Aspects méthodologiques
Tâche 3 (étude 3-T3) – Proximité des différents regroupements
La troisième tâche consistait à comparer chaque groupe à chacun des autres groupes, afin d’établir la proximité des différents regroupements opérés par l’enseignante, à l’aide de la consigne suivante : « Dans quelle mesure un groupe particulier est-il proche d’autres groupes ? Estimez la distance d’appartenance des types entre eux : 0 (représente à 100%, 1 (très proche) à 10 (très éloigné, ne correspond pas du tout). » Les distances indiquées par l’enseignante ont été notées au fur et à mesure dans le tableau. .
Tâche 4 (étude 3-T4) – Ventilation des élèves actuels à l’intérieur des groupes
La quatrième et dernière tâche de cet entretien consistait à ventiler chaque élève actuel dans son groupe d’appartenance et par rapport aux autres groupes. La consigne donnée était la suivante : « Dans quelle mesure l’élève mentionné correspond au regroupement auquel il est associé ? Estimez la distance d’appartenance de l’élève à son groupe : 0 (représente à 100%, 1 (très proche) à 10 (très éloigné, ne correspond pas du tout). Estimez la distance de chaque élève aux groupes auxquels il n’a pas été associé.» Nous avons inscrit les distances mentionnées par les enseignantes dans le tableau.
Notons que les études 2 et 3 ont été réalisées dans l’ordre inverse avec la moitié des enseignantes, dans le but de vérifier s’il y a une influence d’une méthode d’étude sur l’autre (cf. tableau 3).
Tableau 3 - Etudes réalisées par les neuf enseignantes
2.2.4 Etude 4 – Recouvrements avec les clusters informatiques
Cette étape a été réalisée au terme du deuxième interview (étude 2 ou étude 3 selon l’enseignante). Suite aux résultats obtenus à travers l’étude 1, nous avons, dans un premier temps, montré à l’enseignante les définitions de chaque type d’élève obtenu lors de l’analyse statistique réalisée sur les données du questionnaire de jugements préalable. Dans un deuxième temps, nous l’avons invitée à ranger ses élèves au sein des clusters. Nous lui avons ensuite demandé de juger de la proximité de chaque élève par rapport à chaque cluster (distance par rapport à son cluster d’appartenance supposé et par rapport aux autres clusters). La première consigne que nous lui avons soumise était la suivante : « Après avoir lu les définitions de chaque type obtenu de l’analyse statistique provenant du questionnaire que vous avez réalisé au préalable, classez chaque élève de votre classe à l’intérieur d’un des types obtenus. » (cf. tableau 4, ci-dessous). Ensuite : « Dites dans quelle mesure l’élève correspond au type auquel vous l’avez associé en estimant la distance d’appartenance de l’élève au profil : 0 (représente à 100%), 1 (très proche) à 10 (très éloigné, ne correspond pas du tout). ». Et pour terminer : « Estimez ensuite la distance de chaque élève aux types auxquels il n’a pas été associé. »
Enseignantes Temps 1 Temps 2 Temps 3 Temps 4
E1 Etude 1 Etude 2 Etude 3 Etude 4
E2 Etude 1 Etude 2 Etude 3 Etude 4
E3 Etude 1 Etude 3 Etude 2 Etude 4
E4 Etude 1 Etude 3 Etude 2 Etude 4
E5 Etude 1 Etude 3 Etude 2 Etude 4
E6 Etude 1 Etude 2 Etude 3 Etude 4
E7 Etude 1 Etude 3 Etude 2 Etude 4
E8 Etude 1 Etude 2 Etude 3 Etude 4
E9 Etude 1 Etude 2 Etude 3 Etude 4
Tableau 4 – Profils correspondants aux résultats de l’étude 1 Cluster Type d’élève Description du type d’élève
Cluster 1 Très bons élèves, élèves modèles
Cet ensemble rassemble des élèves que les enseignantes estiment comme étant intéressés, ayant des meilleures capacités d’apprentissage que les élèves des autres clusters et dont le niveau scolaire est très bon (maths et lecture, mais aussi de manière générale). Les enseignants pensent qu’ils se comportent très bien en classe, sont plus appliqués que leurs camarades des deux autres clusters et qu’ils ont moins besoin de les recadrer par rapport à la discipline en classe.
Ces élèves sont perçus comme étant ouverts, sociables et équilibrés. On pourrait les appeler, d’après l’analyse statistique des scores de jugements émis par les enseignants, les très bons élèves ou les élèves modèles.
Cluster 2 Elèves en difficulté
Cet ensemble regroupe les élèves que les enseignants jugent comme étant peu intéressés et ayant des capacités d’apprentissage peu élevées comparativement aux autres clusters. Les enseignants estiment que leur niveau scolaire se situe en dessous de celui des élèves des autres clusters (pour les maths, la lecture et de manière générale). Ils pensent que ces élèves ont un gros besoin de guidage, suivi et accompagnement. Leur comportement en classe obtient des scores moyens par rapport aux deux autres clusters et l’enseignant n’estime pas les recadrer plus souvent que les élèves du cluster 1. Les enseignants les perçoivent plutôt négativement sur les items psychologiques et sociaux. On pourrait les appeler, d’après l’analyse statistique des scores de jugements émis par les enseignants, les élèves en difficulté.
Cluster 3 Perturbateurs moyens
Cet ensemble comporte des élèves qui obtiennent des scores moyens aux variables scolaires (intérêt, niveau de maths et de manière générale) jugés par les enseignants. Les enseignants pensent qu’ils ont parfois besoin de guidage, de suivi et d’accompagnement (plus que les élèves du cluster 1, mais moins que ceux du cluster 2). Ils estiment que leur niveau en lecture est proche de celui des élèves du cluster 1. Leur comportement en classe est peu propice à l’apprentissage, appliqués d’après les scores attribués par les enseignants ; les enseignants jugent qu’ils obtiennent d’avantage de recadrage disciplinaire que les élèves des deux autres clusters. Leurs scores aux éléments psychologiques et sociaux sont proches de ceux des élèves du cluster 1. On pourrait les appeler, d’après l’analyse statistique des scores de jugements émis par les enseignants, les perturbateurs moyens.
Les deux entretiens que nous avons menés ont été enregistrés, nous les avons ensuite retranscrits, puis analysés.
Il est important de noter qu’au cours de l’entretien, nous avons relevé des données
des données possibles provenant de la vision du chercheur. Par ailleurs, nous disposons de données qualitatives dont les traitements et constats pourront être croisés avec ceux de l’approche quantitative.
Les traitements statistiques sur les études 1, 2, 3 et 4 comprendront notamment des analyses en clusters, afin de déterminer des ensembles d’élèves cohérents à partir de données de questionnaires et d’estimation de proximité entre élèves dans les différentes études. Les données de distance seront étudiées grâce à un échelonnement multidimensionnel qui permet de cartographier des éléments grâce aux indices de proximité. Ces analyses permettront d’étudier la présence de catégories d’élèves selon des approches différentes, de juger de l’efficacité de chacune de ces démarches pour examiner la structure des catégories d’élèves et d’estimer l’importance des différentes caractéristiques d’élèves dans la constitution des catégories. Grâce à ces trois études, nous pourrons aussi identifier les critères de regroupement utilisés par les enseignants pour rassembler les élèves en entités cognitives abstraites ou spécifiques/catégorielles.