L’analyse du questionnaire 90

Plusieurs types d’analyse sont réalisés sur les données issues du questionnaire avant de poursuivre la recherche dans les milieux de stage. La plupart de ces analyses sont menées à l’aide du logiciel SPSS. L’analyse du questionnaire débute par l’analyse du noyau central à partir des évocations faites par les finissants en regard des concepts, d’apprentissage, d’évaluation, du rôle de l’enseignant et du rôle de l’élève. Cette analyse vise à situer les représentations sociales des finissants. Seca (2010) propose pour analyser le noyau central de calculer deux indicateurs : la fréquence de chaque terme émis par l’ensemble de l’échantillon et son rang d’importance à la suite du classement des termes induits. Dans la présente recherche, le premier indicateur correspond à la fréquence de chacun des termes choisis par les finissants pour décrire les catégories de l’évaluation, de l’apprentissage, du rôle de l’enseignant et du rôle de l’élève. Ensuite, à partir de l’ensemble de ces termes induits, un calcul est réalisé sur le rang qui a été donné à chaque terme. Ces résultats

n’ont pas la prétention de généraliser les représentations sociales pour tous les finissants en enseignement au Québec puisqu’ils correspondent à une population particulière, celle des finissants du BEPEP de l’UQAC. Rappelons que même si les catégories de l’apprentissage, du rôle de l’enseignant et du rôle de l’élève sont abordées, les représentations sociales issues de ces catégories permettent également de documenter les représentations sociales de l’évaluation des apprentissages. L’évaluation des apprentissages est, en effet, liée à la façon de concevoir l’apprentissage, le rôle de l’enseignant et le rôle de l’élève.

La dernière analyse faite sur les données du questionnaire porte sur les réponses aux énoncés mesurés à partir de l’échelle par analogie visuelle. Il s’agit de l’analyse de classification (Cluster analysis) appelée également analyse typologique. Ce type d’analyse vise à identifier des classes à l’intérieur d’un ensemble d’entités mélangées que l’on croit appartenir à des populations différentes (Vachon, Beaulieu-Prévost, Ouellette, & Achille, 2005). Dans le cas de la présente recherche, il est possible que les finissants ne portent pas tous les mêmes représentations sociales. Le but de ce type d’analyse est plutôt d’observer si, oui ou non, il y a des classes différentes parmi les finissants. En d’autres termes, cette analyse permet d’observer les principes organisateurs des représentations sociales, (Doise et al., 1992) deuxième théorie en lien avec l’objet d’étude.

Avant de procéder à l’analyse de classification, il est nécessaire d’opérationnaliser les variables qui, dans le cas de cette recherche, revient à regrouper les énoncés d’un même paradigme en une seule variable. Selon Rapkin et Luke (1993), il est préférable de réduire les variables pour faire ce type d’analyse. Pour ce faire, une matrice de corrélation est réalisée. Les énoncés d’un même paradigme sont considérés modérément corrélés entre eux si r ≥ 0,3 (Tabachnick & Fidell, 2001). Il s’agit de faire la moyenne des scores obtenus pour chacun des énoncés corrélés entre eux, et cela, afin de créer une nouvelle variable.

La structure de l’analyse de classification consiste à mesurer l’espace métrique entre les scores obtenus par chaque individu. Il existe plusieurs façons de le mesurer, mais la distance euclidienne est la plus populaire et surtout la plus utilisée en sciences humaines (Rapkin & Luke, 1993; Vachon et al., 2005). Elle représente la distance la plus courte entre deux points dans un espace multidimensionnel. Avec deux variables, l’espace comprend deux dimensions alors qu’avec cinq variables, comme c’est le cas pour cette recherche, l’espace comprend cinq dimensions. La figure 4 illustre ce qu’est la distance euclidienne dans un espace à deux dimensions.

Figure 4. Représentation de la distance euclidienne

Cette figure représente les scores obtenus par les participants a et b. L’axe des X présente les scores obtenus pour la variable X et l’axe des Y les scores obtenus pour la variable Y. Les points dans le tableau illustrent la position de chaque participant par rapport aux variables X et Y. La ligne entre les deux points représente la distance euclidienne entre les deux participants pour les variables X et Y. Concrètement, voici un exemple avec trois des participants à cette recherche. Le tableau 6 présente les résultats de ces participants pour deux variables mesurées.

Xa

Xb

Ya

Tableau 5

Comparaison du score pour le néobéhaviorisme et du score pour l’humanisme

Participants Néobéhaviorisme Humanisme

No 19 1,13 5,20

No 33 3,18 7,30

No 42 2,77 5,90

Moyenne 2,36 Écart-type 1,08

Les scores sont calculés sur une échelle de 0 à 10. La façon de tenir compte des deux mesures et de comparer les individus entre eux est de calculer la distance euclidienne en utilisant la différence de position des différents participants pour chacun des paradigmes dans un plan cartésien défini par les variables « néobéhaviorisme » et « humanisme ». En fait, il s’agit de faire la racine carrée de la somme des différences entre chaque mesure pour chaque participant au carré (Rapkin & Luke, 1993).

Distance euclidienne No 19 vs No 33 _2,052!  _{+  2,12}!   = 2,93 No 33 vs No 42 _0,41!  _{+  1,4}!   _{= 1,46} No 19 vs No 42 _1,64!  _{+  0,7}!   _{= 1,78}

Le résultat de la distance euclidienne informe que les réponses du participant 33 sont plus proches du participant 42 que celles du participant 19. Les participants 33 et 42 pourraient faire partie du même cluster ou du même regroupement. Il importe de noter que pour l’exemple, uniquement les scores de deux paradigmes ont été intégrés. Pour ce qui est de l’analyse des données dans la présente recherche, le logiciel SPSS

prend en compte les scores des cinq paradigmes pour calculer la distance euclidienne entre les participants.

Une fois la technique pour mesurer l’espace métrique choisie, il s’agit de sélectionner la méthode de classification (Rapkin & Luke, 1993). Deux méthodes existent : la méthode hiérarchique et la méthode itérative. La méthode hiérarchique est préférée lorsque le nombre de classes est inconnu alors que la méthode itérative est retenue lorsque les classes sont connues d’avance. Dans le cas présent, si les participants rejoignent l’un ou l’autre des paradigmes, il y a cinq classes; si c’est la vision transmissive de l’apprentissage et la vision constructiviste qui séparent les participants, il y alors deux classes. Ne connaissant pas d’avance le nombre de classes, la méthode de classification hiérarchique est choisie. Cette méthode consiste, tout d’abord, à prendre chaque entité, donc chaque participant, comme une sous- classe et, ensuite, à regrouper ces sous-classes sur la base de leurs similarités pour en arriver à un nombre réduit de sous-classes (Vachon et al., 2005). Différents algorithmes sont possibles pour mener l’analyse de classification de façon hiérarchique : le lien simple, le lien complet, le lien moyen et la méthode Ward (Rapkin & Luke, 1993). La méthode d’agrégation de Ward est retenue puisqu’elle permet d’utiliser les trois approches en même temps. Par ailleurs, cette méthode définit une classe comme étant un groupe d’entités (c’est-à-dire de participants) dans lequel la variance entre les membres est relativement petite (Vachon et al., 2005).

Comme postulats de base pour valider ce type d’analyse, il est essentiel que la taille de chaque regroupement ait un nombre significatif de cas, que le sens de chaque regroupement soit facilement interprétable et que les regroupements reflètent ce qui est attendu dans la théorie (Garson, 2012). Ainsi, la chercheuse doit réussir à faire un lien entre les résultats issus de la présente analyse et les paradigmes visés par la recherche. Autrement dit, les classes devraient contenir des finissants dont les représentations sociales rejoignent l’un ou l’autre des paradigmes. Finalement, il est

nécessaire de procéder à une série de tests ANOVA qui permettent de comparer les classes par rapport à chaque variable (Vachon et al., 2005). La suite de l’analyse porte sur les observations et l’entretien d’autoconfrontation.