d’apprentissage((expérience(1)*
1. Introduction
Ce chapitre présente l’ensemble de l’analyse réalisée sur la base des observations de l’activité des apprenants dans l’environnement de travail. Dans celui-ci, nous y testons trois hypothèses et nous y répondons à onze questions de recherche (figure 51).
FIGURE 51 : HYPOTHESES ET QUESTIONS DE RECHERCHE RELATIVES AU PROCESSUS - EXPE 1
L’analyse se structure autour des cinq dimensions que nous avons choisi d’investiguer de manière spécifique, c’est-à-dire l’activité dans le forum de discussion en différenciant les variables relatives à la visualisation (H1, Q1 & Q2) et les variables qui n’ont pas de lien avec la visualisation (Q3, Q4 et Q5), l’activité dans l’espace de structuration (Q6, Q7 et Q8), la gestion du temps pour réaliser la tâche (H2 & H3), l’usage de l’outil de visualisation (Q9, Q10) ainsi que les liens entre cet usage et l’activité des apprenants (Q11).
Nous distinguons les résultats obtenus en fonction de notre variable indépendante
intra-sujets qui concerne les deux tâches réalisées successivement
(conceptualisation et analyse) ainsi qu’en fonction de nos deux variables indépendantes intersujets : l’assignation d’un rôle spécifique (Théoricien, Secrétaire, Coach, Organisateur, Modérateur), la disponibilité ou non de la visualisation (Visualisation vs Visualisation) ainsi que l’interaction entre ces deux variables.
2. Choix statistiques
Pour réaliser nos analyses hiérarchiques, nous avons choisi de coder notre variable
visualisation selon la méthode « dummy coding17 » (Alkharusi, 2012). Le principe
de base de ce codage est simple. Pour chaque sujet pris en considération, il s’agit de coder en utilisant la valeur 0 ou la valeur 1 le facteur qualitatif en question (visualisation non disponible = 0 et disponibilité de la visualisation = 1). Pour la variable « rôles », nous avons plutôt privilégié un codage « effect coding » dans la mesure où nous avons considéré plus de deux modalités différentes pour ce facteur. Cette structure de codage se révèle particulièrement adaptée pour examiner l’effet de modalités spécifiques quand il n’y a pas une condition de type « contrôle » qui peut être prise comme référence pour la comparaison (Alkharusi, 2012).
Avec cette démarche, l’intercept du modèle équivaut alors à la moyenne de l’ensemble des sujets. Chaque coefficient de régression permet d’évaluer l’effet d’un rôle spécifique. La comparaison statistique s’effectue alors entre cette valeur et le coefficient de régression de chaque modalité de la variable « rôles » (théoricien, secrétaire, etc.). Afin de pouvoir effectuer toutes les comparaisons possibles entre la moyenne générale et la moyenne de chaque rôle, nous avons été contraints d’utiliser un double codage dont la description est reprise dans les deux tableaux ci-dessous (tableau 28 et tableau 29)
( Théoricien((rôle1)( Secrétaire((rôle2)( Coach((rôle3)( Modérateur((rôle4)(
Théoricien( 1( 0( 0( 0(
Secrétaire( 0( 1( 0( 0(
Coach( 0( 0( 1( 0(
Modérateur( 0( 0( 0( 1(
Organisateur( T1( T1( T1( T1(
TABLEAU 28 : EFFECT CODING (CODAGE 1)
( Théoricien((rôle5)( Secrétaire((rôle6)( Coach((rôle7)( 0rganisateur((rôle8)(
Théoricien( 1( 0( 0( 0(
Secrétaire( 0( 1( 0( 0(
Coach( 0( 0( 1( 0(
Organisateur( 0( 0( 0( 1(
Modérateur( T1( T1( T1( T1(
TABLEAU 29 : EFFECT CODING (CODAGE 2)
17 A l'aide de variables muettes
Le traitement des données consiste tout d’abord à calculer pour chaque variable dépendante (!"!") un modèle vide (équation 2). Dans cette équation, i et j renvoient
aux individus i et j aux groupes collaboratifs, γ!!correspond à la moyenne générale
de la variable dépendante, !!! représente une erreur aléatoire associée à chaque groupe j et !!" correspond à une erreur aléatoire associée à chaque individu i (Bressoux, 2007).
!"!" = ! γ!!+ !!!+ !!"
EQUATION 2 : MODELE VIDE DANS HLM
Avec les données obtenues partir du modèle vide, nous sommes en mesure de calculer le coefficient intraclasse. Celui-ci donne la possibilité d’évaluer le pourcentage de variance totale qui est lié au groupe collaboratif et ainsi d’observer la dépendance des scores des individus au sein d’un même groupe collaboratif. Il s’obtient à partir du rapport de la variance inter-groupe sur la variance totale (variance inter-groupe + variance intra-groupe). Bressoux (2007) considère que la dépendance par rapport au groupe est faible sous le seuil de .05.!
En lien avec notre plan expérimental, nous évaluons les effets principaux (rôles et visualisation) en intégrant nos variables indépendantes dans l’équation 3. Dans celle-ci, les variables indépendantes se trouvent à droite (VISUALISATION, ROLE 1, ROLE 2, ROLE3, ROLE 4....).
!"!" = ! γ!!+ γ!"∗ VISUALISATION + ! γ!"∗ ROLE1 + ! γ!"∗ ROLE2 + γ!"∗ ROLE3 + ! γ!" ∗ ROLE4 + ! +!!!+ !!"
EQUATION 3 : EVALUATION DES EFFETS PRINCIPAUX DANS HLM (CODAGE 1)
Nous évaluons les effets d’interaction (cross level interaction) entre nos deux variables à l’aide d’une seconde équation (équation 4). Cet effet correspond à l’interaction entre la variable de niveau 1 (assignation de rôles spécifiques) et la variable de niveau 2 (visualisation). Dans nos analyses, nous sommes ainsi en mesure d’observer si le comportement de rôles spécifiques se différencie en fonction de la disponibilité ou non de la visualisation.
!"!" = ! γ!!+ γ!"∗ ROLE1 + γ
!!∗ VISUALISATION ∗ ROLE1 + ! γ!"∗ ROLE2 + γ!"
∗ VISUALISATION ∗ ROLE2 + γ!"∗ ROLE3 + γ!"∗ VISUALISATION
∗ ROLE3 + γ!"∗ ROLE4 + γ!"∗ VISUALISATION ∗ ROLE4 + !!!+ !!"
EQUATION 4 : EVALUATION DES EFFETS D’INTERACTION DANS HLM (CODAGE 1)
De manière à obtenir toutes les comparaisons possibles, nous introduisons le deuxième codage des rôles (rôle 5, rôle 6, rôle 7 et rôle 8) dans une troisième équation pour les effets principaux (équation 5) et dans une dernière équation pour les effets d’interaction (équation 6).
!"!" = ! γ!!+ ! γ!"∗ ROLE5 + ! γ!"∗ ROLE6 + γ!"∗ ROLE7 + ! γ!"∗ ROLE8 + !!!+ !!"
EQUATION 5 : EVALUATION DES EFFETS PRINCIPAUX DANS HLM (CODAGE 2 )
!"!" = ! γ!!+ γ!"∗ ROLE5 + γ
!!∗ VISUALISATION ∗ ROLE5 + ! γ!"∗ ROLE6 + γ!"
∗ VISUALISATION ∗ ROLE6 + γ!"∗ ROLE7 + γ!"∗ VISUALISATION
∗ ROLE7 + γ!"∗ ROLE8 + γ!"∗ VISUALISATION ∗ ROLE8 + !!!+ !!"
EQUATION 6 : EVALUATION DES EFFETS D’INTERACTION DANS HLM (CODAGE 2)
Quand la variable dépendante se situe au niveau du groupe (équilibre des comportements et gestion du temps), nous appliquons des analyses de variance afin d’évaluer les différences éventuelles entre les groupes qui bénéficient de la visualisation et ceux qui n’en disposent pas.
Ces traitements statistiques ont été réalisés informatiquement à l’aide du logiciel SPSS 21 sous Mac OS X et du logiciel HLM 7.0 sous Windows. Le seuil de signification retenu est de .05. Afin de faciliter la lecture des tableaux de résultats, nous avons fait le choix d’y intégrer des symboles mettant en évidence un résultat significatif (+ et -) ou à la limite de la significativité (+ et -). Pour ne pas alourdir le texte, nous avons également pris l’option de proposer les tableaux complets issus des analyses statistiques multiniveaux en annexes. Pour ce chapitre, ils sont repris dans les annexes 5.1.
Au terme de ce chapitre, nous synthétisons et discutons l’ensemble des résultats obtenus. Cette synthèse est l’occasion d’une part de croiser nos différentes observations et d’autre part, de confronter celles-ci avec les études antérieures décrites dans les chapitres précédents.
3. Activités dans le forum : variables liées à la visualisation 3.1 Tâche de conceptualisation
Les différentes moyennes présentées dans le tableau 30 révèlent une activité importante des étudiants pour réaliser la tâche de conceptualisation (⌧ = 67.33 réponses fournies dans le forum en moyenne). Leur assiduité en lecture est ainsi de 68.46 % et celle en écriture est de 52.68 %. À la lecture des différents coefficients de Gini (0 = égalité parfaite et 1 = inégalité parfaite), nous observons que l’activité dans le forum est relativement homogène en particulier au niveau de l’assiduité des apprenants. La plupart des indices se rapprochent de la valeur zéro. Il est logique d’observer que le coefficient de Gini est plus élevé au niveau de la création des fils de discussion (Gi = .38) dans la mesure où cette action d’ouverture des sujets est confiée spécifiquement à l’organisateur. Les coefficients intraclasses indiquent que le nombre de réponses fournies (Ci = .58) ainsi que le degré d’approfondissement (Ci = .67) sont étroitement liés à l’équipe dont un individu fait partie. L’assiduité en lecture (Ci = .09), l’assiduité en écriture (Ci = .23) ainsi que la création de fils de
discussion (Ci = .17) sont dans une moindre mesure dépendantes de l’appartenance à un groupe particulier. ( ⌧* Gi* Ci* Fils*de*discussion* 6.98( .38( .17( Réponses*fournies* 67.33( .21( .58( Assiduité*en*lecture* 68.46( .11( .09( Assiduité*en*écriture* 52.68( .15( .23( Approfondissement* 32.78( .22( .67(
TABLEAU 30 : VARIABLES LIEES A LA VISUALISATION - CONCEPTUALISATION - EXPE 1
3.1.1 Effets de la visualisation
Les analyses multiniveaux testant l’effet de la visualisation indiquent clairement une activité plus intense dans le forum de discussion pour les apprenants disposant de la visualisation. Les différences se révèlent significatives sur le plan statistique pour les variables suivantes : réponses fournies (⌧ = 83.23 ; β = 31.816 ; p = .045),
assiduité en lecture (⌧ = 72.30 ; β = 7.683 ; p = .034), assiduité en écriture (⌧ =
58.77 ; β = 12.166 ; p = .007) et degré d’approfondissement (⌧ = 42.31 ; β = 19.062 ; p = .043). Nous n’observons aucune différence concernant l’ouverture de fils de discussion (β = 2.666 ; p = .107). Le tableau 31 reprend ces différentes valeurs pour les groupes disposant de la visualisation et ceux qui n’en disposent pas. En termes de symétrie, les analyses de variance au niveau des coefficients Gini indiquent que les groupes expérimentaux définis par la variable « visualisation » ne se différencient pas au niveau de l’équilibre de ces activités dans le forum liées à la visualisation. ( Visualisation* Visualisation* ⌧* Gi* ⌧* Gi* Fils*de*discussion* 5.65( ( .43( 8.32( ( .33( Réponses*fournies* 51.42(( * .22( 83.23( +* .19( Assiduité*en*lecture*%* 64.61( * .09( 72.30( +* .19( Assiduité*en*écriture*%* 46.60( * .12( 58.77( +* .09( Approfondissement* 23.25( * .23( 42.31( +* .21( TABLEAU 31 : VARIABLES LIEES A LA VISUALISATION - EFFETS DE LA VISUALISATION -
CONCEPTUALISATION - EXPE 1
3.1.2 Effets du type de rôles
Les analyses multiniveaux révèlent des différences de comportements en fonction du rôle assigné (tableau 32).
Conformément au scénario d’encadrement proposé, l’organisateur amorce en moyenne davantage de sujets de discussion (⌧ = 12.17 ; β = 5.183 ; p = .001). Parallèlement, nous constatons que le théoricien (⌧ = 4.33 ; β = - 2.265 ; p =
.015) et le coach (⌧ = 4.83 ; β = - 2.150 ; p= .048) en ouvrent significativement
moins. Ces résultats sont cohérents par rapport au scénario d’encadrement assigné au rôle d’organisateur.
Concernant les réponses fournies, l’organisateur répond davantage à ses partenaires (⌧ = 77.38 ; β = 10.050 ; p = .051). Aucune autre différence entre les rôles n’apparaît sur la base de nos analyses.
Si nous nous intéressons au niveau d’assiduité, nous observons que l’organisateur
est en moyenne plus régulier en lecture (⌧ = 74.00 ; β = 5.5411 ; p = .013) et en
écriture (⌧ = 57.83 ; β = 5.150 ; p = .045).
Au niveau du degré d’approfondissement, le théoricien semble moins s’engager à
différents niveaux dans la discussion comme l’indique un degré
d’approfondissement significativement plus faible (⌧ = 27.35 ; β = - 5.436 ; p =
.025) alors que l’organisateur a tendance à intervenir dans les fils de discussion de manière plus approfondie (⌧ = 39.06 ; β = 6.275 ; p = .013).
( T* S* C* O* M* Fils*de*discussion* 4.33( X* 7.79( ( 4.83( X* 12.17( +* 5.79( ( Réponses*fournies* 59.33( ( 63.79( ( 66.83( ( 77.38( +* 69.29( ( Assiduité*en*lecture*%* 71.38( ( 63.13( ( 65.96( ( 74.00( +* 67.83( ( Assiduité*en*écriture*%* 54.08( ( 48.63( ( 51.83( ( 57.83( +* 51.04( ( Approfondissement* 27.35( X* 31.04( ( 31.32( ( 39.06( +* 35.15( ( TABLEAU 32 : VARIABLES LIEES A LA VISUALISATION - EFFETS DES ROLES - CONCEPTUALISATION -
EXPE 1
3.1.3 Effets d’interaction
L’application d’analyse multiniveaux laisse apparaître plusieurs effets d’interaction entre la variable « rôles » et la variable « visualisation ».
Dans la condition « visualisation », nous avons pu observer une activité plus importante dans le forum. Au niveau du nombre de réponses données, le secrétaire se différencie des autres rôles, car il fournit en moyenne moins de 24.73 réponses par rapport à cette augmentation (+ 31.81). Il a un niveau de réponse moins élevé que les autres rôles disposant de la visualisation (⌧ = 67.33 ; β = - 24.733 ; p = .037). On observe ainsi une différence de 7.08 réponses entre le SV et le SV.
Concernant le degré d’approfondissement, la disponibilité de la visualisation engendre globalement un niveau d’approfondissement plus élevé (+ 19.06). Les différents rôles ne se différencient pas significativement dans la condition visualisation, à l’exception du secrétaire où l’on observe une baisse significative de 14.56 par rapport à cette augmentation globale (⌧ = 33.29 ; β = - 14.560 ; p = .006). À l’inverse, les secrétaires ne disposant pas de la visualisation
approfondissent davantage la discussion (⌧ = 28.79 ; β = 5.541 ; p = .091). Cette
situation induit une différence réduite d’environ 5 points entre le SV et le SV. En ce qui concerne les groupes ne disposant pas de la visualisation, le théoricien (⌧ = 2.25 ; β = - 3.400 ; p = .001) et le coach (⌧ = 3.08 ; β = - 2.566 ; p = .007) y initient en moyenne moins de fils de discussion. Il est intéressant de relever que le théoricien (⌧ = 37.17 ; β = - 14.250 ; p = .028) et le coach (⌧ = 44.42 ; β = -