Validité de construit : Corrélations et Analyse factorielle

3.3.2.4. 3.3.2.4.

3.3.2.4. Validité de construitValidité de construitValidité de construitValidité de construit : Corrélations et Analyse factorielle: Corrélations et Analyse factorielle: Corrélations et Analyse factorielle: Corrélations et Analyse factorielle

La vérification de la validité de construit d'un questionnaire peut passer par différentes méthodes qui visent toutes à établir jusqu'à quel point le test fournit une mesure adéquate du construit théorique qu'il prétend mesurer. La validité de construit ne se justifie pas en une fois, elle est plutôt issue d'une accumulation progressive de données qui s’ancrent dans un réseau d'explications et de justifications théoriques.

La validité de construit s'établit d'abord en montrant la correspondance entre la théorie et certains faits qu'elle prédit. Par conséquent, le processus de validation de construit implique la «qualité» de la mesure mais aussi la «qualité» de la construction théorique sous-jacente.

Notre théorie spécifie un construit central : la symbiose, relié à un comportement mesurable : l’usage des technologies. Ce construit est composé de 6 autres construits qui sont attendus très fortement reliés entre eux puisque les items ont été volontairement rédigés pour être l’objet de croisement. Ces croisements nous laissent supposer une structure éventuelle en 9 facteurs correspondant au croisement des construits (3 en ligne et 3 en colonne).

Nous constaterons la validité de construit de différentes manières afin d’avoir une richesse d’analyse suffisante :

− l’analyse factorielle devrait présenter 9 facteurs correspondant aux croisements entre les lignes et colonnes de notre tableau, à savoir les dimensions de la symbiose (fonctionnalités…) et les niveaux (humain…).

Nous avons donc tout d’abord corrélés les scores obtenus aux sous-échelles avec les items qui sont normalement destinés à leur mesure.

Nous avons obtenu :

− pour l’échelle de fonctionnalités, des corrélations allant de .57 à .82.

− pour l’échelle d’utilisabilité, des corrélations allant de .72 à .81.

− pour l’échelle de régulations, des corrélations allant de .42 à .80.

− pour l’échelle de la technologie, des corrélations allant de .51 à .78.

− pour l’échelle de l’humain, des corrélations allant de .43 à .79.

− pour l’échelle du contexte, des corrélations allant de .38 à .79. Les résultats détaillés sont présentés dans le tableau 17 ci-dessous.

Numéro des items 1 2 3 4 5 6 7 8 9

Fonctionnalités

Corrélation avec la

moyenne à l’échelle .66 .82 .61 .79 .74 .75 .65 .63 .57

Numéro des items 10 11 12 13 14 15 16 17 18

Utilisabilité

Corrélation avec la

moyenne à l’échelle .76 .76 .73 .81 .80 .66 .76 .73 .72

Numéro des items 19 20 21 22 23 24 25 26 27

Régulations

Corrélation avec la

moyenne à l’échelle .62 .80 .67 .58 .72 .63 .42 .69 .72

Numéro des items 1 2 3 10 11 12 19 20 21

Technologie

Corrélation avec la

moyenne à l’échelle .64 .78 .60 .76 .72 .65 .69 .76 .51

Numéro des items 4 5 6 13 14 15 22 23 24

Humain

Corrélation avec la

moyenne à l’échelle .74 .75 .76 .79 .77 .65 .43 .76 .62

Numéro des items 7 8 9 16 17 18 25 26 27

Contexte socio-

organisationnel

Corrélation avec la

moyenne à l’échelle .65 .69 .65 .57 .76 .79 .38 .68 .70

Tableau 17. Corrélations des scores moyens aux différentes sous-échelles avec les items auxquels ils renvoient (p = .01).

Ces corrélations élevées à très élevées semblent appuyer notre découpage. Cependant, nous avons tout de même souhaité procéder à une analyse factorielle en composante principale avec rotation Varimax pour avoir une lecture plus riche de nos analyses.

L'analyse factorielle est une méthode statistique complexe qui permet de faciliter l'interprétation d'une structure de coefficients de corrélation. L’analyse factorielle permet de mettre ensemble les items qui semblent mesurer le même construit et de distinguer ceux qui mesurent des construits distincts donc peu corrélés. On appelle facteurs les construits ainsi extraits de façon empirique.

Après analyse et suppression des six items ayant les plus faibles saturations (9, 17, 19, 24, 25 et 26), une analyse en trois facteurs ayant une valeur propre supérieure à 1 se dessine. Parmi ces facteurs, un se détache clairement. Ainsi, le premier facteur Bonne

corrélation entre la sous-échelle et les items correspondants.

sature avec la plupart des items et a une valeur propre de 9,41 pour une variance expliquée de 45% environ. Les deux autres facteurs sont beaucoup moins explicatifs : le second facteur a une valeur propre de 2,04 seulement pour 9,73% de la variance expliquée, le troisième de 1,15 pour 5,50%.

Items 1 2 3

13. Je parviens facilement à utiliser les TIC. 2. Je suis à l’aise dans la manipulation des TIC.

4. Je sais comment faire pour réaliser ce que je souhaite à l’aide des TIC. 14. Simplement en regardant une TIC, je sais en général comment m’en servir. 6. Je pense que je suis capable de réparer une TIC en panne.

11. Même si je ne connais pas du tout une TIC, je peux apprendre rapidement à m’en servir. 10. Pour moi, les TIC sont simples d’utilisation.

5. Si une TIC est en panne, j’essaie de bidouiller pour la remettre en fonctionnement. 16. J’arrive à savoir ce que j’ai à faire en regardant une TIC.

23. Je sais gérer les changements que m’imposent les TIC. 1. Je sais ce que l’on peut réaliser avec les TIC.

3. Je n’ai jamais de problème avec les TIC.

.824 .804 .783 .773 .734 .741 .696 .692 .655 .603 .565 .562 .192 - - .286 .125 .175 .231 .124 .402 .339 .131 .112 .209 .298 .249 - - .185 .252 .105 - .330 .295 .106 21. J’ai l’impression que les TIC précèdent ce que seront mes besoins de demain.

22. Le fait d’utiliser des TIC me fait changer personnellement.

18. La même activité est plus ludique quand je la réalise grâce aux TIC.

12. Même sans réaliser une activité a priori ludique, le simple fait d’utiliser une TIC m’amuse. 27. Les changements sociaux produits par les TIC sont bénéfiques car ils me permettent d’être innovant.

15. J’aime beaucoup passer du temps à comprendre comment fonctionne une TIC.

20. Au fur et à mesure de leur évolution, les TIC répondent de mieux en mieux à mes attentes. - - .303 .469 .272 .423 .316 .686 .682 .662 .641 .639 .590 .584 .358 .114 .248 -.113 .286 - .512 8. Les TIC proposent des fonctions qui me permettent d’être plus efficace.

7. Les fonctionnalités proposées par les TIC me sont utiles.

.257 .305 .241 .231 .773 .745 Tableau 18. Matrice des composantes. Méthode d’extraction : Analyse en composantes principales. Méthode de rotation : Varimax avec

normalisation de Kaiser.

Relativement à la qualité du questionnaire, cette analyse factorielle nous renseigne sur certains points. A partir de la matrice des composantes, nous pouvons avancer des interprétations des différents facteurs.

Les répondants ont envisagé trois éléments distincts dans les questions proposées quant à leur relation à la technologie qui sont distingués par les trois facteurs.

Le premier facteur, qui apporte le plus d’explicativité dans ce modèle, renvoie à ce que nous nommerons un sentiment de maîtrise qui pourrait s’approcher de ce que Bandura (1986) a appelé l’efficacité personnelle perçue, ici envisagée en lien avec les nouvelles technologies en général (capacité à les utiliser, à les réparer, à apprendre leur fonctionnement, à identifier leur utilité, à s’y adapter). Il comprend 12 items. Ces items sont principalement issus des sous-échelles des fonctionnalités et de l’utilisabilité. Ceci semble assez logique puisque les fonctionnalités et la simplicité d’utilisation peuvent, par définition, faire l’objet d’une maîtrise. Cependant, un item est issu de la sous-échelle des régulations. Cet item renvoie à la capacité de gestion des modifications engendrées par les TIC. Faisant appel comme l’ensemble des items classés dans ce facteur, aux aptitudes, capacités, possibilités du répondant, il semble logique qu’il fasse partie de ce groupe au même titre que les autres.

Le second facteur, qui comprend 7 items, fait plutôt référence à l’imbrication entre les activités humaines et les technologies et plus précisément aux bénéfices réciproques obtenus par les deux symbiotes compte tenu de leur interaction et Une structure factorielle en trois facteurs. Premier facteur : le sentiment de maîtrise. Second facteur : bénéfices mutuels de l’interaction.

coévolution (adaptations réciproques des technologies aux besoins humains et des humains aux technologies, plaisir issu de l’interaction, innovation permise). Ces items sont pour partie issus de la sous-échelle de l’utilisabilité et pour partie de la sous-échelle des régulations.

Enfin, le troisième facteur, qui ne comprend que deux items et explique 5,5 % de variance, fait clairement référence à l’utilité perçue telle qu’elle pourrait être définie par Davis (1989). Ces deux items sont issus de la sous-échelle des fonctionnalités et renvoient directement à l’utilité perçue (est utile, me rend plus efficace).

Dans un second temps, il est possible de préciser que la répartition ne correspond pas à la manière dont le questionnaire et donc la théorie sous-jacente a été découpée. Cependant, ce résultat est plutôt cohérent à nos attentes pour différentes raisons. Tout d’abord, le découpage réalisé correspondait plutôt à une vision de la symbiose du côté du concepteur ou de l’analyste et assez peu à la vision que peut en avoir l’utilisateur qui répond à ce questionnaire. Enfin, les dimensions et niveaux de la symbiose, tels qu’ils sont envisagés sont fortement interdépendants puisqu’il s’agit d’un modèle croisé. Ainsi, une même question renvoie à un niveau et à une dimension simultanément. Ainsi, les éléments émergents dans cette analyse sont des éléments transversaux aux différents niveaux et dimensions de la symbiose.

Nous reviendrons sur cette analyse factorielle dans la partie suivante traitant de la qualité du modèle puisqu’elle permet également de préciser et d’améliorer la théorie de la symbiose.