Échelles de mesure des MIE privilégiés

La troisième section du questionnaire porte sur les MIE véhiculés et ses items ont fait l’objet au cours de la première étape d’une subdivision en deux domaines conceptuels en vue de l’AFE. Les deux domaines retenus portent respectivement sur la représentation du rôle enseignant et le rapport aux savoirs.

Précisons que par " représentation du rôle enseignant" nous voulons identifier les profils enseignants, conformément aux quatre MIE conceptualisés, tandis que par " rapport aux savoir ", ce sont des modalités d’enseignement/apprentissage spécifiques à chacun des MIE que nous voulons vérifier auprès de nos sujets. Le rapport aux savoirs correspond selon Lenoir et al., (2012) aux « liens qu’un sujet apprenant établit avec des savoirs scientifiques ou scolaires, ces liens étant influencés par des variables sociales, psychologiques, politiques etc. […] Ce type de rapport renvoie directement aux représentations sociales du sujet » (p. 95).

151

Suite à cette subdivision, l’AFE a été réalisée sur 20 items ordinaux que nous avions formalisés en lien avec le premier domaine conceptuel, soit le rôle enseignant. De par le caractère exploratoire de la recherche et la nature ordinale (cinq valeurs) du format de réponse de ce groupe d’items, nous avons fait usage de l’ACP en vue d’identifier sa structure sous-jacente et réduire le nombre d’items en quelques facteurs.

La vérification des postulats requis par l’ACP, nous a permis d’abord d’identifier plusieurs coefficients significatifs et supérieurs à 0,3 suite à l’inspection de la matrice de corrélation inter-items créée à cet effet. Ensuite, la valeur observée de la mesure d’adéquation de l'échantillonnage, la statistique de Kaiser-Meyer-Oklin (KMO) était de 0,80 ; ce qui était excellent au vu de la valeur minimale (0,70) suggérée par Kaiser (1974). Enfin, le test de sphéricité de Bartlett s’est révélé significatif (p < 0,001). Le respect des trois indices susmentionnés a suggéré comme précédemment la possibilité de poursuivre l’ACP à partir de la matrice de corrélation inter-items.

Le tableau 14 présente les valeurs propres associées aux 20 composantes principales extraites et leur pourcentage de variance expliqué.

Tableau 14

Items section 3 : valeurs propres et pourcentage de variance expliquée des 20 items du premier domaine conceptuel

Composantes Valeurs propres initiales

Total % variance % de variance cumulée

1 4,377 21,885 21,885 2 2,727 13,636 35,52 3 1,679 8,395 43,915 4 1,141 5,705 49,62 5 1,084 5,422 55,042 6 1,000 4,998 60,04 7 0,859 4,295 64,336 8 0,794 3,970 68,306 9 0,744 3,718 72,024 10 0,705 3,526 75,55 11 0,683 3,416 78,966 12 0,659 3,295 82,262 13 0,643 3,215 85,477 14 0,544 2,718 88,195 15 0,510 2,550 90,745 16 0,468 2,342 93,087 17 0,415 2,075 95,162 18 0,399 1,997 97,159 19 0,294 1,472 98,631 20 0,274 1,369 100

152

Le tableau 14 suggère six facteurs possibles pour 60 % de la variance totale expliquée. Le premier facteur explique à lui seul environ 22 % de la variance totale des 20 variables de l'analyse. Cependant, l’analyse parallèle de Horn suggère la présence de trois facteurs réellement cohérents. Ces facteurs ont été conservés pour la suite de l'analyse. Les facteurs sept à vingt n'expliquant pas suffisamment de variances n’ont pas été retenus.

La figure 10 ci-après, représente le graphique des valeurs propres des composantes principales extraites par l’ACP.

Figure 10 : items section 3 (1er _{domaine conceptuel) graphique des} valeurs propres obtenues

Le « scree plot » montre un point d’inflexion majeur au quatrième facteur, mais le test parallèle de Horn indiquant plutôt la présence de trois facteurs nous a conduit à retenir trois facteurs réels potentiels expliquant près de 44 % de la variance totale pour la

153

suite de l’analyse. Nous y reviendrons ultérieurement afin d’expliquer pourquoi seules trois sous-échelles sont utilisées dans le cadre de nos analyses subséquentes.

Afin de simplifier davantage la structure factorielle de la matrice des composantes et déterminer des facteurs qui soient indépendants les uns des autres, nous avons procédé à une rotation orthogonale avec la méthode VARIMAX.

Le tableau 15 ci-après fait état des coefficients de saturation des items sur les quatre facteurs après rotation VARIMAX.

Tableau 15

Items section 3 : coefficients de saturation des items sur les 4 facteurs retenus après rotation VARIMAX Items Facteur 1 (saturation) Facteur 2 (saturation) Facteur 3 (saturation) Facteur 4 (saturation) MIE_ 49_ 3 0,799 MIE_ 45_ 3 0,777 MIE_ 41_ 4 0,666 -0,210 0,206 -0,145 MIE_ 49_ 2 0,635 0,156 0,134 MIE_ 45_ 2 0,591 0,261 0,283 MIE_ 47_ 1 0,550 0,160 0,134 MIE_ 47_ 2 0,499 0,205 0,319 MIE_ 44_ 4 0,657 0,161 -0,157 MIE_ 47_ 3 0,325 0,600 -0,197 0,165 MIE_ 45_ 4 0,599 0,103 0,101 MIE_ 45_ 1 0,144 0,585 0,377 -0,124 MIE_ 47_ 4 0,552 0,153 0,220 MIE_ 49_ 4 0,132 0,536 0,278 0,224 MIE_ 41_ 2 0,140 0,123 0,744 0,124 MIE_ 44_ 3 0,153 0,725 MIE_ 41_ 1 0,710 0,148 MIE_ 41_ 3 0,210 0,252 0,532 -0,167 MIE_ 44_ 1 0,241 0,702 MIE_ 49_ 1 -0,338 0,320 0,145 0,580 MIE_ 44_ 2 0,361 0,567

Dans l’optique d’établir la structure des facteurs, nous avons identifié les items significatifs ayant une valeur > ou = 0,40 et supprimé une variable complexe (item MIE_

154

47_ 2 surligné jaune).

L’analyse des coefficients de saturation (en gras) dans le tableau 15, montre que sur les 19 items restants, six saturent sur le facteur 1. Ce sont (en ordre décroissant de saturation) : MIE_ 49_ 3, MIE_ 45_ 3, MIE_ 41_ 4, MIE_ 49_ 2, MIE_ 45_ 2 et MIE_ 47_ 1. Au regard de la documentation scientifique que nous avons consulté (Larose et Lenoir, 1998; Lebrun et Lenoir, 2001; Lenoir, Larose, Deaudelin, Kalubi et Roy, 2002; Not 1988), ces items sont reliés à l’échelle d’hétérostructuration cognitive de type coactif (MIE 3).

Six items constituent le facteur 2 et sont reliés à l’échelle d’interstructuration cognitive (MIE 4). Ce sont : MIE_ 44_ 4, MIE_ 47_ 3, MIE_ 45_ 4, MIE_ 45_ 1, MIE_ 47_ 4, MIE_ 49_ 4.

Le facteur 3 est constitué par les quatre items ci-après : MIE_ 41_ 2, MIE_ 44_ 3, MIE_ 41_ 1, MIE_ 41_ 3. Ces items sont reliés à l’échelle d’autostructuration cognitive (MIE 2).

Trois items restants (5ème _{colonne du tableau 15), n’ont pas été considérés comme} reflet d’un construit théorique particulier. Nous n’avons pas jugé utile d’en vérifier l’additivité pour en faire une quatrième échelle.

La consistance interne des trois groupes d’items a été évaluée à l’aide de l’alpha de Cronbach. Les six items qui constituent le facteur 1 obtiennent une consistance interne de 0,780 tandis que les facteurs 2 et 3 obtiennent respectivement 0,678 et 0,665. Les différentes valeurs observées au niveau des statistiques du total des éléments indiquent une maximisation des valeurs initiales de l’indice alpha de Cronbach pour ces trois échelles lorsqu’elles contiennent l’ensemble de leurs éléments. En considérant les balises interprétatives de Portney et Watkins (2008), le facteur 1 présente un bon indice de fidélité, tandis que celui des deux autres facteurs est modéré.

En somme, cette seconde séquence d’analyses factorielles a permis d’obtenir trois échelles de mesure des MIE privilégiés (hétérostructuration coactive, interstructuration cognitive, autostructuration cognitive) par rapport au premier domaine conceptuel des MIE véhiculés, donc par rapport à ce qui qualifie le rôle enseignant. L’échelle de mesure spécifique au MIE1, basée sur les méthodes d'hétérostructuration cognitive traditionnelles, n’en fait pas partie.

155

À partir des construits définis dans notre cadre conceptuel et sous-jacents à l’élaboration du questionnaire utilisé sur le terrain, au Burkina Faso, nous en déduisons que ces trois échelles de mesure en sont le reflet adéquat.