Les données ont été analysées avec le logiciel Statistical Package for the Social Science (SPSS) version 25.0. Pour chacune des variables, une double saisie par deux étudiants différents du laboratoire a été effectuée afin de limiter le nombre d’erreurs. Des 135 enfants inclus, deux d’entre eux ont été retirés des analyses étant donné que seuls les résultats scolaires de la dernière étape étaient disponibles puisqu’ils ne fréquentaient pas l’école en début d’année scolaire. Deux autres participants ont également été retirés étant donné le début d’une mesure d’adaptation scolaire en cours de programme qui aurait pu compromettre les résultats obtenus. Ainsi, un total de 131 participants a été considéré dans les analyses.
Respect des postulats
D’abord, les conditions d’application des analyses statistiques utilisées (régressions linéaires multiples) ont été vérifiées selon les recommandations d’Howell (1998). Afin de s’assurer de la normalité de la distribution des scores totaux du rendement scolaire, de l’anxiété et de l’état de PC, des analyses descriptives ont d’abord été réalisées. Les coefficients d’asymétrie et de kurtosis ont révélé que toutes les distributions étaient normales, ce qui a permis de confirmer l’utilisation d’analyses paramétriques. Aussi, les recommandations en lien avec la singularité, la multicolinéarité, la linéarité ainsi que l’homoscédasticité ont été confirmées, ce qui a permis de s’assurer que tous les postulats étaient respectés. De plus, les distances de Mahalanobis ont indiqué que l’échantillon ne comportait aucune donnée extrême multivariée. Il a également été établi qu’il n’y avait pas de données extrêmes univariées (z > 3.29 d’écart-type à la moyenne). Enfin, la taille de l’échantillon était considérée comme acceptable pour effectuer l’ensemble des analyses, étant donné que l’échantillon était de 104 + p, où p correspond au nombre de variables indépendantes (Tabachnich & Fidell, 2007).
Données manquantes
Peu de données manquantes sont notées, notamment en raison de la nature du matériel utilisé. En effet, les bulletins scolaires sont réalisés de manière informatique, et aucune donnée manquante n’est possible si l’enfant fréquente l’établissement scolaire. Pour ce qui est de la tâche de distraction mentale, les réponses des participants étaient entrées manuellement par l’enfant sur le clavier d’ordinateur. Des données manquantes étaient possibles et une imputation par la moyenne était réalisée, le cas-échéant. Pour ce qui est du SCAS, lorsqu’une donnée était manquante, une
imputation par la moyenne a été effectuée. Plus précisément, il s’agissait de remplacer la donnée manquante par la moyenne de toutes les réponses de l’enfant et à ce temps de mesure.
Plan d’analyses Objectif principal
Dans un premier temps, une analyse de régression multiple a été effectuée afin d’évaluer l’effet du programme PEACE-School sur le rendement scolaire des élèves. Cette méthode statistique a été choisie afin de contrôler toute différence au prétest pour les résultats scolaires entre le groupe expérimental et le groupe contrôle. Le premier bloc de la régression comprenait le rendement scolaire des enfants au prétest ainsi que les variables contrôles potentielles prises en compte dans l’étude. Seules les variables pertinentes, c’est-à-dire qui corrèlent significativement (p < .05) avec le rendement scolaire ont été retenues dans le modèle. Ces variables seront détaillées dans la section Corrélations entre les variables à l’étude. Au deuxième bloc, une variable dichotomique est ajoutée représentant l’assignation au groupe, soit au groupe expérimental ou au groupe contrôle. Ceci permet de déterminer si la participation au programme PEACE-School a un effet sur le rendement scolaire post-programme, au-delà de l’effet des variables contrôles. De cette façon, il a été possible de départager les effets associés au rendement scolaire au prétest et aux différentes variables de contrôle et ainsi déterminer l’effet unique du groupe sur le rendement scolaire au posttest.
Objectifs secondaires
Afin de répondre aux objectifs secondaires visant à documenter le mécanisme associé aux effets sur le rendement scolaire, des régressions linéaires multiples ont été effectuées dans le but de tester une relation de médiation en suivant la procédure de Baron et Kenny (1986). Selon ces auteurs, pour vérifier s’il y a un effet médiateur, il faut d’abord s’assurer que les liens (a, b et c) entre les variables soient significatifs. Ainsi, quatre conditions doivent être respectées. Si une seule de ces conditions n’est pas respectée, il n’est pas possible de conclure à un effet médiateur.
La première condition nécessite une démonstration que la variable indépendante (VI) est liée à la variable dépendante (VD) (effet c). La deuxième condition nécessite quant à elle une démonstration que la VI est liée au médiateur (effet a). La troisième condition requière que la variable médiatrice prédise significativement la VD, même lorsqu’on contrôle la VI (effet b). Enfin, la quatrième condition implique une comparaison entre les résultats obtenus aux conditions 1 et 3. La relation entre
la VI et la VD s’estompe ou est non significative lorsqu’on inclut la variable médiatrice dans l’équation. Une médiation est dite complète quand la relation entre la VI et la VD est réduite à zéro lors de l’inclusion du médiateur dans le modèle. Si cette relation n’est pas nulle, mais tout de même réduite, la médiation est alors jugée de partielle (Tabachnick & Fidell, 2007).
Dans le présent projet, la VD correspond au rendement scolaire tandis que le groupe représente la VI. Enfin, deux variables médiatrices sont considérées, soit le niveau d’anxiété et l’état de PC. Ainsi, deux modèles de médiation sont testés séparément pour chacune des variables médiatrices.
Pour ce qui est du premier modèle de médiation évaluant la variable médiatrice anxiété auto- rapportée au posttest, deux analyses de régression ont été réalisées séparément afin de tester les conditions 1 et 2. L’équation de la condition 1 avait été réalisée préalablement étant donné qu’il s’agit de l’objectif principal de l’étude soit de démontrer que la participation au programme PEACE-School permet de prédire le rendement scolaire au posttest. L’équation 2, quant à elle, a été réalisée de la même manière que l’équation 1, soit en insérant au premier bloc de la régression l’anxiété auto- rapportée au prétest ainsi que les variables contrôles prises en compte dans l’étude. Au deuxième bloc, la variable groupe est ajoutée. Pour ce qui est de l’équation 3, l’anxiété auto-rapportée au prétest, le rendement scolaire au prétest ainsi que les variables de contrôles sont ajoutés au premier bloc. Le deuxième bloc ajoute quant à lui la variable groupe et la variable médiatrice testée, soit l’anxiété auto- rapportée au posttest. Enfin, les résultats de la première équation ont été comparés à ceux de la troisième équation, testant ainsi la quatrième condition.
Le deuxième modèle de médiation évaluant la variable médiatrice état de PC au posttest, a été réalisé de la même façon que le premier modèle, tel que susmentionné.
Chapitre 3 Résultats
Dans un premier temps, les résultats des analyses préliminaires nécessaires à la réalisation des analyses principales sont décrits, soit les statistiques descriptives des variables à l’étude, les corrélations entre ces variables ainsi que les analyses réalisées afin de statuer quant aux variables sociodémographiques qui seront utilisées comme variables contrôles dans les analyses principales. Dans un deuxième temps, les résultats des analyses principales sont présentés, c’est-à-dire les analyses réalisées afin de répondre à l’objectif principal et aux objectifs secondaires de l’étude.
Analyses préliminaires Statistiques descriptives
Afin d’obtenir un portrait de l’échantillon, des analyses descriptives des variables à l’étude, soit la moyenne cumulative du rendement scolaire, le niveau d’anxiété auto-rapporté et l’état de PC ont d’abord été réalisées. Les statistiques descriptives (moyennes et écarts-types) apparaissent au Tableau 2 et indiquent que seulement les données du rendement scolaire (moyenne cumulative en %) diffèrent significativement entre les deux groupes au prétest, t(130) = -2.67, p = .008. Pour ce qui est des autres variables, aucune différence significative n’est notée au prétest.
Ensuite, pour ce qui est de la comparaison des deux temps de mesure pour chacun des groupes, le test t sur échantillons dépendants réalisé sur la moyenne cumulative des résultats scolaires des enfants du groupe PEACE-School ne montre aucune différence significative entre la moyenne cumulative des résultats scolaires du pré- et du posttest, t(77) = -1.016, p = .313. Pour ce qui est du groupe contrôle, le test t sur échantillons dépendants témoigne d’une différence entre le pré- et le post- programme, t(52) = 2.990, p = .004. Un rendement scolaire plus faible est noté au post-programme comparativement au pré-programme. Pour ce qui est de l’anxiété, les résultats démontrent une diminution significative du niveau d’anxiété pour les participants du groupe PEACE-School, t(77) = 2.613, p = .011, de même que pour ceux du groupe contrôle, t(52) = 2.552, p = .014. Pour ce qui est de l’état de PC, une amélioration significative est rapportée et ce, seulement pour les enfants du groupe expérimental, t(77) = -2.949, p = .004.
Tableau 2
Statistiques descriptives au pré et posttest sur le rendement scolaire, le niveau d’anxiété et l’état de PC
Groupe expérimental Groupe contrôle
Pré Post Pré Post Variables M(É-T) M(É-T) M(É-T) M(É-T) Rendement scolaire (moyenne cumulative)1 86.05 (4.53) 87.33 (4.40) 88.17 (4.49) 86.69 (4.98) Cote d’anx.1 32.46 (14.64) 29.21 (14.70) 28.49 (17.52) 24.42 (16.20) État de PC2 19.45 (3.49) 20.54 (2.85) 19.38 (4.08) 19.43 (3.82)
Note. Cote d’anx. = Score d’anxiété autorapporté VD = Variables dépendantes. ÉT = Écart-type.
1 Un score plus faible est associé à une amélioration 2 Un score plus élevé est associé à une amélioration
Corrélations entre les variables à l’étude
Le Tableau 3 présente les coefficients de corrélation de Pearson entre les variables à l’étude aux deux temps de mesure. La majorité des variables présentent des corrélations significatives dans le sens attendu selon la littérature. Pour ce qui est des corrélations entre les variables au prétest et celles au posttest, il est possible de remarquer que le rendement scolaire au prétest est corrélé fortement et positivement au rendement scolaire au posttest. Le rendement scolaire au prétest est corrélé faiblement et positivement à l’état de PC au posttest. Pour ce qui est de l’état de PC au prétest, il corrèle faiblement et positivement avec le rendement scolaire au posttest.
Tableau 3
Coefficients de corrélation (r de Pearson) entre les variables à l'étude
Temps 1 Temps 2 Variables 1 2 3 1 2 3 Temps 1 1. Rendement scolaire1 .781** -.104 .231** 2. Anxiété auto-rapportée2 -.161† -.133 .745** -.277** 3. État de PC3 .141 -.219* .173* -.084 .605** Temps 2 1. Rendement scolaire4 2. Anxiété auto-rapportée5 -.106 3. État de PC6 . .145† -.140
Note. 1 Mesure du rendement scolaire au prétest ; 2 Mesure de l’anxiété au prétest ; 3 Mesure de l’état de PC au prétest 4 Mesure du rendement scolaire au posttest; 5 Mesure de l’anxiété au posttest; 6 Mesure de l’état de PC au prétest
† p < .10 *p < .05. **p < .01.
Par ailleurs, des corrélations ont été effectuées entre le rendement scolaire et certaines variables démographiques pouvant potentiellement expliquer le rendement scolaire (voir tableau 4). Selon les balises de Cohen (1988), un r autour de .10 est considéré comme un effet de petite taille (faible corrélation), autour de .30 comme un effet de taille moyenne (corrélation moyenne) et autour de .50 comme un effet de grande taille (forte corrélation). Trois corrélations atteignent le seuil de signification statistique de p < .05. Le sexe de l’enfant est corrélé significativement au rendement scolaire, de même que le niveau scolaire et le nombre total de diagnostics. Ainsi, ces variables sont retenues à titre de variables contrôles potentielles pour les analyses principales.
Tableau 4
Coefficients de corrélation (r de Pearson) entre les variables sociodémographiques et le rendement scolaire au posttest
Rendement scolaire
Sexe .224*
Niveau scolaire -.200*
Âge -.136
Nombre total de diagnostics -.268**
*p < .05. **p < .01.
Objectif principal : Évaluation du programme PEACE-School sur le rendement scolaire
Une analyse de régression multiple a été effectuée afin d’évaluer l’effet du programme PEACE-School sur le rendement scolaire des élèves en vue de répondre à l’objectif principal.
Le premier bloc de l’analyse de régression vise à identifier les variables contrôles à prendre en compte dans l’explication du rendement scolaire au posttest. Les variables incluses dans ce modèle sont donc le rendement scolaire au prétest ainsi que les variables contrôles sélectionnées précédemment, soit le sexe (garçon = 0; fille = 1), le niveau scolaire de l’enfant ainsi que le nombre total de diagnostics reçus au moment où s’est déroulé le projet de recherche. Il ressort que le rendement scolaire au prétest est la seule variable qui contribue significativement et positivement au rendement scolaire post-programme (β = .800, p < .001). Cela signifie que pour l’ensemble de l’échantillon, les notes au prétest sont un prédicteur significatif du rendement scolaire au posttest. Le premier modèle inclut donc seulement le rendement scolaire au prétest comme variable explicative du rendement scolaire au posttest et explique 59.8% de la variance du rendement scolaire au posttest (voir tableau 5, modèle 1).
Le deuxième bloc de l’analyse de régression multiple permet davantage de répondre à l’objectif principal du projet de recherche. Il ajoute au premier modèle la variable groupe (groupe expérimental = 1; groupe contrôle = 2), soit le fait d’être assigné au groupe expérimental ou au groupe contrôle. Ce modèle de régression final est significatif (F(5, 121) = 39.112, p = .001). Les résultats indiquent que les variables combinées du deuxième groupe (rendement scolaire au prétest et groupe) expliquent
environ 62% de la variance du rendement scolaire après le programme de PC (R2 = .62, F[5, 121] =
39.112, p < .001). Les résultats de cette deuxième étape de l’analyse démontrent qu’après la prise en compte des variables contrôles, le fait d’être dans le groupe expérimental a une contribution significative unique à l’explication du rendement scolaire au posttest (β = -.148, p < .01) (voir tableau 5, modèle 2). Il semble que lorsque la variable groupe diminue (2 = groupe contrôle; 1 = groupe expérimental), c’est-à-dire le fait d’être dans le groupe expérimental, le rendement scolaire augmente. En contrôlant pour la différence de rendement scolaire au prétest, la prise en compte de la variable groupe permet d’expliquer 2% de plus de la variance du rendement scolaire (Δ R² = .02, Δ F [1, 121] = 6.347, p < .01).
Tableau 5
Résultats de l’analyse de régression testant le rendement scolaire après le programme PEACE-School β standardisés
Modèle 1 Modèle 2a
Rendement scolaire au prétest .761*** .800***
Sexe de l’enfant .026 .006
Niveau scolaire de l’enfant .005 .009
Nombre total de diagnostics -.014 -.020
Groupe (expérimental vs contrôle) -.148**
R² .598 .618 F 45.316*** 39.112*** dl (4, 122) (5, 121) Δ R² .02 Δ F 6.347** dl (1, 121) a Comparé au modèle 1 * p < .05. ** p < .01. *** p < .001.
Objectif secondaire : Mécanismes explicatifs des effets sur le rendement scolaire Premier modèle (variable médiatrice : anxiété; voir Tableau 6).
Équation 1. Cette première équation de régression, qui est en réalité l’équation obtenue à l’analyse de régression visant à répondre à l’objectif principal, a permis de s’assurer du respect de la première condition de médiation.
Équation 2. Cette équation de régression a testé la deuxième condition de médiation. Plus précisément, elle a permis d’évaluer si la variable groupe, donc le fait de participer ou non au programme PEACE-School prédit l’anxiété auto-rapportée au posttest (c.-à.-d. la variable médiatrice). De manière plus précise, il s’agit de vérifier si le programme PEACE-School a un effet positif sur l’anxiété des enfants. Les résultats montrent que l’anxiété auto-rapportée au posttest est régressée sur le niveau d’anxiété auto-rapportée au prétest (β = .726, p < .001). Toutefois, la variable groupe ne contribue pas à prédire le niveau d’anxiété auto-rapportée à la fin du programme de PC (β = -.066, p > .05). Ainsi, étant donné que la deuxième condition n’est pas significative, il est impossible de conclure quant à l’effet médiateur de l’anxiété auto-rapportée. Il ne s’avérait donc pas nécessaire de tester les autres conditions.
Deuxième modèle (variable médiatrice : état de PC; voir Tableau 7).
Équation 1. Cette première équation de régression, qui est en réalité l’équation obtenue à l’analyse de régression visant à répondre à l’objectif principal, a permis de s’assurer du respect de la première condition de médiation.
Équation 2. Cette équation de régression a testé la deuxième condition de médiation. Plus précisément, cette équation a permis d’évaluer si la variable groupe, donc le fait de participer ou non au programme PEACE-School prédit l’état de PC au posttest (c.-à.-d. la variable médiatrice). Les résultats montrent que l’état de PC au posttest est régressé sur l’état de PC au prétest (β = .607, p <.05) et sur la variable groupe (β = -.163, p <.001). La variable groupe contribue de façon unique à prédire l’état de PC à la fin du programme de PC (Δ R² = .026, Δ F [1, 121] = 5.275, p < .05).
Équation 3. Cette équation a permis de tester la troisième condition de médiation. Plus précisément, il s’agissait de vérifier si l’état de PC au posttest (variable médiatrice) est à l’origine de la relation entre la participation au programme de PC (variable indépendante) et le rendement scolaire des enfants au posttest (variable dépendante). Les résultats montrent que le rendement scolaire au
posttest est régressé sur le rendement scolaire au prétest (β = .829, p <.001), sur l’état de PC au prétest (β =.166, p <.05) sur la variable groupe (β = -.183 p <.01) et sur l’état de PC au posttest (β = .178, p <.05).
Tel qu’indiqué précédemment, la quatrième condition implique une comparaison entre les résultats obtenus aux équations 1 et 3. En considérant l’effet de l’état de PC au posttest (variable médiatrice) sur le rendement scolaire des enfants au posttest (variable dépendante), les résultats ne montrent pas de réduction de la relation entre la variable groupe et le rendement scolaire au posttest. Ainsi, il n’est pas possible de statuer quant à l’effet médiateur de l’état de PC au posttest.
Tableau 6
Analyses de régression linéaire multiple sur le rendement scolaire après le programme PEACE- School visant à évaluer le niveau d’anxiété comme variable médiatrice
Anxiété auto-rapportée
Variables β t
Condition 1
VD : Rendement scolaire post
Groupe -.148 -2.519**
Rendement scolaire pré .800 12.256***
Sexe de l’enfant .006 .107
Niveau scolaire de l’enfant .009 .159
Total de diagnostic -.020 -2.519 Condition 2 VD : Anxiété auto-rapportée au post (médiateur) Groupe -.066 -1.085 Anxiété auto-rapportée au pré .726 11.495*** Sexe .049 .770 Année scolaire -.028 -.455 Total de diagnostic -.015 -.242 † p < 0,10. * p < 0,05. ** p < 0,01. *** p < 0,001.
Tableau 7
Analyses de régression linéaire multiple sur le rendement scolaire après un programme de PC visant à tester l’état de PC comme variable médiatrice
État de PC
Variables β t
Condition 1
VD : Rendement scolaire post
Groupe -.148 -2.519*
Rendement scolaire pré .800 12.256***
Sexe de l’enfant .006 .107
Niveau scolaire de l’enfant .009 .159
Total de diagnostic -.020 -2.519
Condition 2
VD : État de PC au post (médiateur)
Groupe -.163 -2.297* État de PC au pré .607 8.588*** Sexe -.030 -.426 Année scolaire -.110 -1.561 Total de diagnostic -.052 -.730 Condition 3
VD : Rendement scolaire post
Groupe -.183 -3.088** Rendement scolaire au pré .829 12.478*** État de PC au pré .166 2.356* État de PC au post .178 2.419* Sexe -.012 -.210 Année scolaire -.002 -.035 Total de diagnostic -.024 -.400
Note. VD = variable dépendante, pré = prétest † p < 0,10. * p < 0,05. ** p < 0,01. *** p < 0,001.
Chapitre 4 Discussion
La prochaine section fait un retour sur les résultats présentés. En regard des résultats obtenus, des liens avec la littérature existante sur le sujet sont proposés et des pistes d’explication sont énoncées. La présente étude amène un éclairage nouveau sur plusieurs aspects de la recherche associés aux effets de la PC sur le rendement scolaire des enfants au primaire. Ainsi, la pertinence d’étudier le rendement scolaire et les contributions pratiques visant l’implantation future du programme en milieu scolaire sont discutées. Enfin, les forces et les limites de l’étude ainsi que les pistes de recherche futures sont évoquées.
Retour sur les objectifs et hypothèses de recherche
L’objectif principal de cette étude consistait à évaluer l’effet du programme PEACE-School sur le rendement scolaire des enfants de 3e et 4e année du primaire. Le second objectif visait à évaluer
l’impact de variables médiatrices potentielles pouvant expliquer la relation entre la participation au programme de PC et le rendement scolaire des enfants. Cette question de recherche visait essentiellement à mieux comprendre la relation entre l’entrainement à la PC et le rendement scolaire, étant donné que la littérature sur le sujet en est qu’à ses débuts. Les variables médiatrices testées dans le présent projet de recherche sont l’anxiété auto-rapportée et l’état de PC. De ces objectifs, trois hypothèses ont été formulées. Les résultats associés à ces hypothèses sont discutés dans les prochaines sections.
Résumé des principaux résultats et comparaison à la littérature actuelle Effet du programme PEACE-School sur le rendement scolaire des enfants
La première hypothèse proposait que le programme PEACE-School ait un impact positif sur les résultats scolaires des enfants. Il semble que la participation au programme de PC ait statistiquement un effet sur le rendement scolaire des enfants à la fin de l’année scolaire. De fait, les résultats montrent que la participation au programme prédit significativement le rendement scolaire des enfants au posttest, bien que l’amélioration des résultats scolaires soit relativement faible d’un point de vue écologique, ce qui sera discuté ultérieurement.
Les résultats de la présente étude concordent avec les écrits scientifiques précédents.