Lien entre représentation du cours et temps passé sur les outils numériques à

D’abord, nous créons un score du temps passé sur ordinateur ou sur smartphone à faire des activités sans rapport avec le cours. Puis nous créons deux scores de représentation du cours. Pour cela, nous nous appuyons d’une part sur l’échelle de Likert et d’autre part sur le différentiel sémantique portant sur les cours. Nous réalisons deux scores, car ces deux outils mesurent différemment la représentation du cours. Alors que le premier a une échelle en six points, le second comporte sept points. Pour chaque score, la fiabilité est calculée à partir du test de fiabilité de Cronbach.

Enfin, nous réalisons une analyse de régression multiple, intégrant les deux scores calculés.

2.1.1. Création du score du temps passé en cours sur ordinateur ou sur smartphone à faire des activités sans rapport avec le cours

Tout d’abord, nous avons réalisé un score du temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours. Pour ce faire, nous avons additionné les variables « temps des activités sur ordinateur » et « temps des activités sur smartphone ».

2.1.2. Création des scores de représentation du cours et tests de fiabilité 2.1.2.1. Représentation du cours à partir de l’échelle de Likert

Un score de représentation du cours a été calculé à partir des items de l’échelle de Likert qui concernent la représentation du cours. Nous avons retenu les items suivants, qui sont tous tournés dans une représentation négative des cours :

- « Les cours sont ennuyants » ; - « Il n’y a pas assez de pauses » ;

- « Je ne me sens pas concerné par tous les cours » ; - « Les cours sont trop longs » ;

- « Les cours ne sont pas assez interactifs » ; - « Je m’ennuie en cours ».

89

Nous avons testé la fiabilité de ce score par le test de Cronbach, il permet de mesurer

« la cohérence interne d’une échelle construite à partir d’un ensemble d’items » (Carricano, Poujol, Bertrandias, 2010). Voici le résultat :

Tableau 7. Test de fiabilité pour le score de représentation du cours à partir de l’échelle de Likert

Statistiques de fiabilité Alpha de

Cronbach

Nombre d'éléments

,781 6

L’alpha de Cronbach obtenu est de 0,781. Il s’agit d’un score acceptable si l’on considère que le seuil d’acceptabilité est de 0,7 pour une étude exploratoire et de 0,8 pour une recherche fondamentale (Carricano, Poujol, Bertrandias, 2010).

2.1.2.2. Représentation du cours à partir du différentiel sémantique

Un deuxième score de représentation du cours a été calculé à partir des items suivants du différentiel sémantique :

- plaisant | déplaisant ; - jovial | triste ;

- agréable | désagréable ; - épanouissant | abêtissant ;

- riche en contenu | pauvre en contenu ; - actif | passif ;

- intéressant | inintéressant ; - organisé | désorganisé ; - signifiant | insignifiant ; - créatif | non-créatif ; - rapide | lent ;

- interactif | non-interactif.

Le test de fiabilité de Cronbach a été appliqué à cet ensemble d’items, en voici le résultat :

90

Tableau 8. Test de fiabilité pour le score de représentation du cours à partir du différentiel sémantique

Statistiques de fiabilité Alpha de

Cronbach

Nombre d'éléments

,848 13

L’alpha de Cronbach étant de 0,848, le score de représentation du cours calculé à partir du différentiel sémantique peut être considéré comme fiable.

2.1.3. Rappel des hypothèses H0 et H1

D’une part nous avons les scores de représentation du cours, et d’autre part, nous avons créé un score du temps passé sur ordinateur et smartphone à faire des activités sans rapport avec le cours. À partir de ces scores, nous souhaitons connaître l’influence qu’exerce la représentation du cours sur le temps que prennent les activités sans rapport avec le cours.

La variable dépendante est ici la variable « temps passé en cours sur ordinateur à faire des activités sans rapport avec le cours ». La variable indépendante est donc la variable

« représentation du cours ». Posons H0 comme l’hypothèse nulle, c’est-à-dire que la représentation du cours n’influence significativement pas le temps que les étudiants passent en cours à faire des activités numériques sans lien avec le cours. H1 correspond à une influence significative de la représentation du cours sur ce temps.

2.1.4. Analyse de régression linéaire multiple

Afin de connaître le lien entre les variables, une analyse de régression linéaire est produite³⁴. L’analyse de régression linéaire permet d’étudier « l’effet d’une variable numérique x sur une autre variable numérique y », « la régression permet d’estimer de quelle quantité la variable dépendante sera modifiée en cas de changement de la VI » (Dancey, Reidy, 2016, p. 432).

Pour l’interprétation des résultats, nous suivons la procédure décrite par Ghewy (2010).

34 Tableaux disponibles en annexe 24 « Analyse de régression linéaire multiple pour le lien entre la représentation du cours et le temps passé sur ordinateur et smartphone à faire des activités sans rapport avec le cours ».

91

Tout d’abord, le R-deux, qui exprime la quantité d’information restituée par le modèle (Ghewy, 2010) indique que le modèle restitue 8,2% de l’information exprimée dans les deux variables de départ. En d’autres termes, la représentation du cours explique 8,2%

de la variable « temps passé sur ordinateur ou smartphone à faire des activités sans rapport avec le cours ».

Ce modèle de régression multiple est significatif à 0,005. Plus particulièrement, la représentation du cours calculée à partir de l’échelle de Likert est significative à 0,001, tandis que celle qui est calculée à partir du différentiel sémantique n’est pas représentative.

Plus précisément, un lien négatif significatif est mis en évidence pour la représentation du cours calculée à partir de l’échelle de Likert (r = -0,296, p = 0,001). Le Bêta (r) permet de voir « la contribution de chaque variable puisqu’il s’agit du coefficient de régression ramené sur une échelle standard » (Carricano, Poujol, Bertrandias, 2010, p. 157). En d’autres termes, lorsque la représentation du cours augmente d’un écart-type, le temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours diminue de 0,296.

En revanche, la représentation du cours, calculée à partir du différentiel sémantique, exerce une influence négative non significative. Lorsque la représentation du cours augmente d’un écart-type, le temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours diminue de 0,69, mais cette variation n’est pas significative.

Ainsi, la représentation du cours calculée à partir de l’échelle de Likert exerce une influence significative sur le temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours. Cette influence est plus forte que celle qu’exerce la représentation du cours calculée à partir du différentiel sémantique. On peut interpréter cette différence entre les deux calculs de représentation du cours par l’idée que les deux calculs ne renvoient effectivement pas à la même chose.

92

Figure 7. Diagramme de régression linéaire entre les variables "représentation du cours" et "temps total passé sur ordinateur ou smartphone à faire des activités sans rapport avec le cours"

Dans ce diagramme de régression linéaire simple, seule la représentation du cours calculée à partir de l’échelle de Likert est utilisée, car la représentation du cours calculée à partir du différentiel sémantique n’est pas significative. On constate que le R² est de 0,078, ce qui signifie que la variable « représentation du cours », calculée à partir de l’échelle de Likert, explique 7,8% de la variance du temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours.

Pour conclure, la représentation du cours influence significativement le temps passé en cours sur ordinateur ou smartphone à faire des activités sans rapport avec le cours.

L’hypothèse H0 est donc rejetée, et l’hypothèse H1 impliquant une influence entre les variables est gardée. Toutefois, seule la représentation du cours calculée à partir de l’échelle de Likert exerce une influence significative au sein du modèle, ce qui montre une limite méthodologique de calcul de la représentation du cours.

93