La différence entre les genres dans le processus d'adoption d'un logiciel de dessin à partir du modèle de l'acceptabilité des nouvelles technologies (TAM)

Master

Reference

La différence entre les genres dans le processus d'adoption d'un logiciel de dessin à partir du modèle de l'acceptabilité des nouvelles

technologies (TAM)

DE RIBAUPIERRE, Hélène

Abstract

Ce mémoire porte sur les différences entre les genres sur l'adoption des nouvelles technologies en utilisant le modèle TAM (technology acceptance model), nous analysons ces différentes variables et le genre. De plus, nous avons redéfini le modèle du TAM, en y intégrant certaines variables supplémentaires que nous avons trouvé dans la littérature traitant du TAM et de ces variantes. Les variables testées sont l'auto-efficacité, l'expertise informatique, l'anxiété informatique, la perception de facilité d'utilisation, la perception d'utilité et l'intention future d'utilisation. Nous avons utilisé un questionnaire en ligne et avons fait passer un tutoriel sur un logiciel de dessin. En effectuant une série de test statistique, nous pouvons observer que la différence entre les femmes et les hommes n'est pas significative sur toutes les variables, et que l'interaction entre les différentes variables peut fortement interagir sur les différences de genre.

DE RIBAUPIERRE, Hélène. La différence entre les genres dans le processus d'adoption d'un logiciel de dessin à partir du modèle de l'acceptabilité des nouvelles

technologies (TAM). Master : Univ. Genève, 2009

Available at:

http://archive-ouverte.unige.ch/unige:8503

Disclaimer: layout of this document may differ from the published version.

1 / 1

La différence entre les genres dans le processus d‛adoption d‛un logiciel de dessin à partir du modèle de l‛acceptabilité des nouvelles

technologies (TAM)

Mémoire présenté par Hélène de Ribaupierre

En vue de l’obtention du master en Système d’Information et Communication en faculté de Science économique et sociale

2 septembre 2009

Direction: Gilles Falquet Supervision: Patrick Roth

Par souci de lisibilité, l’emploi du masculin comprend les femmes et les hommes dans l’ensemble de ce document.

On ne naît pas femme, on le devient (Simone de Beauvoir)

1.INTRODUCTION 3 

1.1 Objet de la recherche: 3 

1.2 Problématique de la recherche 4 

1.3 Plan 4 

1.4 Définition des termes 5 

2.MODELE DE RECHERCHE ET HYPOTHESES 7 

2.1 L'expérience informatique 9 

2.2 L'auto-efficacité informatique (SEC) 10 

2.3 L'anxiété informatique 13 

2.4 La perception de la facilité d'utilisation (PF U) 14 

2.5 La perception de l'utilité (PU) 15 

2.6 L'usage du système ou l'intention d'utilisation 15 

2.7 Nouveau modèle 17 

3.METHODOLOGIE DE LA RECHERCHE 19 

3.1 Plan de sondage 19 

3.2 Récolte des données 19 

3.3 Échantillonnage 20 

3.4 Mode de passation 27 

3.5 Questionnaire 29 

3.5 Les difficultés 35 

4.R^ESULTATS 37 

4.2 Le système d'exploitation le plus souvent utilisé 37 

4.3 Possession de son propre ordinateur 38 

4.4 Temps d'utilisation de l'ordinateur 39 

4.5 Expérience Informatique 41 

4.6 Auto-efficacité informatique 44 

4.7 Anxiété face à un ordinateur 52 

4.8 Perception de la facilité d’utilisation (PFU) 58 

4.9 Perception de l'utilité de l'application 62 

4.10 Intention d'utilisation 67 

4.11 Corrélations 71 

5.DISCUSSION DES RESULTATS 73 

6.CONCLUSION 81 

BIBLIOGRAPHIE 87 

ANNEXE 91 

Planning 91 

Tableaux: 93 

Tableaux descriptifs: 93 

Résultats de Cronbach 95 

Tableau temps passé sur un ordinateur (TPO): 98 

Tableau expérience informatique. 100 

Tableaux auto-efficacité informatique (SEC) 103 

Tableaux Anxiété face à un ordinateur: 114 

2

Tableaux perception de facilité d'utilisation: 121 

Tableaux perception d'utilité: 126 

Tableaux intention d'utilisation : 133 

Questionnaire 137 

Grille de codage 146 

REMERCIEMENTS 151 

1. Introduction

1.1 Obj et d e la r echer che:

L'adoption des nouvelles technologies dans le monde occidental est une composante importante de la réussite professionnelle d'un individu. A l'heure actuelle, il est difficile de trouver un travail ne nécessitant pas un minimum de connaissance des nouvelles technologies, spécialement en ce qui concerne l'informatique. De plus, nous les utilisons aussi quotidiennement dans des buts de communication et de divertissement, et cette utilisation est de plus en plus fréquente. Malgré cela, il semble exister un fossé entre les femmes et les hommes dans l'utilisation des ordinateurs. Les femmes sont moins nombreuses à suivre des études informatiques (à l'Université de Genève dans le département d'informatique en Science il y a 9% de femmes¹). Le marché du divertissement est plus important pour les hommes que pour les femmes. L'utilisation de l'informatique ne semble pas être la même pour les femmes que pour les hommes, certaines études que nous verrons montrent que les femmes utilisent l'informatique de façon plus utilitariste que les hommes. L'achat des ordinateurs et leurs ventes sont toujours un domaine réservé aux hommes ; en tant que femmes, que l'on soit d'un côté ou de l'autre du comptoir, il faut faire ses preuves pour être prise au sérieux, cela peut sembler normal au vu des images négatives que transportent les médias concernant les femmes et les nouvelles technologies². Quant à l'image des femmes dans l'histoire de l'informatique, elle est quasiment inexistante. Néanmoins, de nombreuses femmes ont permis l'avancée de l'informatique, mais elles sont souvent oubliées ; on peut citer Ada Lovelace, souvent oubliée de l'histoire de la machine analytique de Babbage, ou simplement citée comme la traductrice des écrits de Babbage, mais plus rarement comme celle qui aurait écrit le premier algorithme. L'ENIAC est aussi un exemple frappant. Les deux personnes les plus souvent citées dans les récits historiques sont John Mauchley et Presper Eckert (les constructeurs), mais l'histoire cite moins souvent les six

programmeuses, qui sont : Marlyn Meltzer, Ruth Teitelbaum, Frances Spence, Kathleen Antonelli, Jean Jennings Bartik et Betty Holberton³. Il existe un certain nombre d'exemples comme ceux-ci.

Ces oublis contribuent alors à renforcer une image très masculine du monde de l'informatique, encore plus qu'elle ne l'est réellement.

On peut donc se demander si l'ordinateur ne serait pas un artefact genré.

1 http://www.unige.ch/rectorat/egalite/informations/statistiques-1.html

2 http://www.ada-online.org/doc/ImagesFemmesItFR.pdf

3 http://www.ada-online.org/frada/spip.php?article102

4

Pourquoi les femmes ne sont-elles pas aussi présentes dans l'informatique que les hommes, et pourquoi ce chiffre qui devrait augmenter au fil du temps en raison de l’augmentation dans l’égalité  hommes-femmes reste stable voir, dans certain cas diminue. Existe-t-il des pratiques différentes de l'informatique entre les femmes et les hommes, et un cheminement différent dans l'adoption des nouveaux logiciels qui mettent un frein à l'augmentation du nombre de femmes dans

l'informatique? Les facteurs explicatifs de ce phénomène sont bien sûr nombreux et

transdisciplinaires. Il est certain que l'éducation, le cadre social, économique, etc. participent à ce phénomène, et seront toujours présents dans l'esprit de cette recherche, mais ne vont pas entrer directement dans les variables empiriques utilisées. Pour approfondir les facteurs d’un point de vue  plus sociologique, l’article de Turkle (1986) reste une bonne référence. L’auteure montre entre  autres que la socialisation des femmes joue un très grand rôle dans le choix d’une utilisation des  technologies.

C'est donc une question très large, qui peut être abordée par différents angles. C’est en partant d’un  modèle de prédiction d'adoption des technologies (TAM) que cette recherche va être menée.

L’objectif est d’examiner quelles sont les variables les plus sensibles permettant de prédire l’adoption d'un nouveau logiciel de dessin, et la différence de genre sur ces variables. 

1.2 Problématiqu e de la rec he r che

L'adoption d'une nouvelle technologie/logiciel/outil technologique par un utilisateur ou un groupe d'utilisateurs a donné lieu à différents modèles de prédictibilité d'adoption. Ces modèles permettent de faire ressortir différentes variables pouvant influencer cette adoption.

Dans la suite de ce travail, nous allons voir plus en détail les différentes études, leurs résultats, et nous allons essayer de reconstruire un modèle prenant en compte certaines variables que nous trouvons importantes de tester. Reconstruire ce modèle selon ces variables, va offrir un cadre permettant de construire le questionnaire pour répondre à la problématique principale: existe-t-il une différence dans le processus prédictif d'acceptabilité d'un système⁴ / outil informatique entre les femmes et les hommes, sur la base du modèle TAM⁵ (techonoloy acceptance model)? Le genre a-t- il une incidence sur les variables du TAM et si oui, quelles sont les variables les plus sensibles à un effet de genre?

1.3 Plan

Ce travail est découpé en six chapitres: l'introduction, le modèle de recherche et les hypothèses, la méthodologie de la recherche, les résultats, la discussion des résultats et la conclusion. Chacun de

4 Un système informatique est souvent vu comme une entité plus complète qu'une application informatique 5 Vous trouverez la définition ci-dessous

ces chapitres est lui-même découpé en plusieurs sous-chapitres.

Le présent chapitre rassemble l'objet de la recherche, sa problématique et les définitions des termes les plus importants. Dans le deuxième chapitre, nous présenterons les différentes variables utilisées dans le TAM et les hypothèses de recherches que nous proposons en fonction de ces variables et de recherches précédentes. Le chapitre est organisé en fonction de ces différentes variables. Le troisième chapitre rapportera la méthodologie de la recherche et les difficultés auxquelles nous avons dû faire face au niveau du plan d'expérimentation. Le quatrième chapitre est consacré aux résultats de l'expérimentation, son organisation par chapitre est la même que celle du deuxième chapitre. Le cinquième chapitre sera consacré à la discussion de ces résultats en fonction des hypothèses avancées. Le sixième chapitre permet de conclure cette recherche, de proposer de futures pistes exploratoires et d’examiner certaines difficultés du travail. 

1.4 Définition des termes

Genre:

Nous utiliserons le terme genre et non sexe dans le reste de ce travail pour définir la différence entre les femmes et les hommes. Ce terme dans les définitions les plus courantes est beaucoup plus large et prend en compte aussi les aspects sociaux, psychologiques et culturels de l’appartenance  sexuelle. Ces dimensions ne sont généralement pas prises en compte par la définition du mot sexe.

Si une différence dans l’adoption des nouvelles technologies existe, elle n’est certainement pas de  nature biologique ; il faut donc recourir à un terme ne définissant pas seulement une différence biologique, mais aussi sociologique, psychologique et culturelle. La définition du genre retenue est une parmi tant d’autres, mais elle reflète ces différentes dimensions. Elle est tirée d’une fiche  d’information de l'Office fédéral de la santé suisse :

"Le terme genre en revanche englobe les dimensions psychologiques, sociales et culturelles de l’appartenance sexuelle : rôles et relations sociaux, caractéristiques personnelles, attitudes et  comportements, valeurs, puissance et influence, etc. qui sont attribués (différemment) selon l’appartenance sexuelle. Tout ceci donne des renseignements sur ce que cela veut dire être une femme ou un homme dans une société⁶ ".

Acceptabilité ou adoption d'une technologie:

Ces deux termes sont très proches, nous les utiliserons dans le même sens. L'acceptabilité peut être définie comme le fait qu'un utilisateur accepte ou adopte une nouvelle technologie et à quel degré.

Pour Nielsen⁷ (1993) (:System acceptability, Nielsen, 1993Figure 1), il existe deux grandes

6 http://www.bag.admin.ch/themen/gesundheitspolitik/00394/00402/01422/01427/index.html?lang=fr

7 http://www.alter-ergo.com/article-facteurs-acceptation-utilisateurs.html

6

familles d'acceptabilité : l’acceptabilité sociale et l’acceptabilité pratique. Dans ce travail, nous ne  traiterons pas de l'acceptabilité sociale directement ; en effet, nous pouvons supposer qu'un logiciel de dessin est une application socialement acceptable.

Nous allons traiter de l'acceptabilité pratique. Un grand nombre de variables influencent cette acceptation technique de la part d'un utilisateur. Certaines de ces variables vont être discutées dans la suite de ce travail, ce sont principalement les variables communes entre les travaux de Nielsen et le modèle TAM.

Figure 1 :System acceptability, Nielsen, 1993

Technology acceptance model (T A M):

En français, il peut se traduire par Modèle d'Adoption des Technologies. Comme nous le verrons plus amplement dans la suite de ce travail, Davis est à l'origine de ce modèle élaboré en 1986. Il permet de prédire l'adoption du système testé et de voir qu'elles sont les modifications à faire pour que cette application ou technologie puisse être mieux acceptée.

Les différentes variables utilisées dans le TAM seront définies plus tard dans les chapitres les concernant.

2. Modèle de reche rche et hypot hèses

Comme nous le verrons par la suite, il existe un certain nombre de travaux traitant du TAM, des différents modèles inspirés par celui-ci, ou des différentes variables de ce modèle. Par contre, il existe beaucoup moins de travaux traitant de ces modèles et du facteur genre. Comme pour beaucoup de travaux en interface homme machine (IHM), l'interdisciplinarité pose le challenge de la transmission de l'information et des recherches parmi les groupes de recherches. Le résultat de ce manque d'information est le nombre d'études assez diverses, et difficiles à trouver. Dans ce

chapitre, nous survolerons rapidement les différents travaux qui ont traité de l’informatique et du  genre dans le processus d’adoption des nouveaux logiciels, systèmes, techniques, etc. en les reliant  avec les différentes hypothèses que nous avons développées ci-dessous.

Ce survol n’est pas exhaustif, mais essaie de montrer les différentes approches qui ont été suivies pour traiter de cette problématique, il va se concentrer sur les travaux utilisant le TAM (The technology Acceptance Model) de Davis (1986) (Figure 2).

Historiquement, le TAM vient du modèle de l’action raisonnée (TRA) de Fishbein et Ajzen de  1975. Le modèle de l’action raisonnée postule que des liens existent entre les croyances, les  attitudes, les normes, les intentions et les comportements des individus. Le comportement d’un  individu serait déterminé par l’interaction entre ces différentes variables. Le TAM permet de  prédire l'acceptabilité d'un outil et d'identifier les modifications qui doivent être apportées au système pour le rendre plus acceptable pour l'usager. Ce modèle conceptuel, et ses modèles dérivés, empiriquement testés, montrent que plusieurs variables ont une influence sur l'acceptabilité d'un système d'information par un utilisateur. Le modèle d'origine (Davis, 1986) insiste beaucoup sur la perception de l'utilité et la perception de la facilité d'utilisation comme variable déterminante. Le modèle d’origine propose d’autres variables toutes incluses dans ce que Davis appelle les variables  externes, qui par l’entremise de la perception d’utilisation et de la perception de facilité

d’utilisation influence aussi l’attitude à utiliser un système qui va elle-même influencer l’intention  d’utilisation et cette intention d’utilisation va influencer l’utilisation du système. La perception  d’utilité va influencer indirectement et directement l’intention d’utilisation. La perception de  facilité d’utilisation interagit aussi avec la perception d’utilité. L’usager trouvant l’utilisation d’une  application plus facile qu’une autre pour la même tâche, va trouver cette application plus utile même si les deux applications ont exactement la même utilité. D'autres études (Chau, 2001; Ong &

Lai, 2004; Gefen & Straub, 1997; Igbaria & Iivari, 1995) montrent que d'autres variables influencent aussi de manière significative l’acceptabilité de façon directe ou indirecte. Ces différentes variables sont l'anxiété face à l'ordinateur, l'expérience informatique, le niveau d'auto- efficacité, le support organisationnel, et, chapeautant tout cela, le genre.

8

Figure 2 : T A M, Davis, 1986

8

Notre recherche est axée sur l'utilisation d'un logiciel de dessin en ligne (Splashup). L’utilisateur va  répondre à une première série de questions, qui sera suivie de la réalisation d’un dessin d'après un  tutoriel. Suivi à nouveau d’une deuxième série de questions. Contrairement à d'autres applications informatiques, les logiciels de dessin (sauf pour les professionnels) n'ont pas d'utilité à proprement parler. Ils sont plutôt classés dans la catégorie divertissement; ainsi une variable comme la

perception de l'utilité risque d'avoir des effets et des résultats différents dans ce cas, relativement à une application utilitaire (type: feuille de calcul ou traitement de texte). Étant donné le choix que nous avons fait de la méthode de passation du questionnaire dans cette recherche, nous ne pourrons pas être en mesure de mesurer la variable : support organisationnel. Cette variable ne rentrera donc pas dans le cadre de cette recherche.

La suite de ce travail va être organisée en survolant les différentes variables utilisées dans les différents modèles.

Les différentes variables utilisées dans le TAM et ses variantes L'expérience informatique

L'auto-efficacité informatique

L'anxiété face à l'ordinateur (dorénavant appelée anxiété informatique) La perception de la facilité d'utilisation (dorénavant appelée PFU) La perception de l'utilité (dorénavant appelée PU)

L'usage du système ou l'intention d'utilisation

8 http://jcmc.indiana.edu/vol13/issue1/park.html

Influence

2.1 L'expéri ence informatique

L'expérience informatique est la mesure de la connaissance et de l'utilisation d'un programme, des ordinateurs, d'un système ou d'une nouvelle technologie par un utilisateur. La plupart du temps dans les études nous devrions plutôt parler de la perception de l’expérience informatique, car ce  sont les usagers qui jugent eux-mêmes de leur expérience informatique.

Pour Bandura, l'expérience est un facteur déterminant de l'auto-efficacité. De plus, si l'expérience précédente est mauvaise, cela réduit le niveau d'auto-efficacité d'une personne ou inversement.

Pour Igabria & Ivari (1995), l'expérience informatique va avoir un effet positif direct sur l'auto- efficacité, l'anxiété informatique, la PFU et la PU. Pour Cassidy & Eachus (2002) ce n'est pas la quantité d'expérience informatique, mais la qualité qui fait augmenter le niveau d'auto-efficacité.

Dans la recherche de Cassidy & Eachus (2002), l'expérience informatique et le nombre de logiciel connu sont plus élevés chez les hommes. Dans cette même étude, les auteurs montrent l’existence  d’une corrélation entre le fait d'avoir son propre ordinateur, l'expérience et la familiarité avec un nombre plus grand de logiciels. D'autres études (Durdnell & Thomson, 1997; Koch, Müller &

Sieverding, 2008) montrent qu’en moyenne les femmes possèdent moins leur propre ordinateur que les hommes, et que les femmes passent moins de temps sur un ordinateur. (Durdnell & Thomson, 1997; Middendorf, 2002 cité dans Imhof, Vollmeyer & Beierlein, 2006). Dans l'étude d'Imhof, Vollmeyer & Beierlein (2006) menée chez des étudiants universitaires allemands, il n'existe pas de différence entre les femmes et les hommes dans le taux d'utilisation des ordinateurs, mais une différence dans la façon de les utiliser, et dans les types de logiciels utilisés. Le type de logiciel utilisé (dans leurs études ou dans le cadre privé) diffère aussi ; des applications de types photos et vidéos sont plus souvent utilisées par les hommes.

Hypothèses pour le temps d’utilisation d’un ordinateur:

TA1 : Les femmes passeraient moins de temps sur l’ordinateur que les hommes.

TA2 : Les femmes passeraient plus de temps sur des logiciels de communication que les hommes.

Hypothèses pour l'expérience informatique:

EI: l'expérience informatique devrait généralement être moins élevée chez les femmes que chez les hommes

E2: l'expérience informatique sur un logiciel de type dessin ou retouche photo devrait être encore moins élevée chez les femmes que chez les hommes relativement à d’autres types d’applications  (traitement de texte, tableur et Système d’exploitation).

10

2.2 L'auto-effi cacité informatique (SE C)

Il existe un certain nombre de définitions de l'auto-efficacité (self-efficacy). Cette notion vient de Bandura (1982) dans le domaine de la psychologie sociale.

« Bandura (1997, cité par Karsenti et Larose, 2001) a défini le sentiment d'auto-efficacité comme la conviction qu'a un individu d'être capable d'organiser et de réaliser les actions nécessaires à l'accomplissement d'une tâche. La notion de sentiment d'auto-efficacité se partage en un sentiment d'efficacité (ou de compétence) (efficacity expectation) qui est la conviction qu’a un individu de sa  compétence à réaliser une tâche ou une action dans un contexte donné et en sentiment de la valeur du résultat (outcome expectation) qui reflète le sentiment que les actions réalisées produiront les résultats espérés. »⁹

Dans le domaine de l'informatique, cette notion a beaucoup été utilisée. Pour Compeau et Higgins (1995) c'est le jugement individuel d’un utilisateur concernant sa capacité à se servir d'un 

ordinateur dans différentes situations¹⁰.

Cette variable a été utilisée seule ou en combinaison avec d'autres variables pour prédire l'utilisation et l'adoption des logiciels, de systèmes informatiques et des nouvelles technologies.

Elle a des répercussions sur la façon dont une personne résout les problèmes relatifs à une tâche.

Elle influence les stratégies cognitives, la quantité d'effort mise en avant, le niveau de persistance, la façon de faire face aux obstacles, et la performance finale (Cassidy & Eachus, 2002; Parajes, 2002). Un haut niveau d'auto-efficacité va avoir un effet sur les autres facteurs influencés par elle, et inversement (Bandura, 1986). Le niveau d'auto-efficacité dépend d'autres facteurs tels que: les expériences passées (bonnes ou mauvaises), les expériences des autres auxquelles le sujet a assisté (bonnes ou mauvaises), la persuasion verbale (collègues, famille, etc.) et l'état émotionnel

(anxiété, …) (Bandura, 1986; Cassidy & Eachus, 2002). 

Les différentes influences que cette variable peut avoir vont donc déterminer la stratégie d'un utilisateur, l'effort qu'il va mettre dans cette tâche, et donc le résultat final.

Les variables testées par Cassidy et Eachus (2002) sont l'expérience informatique, la familiarité

9 http://edutechwiki.unige.ch/fr/Sentiment_d%E2%80%99auto-efficacit%C3%A9

10 « Computer self-efficacy, then, refers to a judgement of one's capability to use a computer. It is not concerned with what one has done in the past, but rather with jugement of what could be done in the future. Moreover, it does not refer to simple component subskills, like formatting diskettes or entering formulas in a spreadsheet. Rather, it incorporates judgements of the ability to apply thos skills to broader tasks (e.g., preparting written reports or analyzing financial data). » (Compeau & Higgins, 1995: 192)

avec un logiciel, le suivi de cours informatique, le fait de posséder son propre ordinateur, l'âge et le genre. Les deux variables qui ont un effet direct sont: l'expérience informatique, la familiarité avec un logiciel. Les autres variables pouvant être des facteurs influençant ces deux variables, elles influenceraient indirectement le niveau d'auto-efficacité.

La relation entre le niveau d'efficacité, le niveau d'anxiété, la PU et la PFU a été démontré dans plusieurs études (Compeau & Higgins, 1995; Compeau, Higgins & Huff, 1999; Chau 2001;

Venkatesh & Davis, 1996; Ong et Lai, 2004; Igbaria et Iivari ,1995).

Dans la plupart des recherches, les femmes présentent un niveau d'auto-efficacité plus bas que celui des hommes (Beckwith 2007, Beckwith & al. 2005, Koch & al. 2008, Zeldin & Parajes 2000, Cassidy & Eachus, 2002), même lorsqu’il s’agit de femmes formées dans le domaine des sciences  informatiques. Beyer et al. (2003) ont comparé des hommes et des femmes avec ou sans diplôme en science, les femmes diplômées présentaient un niveau plus bas de confiances en leur capacité informatique que les hommes non diplômés. Selon Beckwith (2007), Beckwith & al. (2007, 2006), le niveau d'auto-efficacité est plus prédictif du résultat final chez les femmes que chez les hommes, les hommes présentent des résultats sur les passations des tâches plus bas que ce que leur niveau d’auto-efficacité prédit. Dans la recherche d'Hartzel (2003), le niveau d'auto-efficacité change plus chez les femmes que chez les hommes entre le pré et le post-test, et cela de façon positive. Busch (1995) montre qu'il n'y a pas de différence du niveau d’auto-efficacité entre les genres, sauf si la tâche est considérée comme une tâche complexe, l'auto-efficacité chez les femmes est alors significativement plus basse.

Il existe peu d’études qui n’observent pas de différence de niveau d'auto-efficacité entre les femmes et les hommes ; on peut citer celles de Brosnan and Lee (1998), Imholf & al. (2007). Les tests d'auto-efficacité n'étant pas les mêmes dans chaque étude, il est cependant difficile de les comparer.

Le niveau d'auto-efficacité a été étudié tout seul ou intégré comme variable du TAM. Pour Davis, l'auto-efficacité et l'instrumentalité vont influencer la perception de la facilité d'utilisation, qui à son tour va influencer de manière significative l’attitude d’un individu. L’auto-efficacité fait partie des variables externes dans le modèle d’origine. Pour affirmer cela, il se base sur la théorie de Bandura  (1982) qui suppose que plus un système est facile à utiliser, plus l’utilisateur aura un sentiment d’auto-efficacité.

Hill & al. (1987) ont observé que le niveau d'auto-efficacité jouait un rôle important dans la décision d'utiliser un système.

Pour Igbaria et Iivari (1995), le niveau d'auto-efficacité exercera un effet positif direct sur l'anxiété informatique, la PFU et la PU. Le niveau d’auto-efficacité serait positivement influencé par

12

l’expérience informatique et par le support organisationnel. Par contre, le niveau d'auto-efficacité n'aurait pas d'effet positif direct sur l'usage de la technologie informatique, mais un effet indirect par l’intermédiaire de la PU et la PFU. Les résultats montrent, comme pour Bandura (1982), que  l'expérience est un des déterminants les plus importants du niveau d'auto-efficacité. De plus, les auteurs suggèrent que la propre évaluation par un utilisateur de son expérience avec un système va changer sa perception de son niveau d'auto-efficacité et de son niveau de performance.

Pour Chau (2001) le niveau d'auto-efficacité a un léger effet sur la PU, mais pas d'effet sur la PFU, cela pourrait être dû pour l'auteur au fait que les personnes ayant un haut niveau d'auto-efficacité voient les limitations du système. Les différences de résultats par rapport à la recherche de Igbaria et Iivari (1995) (l’auto-effacité a un effet direct sur la PFU) pourraient être dues à deux facteurs: le premier serait culturel, l'étude de Chau est faite au Japon alors que celle de Igbaria et Iivari est faite en Finlande. La deuxième relevée par Chau est qu'il a testé son modèle en posant des questions sur une application particulière alors que l'étude d'Ignaria et d'Iivari porte sur l'utilisation de

l'ordinateur en général.

Ong et Lai (2004), qui ont rajouté la variable genre dans leur modèle, trouvent aussi des

corrélations entre le niveau d'auto-efficacité, la PU et la PFU et ceci chez les femmes comme chez les hommes, les utilisateurs qui ont un niveau plus élevé d'auto-efficacité ont en général un niveau de PU et PFU plus élevé, ceci rejoint donc les résultats d'Igbaria et Iivari (1995). Mais l'influence de l'auto-efficacité est plus grande chez les femmes que chez les hommes pour la PU et la PFU. De plus, les auteurs trouvent de nouveaux résultats grâce à la variable genre, l'effet direct du niveau d'auto-efficacité est plus grand sur la PFU que pour la PU pour les deux genres, mais l'effet total de l'auto-efficacité (direct et indirect) est plus important sur la PU, la PFU et l'intention d'utilisation pour les femmes. Les auteurs en déduisent que même si le niveau d'auto-efficacité est plus bas chez les femmes, la perception du niveau d'auto-efficacité est un facteur déterminant plus important chez les femmes que chez les hommes pour l'intention d'utilisation la PU et PFU.

D’autre part, malgré une évaluation des femmes pour l’auto-efficacité informatique plus basse que celle des hommes, l’effet de l’auto-efficacité informatique chez les femmes est plus important sur l'intention d'utilisation en plus de la perception d’utilité et de la perception de la facilité d'utilisation que chez les hommes.

Hypothèses pour le niveau d'auto-efficacité:

SE1: les femmes devraient présenter un niveau d'auto-efficacité plus bas que les hommes.

SE2: Le niveau d’auto-efficacité devrait augmenter significativement plus pour les femmes que pour les hommes après la passation du tutoriel.

SE3 : Le niveau d’auto-efficacité devrait être plus élevé chez les personnes ayant une plus grande expérience informatique, à même niveau d’expérience, les femmes devraient présenter un niveau  d’auto-efficacité plus bas que les hommes.

SE4: le niveau d'auto-efficacité devrait augmenter de la première passation à la deuxième passation du questionnaire sur l'auto-efficacité (effet de la passation du tutoriel). Cette augmentation devrait être plus grande si les utilisateurs trouvent la tâche simple à effectuer, et encore plus importante pour les femmes que pour les hommes.

2.3 L'anxiété informatique

L'anxiété est généralement décrite en deux sous concepts:

- Anxiété-état: l'état actuel du participant (State anxiety)

- Anxiété-trait: caractéristique relativement stable de l'individu (trait-based)

L'anxiété peut affecter plusieurs autres variables. Pour Bandura, l'auto-efficacité est négativement affectée par les émotions et l'anxiété. Pour Miura (1987), les utilisateurs les moins anxieux tendent à se sentir plus efficaces. Un certain nombre de recherches montrent que l'anxiété informatique est une variable clé dans la PU et la PFU (Gilroy & Desai, 1986; Igbaria & Chakrabarti, 1990). Il existe quelques études montrant un niveau plus élevé chez les femmes de l'anxiété informatique (Durndell & Hagg, 2002; Whitley, 1997)

D'après Igbaria et Iivari (1995: p592), l'anxiété-trait est peut-être un antécédent d'un bas niveau d'auto-efficacité, alors qu'un bas niveau d'auto-efficacité va augmenter l'état actuel (le state/trait) d'angoisse de l'utilisateur. Dans leur modèle, c'est l'anxiété-état qui est testée. C'est ce qu'ils appellent l'anxiété informatique. Leurs résultats montrent un effet significatif direct négatif de l'anxiété sur la PFU. Ils montrent aussi un effet significatif global négatif sur l'usage d'un

ordinateur, mais pas un effet direct. Par contre, l'effet de l'anxiété sur la PU n'est pas significatif. La variable qui a un effet significatif sur l'anxiété est l'expérience informatique; le support

organisationnel n'en a pas.

14 Hypothèses pour l'anxiété informatique:

A1: les femmes devraient avoir un niveau d'anxiété informatique moyen plus élevé que les hommes.

A2: A niveau d’expérience informatique égal, le niveau d’anxiété informatique devrait être plus  élevé pour les femmes que pour les hommes.

A3: A niveau d’auto-efficacité égal, le niveau d’anxiété informatique des femmes devrait être plus  important que celui des hommes, spécialement si le niveau d’auto-efficacité est bas.

2.4 La pe r ception de la facilité d'utilisation (PF U)

La PFU est le degré d'effort qu'une personne pense devoir mettre dans un système pour le faire fonctionner (Davis, 1986). La PFU, et la PU sont pour Davis les deux variables les plus

déterminantes pour prédire la future utilisation d'un système par un utilisateur. La perception de la complexité d’une application ou sa complexité réelle sont des facteurs très importants de la non- utilisation d'un système ou de la non-diffusion d'une nouvelle technologie (Hill, Smith & Mann, 1987)

La PFU est une variable qui peut avoir un effet significatif sur la PU et l'intention d'utilisation (Igbaria & Iivari, 1995; Chau, 2001; Ong & Lai, 2006; Davis 1986). L'expérience informatique et l'auto-efficacité ont des influences directes positives sur la PFU, l'anxiété informatique a une influence directe négative (Igabaria & Ivari, 1995).

De plus, la facilité d'utilisation d'un système ou d'un outil pourrait contribuer au sentiment de contrôle de l’utilisateur sur la tâche qu'il accomplit (Lepper 1985).

Les résultats d'Ong & Lai (2006) ont montré que la PFU était plus élevée chez les hommes, et que la PFU influence plus la PU chez les femmes, de même qu'elle est une des variables contribuant le plus fortement à l'intention d'utilisation.

Hypothèses sur la PFU:

PFU1: Les femmes devraient présenter une PFU moins élevée que les hommes.

PFU2: Les femmes devraient présenter un niveau de PFU plus bas que les hommes pour le même niveau informatique.

PFU3: Pour le même niveau d’auto-efficacité, les femmes devraient présenter une PFU plus basse, et ceci spécialement lorsque le niveau d’auto-efficacité est bas.

PFU4: Pour un même niveau d’anxiété informatique le niveau de PFU devrait être plus bas pour les  femmes que pour les hommes, et ceci spécialement dans l’anxiété informatique est élevée.

2.5 La p er ception de l'utilité (PU)

La perception de l'utilité est définie comme: le sentiment d’une personne d’augmenter ou  d’améliorer sa productivité ou la qualité de son travail à l’utilisation de ce système ou cette  nouvelle technologie (Davis, 1986).

L'expérience informatique a un effet positif sur la PU (Igbaria & Iivari, 1995). La PU exerce à son tour un effet direct positif sur l'intention d'utilisation (Davis & al, 1989; Vankatesh, 2000;

Vankatesh & Morris, 2000) ; ceci est plus marqué chez les hommes (Ong & Lai, 2006). Les hommes ont une PU plus élevée (Ong & Lai, 2006) et ils perçoivent l’ordinateur comme plus utile  (Shashanni & Khalili, 2001), ils trouvent aussi que la PU est un facteur plus important et sont plus dirigés par des facteurs instrumentaux (Vankatesh & Morris, 2000).

Dans le cas de la présente recherche, il n'est pas certain que cette variable ait les mêmes effets que dans les recherches précédentes, étant donné qu'il est question d'une application ludique et non pas utilitaire.

Alors que c'est une des variables les plus importantes dans tous les TAM pour définir l'usage futur d'un système, le non-utilitarisme de cette application pourrait faire changer cela.

Hypothèses sur la PU:

PU1: La PU n’a pas beaucoup d’effet sur l’intention d’utilisation pour un logiciel de dessin.

PU2: Les femmes devraient présenter une PU plus basse que celle des hommes, car l'expérience informatique peut jouer un grand rôle (plus on a d'expérience informatique plus on trouve un programme utile). Cette expérience serait plus grande chez les hommes surtout en ce qui concerne les logiciels de dessin et de photographie, il est donc plus facile pour eux de percevoir l'utilité de cette application.

2.6 L'usage du système ou l'intention d'utilisation

L'intention d'utiliser ou l'usage du système peut se définir par la volonté de l'utilisateur à utiliser ce système par la suite.

Pour Davis (1986), l'intention d'utilisation est plus liée à la perception d’utilisation qu’à la  perception de facilité d’utilisation (PFU) ; le sentiment que l'utilisation d’un système pourrait  augmenter sa productivité serait un facteur décisif plus important pour l’utilisateur que la facilité  d'utilisation, il serait donc d'accord de faire un effort supplémentaire pour apprendre à utiliser ce système.

Mais, entre deux systèmes offrant les mêmes fonctionnalités, l'utilisateur prendra le système le plus facile à utiliser (Venkatesh & Davis, 1996).

Un certain nombre de recherche montrent que les hommes ont plus d'expérience et une attitude plus positive envers l'informatique (Durndell & Thomson, 1997; Whtiley, 1997).

L'étude de Beckwith, Burnett, Wiedenbeck et Grigorenu (2006) montre que les femmes sont aussi plus lentes à essayer de nouvelles fonctionnalités, et les réutilisent moins après. Le niveau de risque

16

pris par les femmes étant plus bas, elles se risquent moins à utiliser de nouvelles fonctionnalités et explorent moins les différentes possibilités. Bien que le temps réel d'apprentissage soit le même pour les femmes et les hommes, les femmes dans cette étude expliquent qu'elles n’utilisent pas de  nouvelles fonctionnalités, car elles supposent qu’elles n’auraient pas le temps de les apprendre. 

Dans le cas d'une application non utilitaire, ce facteur temps pourrait jouer un rôle encore plus important, par le fait que les femmes ayant moins de temps en moyenne pour leurs loisirs que les hommes, elles s'impliqueraient moins dans la découverte de nouvelles technologies (Hargittai &

Shafer, 2006).

Hypothèses sur l'intention d'utilisation:

IU1: L'intention d'utilisation devrait être plus élevée chez les hommes que chez les femmes.

IU2: Aux mêmes niveaux d’expertise des logiciels de dessin et de photo, les femmes devraient  présenter une intention d’utilisation plus faible que les hommes.

2.7 Nouv eau mod èl e

Nous proposons en partant des différents travaux que nous avons étudié un modèle de TAM inspiré de celui de Davis (1989), avec en plus les différentes variables que nous venons de voir (Figure 3).

Ce modèle est donc un assemblage des différents modèles que nous pouvons trouver dans la littérature, comme les hypothèses sur les différentes variables. Le genre exerce un effet sur toutes les variables. L'expérience informatique aurait un effet direct sur l'auto-efficacité (SEC), l'anxiété informatique, la perception de facilité d'utilisation et la perception d'utilité. Ces effets sont tous positifs, c'est-à-dire que plus l'usager a d'expérience plus ces résultats pour ces différentes variables vont être élevés. L'auto-efficacité informatique aurait un effet sur la perception de facilité

d'utilisation, la perception d'utilisation et l'anxiété informatique. L’effet de l’auto-efficacité devrait être positif pour la PFU et la PU, par contre, cet effet devrait être négatif pour l’anxiété 

informatique : plus un utilisateur sera anxieux, moins il présentera un bon niveau de l’auto- efficacité. L'anxiété informatique aurait un effet sur la PU, la PFU et l'intention d'utilisation : plus une personne serait anxieuse, moins elle trouverait cette application facile à utiliser, utile et aurait l'intention de l'utiliser dans le futur. La PU aurait un effet sur l'intention d'utilisation : plus une personne trouverait cette application utile, plus son intention d'utilisation devrait être grande. Et pour finir, la PFU devrait avoir un effet sur la PU et sur l’intention d'utilisation, en effet, plus une  personne trouve cette application facile à utiliser, plus elle la trouve utile, et plus elle aura l'intention de l'utiliser dans le futur.

Figure 3 : le T A M modifié

Influence

18

Pour tester le nouveau modèle TAM nous avançons les hypothèses suivantes:

A1: L'expérience informatique devrait présenter une corrélation positive avec la SEC, la PU, la PFU : plus un utilisateur est expérimenté plus sa moyenne pour la SEC, la PU et la PFU sera haute.

A2: l'expérience informatique devrait corréler négativement avec l'anxiété informatique : plus l'expérience d'un utilisateur est élevée, moins celui-ci sera anxieux.

A3: L'anxiété informatique devrait être négativement reliée à la PU et la PFU : plus un utilisateur est anxieux, plus sa moyenne pour la PU et la PFU devrait être basse.

A4: La SEC devrait être négativement reliée à l'anxiété informatique : plus un usager a une SEC élevée moins il devrait être anxieux.

A5: La SEC devrait être reliée positivement à la PU et la PFU : plus un utilisateur a une SEC élevée, plus sa moyenne de PU et PFU sera élevée.

A6: La PFU devrait être reliée positivement à la PU et l'intention d'utilisation : plus un usager a une PFU élevée plus sa moyenne de PU et intention d'utilisation devrait être élevées.

A7: La PU devrait être reliée positivement à l'intention d'utilisation : plus un usager a une moyenne de la PU élevée, plus il devrait vouloir utiliser cette application dans le futur.

3. Méthodologi e de la recherc he

Dans le domaine des IHM, un grand nombre de techniques sont utilisées pour tester la validité et l'utilisabilité des interfaces. Nous pouvons citer entre autres l'expérimentation, l'entretien, le questionnaire, le cheminement cognitif, l'évaluation heuristique, etc. (Baccino,Bellino&Colombi 2005). Le choix d'une méthode dépend en grande partie de ce que l'on veut mesurer, des moyens mis à disposition ou encore du nombre de participants que l'on veut interroger pour valider la recherche.

Pour définir le type de méthode que nous allions utiliser, nous nous sommes inspirés des travaux précédents dans le domaine de la recherche sur l'auto-efficacité et l'adoption des nouvelles technologies.

Suivant les recherches, ces travaux ont été menés soit avec des questionnaires en ligne soit par des passations de questionnaire et tutoriel en présence d'examinateurs. Nous avons opté pour la première stratégie, une passation du questionnaire et tutoriel en ligne, car c’est une des méthodes  permettant le meilleur compromis entre le nombre de participants, le temps et les moyens mis à disposition.

3.1 Plan de sondage

Le plan de sondage (annexe: Figure 49E rreur ! Source du renvoi introuvable.) a été défini par compromis entre le temps avant la fin des études de l’expérimentatrice et le temps qu’il faut pour réussir à récolter un nombre de données suffisantes. Ce plan a été modifié au fil du temps, le temps de passation du questionnaire ayant été allongé par rapport au plan d’origine, car, comme nous le verrons par la suite, la façon de diffuser le questionnaire a été modifiée, il a été beaucoup plus difficile d’obtenir 100 questionnaires remplis complètement que ce que nous avions imaginé au départ.

3.2 Récolte d es données

Le questionnaire est resté disponible en ligne pendant 2 mois, de début mai à fin juin 2009. Les données ont toutes été récoltées en ligne sans intervention de la part de l'examinateur. Un avantage de travailler avec Internet et un questionnaire en ligne, est que très souvent les données sont déjà codées¹¹. Nous avons utilisé une application pour la création en ligne de questionnaire OpenSource:

11 Le codage des données doit permettre de convertir les données récoltées dans un questionnaire en nombre ou en symbole permettant ainsi de procéder à des analyses plus facilement qu'avec les données brutes.

Dans le cas de ce travail, les codes appliqués aux différentes réponses des questions du questionnaire ont été paramétrés au moment de la création des questions dans l'application que nous avons utilisée.

20

LimeSurvey¹². Cette application permet de créer des questions ouvertes, fermées, à choix multiples, etc. Le seul type de question qu'il n'est actuellement pas possible de créer est une question avec un champ de chargement de fichier. Nous avons contourné ce problème en créant une page en PHP contenant un champ de chargement de fichier, permettant ainsi aux participants d'envoyer leur dessin sur le serveur après la passation du tutoriel. Cette restriction a légèrement compliqué la passation du questionnaire. Par ailleurs, LimeSurvey permet d'exporter directement les données dans plusieurs formats, y compris SPSS en créant un fichier de Syntaxe et un fichier de données.

Le fichier de syntaxe permet de reprendre directement les codes des questions et les intitulés des questions dans SPSS. Les données de la quatrième question sur l'anxiété informatique ont nécessité un recodage, comme nous pourrons le voir ci-dessous ; pour les autres variables aucune

modification n’a été nécessaire ( Annexe: tableau de codage).

3.3 É chantillonnage

Population: L'idée de base était d'utiliser Facebook¹³ comme carnet d'adresses pour toucher une population assez grande. Pour cela, nous avons créé un groupe sur Facebook dans lequel nous avons invité les personnes qui sont déjà reliées au profil de l'examinatrice, en leur demandant de passer le questionnaire, et d'inviter leurs "amis" dans ce groupe.

Les individus de ces deux groupes ont entre 18 et 40 ans. La connaissance de l'informatique et du Web pouvant aller d'un minimum (suffisant pour surfer sur le Web) à expert. D'après les chiffres de Facebook et de Sociabliz Demographer¹⁴ la moyenne d'âge des utilisateurs de Facebook se situe entre 18-34. Les 30 ans et plus sont le groupe d'âge ayant une plus forte expansion en 2009. D'après Demographer, la répartition homme/femme pour l'Europe serait de 46% pour les hommes et de 53% pour les femmes.

Étant donné le nombre de réponses en utilisant Facebook, nous avons dû recourir à un autre mode de diffusion de l'information. En effet, après 1 mois, nous n'avions qu'environ une quarantaine de questionnaires complétés, ce qui n'était pas suffisant. Nous avons donc commencé à envoyer des emails aux étudiants et personnel de l'université de Genève. Le choix de ces personnes a été fait de façon aléatoire en tapant des débuts de noms dans l’annuaire LDAP et en recopiant les adresses email ; l'échantillon local s'est constitué petit à petit. Le message a donc été envoyé à un très large éventail de la population universitaire.

12 http://www.limesurvey.org/

13 http://www.facebook.com; Facebook est un réseau social sur le Web.

14 Demographer utilise des données hebdomadairement récoltées grâce à un outil de Facebook, son ciblage des campagnes publicitaires, qui lui-même utilise les données des profils utilisateurs. Ces profils peuvent donc ne pas être exacts

Au niveau des étudiants, la moyenne d’âge se situe, d’après les chiffres de l’université¹⁵, aux environs des 24 ans. Le total de femmes étudiantes est de 60.7%. Au niveau de tout le personnel de l’université (à savoir que ce chiffre peut regrouper des données étudiants), le pourcentage de femmes est de 47%, la moyenne d’âge pour le personnel n’est pas donnée dans les chiffres officiels  de l'université.

Échantillon: Dans le questionnaire, il est possible de faire la différence entre les personnes ayant accédé au questionnaire depuis Facebook et celles y ayant eu accès depuis une autre adresse, mais un utilisateur pouvant faire partie de Facebook peut toutefois recevoir ce questionnaire par le biais d'un email. On ne peut donc déterminer avec exactitude si les personnes répondant sans passer par Facebook ne sont pas elles-mêmes des utilisateurs de Facebook.

L'effet boule de neige sur Facebook semble bien fonctionner au départ, un certain nombre de personnes ont invité leurs connaissances et ce sont inscrites au groupe. Malheureusement, dans la passation du questionnaire, il semble qu'un certain nombre de personnes inscrites dans le groupe n'ait pas passé le questionnaire, ou ne l'ait pas fini. Nous verrons les problèmes que cela peut poser ci-dessous.

L'envoi des emails aux étudiants et personnel de l'Université de Genève correspondait à environ 4000 emails (sur ~17'000). Comme pour les utilisateurs de Facebook, il semble que pas toutes les personnes commençant le questionnaire ne le finissent. Par ailleurs, il semble d'après les dates de passations que ce soit juste après les envois d'email que le taux de réponse soit le plus important, mais comme pour Facebook, c'est une partie infime des personnes invitées à répondre au

questionnaire qui y a répondu.

La description de l’échantillon (questionnaire complet)

Dans la suite des analyses, nous n'allons utiliser que les données des questionnaires complets. Sur 403 questionnaires commencés, seuls 141 ont été complètement remplis. Parmi ces 141

questionnaires, nous avons encore du effectuer un tri, nous avons supprimé 15 questionnaires parce que les réponses dans les champs libres du questionnaire étaient soit vulgaires soit sans rapport avec le contenu proposé. Par ailleurs, même si la possibilité de ne pas faire le dessin a été laissée, nous n'avons analysé que les questionnaires où le dessin avait été effectué jusqu'au bout pour avoir un échantillon des plus homogènes possible.

15 http://www.unige.ch/dadm/stat/dernierepublication-1/02_UniQQchiffres.pdf

22

La moyenne d'âge (tableau 1) est légèrement différente entre les envois locaux et ceux par Facebook, mais c'est surtout l'écart-type qui est beaucoup plus grand dans les données d'envoi par email.

Tabl 1: Moyenne de l'age des participants

Email ou Facebook N Moyenne Médiane Ecart-type Minimum Maximum

Facebook 36 27.61 27.50 4.47 21.00 36.00

Email 96 27.68 24.00 10.05 19.00 72.00

Total 132 27.66 24.00 8.87 19.00 72.00

La moyenne d'âge des utilisateurs de Facebook est assez proche de celle donnée par Demographer pour Facebook. Ce résultat peut aussi être expliqué par l'âge des "amis" proche de l'examinatrice.

Quant à la dispersion de l’âge pour les données envoi local, elle est due au fait que dans l’annuaire  LDAP de l’université, nous pouvons y trouver non seulement les étudiants de l’université, mais  aussi le personnel académique et technique de l’université.

Pour la répartition du genre, les femmes représentent 60.9% de notre échantillon (tableau 2, Figure 4).

Tabl 2:Répartition femmes/hommes

Effectifs Pourcentage

Valide femmes 81 60.9

hommes 52 39.1

Total 133 100.0

Figure 4 : repartition femmes/hommes

En croisant les données, nous pouvons voir que les femmes ont plus répondu aux questions et ceci que cela soit sur Facebook ou par email (Figure 5). Si nous considérons le réseau social de

l'examinatrice ou le nombre d'étudiantes de l'université de Genève, nous pouvions nous attendre à avoir une majorité de femmes dans l'échantillon.

Figure 5 : répartition femmes/hommes suivant le groupe d’échantillon

24

Le niveau d'éducation dans participants est assez haut, et de type universitaire ou jugé équivalent (Figure 6, annexe tableau 1)

Figure 6 : Niveau d’éducation des participants

Nous pouvons voir que le secteur d'activité des participants est principalement étudiant, suivi des personnes étant dans l'informatique ou les télécommunications et la recherche et le développement (annexe tableau2). Pour la répartition des femmes et hommes suivant le secteur d'activité (Figure 7), nous avons regroupé toutes les catégories autres qu'étudiant(e) et informatique. Nous pouvons remarquer que les femmes sont proportionnellement plus nombreuses comme étudiantes, alors que les hommes sont plus nombreux pour le secteur informatique et télécommunication.

Figure 7 : Secteur d’activité des participants

26

Quant à la répartition des lieux d'habitations, le plus grand pourcentage est en Suisse, suivi de la France et du Canada (Figure 8). Le nombre de participants suisses, de personnes de formation universitaire de niveau baccalauréat et d'étudiants est très élevé dû aux participants locaux.

Figure 8 : Pays d’habitation des participants

3.4 Mode d e passation

La passation du questionnaire et du tutoriel se fait en trois étapes distinctes, ces différentes étapes étant elles-mêmes séparées en plusieurs parties (représentées par des groupes de questions ou des pages séparées).

La première étape regroupe l'introduction au questionnaire, les questions de déterminants sociaux, les questions de niveau informatique, d'anxiété face à l'ordinateur et du niveau d'auto-efficacité.

Le participant se connecte à la page Web du questionnaire

(http://deribaupierre.org/limesurvey/index.php?sid=11973&lang=fr). La première page contient un texte introductif au questionnaire expliquant l'utilité du questionnaire et un script JavaScript qui permet de déterminer quelle version du Plug-in Flash est installée sur l'ordinateur du participant.

L'application de dessin nécessite une version du lecteur Flash 10; si cette version est installée, le script va afficher qu'il n'est pas nécessaire d'installer la nouvelle version; si le script détecte que la version est plus ancienne, un pop-up est affiché pour prévenir le participant qu'il doit installer une nouvelle version, et un lien vers l'installateur sur la page d'Adobe est affiché. Malheureusement (car cela prend du temps, et peut être décourageant), si le participant doit installer la nouvelle version du Plug-in, un redémarrage du navigateur Web est nécessaire

La première étape du questionnaire est divisée en trois pages Web représentant les trois différentes catégories (sociodémographique, connaissances informatiques et anxiété face à l'ordinateur et niveau d'auto-efficacité).

Une fois toutes les questions de ces trois pages répondues, le participant se retrouve devant la page du tutoriel. Ce tutoriel explique étape par étape comment dessiner un paysage dans cette

application, et un lien vers l'application en ligne de dessin (Splashup¹⁶) est proposé. Après avoir cliqué sur ce lien, une nouvelle page du navigateur est ouverte contenant l'application. L'utilisateur commence donc le dessin et peut retourner à tout moment sur la page du tutoriel pour voir

comment exécuter ce dessin. Quand le participant pense que son dessin est fini, il doit le sauver et l'envoyer à un serveur distant. Pour faire cela, une nouvelle page Web est ouverte après avoir cliqué sur un lien, cette page propose un bouton pour charger le dessin, et un texte explicatif du fonctionnement de cette page. Le participant clique dessus, charge le dessin qu'il a auparavant sauvegardé sur son espace disque dur local et attend le chargement de la page. Un petit script en PHP rajoute la date avec les heures et les secondes du moment du chargement, cela permet d'assurer un nom unique à chaque fichier chargé sur le serveur à distance. Le participant copie une adresse URL qui s'affiche et la colle dans un champ de texte du questionnaire.

Après avoir chargé son dessin et recopié l'adresse URL de son dessin sur le serveur à distance, le

16 Logiciel de dessin en ligne gratuit fonctionnant sous Flash, http://www.splashup.com/

28

participant passe à la dernière étape. La première page de cette étape est constituée des mêmes questions sur l'auto-efficacité et l'anxiété face à l'ordinateur que celles proposées dans la première partie. La deuxième page de questions concerne la perception de l'utilité, la perception de facilité de l'utilisation et enfin l'intention d'utilisation. Une dernière page remercie le participant de sa participation au questionnaire.

3.5 Questionnair e

La construction du questionnaire s’est faite en plusieurs étapes.

La première étape était celle du choix des questions à poser. Quelles étaient les variables que l’on  voulait tester en fonction des hypothèses posées. Pour rappel la question principale est: "existe-t-il une différence entre les genres dans le processus prédictif d'adoption de nouveaux logiciels ?".

Pour répondre à cette question, nous utilisons le modèle TAM avec ces différentes variables que sont l'anxiété informatique, l'expérience informatique, le niveau d'auto-efficacité, la perception de facilité d'utilisation de l'application, la perception d'utilité et enfin l'intention d'utilisation future.

Pour chacune de ces variables, il a fallu créer des questions capables de mesurer séparément le niveau des participants, leurs sentiments ou leurs futures intentions. De plus, ces questions devaient être suffisamment précises pour réussir à mesurer ces variables sans trop d'interférence avec d'autres variables.

Il a aussi fallu déterminer les variables indépendantes que l’on voulait mesurer, et faire des compromis entre le nombre de ces variables et la longueur du questionnaire. La question centrale est le genre, mais nous savons par d'autres travaux que ce soit en science sociale ou en psychologie, que d'autres facteurs peuvent entrer en interaction (âge, niveau d'éducation, culture, secteur de travail, etc.).Il est donc important de prendre en compte certain de ces autres facteurs, et de pouvoir mesurer si une interaction existe entre ces facteurs, le genre et les variables dépendantes que nous mesurons. Mais nous savons aussi qu'il est très difficile de mesurer toutes ces interactions au vu de la complexité de la construction sociale et psychologique d'une personne.

Dans la suite de ce travail, nous allons passer en revue les différentes variables dépendantes et indépendantes et la construction d’indicateurs en fonction de ces variables.

Après avoir déterminé les questions que nous voulions garder, nous avons construit le tutoriel de dessin que les participants doivent passer entre les groupes de questions. Ce tutoriel comprend l’explication pas à pas de l'exécution du paysage demandé, et l’explication des outils les plus courants de l’application.

Pour voir la compréhension des questions et du tutoriel, nous l’avons testé auprès de 10 

participants, qui avaient comme consigne de nous rapporter tout ce qu’ils ne comprenaient pas, les  erreurs, etc.

Les réponses de ces participants ont permis de reconstruire le questionnaire et le tutoriel pour qu’il  soit plus compréhensible et facile à passer. Un deuxième groupe test de 10 personnes a été créé après la correction du questionnaire et du tutoriel, et les modifications et corrections proposées par ce dernier groupe ont été mises en place. Le questionnaire final (annexe questionnaire) a été mis en ligne, le 1er mai 2009 et un groupe sur Facebook a été créé pour permettre sa diffusion.

Les questions sont fermées et posées sous forme de questions à choix multiples, où une seule

30

réponse est acceptée par question. Seule la question sur l’année de naissance est un champ  numérique ouvert. Toutes les questions sont obligatoires. Une réponse alternative est proposée (« Autre » ou « Ne sait pas ») sauf dans le cas de l’année de naissance et du genre. Cette réponse  doit pouvoir permettre aux participants ne voulant pas répondre de passer à la question suivante et ceci sans abandonner le questionnaire. La réponse alternative sera codée comme réponse absente (annexe code questionnaire). Il n’existe pas de pondération en fonction des questions.

I. Questions générales :

La partie sociodémographique, au début du questionnaire (annexe questionnaire) permet de récolter des informations telles que l'âge, le genre, le niveau d'étude et le secteur d'activité. La variable genre va permettre de voir si comme dans les hypothèses proposées, un effet de genre existe. Les autres questions sont là pour tester les interactions avec l’âge, le niveau d’étude ou le secteur  d’activité. La question sur le secteur d’activité est un peu générale, mais elle permet surtout de  classer les participants suivant s’ils sont étudiants, ou dans un secteur où l’informatique a une très  grande place. La question sur le lieu d’habitation provient d’une réflexion sur le mode de passation  qui se fait par Internet, et qui devient donc mondial, surtout dans un échantillonnage par boule de neige, ou nous connaissions les premiers participants, mais pas les vagues suivantes de participants, cette variable permet simplement de voir la dispersion du test sur Internet, mais ne sert pas de variable de contrôle.

II. Connaissance informatique :

a) Informations générales sur l'informatique

Le premier groupe de questions (le système d’exploitation, la possession d’ordinateur, la connexion  active chez soi et le fait d’avoir déjà suivi des cours d’informatique) permet d'avoir des 

informations d'ordre générales, ces variables seront utilisées dans le cadre de variables de contrôle.

Certaines de ces variables sont inspirées d’autres questionnaires sur l’auto-efficacité informatique, ou le TAM (Cassidy & Eachus: 2002;Compeau, Higgins & Huff: 1999).

b) Temps passé sur un ordinateur

Le deuxième groupe de questions concerne le temps passé sur un ordinateur (temps passé à communiquer, temps passé à surfer sur Internet et temps passé sur l’ordinateur en moyenne et par  jour) permet de créer un indicateur servant par la suite à déterminer si le temps passé sur un

ordinateur à une influence sur les différentes variables du TAM, et si le genre a une incidence sur le temps passé sur un ordinateur.

Pour vérifier la fiabilité de l'indicateur, nous avons utilisé un test d’alpha de Cronbach. Ce test a été effectué sur un échantillon de 55 premières réponses, pour la construction de chaque indicateur.

L’Alpha de Cronbach¹⁷ permet de déterminer si un indicateur est fiable ou si une ou plusieurs questions ne vont pas dans le même sens que les autres questions. Ce test permet de tester l’homogénéité des items composant un indicateur.

Alpha de Cronbach = 0.598

Cette valeur est limite ; généralement l'alpha de Cronbach est considéré comme insuffisant entre 0<α<0.5, qu'il est limite entre 0.5<α<0.7 et satisfaisant entre 0.7<α <0.99 (Baccino, Bellino &

Colombi, 2005). Mais en regardant le tableau (tableau 5), on voit qu'en supprimant la question sur le temps de communication, l'indice augmente. Nous avons donc décidé d'uniquement garder les questions 2 et 3 (le temps passé à surfer sur Internet et le temps passé en moyenne sur l’ordinateur).

Alpha de Cronbach = 0.696

Tabl 5: Calcul de l’apha de Cronbach pour le temps passé sur un ordinaeur

Alpha de Cronbach en cas de suppression de l'élément

Combien de temps passez-vous en moyenne à utiliser des logiciels de communication (Skype, MSN, Logiciels de chat) par jour?

.696

Combien de temps passez-vous en moyenne à surfer sur Internet par jour (sans compter l'email et le chat: tel que skype, msn, etc.) ?

.074

Combien de temps passez-vous en moyenne sur un ordinateur par jour ?

.561

c) Niveau d’expertise en informatique

Le troisième groupe de questions permet de voir la perception de niveaux d'expertises dans cinq secteurs de l'informatique. Les secteurs ont été choisis soit parce qu'ils avaient un rapport direct avec l'application qui est utilisée dans le tutoriel (dessin et photographie), soit parce qu'ils reflètent assez bien les applications les plus utilisées (Traitement de texte, tableur et système d’exploitation). 

17 http://www.irdp.ch/edumetrie/lexique/coef_alpha.htm

32

Une échelle de Likert¹⁸ est utilisée (sur 6), comme pour la suite de ce questionnaire, pour mesurer le niveau de connaissance des utilisateurs. Ces cinq items seront utilisés de façon séparés pour les analyses, de même que sous la forme d'un indicateur. Les questions concernant le niveau de logiciel de dessin et de photographie devant être prises comme variables indépendantes pour une des hypothèses.

Alpha de Cronbach: 0.698

Contrairement à l'indicateur précédent, ce chiffre est quasiment satisfaisant et n’augmenterait pas si  nous supprimions une question (Annexe tableau 3). Nous utiliserons toutes les variables de ce groupe de questions pour créer cet indicateur.

III. Anxiété face à l’ordinateur (pré et post tutoriel)

Ces questions permettent de tester l'anxiété face à l'utilisation d'un logiciel ou d'un ordinateur. Ce groupe est composé de cinq questions utilisant une échelle de Likert pour les réponses (sur 5). Ces questions sont posées une première fois avant la passation du tutoriel et une deuxième fois après la passation du tutoriel. Plus le résultat est haut, plus la personne a un sentiment de confort

d'utilisation. Puisque la question 4 est formulée de telle façon qu'un score bas indique un haut niveau de confiance, les scores de la question numéro 4 ont été recodés de telle façon qu'ils puissent être interprétés comme le reste (score 1 = 5).

Ces questions sont inspirées des travaux de (Cassidy, Eachus 2002; Compeau, Higgins & Huff 1999).

Comme pour la question ci-dessus, ces questions sont utilisées une par une, ou pour la construction d’un indicateur. 

L'alpha de Cronbach: 0.523

Comme nous l'avons déjà vu, cet indice n'est pas suffisant pour une bonne cohérence entre les questions, en regardant le tableau de l'estimation de l'indice si une question est supprimée (tableau 7), nous pouvons voir que la question quatre sur le bug informatique n'est pas cohérente avec les autres. Pour la construction de l'indicateur, nous allons donc la supprimer. Cette question mesure un facteur supplémentaire aux autres, le contrôle interne ou externe, c'est-à-dire l'imputation de la faute, est-elle un facteur interne, ou un facteur externe à la personne ?

18 http://fr.wikipedia.org/w/index.php?title=%C3%89chelle_de_Likert&oldid=41481007