>\n\n<p>Un <strong>\u00e9chantillon non repr\u00e9sentatif<\/strong> produit des estimations peu fiables. Si la s\u00e9lection n\u2019est pas r\u00e9alis\u00e9e de fa\u00e7on al\u00e9atoire, toute tentative de g\u00e9n\u00e9ralisation \u00e0 l\u2019ensemble de la population comporte un risque \u00e9lev\u00e9 de <strong>fausser les r\u00e9sultats<\/strong>. Les cons\u00e9quences peuvent \u00eatre graves, notamment pour les politiques publiques ou les d\u00e9cisions m\u00e9dicales.<\/p>\n<p>Eurostat (Rapport sur l\u2019emploi, 2022) montre par exemple que les enqu\u00eates sur les chercheurs d\u2019emploi men\u00e9es exclusivement via Internet sous-estiment la <strong>fracture num\u00e9rique<\/strong> et la pr\u00e9carit\u00e9. Cette <strong>distorsion des r\u00e9sultats<\/strong> rend le diagnostic moins fiable et complique la mise en place de solutions adapt\u00e9es.<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"erreurs-courantes-dans-la-demarche-scientifique\">Erreurs courantes dans la d\u00e9marche scientifique<\/h3>\n\n<p>Se fier aux chiffres sans examiner la <strong>m\u00e9thode d\u2019\u00e9chantillonnage<\/strong> conduit souvent \u00e0 des <strong>conclusions erron\u00e9es<\/strong>. Parfois, les diff\u00e9rences entre groupes ne proviennent que du mode de s\u00e9lection, et non du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 lui-m\u00eame (Morgan et Winship, Counterfactuals and causal inference, 2014).<\/p>\n<p>L\u2019absence de <strong>randomisation<\/strong> fait courir le risque de confondre association et causalit\u00e9. Ce probl\u00e8me touche particuli\u00e8rement les \u00e9tudes en sant\u00e9, \u00e9ducation ou consommation, o\u00f9 la diversit\u00e9 des contextes doit \u00eatre prise en compte pour \u00e9viter toute <strong>erreur exp\u00e9rimentale<\/strong>.<\/p>\n\n\n<h3 class=\"wp-block-heading\" id=\"corriger-et-limiter-le-biais-de-selection\">Corriger et limiter le biais de s\u00e9lection<\/h3>\n\n<p>Plusieurs mesures permettent de r\u00e9duire le <strong>biais de s\u00e9lection<\/strong> :<\/p>\n<ul>\n  <li>Adopter une <strong>randomisation stricte<\/strong> pour garantir l\u2019al\u00e9a dans le recrutement.<\/li>\n  <li>Ajuster les <strong>poids statistiques<\/strong> afin de compenser la sous- ou surepr\u00e9sentation de certains profils dans l\u2019\u00e9chantillon.<\/li>\n  <li>D\u00e9finir les limites de validit\u00e9 des r\u00e9sultats en fonction du mode de s\u00e9lection employ\u00e9.<\/li>\n<\/ul>\n<p>Des techniques telles que les quotas ou le redressement statistique (INSEE, Enqu\u00eates m\u00e9nages, 2022) offrent une meilleure robustesse, mais elles ne suppriment jamais totalement le risque d\u2019<strong>erreur syst\u00e9matique<\/strong> si la s\u00e9lection initiale reste biais\u00e9e.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"comment-reconnaitre-une-distorsion-liee-au-biais-de-selection\">Comment reconna\u00eetre une distorsion li\u00e9e au biais de s\u00e9lection ?<\/h2>\n\n<p>Rep\u00e9rer une <strong>distorsion des r\u00e9sultats<\/strong> n\u00e9cessite d\u2019analyser les \u00e9carts entre l\u2019<strong>\u00e9chantillon<\/strong> et la population de r\u00e9f\u00e9rence. Des diff\u00e9rences marqu\u00e9es dans la structure socio-d\u00e9mographique signalent souvent une <strong>s\u00e9lection non al\u00e9atoire<\/strong> ou fond\u00e9e sur le volontariat.<\/p>\n<p>Il s\u2019agit aussi de comparer la taille, la diversit\u00e9 g\u00e9ographique et l\u2019acc\u00e8s aux canaux de communication de l\u2019\u00e9chantillon avec les donn\u00e9es issues de grands recensements officiels. Cela permet de juger de la <strong>repr\u00e9sentativit\u00e9 de la population<\/strong> analys\u00e9e et de valider la fiabilit\u00e9 des r\u00e9sultats.<\/p>\n<table style=\"border:1px solid\">\n  <thead>\n    <tr style=\"border:1px solid\">\n      <th>Type de biais<\/th>\n      <th>Description<\/th>\n      <th>Cons\u00e9quence possible<\/th>\n    <\/tr>\n  <\/thead>\n  <tbody>\n    <tr style=\"border:1px solid\">\n      <td style=\"border:1px solid\">Biais de participation<\/td>\n      <td style=\"border:1px solid\">Participants auto-s\u00e9lectionn\u00e9s<\/td>\n      <td style=\"border:1px solid\">Surestimation des opinions extr\u00eames<\/td>\n    <\/tr>\n    <tr style=\"border:1px solid\">\n      <td style=\"border:1px solid\">Biais de couverture<\/td>\n      <td style=\"border:1px solid\">Exclusion de certains groupes<\/td>\n      <td style=\"border:1px solid\">Donn\u00e9es incompl\u00e8tes ou partiales<\/td>\n    <\/tr>\n    <tr style=\"border:1px solid\">\n      <td style=\"border:1px solid\">Biais d\u2019attrition<\/td>\n      <td style=\"border:1px solid\">Abandon au fil du temps<\/td>\n      <td style=\"border:1px solid\">R\u00e9sultats non g\u00e9n\u00e9ralisables<\/td>\n    <\/tr>\n  <\/tbody>\n<\/table>\n<p>Une d\u00e9marche critique \u00e0 chaque \u00e9tape limite les risques de <strong>fausser les r\u00e9sultats<\/strong>. Remettre en question la logique de s\u00e9lection \u00e9vite de conclure h\u00e2tivement \u00e0 partir de donn\u00e9es biais\u00e9es d\u00e8s le d\u00e9part.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"pieges-classiques-a-eviter-lors-de-la-conception-dune-enquete\">Pi\u00e8ges classiques \u00e0 \u00e9viter lors de la conception d\u2019une enqu\u00eate<\/h2>\n\n<p>Certaines pr\u00e9cautions r\u00e9duisent sensiblement le risque de construire un <strong>\u00e9chantillon non repr\u00e9sentatif<\/strong> :<\/p>\n<ul>\n  <li>Ne pas exclure involontairement des personnes difficiles \u00e0 joindre (absence d\u2019adresse, manque d\u2019acc\u00e8s \u00e0 Internet\u2026).<\/li>\n  <li>Assurer une <strong>diversit\u00e9 de recrutement<\/strong> selon les crit\u00e8res essentiels \u00e0 l\u2019\u00e9tude (sexe, \u00e2ge, cat\u00e9gorie socio-professionnelle).<\/li>\n  <li>Contr\u00f4ler r\u00e9guli\u00e8rement la participation et relancer sp\u00e9cifiquement les groupes minoritaires.<\/li>\n<\/ul>\n<p>Prendre soin de la phase m\u00e9thodologique garantit une meilleure neutralit\u00e9 et diminue fortement le risque de <strong>distorsion des r\u00e9sultats<\/strong> ou d\u2019<strong>erreur exp\u00e9rimentale<\/strong> grave.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"erreurs-frequentes-a-eviter\">Erreurs fr\u00e9quentes \u00e0 \u00e9viter<\/h2>\n\n<p>Confondre <strong>association et causalit\u00e9<\/strong>, ignorer la n\u00e9cessit\u00e9 d\u2019un <strong>\u00e9chantillon repr\u00e9sentatif<\/strong> ou n\u00e9gliger les caract\u00e9ristiques sociod\u00e9mographiques sont des pi\u00e8ges r\u00e9currents. Adoptez toujours une posture critique face \u00e0 la m\u00e9thode d\u2019\u00e9chantillonnage\u202f: cela vous aidera \u00e0 \u00e9viter de <strong>fausser les r\u00e9sultats<\/strong> et \u00e0 donner du sens aux donn\u00e9es collect\u00e9es.<\/p>\n\n<p>\u00c0 votre avis, comment les avanc\u00e9es technologiques pourraient-elles aider \u00e0 limiter les biais de s\u00e9lection dans les enqu\u00eates futures\u202f? La r\u00e9flexion demeure ouverte\u202f!<\/p>\n<div style=\"line-height:1.7;margin-top:0.75rem;margin-bottom:0.25rem;letter-spacing:-0.01em\">Lire aussi \ud83d\udd0e :<br><ul><li><a href=\"https:\/\/sherpas.com\/blog\/formuler-hypothese-testable-ses\/\" title=\"Comment formuler une hypoth\u00e8se testable en trois \u00e9tapes en SES ?\">Comment formuler une hypoth\u00e8se testable en trois \u00e9tapes en SES ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/lien-causalite-ses\/\" title=\"Quels sont les crit\u00e8res et m\u00e9thodes pour \u00e9tablir un lien de causalit\u00e9 en SES ?\">Quels sont les crit\u00e8res et m\u00e9thodes pour \u00e9tablir un lien de causalit\u00e9 en SES ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/correlation-vs-causalite\/\" title=\"Comment prouver qu\u2019une corr\u00e9lation n\u2019est pas une causalit\u00e9 ?\">Comment prouver qu\u2019une corr\u00e9lation n\u2019est pas une causalit\u00e9 ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/endogeneite-econometrie\/\" title=\"Qu\u2019est-ce que l\u2019endog\u00e9n\u00e9it\u00e9 et pourquoi est-ce un pi\u00e8ge en \u00e9conom\u00e9trie ?\">Quels exemples classiques en \u00e9conomie (\u00e9ducation et salaire, police et criminalit\u00e9) illustrent ce probl\u00e8me ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/regression-lineaire\/\" title=\"Que signifient R\u00b2 et p-valeur dans une r\u00e9gression lin\u00e9aire ?\">Que signifient R\u00b2 et p-valeur dans une r\u00e9gression lin\u00e9aire ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/variable-dependante-independante\/\" title=\"Comment choisir et justifier sa variable d\u00e9pendante et sa variable ind\u00e9pendante ?\">Comment la variable ind\u00e9pendante est-elle cens\u00e9e influencer la variable d\u00e9pendante ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/observation-participante-limites\/\" title=\"Quand utiliser l\u2019observation participante et quelles sont ses limites ?\">Quand utiliser l\u2019observation participante et quelles sont ses limites ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/echantillonnage-aleatoire-quotas\/\" title=\"Quelle est la diff\u00e9rence entre un \u00e9chantillonnage al\u00e9atoire et un \u00e9chantillonnage par quotas ?\">Quelle est la diff\u00e9rence entre un \u00e9chantillonnage al\u00e9atoire et un \u00e9chantillonnage par quotas ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/grille-entretien-enquete-qualitative\/\" title=\"Comment construire une grille d\u2019entretien efficace pour une enqu\u00eate qualitative ?\">Quelles sont les erreurs \u00e0 \u00e9viter dans la formulation des questions ?<\/a><\/li><li><a href=\"https:\/\/sherpas.com\/blog\/erreurs-enquete-questionnaire\/\" title=\"Quelles sont les 5 erreurs \u00e0 \u00e9viter dans une enqu\u00eate par questionnaire ?\">Comment \u00e9viter les questions suggestives ou biais\u00e9es ?<\/a><\/li><\/ul><\/div>\n\n<div class=\"kk-star-ratings kksr-auto kksr-align-center kksr-valign-bottom\"\n    data-payload='{&quot;align&quot;:&quot;center&quot;,&quot;id&quot;:&quot;310885&quot;,&quot;slug&quot;:&quot;default&quot;,&quot;valign&quot;:&quot;bottom&quot;,&quot;ignore&quot;:&quot;&quot;,&quot;reference&quot;:&quot;auto&quot;,&quot;class&quot;:&quot;&quot;,&quot;count&quot;:&quot;0&quot;,&quot;legendonly&quot;:&quot;&quot;,&quot;readonly&quot;:&quot;&quot;,&quot;score&quot;:&quot;0&quot;,&quot;starsonly&quot;:&quot;&quot;,&quot;best&quot;:&quot;5&quot;,&quot;gap&quot;:&quot;5&quot;,&quot;greet&quot;:&quot;Tu as aim\u00e9 cet article ?&quot;,&quot;legend&quot;:&quot;0\\\/5 - (0 vote)&quot;,&quot;size&quot;:&quot;24&quot;,&quot;title&quot;:&quot;Qu\u2019est-ce qu\u2019un biais de s\u00e9lection et pourquoi fausse-t-il les r\u00e9sultats ?&quot;,&quot;width&quot;:&quot;0&quot;,&quot;_legend&quot;:&quot;{score}\\\/{best} - ({count} {votes})&quot;,&quot;font_factor&quot;:&quot;1.25&quot;}'>\n            \n<div class=\"kksr-stars\">\n    \n<div class=\"kksr-stars-inactive\">\n            <div class=\"kksr-star\" data-star=\"1\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"2\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"3\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"4\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"5\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n    \n<div class=\"kksr-stars-active\" style=\"width: 0px;\">\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n<\/div>\n                \n\n<div class=\"kksr-legend\" style=\"font-size: 19.2px;\">\n            <span class=\"kksr-muted\">Tu as aim\u00e9 cet article ?<\/span>\n    <\/div>\n    <\/div>\n","protected":false},"excerpt":{"rendered":"<p>\ud83e\udde0 \u00c0 retenir : Le biais de s\u00e9lection survient lorsque l\u2019\u00e9chantillon n\u2019est pas repr\u00e9sentatif de la population \u00e9tudi\u00e9e, (&#8230;)<\/p>\n","protected":false},"author":326,"featured_media":308585,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"category":[803,826],"tag":[],"class_list":["post-310885","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-apprendre-matiere","category-ses-economie-esh"],"acf":[],"_links":{"self":[{"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/posts\/310885","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/users\/326"}],"replies":[{"embeddable":true,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/comments?post=310885"}],"version-history":[{"count":0,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/posts\/310885\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/media\/308585"}],"wp:attachment":[{"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/media?parent=310885"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/category?post=310885"},{"taxonomy":"tag","embeddable":true,"href":"https:\/\/sherpas.com\/blog\/wp-json\/wp\/v2\/tag?post=310885"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}