Les politiques scolaires mises en œuvre ont donc bien un effet sur les inégalités entre élèves et entre catégories sociales. Faire le choix de séparer les élèves les plus défavorisés ainsi que les migrants et leurs descendants dans des filières à exigence basse est un choix politique dont nous avons vu les conséquences. Mais il est plus complexe de déterminer les conditions de l’efficacité éducative. Les enquêtes Pisa sont, sur ce point, moins riches d’enseignement que sur les conditions de l’équité. Dans la dernière enquête Pisa (2006) dont les résultats sont connus à ce jour, la question des conditions de l’efficacité des systèmes éducatifs n’est pas véritablement tranchée, tant il est vrai que cette efficacité peut avoir de multiples sources, y compris non proprement scolaires. Lorsqu’on compare la Finlande et l’Espagne, les Etats-Unis et le Brésil ou encore l’Italie et Hong-Kong, il est difficile, voire impossible, de démêler ce qui relève de différences culturelles et sociales propres aux sociétés en question et ce qui relève des politiques scolaires proprement dites.
Cette difficulté est levée dans le cas de nos données car la confédération Suisse a assez d’unité culturelle et sociale pour permettre une comparaison raisonnée. On peut, en quelque sorte, isoler les effets des politiques scolaires en tant que telles, car celles-ci dépendent, jusqu’à la fin du cycle d’orientation (la 9ème), des prérogatives cantonales.
On voit donc bien que notre étude dépasse largement le cas Suisse pour aller vers l’analyse des politiques éducatives et leurs effets sur les acquis des élèves. Qu’est-ce qui produit de l’efficacité et de l’équité en matière éducative ? Pour répondre à cette désormais vieille question, nous proposons d’approfondir nos résultats par l’étude des systèmes éducatifs cantonaux, non plus sur des données agrégées comme précédemment, mais sur la base des données individuelles. Il s’agit donc de raisonner sur les modes de regroupement des élèves dans des filières dont la nature est très variable en fonction du canton. Encore une fois, la diversité suisse est ici un atout. On distingue dans l’ensemble de la Suisse six types de filières en fonction du mode de regroupement des élèves (homogène ou hétérogène) et de leur niveau (élevé, moyen, faible). Cela donne (tableau 5) des filières contrastées du point de vue des caractéristiques de leur public.
On trouve en effet dans ces six filières de l’enseignement secondaire des élèves très différents, tant du point de vue de leur niveau académique que du point de vue social et migratoire. Les filières homogènes rassemblent des élèves par niveau de compétence. Ce niveau est défini à la fin de l’école primaire (les élèves ont alors entre 11 et 13 ans selon le canton). Ce niveau est réévalué chaque année, ce qui implique qu’un élève jugé « faible » en fin de primaire peut très bien passer dans une classe « moyenne » ou « forte » selon ses résultats. Toutefois, ces transferts sont peu fréquents et pour la plupart des élèves, une
orientation en « homogène fort » ou « homogène faible » implique l’ensemble de leur parcours dans ces filières.
Tableau 6 : Les filières en Suisse et quelques-unes des caractéristiques de leur public
Filière politiques scolaires suisses. Dans d’autres cas – i.e dans d’autres cantons, et parfois comme dans le cas de Genève à l’intérieur d’un même canton – les élèves sont regroupés dans des filières dites hétérogènes, mais avec des regroupements d’élèves en fonction de leur niveau dans certaines disciplines : notamment les mathématiques et en Allemand ou français.
Le tableau 6 montre que ces filières se distinguent fortement en fonction des caractéristiques de leur public. D’un point de vue académique, bien entendu, les filières homogènes avec exigences élevées regroupent les meilleurs élèves (leur moyenne est de 603), mais aussi les élèves socialement les plus favorisés : leur index socioéconomique est de 0,62 alors que la moyenne est à 0. De même, la proportion de natifs est la plus élevée parmi les filières (84 %). Si l’on compare les scores en mathématiques et l’index socioéconomique moyen par filière, on observe une concomitance de ces deux mesures : plus le score est élevé, plus l’index socioéconomique est élevé, et cette relation n’a pas d’exception. On peut ainsi avancer que regrouper les élèves en fonction de leur niveau académique implique aussi de les regrouper en fonction de leur origine sociale. C’est un phénomène majeur qui permet de comprendre la production des inégalités sociales à l’école et par l’école. Et plus les paliers d’orientation sont précoces, plus ils produisent des inégalités sociales (Boudon, 1971) en différenciant plus tôt les parcours scolaires d’élèves de milieux sociaux différents. En Suisse, comme ailleurs, l’orientation scolaire est donc aussi une orientation sociale et économique. Toute la question est alors de savoir comment ce phénomène se déploie dans le contexte spécifique de chaque canton. Car derrière les catégories communes décrites au tableau 6, on observe de forts contrastes dans la répartition des élèves. Certains cantons n’ont que des filières homogènes, d’autres que des filières hétérogènes, d’autres enfin proposent un mixte des deux.
Mais les différences ne s’arrêtent pas là. Le tableau 7 montre que la définition même d’un « bon » élève – c’est-à-dire d’un élève digne d’une filière à exigences élevées – est très variable d’un canton à l’autre puisque dans certains cas ces élèves représentent moins de 15 % de l’ensemble, et dans d’autres cas plus de 60 %. Visiblement, être « bon » dépend de facteurs politiques et de facteurs locaux qui dépassent largement les qualités intrinsèques des individus.
Tableau 7 : Proportion d’élèves de chaque canton dans chaque filière comprendre comment les élèves sont répartis concrètement dans les différents curricula.
Qu’est-ce donc qu’un élève « fort », c’est-à-dire scolarisé dans une filière à exigence élevée ? Dans certains cantons, ces élèves font partie du happy few : en Thurgovie (TG) ils ne représentent que 13 % des effectifs alors qu’ils représentent plus de 40 % des fribourgeois et plus de 60 % des genevois. Est-ce à dire qu’il y a cinq fois plus de bons élèves à Genève comparé à Thurgovie ? On ne peut raisonnablement répondre par l’affirmative à cette question. De même, les filières « homogènes à exigences basses » scolarisent les élèves les plus faibles. Or, ces élèves ne représentent que 13 % de l’ensemble à Fribourg, 31 % à Zurich et plus de 40% à Berne alémanique. Est-ce à dire qu’il existe deux à trois fois plus d’élèves très faibles à Zurich et Berne qu’à Fribourg ? Là encore, on ne peut que répondre par la négative, car ces contrastes ne sont que le reflet des politiques scolaires plus ou moins élitistes, et non pas des qualités propres aux élèves.
Derrière la dénomination générale « à exigence élevée » ou « basse », on ne met pas la même réalité dans chaque canton. Et il en est de même avec les qualificatifs « homogènes » et « hétérogènes » L’exemple de Genève est de ce point de vue assez parlant. Une filière
« homogène à exigence élevée » qui scolarise plus de 60 % des élèves n’est pas une filière homogène. Il s’agit nécessairement d’une filière hétérogène car elle scolarise près des deux tiers des effectifs. Encore une fois, la diversité suisse en matière éducative s’avère être un outil précieux pour le sociologue dont le but est toujours de comparer pour mieux connaître.
Nous avons donc les moyens de faire varier les conditions et la forme des regroupements des élèves pour en mesurer les conséquences, au plan académique comme au plan social.
Chaque filière se distingue donc à l’intérieur de chaque canton par sa sélectivité sociale et académique et par la ségrégation des élèves qui en découle. Il est donc possible de mesurer les conséquences de cette sélectivité sur les scores cantonaux et la valeur ajoutée de chaque canton. Pour cela, nous devons construire les catégories pertinentes d’analyse en considérant chaque filière dans chaque canton pour en étudier les effets sur les inégalités cantonales et sociales. Le tableau 8 donne les caractéristiques de ces programmes cantonaux pour lesquels nous mobilisons le score moyen en mathématiques, l’index socioéconomique moyen, l’âge moyen des élèves et la proportion de natifs. Sans
surprise, ces programmes se distinguent fortement en fonction de l’ensemble de ces variables et par ordre d’importance : par le niveau académique de leurs élèves, puis par la proportion de natifs, par l’index socioéconomique et enfin par l’âge de leurs élèves. Autant dire que les contrastes sont forts entre ces programmes cantonaux, tant au plan académique que social. Par exemple, un programme cantonal (tableau 8) a un index socioéconomique supérieur à 116. Il s’agit de « Zurich-a » (Homogène à exigence élevée à Zurich). Et son score est aussi l’un des plus élevés avec 637. De même, l’index socioéconomique le plus bas (-0,89) est aussi à Zurich « Zurich_f » et le score moyen en mathématiques est de 450 dans ce programme. On retrouve donc les relations observées au niveau des filières : ségrégation sociale et ségrégation académique vont de pairs et c’est bien ce double phénomène qui constitue notre objet. La corrélation, calculée à partir du tableau 8, est à 0,806 entre ces deux mesures. Ce qui donne un coefficient de détermination de 0,65 (0,806 au carré). Cela signifie que 65 % des différences de scores moyens des programmes sont expliquées par la composition socioéconomique de leur public.
Encadré 2 : Les « programmes cantonaux ». Définition et modalités de construction
Nous avons défini les « programmes cantonaux » en distinguant chaque filière de chaque canton de l’enquête Pisa Suisse 2003. Nous avons construit les recodages de façon à avoir un nombre suffisant d’élèves dans chaque catégorie pour entreprendre des analyses multiniveaux. Les six filières possibles ont été notées de la façon suivante :
« a » pour « homogène à exigence élevée »,
« b » pour « homogène à exigence moyenne »,
« c » pour « homogène à exigence faible »,
« d » pour « hétérogène niveau de l’élève élevé »,
« e » pour « hétérogène niveau de l’élève moyen »,
« f » pour « hétérogène, niveau de l’élève faible ».
Par exemple à la première ligne du tableau 8 on lit : « AG_a ». Cela signifie filière « homogène à exigence élevée en Argovie ». Pour Berne alémanique et Thurgovie, nous avons procédé à des regroupements de façon à avoir un nombre significatif d’élèves et ne pas fausser les analyses multivariées. D’où le programme cantonal « Berne alémanique d, e, f » et « Thurgovie e, f ».
16 Rappelons que cet index est standardisé. Un score de « 1 » signifie que le niveau socioéconomique moyen de ce programme est supérieur d’un écart type à la moyenne, ce qui est considérable.
Tableau 8 : Les programmes cantonaux et quelques caractéristiques de leur public questionne en fait sur les effets des politiques éducatives cantonales. L’analyse de ces effets n’a de sens que si l’on prend en compte la réalité empirique des filières, et notamment la proportion d’élèves du canton qu’elles scolarisent. Or, notre analyse a montré que derrière des
dénominations communes (homogènes, hétérogènes, exigences élevées ou faibles, etc.) se cachaient des différences très significatives et potentiellement agissantes pour comprendre les inégalités cantonales et socioéconomiques17. Il nous reste donc à tester nos hypothèses par des analyses multiniveaux expliquant le score des élèves. Ce score dépend-il, toutes choses égales par ailleurs, des caractéristiques de leur filière? Peut-on délimiter des effets de contextes lié au fait de rassembler dans des filières des élèves semblables par leur niveau socioéconomique et académique ?
Tableau 9 : Effet des programmes cantonaux sur les scores en mathématiques. Six modèles multiniveaux nombre de catégories assez important (autour de 15 au minimum). Or, les filières ne sont qu’au nombre de six. La création de la variable « programme cantonal » répond donc aussi à une nécessité de méthode puisqu’elle comporte 51 subdivisions.
18 Rappelons que le Rho se calcule simplement en divisant la variance de niveau 2 par la variance totale (niveau 1 + niveau 2). Ce qui nous donne pour le modèle 1 : (3556,7 / (3556,7 + 4473)) * 100 = 44,3
Le tableau 9 montre que les caractéristiques individuelles et agrégées des élèves mobilisées dans le modèle 4, expliquent 80 % des différences de scores entre filières (le pseudo r2 est à 0,803). Cela montre que la majeure partie des différences de scores entre programmes cantonaux est le résultat de la composition de leur public. Les inégalités de compétences entre filières sont donc liés à la nature de leur public, bien plus qu’au « contexte » d’apprentissage scolaire. On peut d’autant plus avancer cette interprétation que l’on ne connaît pas le niveau de départ réel des élèves (par exemple à leur entrée au cycle d’orientation). Dans un tel cas, on pourrait mesurer avec plus de précision encore la part respective qui revient aux caractéristiques des élèves d’une part, à leur niveau initial de l’autre.
On peut donner une vision plus directe de la situation de ces filières cantonales en calculant les scores résiduels associés à chacune d’elles. On calcule ainsi leur « valeur ajoutée » compte tenu des variables à « effet fixe » introduites dans le modèle 4 : l’index socioéconomique, l’âge, le genre et le statut migratoire des élèves, l’âge moyen et le niveau socioéconomique moyen par filières. Une valeur ajoutée positive signifie que la filière en question, par exemple « hétérogène avec niveau de l’élève forts » en Valais alémanique, fait mieux que ne le laisse penser les caractéristiques individuelles et agrégée de son public. Cela revient, comme dans le cas des cantons, à simuler des scores dans l’hypothèse où le public de chacune de ces filières serait identique au regard des variables mobilisées dans l’analyse.
Autant dire que nous avons là la possibilité d’étudier les conséquences des filières, et notamment de les comparer toutes choses égales par ailleurs.
Graphique 10
Lire ainsi : Les filières hétérogènes, niveau de l’élève tenu des caractéristiques des élèves qui y sont scolarisés.
Ce qui nous intéresse ici est de produire un bilan comparé des filières de scolarisation en suisse. Quelle est la solution « optimale
scores des élèves ? Il apparaît d’abord qu’une grande variété de cas se retrouve parmi les filières et ceci quel que soit le niveau des scores résiduels. Si l’on considère les 15 fili
les scores résiduels sont les plus importants (en haut du graphique), on observe que 8 sont des filières hétérogènes, 3 sont homogènes «
hétérogènes, niveau de l’élève élevé, du canton du Valais germanophone font mieux tenu des caractéristiques des élèves qui y sont scolarisés.
Ce qui nous intéresse ici est de produire un bilan comparé des filières de scolarisation en optimale » du point de vue de l’efficacité scolaire, c’est
scores des élèves ? Il apparaît d’abord qu’une grande variété de cas se retrouve parmi les filières et ceci quel que soit le niveau des scores résiduels. Si l’on considère les 15 fili
les scores résiduels sont les plus importants (en haut du graphique), on observe que 8 sont des filières hétérogènes, 3 sont homogènes « a » et 4 « b ». La position des 15 filières dont la valeur ajoutée est la plus marquée négativement, semble plus intéressante, au sens où certaines
Ce qui nous intéresse ici est de produire un bilan comparé des filières de scolarisation en
» du point de vue de l’efficacité scolaire, c’est-à-dire des scores des élèves ? Il apparaît d’abord qu’une grande variété de cas se retrouve parmi les filières et ceci quel que soit le niveau des scores résiduels. Si l’on considère les 15 filières dont les scores résiduels sont les plus importants (en haut du graphique), on observe que 8 sont des
». La position des 15 filières dont la valeur lus intéressante, au sens où certaines filières sont très nettement sur représentées. Parmi les 15 filières dont le score résiduel est le
60
plus faible, on trouve 4 filières hétérogènes, 3 homogènes «
dire que les filières réservées aux élèves les plus faibles ont souvent des scores résiduels négatifs, alors qu’elles sont généralement conçues pour mieux encadrer ces élèves avec des classes aux effectifs réduits.
On voit ici que les conséquences de ces politiques ne sont pas
Les deux filières homogènes pour élèves faibles qui ont les scores résiduels les plus élevés sont dans les cantons de Thurgovie et de Saint
ces cantons. En termes de niveau scol
inférieur. Les trois filières « c » dont les scores résiduels sont les plus faibles sont dans le Vaud (28,3% des élèves du canton), Fribourg (14% des élèves) et Argovie (19 %). Tout porte donc à croire que les faibles valeurs ajoutées de ces filières ne sont pas dues simplement au niveau de départ de leurs élèves (non mesurable de façon systématique dans le cadre des enquêtes Pisa) car il est fort peu probable que le tiers des élèves d’un canton soie
bien ici dans un effet de contexte éducatif qui produit de moindres performances en 9
fait de rassembler dans des filières peu exigeantes des élèves jugés faibles en fin de primaire.
La même comparaison peut être cond
homogènes (filières « a ») soit hétérogènes (filière «
assez équilibré : 3 font partie des 15 premiers scores résiduels, 3 des plus faibles et le re dans une position médiane. Mais aucune filière hétérogène «
plus faibles, 3 font partie des 15 premiers et 2 sont en position médiane.
Autant dire que dans le cadre de notre analyse et au regard des variable
filières hétérogènes font mieux que les homogènes. On peut en effet approcher le niveau de départ des élèves en considérant leur filière de scolarisation ou leur groupe de niveau.
Graphique 11 : Scores résiduels des élèves jugés forts, m fonction du type de filière fréquentée
plus faible, on trouve 4 filières hétérogènes, 3 homogènes « a » et 8 homogènes «
servées aux élèves les plus faibles ont souvent des scores résiduels négatifs, alors qu’elles sont généralement conçues pour mieux encadrer ces élèves avec des
On voit ici que les conséquences de ces politiques ne sont pas à la hauteur des objectifs.
Les deux filières homogènes pour élèves faibles qui ont les scores résiduels les plus élevés sont dans les cantons de Thurgovie et de Saint-Gall, qui représentent autour de 35% des élèves de ces cantons. En termes de niveau scolaire en fin de primaire, ils étaient donc dans le tercile
» dont les scores résiduels sont les plus faibles sont dans le Vaud (28,3% des élèves du canton), Fribourg (14% des élèves) et Argovie (19 %). Tout porte donc à ire que les faibles valeurs ajoutées de ces filières ne sont pas dues simplement au niveau de départ de leurs élèves (non mesurable de façon systématique dans le cadre des enquêtes Pisa) car il est fort peu probable que le tiers des élèves d’un canton soient très faibles. On est donc bien ici dans un effet de contexte éducatif qui produit de moindres performances en 9
fait de rassembler dans des filières peu exigeantes des élèves jugés faibles en fin de primaire.
La même comparaison peut être conduite pour les filières scolarisant les meilleurs élèves soit
») soit hétérogènes (filière « d »). Sur les 12 filières « a
: 3 font partie des 15 premiers scores résiduels, 3 des plus faibles et le re
dans une position médiane. Mais aucune filière hétérogène « d » ne fait partie des 15 filières les plus faibles, 3 font partie des 15 premiers et 2 sont en position médiane.
Autant dire que dans le cadre de notre analyse et au regard des variable
filières hétérogènes font mieux que les homogènes. On peut en effet approcher le niveau de départ des élèves en considérant leur filière de scolarisation ou leur groupe de niveau.
: Scores résiduels des élèves jugés forts, moyens ou faibles en fonction du type de filière fréquentée
» et 8 homogènes « c ». Autant servées aux élèves les plus faibles ont souvent des scores résiduels négatifs, alors qu’elles sont généralement conçues pour mieux encadrer ces élèves avec des
à la hauteur des objectifs.
Les deux filières homogènes pour élèves faibles qui ont les scores résiduels les plus élevés sont Gall, qui représentent autour de 35% des élèves de aire en fin de primaire, ils étaient donc dans le tercile
» dont les scores résiduels sont les plus faibles sont dans le Vaud (28,3% des élèves du canton), Fribourg (14% des élèves) et Argovie (19 %). Tout porte donc à ire que les faibles valeurs ajoutées de ces filières ne sont pas dues simplement au niveau de
» dont les scores résiduels sont les plus faibles sont dans le Vaud (28,3% des élèves du canton), Fribourg (14% des élèves) et Argovie (19 %). Tout porte donc à ire que les faibles valeurs ajoutées de ces filières ne sont pas dues simplement au niveau de