etude longitudinale de la motivation d`étudiants universitaires de

Transcription

COMMUNAUTÉ FRANÇAISE DE BELGIQUE
ACADÉMIE UNIVERSITAIRE WALLONIE-EUROPE
UNIVERSITÉ DE LIÈGE – GEMBLOUX AGRO-BIO TECH
ETUDE LONGITUDINALE DE LA MOTIVATION
D'ÉTUDIANTS UNIVERSITAIRES DE 1ÈRE ANNÉE
Jacques MIGNON
Dissertation originale présentée en vue de l'obtention du grade
de docteur en sciences agronomiques et ingénierie biologique
Promoteurs:
Professeur J.L. Closset
Professeur E. Haubruge
2012
Mignon Jacques (2012). Etude longitudinale de la motivation d'étudiants universitaires de
première année (Thèse de doctorat). Université de Liège - Gembloux Agro-Bio Tech,
Belgique. 213 p., 33 tabl., 31 fig.
Résumé:
Ce travail s'appuie sur la théorie sociocognitive de l'autodétermination (Deci & Ryan, 1985,
1991). Il poursuit l'objectif d'étudier les relations entre le genre, les performances et la
motivation académique d'étudiants universitaires. La première partie présente les concepts et
les théories de la motivation. Elle s'intéresse ensuite aux inégalités de motivation entre les
genres, en particulier au niveau universitaire. La seconde partie débute par une présentation
des différents types de motivation et de l'outil destiné à les mesurer: l'Echelle de Motivation
en Education - Etudes Universitaires (Vallerand et al., 1989). Elle propose quatre
exploitations du suivi longitudinal de la motivation académique, qui a été réalisé sur trois
cohortes successives au cours d'une première année à l'Université. La première exploitation
est consacrée à l'évolution des différents types de motivation au cours de l'année. Elle
confirme l'existence de variations des types de motivation ainsi que l'influence du genre sur
ces fluctuations. La deuxième exploitation fait appel au devis corrélationnel afin d’analyser
les relations réciproques qui existent entre la motivation académique et les performances aux
périodes d'évaluation. Les liens entre la motivation et les performances finales sont clairement
établis dès le mois de décembre. Un impact du genre a été observé mais de grandes
différences entre cohortes limitent la portée des résultats obtenus. La troisième exploitation
consiste en une étude des trajectoires de motivation académique à l'aide d'une méthode semiparamétrique fondée sur le groupement. Cette approche originale a permis de confirmer
plusieurs hypothèses sociocognitivistes. Différentes modélisations multiniveaux ont été
conçues et testées au niveau de la quatrième exploitation de nos données. Ni le genre de
l’étudiant ni ses performances au cours de l’année ne semblent pouvoir expliquer la variance
inter-individus de la motivation académique. Les discussions portent essentiellement sur les
approches statistiques privilégiées, sur l’amotivation et sur l’important effet de cohorte
observé.
i
Mignon Jacques (2012). Longitudinal study of motivation of first-year university students.
(Thèse de doctorat in French). University of Liege - Gembloux Agro-Bio Tech, Belgium.
213 p., 33 tabl., 31 fig.
Summary:
This research is supported by socio-cognitive theories such as the self-determination theory
(Deci & Ryan, 1985, 1991). It aims to study the relationship between gender, performance
and academic motivation of university students. The first part presents concepts and theories
of motivation. Then, it looks at sex inequalities in motivation, especially at the university
level. The second part begins with a presentation of the different types of motivation and the
tool to measure them: the Motivation Scale in Education - University Studies (Vallerand et al.
1989). This section proposes four different surveys in the framework of the longitudinal study
of the academic motivation, which was carried out on three successive cohorts in first year at
university. The first exploration is devoted to the evolution of different types of motivation
during the year. It confirms the existence of variations in the types of motivation and the
influence of gender on these fluctuations. The second exploration uses correlation analysis to
investigate reciprocal relationships between academic motivation and academic performances.
The relationship between motivation and final performances are clearly established from
December. Gender differences have been observed but significant variations between cohorts
restrict the scope of the results. The third exploration consists of a group-based semiparametric method to estimate academic motivation trajectories. This original approach has
confirmed some assumptions made by the self-determination theory of Deci and Ryan (1985).
The final exploration of our collected data is based on the possibility to conduct multilevel
analyses on repeated measurements. Surprisingly, neither the gender nor the performance of
the students can explain the interindividual variance of motivation. Results are discussed with
reference to the four different statistical devices used and to the strong cohort effect.
ii
iii
Copyright. Aux termes de la loi belge du 30 juin 1994, sur le droit d'auteur et les droits
voisins, seul l'auteur a le droit de reproduire partiellement ou complètement cet ouvrage de
quelque façon et forme que ce soit ou d'en autoriser la reproduction partielle ou complète de
quelque manière et sous quelque forme que ce soit. Toute photocopie ou reproduction sous
autre forme est donc faite en violation de la dite loi et de ses modifications ultérieures.
iv
Bien qu'un sentiment latent de solitude se soit développé occasionnellement, la conduite à son terme
de cette recherche n'aurait pas été possible sans l'aide, le soutien et la collaboration de personnes qu'il
me plaît ici de remercier :
Jean-Louis Closset, Professeur à Gembloux Agro-Bio Tech – Université de Liège (GxABT-ULg), qui
a accepté de diriger cette recherche et m'a guidé tout au long de son élaboration. Pour son partage de
connaissances, son rôle dans le maintien et le renforcement de ma motivation intrinsèque.
Eric Haubruge, Professeur à l'Unité d'Entomologie fonctionnelle et évolutive de GxABT-ULg, pour
sa confiance, ses remarques et discussions ayant maintenu et développé la motivation extrinsèque qu'il
fallait pour qu’aboutisse ce travail.
Dieudonné Leclercq, Professeur à l'ULg, qui m'a permis de comprendre que la pédagogie est une
science, avec un passé, des théories, de multiples applications et un avenir certain dans le milieu de
l'enseignement supérieur et universitaire.
Catherine Charles et Georges Lognay, Professeurs à GxABT-ULg qui ont eu l'intelligence, avec les
autres membres de mon Comité de thèse, de recadrer à plusieurs reprises mes recherches.
Robert Palm, Professeur à GxABT-ULg, qui a permis que les statistiques ne soient pas un frein à la
réalisation du présent travail; pour ses "questions de bon sens" et ses "oui mais concrètement".
Christian Monseur, Professeur à l’ULg, pour sa contribution majeure à la « quatrième dimension »
donnée à l’exploitation des données longitudinales colligées durant trois années. Pour sa disponibilité,
ses qualités pédagogiques et ses connaissances en statistiques appliquées aux sciences sociales.
Marc Romainville, Professeur aux FuNDP de Namur, pour sa disponibilité et les conseils promulgués
en phase de finalisation du présent travail.
Charles Gaspar, Professeur retraité de la Faculté universitaire des Sciences agronomiques de
Gembloux, pour sa présence constante et ses "coups de bâton motivationnels".
Robert Vallerand, Professeur à l'Université du Québec à Montréal et Directeur du Laboratoire de
Recherches sur le Comportement Social (LRCS) qui, après m'avoir écouté, m'a apporté différents
éléments qui confèrent à cette recherche une part complémentaire d'originalité. Ce travail n'aurait pu
être réalisé sans la mise à disposition des outils et des publications des chercheurs du LRCS.
Rolland Viau, Professeur agrégé à la Faculté d'Education de l'Université de Sherbrooke au Québec,
qui s'est montré attentif et intéressé par mes réflexions initiales. Je n'ai certainement pas assez suivi
son précieux conseil "de prendre de la distance par rapport aux recherches menées". Et pourtant, j’en
ai pris du temps …
Mes ex-collègues de bureau, toujours là pour informer, rigoler et participer aux soumissions des
questionnaires d'évaluation de la motivation. Mes confidents des "derniers instants", Bernard P.,
Vincent L., Guy T., …
Jeannine, confidente également, indissociable de cette recherche, pour ses remarques, pour son
soutien technique permanent et son impact motivationnel tout aussi constant.
Les sujets, étudiantes et étudiants, qui se sont prêtés au jeu de ma curiosité en s'interrogeant sur les
raisons de leur engagement dans leurs études universitaires. Puissent ces questionnements les avoir
aidés dans leurs études.
Mes parents, enfants et ex-épouse, pour leurs encouragements, l'intérêt porté au présent travail, le
temps libéré pour la rédaction, l'évaluation de la compréhensibilité du texte et j’en passe…
v
vi
TABLE DES MATIERES
LISTE DES FIGURES .................................................................................................................. 5
LISTE DES TABLEAUX .............................................................................................................. 9
LISTE DES ABREVIATIONS ...................................................................................................... 11
PREAMBULE ........................................................................................................................ 13
CHAPITRE 1 INTRODUCTION ...................................................................................... 17
1.1
EXPLICITATIONS PRELIMINAIRES ............................................................................... 17
1.1.1 Description du problème contextualisé ................................................................ 17
1.1.2 Le contexte universitaire belge ............................................................................ 18
1.1.3 L'approche motivationnelle .................................................................................. 19
1.2
CADRE THEORIQUE : LA THEORIE DE L'AUTODETERMINATION .................................. 19
1.3
CADRE CONTEXTUEL : 1ERE BACHELIER - FACULTE UNIVERSITAIRE DES SCIENCES
AGRONOMIQUES DE GEMBLOUX, EN BELGIQUE FRANCOPHONE ................................ 20
1.4
OBJECTIFS ET HYPOTHESES DE RECHERCHE ............................................................... 20
1.4.1 Objectifs de la recherche...................................................................................... 20
1.4.2 Hypothèses principales et secondaires ................................................................ 22
1.5
LA DEMARCHE ANALYTIQUE ..................................................................................... 23
1.6
STRUCTURE DU DOCUMENT ....................................................................................... 24
CHAPITRE 2 L'APPROCHE SOCIOCOGNITIVE DE LA MOTIVATION EN
EDUCATION ............................................................................................. 27
2.1
LE CONCEPT DE "MOTIVATION SCOLAIRE" ................................................................. 28
2.2
LE MODELE DE VIAU, SES DETERMINANTS ET SES INDICATEURS ................................ 29
2.2.1 La perception que l'élève (l'étudiant, en milieu universitaire) a de la valeur d'une
activité .................................................................................................................. 30
2.2.2 La perception que l'élève a de sa compétence ..................................................... 30
2.2.3 La perception que l'élève a de la contrôlabilité d'une activité............................. 31
2.2.4 L'engagement cognitif de l'élève dans la tâche .................................................... 31
2.2.5 La persévérance de l'élève dans la tâche ............................................................. 31
2.2.6 La performance de l'élève .................................................................................... 32
2.2.7 Le contexte............................................................................................................ 32
2.3
LA THEORIE DE L'AUTODETERMINATION ................................................................... 33
2.4
LE MODELE HIERARCHIQUE DE LA MOTIVATION INTRINSEQUE ET DE LA MOTIVATION
EXTRINSEQUE (VALLERAND, 1997) ........................................................................... 36
2.5
LES STRATEGIES MOTIVATIONNELLES ....................................................................... 37
CHAPITRE 3 PRISE EN CONSIDERATION DU GENRE DANS LES ETUDES SUR
LA MOTIVATION .................................................................................... 39
3.1
L'INFLUENCE DE L'AGE .............................................................................................. 39
3.2
L'INFLUENCE DU CONTEXTE ...................................................................................... 40
3.2.1 La discipline ......................................................................................................... 40
3.2.2 La culture ............................................................................................................. 42
3.2.3 Le mode d'enseignement....................................................................................... 42
-1-
3.3
LES DETERMINANTS DE LA MOTIVATION ................................................................... 43
3.3.1 La perception que l'élève a de la valeur d'une activité ........................................ 43
3.3.2 La perception que l'élève a de sa compétence ..................................................... 44
3.3.3 La perception que l'élève a de la contrôlabilité d'une activité............................. 45
3.4
LA MOTIVATION ACADEMIQUE A L'UNIVERSITE ......................................................... 45
3.5
L'HYPOTHESE DE SIMILARITE DES GENRES ................................................................. 47
CHAPITRE 4 L'OUTIL D'EVALUATION DE LA MOTIVATION ACADEMIQUE...
...................................................................................................................... 51
4.1
EME-U28: ECHELLE DE MOTIVATION EN EDUCATION - ETUDES UNIVERSITAIRES .. 51
4.1.1 La motivation intrinsèque à la connaissance (MICO) ......................................... 52
4.1.2 La motivation intrinsèque à l'accomplissement (MIAC) ...................................... 53
4.1.3 La motivation intrinsèque à la stimulation (MIST) .............................................. 53
4.1.4 La motivation extrinsèque à régulation identifiée (MEID) .................................. 53
4.1.5 La motivation extrinsèque à régulation introjectée (MEIN) ................................ 53
4.1.6 La motivation extrinsèque à régulation externe (MERE) .................................... 53
4.1.7 L'amotivation (AMOT) ......................................................................................... 53
4.2
INDEX GLOBAL DE MOTIVATION ............................................................................... 55
4.3
PRECAUTIONS METHODOLOGIQUES ET LIMITES D'UTILISATION.................................. 57
4.4
VERIFICATION DES QUALITES PSYCHOMETRIQUES DU QUESTIONNAIRE ..................... 60
4.4.1 Consistance interne des sept composantes motivationnelles ............................... 60
4.4.2 Unidimensionnalité de l’EME .............................................................................. 62
4.4.3 Validité conceptuelle du continuum motivationnel et du "simplex pattern" ........ 64
4.4.4 Vers une révision des échelles de motivation ? .................................................... 70
CHAPITRE 5 POPULATIONS D'ETUDE ...................................................................... 73
5.1
5.2
5.3
LES GENRES ............................................................................................................... 73
PERFORMANCES AUX INTERROGATIONS ET AUX EXAMENS ........................................ 74
DISTRIBUTION DES GENRES AU SEIN DES « QUARTILES » DE PERFORMANCES FINALES ..
.................................................................................................................................. 76
CHAPITRE 6 EVOLUTION DE LA MOTIVATION AU COURS DE L'ANNEE ..... 81
6.1
BUTS DE L'ETUDE ET HYPOTHESES DE RECHERCHE .................................................... 81
6.2
METHODOLOGIE ........................................................................................................ 81
6.3
EVOLUTION GLOBALE DES COMPOSANTES MOTIVATIONNELLES ................................ 82
6.4
EVOLUTION DE LA MOTIVATION ACADEMIQUE SELON LE GENRE DE L’ETUDIANT ...... 84
6.4.1 Evolution des composantes de la motivation intrinsèque .................................... 84
6.4.2 Evolution des composantes de la motivation extrinsèque .................................... 90
6.4.3 Evolution de l'amotivation ................................................................................... 95
6.4.4 Evolution de la motivation ................................................................................... 97
6.5
HISTORIQUE MOTIVATIONNEL D'ETUDIANTS AUX PERFORMANCES FINALES DISTINCTES
................................................................................................................................ 100
6.5.1 Evolution des composantes de la motivation intrinsèque .................................. 101
6.5.2 Evolution des composantes de la motivation extrinsèque .................................. 106
6.5.3 Evolution de l'amotivation ................................................................................. 110
6.5.4 Evolution de la motivation ................................................................................. 112
6.6
EVOLUTION DE LA MOTIVATION EN FONCTION DES PERFORMANCES ....................... 114
6.7
DISCUSSION ............................................................................................................. 117
-2-
CHAPITRE 7 RELATIONS ENTRE LA MOTIVATION ET LES
PERFORMANCES .................................................................................. 121
7.1
BUTS DE L'ETUDE ET HYPOTHESES DE RECHERCHE .................................................. 121
7.2
METHODOLOGIE ...................................................................................................... 121
7.3
RELATIONS ENTRE LA MOTIVATION INITIALE ET LES PERFORMANCES ULTERIEURES 122
7.3.1 Relations entre la motivation initiale et les performances ................................. 122
7.3.2 Relations entre la motivation et les performances finales ................................. 123
7.3.3 Relations entre l'amotivation et les performances finales ................................. 124
7.4
RELATIONS ENTRE LES PERFORMANCES ET LA MOTIVATION PROCHE ...................... 126
7.5
DISCUSSION ............................................................................................................. 127
CHAPITRE 8 ETUDE DES TRAJECTOIRES DE MOTIVATION ACADEMIQUE A
L'AIDE D'UNE METHODE SEMI-PARAMETRIQUE FONDEE SUR
LE GROUPEMENT ................................................................................ 131
8.1
INTRODUCTION ........................................................................................................ 131
8.2
BUTS DE L'ETUDE ET HYPOTHESES DE RECHERCHE .................................................. 132
8.3
METHODOLOGIE ...................................................................................................... 132
8.3.1 Participants, instruments et procédures............................................................. 132
8.3.2 Analyses .............................................................................................................. 133
8.4
PROFILS INSTANTANES DE MOTIVATION .................................................................. 134
8.4.1 Profils de motivation académique ...................................................................... 135
8.4.2 Comparaison des performances de chacun des profils identifiés ...................... 139
8.5
TRAJECTOIRES DE MOTIVATION ............................................................................... 140
8.5.1 Forme des trajectoires et probabilité d'appartenance aux trajectoires ............. 140
8.5.2 Comparaison des performances par trajectoire ................................................ 143
8.6
TRAJECTOIRES CONJOINTES "MOTIVATION / PERFORMANCES"................................. 144
8.6.1 La forme des trajectoires des sous-populations et la probabilité d'appartenance à
chaque groupe de trajectoires ............................................................................ 144
8.6.2 Les probabilités conjointes d'appartenance à des groupes de trajectoires ....... 147
8.7
DISCUSSION ............................................................................................................. 152
8.7.1 Profils instantanés de motivation ....................................................................... 152
8.7.2 Trajectoires de motivation ................................................................................. 153
CHAPITRE 9 MODELISATION MULTINIVEAUX DE LA MOTIVATION
ACADEMIQUE DES ETUDIANTS ET DE SES PRINCIPALES
COMPOSANTES ..................................................................................... 157
9.1
INTRODUCTION ........................................................................................................ 157
9.2
BUTS DE L’ETUDE ET HYPOTHESES DE RECHERCHE ................................................. 159
9.3
METHODOLOGIE ...................................................................................................... 160
9.3.1 Variables dépendantes ....................................................................................... 160
9.3.2 Variables explicatives ........................................................................................ 161
9.3.3 Analyse des données ........................................................................................... 161
9.4
MODELES DE BASE OU MODELES VIDES ................................................................... 161
9.5
MODELISATION DE L’EVOLUTION DE LA MOTIVATION AU COURS DU TEMPS ............ 162
9.6
MODELISATION SELON LE GENRE ............................................................................ 164
9.7
MODELISATION SELON LES PERFORMANCES REALISEES .......................................... 165
9.8
DISCUSSION ............................................................................................................. 171
-3-
CHAPITRE 10
10.1
10.2
10.3
10.4
10.5
10.6
10.7
10.8
10.9
10.10
10.11
10.12
10.13
DISCUSSION GENERALE ET CONCLUSIONS ........................... 175
A PROPOS DE L'ORIGINALITE DU TRAVAIL ............................................................... 175
A PROPOS DE LA THEORIE DE L'AUTODETERMINATION ............................................ 176
A PROPOS DE L'ECHELLE DE MOTIVATION EN EDUCATION ...................................... 177
A PROPOS DE L'EFFET DU GENRE .............................................................................. 178
A PROPOS DE L'EVOLUTION DE LA MOTIVATION ...................................................... 179
A PROPOS DES LIENS ENTRE MOTIVATION ET PERFORMANCES ................................. 180
A PROPOS DES TRAJECTOIRES DE MOTIVATION ET DES TRAJECTOIRES DE
PERFORMANCES ....................................................................................................... 182
A PROPOS DES MODELES MULTINIVEAUX ................................................................ 183
A PROPOS DE L’EFFET DE COHORTE ......................................................................... 183
A PROPOS DES LIMITES DU TRAVAIL ........................................................................ 186
A PROPOS DES PERSPECTIVES D'ACTION .................................................................. 187
A PROPOS DES PERSPECTIVES DE RECHERCHES ........................................................ 188
CONCLUSIONS ......................................................................................................... 189
BIBLIOGRAPHIE ............................................................................................................... 193
A PROPOS DE L’AUTEUR ............................................................................................... 207
ANNEXES ............................................................................................................................. 209
ANNEXE 1: ECHELLE DE MOTIVATION DANS LES ETUDES (EME-U 28) - ETUDES
UNIVERSITAIRES ............................................................................................... 209
ANNEXE 2: GRILLE DE DECODAGE DE L’EME-U 28 ............................................................ 213
-4-
Liste des figures
Figure 1.1.
Design longitudinal de l’étude ......................................................................... 24
Figure 2.1.
Modèle de motivation en contexte scolaire (Viau, 1994) ................................ 29
Figure 4.1.
Répartition (%) des composantes motivationnelles moyennes des étudiants
entre les 7 modalités de l’échelle de Likert reprises à l’EME lors de la
soumission du questionnaire au mois de janvier des trois années d’étude (n=
149 en 04-05 ; n= 190 en 05-06 ; n= 179 en 06-07) ......................................... 54
Répartition des 28 items de l'EME-U selon les deux axes principaux de
l'analyse en composantes principales (données provenant du 3e questionnaire
soumis en 2006-2007) ...................................................................................... 62
Répartition des 7 composantes motivationnelles selon les deux axes principaux
de l'analyse en composantes principales (données provenant du 3e
questionnaire soumis en 2006-2007) ................................................................ 63
Figure 4.2.
Figure 4.3.
Figure 6.1.
Figure 6.2.
Figure 6.3.
Figure 6.4.
Figure 6.5.
Figure 6.6.
Figure 6.7.
Figure 6.8.
Figure 6.9.
Figure 6.10.
Evolution des composantes motivationnelles moyennes des étudiants durant
leur première année d'études à la FuSaGx. (MICO: motivation intrinsèque à la
connaissance, MIAC: -- à l’accomplissement, MIST: -- à la stimulation, MEID:
motivation extrinsèque par régulation identifiée, MEIN: -- par régulation
introjectée, MERE: -- par régulation externe, AMOT: amotivation) (A: 20042005; B: 2005-2006; C: 2006-2007) ................................................................ 83
Evolution de la motivation intrinsèque à la connaissance (MICO) des étudiants
durant leur première année d'études à la FuSaGx (A: 2004-2005; B: 20052006; C: 2006-2007) ......................................................................................... 87
Evolution de la motivation intrinsèque à l'accomplissement (MIAC) des
étudiants durant leur première année d'études à la FuSaGx (A: 2004-2005; B:
2005-2006; C: 2006-2007) ............................................................................... 88
Evolution de la motivation intrinsèque à la stimulation (MIST) des étudiants
durant leur première année d'études à la FuSaGx (A: 2004-2005; B: 20052006; C: 2006-2007) ......................................................................................... 89
Evolution de la motivation extrinsèque par régulation identifiée (MEID) des
2005-2006; C: 2006-2007) ............................................................................... 92
Evolution de la motivation extrinsèque par régulation introjectée (MEIN) des
2005-2006; C: 2006-2007) ............................................................................... 93
Evolution de la motivation extrinsèque par régulation externe (MERE) des
2005-2006; C: 2006-2007) ............................................................................... 94
Evolution de l'amotivation (AMOT) des étudiants durant leur première année
d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007) .............. 96
Evolution de la motivation (IGM) des étudiants durant leur première année
d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007) .............. 98
Evolution de la motivation intrinsèque à la connaissance (MICO) des étudiants
durant leur première année d'études à la FuSaGx (Q1/Q4: Quartile des
étudiants les moins/plus performants en juin) (A: 2004-2005; B: 2005-2006; C:
2006-2007)...................................................................................................... 103
-5-
Figure 6.11.
Figure 6.12.
Figure 6.13.
Figure 6.14.
Figure 6.15.
Figure 6.16.
Figure 6.17.
Figure 6.18.
Figure 8.1.
Figure 8.2.
Figure 8.3.
Figure 8.4.
étudiants durant leur première année d'études à la FuSaGx (Q1/Q4: Quartile
des étudiants les moins/plus performants en juin) (A: 2004-2005; B: 20052006; C: 2006-2007) ....................................................................................... 104
2006-2007)...................................................................................................... 105
étudiants de première année d'études à la FuSaGx (Q1/Q4: Quartile des
2006-2007)...................................................................................................... 107
Evolution de la motivation extrinsèque par régulation introjectée (MEIN) des
2006-2007)...................................................................................................... 108
étudiants durant leur première année d'études à la FuSaGx (Q1/Q4: Quartile
des étudiants les moins/plus performants en juin) (A: 2004-2005; B: 20052006; C: 2006-2007) ....................................................................................... 109
Evolution de l'amotivation (AMOT) des étudiants durant leur première année
d'études à la FuSaGx (Q1/Q4: Quartile des étudiants les moins/plus
performants en juin) (A: 2004-2005; B: 2005-2006; C: 2006-2007) ............. 111
performants en juin) (A: 2004-2005; B: 2005-2006; C: 2006-2007) ............. 113
Evolution de la motivation (IGM) en fonction du niveau de performance aux
interrogations de novembre (A), janvier (B) et avril (C), en 2004-2005, 20052006 et 2006-2007. En vert: évolution de la motivation des étudiants ayant
réalisé une bonne performance. En rouge: évolution de la motivation liée à une
mauvaise performance. [Bonne performance = appartenir au groupe d'étudiants
ayant obtenu les meilleures cotes (respectivement 75, 50 et 25 % de la
population en novembre, janvier et avril)] ..................................................... 115
Profils de motivation académique durant l'année 2004-2005 (AU=Motivation
autonome; C=Motivation contrôlée; MICO: motivation intrinsèque à la
motivation extrinsèque par régulation identifiée, MEIN: -- par rég. introjectée,
MERE: -- par rég. externe, AMOT: amotivation) .......................................... 136
Profils de motivation académique durant l'année 2005-2006 (AU= Motivation
autonome, C= Motivation contrôlée, MICO: motivation intrinsèque à la
Profils de motivation académique durant l'année 2006-2007 (AU=Motivation
autonome; C=Motivation contrôlée; MICO: motivation intrinsèque à la
Trajectoires de motivation (IGM) des étudiants durant leur première année
d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007) ............ 142
-6-
Figure 8.5.
Figure 8.6.
Figure 8.7.
Figure 8.8.
Trajectoires des performances des étudiants durant leur première année
d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007) ............ 146
Relations entre la motivation (IGM) et les performances durant l'année 20042005 ................................................................................................................ 148
-7-
-8-
Liste des tableaux
Tableau 4.1. Coefficient α de Cronbach pour les trois années d’expérimentation (case grisé
foncé: α<0,65; case gris clair: 0,65<α<0,7) (Tps 1 : septembre ; Tps 2 :
décembre ; Tps 3 : janvier ; Tps 4 : mars ; Tps 5 : mai). .................................. 61
Tableau 4.2. Corrélations inter-composantes motivationnelles pour les différents
questionnaires soumis les trois années d’expérimentation. (Case gris foncé:
problème de construit dans les deux sens; case gris clair: problème de construit
dans un sens) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 : janvier ; Tps 4 :
mars ; Tps 5 : mai). ........................................................................................... 65
Tableau 4.3. Corrélations latentes inter-composantes motivationnelles pour les différents
problème de construit dans les deux sens; case gris clair: problème de construit
dans un sens) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 : janvier ; Tps 4 :
mars ; Tps 5 : mai). ........................................................................................... 68
Tableau 4.4. Différences entre les corrélations latentes observées et prédites sur base de la
corrélation moyenne ligne et de la corrélation moyenne colonne pour
l’ensemble des questionnaires soumis, par année d’expérimentation. (Case gris
foncé: écart supérieur à +/-0,200; case gris clair: écart compris entre +/-0,150
et +/-0,200) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 : janvier ; Tps 4 :
mars ; Tps 5 : mai). ........................................................................................... 69
Tableau 5.1. Répartition des étudiants en fonction du genre, pour les trois années d'étude . 73
Tableau 5.2. Répartition des genres au sein des groupes d'étudiant(e)s ayant complété les
différents questionnaires d'évaluation de la motivation académique lors des
trois années d'expérimentation, avec proportions (%) par rapport à l'ensemble
de la population suivie ...................................................................................... 74
Tableau 5.3. Comparaison des performances (en %) des étudiantes (n=71) et des étudiants
(n=93) aux interrogations (novembre, janvier et avril) et aux examens du mois
de juin 2005 ...................................................................................................... 75
Tableau 5.4. Comparaison des performances (en %) des étudiantes (n=67) et des étudiants
(n=129) aux interrogations (novembre, janvier et avril) et aux examens du mois
de juin 2006 ...................................................................................................... 75
Tableau 5.5. Comparaison des performances des étudiantes (n=56) et des étudiants (n=136)
aux interrogations (novembre, janvier et avril) et aux examens du mois de juin
2007 .................................................................................................................. 76
Tableau 5.6. Répartition des étudiants entre quartiles définis sur base des performances (%)
aux examens de juin 2005 (F=étudiantes, G=étudiants)................................... 77
Tableau 5.9. Répartition des genres au sein des quartiles, lors de la soumission des
questionnaires d'évaluation de la motivation académique en 2004-2005......... 78
-9-
Tableau 7.1. Relations entre la motivation initiale (IGM) et les performances aux
interrogations et examens des années 2004-2005 à 2006-2007 (F=étudiantes;
M=étudiants) ................................................................................................... 123
Tableau 7.2. Relations entre cinq mesures successives de la motivation (IGM) et les
performances finales en juin (F: étudiantes; M: étudiants) ............................ 124
Tableau 7.3. Relations entre cinq mesures successives de l'amotivation et les performances
finales en juin (F: étudiantes; M: étudiants) .................................................. 125
Tableau 7.4. Relations entre les performances à la session d'interrogations de novembre et la
motivation (IGM) en décembre 2004-2005, 2005-2006 et 2006-2007 .......... 127
Tableau 7.5. Relations entre les performances à la session d'interrogations de janvier et la
motivation (IGM) fin janvier 2004-2005, 2005-2006 et 2006-2007 .............. 127
Tableau 7.6. Relations entre les performances à la session d'interrogations de janvier et la
motivation (IGM) en mars 2004-2005, 2005-2006 et 2006-2007 .................. 127
Tableau 7.7. Relations entre les performances à la session d'interrogations d'avril et la
motivation (IGM) en mai 2004-2005, 2005-2006 et 2006-2007 .................... 127
Tableau 8.1. Comparaison des performances moyennes entre profils de motivation pour
l'année académique 2004-2005 (dans une même colonne, des lettres différentes
indiquent des moyennes différentes, Test t ou Test SNK, p<0,05) (AU=
motivation autonome; C= motivation contrôlée)............................................ 139
Tableau 8.4. Comparaison des performances moyennes entre groupes de trajectoires de
motivation (IGM) pour l'année académique 2004-2005 (BM/MM/HM:
basses/moyennes/hautes motivations) (dans une même colonne, des lettres
différentes indiquent des moyennes différentes, p<0,05) ............................... 143
différentes indiquent des moyennes différentes, p<0,05) ............................... 143
motivation
(IGM)
pour
l'année
académique
2006-2007
(TBM/BM/MM/HM/THM: très basses/basses/moyennes/hautes/très hautes
motivations) (dans une même colonne, des lettres différentes indiquent des
moyennes différentes, p<0,05) ....................................................................... 144
Tableau 9.1. Signe des coefficients de régression des différents Modèles 2 testés (entre
parenthèses = coefficients non significativement différents de 0). ............... 163
Tableau 9.2. Modèles HLM d’estimation de l’Indice Global de Motivation
(*p<0,05; **p<0,01; ***p<0,001).................................................................. 167
Tableau 9.3. Modèles HLM d’estimation de la Motivation Autodéterminée
(*p<0,05; **p<0,01; ***p<0,001) ................................................................. 168
Tableau 9.4. Modèles HLM d’estimation de la Motivation Contrôlée
(*p<0,05; **p<0,01; ***p<0,001) ................................................................. 169
Tableau 9.5. Modèles HLM d’estimation de l’Amotivation
(*p<0,05; **p<0,01; ***p<0,001) ................................................................. 170
- 10 -
Liste des abréviations
FuSaGx :
GxABT :
LRCS :
Faculté universitaire des Sciences agronomiques de Gembloux
Gembloux Agro-Bio Tech
Laboratoire de Recherche sur le Comportement Social
Outil de mesure de la motivation
EME :
EME-U :
Echelle de Motivation en Education (dans l'Enseignement, dans les Etudes)
EME adaptée aux études Universitaires
Types de motivation
MICO :
MIAC :
MIST :
MEID :
MEIN :
MERE :
AMOT:
Motivation Intrinsèque à la COnnaissance
Motivation Intrinsèque à l’ACcomplissement
Motivation Intrinsèque à la STimulation
Motivation Extrinsèque à régulation IDentifiée
Motivation Extrinsèque à régulation INtrojectée
Motivation Extrinsèque à Régulation Externe
Amotivation
MI :
ME :
Motivation Intrinsèque
Motivation Extrinsèque
MA :
MC :
Motivation Autodéterminée
Motivation Contrôlée
Indice de motivation
IGM
:
Index Global de Motivation
Quartiles de performances
Q1
:
Q4
:
« Quartile » correspondant au quart des étudiants ayant eu les performances
les moins bonnes aux examens de première session (juin)
« Quartile » correspondant au quart des étudiants ayant eu les meilleures
performances aux examens de première session (juin)
Profils de motivation:
"AU" :
"C" :
"AU-C" :
à Motivation Autonome
à Motivation Contrôlée
à Motivation Autonome et à Motivation Contrôlée
Trajectoires de motivation:
TBM
BM
MM
HM
THM
:
:
:
:
:
de Très Basses Motivations
de Basses Motivations
de Moyennes Motivations
de Hautes Motivations
de Très Hautes Motivations
- 11 -
Trajectoires de performances:
TBP
PC
BP
MBP
MHP
HP
THP
:
:
:
:
:
:
:
de Très Basses Performances
de Performances Cahoteuses (irrégulières)
de Basses Performances
de Moyennement Basses Performances
de Moyennement Hautes Performances
de Hautes Performances
de Très Hautes Performances
Types d'enseignement
APP
APW
EAD
TIC
TICE
:
:
:
:
:
Apprentissage Par Problèmes
Apprentissage Par le Web
Enseignement A Distance
Technologies de l'Information et de la Communication
TIC adaptées à l'Enseignement
Statistiques
LISREL :
PLS :
SEM :
CIB :
SNK :
AH
:
RH
:
HLM :
Linear Structural Relationship
Partial Least Square
Structural Equation Models
Critère d'Information Bayesien
Student Newman Keuls
Acceptation de l'Hypothèse
Rejet de l'Hypothèse
Hierarchical Linear Model
- 12 -
Préambule
Lorsqu'il rédige un travail de synthèse, le chercheur doit au préalable s'interroger sur les
lecteurs potentiels de son travail. Une fois les lecteurs identifiés, le chercheur veillera à se
faire comprendre de ceux-ci en adoptant leur style, leur langage (Van der Maren, 1995). Telle
a été ma volonté. Cependant, …
Le sujet de cette thèse de doctorat peut laisser perplexe. En effet, comment peut-on expliquer
qu'une étude empirique sur la motivation et l'enseignement puisse mener à l'obtention d'un
titre de Docteur en Sciences agronomiques et Ingénierie biologique ? Je ne répondrai pas à la
question et laisse le lecteur libre d'évaluer, après lecture, la pertinence de cette décision, prise
il y a près de 10 ans par les autorités académiques de la Faculté universitaire des Sciences
agronomiques de Gembloux, sous l’égide du Recteur Claude Deroanne.
Le lecteur ! Oui, mais quel lecteur ? Qui est susceptible d'ouvrir ce document ? Quelles sont
les motivations de ce lecteur ? A qui dois-je m'adresser pour essayer de me faire comprendre ?
La réponse à ces questions est multiple et, en toute conscience, je ne pouvais utiliser ici le
vocabulaire des sociologues, pédagogues et didacticiens si je voulais me faire comprendre de
mes collègues ingénieurs, docteurs et enseignants du supérieur à qui, finalement, cette étude
propose des pistes de réflexion voire d'action. De même, pourquoi aurais-je alourdi mon texte
de longues définitions dont les professionnels des sciences de l'éducation n'ont que faire ?
Finalement, soucieux de proposer ici une synthèse de mes recherches mais également un outil
de réflexion destiné aux enseignants du supérieur, j'ai décidé de réserver une partie de
l'approche théorique à la définition des principaux concepts des sciences de l'éducation
utilisés dans le cadre de ce travail. Des choix ont été réalisés afin d'alléger au maximum les
textes présentés par la suite. Par cette démarche, j'ose espérer faciliter le travail de chacun des
lecteurs.
"La motivation est plus qu'un état d'esprit, c'est un processus complexe et variable selon
l'individu mais aussi selon le moment et les circonstances, et ce chez un seul et même
individu" (Du Champs & Bernard, 2002)
- 13 -
- 14 -
Cadre théorique
- 15 -
- 16 -
Chapitre 1 Introduction
1.1
Explicitations préliminaires
1.1.1
Description du problème contextualisé
On pourrait penser que la grande majorité des étudiants qui entrent à l'Université est motivée.
Pourtant, au vu du faible taux de réussite et de l'importance des abandons, il est fréquent et
assez aisé d’invoquer leur manque de motivation, voire la qualité de leur motivation: Peutêtre n'étaient-ils pas suffisamment motivés ? Leur motivation était-elle trop superficielle
? N’ont-ils pas été démotivés ? Ce qui est probable, c'est que l'absence de stratégies de
maintien et de renforcement de "la" motivation constitue l'un des plus grands responsables du
manque de travail et de procrastination. Il n'est pas ici question de planifier des actions visant
à couver et à surprotéger les apprenants. Constamment, il faut les aider à trouver un sens à
toute activité: suivre un cours, prendre des notes, résoudre un problème, réaliser un travail,
construire un résumé, étudier, préparer et gérer une session d’examens, devoir collaborer, se
priver (de sorties, de vacances, …), etc. Ce renforcement permanent de la motivation, cette
prise de sens sans cesse renouvelée devrait être une priorité pour tout enseignant et
intervenant dans le cursus d'un étudiant. Pourtant, bien qu'essentielle, cette pratique ne suffit
généralement pas. En effet, il ne suffit pas d'être motivé. Il faut pouvoir utiliser cette
motivation pour mettre en place les conditions réelles de réussite: le travail, l’effort, les
privations, l'auto-évaluation, la remise en questions, …
Le parcours de l'étudiant universitaire est parsemé de sessions d'interrogations (ou examens).
Les notes obtenues constituent alors quasiment les seules évaluations du travail réalisé, les
seuls indicateurs de la "qualité" de l'étudiant et de ses "chances" de réussite. Cette
quantification des performances met à l'épreuve la motivation des étudiants. Nombre d’entre
eux se découragent alors suite à la "découverte" des exigences universitaires. Confrontés à
cette estimation de leurs performances, de nombreux étudiants perdent courage, motivation et
espoir de réussite.
Depuis une quinzaine d'années, de nombreuses recherches ont été menées sur la motivation,
essentiellement au niveau de la motivation au travail, dans le sport, dans les activités sociales,
et dans les activités d'apprentissage. Les recherches sur la motivation dans les activités
d'apprentissage se sont développées essentiellement au Canada (Vallerand et al., 1989; Viau,
1994). Ces recherches s'intéressaient principalement aux apprentissages scolaires et
négligeaient souvent les études universitaires. Progressivement, l'épineux problème du taux
d'échecs au niveau des études supérieures a débouché sur des études mettant en évidence
l'importance des facteurs motivationnels. Suite à ce constat, quelques propositions d'actions
ont été envisagées. La diversification des pédagogies employées fait partie de celles-ci. Dans
ce cadre, l'apprentissage par problèmes, l'apprentissage par projets et l'enseignement à
distance ouvrent de larges perspectives. Face au manque d'informations et aux échecs
observés lors des premières tentatives d'implantation, un nouveau champ de recherche s'est
développé au sein des pédagogies universitaires. C'est dans ce contexte et dans la phase
d’implantation des réformes de Bologne qu’a été initiée la présente recherche. Celle-ci
concerne l'étude de l'évolution des composantes motivationnelles au cours d'une première
année académique.
- 17 -
1.1.2
Le contexte universitaire belge
Depuis septembre 2004, l'enseignement supérieur belge, qu'il soit universitaire ou non, a été
profondément modifié par la mise en place de la réforme de Bologne. Il est articulé autour de
trois cycles: les bacheliers (1er cycle) qui remplacent les graduats et les candidatures; les
masters (2ème cycle) qui succèdent aux licences; le doctorat (3ème cycle) est proposé
uniquement dans les Universités.
Lorsque la présente expérimentation a été menée, il existait, en Communauté française de
Belgique, neuf Universités et Facultés universitaires réparties en trois Académies. Les études
universitaires, organisées en trois cycles étaient classées en vingt domaines distincts. L'accès à
l'enseignement supérieur (universitaire ou non) était et est resté libre. En effet, tous les
diplômés de l'enseignement secondaire de transition peuvent s'y inscrire avec une totale
liberté dans le choix de la filière. Les seules exceptions concernent le numerus clausus mis en
œuvre dans les facultés de médecine et les examens d'entrée en sciences appliquées. Cette
liberté de décision accordée à l'étudiant se traduit en un grand taux d'échec à la fin de la
première année. En effet, depuis plus de vingt ans, on considère que seuls deux étudiants sur
cinq inscrits parviennent à réussir leur première année d'étude (CRef, 2010).
Probablement plus par crainte que par manque d'informations, l'enseignant garde encore
souvent un rôle de détenteur et de dispensateur du savoir. Ce constat est davantage marqué au
niveau des études universitaires. Le professeur "ne peut ou ne veut" pas sortir de sa relation
unilatérale pour s'engager dans une relation basée sur la médiation. Fort heureusement, les
mentalités et pratiques évoluent progressivement. Depuis une dizaine d'années, le faible taux
de réussite en première année d'études à l'Université a engendré une réflexion générale sur les
études supérieures avec pour conséquence, à la Faculté universitaire des Sciences
agronomiques de Gembloux (Belgique) (FuSaGx) - actuelle Gembloux Agro-Bio Tech de
l’Université de Liège (GxABT-ULg), l'engagement d'assistants "pédagogiques" chargés de
combler partiellement les lacunes du système. Les Universités espéraient alors voir augmenter
fortement le taux de réussite des étudiants, seul indicateur envisagé pour mesurer l’efficacité
des mesures mises en place. C'était sans compter sur l'inertie générale du système et l'arrivée
progressive de cohortes d'étudiants, certes riches de compétences nouvelles mais de moins en
moins "préparés" ou "prêts" à entamer des études réputées difficiles.
Différents facteurs sont à l'origine de l'inertie générale évoquée: le conservatisme de "vieux"
professeurs, le scepticisme général face à la pédagogie universitaire - surtout ressenti au
niveau des années supérieures - , la non adéquation entre la formation des assistants engagés
et les défis pédagogiques à relever, l'incroyable suprématie qu'exerce la recherche scientifique
sur l'attention portée à l'enseignement, etc.
Diverses études se sont intéressées aux motivations à s'engager dans des études universitaires.
Ces motivations semblent rarement suffisamment puissantes pour résister aux nombreux
moments de doutes que rencontrent les étudiants. Les mauvaises performances ne sont pas les
seuls facteurs de démotivation. A l'université, la démotivation des étudiants à suivre un cours
peut aussi se manifester lorsqu'ils ne voient pas l'importance de la matière enseignée ou à
cause des activités proposées par le professeur. Quoi qu'il en soit, ces démotivations ont des
conséquences importantes: démotivés, les étudiants ne s'engageront pas et ne persévèreront
pas dans les cours, les notes faibles ou les échecs conduiront bon nombre d'entre eux à
abandonner leurs études (Viau & Joly, 2001).
- 18 -
1.1.3
L'approche motivationnelle
Devant l'ampleur du problème d'abandon à l'Université, la motivation est devenue un facteur
important dans les recherches portant sur les étudiants universitaires.
Dans la majorité des travaux portant sur les caractéristiques des étudiants, la motivation est
abordée sous l'angle des motifs qui amènent les étudiants à entreprendre des études
universitaires ou sous l'angle du degré d'intérêt qu'ils manifestent pour le programme dans
lequel ils sont inscrits (Viau & Joly, 2001).
Le renforcement de la motivation passera entre autres par une diversification des moyens
d'enseignement. De plus, l'efficacité des interventions motivationnelles viendra de leur réelle
programmation et de leur planification (Kalali, 1997). Dans le cadre particulier de la
construction d'un enseignement à distance, et probablement dans d'autres contextes, cette
programmation doit impérativement être accompagnée de phases successives de régulations et
d'évaluations des interventions programmées (Mignon, 2006; Mignon & Reggers, 2006). La
motivation développée doit être transformée en objectifs rendus opérationnels au sein de la
conduite de l'enseignement. Il s'agit de définir les fonctions de motivation requises aux
différents niveaux d'explication. Cette planification permet la construction de la motivation en
dépassant la seule fonction de stimulation généralement sollicitée.
1.2
Cadre théorique :
La théorie de l'autodétermination
De nombreuses théories psychologiques ont abordé la question de la motivation: théorie
psychanalytique, théorie behavioriste, la démarche humaniste, la psychologie cognitive et la
théorie de la motivation humaine. Chacune de ces théories est à l'origine de définitions de la
motivation et de propositions d'interventions pour motiver. Vianin (2006) développe
largement ces différents courants et insiste sur l'intérêt d'une approche intégrant toutes les
ressources des différentes théories.
L'intérêt de prendre en considération toutes ces théories est capital lorsque l'objectif poursuivi
est de susciter le désir et la volonté d'apprendre. La présente recherche, essentiellement
descriptive, est basée sur l'étude des relations réciproques existant entre les performances des
étudiants et leur motivation. Elle s’inscrit pleinement dans le champ de la psychologie
cognitive. En effet, les théories sociocognitives proposent de fonder l'étude des phénomènes
humains sur l'interaction qui existe entre les comportements d'une personne, ses
caractéristiques individuelles et l'environnement dans lequel il évolue.
Les travaux récents sur la motivation suivent tous une approche sociocognitive, considérant
dès lors que le comportement humain est dirigé par des facteurs internes trouvant une origine
dans l'environnement de l’individu.
La théorie de l'autodétermination s'inscrit dans le courant sociocognitiviste. Elle postule
l'existence de différents types de motivation se distinguant par le degré d'autodétermination
qui sous-tend le comportement (Deci & Ryan, 1985). Ces types de motivation peuvent être
divisés en trois grandes classes: la motivation intrinsèque, la motivation extrinsèque et
l'amotivation.
- 19 -
L'autodétermination sera largement présentée au chapitre 2 car ce construit théorique est à
l'origine du développement, par Vallerand, Blais, Brière & Pelletier (1989), d'un outil
d'évaluation des différents types de motivation, connu sous le nom d'Echelle de Motivation en
Education (EME). Cet outil, adapté aux études universitaires (EME-U) a été utilisé dans la
présente recherche afin d'assurer le suivi longitudinal de la motivation des étudiants. Ses
principales qualités et limites d'utilisation sont présentées au chapitre 4.
1.3
Cadre contextuel :
1ère bachelier - Faculté universitaire des Sciences
agronomiques de Gembloux, en Belgique francophone
La Communauté française de Belgique s'étend sur environ 17.000 km2 et compte
approximativement 4.000.000 d'habitants. Lors de l’expérimentation, elle disposait de neuf
institutions universitaires regroupées au sein de trois Académies.
La présente recherche a été menée en première année d'études (1ère bachelier) à la Faculté
universitaire des Sciences agronomiques de Gembloux. Depuis 2009, cette faculté fait partie
de l'Université de Liège au sein de l'Académique Wallonie-Europe. Elle est actuellement
connue sous le nom de Gembloux Agro Bio-Tech et jouit d'une réputation mondiale pour la
qualité de sa formation d'ingénieurs agronomes (bio-ingénieurs depuis 2003), lesquels
s'impliquent largement dans les relations Nord-Sud. Dans la suite du travail, nous
continuerons à faire référence à la Faculté universitaire des Sciences agronomiques de
Gembloux, seule appellation reconnue au moment de nos trois années d’expérimentation.
Afin d'envisager l'étude des fluctuations de la motivation (au sens large) et des différents
types de motivation, le questionnaire EME-U a été soumis à cinq reprises aux étudiants. Les
périodes choisies (premier jour de cours, début décembre, fin janvier, fin mars et début mai)
permettent d'envisager l'étude de l'influence de la motivation sur les performances
(interrogations et examens), et vice-versa. Les rares études longitudinales de la motivation ont
été réalisées sur plusieurs années d'études et ne s'intéressaient guère à l'influence des
différentes périodes d'évaluation sur la motivation.
En sciences humaines, il n'est pas aisé d'effectuer des répétitions sur la même population
d'étudiants, c'est pourquoi nous avons travaillé sur trois cohortes successives d'étudiants. En
2004-2005, 2005-2006 et 2006-2007, les questionnaires ont été soumis aux étudiants aux
mêmes périodes académiques, en respectant les délais entre évaluation de la motivation et
évaluation des connaissances (interrogations et examens). Durant ces trois années, aucune
initiative pédagogique majeure n’a été mise en place et l’équipe enseignante est restée stable.
1.4
Objectifs et hypothèses de recherche
1.4.1
Objectifs de la recherche
Dans le cadre des premières années d'études universitaires, le manque de motivation (ou de
compétences motivationnelles) est souvent invoqué, au même titre que le manque de
prérequis disciplinaires, pour tenter d’expliquer une situation d’échec, d’abandon ou de
procrastination.
- 20 -
La définition d'objectifs axés sur le maintien et le développement de compétences
motivationnelles semble donc primordiale au niveau universitaire. Elle doit s'accompagner
d'une mise au point de stratégies d'action en vue de remplir ces objectifs. Cette étape est
souvent négligée, voire complètement ignorée, par manque de référentiels. En effet, peu
d'études se sont intéressées à l'évolution de la motivation académique des étudiants
universitaires ainsi qu'aux facteurs responsables des fluctuations observées. C'est dans ce
cadre que s'inscrit la présente recherche.
L'objectif principal de la recherche qui a été conduite n’est clairement pas de proposer et de
tester diverses stratégies motivationnelles ni même d’explorer les processus d’autorégulation
de la motivation qui peuvent être mis en place par les étudiants. Les analyses réalisées sont
principalement de nature descriptive et visent exclusivement à améliorer les connaissances
relatives à l'évolution de la motivation académique des étudiants de première bachelier
inscrits en filière scientifique ainsi qu'à évaluer, grâce à différents outils statistiques, la part
d’influence des performances et du genre sur cette évolution.
Différents objectifs secondaires sont également poursuivis:

Augmenter les connaissances relatives aux "qualités psychométriques" du
questionnaire utilisé (EME-U).

Qualifier et quantifier les principales différences observées entre les étudiantes
et les étudiants, tant au niveau des profils d’évolution de la motivation que des
relations réciproques entre motivation et performances. La connaissance des
spécificités liées au genre doit permettre d'adapter l'analyse des performances
aux interrogations et, éventuellement, d'affiner les qualités prédictives de la
motivation.

Caractériser la motivation de groupes d’étudiant(e)s établis sur base de leurs
performances finales. En effet, il semble particulièrement intéressant d'étudier
dans quelle mesure les étudiants qui obtiennent de bons résultats en fin d'année
se distinguent des autres étudiants sur le plan motivationnel.

Rechercher d'éventuelles relations entre la motivation et les performances
ultérieures, en vue d'améliorer les modèles de prédiction de la réussite.

Mettre à l’épreuve et évaluer la puissance de la théorie de l’autodétermination
développée par Deci et Ryan depuis 1985.

Rechercher d'éventuelles relations entre les performances des étudiants et la
motivation évaluée après prise de connaissance de ces performances et
discussion avec un professeur ou un assistant. Cet objectif vise, à terme,
l'amélioration des rencontres personnalisées d'analyse des performances des
étudiants. En effet, lorsqu'un enseignant et un étudiant se rencontrent pour
analyser les performances de l'étudiant, il existe un grand décalage entre leurs
analyses respectives. Ce décalage réduit la portée des conseils prodigués et nuit
finalement aux objectifs motivationnels de telles rencontres.
- 21 -
1.4.2
Hypothèses principales et secondaires
Les objectifs définis ci-dessus ont permis d'établir quatre grands axes dans la présente
recherche. Ceux-ci seront développés aux chapitres 6 à 9. Pour les deux premiers axes, des
hypothèses simples ont préalablement été formulées sous forme d'affirmations relatives à
l’évolution de la motivation au cours de l’année et aux relations réciproques entre la (les)
motivation(s) et les performances. Le chapitre 8 est consacré à l'étude des trajectoires
motivationnelles à l'aide d'une méthode semi-paramétrique fondée sur le groupement. Le
chapitre 9 s’intéresse à la modélisation de l’évolution de la motivation à l’aide de modèles
hiérarchiques. Ces deux chapitres sont construits sur base d’hypothèses plus spécifiques.
Nous reprenons ci-dessous les 4 grands axes de notre recherche.
Chapitre 6.
Evolution de la motivation au cours de l'année
Hypothèse 6.1.
Hypothèse 6.2.
Hypothèse 6.3.
Hypothèse 6.4.
Hypothèse 6.5.
Chapitre 7.
Relations entre la motivation et les performances
Hypothèse 7.1.
Hypothèse 7.2.
Hypothèse 7.3.
Hypothèse 7.4.
Chapitre 8.
Les étudiants qui entrent à l'Université dans une filière scientifique sont
tous fort motivés.
La motivation des étudiants fluctue au cours de l'année.
Les étudiantes sont plus motivées que les étudiants.
Les étudiants qui réussissent sont plus motivés que les autres.
Les étudiants les plus faibles aux examens de fin d'année ont présenté
des signes précoces de démotivation.
La motivation académique en début d'année est corrélée aux
performances ultérieures.
Plus l'année avance, plus la motivation est corrélée aux performances
finales.
L'absence de motivation (amotivation) est négativement corrélée aux
performances.
Les performances aux interrogations sont corrélées à la motivation
évaluée après communication des résultats.
Etude des trajectoires de motivation académique à l'aide d'une méthode
semi-paramétrique fondée sur le groupement
Hypothèse 8.1.
Hypothèse 8.2.
Hypothèse 8.3.
Hypothèse 8.4.
Hypothèse 8.5.
Il existe des groupes d'étudiants qui présentent des trajectoires de
motivation distinctes
Les trajectoires de motivation sont couplées à des performances
distinctes
Il existe des groupes d'étudiants qui présentent des profils instantanés
de motivation distincts
Les profils de motivation sont couplés à des performances distinctes
Un étudiant peu motivé ne peut obtenir de bonnes performances finales
- 22 -
Chapitre 9.
Approche multiniveaux de la motivation des étudiants et de ses principales
composantes
Hypothèse 9.1.
Hypothèse 9.2.
Hypothèse 9.3.
1.5
Les étudiantes et les étudiants se distinguent par des évolutions
différentes de leur motivation académique et de ses trois souscomposantes (motivation autodéterminée, motivation contrôlée et
amotivation)
De bons résultats aux sessions d’interrogations engendrent une
augmentation de la motivation académique, de la motivation
autodéterminée et de la motivation contrôlée
diminution de l’amotivation
La démarche analytique
Le but de la présente recherche consiste à améliorer les connaissances relatives à l'évolution
de la motivation académique des étudiants de première bachelier inscrits en filière scientifique
ainsi qu'à évaluer et modéliser les relations qui lient cette motivation académique aux
performances. La démarche analytique privilégiée est essentiellement d’ordre descriptif et
repose sur le suivi longitudinal de la motivation académique des étudiants nouvellement
inscrits à la Faculté universitaire des Sciences agronomiques de Gembloux.
Le suivi de la motivation a été assuré en soumettant à cinq reprises le questionnaire
constituant l'Echelle de Motivation en Education (Vallerand et al., 1989). Ce questionnaire
permet de quantifier sept composantes motivationnelles et de les combiner au sein d'un Index
Global de Motivation (IGM). Les performances ont été évaluées en session d'interrogations
ou d'examens. La Figure 1.1 illustre le design longitudinal de notre étude avec les cinq
périodes de mesure de la motivation et les quatre périodes d’évaluation des performances des
étudiants.
- 23 -
Figure 1.1.
1.6
Design longitudinal de l’étude
Structure du document
L'originalité du présent travail repose entre autres sur le contexte particulier de l'étude, sur le
suivi de la motivation au cours d'une année académique et sur la répétition de
l'expérimentation. Le cadre théorique et le cadre expérimental sont présentés sommairement
dans le présent chapitre 1 avec les objectifs principaux de la recherche. Les aspects théoriques
sont développés dans le cadre du chapitre 2 et accompagnés d'une étude bibliographique
consacrée aux différences de motivation liées au genre (Chapitre 3).
L'outil de mesure de la motivation - "Echelle de Motivation en Education" - est présenté au
chapitre 4 avec ses principales qualités psychométriques. Les précisions concernant les
populations d'étude sont fournies au chapitre 5.
- 24 -
Les quatre grandes thématiques de recherche qui ont été identifiées pour le présent travail
concernent l'évolution de la motivation académique au cours de l'année, les influences
réciproques entre la motivation et les performances, la mise en évidence de profils d'évolution
de la motivation et la modélisation de l’évolution de la motivation à l’aide d’analyses
multiniveaux. Ces quatre axes sont développés aux chapitres 6 à 9 pour les trois cohortes
successives d'étudiants nouvellement inscrits en première bachelier (2004-2005, 2005-2006 et
2006-2007). Les discussions colligées au chapitre 10 fournissent un relevé commenté des
hypothèses acceptées et rejetées. Elles ouvrent la voie à de nouvelles recherches ainsi qu'à
différentes perspectives d'action. Le chapitre et le document se clôturent par la présentation
des principales conclusions.
Une double fiche mobile complète ce document afin d’en faciliter la lecture et l’analyse. Elle
comprend l’essentiel des abréviations utilisées, l’Echelle de Motivation en Education (EME),
les caractéristiques des sept composantes motivationnelles quantifiables à l’aide de ce
questionnaire, le principe de mesure de l’Index Global de Motivation (IGM) ainsi qu’une
représentation du continuum d’autodétermination.
- 25 -
- 26 -
Chapitre 2 L'approche sociocognitive de la motivation en
éducation
Confrontés à la réalité des études universitaires (cours en grands groupes, découverte du
curriculum, quantité de travail, niveau d'exigence, autonomie, etc.), beaucoup d'étudiants se
questionnent rapidement sur leurs motivations et les raisons qui les poussent à s'investir dans
leurs études. Les périodes d'évaluation renvoient souvent ces étudiants à s'interroger sur leur
projet professionnel et sur le projet de formation qui y est associé. Ce double questionnement
est directement influencé par les perceptions que l'étudiant présente à ce moment: perception
de soi, perception de sa compétence, perception de l'intérêt des études entreprises, perception
de l'autonomie dont il dispose pour intervenir dans le cadre de ses études.
L'approche sociocognitive présente un excellent terrain d'ancrage pour les recherches menées
sur l'évolution de la motivation des étudiants en premier cycle universitaire. Les concepts
associés à cette approche, organisés au sein du modèle de Viau (1994) et de la théorie de
l'autodétermination, fournissent un cadre conceptuel utile pour vérifier les hypothèses
préalablement émises.
La motivation à l'apprentissage a fait l'objet de nombreuses études, essentiellement dans le
milieu scolaire et, plus récemment, au niveau universitaire. Ces études ont été menées selon
différentes approches théoriques. Cependant, les travaux récents sur la motivation suivent
tous une approche sociocognitive, considérant que le comportement humain est dirigé par des
facteurs internes trouvant une origine dans l'environnement. Ainsi, selon l'approche
sociocognitive de l'apprentissage, la motivation de l'élève est principalement influencée par
ses perceptions. C'est dans ce cadre conceptuel que s'inscrit la présente recherche.
Les modèles de la motivation scolaire qui ont été développés selon une approche
sociocognitive prennent appui sur un certain nombre de postulats propres à cette approche.
Nous les empruntons tels quels à Barbeau, Montini et Roy (1997):






1
Le comportement humain est le résultat d'interactions continues entre les
déterminants cognitifs, comportementaux et environnementaux (Bandura, 1986);
Le comportement d'une personne est influencé par sa façon de percevoir,
d'interpréter et de prévoir les événements (Kelly, 19551 voir Weiner, 1980);
Les perceptions d'une personne sont influencées par ses processus cognitifs et
évoluent selon les événements qu'elle vit (Weiner, 1985);
Les perceptions d'une personne sont en relation étroite avec ses émotions et sa
motivation (Weiner, 1985);
La motivation d'une personne se manifeste par son engagement cognitif, sa
participation et sa persistance dans l'accomplissement d'une tâche (Pintrich &
Schrauben, 1992);
La performance est influencée par l'engagement, la participation et la persistance
dans l'accomplissement d'une tâche (Pintrich & Schrauben, 1992).
Kelly, G.A. (1955). The psychology of personal constructs. New York: W.W. Norton.
- 27 -
2.1
Le concept de "motivation scolaire"
Lorsqu'un étudiant fait du "sur place", qu'il ne travaille plus, l'enseignant tente bien souvent
d'expliquer cet état par le manque de motivation et/ou les limites intellectuelles de l'apprenant.
Cette motivation, si souvent incriminée, recouvre en réalité différentes acceptions. La
majorité des gens ont une idée de ce qu'est la motivation, pourtant, le concept est assez
difficile à définir. En réalité, ce terme est assez récent puisqu'il est apparu en 1845, alors que
le verbe motiver date de 1721 (TLF, 2012).
Vu l'importance accordée actuellement à la motivation dans les recherches en éducation,
différents auteurs ont essayé de donner une définition précise de ce concept. Ils s'accordent
tous sur le fait que la motivation dirige le comportement.
Pour Petri (1981), "la motivation est le concept utilisé pour décrire les forces agissant sur un
organisme qui l'amènent à initier et à diriger son comportement". Corsini (1987) explique
que "la motivation traite du pourquoi d'un comportement. Le concept fait référence aux états
internes de l'organisme qui produisent l'incitation, la persistance, l'énergie et la direction du
comportement". Vallerand et Thill (1993) écrivent que "le concept de motivation représente le
construit hypothétique utilisé afin de décrire les forces internes et/ou externes produisant le
déclenchement, la direction, l'intensité et la persistance du comportement". Pour Barbeau,
Montini et Roy (1997), la motivation scolaire se définit comme "un état qui prend son origine
dans les perceptions et les conceptions qu'un élève a de lui-même et de son environnement et
qui l'incitent à s'engager, à participer et à persister dans une tâche scolaire". On retrouve ici
toutes les composantes qui caractérisent l'approche sociocognitive. Il en est de même dans la
définition qui sous-tend le modèle développé à Sherbrooke par Viau. Ainsi, Viau (1994)
envisage la motivation comme "un concept dynamique qui a ses origines dans la perception
qu'un élève a de lui-même et de son environnement et qui l'incite à choisir une activité, à s'y
engager et à persévérer dans son accomplissement afin d'atteindre un but".
Seules les définitions identifiant différentes variables sur lesquelles il est possible d'intervenir
(les déterminants de la motivation) ont été retenues. Elles présentent le grand avantage d'offrir
un cadre théorique opérationnel. Encore faut-il pouvoir quantifier ou observer des indicateurs
de motivation, indispensables outils de vérification de l'efficacité des interventions mises en
place.
Le relatif consensus fait sur la définition de la motivation cache en réalité de nombreuses
divergences sur les processus psychologiques qui la sous-tendent. De même, certains auteurs
préfèrent parler "des" motivations plutôt que de "la" motivation. En effet, celle-ci peut se
décomposer en différentes sous-unités. Plus encore, la motivation, au sens large, a suscité une
incroyable diversité de modèles et de théories visant à prédire et à expliquer les
comportements humains. Il faut bien reconnaître que "si les théories de la motivation sont
nombreuses, c’est que les processus motivationnels sont complexes" (Aubret, Blanchard et
Volvey, 1998).
Ainsi, différents chercheurs ont tenté d'intégrer les facteurs motivationnels au sein de modèles
dynamiques reposant sur la distinction entre les déterminants et les indicateurs de motivation
(Barbeau et al., 1997; Viau, 1994). Les facteurs pris en considération dans le modèle de Viau
(1994) sont présentés ci-après. La présentation des recherches menées sur l'autodétermination
et les différentes composantes de la motivation clôture l’approche théorique et conceptuelle
de la motivation en éducation.
- 28 -
2.2
Le modèle de Viau, ses déterminants et ses indicateurs
L'intérêt du modèle de Viau (1994) est double. D'une part, il envisage la dimension
dynamique de la motivation (rien n'est statique, d'où l'intérêt d'envisager des suivis
longitudinaux de la motivation), et d'autre part, il propose un modèle reposant sur six
composantes permettant au chercheur en éducation et/ou à l'enseignant d'identifier les facteurs
susceptibles d'être modifiés, dégageant par la même occasion des modalités précises
d'intervention sur la motivation.
L'approche sociocognitive s'intéresse aux processus de la pensée et à leur incidence sur le
comportement. Selon cette approche, Viau (1994) propose un modèle qui repose sur
l'identification de trois déterminants de la motivation et de trois indicateurs de la motivation.
Les déterminants sont constitués de facteurs internes et environnementaux alors que les
indicateurs de la motivation sont des facteurs comportementaux (Figure 2.1). Ces
déterminants et ces indicateurs sont en interaction et renforcent à tour de rôle la motivation
des apprenants.
Figure 2.1.
Modèle de motivation en contexte scolaire (Viau, 1994)
La dynamique motivationnelle est la relation qui existe entre les différentes composantes du
modèle de motivation. Si le contexte crée une dynamique motivationnelle, les déterminants de
la motivation seront accrus. Ces perceptions susciteront chez l'étudiant un renforcement de sa
motivation qui le poussera à s'engager cognitivement et à persévérer, ce qui lui permettra de
réaliser une bonne performance, constituant un contexte favorable, qui aura à nouveau un
effet positif sur ses perceptions. Considérés à l'origine comme des effets de la motivation, les
indicateurs de motivation (engagement et persévérance) deviennent, par l'intermédiaire des
performances, des causes de motivation influençant les perceptions des apprenants.
La dynamique motivationnelle d'un élève évolue constamment suite à l'influence des
événements importants que celui-ci vit. A un moment donné, l'état de la dynamique
motivationnelle peut être évalué en utilisant différentes techniques comme l'observation,
l'entrevue et le questionnaire (Viau, 1994).
- 29 -
Les déterminants de la motivation, ses indicateurs ainsi que l'importance du contexte sont
présentés ci-dessous. Ils ont largement été commentés par l'auteur (Viau, 1994) et par Huart
(2001, 2003).
2.2.1
La perception que l'élève (l'étudiant, en milieu universitaire) a de la valeur d'une
activité
Pour s'engager dans une activité, il faut être convaincu de son utilité, pour soi-même ou pour
une autre personne. La valeur d'une activité fait donc référence à l'utilité perçue de celle-ci
mais également aux buts poursuivis par l'élève ou l'étudiant.
Confronté à une activité d'apprentissage, l'apprenant peut poursuivre des buts d'apprentissage
(p.ex. acquisition de nouvelles connaissances) et/ou des buts de performances (p.ex. gain de
reconnaissance sociale, prix, points). Les premiers s'apparentent à la motivation intrinsèque
alors que les seconds appartiennent plus au domaine de la motivation extrinsèque.
L'engagement cognitif de l'élève dans des tâches de défi sera fonction des buts poursuivis.
Ainsi, il s'engagera davantage lorsque l'erreur est perçue comme peu dommageable (buts
d'apprentissage).
Poursuivre des buts d'apprentissage n'exclut pas le fait de poursuivre également des buts de
performances. De même, la poursuite de buts de performances ne nuit pas nécessairement à la
motivation. L'idéal semble même de poursuivre à la fois des buts d'apprentissage et des buts
de performances (Wentzel & Asher, 1995).
Les buts d'une personne sont définis à court, moyen et long termes. Cet étalement des buts
dans l'avenir d'une personne correspond à ses perspectives futures. A l'université, le fait de se
fixer des buts de performances à long terme (accéder à une profession, un statut social) suscite
parfois une très forte motivation. Schunk (1991) a cependant montré que la détermination de
buts à court terme a une plus grande influence sur la perception de sa compétence, de par la
rapidité avec laquelle il est possible d'évaluer leur atteinte ou non.
2.2.2
La perception que l'élève a de sa compétence
Il s'agit du facteur motivationnel le plus important (voir Galand, 2001 pour une revue du
sujet). En effet, avant de se lancer dans une tâche, il faut se sentir capable de la mener à bien.
Au niveau universitaire, la perception de ses compétences dans un cours est positivement liée
à l'engagement cognitif (Pintrich, 1999; Pintrich & Schunk, 1996).
Des activités à taux d'incertitude assez élevé peuvent être considérées comme des défis, raison
pour laquelle le "goût pour les défis" est généralement associé au concept de perception de ses
compétences (Huart, 2003).
Pour Bandura (1980, 1986), les croyances d'un individu à l'égard de ses capacités à accomplir
avec succès une tâche ou un ensemble de tâches sont à compter parmi les principaux
mécanismes régulateurs du comportement. Le Sentiment d'Efficacité Personnelle (SEP) influe
positivement sur la performance en permettant aux personnes de mobiliser et organiser leurs
compétences (rôle direct) et en influençant le choix des objectifs et des actions (rôle indirect)
(François & Botteman, 2002).
- 30 -
2.2.3
La perception que l'élève a de la contrôlabilité d'une activité
Ce concept fait référence à la perception du degré de contrôle qu'un élève possède sur le
déroulement et sur les conséquences d'une activité. Cette perception est influencée par deux
facteurs: la perception de sa compétence à accomplir l'activité (vue ci-dessus) et la capacité à
déterminer pourquoi tel événement donné (p.ex. échec, bon résultat, retard) s'est produit
(perceptions attributionnelles de Weiner, 1985).
Ainsi, après un échec, l'élève s'engagera à nouveau dans une tâche similaire s'il attribue son
échec à des facteurs qui lui sont propres et contrôlables (p.ex. manque d'étude) plutôt qu'à des
causes externes, sur lesquelles il n'a aucun pouvoir d'action (p.ex. professeur raciste).
La perception que l'élève a de la contrôlabilité d'une activité est directement liée à la
perception de sa propre autonomie et aux stratégies d'apprentissage qu'il va développer dans
le cadre d'activités proposées.
2.2.4
L'engagement cognitif de l'élève dans la tâche
Entre les composantes motivationnelles et les performances, on retrouve dans le modèle de
Viau l'engagement et la persévérance. L'engagement cognitif est directement sous l'influence
des trois déterminants motivationnels évoqués ci-dessus. Il fait réellement le lien entre la
motivation et les performances académiques. L'engagement académique constitue le véritable
facteur de réussite.
Pirot et De Ketel (2000) définissent l'engagement académique comme "une décision
volontaire de s'engager activement et profondément, mais aussi comme la participation active
à des activités d'apprentissage". Cet engagement académique est un processus
multidimensionnel qui met en jeu quatre types de mobilisation: (1) une mobilisation affective
(p.ex. désir d'apprendre, aspirations), (2) une mobilisation conative (quantité d'énergie
investie par l'étudiant), (3) une mobilisation cognitive (le travail intellectuel mis en œuvre) et
(4) une mobilisation métacognitive (stratégies de prises de conscience de propres démarches
d'apprentissage).
La procrastination académique est source de moindres performances (Moon & Illingworth,
2005). Le manque ou l'insuffisance d'engagement dans un projet de vie universitaire et/ou
professionnelle est perçu par Bittar (1996) comme une cause probable d'abandon. Cet
engagement peut être décrit comme un comportement orienté vers un but, qui implique une
interaction entre les caractéristiques de l'étudiant et celles de l'environnement d'apprentissage.
Comme tout indicateur de motivation, il peut être repéré chez les étudiants par l'enseignant.
On peut le situer dans la ligne d'une théorie cognitive de la motivation et d'une théorie des
comportements sociaux (Bittar, 1996).
2.2.5
La persévérance de l'élève dans la tâche
Persévérer dans une tâche consiste à poursuivre et à prolonger ses efforts. La performance
désigne les résultats obtenus, c'est-à-dire l'ensemble des comportements indiquant la
réalisation efficace de l'activité (Viau & Joly, 2001).
- 31 -
Différentes études ont démontré que les motivations autodéterminées prédisaient la
persévérance scolaire (Vallerand & Bissonnette, 1992; Vallerand, Fortier & Guay, 1997).
Pour Rancourt et al. (2003), la persévérance scientifique des garçons et des filles n'engage pas
les mêmes profils motivationnels. Les filles sont plus autodéterminées que les garçons. Les
filles non persévérantes en science ont rapporté des niveaux de motivation à régulation
externe plus élevés que celles qui ont persévéré. Pour les garçons, les non persévérants ont
rapporté des niveaux plus élevés de motivation à régulation externe et de motivation
extrinsèque identifiée que ceux qui ont persévéré.
Vollmeyer et Rheinberg (2000) ont cherché à vérifier les liens entre motivation et
persévérance ainsi qu'entre persévérance et performance. La motivation initiale est bien liée à
la persévérance, cependant, aucun lien n'a été mis en évidence entre la persévérance et la
performance. Ce résultat peut paraître surprenant, pourtant, il résulte simplement du fait que
les apprenants les plus performants s'arrêtent plus rapidement de travailler et que ceux qui
persistent le plus longtemps n'obtiennent pas nécessairement les meilleurs résultats.
2.2.6
La performance de l'élève
Les performances obtenues par un élève constituent un feed-back sur son investissement. Ces
performances ne se réduisent pas à l'attribution d'une cote. Ce peut être une appréciation orale,
la réalisation d'une œuvre, l'obtention d'une réponse à un problème ou simplement une
discussion. L'enseignant peut très bien ne pas intervenir dans l'établissement d'une
performance.
Hancock, Bray et Nason (2002) ont comparé deux types d'organisation de classe et deux types
d'étudiants universitaires dans le cadre d'un cours d'informatique. L'enseignement était soit
classique, de type ex-cathedra, soit basé sur l'autonomie, de type participatif. Les étudiants
étaient répartis en "penseurs abstraits" et "penseurs concrets". La comparaison portait sur la
motivation et les résultats obtenus au terme de l'apprentissage. L'enthousiasme (la motivation)
était systématiquement plus important dans la classe à enseignement de type autonome.
Cependant, seuls les étudiants qui tendent vers l'abstraction y ont mieux réussi, alors que les
adeptes du concret ont obtenu de meilleurs résultats dans le cadre de l'enseignement
traditionnel. Si motivation et performance ne vont pas toujours de pair, il semble parfois
préférable de préserver la motivation au prix de moindres performances, afin de favoriser la
persévérance et récolter ainsi des bénéfices à plus longs termes (Seron, 2006).
Aux Pays-Bas, la motivation autonome relative des étudiants en médecine est positivement
corrélée aux performances, essentiellement par le biais de la mise en place de stratégies
d’étude efficaces, et ce de manière plus marquée chez les étudiantes que chez les étudiants
(Kusurkar, Ten Cate, Vos, Westers & Croiset, 2012).
2.2.7
Le contexte
Dans la présentation de son modèle, Viau (1994) précise que le contexte n'est pas une
composante relative à l'élève mais qu'elle est à l'origine de la dynamique motivationnelle.
Généralement, le contexte se traduit pour l'élève par des activités d'enseignement et
d'apprentissage consistant à écouter, à interagir avec l'enseignant, à faire des exercices, à
travailler en équipe, à rédiger un rapport, à étudier, à passer un examen, etc. Lorsque le
- 32 -
contexte se réduit à une activité, la motivation de l'élève peut être influencée par le type
d'activité proposé ainsi que par la matière qu'elle véhicule.
Dans le cadre d'une étude de la motivation académique, le contexte ne peut être défini en
terme d'activités. Il faut voir le contexte comme un ensemble diversifié de stimuli qui
influencent les perceptions qu'un élève a de lui-même (Viau, 1994). Les stimuli ou les
événements constituant alors le contexte peuvent n'avoir que très peu de rapport avec les
activités d'enseignement ou d'apprentissage. Ce contexte global joue certainement un rôle très
important dans le cadre d'études supérieures universitaires. Ainsi, la période de l'année, des
conflits entre étudiants, les fêtes estudiantines, des problèmes d'horaires et d'équipement
constituent divers "événements" qui influencent les perceptions qu'un élève a de lui-même et
par conséquent, sa motivation.
La présente étude, consacrée à la motivation académique, considère les périodes d'évaluation
des connaissances comme étant les principales composantes contextuelles. Les activités
d'enseignement et d'apprentissage sont davantage étudiées par les chercheurs s'intéressant à la
mise en place de stratégies motivationnelles.
2.3
La théorie de l'autodétermination
La théorie de l'autodétermination de Deci et Ryan (1985, 1991) a été utilisée avec succès lors
de nombreuses études motivationnelles effectuées dans des domaines diversifiés tels que le
sport (Brière, Vallerand, Blais & Pelletier, 1995), la gérontologie (Vallerand & O'Connor,
1989), les loisirs (Pelletier, Vallerand, Green-Demers, Brière & Blais, 1995; Pelletier,
Vallerand, Green-Demers, Blais & Brière, 1996), les activités familiales (Senécal &
Vallerand, 1999) et l'éducation (Vallerand, Blais, Brière & Pelletier, 1989; Vallerand,
Pelletier, Blais, Brière, Senécal & Vallière, 1992, 1993).
Le concept d'autodétermination permet de décrire le comportement autodéterminé de
l'individu comme la résultante de mobiles affectifs et cognitifs qui le poussent à préserver un
état positif de soi (Deci & Ryan, 1985). Cet état positif se traduit par une perception de soi
comme étant compétent et efficace. Ainsi, l'hypothèse structurante de la théorie de
l'autodétermination est de considérer que le comportement individuel est motivé par le besoin
de se sentir compétent et d'être à l'origine de ses propres comportements.
Selon la théorie de l'autodétermination (Deci & Ryan, 1985, 1991), il y aurait différents types
de motivation qui se distingueraient par le degré d'autodétermination qui sous-tend le
comportement. Ces types de motivation peuvent être divisés en trois grandes classes agencées
le long d'un continuum d'autodétermination: la motivation intrinsèque, la motivation
extrinsèque et l'amotivation.

La motivation intrinsèque (MI) est définie comme la tendance à s'engager dans
une activité pour le plaisir, le contentement et la satisfaction qui sont inhérents à
la pratique de cette activité (Deci, 1975; Deci & Ryan, 1985).

La motivation extrinsèque (ME) est définie comme la tendance à réaliser une
activité sans être essentiellement intéressé par celle-ci. L'activité est alors
effectuée dans le but d'engendrer des conséquences agréables ou d'éviter des
conséquences désagréables (Deci, 1975).
- 33 -

L'amotivation (AMOT) est l'état qui caractérise un individu incapable de prévoir
et d'expliquer les conséquences de son comportement, incapable donc de
percevoir les motifs de son comportement (Pelletier, Vallerand, Green-Demers,
Brière & Blais, 1995).
a. La motivation intrinsèque
Deux besoins importants sont à combler pour créer une motivation intrinsèque: (1) avoir
l'impression de décider de ses propres comportements sans être contrôlé (c'est le besoin
d'autodétermination) et (2) ressentir un sentiment de compétence. Vallerand et Blais (1987)2
ont établi une taxinomie tripartite de la motivation intrinsèque (cités par Vallerand et al.,
1989):
La motivation intrinsèque à la connaissance (MICO):
Lorsqu'une personne pratique une activité essentiellement pour le plaisir et la satisfaction
qu'elle ressent lorsqu'elle est en train d'apprendre ou de faire quelque chose de nouveau.

La motivation intrinsèque à l'accomplissement (MIAC):
Lorsqu'on entreprend une activité pour le plaisir et la satisfaction de créer quelque chose ou
encore de se sentir efficace et compétent.


La motivation intrinsèque à la stimulation (MIST):
Lorsqu'un individu fait une activité dans le but de ressentir le plaisir (et autres sensations) que
lui procure son implication au sein de l'activité.
b. La motivation extrinsèque
Dans le cadre de la théorie de l'autodétermination mise au point par Deci et Ryan (1985) et
revue récemment (Ryan & Deci, 2000), la motivation extrinsèque est subdivisée en quatre
types de motivation sur base du degré d'intériorisation des raisons qui poussent le sujet à
accomplir une activité. Vallerand et al. (1989) n'en distingue que trois :

La motivation extrinsèque à régulation identifiée (MEID):
Le contrôle du comportement s'effectue par des motifs externes suffisamment intériorisés
que pour provoquer une identification à l'activité. L'individu s'y engage alors par choix.
Lorsque, par exemple, l'étudiant considère que ses résultats académiques sont importants
pour l'obtention d'un diplôme.
La motivation extrinsèque à régulation introjectée (MEIN):
Le contrôle du comportement s'effectue par le biais de contraintes externes intériorisées. Il
est régi par la pression interne que l'individu s'impose. Lorsque, par exemple, l'apprenant
étudie pour éviter la culpabilité suite à de mauvais résultats aux examens.

2
Vallerand, R.J., & Blais, M.R. (1987). Vers une conceptualisation tripartite de la MI: la MI à la connaissance, à
l'accomplissement et aux sensations. Manuscrit inédit, Laboratoire de Psychologie Sociale, Université du
Québec à Montréal.
- 34 -

La motivation extrinsèque à régulation externe (MERE):
Le comportement est régi par des sources de contrôle se situant à l'extérieur de l'individu.
Lorsque, par exemple, un étudiant fait son travail pour obtenir une récompense de ses
parents ou parce que ces derniers l'y obligent.
Le quatrième type de motivation extrinsèque mentionné par Deci et Ryan (1985) est la
motivation extrinsèque à régulation intégrée (MERI). Cette dernière correspond à une MEID
totalement assimilée. Il s'agit de la motivation extrinsèque la plus autodéterminée. Vallerand
et al. (1989) ne font pas de distinctions entre MEID et MERI.
c. L'amotivation
L'amotivation (AMOT) peut être comparée au sentiment d'incapacité acquise, à la résignation
apprise ou encore à l'impuissance acquise (Vianin, 2006). Le sentiment de résignation ou
d'impuissance serait une conséquence directe de l'attribution de ses difficultés, par l'élève, à
des causes internes, stables et incontrôlables. Ce sentiment se développerait chez l'élève qui
constate que les résultats obtenus sont incontrôlables par ses actions, lorsqu'il ne perçoit plus
de relation entre ce qu'il fait et les résultats de son action.
Pour Astolfi (1997), l'amotivation résulte d'une construction personnelle et sociale chez les
élèves en difficulté. Il ne s'agit donc pas d'un trait de caractère ou de personnalité mais du
résultat de l'apprentissage par l'élève que ses efforts sont inutiles. Il s'agit probablement de la
forme la plus extrême de perception d'incontrôlabilité qu'un élève puisse vivre (Vianin, 2006).
La résignation qui en résulte peut concerner un domaine en particulier (résignation spécifique)
ou apparaître dans toutes les situations (résignation globale) (Fenouillet, 2001).
Brunel (2000) s'intéresse à l'influence du climat motivationnel sur les cognitions sociales et
ses répercussions sur l'amotivation. Lorsqu'un climat de maîtrise est instauré, le travail semble
plus important que la simple mémorisation, les erreurs font ainsi partie du processus
d'apprentissage, ce qui réduit la focalisation des élèves sur la compétence normative. A
contrario, lorsqu'un climat de compétition s'installe, l'ego prend le dessus, l'erreur induit une
diminution de l'estime de soi, l'apprenant s'engage alors dans une procédure d'auto-handicap
favorisant le développement de l'amotivation. L'enseignant qui privilégie un climat de
maîtrise permet le renforcement du sentiment de compétence de ses élèves. Ceux-ci
développeraient alors une plus grande motivation autodéterminée (Vallerand, 1997) et
persisteraient davantage dans les tâches d'apprentissage (Wolters, 1998; Zimmerman, 1989).
d. Le continuum d'autodétermination
Selon Deci et Ryan (1985), les différents types de motivation peuvent être ordonnés en un
continuum sur base de leur degré d'autodétermination.
Les motivations intrinsèques possèdent le plus haut degré d'autodétermination ou d'autonomie
(capacité de choisir) car elles sous-tendent les comportements initiés librement et par plaisir.
Viennent ensuite la MEID puis la MEIN et la MERE. A l'autre extrémité du continuum
d'autodétermination, on retrouve l'amotivation (AMOT). Elle est observée lorsque le sujet ne
connaît pas, ou ne connaît plus, les raisons qui l'amènent à accomplir une tâche (absence de
contrôle). Ainsi, plus l'individu gravit des échelons du continuum, plus sa motivation sera
autodéterminée [Voir la fiche mobile qui accompagne le présent document].
- 35 -
AMOT 
MEIN 
MERE 
MEID 
MICO
MIAC
MIST
La gradation des différents stades de régulation motivationnelle est intimement liée à la
satisfaction de trois besoins considérés comme essentiels par les théoriciens de
l'autodétermination (self-determined theory) tel Bandura (1997): le besoin de se sentir
compétent et efficace, le besoin d'être autonome et le besoin d'appartenir à un groupe de
référence. C'est par l'intermédiaire de ces trois besoins que se développeraient les formes les
plus autodéterminées de la motivation et qu'émergeraient les patrons motivationnels adaptatifs
(Deci, Vallerand, Pelletier & Ryan, 1991).
Le construit de continuum d'autodétermination est validé par différentes recherches récentes.
Il a entre autres été formalisé et étayé dans le cadre de la mise au point d'une Echelle de
Motivation en Education (EME) (Vallerand et al., 1989). Ce construit théorique est présenté
et étudié plus en détail au chapitre 4 dans le cadre de la présentation et l’étude des qualités
psychométriques de l’EME, questionnaire qui a été utilisé pour quantifier les différents types
de motivation des étudiants.
2.4
Le modèle hiérarchique de la motivation intrinsèque et de la
motivation extrinsèque (Vallerand, 1997)
Le modèle hiérarchique de la motivation intrinsèque et de la motivation extrinsèque
(MHMIE), développé et étayé par Vallerand (1997), englobe de nombreuses facettes de la
motivation, dont notamment:



les différentes représentations de la motivation que possède l'individu;
les déterminants et les conséquences qui y sont associés;
les relations entre les diverses motivations.
Il met l'accent sur différents éléments (Vallerand, 2000):




Il propose que la motivation existe chez la personne à trois niveaux de
généralité: le niveau global (la personnalité), le niveau contextuel (p.ex.
l'éducation, les relations entre personnes), le niveau situationnel (la motivation à
un moment donné);
Il traite des déterminants de la motivation. Ces déterminants affecteraient la
motivation à chacun des niveaux de la hiérarchie. De plus, la motivation aux
niveaux supérieurs de la hiérarchie affecterait la motivation au niveau
directement inférieur (top-down impact) (Blanchard, Vallerand & Provencher,
1995);
Il postule que la motivation au niveau supérieur de la hiérarchie est plus stable
que la motivation observée aux niveaux inférieurs, ce qui a récemment été
relativisé par les études de Guay, Mageau et Vallerand (2003);
Il propose que la motivation puisse mener à des conséquences importantes, de
nature cognitive (p.ex. la concentration), affective (p.ex. des émotions positives)
ou comportementale (p.ex. l'intention de poursuivre une activité). Ces
conséquences peuvent être vécues aux trois niveaux de la hiérarchie,
- 36 -

exclusivement en fonction du niveau de généralité de la motivation qui les a
engendrées (Brunel, Chantal, Guay & Vallerand, 2000). De plus, le modèle
propose que les motivations autodéterminées (p.ex. la motivation intrinsèque)
mènent à des conséquences plus positives que les motivations moins
autodéterminées (p.ex. la motivation extrinsèque);
Il évoque un effet "remontant" (bottom-up effect) des niveaux inférieurs de la
hiérarchie vers les niveaux directement supérieurs de telle manière qu'un
renforcement répété de la motivation autodéterminée dans le cadre des études
puisse favoriser le développement d'une motivation globale.
La "Situational Motivation Scale" (SIMS), développée par Guay, Vallerand et Blanchard
(2000), est équivalent à l'"Academic Motivation Scale" (AMS = version anglaise de l'EME).
Elle a été conçue pour évaluer la motivation au niveau situationnel (en situation
d'apprentissage) alors que l'AMS vise l'évaluation de la motivation contextuelle (en contexte
d'apprentissage).
Selon le modèle hiérarchique de la motivation intrinsèque et extrinsèque proposé par
Vallerand (1997), les différents construits motivationnels (MI, ME et AMOT) existent à
différents niveaux de généralité et sont hiérarchiquement organisés (niveaux global,
contextuel et situationnel). La présente recherche s’inscrit dans le cadre du niveau
intermédiaire de cette hiérarchie, dans le contexte particulier de l'évaluation de la motivation
académique en première bachelier (études universitaires). Cette approche se justifie par l'effet
"descendant" (top-down) postulé par Vallerand (1997). Ainsi, l’effet top-down se
manifesterait d'un niveau supérieur vers un niveau immédiatement inférieur. Le niveau
contextuel, étudié ici, aurait donc un effet beaucoup plus important sur la motivation
situationnelle (chaque situation d'apprentissage de la vie de l'étudiant) que le niveau global
(Blanchard, Vallerand & Provencher, 1995).
Dans le cadre théorique de l'effet "descendant" des niveaux hiérarchiques les plus élevés vers
les niveaux les plus bas, la motivation situationnelle serait influencée uniquement par le
contexte spécifique auquel appartient la situation. Ainsi, lorsqu'une tâche est présentée
comme ludique, la motivation situationnelle est influencée par la motivation contextuelle
envers les loisirs. En revanche, lorsque la tâche est présentée comme éducative, la motivation
situationnelle s'avère influencée par la motivation contextuelle envers l'éducation (Brunel et
al., 2000).
Afin de maintenir une motivation situationnelle après démotivation contextuelle relative à
l'apprentissage, il pourrait être intéressant de présenter les tâches (situations) proposées aux
étudiants comme étant ludiques plutôt qu'éducatives.
2.5
Les stratégies motivationnelles
Les chercheurs semblent s'accorder sur une définition consensuelle d'une stratégie: "Une
stratégie est une séquence intégrée, plus ou moins longue et complexe, de procédures
sélectionnées en vue d'un but afin de rendre optimale la performance" (Fayol & Monteil,
1994). Il est intéressant de distinguer les stratégies pédagogiques, mises en place par le
formateur ou l'enseignant (Maurin, 2000) des stratégies d'apprentissage, développées par
l'apprenant (Fayol & Monteil, 1994).
- 37 -
Une stratégie pédagogique constitue un ensemble de méthodes et de démarches qui vont
déterminer des choix de techniques, de matériels et de situations pédagogiques, par rapport à
l'objet, au but de l'apprentissage (Raynal & Rieunier, 19973 cités par Maurin, 2000). Qu'elle
soit motivationnelle ou non, une stratégie ne s'improvise pas, elle est réfléchie et programmée,
éventuellement dictée par des habitudes. Ainsi, de nombreuses variables interviennent dans la
construction d'une stratégie pédagogique: le type de contenu, les démarches et méthodes
d'apprentissage, les techniques et les médias utilisés, les conditions d'apprentissage et les
performances attendues. L'ensemble de ces variables ouvre la porte à de nombreuses
combinaisons. Généralement, les formateurs choisissent intuitivement ces variables et
construisent des stratégies explicites dictées par les habitudes. Cependant, il est possible
d'explorer davantage les possibilités existantes et amener des questionnements sur la
cohérence des stratégies choisies (Maurin, 2000).
Famose (1999) s'intéresse à l'apprentissage autorégulé et, à ce titre, se préoccupe du comment
l'élève s'investit dans le contrôle de son propre comportement. A côté des stratégies
cognitives, métacognitives et de gestion des ressources, qui facilitent les processus conduisant
à la production de connaissances, il définit les stratégies motivationnelles comme "un moyen
de négocier les conséquences affectives consécutives à l'évaluation des apprentissages en
classe". Ainsi, les stratégies motivationnelles aident à négocier les résultats affectifs qui
découlent des situations évaluatives. Ces stratégies motivationnelles et les stratégies
d'apprentissage sont dépendantes car les différentes stratégies motivationnelles jouent un rôle
en modérant l'utilisation par les élèves des stratégies d'apprentissage. Elles peuvent alors
influencer l'engagement cognitif et la quantité d'effort des élèves (les stratégies cognitives,
métacognitives et de gestion des ressources) (Famose, 1999).
Dans le même champ de l’autorégulation des apprentissages, Cosnefroy (2010) s’intéresse au
travail quotidien du lycéen et aux difficultés qu’il rencontre. Son approche sociocognitive met
en exergue un panel de stratégies efficaces pour apprendre mais également la nécessité de
développer des stratégies volitionnelles en vue de "soutenir activement l’effort et la mise en
œuvre effective de l’intention formée". Il ne suffit pas d’être motivé ! Face aux obstacles, telle
la distraction ou la difficulté d’une tâche, il faut pouvoir maintenir son effort et sa
concentration. Il faut pouvoir réguler son attention, sa motivation et ses émotions (par des
processus internes – contrôle de soi), de même qu’il faut pouvoir agir sur son environnement
(par des processus externes – contrôle du contexte d’apprentissage) (Cosnefroy, 2010). La
volition est donc à la persistance de la motivation ce que la motivation est à la persévérance
dans l’action. Indissociable du concept d’effort permanent, "l’autorégulation s’apparente à
une navigation par gros temps qui s’efforce de poursuivre la route en dépit d’une météo
défavorable" (Cosnefroy, 2011). Cette analogie n’est pas sans rappeler celle de Romainville
(2002) qui compare l’étudiant qui découvre l’enseignement universitaire au capitaine qui
quitte le fleuve avec son bateau, par temps couvert, pour s’aventurer en haute mer, confronté à
l’inconnu et aux aléas de la traversée !
3
Raynal, F., & Rieunier, A. (1997). Pédagogie: dictionnaire des concepts clés. Paris: ESF.
- 38 -
Chapitre 3 Prise en considération du genre dans les
études sur la motivation
Depuis une trentaine d'années, de nombreux chercheurs en science de l'éducation se sont
penchés sur les différences de motivation à l'apprentissage entre filles et garçons. La plupart
du temps, ces recherches ont été menées dans le cadre de l'enseignement primaire ou de
l'enseignement secondaire avec, lors d'études longitudinales, l'objectif de caractériser
l'évolution des paramètres motivationnels au cours de l'adolescence. Nous ne disposons donc
que de quelques références faisant état des différences de motivation au niveau de
l'enseignement supérieur. De plus, la plupart de ces recherches se limitent à l'étude des
motivations liées au choix des études entreprises.
Au chapitre précédent, nous avons suivi Viau (1994) lorsqu'il considère la motivation comme
"un concept dynamique qui a ses origines dans la perception qu'un élève a de lui-même et de
son environnement et qui l'incite à choisir une activité, à s'y engager et à persévérer dans son
accomplissement afin d'atteindre un but". Le modèle dynamique qui accompagne cette
définition repose sur l'identification de trois déterminants de la motivation et de trois
indicateurs de la motivation. Ces déterminants et ces indicateurs sont en interaction et
renforcent à tour de rôle la motivation des apprenants (Figure 2.1).
Dans les lignes qui suivent, l'aspect dynamique de la motivation se référera principalement
aux études menées dans le cadre des transformations liées à l'adolescence. Dans la mesure du
possible, nous nous focaliserons sur les composantes motivationnelles des étudiants débutant
leurs études supérieures. Après avoir évoqué l'importance de l'âge et du contexte sur les
composantes motivationnelles, nous illustrerons notre propos en présentant les principales
études consacrées à l'influence du genre sur les trois déterminants de la motivation du modèle
de Viau (1994). L'influence du genre sur la motivation académique sera présentée sur base de
résultats d'études menées à l'aide du questionnaire (EME) mis au point par Vallerand et al.
(1989).
3.1
L'influence de l'âge
La plupart du temps, les recherches consacrées à l'influence du genre sur la motivation
scolaire sont réalisées à un moment précis du parcours d'études des apprenants. Ainsi, de
nombreuses études ont été consacrées à l'enseignement primaire ainsi qu'aux études
secondaires avec des conclusions parfois contradictoires. Les études secondaires constituent
un excellent terrain de suivi longitudinal de la motivation durant l'adolescence. Les recherches
qui y ont été menées nous offrent alors une vision dynamique de la motivation.
Différentes études ont mis en évidence la relation entre le sentiment de compétence et les
performances des apprenants (Wigfield & Wagner, 2005). Ces différences dans l'estimation
des capacités personnelles à réaliser ou à réussir une tâche varient fortement selon la
discipline envisagée ainsi qu'avec l'âge. Ainsi, les jeunes garçons présentent un sentiment de
compétence en mathématique plus élevé que celui des filles (Watt, 1996). Il en est de même
- 39 -
vis-à-vis des activités sportives. Ces différences vont progressivement diminuer pour les
mathématiques (Fredericks & Eccles, 2002). Elles resteront stables en sport (Jacobs et al.,
2002). D'autres recherches ont permis d'établir une forte relation entre la perception de la
valeur d'une activité (ou d'un domaine d'activités) et le choix de s'y investir et de persister
dans celle-ci. Ces perceptions fluctuent également selon le contexte (discipline et culture) et
avec l'âge (Wigfield, Tonks & Eccles, 2004; Fredericks & Eccles, 2002).
Les travaux de Chouinard (2001) sur les changements annuels de la motivation envers les
mathématiques au secondaire ont entre autres permis de mettre en évidence une chute
généralisée de la motivation entre le début d'année et la fin d'année. Cette chute de motivation
s'accompagne d'une diminution des paramètres associés à la motivation: perception de
l'encouragement de l'enseignant, poursuite de buts de performances et de maîtrise,
engagement, recours aux stratégies d'apprentissage avec, en plus, chez les élèves les plus
âgés, une diminution de la perception de l'encouragement des parents, de la confiance en soi
ainsi que de la perception de l'utilité des mathématiques, le tout accompagné d'une
augmentation de l'anxiété. Les recherches de Chouinard, Vezeau, Bouffard et Jenkins (1999)
suggèrent que l'écart entre les filles et les garçons en ce qui concerne la motivation en
mathématiques diminue au cours du secondaire. Ceci serait dû à une détérioration de la
motivation des garçons pour cette matière et d'une amélioration de celle des filles.
3.2
L'influence du contexte
Les notions de contexte et d'influence contextuelle sont relativement larges. Elles englobent
différents paramètres aussi variés que la discipline enseignée ou l'orientation d'étude, la
culture de l'apprenant ou les valeurs prônées par l'établissement, les modes d'enseignement,
l'infrastructure, la réputation et la taille de l'établissement, la structure familiale et le soutien
qu'elle apporte, etc.
La discipline constitue certainement le paramètre contextuel qui influe le plus sur la
motivation des apprenants. C'est logiquement celle qui a le plus été étudiée.
Les différences entre genres, établies tant au niveau de la perception de la valeur des activités
qu'au niveau du sentiment de compétence, sont sous l'influence directe des disciplines
enseignées et des orientations d'études. Elles permettent d'expliquer une grande part des
différences de motivation observées entre filles et garçons, dans le cadre du choix des
activités, de l'engagement et des performances (Eccles & Wigfield, 2002).
Seuls trois facteurs contextuels seront envisagés ci-dessous: la discipline, la culture et le mode
d'enseignement.
3.2.1
La discipline
De nombreuses études se sont intéressées aux choix d'études des filles et des garçons.
Traditionnellement, les options littéraires sont plus recherchées par les filles alors que les
orientations scientifiques sont davantage choisies par les garçons. On a longtemps cru que ces
choix étaient directement liés aux capacités respectives des filles et des garçons. Ce n'est que
récemment qu'un large courant d'études a mis en évidence l'influence des conceptions
sexuellement stéréotypées sur les choix des études.
- 40 -
Cette influence culturelle se fait de moins en moins sentir et les filles s'engagent de plus en
plus dans des études scientifiques. Seul le secteur de l'informatique fait encore exception.
Il y a plus de 15 ans, il a été largement rapporté que les garçons réussissaient mieux en
mathématiques et en sciences que les filles, alors que l'inverse était observé pour les langues
(Halpern, 2000; Marsh, 1989). Ces différences ont été expliquées comme résultant de la triple
influence de facteurs biologiques, des stéréotypes attribués aux genres et d'expériences
sociales (Halpern, 2000; Halpern, Wai & Saw, 20054 cités par Spelke, 2005). Les facteurs
sociétaux ont récemment été reconsidérés suite à l'observation d'une réduction progressive des
différences précédemment observées (Hyde, Fennema & Lamon, 1990; Ginsburg, Cooke,
Leinwand, Noell & Pollock, 2005). En effet, il semble que les différences de performances ne
soient plus observées à l'heure actuelle, les outils de mesure sont critiqués et de nombreuses
chercheuses dénoncent les "croyances" enracinées selon lesquelles les hommes présentent des
capacités intrinsèques pour les mathématiques et les sciences qui sont supérieures à celles des
femmes (Hyde, 2005; Hyde & Linn, 2006; Spelke, 2005).
En ce qui concerne les compétences en lecture, le rapport PISA 2000 a clairement mis en
évidence le retard considérable des garçons sur les filles, et ce dans la totalité des pays
participants. Cette différence trouverait son origine dans le développement différencié du
cerveau des garçons et des filles. Ainsi, l'hémisphère droit se développe plus rapidement chez
les garçons, ce qui leur octroie de plus grandes habilités quant aux processus spatiaux. Par
contre, le développement de l'hémisphère gauche, responsable du développement du langage,
est plus rapide chez les filles (Archambault, 2002). Plus les années d'études avancent, plus les
difficultés pour un élève se présentent de façon cumulative. Or, dès leur entrée à l'école, les
filles montrent plus de compétences sur le plan du langage, et comme la langue fait partie des
préalables à l'apprentissage, il y aurait à cet égard des dispositions facilitantes pour les filles
(Michaud, 2004).
Relativement peu de recherches ont été menées en dehors des mathématiques, sur des
disciplines scientifiques spécifiques telles que la physique ou les sciences biologiques.
Cependant, l'étude de l'influence du genre sur différentes variables motivationnelles liées à la
physique et à la biologie a permis de mettre en évidence que les filles perçoivent davantage
l'utilité du cours de biologie alors qu'aucune différence n'a été mesurée pour l'utilité perçue du
cours de physique (DeBacker et Nelson, 2000). Pour les deux disciplines, les garçons
déclarent percevoir davantage leurs capacités et présentent une vision des sciences plus
stéréotypée sexuellement. Les filles déclarent des buts liés au désir de plaire à l'enseignant et
elles déclarent une plus forte perception des difficultés liées à la tâche (DeBacker & Nelson,
1999, 2000).
Dans le domaine de la motivation, l'éducation physique et sportive constitue certainement un
contexte à part entière (Hauw, Brunel & Chantal, 2001). Nombreuses sont les publications
réalisées par l'équipe de chercheurs attachée aux travaux de Vallerand (Brière et al., 1995;
Fortier et al., 1995). L'utilisation de l'Echelle de Motivation vis-à-vis du Sport (EMS) a
permis entre autres d'identifier des profils motivationnels différents en fonction du genre: les
athlètes féminines développent plus de motivation intrinsèque à l'accomplissement et plus de
motivation extrinsèque à régulation identifiée que les athlètes masculins; elles présentent une
moindre motivation extrinsèque à régulation externe ainsi qu'une plus faible amotivation
4
Halpern, D.F., Wai, J., & Saw, A. (2005). A psychobiosocial model: Why females are sometimes greater than
and sometimes less than males in math achievement. In A.M. Gallagher & J.C. Kaufman (Eds.), Gender
differences in mathematics (pp.48–72). New York: Cambridge University Press.
- 41 -
(Fortier et al., 1995). D'autres recherches n'ont mis en évidence que de faibles différences
entre étudiants et étudiantes. Ainsi, la seule différence relevée par Ntoumanis (2001) concerne
le lien observé chez les étudiantes entre les relations humaines et la motivation intrinsèque.
Les étudiantes seraient ainsi plus motivées intrinsèquement lorsqu'elles perçoivent les
activités d'éducation physique comme favorisant les rencontres et les relations avec les autres
étudiants. Cette relation n'est pas observée chez les étudiants.
3.2.2
La culture
Ces quinze dernières années, de nombreuses recherches se sont intéressées aux différences de
motivation entre apprenants appartenant à des groupes ethniques différents (Graham, 1994;
Lai, 1999; Lavery, 1999). Seules quelques-unes se sont intéressées à la double influence du
genre et de l'origine ethnique (Gordon Rouse & Austin, 2002).
Ainsi, aux Etats-Unis, différentes recherches se sont intéressées à la motivation des
populations d'origines africaines. Toutes confirment que les étudiants noirs sont en moyenne
moins motivés que les étudiantes de même origine (Cokley, 2001). Les groupes ethniques
étant culturellement moins identifiés en Belgique qu’en Amérique ou en Asie, nous ne
développerons pas ce volet dans la présente recherche.
3.2.3
Le mode d'enseignement
Les recherches en pédagogie ont mené à une refonte totale des relations établies entre
l'enseignant et ses élèves. Récemment, de nouvelles stratégies et modalités d'enseignement se
sont développées et ont fait l'objet d'évaluations abondamment relatées dans la littérature.
D'inspiration sociocognitive, les nouveaux modes d'enseignement (EAD, APP, APW…)
accordent beaucoup d'importance aux déterminants de la motivation tels que l'autonomie, le
sentiment de compétence et l'intérêt.
La motivation dans l'enseignement à distance a été largement étudiée (Dunigan, 2003; Song &
Keller, 2001; Martens, Gulikers & Bastiaens, 2004; Mignon & Closset, 2004). Une
comparaison des caractéristiques individuelles d'étudiants adultes inscrits dans une formation
à distance et dans un enseignement traditionnel (sur campus) a permis de mettre en évidence
de nombreuses différences au niveau des motifs d'études (les étudiants à distance ont une plus
grande motivation extrinsèque que les étudiants sur campus), du style d'apprentissage (les
étudiants à distance sont des assimilateurs et les étudiants sur campus sont des divergeurs émotifs portant plus intérêt aux autres), du style cognitif (les étudiants à distance sont
majoritairement indépendants du champ - autonomes - alors que les étudiants sur campus sont
majoritairement dépendant du champ) et du lieu de contrôle (les étudiants sur campus utilisent
plus souvent des références externes pour définir leurs besoins et leurs objectifs) (Sauvé,
Nadeau & Leclerc, 1993).
Dans ses "12 questions sur l'état de la recherche scientifique sur l'impact des TIC sur la
motivation à apprendre", Viau (2005) relève quelques recherches ayant mis en évidence que
la motivation des filles à utiliser les TIC est moins grande que celle des garçons (Kikpatrick &
Cuban, 1998; Proost, Elen & Lowyck, 1997). Il souligne alors les nuances que nous devons
apporter lorsqu'il s'agit d'interpréter des résultats d'études qui comparent les filles et les
garçons. Ainsi, si des différences sont observées, il convient toujours de se demander si
celles-ci sont dues à des facteurs autres que le genre.
- 42 -
L'apprentissage par le web (APW) se distingue de l'enseignement à distance en ligne (EADTICE) par l'usage intensif qu'il fait des ressources offertes par le World-Wide-Web (WWW).
Dans leur revue de la littérature, Astleitner & Steinberg (2005) examinent 14 études
consacrées à l'effet du genre sur l'apprentissage par le web. Aucun effet significatif du genre
ne fut observé, ce paramètre n'expliquant à lui seul que 1% de la variance observée au niveau
des différentes variables prises en considération. Les rares différences observées résulteraient
davantage d'un effet de renforcement dû à la discipline faisant l'objet de l'apprentissage par le
web. Ainsi, un APW en langue favoriserait davantage les filles alors que la situation inverse
s'observerait pour un cours portant sur la navigation spatiale. Il semble cependant que les
garçons en situation d'apprentissage se distinguent des filles par leur comportement de
recherche d'informations (engagement) basé sur de plus fréquentes et plus longues périodes de
prospection (Astleitner & Steinberg, 2005).
Les études de Brown et al. (2002), portant sur l'apprentissage par problèmes (APP) intégrant
les nouvelles technologies, n'ont permis d'identifier que de faibles différences de capacités
cognitives entre genres. Les auteurs concluent en précisant que ces observations supportent
l'existence d'une influence sociale qui tend actuellement à diminuer fortement. Dans le cadre
d'enseignements intégrant les nouvelles technologies, les différences entre genres, observées
par le passé, tendent en effet à se réduire fortement, ce qui engendre un nombre croissant de
conclusions de recherche contradictoires.
Aucune recherche n'a permis de mettre en évidence des différences significatives entre les
aptitudes des filles et des garçons. C'est davantage la façon dont chacun des genres utilise ces
aptitudes qui diffère en fonction du genre. Cette différence peut s'expliquer par des
différences de styles cognitifs. Ces styles cognitifs s’apparentent à la façon dont le cerveau
agit face à certaines situations d'apprentissage. D'après Aubé (2001), il semble qu'une
intervention pédagogique qui ne tient pas compte de la diversité des styles cognitifs favorise
certains élèves et puisse être non motivante pour les autres. L'utilisation d'une variété de
stratégies pédagogiques (enseignement magistral, enseignement coopératif, enseignement par
projet, utilisation des technologies, études de cas, les jeux de rôle, etc.) serait bénéfique pour
tous les étudiants indépendamment du genre. Varier les stratégies pédagogiques permettrait à
tous les étudiants, mais particulièrement aux garçons, de mieux explorer leur potentiel en les
motivant et en les valorisant davantage (Aubé, 2001).
3.3
Les déterminants de la motivation
3.3.1
La perception que l'élève a de la valeur d'une activité
La valeur d'une tâche ou d'une activité peut désigner l’utilité perçue d’une tâche ou les raisons
extrinsèques de s’engager dans celle-ci (Eccles, Adler, Futterman, Goff, Kaczala, Meece &
Midgley, 1983; Wigfield & Eccles, 1992). Cette valeur est sous l'influence de l'identité
sexuelle des sujets (Eccles et al., 1983). DeBacker et Nelson (1999) rapportent que, pour les
filles, l'effort (l'engagement) en sciences est lié à l'utilité perçue ainsi qu'au désir de plaire à
l'enseignant. Dans le domaine du sport, la perception du sport comme étant conforme aux
rôles sexués masculins ou féminins influence le choix des pratiques. Ainsi, les sujets
"masculins" et "féminins" choisissent des sports congruents et rejettent les sports non
congruents avec leur identité (Fontayne, Sarrazin & Famose, 2001).
- 43 -
La valeur accordée à une activité est directement sous l'influence des buts que l'apprenant s'est
fixés. Ces buts peuvent être programmés à court terme ou à long terme. Ils peuvent être
séparés en deux principaux types. D'une part, les buts d'apprentissage, qu'on poursuit afin
d'acquérir de nouvelles connaissances, de nouveaux savoir-faire. Ils permettent le
développement de la motivation intrinsèque. D'autre part, les buts de performances, qui sont
orientés vers la réalisation d'une tâche en vue de gagner la reconnaissance des autres ou pour
recevoir une récompense, une bonne cote. Ils sont à l'origine de la motivation extrinsèque.
Actuellement, de nombreuses études sur les buts sont portées sur les aspirations futures
(Future Time Perspective - FTP), leurs relations avec la motivation et l'autodétermination,
l'influence de l'âge, du genre et de la culture sur leur construction (voir McInerney, 2004 pour
une revue). L'attribution d'un sens au futur est directement soumise à l'influence de facteurs
culturels mais aussi du genre, du statut socio-économique et du milieu socio-historique
(Greene & DeBacker, 2004). Lorsque des hommes évoquent leurs espoirs et leurs craintes
pour le futur, ils font généralement référence à leur travail et leur carrière, alors que les
femmes se projettent davantage dans un futur orienté sur le social et les relations (Greene &
DeBacker, 2004). Ces aspirations futures sont directement liées aux concepts motivationnels
tels que l'engagement dans la tâche et les performances.
3.3.2
La perception que l'élève a de sa compétence
Durant tout l'enseignement secondaire, le sentiment de compétence et la motivation
intrinsèque envers les mathématiques sont plus forts chez les garçons que chez les filles; c'est
l'inverse à propos de l'apprentissage des langues (Skaalvik & Skaalvik, 2004).
La perception que l'élève a de sa compétence se rapporte toujours à un domaine précis
(DeBacker & Nelson, 2000). En sciences, cette perception de capacité est directement liée à
l'engagement et au succès (DeBacker & Nelson, 1999). En éducation physique et sportive, les
élèves sont plus autodéterminés pour les activités qui véhiculent un stéréotype conforme à
leur genre. De plus, ce lien semble partiellement médiatisé par leur perception de compétence.
Autrement dit, quand l'activité est conforme au genre des participants (p.ex. les filles en danse
et les garçons en football), ces derniers se sentent plus compétents que dans le cas contraire
(Chalabaev & Sarrazin, 2009).
Dans le cadre de la théorie de l'autodétermination, l'augmentation du sentiment de
compétence pour une tâche donnée contribue à renforcer la motivation intrinsèque pour cette
tâche (Deci & Ryan, 1985; Ryan & Deci, 2000). Ainsi, l'octroi de feed-back positifs
permettrait de renforcer la motivation intrinsèque pour la tâche réalisée et, inversement,
l'absence de feed-back pourrait nuire à cette motivation puisque l'apprenant ne perçoit alors
pas l'information lui permettant de se sentir compétent et efficace (Deci, Koestner & Ryan,
1999). Des études récentes, consacrées à l'intérêt, permettent de nuancer l'impact des feedback sur la motivation intrinsèque des étudiants et des étudiantes (Katz, Assor, KanatMaymon & Bereby-Meyer, 2006). Ainsi, un apprenant (fille ou garçon) qui présente un
intérêt marqué pour une discipline développera une motivation intrinsèque supérieure à ceux
dont l'intérêt est moyen ou faible. La présence ou l'absence de feed-back positifs n'aurait
aucune influence sur le niveau de motivation intrinsèque de ces apprenants. Cependant,
lorsque l'intérêt d'un étudiant pour la matière est moyen, l'absence de feed-back positif induit
une diminution de la motivation intrinsèque. L'effet inverse est observé pour les étudiantes
présentant un intérêt moyen pour la matière. Les précisions apportées par Ryan et Deci (2000)
à leur théorie de l'autodétermination permettent probablement d'expliquer l'augmentation de
- 44 -
motivation intrinsèque observée chez les étudiantes, en absence de feed-back positifs. Ainsi,
le sentiment de compétence ne pourrait avoir d'impact sur la motivation intrinsèque que s'il
est lié à une perception accrue d'autonomie (Ryan & Deci, 2000). Les étudiantes à intérêt
moyen pour la matière percevraient donc l'octroi de feed-back positifs comme un moyen de
contrôle sur leur apprentissage. Cette différence de perception des feed-back, liée aux genres,
doit faire l'objet d'attentions particulières dans le cadre de la mise en place de stratégies
motivationnelles liées à l'octroi de ces feed-back.
3.3.3
La perception que l'élève a de la contrôlabilité d'une activité
Nous avons vu précédemment que ce concept fait référence à la perception du degré de
contrôle qu'un élève possède sur le déroulement et sur les conséquences d'une activité. Cette
contrôlabilité est largement promue dans les enseignements de type participatif. La perception
de cette contrôlabilité est directement liée à la perception de l'autonomie de l'apprenant et aux
stratégies d'apprentissage qu'il va développer dans le cadre des activités qui lui sont
proposées.
Au niveau de ces stratégies d'apprentissage, il a été mis en évidence que les garçons se
caractérisent entre autres par un apprentissage plus superficiel que les filles qui, de leur coté,
apprennent davantage en profondeur (Niemivirta, 1997).
3.4
La motivation académique à l'université
L'Echelle de Motivation en Education / Academic Motivation Scale (EME/AMS) (Vallerand
et al., 1989) permet de mesurer 7 types de motivation qu'il est possible d'organiser en un
continuum sur base de leur degré d'autodétermination (voir au Chapitre 4). Cet outil a été
adapté à différents niveaux d'étude. Nous reprendrons ci-dessous les résultats d'études menées
principalement au niveau de l'enseignement supérieur et mentionnant la recherche d'un effet
du genre sur les différents types de motivation repris à l'échelle.
Trois types de motivation intrinsèque sont mesurés à l'aide de l'EME: la motivation à la
connaissance (MICO), la motivation à l'accomplissement (MIAC) et la motivation à la
stimulation (MIST). L'identification (MEID), l'introjection (MEIN) et la régulation externe
(MERE) constituent les trois types de motivation extrinsèques mesurés par l'EME.
L'amotivation est observée lorsque le sujet ne connaît pas, ou plus, les raisons qui l'amènent à
accomplir une tâche (absence de contrôle) et à s'investir dans ses études. Toutes les études
semblent concorder au sujet de cette composante: les étudiants présentent systématiquement
une amotivation supérieure (Sobral, 2004; Larose et al., 2005) ou égale à celle des étudiantes
(Larose et al., 2005 - en génie). Aucune référence ne mentionne une plus forte amotivation
chez les étudiantes, par rapport aux étudiants.
Dans le cadre des études menées par le Laboratoire de Recherche sur le Comportement Social
(LRCS), dirigé par R.J. Vallerand, l'utilisation de l'EME et de sa traduction en anglais (AMS)
a permis d'identifier plusieurs différences entre les composantes motivationnelles des femmes
et des hommes. Ainsi, lors de la mise au point de l'EME (Vallerand et al., 1989), les
différences suivantes ont été relevées: les femmes sont moins amotivées que les hommes et
présentent de plus fortes MICO et MIST, ainsi que de plus fortes MEID et MEIN. De manière
similaire, Senécal, Pelletier et Vallerand (1992) ont observé que les femmes sont plus
motivées intrinsèquement et extrinsèquement que les hommes.
- 45 -
Durant l'évaluation de la version anglaise de l'EME, de plus fortes motivations ont été
observées chez les femmes pour les trois types de motivation intrinsèque ainsi que pour les
motivations extrinsèques à régulation introjectée et identifiée (Vallerand, Pelletier, Blais,
Brière, Senécal & Vallières, 1992). Selon les auteurs, les différences observées entre la
version française et la version anglaise (amotivation et motivation intrinsèque à
l'accomplissement) pourraient entre autres s'expliquer par des différences de culture entre
canadiens anglophones et canadiens francophones, ainsi que par la différence de public
composé, en 1989, de jeunes collégiens et, en 1992, d'universitaires.
Des résultats très similaires ont été obtenus par Vallerand, Fortier et Guay (1997) dans le
cadre de leur large étude sur les abandons scolaires chez les jeunes âgés d'une quinzaine
d'années. Les filles s'y distinguent des garçons par de plus fortes motivations intrinsèques
(MICO, MIAC et MIST), de plus fortes MEIN et MEID, ainsi que par une plus faible
amotivation. Aucune différence n'a été observée entre genre pour la motivation extrinsèque à
régulation externe (MERE). Dans le même contexte d'étude de l'abandon, Vallerand et
Bissonnette (1992) avaient observé chez les femmes de plus hauts niveaux de motivation
intrinsèque et de MEID, et de plus bas niveaux de MERE et d'amotivation.
La publication récente de Grouzet, Otis et Pelletier (2006) est très intéressante sur le plan de
la démarche analytique mais elle ne permet guère au non spécialiste d'identifier les principales
différences dans l'évolution de la motivation des adolescentes et adolescents. Cependant, deux
observations semblent intéressantes: (1) les garçons présentent moins de fluctuations de
motivation au cours du temps (sur 3 ans), ce qui laisse à penser que les filles de 13 à 15 ans
redéfinissent davantage leur motivation que les garçons, ce qui n'est probablement plus le cas
lorsque les garçons entrent pleinement dans l'adolescence; (2) l'hétérogénéité est fort marquée
au niveau de l'amotivation des filles alors qu'elle est davantage présente chez les garçons en
ce qui concerne la motivation extrinsèque à régulation externe, ce que les auteurs proposent
d'expliquer par une différence de maturité entre les filles et les garçons de 15 ans. Durant cette
étude longitudinale de trois ans, les auteurs ont en outre observé une diminution progressive
de la motivation intrinsèque et de la motivation extrinsèque des élèves (Otis, Grouzet &
Pelletier, 2005).
Les étudiantes et les étudiants se distinguent sur le plan des différents types de motivation
évaluables à l'aide de l'Echelle de Motivation dans l'Enseignement. Nous avons vu que ces
différences variaient selon l'origine des étudiants, leur âge et leur niveau d'études. Elles
fluctuent également en fonction du type d'études entreprises. Ainsi, la motivation intrinsèque
des étudiant(e)s admis en Sciences et Génie est très élevée tout en étant plus faible chez les
garçons que chez les filles, que ce soit en sciences appliquées, en sciences pures ou en génie
(Larose et al., 2005). De son côté, Sobral (2004) n'observe aucune différence de motivation
intrinsèque chez ses étudiants en médecine. Dans cette même étude, Sobral (2004) observe un
impact du genre sur la motivation extrinsèque. Les filles présentent plus de motivation
extrinsèque par régulation identifiée que les garçons. C'est l'inverse pour la motivation
extrinsèque par régulation externe. Aucune différence n'est cependant observée pour la
motivation extrinsèque par régulation introjectée. Sans distinction entre les types de
motivation extrinsèque, Larose et al. (2005) n'observent pas de différences entre les étudiantes
et les étudiants inscrits en Sciences et Génie. Il est possible que des différences entre
l'identification et la régulation externe se compensent et masquent l'effet du genre au niveau
global.
- 46 -
Malgré quelques petites divergences, toutes les recherches menées à l'aide de l'EME ou de
l'une de ses variantes aboutissent à la même conclusion: les femmes présentent des profils
motivationnels plus autodéterminés (forte motivation intrinsèque et MEID) que les hommes.
En accord avec la théorie de l'autodétermination, qui précise qu'une motivation
autodéterminée est associée à des conséquences positives, plusieurs équipes de recherche ont
observé que la forte motivation autodéterminée des femmes était associée à des perspectives
futures plus favorables: meilleurs taux de réussite, procrastination plus faible, moindre taux
d'abandon.
3.5
L'hypothèse de similarité des genres
L'hypothèse d'une similarité entre les genres a été récemment défendue par Hyde (2005) sur
base de ce que nous pourrions appeler une méta-méta-analyse. Sur base d'une revue de 46
méta-analyses, Hyde (2005) avance l'hypothèse de similarité des genres, qui considère
qu’hommes et femmes sont semblables pour la plupart des variables psychologiques.
L'approche est très globale et s'intéresse à différentes variables liées par exemple à
l'apprentissage, la communication, la personnalité, le bien-être psychologique ou les
comportements moteurs. Les seules différences mises en évidences interfèrent relativement
peu avec les processus d'apprentissage. Il s'agit des performances motrices (liées à la masse
musculaire), de la sexualité (masturbation) et, dans une moindre mesure, de comportements
agressifs (principalement l'agressivité physique plutôt que l'agressivité verbale).
Dès 1989, Linn et Hyde mettent en évidence de très faibles différences entre genres, dans le
cadre de tâches cognitives ou psychosociales liées aux mathématiques. Elles insistent sur le
fait que les différences observées ne sont pas généralisables mais résultent de contextes
culturels et situationnels spécifiques. Dans leur article, publié dans la revue Science (Hyde &
Linn, 2006), ces chercheuses fondent leur démarche sur la confirmation de l'hypothèse de la
plus grande variabilité des mâles (Feingold, 1992; Hedge & Nowell, 1995). Celle-ci explique
entre autres pourquoi les femmes sont moins représentées au niveau des étudiants qui
obtiennent les meilleures performances en mathématique et en sciences. La plus grande
variabilité observée chez les étudiants est simplement mise en évidence, grâce à un ratio de
variance, sans aucune explication quant à l'origine de cette variabilité - culturelle, biologique
ou les deux ?
Les recherches de Hyde ne sont pas les seules à mentionner l'absence ou de faibles différences
entre genres à propos de concepts liés à la motivation. Les différences de capacités
intrinsèques envers les mathématiques et les sciences sont largement remises en question
(Spelke, 2005 pour une revue). Les différences observées précédemment lors de l'usage des
technologies nouvelles tendent également à disparaître (Brown et al., 2002; Astleitner &
Steinberg, 2005). De même, Fazey et Fazey (2001), travaillant sur l'autonomie à l'Université,
s'étonnent d'observer de faibles différences entre les étudiantes et les étudiants.
- 47 -
- 48 -
Cadre empirique
- 49 -
- 50 -
Chapitre 4 L'outil d'évaluation de la motivation
académique
Dans le cadre de l’approche sociocognitive présentée au Chapitre 2, la motivation à
l’apprentissage a été envisagée sous ses dimensions cognitive, émotionnelle et sociale. Elle
est en effet actuellement interprétée comme résultant d’une multitude de réflexions que
l'apprenant mène sur une situation à laquelle il est confronté, sur lui-même et sur les
conséquences attendues de ses actions. En accord avec Vallerand et Thill (1993), le concept
de motivation se définit comme « le construit hypothétique utilisé afin de décrire les forces
internes et/ou externes produisant le déclenchement, la direction, l'intensité et la persistance
du comportement ». Cette vision de la motivation s’inscrit pleinement dans le cadre de la
théorie de l’autodétermination (Deci & Ryan, 1985, 1991) qui considère que le comportement
individuel est motivé par le besoin de se sentir compétent et d'être à l'origine de ses propres
comportements. Selon cette même théorie, il existerait différents types de motivation se
distinguant par le degré d'autodétermination qui sous-tend le comportement et ces mêmes
types de motivation pourraient être séparés en trois grandes classes qu’il est possible
d’agencer le long d'un continuum d'autodétermination: la motivation intrinsèque, la
motivation extrinsèque et l'amotivation.
La définition plurielle de la motivation rend son analyse particulièrement difficile et nécessite
de ce fait une approche multicritériée et graduelle. Cette démarche mène à la conception
d'échelles multidimentionnelles d'évaluation de la motivation dans différents contextes.
L'étude de la motivation à s'engager et à poursuivre des études universitaires constitue le
cadre général de la présente recherche. Comme outil d’analyse et instrument de mesure de la
motivation, nous avons retenu un questionnaire développé par Vallerand et al. (1989):
l’échelle de motivation en éducation (EME). Celle-ci est adaptée aux études universitaires et
permet de distinguer sept types (composantes ou sous-échelles) de motivations.
Dans la première partie de ce chapitre, nous présenterons successivement l’Echelle de
Motivation en Education et les différentes composantes motivationnelles qui la composent
(4.1), la possibilité de calculer un Indice Global de Motivation (4.2) et les différentes limites
conceptuelles et qualitatives révélées dans la littérature suite à l’usage répété ou l’étude
spécifique des outils utilisés dans le cadre de cette recherche (4.3). La deuxième partie du
chapitre est consacrée spécifiquement à la présentation des qualités psychométriques du
questionnaire et son exploitation dans le cadre précis de la présente recherche, sur le public
cible, pour les trois années de suivi de la motivation des étudiant(e)s en première année
d’études universitaires à Gembloux (4.4).
4.1
EME-U28: Echelle de Motivation en Education - Etudes
Universitaires
La "motivation académique" a été étudiée à l'aide d'une version légèrement adaptée de
l'Echelle de Motivation en Education - Etudes universitaires (EME-U), développée et validée
- 51 -
au Québec (Vallerand et al., 1989). Les rares modifications apportées concernent son
adaptation à l’actuel contexte belge et européen (décret Bologne).
Cet instrument de mesure a été développé sur base de la théorie de l'autodétermination de
Deci et Ryan (1985). Pour rappel, ceux-ci considèrent la motivation à l’apprentissage comme
une caractéristique individuelle de l'apprenant, et mettent en évidence deux grandes catégories
de conduites :


celles qui sont autodéterminées ou qui émanent de la personne,
celles qui sont contrôlées, gouvernées par un processus de "soumission".
Des conséquences positives seraient engendrées par des comportements autodéterminés et des
conséquences négatives pourraient résulter de comportements non autodéterminés. Dans le
cadre du milieu professionnel, Vallerand et Miquelon (2008) citent par exemple l’étude de
Blais et al. (2003) dans laquelle les formes les plus autodéterminées de motivation au travail
(MI et MEID) mènent aux conséquences les plus positives telles que la satisfaction et l’intérêt
au travail alors que les formes les moins autodéterminées (MEIN, MERE et AMOT)
engendrent des conséquences négatives comme l’anxiété, la distraction et l’absentéisme. En
milieu scolaire, de plus en plus d’études mettent en évidence que les performances
« optimales » trouvent leurs origines en une motivation autodéterminée ou en un profil
motivationnel autodéterminé (Fortier, Vallerand & Guay, 1995 ; Guay & Vallerand, 1997 ;
Ratelle, Guay, Vallerand, Larose & Senécal, 2007).
L’Echelle de Motivation en Education (EME) permet de quantifier les 7 types de motivation
[nous parlerons plus loin de composantes motivationnelles] repris au sein du continuum de
motivation:







motivation intrinsèque à la connaissance
motivation intrinsèque à l’accomplissement
motivation intrinsèque à la stimulation
motivation extrinsèque par régulation identifiée
motivation extrinsèque par régulation introjectée
motivation extrinsèque par régulation externe
amotivation
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
Pour chacun des 28 items de l’EME, l'étudiant doit préciser, sur une échelle de Likert à 7
modalités, dans quelle mesure l'énoncé proposé correspond à une raison justifiant son
engagement actuel dans ses études universitaires (de "Ne correspond pas du tout" à
"Correspond très fortement"). Le score d’un étudiant à une des sept composantes de la
motivation correspond à la moyenne aux 4 items qui relèvent de cette dimension.
Les composantes motivationnelles ont largement été présentées au Chapitre 2. Un bref
descriptif de chacune d’entre elles est fourni ci-dessous de même qu’un exemple d'énoncé de
l’EME (Annexe 1, Annexe 2 et Annexe volante).
4.1.1
La motivation intrinsèque à la connaissance (MICO)
La MICO est observée lorsqu'une personne pratique une activité essentiellement pour le
plaisir et la satisfaction qu'elle ressent lorsqu'elle est en train d'apprendre ou de faire quelque
chose de nouveau. L’étudiant justifiera son investissement dans ses études par : "Pour le
plaisir que j'ai à découvrir sans cesse de nouvelles choses".
- 52 -
4.1.2
La motivation intrinsèque à l'accomplissement (MIAC)
La MIAC est observée lorsqu'on entreprend une activité pour le plaisir et la satisfaction de
créer quelque chose ou encore de se sentir efficace et compétent. L’étudiant déclarera
s’investir dans ses études : "Pour la satisfaction que je vis lorsque je suis en train de réussir
des activités d'apprentissage difficiles".
4.1.3
La motivation intrinsèque à la stimulation (MIST)
La MIST est observée lorsqu'un individu fait une activité dans le but de ressentir le plaisir (et
autres sensations) que lui procure son implication au sein de l'activité. Il dira par exemple
s’investir : "Parce que ça me stimule de découvrir les progrès récents réalisés dans le champ
des études que j'ai choisies".
4.1.4
La motivation extrinsèque à régulation identifiée (MEID)
La MEID est observée lorsque le contrôle du comportement s'effectue par des motifs externes
suffisamment intériorisés que pour provoquer une identification à l'activité. La raison évoquée
pour justifier un investissement dans ses études sera par exemple : " Parce qu'éventuellement
cela va me permettre d'aller sur le marché du travail dans un domaine que j'aime".
4.1.5
La motivation extrinsèque à régulation introjectée (MEIN)
La MEIN est observée lorsque le contrôle du comportement s'effectue par le biais de
contraintes externes intériorisées. L’étudiant déclare alors qu’il s’investit : " Pour me prouver
à moi-même que je suis capable de faire mieux que des études supérieures non
universitaires".
4.1.6
La motivation extrinsèque à régulation externe (MERE)
La MERE est observée lorsque le comportement est régi par des sources de contrôle se situant
à l'extérieur de l'individu. Typiquement, l’étudiant déclarera s’investir dans ses études parce
qu’on lui a promis une récompense s’il réussit son année ou pour gagner plus tard beaucoup
d’argent. Il dit par exemple s’investir : " Parce que juste avec un graduat (actuel
baccalauréat diplômant), je ne pourrais pas me trouver un emploi suffisamment bien payé".
4.1.7
L'amotivation (AMOT)
L’AMOT se manifeste lorsque l'étudiant est incapable de prévoir et d'expliquer les
conséquences de son comportement. L’étudiant ne sait plus où il en est et déclare : " Je ne
parviens pas à voir pourquoi je vais à l'université et franchement je m'en fous pas mal".
A titre exemplatif, la figure 4.1 présente les distributions (en %) des moyennes par étudiant
des scores des différentes composantes motivationnelles pour les questionnaires EME soumis
en janvier des trois années d’étude.
- 53 -
Figure 4.1.
Répartition (%) des composantes motivationnelles moyennes des étudiants
entre les 7 modalités de l’échelle de Likert reprises à l’EME lors de la
soumission du questionnaire au mois de janvier des trois années d’étude (n=
149 en 04-05 ; n= 190 en 05-06 ; n= 179 en 06-07)
- 54 -
Ces différents graphiques permettent d’observer la distribution des réponses des étudiants
pour les différentes composantes motivationnelles. Ils permettent également d’observer une
relativement grande stabilité dans la distribution de ces réponses en fonction des années prises
en compte. Ainsi, nous observons une distribution en cloche pour l’ensemble des
composantes motivationnelles à l’exception de l’amotivation, pour laquelle une distribution
en « i » est observée. Notons cependant quelques rares différences entre années au niveau des
modes. Ces différences sont particulièrement marquées en 2006-2007 pour les motivations
extrinsèques à régulation introjectée et à régulation externe, qui présentent des modalités
inférieures à celles des deux autres années.
4.2
La théorie de l’autodétermination postule qu’il n'existe pas "une" motivation mais bien
différents types de motivation qui peuvent être agencés selon un continuum
d’autodétermination (Chapitre 2). Cette subdivision en composantes motivationnelles rend
particulièrement difficile la quantification du concept de motivation. Pourtant, par soucis de
parcimonie ou de communication, il est parfois utile de disposer d’une valeur unique
assimilable à « la » motivation. L’Echelle de Motivation en Education (EME) répond
partiellement à ce souci de quantification en offrant la possibilité d’évaluer séparément sept
composantes de motivation puis de les combiner en une valeur synthétique, l’Index Global de
Motivation autodéterminée (Deci & Ryan, 1985; Deci, Vallerand, Pelletier & Ryan, 1991;
Vallerand, 1997).
Selon Deci & Ryan (1985), des conséquences positives seraient engendrées par des
comportements autodéterminés et des conséquences négatives résulteraient de comportements
non autodéterminés. En d’autres termes, les formes les plus autodéterminées de motivation
mèneraient aux conséquences les plus positives alors que les formes les moins
autodéterminées seraient à l’origine de conséquences négatives (4.1). Sur le continuum
d’autodétermination, les trois motivations intrinsèques (MICO, MIAC et MIST) occupent
ensemble le plus au niveau d’autodétermination. Elles contribueraient fortement à « la »
motivation autodéterminée. A l’opposé du continuum, l’amotivation engendrerait des
conséquences négatives comme l’anxiété ou la résignation. Dans le cadre de l’établissement
de l’Index Global de Motivation basé sur la théorie de l’autodétermination, la composante
« Amotivation » se voit donc attribué un fort impact négatif sur la mesure unique de
motivation. Les différentes motivations extrinsèques se répartissent entre les deux extrêmes
du continuum. La motivation extrinsèque par régulation identifiée (MEID) se caractérise par
un contrôle du comportement par des motifs externes suffisamment intériorisés que pour lui
conférer un caractère autodéterminé et contribuer positivement à l’établissement de l’IGM
alors que la MEIN et la MERE constituent des composantes motivationnelles davantage
contrôlées par des facteurs externes et dont l’impact sur la motivation est négatif.
En attribuant un poids aux différentes composantes motivationnelles de l’EME en fonction de
leur typologie et de leur degré d’autodétermination, il est possible, à partir des réponses des
étudiants de calculer, pour chacun d’eux, un Index Global de Motivation (IGM) (Deci &
Ryan, 1985; Grolnick & Ryan, 1987 ; Deci, Vallerand, Pelletier & Ryan, 1991). Le poids
assigné à chaque composante motivationnelle se justifie par la matrice de corrélation qui
émerge et qui appuie l’existence du continuum d’autodétermination à travers sa structure
simplex (Vallerand, 1997).
- 55 -
Le calcul de l’Index Global de Motivation autodéterminée (IGM) repose sur le
positionnement des composantes motivationnelles le long du continuum d’autodétermination
[L’usage de la fiche volante accompagnant le présent document permet de mieux visualiser
l’organisation du continuum ainsi que le caractère autodéterminé ou contrôlé des différentes
composantes motivationnelles].
Plus la composante motivationnelle est de type
autodéterminé, plus elle contribue positivement à l’IGM. A contrario, une composante à
caractère contrôlé, donc non autodéterminé, pénalise l’évaluation de la motivation globale.
Ainsi, la motivation intrinsèque (moyenne de la MICO, la MIAC et la MIST) et la motivation
extrinsèque par régulation identifiée (MEID) se sont vus respectivement recevoir un « poids »
de +2 et de +1, alors qu’un poids de -1 a été attribué à la moyenne des deux autres
motivations extrinsèques (MEIN et MERE) tandis qu’un double poids négatif a été octroyé à
l’amotivation (AMOT), terriblement pénalisante d’un point de vue motivationnel. On retrouve
ici la distinction entre composantes motivationnelles à l’origine de conséquences positives et
composantes dont l’impact est négatif. Chaque poids est multiplié par la moyenne des
réponses du participant pour les quatre sous-échelles en utilisant la formule suivante:
IGM = (2*(MICO+MIAC+MIST)/3+MEID)-((MERE+MEIN)/2+2*AMOT)
Cette équation fournit une valeur qui peut varier de -18 à +18 lorsque l’EME propose à
l’étudiant de positionner sa réponse sur une échelle de Likert à sept modalités. Bien que fondé
sur des bases théoriques solides, l'IGM est relativement peu utilisé par les chercheurs d’autant
qu’un même score peut refléter diverses situations. Ceux-ci préfèrent travailler sur les sept
sous-unités de l'échelle et les différents types de motivation (MI, ME et AMOT). Cette prise
en compte des différentes dimensions de la motivation est nettement plus intéressante dans le
cadre d’études descriptives et analytiques telle que la nôtre. Dans les chapitres qui suivent,
nous utiliserons, selon la pertinence et le potentiel d’analyse, les sept composantes
motivationnelles, l’IGM, la subdivision en MI-ME-AMOT ou en MA-MC-AMOT.
Notons que l'index a fait l'objet de diverses adaptations, notamment dans le but d'augmenter la
prédictibilité d'événements ultérieurs (performances ou décision d'abandonner). Ainsi, la
littérature fait état de quelques variantes dans la pondération des poids accordés aux
composantes motivationnellles mais sans jamais réellement justifier ceux-ci.
Dans leur étude sur la motivation académique et les performances scolaires, Fortier, Vallerand
et Guay (1995) ont utilisé l'Echelle de Motivation en Education avec des échelles de Likert à
5 niveaux. L'index avec lequel ils ont travaillé (autonomy index) est identique à l'IGM,
variant de -12 à +12, mais il ne tient pas compte de la MEIN car elle se situe à cheval entre les
types autodéterminés de motivation et les non autodéterminés. Dans leur étude sur l'abandon
scolaire, ces auteurs ont travaillé avec le même index, avec des échelles de Likert à 7 niveaux
(Vallerand, Fortier & Guay, 1997).
Diverses échelles ont été mises au point à partir de l'Echelle de Motivation en Enseignement.
Chacune d'elles permet d'établir de manière similaire un score composite qui reflète le niveau
de motivation des personnes interrogées. Ces scores sont obtenus en pondérant chacune des
variables motivationnelles en fonction de leur positionnement sur le continuum
d'autodétermination (Deci & Ryan, 1985). L'étude de Brunel et al. (2000) constitue un bel
exemple d'utilisation de scores composites pour l'Echelle de Motivation dans les Sports
(Brière, Vallerand, Blais & Pelletier, 1995), l'Echelle de Motivation dans les Loisirs (Pelletier,
Vallerand, Green-Demers, Blais & Brière, 1996) et l'Echelle de Motivation Situationnelle
(Guay, Vallerand & Blanchard, 2000).
- 56 -
Parfois, les questionnaires d'évaluation des composantes motivationnelles n'ont été que
partiellement utilisés. Lavender (2005) effectue des regroupements et additionne par exemple
les trois types de motivation intrinsèque pour travailler sur une seule valeur. Dans l'étude de
Nadeau, Senécal et Guay (2003) sur la procrastination académique, l'autodétermination en
famille est mesurée à l'aide de 12 items tirés de l'Echelle de Motivation envers les Activités
Familiales (EMAF) qui en compte 28. Il en est de même de l'autodétermination académique
évaluée à partir de 12 énoncés sur les 28 que compte l'EME. La quantification de la
motivation s'inspire de l'IGM de Vallerand et al. (1989) tout en négligeant purement et
simplement les sous-échelles non prises en considération. Ainsi, l'index d'autodétermination
en famille devient: 2MI+MEID-MEIN-2MERE alors que l'IGM est réduit à 2MI+MEIDMERE-2AMOT. Notons que cet index, calculé à partir de 4 composantes motivationnelles
évaluées à l'aide d'un questionnaire comprenant 16 items, a entre autres été utilisé par Guay,
Mageau et Vallerand (2003) pour la motivation académique et par Richel, Blanchard et
Vallerand (2002) pour la motivation à changer de travail.
4.3
Précautions méthodologiques et limites d'utilisation
Les qualités psychométriques de l'EME ont été évaluées par l'équipe qui a mis au point l'outil
(Vallerand et al., 1989) ainsi qu'à plusieurs reprises, lors de la traduction du questionnaire en
d'autres langues (Vallerand et al., 1992, 1993; Blanchard et al., 1997; Barkoukis et al., 2008),
lors de son utilisation hors du Canada (Smith, Davy & Rosenberg, 2010) et lors d'études
spécifiques de ses qualités psychométriques (Cokley, 2000; Cokley, Bernard, Cunningham &
Motoike, 2001; Fairchild, Horst, Finney & Barron, 2005).
L’ensemble de ces études présente une analyse plus ou moins poussée de la validité du
questionnaire ainsi qu’une vérification globale de sa fidélité.
La validité:
Le terme de validité se réfère au degré selon lequel des scores de tests ou d'autres mesures
prédisent ou "rendent compte" d'un ou plusieurs critères externes. Il existe différents types de
validité. Dans le cadre de la présente étude, il nous semble intéressant de définir et d'aborder
(1) la validité prédictive ou critérielle, qui repose sur la possibilité de prédire les résultats
qu'obtiendront les sujets à d'autres tests ou à un instrument quelconque ou même lors d'un
événement particulier comme les performances en fin d'année, ainsi que (2) la validité de
construct ou validité conceptuelle, qui repose sur une définition de l'objet d'évaluation lorsque
celui-ci n'est pas matérialisable en termes de contenus énonçables: mesure de l'intelligence, de
la personnalité ou de la motivation.
La fidélité:
La fidélité se réfère à la précision avec laquelle un score représente l'aptitude du sujet observé.
Il existe également différentes méthodes qui essayent toutes de répondre à la même question :
"Quelle est la corrélation du test avec lui-même ?". La méthode basée sur la consistance
interne comprend entre autres l'alpha de Cronbach, dont la version standardisée s’apparente à
la moyenne des corrélations entre les réponses aux items censés mesurer une même
composante. La méthode du test-retest ne postule pas l'existence d'une consistance interne
mais repose sur la stabilité dans le temps, évaluée par corrélation entre une première et une
seconde soumission d'un test.
- 57 -
Pour rappel, l'EME permet de mesurer sept types de motivation qu'il est possible d'organiser
le long d'un continuum de motivation selon un gradient d'autodétermination constitué d’une
sous-échelle d’amotivation, de trois sous-échelles organisées de motivation extrinsèque et
d’un ensemble non organisé de trois sous-échelles de motivation intrinsèque :
MICO
AMOT  MERE  MEIN  MEID  MIAC
MIST
En 1992, Vallerand et al. ont proposé une traduction en anglais (Academic Motivation Scale :
AMS) de l'Echelle de Motivation en Education (EME). Cette traduction a été accompagnée
d'une étude de validité réalisée au Canada sur 745 étudiants collégiens (Vallerand et al., 1992)
et complétée l'année suivante après soumission du questionnaire à 217 étudiants canadiens
(Vallerand et al., 1993). Ces recherches ont permis d'identifier différents problèmes:






La validité concourante de l'EME a été confirmée par la mesure des corrélations
existant entre les différentes sous-échelles et divers construits similaires. Seul le
construit de motivation intrinsèque à la stimulation (MIST) est remis en question
suite à l'identification de faibles corrélations avec de nombreux autres concepts
théoriques liés.
Les coefficients alpha de Cronbach, pour les différentes sous-échelles, révèlent
une bonne consistance interne (entre 0,83 et 0,86) sauf pour la motivation
extrinsèque à régulation identifiée (MEID) qui présente un coefficient de 0,62.
La mise au point initiale, en français, de l'EME, avait permis d'observer les
mêmes niveaux de fidélité (Vallerand et al., 1989).
La fidélité des mesures, estimée par la méthode du test-retest, semble
relativement faible mais jugée comme satisfaisante d’autant que la motivation
fluctue au cours du temps. Les coefficients de corrélation du test avec lui-même,
à un mois d'intervalle, sont situés entre 0,71 et 0,83 pour les sept sous-échelles.
Ces valeurs sont confirmées par Núnez Alonso et al. (2005) qui obtiennent des
corrélations test-retest comprises entre 0,69 et 0,87, à sept semaines d’intervalle
(version espagnole de l’EME), et par Barkoukis et al. (2008), avec des
corrélations test-retest, à six semaines d’intervalle, situées entre 0,74 et 0,83
(version grecque de l’EME).
La position de la MIST au sein du continuum motivationnel (et de sa
représentation sous la forme d'une échelle) est remise en question car elle
présente des liens plus importants avec la motivation extrinsèque à régulation
introjectée (MEIN) qu'avec la MEID, théoriquement plus proche.
Les corrélations négatives observées entre l'amotivation (AMOT) et la MEID
sont plus fortes qu'entre l'AMOT et la MIST, pourtant situées aux deux
extrémités du continuum.
Les problèmes de positionnement de la MIST au sein du continuum
s’accompagnent de faibles corrélations avec des concepts théoriquement fort
proches, ce qui nuit à la validité du construit (Vallerand et al., 1993).
Les propriétés psychométriques de l'AMS ont été évaluées sur des étudiants américains par
Cokley (2000). En 2001, l'organisation graduelle des sous-échelles a été réexaminée et
accompagnée d'une évaluation des relations existant entre les types de motivation et les
performances (Cokley et al., 2001).
- 58 -




L’analyse factorielle confirmatoire (AFC) des différentes données a permis
d’accepter l’hypothèse d’une structure de l’AMS en 7 sous-unités. Cette
confirmation du modèle théorique est en accord avec les résultats des AFC
réalisées initialement par Vallerand et al. (1989, 1992) et plus récemment par
Barkoukis et al. (2008) avec la traduction en grec de l’AMS.
La consistance interne du construit de MEID est inférieure ou égale à 0,7 ce qui
confirme les observations de Vallerand et al., 1992.
Autres confirmations des limites observées ensuite par Vallerand et al. (1993),
les corrélations négatives les plus fortes sont observées entre l'amotivation et la
MEID et non, comme attendu, entre l'amotivation et les motivations
intrinsèques. De plus, les trois motivations intrinsèques corrèlent légèrement
plus avec la MEIN qu'avec la MEID.
Les corrélations mesurées entre les performances et les différents types de
motivation remettent en question les bases théoriques de l'outil car les
motivations les plus autodéterminées (MI) ne semblent pas être davantage
corrélées aux performances. De plus, la MEIN, la MERE et l’AMOT présentent
toutes trois un même niveau de corrélation négative avec les performances.
Sur base des corrélations entre les différentes sous-échelles de l’AMS, Cokley (2000)
souligne l’existence de liens inattendus entre les motivations intrinsèques et les motivations
extrinsèques. Cokley et al. (2001) relativisent leurs observations et invitent à poursuivre les
recherches portant sur la structure de l'échelle et sur les bases théoriques du modèle: la
motivation intrinsèque ne semble pas aussi distincte de la motivation extrinsèque que ce que
la théorie ne semble le laisser penser.
Plus récemment, Fairchild, Horst, Finney & Barron (2005) ont réalisé une évaluation poussée
de la validité de la version anglaise (Academic Motivation Scale) de l'Echelle de Motivation
en Education. Le modèle à 7 facteurs a été confirmé ainsi que la validité du construit par
comparaisons entre les sous-échelles et d'autres outils similaires. La fidélité est confirmée par
la méthode de la consistance interne (α de Cronbach) mais il n'en va pas de même pour la
structure linéaire en échelle, sensée illustrer le continuum motivationnel issu de la théorie de
l'autodétermination.
Ces auteurs insistent préalablement sur les bases théoriques du modèle en précisant que
MICO, MIAC et MIST ne sont pas organisés le long du continuum mais constituent
simplement différents types de motivations intrinsèques fortement corrélés (voir le schéma
présenté plus haut).
La structure linéaire et organisée de l'échelle (the simplex pattern) repose sur le postulat que
(1) des sous-unités voisines au niveau du continuum doivent présenter des corrélations plus
fortes qu'entre sous-unités espacées et, (2) les sous-unités disposées aux extrêmes du
continuum (amotivation et les motivations intrinsèques) doivent présenter la plus forte
corrélation négative. Ce "simplex pattern" ne semble pas confirmé.



Les trois types de motivation intrinsèque présentent bien de fortes corrélations
entre eux mais le même niveau de corrélation est observé entre la MIAC et la
MEID.
Les trois types de motivation intrinsèque sont négativement corrélés à l'AMOT
mais la corrélation négative observée entre la MEID et l'AMOT est encore plus
élevée. Cette observation a également été réalisée par Barkoukis et al. (2008).
Les relations entre sous-unités voisines ne confortent pas la structure organisée
de manière linéaire, essentiellement pour la MERE, la MEIN et la MEID.
- 59 -
La discussion de Fairchild et al. (2005) porte principalement sur l'organisation linéaire de
l'échelle et propose des pistes d'explication ciblant la phase de mise au point de l'échelle ainsi
que les bases théoriques qui sous-tendent la construction de l'outil. Une invitation à
poursuivre les recherches est lancée.
La validité de l’Academic Motivation Scale a récemment été réexaminée par Smith, Davy &
Rosenberg (2010) sur 2078 étudiants américains. A nouveau, la structure en 7 facteurs a été
confirmée ainsi qu’un niveau acceptable de consistance interne. Tout comme dans les autres
études, la structure linéaire et organisée de l’échelle n’a pu être vérifiée.
4.4
Vérification des qualités psychométriques du questionnaire
L'Echelle de Motivation en Education (EME) a été utilisée dans de nombreuses recherches et
ses qualités psychométriques ont été vérifiées à plusieurs reprises (Voir en 4.3). Les récentes
révisions de la validité du questionnaire, le contexte européen de la présente étude, les rares
modifications mineures apportées à l'EME ainsi que l'utilisation répétée du questionnaire dans
le cadre du suivi longitudinal de la motivation des étudiants constituent autant de raisons qui
nous ont poussés à vérifier à nouveau ses principales qualités psychométriques.
Le suivi longitudinal de la motivation repose sur la soumission du questionnaire EME à cinq
reprises au cours de l'année académique. Cet usage répété du questionnaire sur une même
population d'étudiants présente l'intérêt de pouvoir suivre au cours du temps l'évolution des
qualités psychométriques du questionnaire. Ainsi, pour chaque année d'expérimentation, deux
analyses ont été pratiquées par passation du questionnaire: d'une part, l'évaluation classique
du coefficient α de Cronbach, d'autre part, l'analyse en composantes principales (ACP) pour
l'ensemble des 28 items du questionnaire.
4.4.1
Consistance interne des sept composantes motivationnelles
La fidélité de l’EME a été éprouvée dans un premier temps sur base de l’étude de la
consistance interne des différentes composantes motivationnelles du questionnaire. Cette
consistance interne permet d’obtenir une image de l’unidimensionnalité des sept composantes
motivationnelles à partir du calcul des α de Cronbach dont la version standardisée s’apparente
à la moyenne des corrélations entre les réponses aux items censés mesurer une même
composante motivationnelle. Le α de Cronbach permet ainsi de vérifier si l’ensemble des
items permettant de mesurer une composante motivationnelle est suffisamment homogène
pour que le calcul du score obtenu puisse être reconnu comme fidèle au concept mesuré.
Le tableau suivant reprend, pour chaque année d'expérimentation, l'ensemble des coefficients
α de Cronbach correspondant aux sept types de motivation du continuum motivationnel, pour
les cinq administrations du questionnaire. Les cases en grisé mettent en évidence les valeurs
inférieures au seuil théorique de validité, fixé à 0,70.
- 60 -
α
Cronbach
2004-2005
2005-2006
2006-2007
Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps Tps
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5 MOY
152 128 149 130 131 186 181 190 169 158 186 148 179 155 127 157,9
N
1 : MICO 0,76 0,85 0,88 0,89 0,89 0,82 0,87 0,90 0,90 0,89 0,85 0,91 0,92 0,90 0,90 0,88
2 : MIAC 0,78 0,83 0,82 0,84 0,86 0,82 0,85 0,87 0,89 0,88 0,82 0,84 0,90 0,91 0,89 0,85
3 : MIST
0,67 0,67 0,80 0,78 0,81 0,74 0,78 0,84 0,84 0,83 0,68 0,75 0,81 0,84 0,83 0,78
4 : MEID 0,57 0,61 0,72 0,78 0,79 0,73 0,74 0,80 0,78 0,82 0,63 0,74 0,73 0,79 0,78 0,73
5 : MEIN 0,77 0,79 0,87 0,90 0,90 0,84 0,84 0,89 0,91 0,92 0,86 0,90 0,90 0,90 0,91 0,87
6 : MERE 0,79 0,88 0,86 0,86 0,88 0,83 0,82 0,86 0,88 0,90 0,84 0,87 0,87 0,89 0,91 0,86
7 : AMOT 0,46 0,69 0,78 0,84 0,79 0,70 0,83 0,84 0,85 0,90 0,73 0,86 0,88 0,85 0,76 0,78
MOY
0,69 0,76 0,82 0,84 0,85 0,78 0,82 0,86 0,86 0,88 0,77 0,84 0,86 0,87 0,85 0,82
Tableau 4.1. Coefficient α de Cronbach pour les trois années d’expérimentation (case
grisé foncé: α<0,65; case gris clair: 0,65<α<0,7) (Tps 1 : septembre ; Tps 2 :
décembre ; Tps 3 : janvier ; Tps 4 : mars ; Tps 5 : mai).
La consistance interne observée durant les trois années d'expérimentation est entièrement
satisfaisante. En début d'année (04-05 et 06-07), la sous-échelle évaluant la motivation
extrinsèque à régulation identifiée (MEID) souffre cependant d'un relativement faible
coefficient α de Cronbach, ainsi que la sous-échelle de mesure de l'amotivation (début 04-05).
Lors des périodes ultérieures, la consistance interne pour les différentes sous-échelles de
motivation est toujours satisfaisante (α>0,70). En 2005-2006, on observe également les plus
faibles coefficients pour la MEID et l'AMOT, mais ceux-ci sont toujours supérieurs au seuil
critique théorique de 0,70.
Ces observations conduisent aux constats suivants :



La faible consistance interne du construit de MEID a précédemment été relevée
par Vallerand et al. (1989 ; 1992 ;1993) ainsi que par Cokley et al. (2001),
Núñez Alonso et al., (2005) et Otis et al. (2005). Les niveaux observés dans la
présente étude deviennent rapidement supérieurs à 0,70 et sont donc nettement
satisfaisants.
A trois reprises, nous avons observé une relativement faible consistance interne
du construit de MIST (0,67≤ α <0,70). Celle-ci a également été relevée à deux
reprises par Barkoukis et al. (2008) avec des α de Cronbach de 0,55 et 0,63.
Dans cette double étude, seul le construit de MIST présentait des α inférieurs à
0,70.
Pour les trois années d’expérimentation, la consistance interne de l'outil est
renforcée au cours des trois premières soumissions du questionnaire puis a
tendance à se stabiliser. A titre d’exemple, la moyenne des coefficients α de
Cronbach progresse en 2005-2006 de 0,78 à 0,86 entre le Tps 1 et le Tps 3 pour
se stabiliser autour de cette valeur. Il en est de même en 2006-2007.
L’amélioration de la consistance interne pourrait en partie s’expliquer par le fait
que les étudiants s'habituent à l'outil et comprennent mieux les formulations
utilisées. De même, il est probable qu’un étudiant qui vit sa toute première
journée à l'université soit quelque peu perturbé et présente des difficultés à
identifier les raisons pour lesquelles "il s'investit dans ses études". Vallerand et
al. (1989) et Núñez Alonso et al., (2005) avaient également observé une
augmentation de la consistance interne entre un pré-test et un post-test.
- 61 -

4.4.2
Début 2004-2005, la sous-échelle relative à l'Amotivation présente une très
faible consistance interne (α=0,46). Ce faible niveau de corrélation s'explique
également par la méconnaissance du questionnaire. Ainsi, une dizaine
d'étudiants mentionnent une forte amotivation pour un des quatre items évaluant
ce construit (ce qui est étonnant à l'entrée à l'université) et une absence totale
d'amotivation pour les trois autres items. Un effort de présentation du
questionnaire et de cette sous-échelle a été fait par la suite.
Unidimensionnalité de l’EME
Une analyse en composantes principales (ACP) a été réalisée sur l'ensemble des données,
pour chaque période de soumission. L'ACP permet d’une part de vérifier l’unidimensionnalité
des composantes motivationnelles de l’EME mais aussi d’obtenir une image de l’organisation
de ces composantes les unes par rapport aux autres. A titre illustratif, nous présentons cidessous les données relatives aux questionnaires soumis en période 3 de l'année 2006-2007.
La littérature relative aux études psychométriques de l’EME ne nous offre malheureusement
pas d’opportunité de comparaison.
La Figure 4.2 illustre les relations entre les vingt-huit items du questionnaire lorsqu'ils sont
organisés selon les deux principales composantes identifiées. L'ACP permet ici de vérifier
d'une part, que les quatre items relatifs à chaque composante motivationnelle sont bien liés
entre eux et, d'autre part, que les sept composantes motivationnelles sont bien organisées
selon un continuum motivationnel corroboré par la première composante principale (axe
vertical).
Répartition des composantes motivationnelles selon les deux
axes principaux de l'ACP (3e questionnaire de 2006-2007)
1
MIAC2
0,8
MICO2
MIST4 MIAC1 MIAC3
MICO3
MIST2
MICO1
MIST3
MICO4
MIST1 0,6
MEID4
MEID1
MEID2
0,4MEID3
MIAC4
MEIN4
MEIN1
MEIN2
MEIN3
MERE2
MERE4
0,2
MERE1
MERE3
0
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
-0,2
AMOT4
-0,4
AMOT3
AMOT2
AMOT1
-0,6
Figure 4.2.
Répartition des 28 items de l'EME-U selon les deux axes principaux de
l'analyse en composantes principales (données provenant du 3e
questionnaire soumis en 2006-2007)
- 62 -
La répartition des sept composantes motivationnelles selon les deux axes principaux de l’ACP
permet de se faire une idée plus juste de leurs relations réciproques (Figure 4.3). L’analyse de
cette figure selon le premier axe permet également d’observer une organisation quasi similaire
à celle postulée par la théorie de l’autodétermination et transposée sous la forme du
continuum motivationnel. Notons également à la Figure 4.3 que la motivation extrinsèque à
régulation identifiée (MEID) y figure à côté des trois composantes de la motivation
intrinsèque. Cette observation n’est pas trop étonnante. En effet, bien que d’origine
extrinsèque, la MEID est une motivation considérée comme étant autodéterminée et à
l’origine de conséquences positives telles que persévérance et performance.
L’Amotivation se distingue clairement des autres composantes motivationnelles et est la seule
composante à se retrouver au niveau négatif du premier axe.
La répartition des différentes composantes motivationnelles sur le premier axe de l’ACP
conforte la subdivision traditionnelle de la motivation en une dimension intrinsèque et une
dimension extrinsèque. L’amotivation, concept plus récent d’absence déclarée de motivation,
trouve également sa place sur cet axe. La répartition des sept composantes motivationnelles
selon la seconde composante principale semble davantage illustrer l’autodétermination, avec
les trois MI et la MEID, considérées comme motivations autodéterminées, très proches les
unes des autres puis, successivement, la MEIN et la MERE, qualifiées de motivations
contrôlées, distinctement séparées. Le positionnement de l’amotivation selon cette seconde
composante principale est difficilement explicable par la théorie. Notons cependant que les
axes d’une ACP ne peuvent être, a priori, qualifiés mais qu’en dehors de l’amotivation, la
théorie de l’autodétermination (Deci & Ryan, 1985) nous offre ici un cadre d’analyse
particulièrement intéressant.
Répartition des 7 composantes motivationnelles selon les deux
axes principaux de l'ACP (3e questionnaire de 2006-2007)
1
0,8
MICO
MIST
0,6
MIAC
MEID
MEIN
0,4
0,2
MERE
0
-0,6
-0,4
-0,2
-1E-15
0,2
0,4
0,6
0,8
1
-0,2
-0,4
AMOT
-0,6
Figure 4.3.
Répartition des 7 composantes motivationnelles selon les deux axes
principaux de l'analyse en composantes principales (données provenant du
3e questionnaire soumis en 2006-2007)
- 63 -
La Figure 4.3 permet donc de valider en grande partie l’organisation des sept composantes de
l’EME en un continuum au sein duquel les trois composantes de la motivation intrinsèque
sont fort proches, directement suivies de la MEID puis, nettement séparées, la MEIN et la
MERE. L’Amotivation se distingue totalement des autres composantes motivationnelles et
son positionnement sur le second axe, tout comme son statut particulier nous poussent à en
proposer, aussi souvent que possible, une étude et une analyse spécifiques.
4.4.3
Validité conceptuelle du continuum motivationnel et du "simplex pattern"
Deci et Ryan postulent en 1985 l’existence d’un continuum d’autodétermination qui permet
d’illustrer la « qualité de la motivation ». Ryan et Connell (1989) parlent initialement d’un
continuum d’autonomie à gradations identifiables et le vérifient pour quatre catégories de
« raisons » liées à la motivation : raisons externes, introjectées, identifiées et intrinsèques
(sans distinction de forme). La dimension de l’amotivation, déjà introduite par Deci et Ryan
(1985), permet de constituer un véritable « simplex » à cinq composantes distinctes.
Le questionnaire EME (Vallerand et al., 1989) a été construit afin d'évaluer sept composantes
motivationnelles qu'il est également possible d'organiser le long du continuum de motivation
selon un gradient d'autodétermination au sein duquel nous retrouvons les cinq composantes de
Deci et Ryan (1985), les trois types de motivation intrinsèque n’étant pas présentement
organisés le long du continuum.
Au point précédent, le recours à des analyses en composantes principales a permis non de
vérifier mais de proposer une illustration de l’organisation des sept composantes
motivationnelles qui s’apparente fortement au continuum d’autodétermination postulé par
Deci et Ryan (1985).
Nous avons vu en 4.3 que la structure linéaire de l'échelle de motivation postulait que (1) des
sous-unités voisines présentent des corrélations plus fortes qu'entre sous-unités espacées et
que (2) les sous-unités disposées aux extrêmes du continuum (amotivation et les motivations
intrinsèques) présentent les plus fortes corrélations négatives. Afin de vérifier cette structure
linéaire et organisée des composantes de l’EME, nous avons dans un premier temps calculé
les corrélations simples entre les sept composantes motivationnelles de l’EME. Nous avons
par la suite établi les corrélations latentes entre ces composantes pour corriger les effets
d’atténuation dus aux erreurs de mesure.
Afin de faciliter la comparaison entre ces deux approches, nous présentons, au tableau 4.2, les
corrélations simples entre chaque composante de l’EME puis, au tableau 4.3, les corrélations
latentes entre chacune de ces composantes.
a. Corrélations entre les composantes motivationnelles
Le tableau 4.2 permet de visualiser les différents coefficients de corrélation liant les sept
composantes motivationnelles de l'EME-U, pour l’ensemble des différentes soumissions du
questionnaire, au cours des trois années d’expérimentation.
La structure linéaire et organisée de l'échelle de motivation (the simplex pattern) n'a pu être
vérifiée. Ainsi, nous avons observé des corrélations nettement plus importantes entre la MIAC
et la MEIN qu'entre la MIAC et la MEID, pourtant plus proches sur le continuum. Il en est de
même des relations observées entre la MEIN et la MIAC, qui sont plus fortes qu'entre la
MEIN et la MEID. Ainsi, dans notre cadre de recherche, la motivation intrinsèque à
- 64 -
l'accomplissement (MIAC) semble fortement liée à la motivation extrinsèque à régulation
introjectée (MEIN). L'investissement "pour la satisfaction que je vis lorsque je suis en train
de réussir des activités d'apprentissage difficiles" semble parfaitement s'accorder avec
l'investissement "pour me prouver à moi-même que je suis capable de faire mieux que des
études supérieures non universitaires".
Corr.
2004-2005
2005-2006
2006-2007
Dim.
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5 MOY
0,46 0,56 0,52 0,52 0,65 0,54 0,60 0,65 0,67 0,62 0,49 0,59 0,67 0,64 0,63 0,59
1-2
1-3
0,69 0,74 0,77 0,77 0,79 0,71 0,73 0,79 0,79 0,79 0,61 0,66 0,71 0,68 0,75
0,73
1-4
0,32 0,34 0,48 0,41 0,49 0,56 0,53 0,63 0,57 0,60 0,38 0,49 0,53 0,56 0,55
0,50
1-5
0,04 0,12 0,18 0,15 0,16 0,23 0,20 0,25 0,27 0,32 0,12 0,10 0,12 0,18 0,28
0,18
1-6
-0,02 -0,07 -0,03 -0,02 -0,03 0,08 0,06 0,12 0,15 0,18 -0,01 0,02 -0,03 -0,02 -0,02
0,02
1-7
-0,09 -0,09 -0,39 -0,40 -0,31 -0,32 -0,39 -0,36 -0,34 -0,45 -0,28 -0,40 -0,42 -0,42 -0,41 -0,34
2-3
0,43 0,50 0,60 0,69 0,73 0,60 0,68 0,72 0,68 0,67 0,53 0,62 0,72 0,73 0,73
0,64
2-4
0,27 0,25 0,42 0,32 0,37 0,47 0,49 0,51 0,47 0,49 0,53 0,43 0,48 0,50 0,44
0,43
2-5
0,52 0,51 0,62 0,64 0,60 0,60 0,58 0,58 0,60 0,66 0,52 0,54 0,48 0,57 0,63
0,58
2-6
0,22 0,15 0,20 0,21 0,20 0,27 0,31 0,30 0,32 0,23 0,29 0,24 0,12 0,25 0,12
0,23
2-7
-0,07 -0,20 -0,29 -0,29 -0,28 -0,07 -0,25 -0,37 -0,20 -0,33 -0,08 -0,30 -0,29 -0,23 -0,20 -0,23
3-4
0,40 0,37 0,49 0,35 0,37 0,56 0,54 0,59 0,55 0,55 0,46 0,45 0,54 0,51 0,44
0,48
3-5
0,15 0,12 0,29 0,27 0,25 0,31 0,36 0,34 0,27 0,30 0,19 0,24 0,25 0,33 0,33
0,27
3-6
0,02 0,00 0,02 -0,01 -0,01 0,19 0,25 0,18 0,21 0,19 0,17 0,17 0,05 0,19 0,06
0,11
3-7
-0,08 -0,10 -0,31 -0,27 -0,32 -0,14 -0,27 -0,33 -0,20 -0,34 -0,15 -0,25 -0,30 -0,28 -0,33 -0,24
4-5
0,23 0,25 0,29 0,24 0,26 0,31 0,35 0,41 0,30 0,33 0,40 0,29 0,32 0,32 0,43
0,32
4-6
0,21 0,21 0,23 0,28 0,25 0,31 0,38 0,40 0,32 0,28 0,47 0,41 0,27 0,34 0,38
0,32
4-7
0,01 -0,14 -0,24 -0,23 -0,24 -0,24 -0,40 -0,38 -0,29 -0,36 -0,08 -0,40 -0,39 -0,30 -0,38 -0,27
5-6
0,42 0,43 0,54 0,48 0,56 0,46 0,53 0,53 0,53 0,46 0,52 0,60 0,50 0,58 0,53
5-7
0,01 -0,25 -0,09 -0,19 -0,08 0,21 -0,04 -0,09 -0,02 -0,14 0,06 -0,10 -0,09 0,05 0,06 -0,05
6-7
0,16 0,10 0,02 -0,07 -0,05 0,14 -0,03 -0,02 0,06 -0,05 0,11 -0,07 0,03 0,17 0,08
0,51
0,04
Tableau 4.2. Corrélations inter-composantes motivationnelles pour les différents
problème de construit dans les deux sens; case gris clair: problème de
construit dans un sens) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 :
janvier ; Tps 4 : mars ; Tps 5 : mai).
Rappelons ici que Vallerand et al. (1992, 1993) avaient observé des relations plus fortes entre
la MIST et la MEIN qu'entre la MIST et la MEID, théoriquement plus proches. De même,
Cokley et al. (2001) ont observé que les trois types de motivation intrinsèque étaient
davantage liés à la MEIN qu'à la MEID.
Concernant les extrêmes du continuum, Vallerand et al (1992, 1993), Cokley (2000), Cokley
et al. (2001) ainsi que Fairchild et al. (2005) ont observé les corrélations négatives les plus
élevées entre l'AMOT et la MEID plutôt qu'entre l'AMOT et les motivations intrinsèques
(MI), situées aux extrêmes du continuum. De notre côté, les corrélations négatives les plus
élevées ont toujours été observées entre l'amotivation et, au moins, une motivation
- 65 -
intrinsèque, sauf pour la deuxième et la troisième soumission du questionnaire en 2005-2006.
Comparées à l’ensemble des corrélations entre l’AMOT et les différentes motivations
intrinsèques, les corrélations observées entre l’AMOT et la MEID restent cependant
largement négatives et, la plupart du temps, supérieures aux corrélations entre l’AMOT et la
MIAC ou la MIST.
b. Corrélations latentes entre les composantes motivationnelles
Les corrélations mesurées au point précédent souffrent parfois des faibles niveaux de
consistance interne (pour rappel estimée à l’aide de l’α de Cronbach). En effet, comme le
rapportent Lord et Novick (2008, p. 69) : « If a psychologist wishes to determine the
relationship between two theoretical psychological variables, or latent traits, he may
construct scales to measure them. If the relationship between these scales is linear, then the
correlation coefficient indicates the measure of association between these scales. These scales
contain error, however, and hence the correlation between the scales is less than the
correlation between the traits. If, however, it can be presumed as a reasonable approximation
that the true scores on the measurements can be taken to be the traits in question, then an
attenuation formula can be used to compute the true correlation between the traits ».
Les modèles de réponse à l’item multidimensionnelle (ou modèles à variables latentes)
permettent de calculer les corrélations entre les traits et non plus entre les échelles. Les
corrélations ainsi calculées ne sont alors plus sous-estimées par l’erreur de mesure. Au point
précédent, cette sous-estimation et ce biais de mesure, liés aux variations des α de Cronbach,
pourraient être à l’origine de la non vérification du « simplex pattern » postulé par Deci et
Ryan (1985).
L’étude des corrélations latentes vise ici à tester cette hypothèse en vérifiant si la prise en
considération des variables latentes permet de confirmer davantage l’organisation des
différentes composantes motivationnelles en un continuum de motivation basé sur le degré
d’autodétermination de ces composantes.
Les analyses ont été réalisées à l’aide du logiciel ConQuest. Les corrélations latentes sont
sensiblement plus élevées que les corrélations observées. Cependant, l’étude des corrélations
latentes ne permet pas de confirmer davantage la structure linéaire et organisée de l’échelle de
motivation (voir en grisé les corrélations problématiques).
Les corrélations entre la MIAC et la MEIN (dimensions 2 et 5) sont toujours supérieures à
celles observées entre MIAC et MEID (dimensions 2 et 4) et/ou entre la MEID et la MEIN
(dimensions 4 et 5) pourtant plus proches selon la structure du continuum. De même, les
corrélations entre la MEID et la MERE (dimensions 4 et 6) sont parfois supérieures à celles
entre la MEID et la MEIN (dimensions 4 et 5). Concernant les extrêmes du continuum, les
corrélations négatives entre toutes ou partie des motivations intrinsèques et l’AMOT
(dimensions 1-2-3 et 7) sont fréquemment inférieures aux corrélations observées entre la
MEID et l’AMOT (dimensions 4 et 7). Ainsi, les faibles corrélations négatives entre la MIAC
et l’AMOT (dimensions 2 et 7) de même qu’entre la MIST et l’AMOT (dimensions 3 et 7)
sont en contradiction avec le postulat de l’existence du plus grand niveau de corrélation
négative entre composantes se trouvant aux extrêmes du continuum. Ce problème, qui remet à
nouveau en question la structure linéaire et organisée du continuum, avait déjà été relevé par
les études de Vallerand et al (1992 et 1993), Cokley (2000), Cokley et al. (2001) ainsi que
Fairchild et al. (2005).
- 66 -
Le recours à des analyses faisant appel aux corrélations latentes n’a pas permis de vérifier le
simplex pattern. Il permet cependant d’obtenir une image non biaisée des relations entre
composantes avec, entre autres, de très fortes corrélations latentes entre les différents types de
motivation intrinsèque ainsi qu’une forte relation entre la MIAC et la MEIN. Ces observations
corroborent largement les résultats de Blanchard et al. (1997) sur l’analyse de la structure des
variables à partir de matrices de corrélations entre variables latentes. Leurs conclusions étaient
largement similaires aux nôtres et à celles qu’ils avaient tirées de l’analyse des corrélations de
Bravais-Pearson.
La validité conceptuelle du questionnaire (EME) intégrant la structure linéaire et organisée du
continuum motivationnel, déjà questionnée précédemment, est donc à nouveau remise en
question par nos résultats, principalement suite à l’importante relation observées entre la
MIAC et la MEIN (dimensions 2 et 5) et aux fortes corrélations négatives observées entre
l’AMOT et la MEID.
Les conclusions des études de Cokley (2000), Cokley et al. (2001) ainsi que de Fairchild et al.
(2005) invitaient toutes à poursuivre les recherches. En réponse à l'invitation lancée, nos
recherches permettent, non pas de répondre à des questions mais d'en proposer une nouvelle:
« Les relations entre les composantes motivationnelles peuvent-elles varier selon la
population d'étude ? ».
En premier lieu, nous pensons à l'origine géographique de l'échantillon. En effet, les
recherches citées ci-dessus n'ont pas été réalisées en Europe sur un public francophone. Les
relations étroites observées entre la MIAC et la MEIN n'ont pas été relevées lors des
différentes études nord-américaines. Elles l'ont par contre été lors de nos trois années d'étude
et dans l’étude de Blanchard et al. (1997) sur un groupe de lycéens français. Bien que de
structures très similaires à celle établie initialement par Vallerand et al. (1989) sur une
population canadienne, les matrices de corrélations entre les sept types de motivation, établies
par Blanchard et al. (1997) et nous-mêmes, présentent quelques particularités dont cette forte
corrélation entre la motivation intrinsèque à l’accomplissement et la motivation extrinsèque à
régulation introjectée, peu conforme au modèle proposé.
La deuxième influence à laquelle nous pensons concerne les cohortes d’étudiants. En effet, la
comparaison entre les matrices de corrélation pour différentes cohortes successives
d’étudiants révèle quelques particularités propres aux cohortes. Il en est de même lorsque
nous comparons l’organisation des variables pour les cinq mesures successives d’une même
année académique.
Ainsi, la soumission du questionnaire EME à cinq reprises au cours de l’année et ce durant
trois années consécutives a permis de mettre en évidence une forte variabilité des relations
entre composantes motivationnelles, durant l’année et entre années académiques. Il est par
exemple étonnant, et difficilement explicable, d’observer en 05-06 des corrélations latentes
nettement positives pour la relation 1-6 entre la MICO et la MERE alors que des corrélations
négatives ou proches de zéro sont observées les deux autres années (Tableau 4.3). De même,
la relation 3-6 entre la MIST et la MERE semble différer d’une année à l’autre mais
également au cours de l’année (essentiellement en 06-07). Cette instabilité des corrélations
inter-composantes, au cours de l’année académique, est encore plus marquée pour les
relations 5-7 et 6-7 entre la MEIN et l’AMOT et entre la MERE et l’AMOT. En effet, cellesci fluctuent, chaque année académique, entre des valeurs nettement positives et négatives.
Notons également que les profils d’évolution dans le temps de ces corrélations ne sont pas
similaires d’une année à l’autre.
- 67 -
Corr.
lat.
2004-2005
2005-2006
2006-2007
Dim.
1-2
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5 MOY
0,63 0,67 0,65 0,56 0,82 0,73 0,75 0,79 0,79 0,74 0,63 0,75 0,84 0,73 0,78 0,72
1-3
0,88 0,96 0,94 0,88 0,96
0,95 0,89 0,98 0,94 0,93 0,91 0,87 0,94 0,83 0,93
0,92
1-4
0,54 0,49 0,70 0,56 0,76
0,80 0,65 0,79 0,75 0,74 0,51 0,75 0,67 0,73 0,59
0,67
1-5
0,11 0,08 0,20 0,10 0,21
0,32 0,24 0,31 0,32 0,34 0,09 0,10 0,12 0,18 0,32
0,20
1-6
-0,06 -0,03 -0,05 -0,10 -0,01
0,14 0,07 0,12 0,21 0,17 -0,05 0,00 0,02 -0,05 -0,03
0,02
1-7
-0,25 -0,28 -0,48 -0,43 -0,41 -0,46 -0,42 -0,41 -0,54 -0,81 -0,63 -0,59 -0,53 -0,61 -0,74 -0,51
2-3
0,57 0,68 0,78 0,81 0,92
0,76 0,85 0,85 0,80 0,75 0,79 0,82 0,90 0,91 0,83
0,80
2-4
0,49 0,37 0,62 0,56 0,57
0,63 0,74 0,72 0,64 0,65 0,78 0,72 0,62 0,73 0,50
0,62
2-5
0,71 0,64 0,82 0,73 0,64
0,74 0,70 0,65 0,72 0,78 0,62 0,68 0,57 0,73 0,74
0,70
2-6
0,28 0,20 0,32 0,27 0,19
0,32 0,43 0,31 0,44 0,24 0,36 0,31 0,13 0,37 0,17
0,29
2-7
-0,21 -0,27 -0,32 -0,38 -0,27 -0,05 -0,33 -0,52 -0,42 -0,59 -0,19 -0,52 -0,36 -0,31 -0,51 -0,35
3-4
0,64 0,41 0,75 0,56 0,69
0,77 0,78 0,79 0,66 0,62 0,72 0,83 0,70 0,73 0,41
0,67
3-5
0,17 0,06 0,33 0,40 0,35
0,38 0,49 0,40 0,34 0,30 0,27 0,42 0,30 0,43 0,30
0,33
3-6
-0,05 -0,10 -0,10 0,06 -0,04
0,23 0,33 0,21 0,26 0,17 0,24 0,37 0,15 0,22 -0,09
0,12
3-7
-0,18 -0,13 -0,45 -0,34 -0,29 -0,28 -0,35 -0,41 -0,39 -0,65 -0,51 -0,50 -0,38 -0,49 -0,77 -0,41
4-5
0,41 0,52 0,38 0,49 0,36
0,40 0,54 0,56 0,42 0,46 0,59 0,45 0,46 0,49 0,57
0,47
4-6
0,41 0,65 0,37 0,48 0,35
0,49 0,53 0,55 0,41 0,41 0,70 0,55 0,60 0,52 0,54
0,50
4-7
-0,10 -0,21 -0,08 -0,29 -0,41 -0,38 -0,40 -0,64 -0,60 -0,79 -0,31 -0,49 -0,60 -0,47 -0,54 -0,42
5-6
0,55 0,62 0,65 0,69 0,76
0,59 0,70 0,67 0,64 0,48 0,67 0,73 0,64 0,68 0,66
0,65
5-7
-0,03 -0,22 0,09 -0,28 -0,10
0,44 0,20 -0,13 -0,05 -0,25 0,33 -0,06 0,09 0,19 -0,02
0,01
6-7
0,21 0,32 0,23 -0,09 -0,16
0,32 0,06 -0,09 0,19 -0,18 0,30 -0,04 0,17 0,33 0,15
0,11
Tableau 4.3. Corrélations latentes inter-composantes motivationnelles pour les différents
problème de construit dans les deux sens; case gris clair: problème de
construit dans un sens) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 :
janvier ; Tps 4 : mars ; Tps 5 : mai).
Ces observations mettent en exergue la problématique de la répétabilité des observations
réalisées par d’autres chercheurs en éducation, la difficulté d’analyser le construit de
continuum motivationnel suite à l’instabilité des relations entre composantes et l’intérêt de
répéter les mesures, de préciser les moments et la composition de la population. Ce dernier
aspect de l’influence des populations étudiées a été abordé par Smith et al. (2010) dans une
étude portant sur des étudiants américains.
Dans le cadre de notre étude, nous avons à plusieurs reprises observé chez les étudiantes des
liens plus forts entre la MERE et la MIAC qu'entre la MERE et la MEID (résultats non
présentés). Les étudiantes étant peu nombreuses au sein de nos cohortes, nous relativisons nos
observations et invitons également à poursuivre les recherches ainsi qu'à analyser les données
antérieures en faisant la distinction entre les genres.
- 68 -
c. Fluctuations des corrélations latentes
Afin d’identifier plus aisément les corrélations latentes inattendues, qui s’écartent donc
fortement des différentes corrélations moyennes observées et potentiellement problématique,
il est possible de comparer la corrélation observée à la corrélation prédite en fonction du
temps et en fonction de la relation étudiée comme suit :
X = uij-ui.-u.j+u
avec :
uij = corrélation latente au temps i pour la relation j
ui. = moyenne des corrélations latentes calculées au temps i
u.j= moyenne des corrélations latentes calculées pour la relation j
u = moyenne de toutes les corrélations latentes mesurées
X
2004-2005
2005-2006
2006-2007
Dim.
1-2
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5 MOY
-0,03 0,02 -0,05 -0,09 0,15 -0,09 -0,05 0,03 0,03 0,08 -0,15 0,00 0,10 -0,05 0,10 0,00
1-3
-0,04 0,05 -0,01 -0,02 0,03 -0,05 -0,09 0,05 0,01 0,09 -0,02 -0,03 0,05 -0,10 0,10
0,00
1-4
-0,07 -0,11 0,06 -0,03 0,14 0,00 -0,14 0,05 0,00 0,09 -0,17 0,10 0,02 0,04 0,00
0,00
1-5
-0,03 -0,05 0,03 -0,02 0,06 -0,04 -0,11 0,01 0,02 0,13 -0,11 -0,06 -0,04 -0,02 0,22
0,00
1-6
-0,01 0,04 -0,03 -0,03 0,03 -0,07 -0,12 -0,02 0,07 0,13 -0,06 0,02 0,04 -0,06 0,06
0,00
1-7
0,12 0,10 -0,14 -0,04 -0,05 0,01 0,06 0,12 -0,01 -0,18 -0,05 0,03 0,09 -0,02 -0,05
0,00
2-3
-0,18 -0,06 0,00 0,08 0,16 -0,10 0,00 0,05 0,00 0,05 -0,09 -0,03 0,06 0,02 0,04
0,00
2-4
-0,03 -0,14 0,07 0,06 0,04 -0,11 0,02 0,05 -0,04 0,07 0,08 0,05 -0,04 0,03 -0,11
0,00
2-5
0,00 -0,05 0,08 0,05 -0,08 -0,04 -0,06 -0,07 0,00 0,16 -0,08 0,01 -0,10 0,03 0,13
0,00
2-6
0,03 -0,04 0,04 0,04 -0,07 -0,09 0,04 -0,03 0,09 -0,01 0,06 0,04 -0,14 0,07 -0,03
0,00
2-7
0,08 0,03 -0,06 -0,06 0,01 0,27 0,01 -0,14 -0,04 -0,11 0,16 -0,15 0,02 0,03 -0,06
0,00
3-4
0,03 -0,19 0,11 -0,03 0,07 -0,01 0,01 0,07 -0,06 0,00 0,01 0,15 0,03 0,02 -0,20
0,00
3-5
-0,09 -0,19 0,04 0,16 0,08 -0,07 0,07 0,02 -0,04 0,02 -0,11 0,07 -0,04 0,05 0,02
0,00
3-6
0,00 -0,04 -0,08 0,13 0,00 -0,07 0,04 -0,02 0,02 0,03 0,03 0,19 -0,02 0,01 -0,21
0,00
3-7
0,10 0,17 -0,20 -0,04 -0,02 0,07 0,02 0,01 0,03 -0,14 -0,02 0,03 0,15 0,01 -0,18
0,00
4-5
-0,03 0,10 -0,09 0,09 -0,08 -0,13 0,02 0,09 -0,06 0,08 0,04 -0,06 -0,05 -0,06 0,12
0,00
4-6
-0,04 0,21 -0,11 0,05 -0,11 -0,05 0,01 0,07 -0,06 0,03 0,08 -0,03 0,02 -0,10 0,02
0,00
4-7
0,12 0,02 0,11 -0,05 -0,20 0,12 0,12 -0,07 -0,04 -0,13 0,14 -0,01 -0,11 -0,03 0,01
0,00
5-6
-0,10 -0,02 -0,03 0,06 0,10 -0,09 0,05 0,06 0,03 -0,04 -0,04 0,06 -0,03 -0,04 0,05
0,00
5-7
0,08 -0,10 0,17 -0,15 0,00 0,34 0,11 -0,17 -0,09 -0,20 0,19 -0,17 -0,01 0,05 -0,06
0,00
6-7
0,11 0,23 0,10 -0,17 -0,27 0,20 -0,04 -0,15 0,13 -0,14 0,08 -0,22 -0,01 0,11 0,03
0,00
MOY 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
0,00
Tableau 4.4. Différences entre les corrélations latentes observées et prédites sur base de la
corrélation moyenne ligne et de la corrélation moyenne colonne pour
l’ensemble des questionnaires soumis, par année d’expérimentation. (Case
gris foncé: écart supérieur à +/-0,200; case gris clair: écart compris entre +/0,150 et +/-0,200) (Tps 1 : septembre ; Tps 2 : décembre ; Tps 3 : janvier ;
Tps 4 : mars ; Tps 5 : mai).
- 69 -
Le tableau 4.4 reprend la différence entre les corrélations latentes observées et prédites sur
base de la corrélation moyenne ligne et de la corrélation moyenne colonne. Nous y avons
surligné en gris clair les valeurs comprises entre 0,150 et 0,200 et en gris foncé celles qui sont
supérieures à 0,200. Les résidus les plus élevés concernent principalement l’AMOT
(dimension 7), la MIST (dimension 3) puis la MEIN (dimension 5), principalement pour les
périodes 5, 1 et 2.
L’importance des relations impliquant l’amotivation pourrait témoigner de l’hétérogénéité et
de l’instabilité de ce concept. Pour rappel, l’AMOT constitue une mesure d’absence déclarée
de motivation et se distinguait des autres composantes motivationnelles lors de l’analyse en
composantes principales. Une attention particulière sera portée à cette composante essentielle
dans la suite du travail. Ainsi, l’amotivation sera chaque fois traitée séparément alors que les
autres composantes motivationnelles seront dans un premier temps traitées individuellement
puis progressivement modélisées au sein de variables composées telles que la motivation
autodéterminée ou la motivation contrôlée. L’hétérogénéité de l’amotivation (amotivation
interne et amotivation externe) est présentée et discutée aux chapitres 9 et 10.
4.4.4
Vers une révision des échelles de motivation ?
Nous avons vu que la théorie de l’autodétermination (Deci et Ryan, 1985) est à l’origine de la
construction d’échelles de motivation dans différents domaines tels que les études (EME), le
sport (EMS), les loisirs (EML), les activités familiales (EMAF) ou d’autres domaines plus
spécifiques. La construction et la validation de ces échelles, réalisées par les chercheurs du
Laboratoire de Recherche sur le Comportement Social (LRCS) dirigé par le Prof. R.
Vallerand, ont permis de relever différentes limites à ces outils et s’accompagnent de pistes de
recherches futures. Celles-ci ont, pour la plupart, été suivies lors d’utilisations ultérieures de
ces échelles en contextes particuliers ou lors de traductions en diverses langues. Il n’est pas ici
question d’effectuer une méta-analyse de la centaine de publications interrogeant la validité
et/ou la fidélité de ces échelles. Force est de constater que ces études soutiennent « dans
l’ensemble » ces validités et fidélités mais révèlent quasi toutes des problèmes de cohérence
interne (pas toujours pour les mêmes types de motivation) et de construit (corrélations entre
composantes motivationnelles ne reflétant pas le continuum d’autodétermination). Ces
différentes échelles ont été jugées de validité et de fidélité acceptables et suffisantes pour
justifier leur large utilisation.
La grande force des différentes échelles de motivation mises au point par le LRCS est de
reposer sur la théorie éprouvée de l’autodétermination, d’être facilement adaptables à
différents contextes et publics (moyennant vérification de la validité et de la fidélité) et, pour
le praticien chercheur, de proposer de nombreux points de comparaison suite à leur large
adoption depuis plus d’une vingtaine d’années. Bien que largement questionnées quant à leur
structure, ces échelles n’ont, à notre connaissance, jamais fait l’objet de révisions majeures si
ce n’est celles proposées par Mallet, Kawabata, Newcombe, Otero-Forero et Jackson (2007)
pour la Sport Motivation Scale (SMS) : échelle à six facteurs par fusion des différentes
motivations intrinsèques et développement d’un facteur propre à la Motivation Extrinsèque à
Régulation Intégrée, correspondant à la motivation extrinsèque la plus autodéterminée
proposée par la théorie de l’autodétermination de Deci et Ryan (1985). Ces révisions ont
largement été soumises à débat par la suite et ne font guère l’objet d’un consensus (Pelletier,
Vallerand & Sarrazin, 2007; Mallet, Kawabata & Newcombe, 2007).
- 70 -
La vérification des qualités psychométriques de l’EME dans le cadre de la présente étude (7
composantes motivationnelles évaluées à l’aide d’échelles de Likert à 7 modalité) a permis
d’obtenir des résultats largement comparables à ceux de la littérature tout en s’en distinguant
par la multiplicité des approches suivies et le recours à différentes analyses complémentaires
et originales telles l’analyse en composantes principales, le recours aux corrélations latentes et
la recherche de corrélations latentes inattendues. De plus, l’étude des qualités
psychométriques sur des données issues de l’administration répétée d’un même questionnaire
a permis de mettre en évidence une forte variabilité temporelle de celles-ci. Une attention
particulière a été portée à l’amotivation et décision a été prise de traiter distinctement ce
concept dans l’ensemble des approches suivies aux chapitres suivants.
Bien que de qualités psychométriques non optimales, l’EME a été choisie comme instrument
de mesure pour la présente étude. En effet, les problèmes rencontrés lors de la vérification du
simplex pattern sont amoindris lorsqu’on ne travaille pas uniquement à l’aide de l’IGM, qui
repose sur ce postulat. De plus, l’outil présente d’indéniables qualités : mise en œuvre aisée et
rapide, consistance interne satisfaisante, possibilité de travailler séparément sur chacune des
composantes motivationnelles ou sur une combinaison de celles-ci, large utilisation sous
diverses formes (domaines et langues) qui permettent d’établir quelques comparaisons. Les
bases théoriques sur lesquelles repose l’EME sont également questionnées, ce qui renforce
l’intérêt de l’outil et pousse l’utilisateur à développer son esprit critique, tant vis-à-vis du
questionnaire que de certains volets de la théorie de l’autodétermination.
- 71 -
- 72 -
Chapitre 5 Populations d'étude
La présente recherche porte sur l'évolution de la motivation académique au cours de la
première année d'études à la Faculté universitaire des Sciences agronomiques de Gembloux
(FuSaGx) – actuelle Gembloux Agro-Bio Tech de l’ULg (GxABT-ULg). Elle permet
d'envisager l'étude des relations réciproques entre la motivation et les performances des
étudiants aux interrogations et aux examens.
Pour tous les aspects de notre recherche, nous avons constitué un échantillon de convenance,
soit l'ensemble des étudiants nouvellement inscrits en première bachelier à la FuSaGx. Les
différentes études portant sur l'influence des performances sur la (les) motivation(s) ont été
réalisées sur trois cohortes successives d'étudiants: 2004-2005, 2005-2006 et 2006-2007. Pour
chaque cohorte suivie, les analyses ont porté sur la population globale et des sous-populations
composées selon le genre (F/M) et/ou selon les performances finales (quartiles).
Le suivi longitudinal de la motivation et des performances a permis d'éprouver nos différentes
hypothèses de recherches et les différentes approches statistiques suivies. Seules les
hypothèses vérifiées sur nos trois années d'étude ont été retenues. Les autres ont fait l'objet de
discussions.
5.1
Les genres
De nombreuses études ont mis en évidence des différences de performances scolaires entre les
filles et les garçons. De même, certains chercheurs (voir Chapitre 3) ont mis en évidence des
différences entre les étudiantes et les étudiants, que ce soit au niveau de la résistance au stress,
des stratégies d'apprentissage ou des composantes motivationnelles. Il est donc important de
présenter nos trois échantillons d'étude en distinguant les genres (Tableau 5.1).
Les trois populations estudiantines prises en considération pour notre étude sont composées
d'étudiant(e)s inscrit(e)s pour la première fois à la FuSaGx (Belgique, Communauté française)
en 2004, en 2005 et en 2006. Chaque échantillon (cohorte) est composé d'étudiants ayant
complété au moins un questionnaire de motivation et ayant participé aux interrogations de
l'année. Les trois cohortes successives sont respectivement composées de 164, 196 et 192
étudiants, avec une proportion d'étudiantes allant en diminuant, de 43 à 29%.
Genre
Féminin
Masculin
2004-2005
Nombre
71
93
Pourcentage
43,3
56,7
2005-2006
Nombre
67
129
Pourcentage
34,2
65,8
2006-2007
Nombre
56
136
Pourcentage
29,2
70,8
Tableau 5.1. Répartition des étudiants en fonction du genre, pour les trois années d'étude
Les composantes motivationnelles ont été évaluées tout au long de l'année sur des nombres
d'étudiants variant essentiellement selon leur assiduité aux cours. Le tableau 5.2 reprend les
effectifs d'étudiantes et d'étudiants ayant répondu aux différents questionnaires d'évaluation
- 73 -
de la motivation académique (EME-U). Le taux de participation global au suivi de 2004-2005
s'élève à 84,1%, il est de 90,2% pour 2005-2006 et de 82,8% pour 2006-2007. L'augmentation
du taux de participation en 2005-2006 est due à la recherche active d'étudiants absents au
cours et, occasionnellement, à l'envoi de questionnaires par la poste. Le faible taux global de
participation pour 2006-2007 s'explique par trois raisons: un sixième des étudiants n'a pas
reçu le questionnaire début décembre, il n'y a pas eu de recherche active des étudiants absents
aux cours et l'absentéisme a été fort marqué en fin d'année, lors de la dernière soumission du
questionnaire (mi-mai).
Soumission de
l'EME-U
Mi septembre
(1er jour de cours)
(2e jour en 06-07)
Début décembre
Fin janvier
Fin mars
Mi mai
(dernière semaine
de cours)
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
N
2004-2005
152 (92,7%)
67 (94,4%)
85 (91,4%)
128 (78,1%)
56 (78,9%)
72 (77,4%)
149 (90,9%)
65 (91,5%)
84 (90,3%)
130 (79,3%)
54 (76,1%)
76 (81,7%)
131 (79,9%)
61 (85,9%)
70 (75,3%)
N
2005-2006
186 (94,9%)
65 (97,0%)
121 (93,8%)
181 (92,3%)
63 (94,0%)
118 (91,5%)
190 (96,9%)
66 (98,5%)
124 (96,1%)
169 (86,2%)
61 (91,0%)
108 (83,7%)
158 (80,6%)
61 (91,0%)
97 (75,2%)
N
2006-2007
186 (96,9%)
55 (98,2%)
131 (96,3%)
148 (77,1%)
45 (80,4%)
103 (75,7%)
179 (93,2%)
51 (91,1%)
128 (94,1%)
155 (80,7%)
48 (85,7%)
107 (78,7%)
127 (66,1%)
37 (66,1%)
90 (66,2%)
Tableau 5.2. Répartition des genres au sein des groupes d'étudiant(e)s ayant complété les
différents questionnaires d'évaluation de la motivation académique lors des
trois années d'expérimentation, avec proportions (%) par rapport à
l'ensemble de la population suivie
5.2
Performances aux interrogations et aux examens
La performance des étudiants aux interrogations et aux examens est quantifiée sur base du
pourcentage global ou, en cas de session incomplète, sur base d’un pourcentage établi à partir
des seules interrogations présentées.
Le nombre d’étudiants n'ayant pas présenté la session d'examens du mois de juin s’élève
respectivement à 54, 39 et 40, pour les trois cohortes successives. Les performances finales de
ces étudiants ont été évaluées par régression linéaire, sur base des performances aux
interrogations de janvier. En effet, ces deux variables sont fortement corrélées (r04-05=0,8634;
r05-06=0,9030; r06-07=0,9036).
Performance en Juin 2005 = 10, 18972 + 0,91066 * Performance de Janvier 2005
Performance en Juin 2006 = 1,89652 + 1,01431 * Performance de Janvier 2006
Performance en Juin 2007 = 5,27841 + 1,01308 * Performance de Janvier 2007
- 74 -
Moyennant l'évaluation des performances manquantes, il a été possible d'établir les
performances moyennes pour l'ensemble de nos cohortes d'étude, avec distinction entre
genres (Tableaux 5.3 à 5.5). L'ensemble de ces performances individuelles a permis d'étudier
(Chapitres 6 et 7) puis de modéliser (Chapitres 8 et 9) les relations qui les lient à la (aux)
motivation(s).
Aux tableaux 5.3 à 5.5, les performances des étudiantes (filles) sont comparées à celles des
étudiants (garçons) pour les quatre périodes d'évaluation prises en considération (Test t de
Student), après vérification de l'égalité des variances.
Période
d'évaluation
(04-05)
Novembre
Janvier
Avril
Juin
Population
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Perform.
moyennes
(%)
43,47
45,77
41,71
36,81
39,34
34,88
29,42
32,05
27,42
43,71
46,15
41,85
Ecarts
types
16,89
15,47
17,78
17,45
17,51
17,24
18,84
19,71
18,00
17,32
18,01
16,63
Différences de
moyenne
entre genres
Test t
p
4,06
1,53
0,1280
4,45
1,63
0,1055
4,63
1,57
0,1191
4,29
1,58
0,1164
Tableau 5.3. Comparaison des performances (en %) des étudiantes (n=71) et des
étudiants (n=93) aux interrogations (novembre, janvier et avril) et aux
examens du mois de juin 2005
Période
d'évaluation
(05-06)
Novembre
Janvier
Avril
Juin
Population
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Perform.
moyennes
(%)
40,26
43,92
38,36
35,49
38,71
33,81
29,55
35,96
26,22
37,89
42,61
35,44
Ecarts
types
16,88
18,79
15,53
17,27
18,69
16,30
19,91
19,02
19,61
18,88
20,46
17,59
Différences de
moyenne
entre genres
Test t
p
5,56
2,21
0,0282
4,90
1,90
0,0595
9,74
3,33
0,0010
7,17
2,56
0,0113
Tableau 5.4. Comparaison des performances (en %) des étudiantes (n=67) et des
étudiants (n=129) aux interrogations (novembre, janvier et avril) et aux
examens du mois de juin 2006
- 75 -
Période
d'évaluation
(06-07)
Novembre
Janvier
Avril
Juin
Population
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Totale
Filles
Garçons
Perform.
moyennes
(%)
40,75
39,26
41,37
33,12
32,63
33,33
34,04
34,95
33,66
38,75
39,47
38,45
Ecarts
types
17,01
17,83
16,70
18,28
18,37
18,30
20,82
20,42
21,05
19,84
20,70
19,55
Différences de
moyenne
entre genres
Test t
p
-2,11
-0,78
0,4361
-0,70
-0,24
0,8096
1,29
0,39
0,6983
1,01
0,32
0,7487
Tableau 5.5. Comparaison des performances des étudiantes (n=56) et des étudiants
(n=136) aux interrogations (novembre, janvier et avril) et aux examens du
mois de juin 2007
La composition des cohortes et les trois tableaux précédents permettent de caractériser nos
cohortes d'étudiants:
5.3

2004-2005: Se compose de 164 étudiants dont 43% de filles. Les étudiantes
obtiennent en moyenne de meilleures performances que les étudiants, à toutes
les périodes d'évaluation, mais les différences ne sont pas significatives
(0,10<p<0,13). Sur base des performances moyennes au mois de juin (43,7%), il
s'agit de la meilleure des trois cohortes suivies (37,9% en 05-06 et 38,8% en 0607).

2005-2006: Se compose de 196 étudiants dont 34% de filles. Les résultats des
étudiantes sont en moyenne supérieurs à ceux des étudiants à toutes les périodes
d'évaluation (0,001<p<0,060). Aux interrogations d'avril, il y a près de 10% de
différence entre la performance moyenne des étudiantes et des étudiants.

2006-2007: Se compose de 192 étudiants dont 29% de filles. Aucune différence
significative de performance n'a été observée entre les genres. Les étudiants ont
globalement obtenu de meilleurs résultats par rapport aux étudiantes en début
d'année, c'est l'inverse en fin d'année (0,43<p<0,81).
Distribution des genres au sein des « quartiles » de
performances finales
Chaque cohorte d'étudiants a été divisée en quatre groupes (abusivement qualifiés de
« quartiles »5) sur base des performances obtenues aux examens du mois de juin. Le quartile 1
(Q1) est constitué des étudiants aux performances les plus faibles en fin d’année, le quartile 4
(Q4) est, quant à lui, constitué des étudiants les plus performant en fin d’année. Cette
répartition en quartiles permet de comparer les composantes motivationnelles des quatre
5
Les quartiles sont des paramètres de position (quantiles) qui divisent une distribution en quatre parties égales
sur base du nombre d’individus. Il faut donc fixer trois quartiles pour partitionner un effectif en 4 parties égales :
à 25%, à 50% et à 75% du nombre total d’individus. Par facilité, nous utiliserons toujours dans ce document le
terme « quartile » en tant que sous population représentant 25% de l’effectif total. Cette utilisation abusive du
terme « quartile » est largement répandue dans la littérature scientifique francophone et anglophone.
- 76 -
groupes d'étudiants. Suite au postulat de l'existence de différences entre les étudiantes et les
étudiants, tant au niveau des performances que de la motivation, les tableaux suivants
reprennent la répartition par genre au sein des différents quartiles, ainsi que les limites
(performances en %) de chaque quartile (Tableau 5.6 à Tableau 5.8).
Quartiles
(04-05)
Q1
Q2
Q3
Q4
Nombre
de F et de G
13 - 28
20 - 21
17 - 24
21 - 20
Limite inférieure
Moyenne
Limite supérieure
10,2%
30,4%
40,0%
57,5%
24,4%
35,9%
47,3%
68,3%
30,1%
40,0%
56,5%
85,5%
Tableau 5.6. Répartition des étudiants entre quartiles définis sur base des performances
(%) aux examens de juin 2005 (F=étudiantes, G=étudiants)
Quartiles
(05-06)
Q1
Q2
Q3
Q4
Nombre
de F et de G
15 - 34
11 - 38
15 - 34
26 - 23
Limite inférieure
Moyenne
Limite supérieure
1,0%
23,6%
34,9%
52,5%
15,8%
29,0%
42,1%
64,6%
23,4%
34,3%
52,1%
83,3%
Quartiles
(06-07)
Q1
Q2
Q3
Q4
Nombre
de F et de G
14 - 34
12 - 36
16 - 32
14 - 34
Limite inférieure
Moyenne
Limite supérieure
5,8%
23,1%
35,9%
52,1%
15,9%
29,3%
43,0%
66,8%
22,9%
35,5%
52,1%
82,5%
Pour 2004-2005, les étudiants ont été répartis en quatre quartiles de 41 personnes. La limite
inférieure du quartile 4 correspond exactement à la limite inférieure en deçà de laquelle les
étudiants sont considérés en échec. Ce quartile Q4 contient donc tous les étudiants ayant
réussi leur année en première session. Cette observation est très importante pour permettre de
caractériser les profils motivationnels des "bons" étudiants.
En 2004-2005 et en 2005-2006, la répartition des genres au sein des différents quartiles n'est
pas équilibrée, ce qui reflète les meilleures performances moyennes des étudiantes par rapport
aux étudiants. Ces deux années, les étudiantes sont majoritaires dans le quartile le plus
performant (Q4). Ce n'est pas le cas en 2006-2007, année qui se caractérise par une répartition
équilibrée des étudiantes au sein des différents quartiles (de 25 à 33%). En 2005-2006, 39%
de l'ensemble des étudiantes font partie du quartile Q4, contre 25% en 2006-2007.
Lors des soumissions des questionnaires d'évaluation de la motivation, le nombre total
d'étudiants appartenant à chaque quartile fluctue au cours de l'année, ainsi que la répartition
des genres. Les Tableau 5.9 à Tableau 5.11 présentent la répartition des étudiants, par genre,
au sein des quatre quartiles pour les cinq périodes d'évaluation des composantes
motivationnelles en 2004-2005, 2005-2006 et 2006-2007.
- 77 -
Périodes de
soumission
Septembre
Décembre
Janvier
Mars
Mai
N
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Q1
Q2
34
Q3
37
40
11
23
23
32
36
37
37
40
36
41
35
36
19
18
17
23
21
20
38
17
19
13
22
36
6
14
21
20
15
21
18
19
4
17
20
17
23
14
18
9
22
21
41
18
19
8
15
31
Q4
20
18
39
18
18
16
20
21
18
questionnaires d'évaluation de la motivation académique en 2004-2005
Périodes de
soumission
Septembre
Décembre
Janvier
Mars
Mai
N
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Q1
Q2
46
Q3
46
46
14
32
40
46
48
49
47
49
42
49
47
40
25
22
15
34
26
23
49
9
33
15
32
42
10
18
26
22
15
33
11
38
11
20
28
14
32
9
37
14
29
31
48
11
35
14
26
43
Q4
26
23
48
10
30
15
27
26
22
Périodes de
soumission
Septembre
Décembre
Janvier
Mars
Mai
N
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Total
Filles
Garçons
Q1
Q2
48
Q3
47
14
34
35
46
12
35
40
10
25
40
32
46
28
19
48
42
14
34
46
15
27
40
9
21
14
27
15
30
10
29
30
5
14
41
45
39
14
31
11
21
11
35
10
18
45
15
31
10
30
11
29
Q4
13
33
38
13
27
10
28
- 78 -
Le premier quartile (Q1), constitué des étudiants ayant obtenu les moins bonnes performances
au mois de juin, est particulièrement sous représenté lors des périodes d'évaluation de la
motivation des étudiants, essentiellement en fin d’année. Ceci reflète un taux d'absentéisme
important durant l'année avec parfois l’abandon en fin d'année.
En 2004-2005, il est particulièrement interpellant d’observer, au sein de ce quartile, un taux
d’absentéisme relativement élevé dès le premier jour des cours. Les seules explications
supposées et retenues sont : (1) un choix tardif pour leurs études, (2) une inscription tardive
suite à l’échec lors d’un examen d’entrée dans une autre filière, (3) un retard administratif ou
logistique d’admission (essentiellement pour étudiants étrangers), (4) des vacances prolongées
prises éventuellement après une seconde session en rhétorique, (5) une amotivation déclarée,
(6) la participation active aux activités estudiantines.
- 79 -
- 80 -
Chapitre 6 Evolution de la motivation au cours de l'année
6.1
Buts de l'étude et hypothèses de recherche
Le présent chapitre vise à caractériser l'évolution, au cours de l'année académique, des
paramètres motivationnels et des indices de motivation. Une attention particulière est portée
sur les différentes périodes d'interrogations qui rythment l'année.
Le suivi de l'évolution des composantes motivationnelles est également effectué en
distinguant les genres afin d'identifier les principales différences entre les étudiantes et les
étudiants.
L’étude longitudinale de la motivation vise aussi à mieux caractériser les profils
motivationnels des "bons" étudiants, tout en offrant la possibilité d'effectuer des comparaisons
avec les autres étudiants. A cette fin, le suivi de l'évolution des composantes motivationnelles
est également réalisé sur quatre sous-populations constituées, a posteriori, sur base des
performances réalisées en juin (performances finales).
Pour rappel, les hypothèses que nous cherchons à vérifier sont les suivantes:

Hypothèse 6.1.

Hypothèse 6.2.
Hypothèse 6.3.
Hypothèse 6.4.
Hypothèse 6.5.



6.2
tous fort motivés.
Méthodologie
Afin d'envisager l'étude des fluctuations de la motivation académique et des différents types
de motivation, le questionnaire EME-U a été soumis à cinq reprises aux étudiants
nouvellement inscrits à la FuSaGx. Les périodes choisies (propédeutique de septembre, début
décembre, fin janvier-début février, fin mars et début mai) s'étalent sur toute l'année
académique, du premier jour des cours à la dernière (ou avant-dernière) semaine de cours.
Chaque année académique est rythmée par trois périodes d'interrogations (début novembre,
début janvier et avril). Deux à trois semaines après ces interrogations, les étudiants reçoivent
leurs cotes et sont invités à des rencontres en tête-à-tête afin de discuter de leurs performances
avec des professeurs et des assistants. La semaine qui suit ces rencontres, les questionnaires
d'évaluation de la motivation (2e, 3e et 5e) sont proposés aux étudiants. Le quatrième
questionnaire est soumis aux étudiants après 7 à 8 semaines de cours non entrecoupées par
des évaluations.
- 81 -
L'étude des relations entre les performances aux interrogations et la motivation fait l'objet du
chapitre 7. Les trajectoires motivationnelles, fixées indépendamment des performances, sont
étudiées au chapitre 8 tandis que la modélisation de l’évolution de la (des) motivation(s) fait
l’objet du chapitre 9.
Les sept niveaux de motivation repris au continuum motivationnel ont fait l'objet du suivi
longitudinal. La motivation globale a été quantifiée à l'aide de l'Indice Global de Motivation
(IGM) (voir au Chapitre 4).
L'étude de l'évolution des composantes motivationnelles et de l’indice de motivation est
présentée en quatre volets:




Illustration de l’évolution des différentes composantes motivationnelles au cours
de l’année académique, sans distinction aucune entre genre.
Présentation de l'ensemble des graphiques d'évolution des composantes
motivationnelles et de l’IGM, pour l'ensemble de la population et avec
distinction entre les étudiantes et les étudiants;
Etablissement d’historiques motivationnels d'étudiants aux performances finales
distinctes, avec présentation de l'ensemble des graphiques d'évolution des
composantes motivationnelles et de l’IGM, pour quatre sous-populations
définies a posteriori sur base des quartiles de performances finales;
Identification de parcours d’évolution de la motivation (IGM) des étudiants
selon une progression dichotomique définie sur base des niveaux de
performance aux différentes sessions d'interrogations de l'année.
Les composantes motivationnelles et l’indice global de motivation sont mentionnés sous
forme d'abréviations dans le texte, les tableaux et les figures. La fiche mobile accompagnant
le présent document facilitera grandement la lecture et la compréhension de ceux-ci.
6.3
Evolution globale des composantes motivationnelles
Pour chaque cohorte suivie, l'évolution des différentes composantes motivationnelles
moyennes, sans distinction entre les étudiantes et les étudiants, est présentée à la fFigure 6.1.
Les sept composantes motivationnelles semblent relativement stables et le niveau de chacune
de ces composantes reste fort constant au cours de l’année (peu de chevauchements) ainsi que
d’une année à l’autre. Ainsi, pour les trois années d'étude, les motivations les plus élevées
sont la MICO et la MEID, suivent ensuite la MIAC et la MIST puis la MEIN et la MERE et,
finalement, l'AMOT.
La motivation intrinsèque à la connaissance et la motivation extrinsèque à régulation
identifiée constituent donc nettement les deux composantes motivationnelles les plus souvent
évoquées par les étudiants pour justifier leur investissement dans leurs études.
- 82 -
Niveau des composantes motivationnelles
(2004-2005)
A
6
MICO
5
MIAC
4
MIST
3
MEID
2
MEIN
1
MERE
0
AMOT
C
Figure 6.1.
(2006-2007)
B
(2005-2006)
Septembre Décembre
Janvier
Mars
Mai
6
MICO
5
MIAC
4
MIST
3
MEID
2
MEIN
1
MERE
0
Septembre Décembre
Janvier
Mars
Mai
AMOT
6
MICO
5
MIAC
4
MIST
3
MEID
2
MEIN
1
MERE
0
Septembre Décembre
Janvier
Mars
Mai
AMOT
Evolution des composantes motivationnelles moyennes des étudiants durant
leur première année d'études à la FuSaGx. (MICO: motivation intrinsèque à
la connaissance, MIAC: -- à l’accomplissement, MIST: -- à la stimulation,
MEID: motivation extrinsèque par régulation identifiée, MEIN: -- par
régulation introjectée, MERE: -- par régulation externe, AMOT:
amotivation) (A: 2004-2005; B: 2005-2006; C: 2006-2007)
- 83 -
6.4
Evolution de la motivation académique selon le genre de
l’étudiant
La revue bibliographique présentée au Chapitre 3 prônait la prise en considération du genre
dans le cadre d'études consacrées à la motivation. Différents résultats contradictoires ont été
présentés puis partiellement expliqués par l'influence de nombreux facteurs sur l'amplitude
des différences liées au genre: âge, culture, discipline enseignée, etc.
Les Figure 6.2 à Figure 6.8 représentent l'évolution des sept composantes motivationnelles
pour chaque cohorte suivie, avec distinction entre genres. La Figure 6.9 illustre l'évolution de
l’IGM, toujours par cohorte et avec distinction entre genres.
Ces différentes figures permettent de vérifier l'hypothèse d'une fluctuation de la motivation
académique durant la première année d'études universitaires. Les différences observées entre
les genres doivent être analysées au regard du contexte global de notre étude (Chapitre 5).
6.4.1
Evolution des composantes de la motivation intrinsèque
L'EME-U (Vallerand et al., 1989) permet d'évaluer trois types de motivation intrinsèque (MI):
la motivation intrinsèque à la connaissance, la motivation intrinsèque à l'accomplissement
ainsi que la motivation intrinsèque à la stimulation. Ces différents types de motivation ont été
présentés au point 4.2. Nous les reprenons ci-dessous, accompagnés d'un bref descriptif, d'un
exemple d'énoncé du questionnaire et des principales observations réalisées lors du suivi de
leur évolution.
Sur les différentes figures illustrant l'évolution des composantes motivationnelles et de l’IGM,
seules les données relatives aux genres et accompagnées d'astérisques peuvent être
considérées comme statistiquement différentes aux seuils *p<0,05; **p<0,01 et ***p<0,001.
a. La motivation intrinsèque à la connaissance (MICO):
"Pour le plaisir que j'ai à découvrir sans cesse de nouvelles choses"
La motivation intrinsèque à la connaissance est observée lorsqu'une personne pratique une
activité essentiellement pour le plaisir et la satisfaction qu'elle ressent lorsqu'elle est en train
d'apprendre ou de faire quelque chose de nouveau.
Les graphiques A à C de la Figure 6.2 présentent des profils d'évolution de la MICO fort
contrastés. En effet, les deux premières années d'étude se caractérisent par une faible MICO
initiale suivie par une forte hausse, elle-même suivie en 04-05 d'une diminution progressive.
L'évolution de la MICO en 06-07 se caractérise par une MICO maximale dès le début de
l'année. Ce niveau est supérieur aux maxima observés les deux années précédentes.
Les étudiantes se caractérisent par une plus forte MICO que les étudiants. Ceci est
particulièrement marqué en 05-06. En 06-07, les différences observées ne sont significatives
qu'en mars. Par contre, en mai de chaque année d'étude, la MICO des étudiants est similaire à
celle des étudiantes.
- 84 -
b. La motivation intrinsèque à l'accomplissement (MIAC):
"Pour la satisfaction que je vis lorsque je suis en train de réussir
des activités d'apprentissage difficiles"
La motivation intrinsèque à l'accomplissement est observée lorsqu'une personne entreprend
une activité pour le plaisir et la satisfaction de créer quelque chose ou encore de se sentir
efficace et compétente.
Les profils d'évolution de la MIAC (Figure 6.3) sont également fort différents d'une année
d'étude à l'autre: croissance puis décroissance en 04-05, croissance progressive en 05-06,
stabilité en 06-07.
Les étudiantes présentent toujours une MIAC supérieure à celle des étudiants. Les différences
sont particulièrement marquées début 04-05 ainsi qu'en janvier et mars 05-06. La MIAC
maximale est observée en janvier 2006. Comme pour la MICO, les étudiantes et les étudiants
présentent le même niveau de MIAC en fin d'année.
c. La motivation intrinsèque à la stimulation (MIST):
"Parce que ça me stimule de découvrir les progrès récents réalisés
dans le champ des études que j'ai choisies"
La motivation intrinsèque à la stimulation est observée lorsqu'un individu fait une activité
dans le but de ressentir le plaisir (et autres sensations) que lui procure son implication au sein
de l'activité.
La MIST augmente rapidement en début d'années 04-05 et 05-06, alors qu'elle est à son
maximum dès le début 06-07 (Figure 6.4). Les niveaux de MIST sont similaires chez les
étudiantes et les étudiants. La seule différence significative a été observée en janvier 05-06.
Elle résulte d'une évolution différente de la MIST entre décembre et janvier. Durant cette
période, la MIST des étudiantes augmente alors qu'elle stagne pour les étudiants.
En 04-05, la MIST des étudiants est passée de 3,6 à 4,6 entre le début d'année académique et
début décembre. Le niveau de la MIST des étudiants était alors supérieur à celui des
étudiantes. La même observation a été réalisée simultanément pour la MICO.
Synthèse partielle:
L'évolution des différentes motivations intrinsèques varie fortement d'une année à l'autre. Il
n'est donc pas possible d'établir une typologie de l'évolution de la motivation intrinsèque qui
se répèterait d'année en année.
Les différences de MI entre genres ne sont observées qu'à certains moments de l'année. Ainsi,
les différences perçues semblent s'amenuiser en fin d'année. La période de mesure semble
donc particulièrement importante.
Les modifications de MI diffèrent entre les étudiants et les étudiantes. Deux exemples: (1) En
04-05 et 05-06, l'impact motivationnel des interrogations de novembre semble plus fort sur les
étudiants que sur les étudiantes; (2) ces deux mêmes années, la session d'interrogations de
- 85 -
janvier semble renforcer la motivation intrinsèque des étudiantes alors qu'une chute ou une
très légère augmentation de motivation est observée pour les étudiants.
L'impact motivationnel des interrogations de novembre est observé en 04-05 et 05-06 mais
pas en 06-07. On peut s'interroger sur l'éventuelle perte du caractère formatif de cette session
d'interrogations (Mignon & Closset, 2007). D'un autre coté, les motivations intrinsèques
déclarées en décembre 06 sont du même ordre de grandeur que celles déclarées les deux
années précédentes. En 06-07, la MI initiale exceptionnellement haute pourrait expliquer
l'observation d'une chute de motivation.
Attention ! L’impact des performances sur l’évolution de la motivation intrinsèque, évoqué
ci-dessus, n’est ici aucunement vérifié et doit être davantage considéré comme une hypothèse
à éprouver aux chapitres suivants.
- 86 -
F
M
Total
5,8
MICO (2004-2005)
A
5,7
5,6
5,5
5,4
5,3
5,2
5,1
5
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
5,8
MICO (2005-2006)
B
5,7
***
5,6
5,5
*
5,4
*
5,3
5,2
*
5,1
5
4,9
4,8
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
5,8
5,7
MICO (2006-2007)
C
5,6
*
5,5
5,4
5,3
5,2
5,1
5,0
Septembre
Figure 6.2.
Décembre
Janvier
Mars
Mai
Evolution de la motivation intrinsèque à la connaissance (MICO) des
étudiants durant leur première année d'études à la FuSaGx (A: 2004-2005;
B: 2005-2006; C: 2006-2007)
- 87 -
F
M
Total
4,5
4,4
MIAC (2004-2005)
A
*
4,3
4,2
4,1
**
4
3,9
3,8
3,7
3,6
3,5
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
4,8
MIAC (2005-2006)
B
***
4,6
**
4,4
4,2
4
3,8
3,6
3,4
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
4,6
MIAC (2006-2007)
C
4,4
4,2
4,0
3,8
3,6
3,4
Septembre
Figure 6.3.
Décembre
Janvier
Mars
Mai
B: 2005-2006; C: 2006-2007)
- 88 -
F
M
Total
4,7
4,6
4,5
MIST (2004-2005)
A
4,4
4,3
4,2
4,1
4
3,9
3,8
3,7
3,6
Septembre
Décembre
F
Janvier
M
Mars
Mai
Mars
Mai
Total
4,8
*
4,6
MIST (2005-2006)
B
4,7
4,5
4,4
4,3
4,2
4,1
4
3,9
3,8
3,7
Septembre
Décembre
F
Janvier
M
Total
4,7
4,6
MIST (2006-2007)
C
4,5
4,4
4,3
4,2
4,1
4
Septembre
Figure 6.4.
Décembre
Janvier
Mars
Mai
durant leur première année d'études à la FuSaGx (A: 2004-2005; B: 20052006; C: 2006-2007)
- 89 -
6.4.2
Evolution des composantes de la motivation extrinsèque
a. La motivation extrinsèque à régulation identifiée (MEID):
" Parce qu'éventuellement cela va me permettre d'aller sur le marché du travail
dans un domaine que j'aime"
La motivation extrinsèque à régulation identifiée s’observe lorsque le contrôle du
comportement s'effectue par des motifs externes suffisamment intériorisés que pour
provoquer une identification à l'activité.
L'évolution de la MEID au cours de l'année académique est fort différente d’une année à
l’autre (Figure 6.5). Citons à titre d'exemple, pour la courte période allant de décembre à
janvier: une diminution en 04-05, une augmentation en 05-06 et une diminution pour les
étudiantes et une augmentation pour les étudiants en 06-07. Comme autre exemple, la MEID
maximale moyenne a été observée en décembre de l’année académique 04-05, en mai 05-06
et en mars 06-07.
La MEID des étudiantes est toujours supérieure à celle des étudiants mais cette différence
n'est statistiquement significative qu'en janvier 05-06.
Concernant la MEID, l'année 06-07 se distingue des deux autres par: (1) une forte stabilité;
(2) un faible niveau moyen ainsi (3) qu'une diminution en fin d'année.
b. La motivation extrinsèque à régulation introjectée (MEIN):
" Pour me prouver à moi-même que je suis capable de faire mieux
que des études supérieures non universitaires"
La motivation extrinsèque à régulation introjectée s’observe lorsque le contrôle du
comportement s'effectue par le biais de contraintes externes intériorisées.
Les tendances évolutives de la MEIN varient fortement d'une année à l'autre (Figure 6.6):
augmentation-diminution en 04-05, augmentation progressive en 05-06, diminution
progressive en 06-07.
Aucune différence n'a été observée entre les genres. A plusieurs reprises, la MEIN des
étudiants a été légèrement supérieure à celle des étudiantes.
c. La motivation extrinsèque à régulation externe (MERE):
" Parce que juste avec un graduat (actuel baccalauréat diplômant),
je ne pourrais pas me trouver un emploi suffisamment bien payé"
La motivation extrinsèque à régulation externe s’observe lorsque le comportement est régi par
des sources de contrôle se situant à l'extérieur de l'individu.
- 90 -
A nouveau, les profils d'évolution (Figure 6.7) sont fort contrastés. Peu de similitudes entre
années peuvent être notées si ce n'est que la MERE des étudiants est toujours supérieure à
celle des étudiantes, et significativement supérieure en fin d'année.
En 05-06, les étudiants présentaient une MERE initiale significativement supérieure à celle
des étudiantes. A contrario, les deux autres années présentent des différences de MERE qui
augmentent progressivement au cours de l'année. Les niveaux moyens de MERE sont
également fort différents. Ainsi, la MERE observée en 06-07 sur l'ensemble de la population
est nettement inférieure à celle de 05-06.
Comme pour la MI, l'évolution annuelle des motivations extrinsèques fluctue d'une année
académique à l'autre. L'établissement d'une typologie de l'évolution de la ME n'est donc pas
envisageable.
Les motivations contrôlées (MEIN et MERE) sont plus fortes chez les étudiants que chez les
étudiantes. Cependant, peu de différences statistiquement significatives ont été observées, si
ce n'est pour la MERE en fin d'année.
En 06-07, tant pour les étudiantes que pour les étudiants, les niveaux de ME durant l'année
académique sont restés particulièrement peu élevés.
- 91 -
F
M
Total
5,5
A
MEID (2004-2005)
5,4
5,3
5,2
5,1
5
4,9
4,8
4,7
4,6
Septembre
Décembre
F
Janvier
M
Mars
Mai
Mars
Mai
Total
6
5,8
MEID (2005-2006)
B
5,6
***
5,4
5,2
5
4,8
4,6
Septembre
Décembre
F
Janvier
M
Total
5,4
5,3
MEID (2006-2007)
C
5,2
5,1
5,0
4,9
4,8
Septembre
Figure 6.5.
Décembre
Janvier
Mars
Mai
B: 2005-2006; C: 2006-2007)
- 92 -
F
M
Total
4,1
4
3,9
MEIN (2004-2005)
A
3,8
3,7
3,6
3,5
3,4
3,3
3,2
3,1
Septembre
Décembre
F
Janvier
M
Mars
Mai
Mars
Mai
Mars
Mai
Total
4,6
4,4
MEIN (2005-2006)
B
4,2
4
3,8
3,6
3,4
Septembre
Décembre
F
Janvier
M
Total
3,8
3,6
MEIN (2006-2007)
C
3,4
3,2
3
2,8
Septembre
Figure 6.6.
Décembre
Janvier
Evolution de la motivation extrinsèque par régulation introjectée (MEIN)
des étudiants durant leur première année d'études à la FuSaGx (A: 20042005; B: 2005-2006; C: 2006-2007)
- 93 -
F
M
Total
3,8
MERE (2004-2005)
A
3,7
3,6
*
*
3,5
3,4
3,3
3,2
3,1
3
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
4,5
4,3
MERE (2005-2006)
B
**
4,1
3,9
3,7
3,5
**
**
3,3
3,1
2,9
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
3,6
3,4
MERE (2006-2007)
C
*
*
3,2
3,0
2,8
2,6
Septembre
Figure 6.7.
Décembre
Janvier
Mars
Mai
B: 2005-2006; C: 2006-2007)
- 94 -
6.4.3
Evolution de l'amotivation
a. L'amotivation (AMOT):
" Je ne parviens pas à voir pourquoi je vais à l'université
et franchement je m'en fous pas mal"
L’amotivation s’observe lorsque l'étudiant est incapable de prévoir et d'expliquer les
conséquences de son comportement.
Sur une échelle de 1 à 7, l'amotivation moyenne observée reste faible et n'est jamais
supérieure à 2 (Figure 6.8).
En 04-05, un premier pic d'amotivation a été observé en décembre puis un second en fin
d’année. En 05-06, le premier pic est observé en janvier et un second en fin d'année. Pour 0607, l’amotivation augmente nettement en décembre et janvier avant de diminuer en fin
d’année, ce qui se manifeste par une courbe d’évolution de l’amotivation en forme de
« pont ».
L'amotivation moyenne des étudiants est toujours supérieure à celle des étudiantes. La
différence n'est cependant statistiquement significative qu'en mars de l'année académique 0405.
- 95 -
F
M
Total
2
1,9
1,8
AMOT (2004-2005)
A
1,7
***
1,6
1,5
1,4
1,3
1,2
1,1
1
Septembre
Décembre
F
Janvier
M
Mars
Mai
Mars
Mai
Total
1,8
1,7
AMOT (2005-2006)
B
1,6
1,5
1,4
1,3
1,2
1,1
Septembre
Décembre
F
Janvier
M
Total
1,8
AMOT (2006-2007)
C
1,7
1,6
1,5
1,4
1,3
1,2
1,1
Septembre
Figure 6.8.
Décembre
Janvier
Mars
Mai
Evolution de l'amotivation (AMOT) des étudiants durant leur première
année d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007)
- 96 -
6.4.4
Evolution de la motivation
La motivation des étudiantes est évaluée à l'aide d'un indice calculé à partir des différentes
composantes motivationnelles : l’Indice Global de Motivation (IGM).
L'IGM mis au point par Vallerand et al. (1989) attribue un poids aux différents types de
motivations autodéterminées en fonction de leur position sur le continuum de motivation
autodéterminée. Il repose donc sur la théorie de l'autodétermination.
Pour rappel (voir Chapitre 4), cet indice peut varier de -18 à 18 et se calcule selon l’équation:
IGM = (2*(MICO+MIAC+MIST)/3+MEID)-((MERE+MEIN)/2+2*AMOT)
L'évolution de l'IGM ne suit pas la même tendance en 06-07 qu'en 04-05 et 05-06 (Figure
6.9). En effet, pour cette année, la motivation maximale a été observée en début d'année avant
de diminuer jusqu'en janvier puis reprendre progressivement en fin d'année. Pour les deux
premières années de notre étude, la motivation initiale est à son minimum en début d'année.
Elle augmente progressivement avant de chuter en fin d'année.
Les étudiantes présentent systématiquement une motivation supérieure à celle des étudiants.
Cette différence est la plus marquée en 05-06 avec des différences significatives tout au long
de l'année sauf au mois de mai.
Entre décembre et janvier (04-05 et 05-06), la motivation des étudiantes augmente alors que
celle des étudiants diminue. L'étude des relations réciproques existant entre la motivation et
les performances permettra de fournir d'éventuelles explications.
- 97 -
F
M
Total
9
8,5
IGM (2004-2005)
A
*
**
Janvier
Mars
8
7,5
7
6,5
6
Septembre
Décembre
F
M
Mai
Total
9,5
B
9
***
IGM (2005-2006)
*
8,5
*
8
7,5
**
7
6,5
6
Septembre
Décembre
F
Janvier
M
Mars
Mai
Total
9,5
C
9
IGM (2006-2007)
*
8,5
8
7,5
7
6,5
6
Septembre
Figure 6.9.
Décembre
Janvier
Mars
Mai
d'études à la FuSaGx (A: 2004-2005; B: 2005-2006; C: 2006-2007)
- 98 -
La motivation moyenne déclarée en début d'année (04-05 et 05-06) correspond au plus bas
niveau de motivation. Cette observation nous pousse à relativiser notre hypothèse 6.1. Ainsi,
deux années sur trois, les étudiants et les étudiantes qui entrent à la FuSaGx ont déclaré, le
premier jour des cours, une faible motivation académique.
Les indices de motivation calculés pour les étudiantes sont systématiquement plus élevés que
pour les étudiants. Ces différences sont statistiquement significatives en septembre et
décembre (05-06), en janvier (04-05 et 05-06) et en mars (des trois années). Ces observations
semblent confirmer l'hypothèse selon laquelle les étudiantes seraient plus motivées que les
étudiants (Hypothèse 6.3). Cependant, seule l’année (05-06) présente une motivation initiale
des étudiantes statistiquement supérieure à celle des étudiants.
- 99 -
6.5
Historique motivationnel d'étudiants aux performances
finales distinctes
Les étudiants constituant chaque cohorte ont été, a posteriori, répartis en quatre souspopulations, sur base des performances obtenues en fin d'année (voir le paragraphe 5.3). Les
"plus mauvais étudiants" forment le premier quartile (Q1) alors que les étudiants ayant obtenu
les pourcentages les plus élevés (considérés comme "bons étudiants") constituent le 4ème
quartile (Q4).
Les Figure 6.10 à Figure 6.16 représentent l'évolution des composantes motivationnelles pour
les différents quartiles. La Figure 6.17 illustre l'évolution de l’IGM, toujours par quartile.
Sur les différentes figures illustrant l'évolution des composantes motivationnelles et de
l’indice de motivation, les données accompagnées de lettres différentes doivent être
considérées comme statistiquement différentes.
- 100 -
6.5.1
Evolution des composantes de la motivation intrinsèque
Les composantes de la motivation intrinsèque ont été présentées précédemment. Elles
constituent, ensemble, le plus haut niveau du continuum d'autodétermination.
a. La motivation intrinsèque à la connaissance (MICO):
"Pour le plaisir que j'ai à découvrir sans cesse de nouvelles choses"
L'évolution de la MICO suit des trajectoires fort différentes d'une année à l'autre (Figure
6.10). Cependant, quelques tendances peuvent être relevées:




En dehors de 06-07, la MICO initiale est relativement peu élevée pour les
étudiants qui appartiennent au Q4 (performances finales les plus élevées).
Les étudiants qui appartiennent à ce Q4 n'auront jamais de diminution marquée
de leur MICO moyenne.
Entre septembre et décembre, la MICO augmente dans tous les quartiles sauf
pour Q1 et Q3 en 06-07.
En 06-07, la MICO initiale des Q4 et Q3 est particulièrement élevée et atteint
des niveaux non observés les autres années. Cette observation, et les différences
observées avec les Q2 et Q1, résultent peut-être du fait que le questionnaire
EME ait été soumis le deuxième jour des cours et non le premier.
b. La motivation intrinsèque à l'accomplissement (MIAC):
"Pour la satisfaction que je vis lorsque je suis en train de réussir
des activités d'apprentissage difficiles"
A nouveau, il est difficile de faire apparaître les grandes tendances d'évolution de la MIAC
(Figure 6.11):




Le niveau initial est toujours faible et identique dans les différents quartiles.
Cette double observation pourrait s'expliquer par la méconnaissance qu'ont les
étudiants du système universitaire et par la difficulté qu'ils ont à se référer en
début d'année "à la satisfaction vécue lors de la réussite d'activités
d'apprentissage difficiles".
Durant l'année, la MIAC du Q4 est toujours supérieure à celle des autres
quartiles. Les différences ne sont cependant pas statistiquement significatives,
sauf fin 04-05.
Par comparaison à la MICO, l'amplitude des variations de la MIAC est beaucoup
plus importante.
Les étudiants du Q1 (les moins performants en fin d'année) présentent une
MIAC qui fluctue très peu au cours de l'année, avec une tendance à
l'augmentation.
- 101 -
c. La motivation intrinsèque à la stimulation (MIST):
"Parce que ça me stimule de découvrir les progrès récents réalisés
dans le champ des études que j'ai choisies"





Les quatre évolutions de la MIST suivent toutes la même tendance (Figure
6.12).
Aucune différence entre profils d’évolution n'est observée.
En 04-05 et 05-06, la MIST a fortement augmenté pour l'ensemble des quartiles.
La MIST a tendance à diminuer, pour tous les quartiles, entre janvier et mars.
Une reprise est observée durant la période suivante (mars à mai).



La MI du Q4 est toujours supérieure à celle des autres quartiles mais pas
significativement différente d'un point de vue statistique.
Les étudiants présentent en début d'année, une faible MI, sans différence de
niveau entre quartiles, si ce n'est pour la MICO en 06-07.
De janvier à mars de chaque année, période non entrecoupée par une session
d'interrogations, les différents types de MI sont stables ou en légère baisse.
- 102 -
Q1
Q2
Q3
Q4
5,7
A
MICO (2004-2005)
5,6
5,5
5,4
5,3
5,2
5,1
5
4,9
4,8
4,7
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
5,8
a
MICO (2005-2006)
B
5,6
5,4
ab
ab
5,2
b
5
4,8
4,6
4,4
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
6
MICO (2006-2007)
C
5,8
5,6
5,4
a
ab
a
a
ab
b
5,2
ab
5
b
4,8
4,6
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.10. Evolution de la motivation intrinsèque à la connaissance (MICO) des
étudiants durant leur première année d'études à la FuSaGx (Q1/Q4:
Quartile des étudiants les moins/plus performants en juin) (A: 2004-2005;
B: 2005-2006; C: 2006-2007)
- 103 -
Q1
Q2
Q3
Q4
4,8
MIAC (2004-2005)
A
a
4,6
4,4
4,2
ab
ab
4
3,8
b
3,6
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
5
4,6
MIAC (2005-2006)
B
4,8
a
ab
4,4
ab
4,2
4
b
3,8
3,6
3,4
3,2
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4,6
4,4
MIAC (2006-2007)
C
4,2
4
3,8
3,6
3,4
3,2
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.11. Evolution de la motivation intrinsèque à l'accomplissement (MIAC) des
B: 2005-2006; C: 2006-2007)
- 104 -
Q1
Q2
Q3
Q4
4,6
4,4
MIST (2004-2005)
A
4,2
4
3,8
3,6
3,4
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
5
4,6
MIST (2005-2006)
B
4,8
4,4
4,2
4
3,8
3,6
3,4
3,2
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4,8
4,6
MIST (2006-2007)
C
4,4
4,2
4
3,8
3,6
3,4
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.12. Evolution de la motivation intrinsèque à la stimulation (MIST) des étudiants
étudiants les moins/plus performants en juin) (A: 2004-2005; B: 2005-2006;
C: 2006-2007)
- 105 -
6.5.2
Evolution des composantes de la motivation extrinsèque
a. La motivation extrinsèque à régulation identifiée (MEID):
" Parce qu'éventuellement cela va me permettre d'aller sur le marché du travail
dans un domaine que j'aime"
La MEID fait partie des motivations autonomes et donc des motivations qui, théoriquement,
engagent davantage les étudiants à s'investir efficacement dans leurs études.




Début d'année académique, la MEID est identique pour l'ensemble des quartiles
d'étudiants (Figure 6.13). Cependant, de légères différences sont observées en
06-07.
En fin d'année, la MEID maximale est observée pour le Q4 alors que la MEID
minimale caractérise le Q1 des étudiants peu performants.
La MEID des étudiants appartenant au Q4 présente une très bonne "résistance"
aux périodes d'interrogations. Ainsi, la seule période durant laquelle une légère
diminution de MEID est observée correspond aux deux mois non interrompus
par des sessions d'interrogations (de janvier à mars).
L'année 06-07 se caractérise par une très grande stabilité de la MEID, tant pour
les quartiles aux hautes performances que pour les autres.
b. La motivation extrinsèque à régulation introjectée (MEIN):
" Pour me prouver à moi-même que je suis capable de faire mieux
que des études supérieures non universitaires"



Aucune différence significative de MEIN n'est observée entre quartiles (Figure
6.14).
L'évolution de la MEIN est très variable d'une année à l'autre. Cependant, la
tendance générale est à la hausse entre novembre et décembre, à la baisse entre
janvier et mars (pas d'interrogations) et à la hausse entre mars et mai.
L'année 06-07 se caractérise à nouveau par une grande stabilité des motivations
observées.
c. La motivation extrinsèque à régulation externe (MERE):
" Parce que juste avec un graduat (actuel baccalauréat diplômant),
je ne pourrais pas me trouver un emploi suffisamment bien payé"
L'étudiant dont le comportement est régi par des sources de contrôle externes présente une
forte motivation extrinsèque à régulation externe. Ce type de motivation est typiquement sous
contrôle de l'environnement et induit des comportements "motivés" par la promesse de
récompenses ou pour éviter des "punitions".



En 04-05, la MERE des étudiants du Q4 était particulièrement élevée alors que
celle du Q1 était significativement inférieure.
En 05-06, aucune différence n'a été observée entre quartiles, avec une croissance
progressive au cours de l'année.
En 06-07, la MERE est restée très stable durant l'année mais le Q1 s'est
distingué des autres quartiles par un niveau supérieur de MERE.
- 106 -
Q1
Q2
Q3
Q4
5,8
MEID (2004-2005)
A
5,6
a
a
a
a
5,4
a
5,2
a
a
5
ab
4,8
ab
b
4,6
4,4
b
b
4,2
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
6
5,8
MEID (2005-2006)
B
5,6
5,4
5,2
5
4,8
4,6
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
5,6
5,4
MEID (2006-2007)
C
5,2
5
4,8
4,6
4,4
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.13. Evolution de la motivation extrinsèque par régulation identifiée (MEID) des
C: 2006-2007)
- 107 -
Q1
Q2
Q3
Q4
4,2
4
MEIN (2004-2005)
A
3,8
3,6
3,4
3,2
3
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4,8
B
MEIN (2005-2006)
4,6
4,4
4,2
4
3,8
3,6
3,4
3,2
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4
C
MEIN (2006-2007)
3,8
3,6
3,4
3,2
3
2,8
2,6
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.14. Evolution de la motivation extrinsèque par régulation introjectée (MEIN)
des étudiants de première année d'études à la FuSaGx (Q1/Q4: Quartile des
C: 2006-2007)
- 108 -
Q1
Q2
Q3
Q4
4
a
A
MERE (2004-2005)
3,8
3,6
3,4
ab
ab
3,2
3
b
2,8
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4,4
MERE (2005-2006)
B
4,2
4
3,8
3,6
3,4
3,2
3
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
4
MERE (2006-2007)
C
a
3,8
a
3,6
3,4
ab
3,2
ab
b
b
b
3
2,8
b
2,6
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.15. Evolution de la motivation extrinsèque par régulation externe (MERE) des
B: 2005-2006; C: 2006-2007)
- 109 -
6.5.3
Evolution de l'amotivation
a. L'amotivation (AMOT):
" Je ne parviens pas à voir pourquoi je vais à l'université
et franchement je m'en fous pas mal"
L'amotivation, ou l'absence (la disparition) de motivation, dès qu'elle est évoquée, symbolise
de grands doutes et une profonde remise en questions des objectifs initialement poursuivis par
les étudiants: "J'ai déjà eu de bonnes raisons pour aller à l'université, mais maintenant je me
demande si je fais bien de continuer à y aller".


L'amotivation maximale moyenne observée par quartile est de 2,2 sur une
échelle allant de 1 à 7 (en 04-05 pour le Q1).
Des différences significatives de niveaux d'amotivation sont observées chaque
année, dès le mois de décembre, avec l'amotivation du Q1 proche ou supérieure
à 2,0 alors qu'elle reste toujours inférieure à 1,4 pour le Q4 (Figure 6.16).
- 110 -
Q1
Q2
Q3
Q4
2,4
a
a
2,2
AMOT (2004-2005)
A
a
2
a
ab
1,8
a
a
a
a
ab
1,6
ab
1,4
b
1,2
b
b
b
1
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
2,4
B
AMOT (2005-2006)
2,2
a
2
a
a
1,8
1,6
b
b
1,4
b
b
b
1,2
b
a
ab
ab
ab
ab
b
b
1
Septembre
Décembre
Q1
Janvier
Q2
Q3
Mars
Mai
Q4
2,4
C
AMOT (2006-2007)
2,2
2
a
a
a
a
a
a
1,8
a
1,6
1,4
1,2
a
b
b
b
b
b
b
b
b
b
b
b
1
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.16. Evolution de l'amotivation (AMOT) des étudiants durant leur première
année d'études à la FuSaGx (Q1/Q4: Quartile des étudiants les moins/plus
performants en juin) (A: 2004-2005; B: 2005-2006; C: 2006-2007)
- 111 -
6.5.4
Evolution de la motivation
Peu de différences significatives entre quartiles de performances finales ont été observées
pour les différentes composantes motivationnelles de l'EME, si ce n'est pour l'amotivation.
L’indice global de motivation (IGM) présente une plus grande discrimination entre quartiles.
Ainsi, chaque année, des différences significatives sont observées dès le mois de décembre et
même, en 06-07, dès l'entrée à l'Université.
a. L'Indice Global de Motivation (IGM):
De -18 à +18





La motivation initiale des étudiants (IGM) est identique entre quartiles sauf en
06-07 (Figure 6.17).
Seule la motivation du Q4 augmente chaque année entre le mois de septembre et
le mois de mai.
La motivation du Q4 se différencie très rapidement de celle du Q1.
Les quartiles médians (Q2 et Q3) présentent une motivation intermédiaire à celle
des Q1 et Q4.
Q1 est le seul quartile pour lequel une diminution de motivation est observée
chaque année entre le début d'année et le mois de décembre. La session
d'interrogations "formatives" induirait chez ces étudiants une diminution de
motivation. Cette relation sera étudiée au prochain chapitre.
- 112 -
Q1
Q2
Q3
Q4
10
9,5
A
IGM (2004-2005)
9
a
a
a
8,5
8
ab
ab
7,5
ab
7
b
6,5
6
ab
b
b
b
b
5,5
5
Septembre
Décembre
Q1
Janvier
Q2
Mars
Q3
Mai
Q4
10
9,5
B
a
IGM (2005-2006)
9
a
a
8,5
8
a
a
ab
a
ab
a
ab
ab
7,5
b
7
b
6,5
b
6
b
5,5
5
Septembre
Décembre
Q1
Janvier
Q2
Mars
Q3
Mai
Q4
10
9,5
C
IGM (2006-2007)
9
8,5
a
a
a
ab
8
7,5
a
a
a
a
a
a
a
ab
b
7
ab
6,5
b
6
b
5,5
b
b
b
5
Septembre
Décembre
Janvier
Mars
Mai
Figure 6.17. Evolution de la motivation (IGM) des étudiants durant leur première année
performants en juin) (A: 2004-2005; B: 2005-2006; C: 2006-2007)
- 113 -
6.6
Evolution de la motivation en fonction des performances
Au chapitre 7, nous étudierons les relations réciproques qui existent entre la motivation et les
performances. Pour ce faire, nous utiliserons principalement l'approche corrélationnelle avec
prise en compte du genre de l’étudiant.
Avant d'envisager l'analyse des liens existant entre la motivation et les performances, il nous
semble intéressant de proposer une visualisation graphique de l'évolution de la motivation des
étudiants en fonction de leur niveau de performance aux différentes interrogations de l'année.
En effet, la représentation de parcours de motivation permet d'illustrer l'impact des
performances sur la motivation, mais aussi de voir l'évolution de la motivation des étudiants
qui ne connaissent jamais l'échec et de la comparer à des parcours plus problématiques.
Pour un étudiant, la notion de bonnes ou de mauvaises performances fluctue au cours de
l'année. En effet, lorsqu'un étudiant obtient de mauvais résultats à la première session
d'interrogations de l'année (par exemple 30%), il conserve toutes ses chances de réussir alors
qu'il n'en est pas de même s'il obtient le même résultat aux interrogations d'avril. En
novembre, il faut éviter d'être dans les "mauvais" étudiants; en janvier, il faut être dans les
"bons" étudiants; en avril, il faut être dans "les meilleurs", en espérant le rester pour les
examens de juin, car le taux de réussite en première session avoisine les 25%. Ainsi, sur base
empirique, les seuils fixant la limite entre une "bonne" et une "mauvaise" performance ont été
fixés de manière à ce que les étudiants obtenant une "bonne" performance en novembre
représentent 75% de la population, qu'ils représentent 50% de la population en janvier et
seulement 25% en avril. Cette distribution permet en outre d'obtenir quatre courbes
principales d'évolution de la motivation (représentant pratiquement chacune un quart de la
population) et jusqu'à quatre courbes illustrant l'évolution de la motivation de quelques
individus ayant été capables de passer d'une "mauvaise" performance à une "bonne"
performance.
La Figure 6.18 présente pour commencer la motivation moyenne des étudiants lorsqu'ils
entrent à l'Université. Toutes les courbes d'évolution de la motivation partent donc de ce
point. Ensuite, la motivation moyenne est présentée d'une part pour les étudiants aux bonnes
performances à la session d'interrogations de novembre (75% de la population) et d'autre part
pour les étudiants représentant les 25% de la population ayant obtenu les moins bonnes cotes.
Les deux courbes d'évolution de la motivation qui commencent à se dessiner sont ensuite
séparées à nouveau en deux avec présentation de la motivation moyenne des étudiants ayant
réalisé une bonne performance à la session de janvier (50% de la population, sur base du
pourcentage obtenu par l'étudiant) et ceux qui se sont retrouvés avec une mauvaise
performance. La période qui suit, entre la 20e et la 28e semaine, n'est pas coupée par une
session d'interrogations. Pour l'étudiant, il s'agit d'une intense période de cours et de
réflexions sur ses performances passées et futures. Les courbes suivent leur évolution grâce à
la 4e mesure de la motivation. Elles se ramifieront ensuite avec d'une part, les motivations
moyennes des étudiants appartenant au quart des étudiants ayant "bien réussi" en avril et,
d’autre part, la motivation des trois quarts des étudiants, considérés comme ayant obtenu de
mauvais résultats aux interrogations d'avril.
- 114 -
Evolution de l'IGM en 2004-2005
A
Motivation moyenne (IGM)
9,5
9,0
8,93
8,30
8,5
7,89
7,5
7,0
8,21
7,74
8,0
7,84
7,18
7,00
7,06
7,12
7,73
6,92
6,5
6,67
6,13
6,0
A
5,5
1
B
12
5,81
C
20
28
35
Sem aines du calendrier académ ique
10,0
B
9,5
9,0
8,5
8,54
9,25
8,73
8,22
8,0
7,73
7,5
7,0
7,91
6,84
8,05
7,56
6,94
7,19
6,5
6,0
6,65
6,27
5,5
A
5,0
1
B
12
C
20
28
35
C
11
10
9,95
8,53
9
9,38
8,51
8,07
8,56
8
7,73
7,58
7,15
7,29
6,99
7
7,05
7,00
6
A
5
1
B
12
5,95
20
C
28
35
Figure 6.18. Evolution de la motivation (IGM) en fonction du niveau de performance aux
interrogations de novembre (A), janvier (B) et avril (C), en 2004-2005, 20052006 et 2006-2007. En vert: évolution de la motivation des étudiants ayant
réalisé une bonne performance. En rouge: évolution de la motivation liée à
une mauvaise performance. [Bonne performance = appartenir au groupe
d'étudiants ayant obtenu les meilleures cotes (respectivement 75, 50 et 25 %
de la population en novembre, janvier et avril)]
- 115 -
La comparaison des graphiques permet d'observer un nombre variable de courbes d'évolution
de la motivation. Théoriquement, nous aurions pu en obtenir huit. Cependant, nous en
observons respectivement 6, 4 et 5 pour les trois années académiques successives. Ces
différences résultent du fait qu'aucun étudiant ayant obtenu de "mauvaises" performances en
novembre n'a obtenu de "bonnes" performances en janvier. De même, en avril, rares sont les
étudiants qui obtiennent de « bonnes » performances après des « mauvaises » performances.
En l’absence de données de dispersion et de tests de comparaison de moyennes, seule l’allure
des courbes peut ici faire l’objet de discussions.
Les parcours de motivation observés en 05-06 présentent, après chaque session
d'interrogations, une hausse de motivation pour les étudiants à "bonnes performances" et une
diminution de motivation pour les autres. Les étudiants qui appartiennent au quart des "moins
performants" en novembre présenteront une motivation moyenne toujours inférieure à celle
des autres étudiants. Les quatre parcours observés représentent chacun 25% de la population.
En 06-07, les étudiants qui ont eu de bonnes performances en novembre (A) puis qui échouent
en janvier (B) présentent une chute importante de motivation, passant de 8,07 à 5,95 pour
l'IGM. Cette motivation est inférieure à celle des étudiants qui se retrouvent à cette même
période pour la deuxième fois parmi les moins performants (IGM de 6,99). Une faible
proportion d'étudiants (2%) à "bonnes performances" puis "mauvaises performances"
parviendront à obtenir de "bonnes performances" en avril (C). En passant de 7,00 à 9,95
(IGM) (en traits fins sur les graphiques), leur motivation en fin d'année sera supérieure à celle
des étudiants n'ayant jamais eu de "mauvaises performances".
Les parcours motivationnels observés en 04-05 ressemblent à ceux de 05-06 sauf pour les
étudiants qui appartiennent toujours aux "moins performants". En effet, après une chute de
motivation en décembre, ils présentent une légère augmentation de motivation suite aux
interrogations de janvier, alors qu'ils font partie des étudiants qui obtiennent des "mauvaises
performances"! Au final, seuls trois étudiants (2+1) parviennent à passer de "mauvaises
performances" à "bonnes performances" en fin d'année.
- 116 -
6.7
Discussion
Pour rappel, les hypothèses que nous cherchions à vérifier étaient les suivantes:

Hypothèse 6.1.

Hypothèse 6.2.
Hypothèse 6.3.
Hypothèse 6.4.
Hypothèse 6.5.



tous fort motivés.
Quatre démarches ont été entreprises: (1) l'étude de l'évolution globale des composantes
motivationnelles ; (2) la prise en compte du genre dans l’évolution de la motivation
académique et de ses composantes; (2) l'établissement de l'historique motivationnel
d'étudiants aux performances finales distinctes et (3) l'étude de parcours motivationnels
déterminés sur base des performances aux sessions d'interrogations de l'année.

Hypothèse 6.1.
tous fort motivés.
La motivation des étudiants a été mesurée le premier jour des cours. Toutes les composantes
du continuum motivationnel sont faibles sauf en 06-07. La motivation moyenne observée
(IGM) est donc également relativement faible, sauf pour 06-07. Elle augmentera au cours de
l'année, notamment suite aux interrogations de novembre.
Les résultats du suivi de motivation en 04-05 et 05-06 montrent donc clairement que la
motivation initiale des étudiants et des étudiantes qui se sont inscrits à la FuSaGx est faible en
début d'année. Cependant, en 06-07, l'observation contraire a été réalisée. Rappelons que cette
année est un peu particulière car le questionnaire d'évaluation de la motivation a été soumis le
deuxième jour de l'année.
Il est probable qu'en 04-05 et 05-06, la première mesure de la motivation des étudiants ne
reflète pas leur réelle motivation à s'investir dans des études universitaires. Cette faible
motivation initiale a également été observée par Karsenti, Lavoie-Zajc et Larose (2001) lors
d’une étude consacrée entre autres à l’évaluation de la motivation des enseignants à apprendre
avec les TIC. Ces auteurs considèrent que l’évaluation de la motivation doit être influencée
par ce que Festinger (1957) appelle la dissonance cognitive. « Cette dissonance cognitive est
présente lorsqu'un individu est déstabilisé cognitivement et qu'il n'arrive pas (ou peu) à
prévoir ce qui va arriver. Il y a alors dissonance entre l'environnement de l'étudiant et
l'interprétation qu'il a l'habitude d'en faire » (Karsenti et al., 2001). Il n'est pas possible de
définir la durée de cette phase de dissonance cognitive. En effet, la rapidité d'intégration
(implantation) du changement dépend d'une personne à l'autre. Certains y parviennent
rapidement, d'autres n'y parviendront jamais. Une situation entièrement nouvelle est donc
susceptible d’introduire un certain nombre d’éléments de cognition dissonants avec ceux qui
préexistent. Dans notre cas, la faible motivation déclarée serait due à une rapide
- 117 -
réinterprétation de la motivation de l’étudiant pour ses études. Le biais cognitif du premier
jour à l'Université trouve donc probablement son origine dans le nouvel environnement
d'apprentissage (locaux, enseignants, grands groupes, pairs) et pourrait également être
renforcé par un biais émotionnel lié à cette première journée à l’Université. L'origine des
faibles niveaux de motivation observés en tout début d'année pourrait être liée à ce double
biais cognitif et émotionnel.
La discrimination entre genres ainsi qu'entre quartiles de performances ne permet pas
d'observer des différences de niveaux de motivation initiale, sauf à nouveau pour 06-07. Sur
base des deux premières années d'étude et vu le contexte quelque peu particulier de 06-07,
nous sommes donc amenés à rejeter notre hypothèse 6.1. En effet, bien que le cadre de la
présente étude soit très spécifique, les observations réalisées permettent de rejeter l’hypothèse,
très globale, que tous les étudiants qui entrent à l'Université dans une filière scientifique sont
fort motivé. Pour rappel, le niveau de motivation, calculé sur base de la motivation déclarée le
tout premier jour des cours à la FuSaGx, est extrêmement faible.

Hypothèse 6.2.
Nous avons vu (Figure 6.1) que les composantes motivationnelles moyennes évoluaient
relativement peu au cours de l'année. Cependant, cette relative stabilité ne reflète guère les
fluctuations et les différences observées entre les étudiantes et les étudiants ainsi qu'entre
quartiles de performances. Nous retenons donc notre hypothèse 6.2.
Les différents graphiques d'évolution de la motivation et de ses différentes composantes
illustrent la nécessité de faire la distinction entre les étudiants et les étudiantes. De même, le
suivi de la motivation au sein des différents quartiles de performances permet de mettre en
évidence des fluctuations de la motivation au cours de l'année. L'approche basée sur les
parcours motivationnels illustrent également les variations de motivation, que ce soit ou non
durant les périodes entrecoupées de sessions d'interrogations.

Hypothèse 6.3.
La Figure 6.9 montre très clairement des niveaux de motivation différents entre les étudiantes
et les étudiants, durant toute l'année. Ces différences sont renforcées en janvier par une
augmentation de motivation chez les étudiantes et une diminution chez les étudiants.
La décomposition entre composantes motivationnelles est également révélatrice. Les
composantes de la MI et la MEID sont toujours supérieures pour les étudiantes. Aucune
différence entre genres n'est observée pour la MIST. Par contre, la MERE des étudiants est
toujours supérieure à celle des étudiantes. Il en est de même pour l'amotivation mais les
différences sont rarement significatives.
Le suivi sur trois ans des indices de motivation et des composantes motivationnelles permet
de retenir notre hypothèse d'une plus forte motivation chez les étudiantes.

Hypothèse 6.4.
- 118 -
On peut considérer qu'environ 25% de la population des étudiants de 1ère bachelier à la
FuSaGx réussissent en première session. Le suivi de la motivation des quartiles définis sur
base des performances finales permet donc, avec le quartile 4 (Q4), de suivre l'historique de la
motivation des étudiants qui réussissent en première session.
Aucune différence significative entre le Q4 et les deux quartiles médians (Q2 et Q3) n'est
observée pour les composantes de la MI et de la ME. Cependant, en 04-05 et 06-07, des
différences ont été observées pour l'amotivation.
La motivation du Q4, mesurée à l'aide de l'IGM, est toujours supérieure (mais non
statistiquement) à celle des autres quartiles.
En l'absence de différences significatives, tant au point de vue des composantes
motivationnelles que de l’indice de motivation, nous sommes dans l'incapacité d'accepter ou
de rejeter notre hypothèse 6.4.

Hypothèse 6.5.
Dès le mois de décembre, l'amotivation des étudiants les moins performants se distingue de
l’amotivation des autres étudiants. On peut donc considérer qu'ils présentent très rapidement
des signes de démotivation et retenir notre hypothèse 6.5.
Lorsque nous comparons, pour chaque quartile de performances finales, l'évolution de
l'amotivation, le quartile des étudiants les plus faibles (Q1) se distingue rapidement du
quartile des étudiants qui obtiennent les meilleurs résultats (Q4) et parfois des autres quartiles.
Cependant, nous n'avons pas identifié systématiquement une démotivation rapide des
quartiles médians (Q2 et Q3).
L'analyse de l'évolution des composantes motivationnelles par quartile de performances
finales permet d'expliquer la chute de motivation précoce par une diminution marquée des
composantes de la motivation intrinsèque (MICO, MIAC et MIST) ainsi que de la motivation
extrinsèque à régulation identifiée (MEID). Il n'en est pas de même des autres composantes de
la motivation extrinsèque qui ne se différencient guère d'un quartile à l'autre.
Différents contextes peuvent engendrer de l'amotivation chez l'étudiant: l'évaluation de ses
capacités personnelles, le désir et la capacité à fournir des efforts suffisants, les
caractéristiques des tâches proposées ainsi que la valeur qu'il attribue aux tâches auxquelles il
est confronté (Legault, Green-Demers & Pelletier, 2006). Ces situations peuvent se présenter
dès les premières semaines de cours. Il n'est donc pas étonnant de voir apparaître très
rapidement des signes de démotivation. Ce développement précoce de l'amotivation est sous
l'influence directe du soutien social qui peut provenir des parents, des amis ou des
enseignants, ce qui ouvre la porte à différentes interventions. En l'absence de soutien, le
développement de l'amotivation engendrera de moindres performances académiques, une
diminution de l'estime de soi ainsi qu'une plus forte propension à abandonner ses études
(Legault, Green-Demers & Pelletier, 2006).
- 119 -
- 120 -
Chapitre 7 Relations entre la motivation
et les performances
7.1
A la fin du chapitre précédent, nous avons illustré différents parcours de motivation
conditionnés par les performances aux interrogations de l'année. Le présent chapitre est
consacré à l’étude et la quantification d’éventuelles relations réciproques qui lieraient la
motivation académique aux performances académiques. Nous débuterons par l’évaluation des
relations qui existent entre la motivation académique des étudiants et leurs performances.
Nous poursuivrons ensuite par l’analyse des liens qui existent entre les performances aux
interrogations et la motivation. Nous veillerons toujours à ne pas confondre "lien" et
"causalité". En effet, il est certain que les performances ne constituent pas le seul facteur qui
influence la motivation des étudiants. Nous en avons longuement débattu au Chapitre 2.
Cependant, à ce stade de la présentation de nos résultats, conformément à l’objet même de la
présente étude, nous restons persuadés qu'elles constituent une des principales sources de
variation de cette motivation. Les trois chapitres à venir visent à en vérifier et quantifier
l’impact.
Sciemment, nous étudierons ici les relations entre une mesure de motivation et des
performances ultérieures puis entre des performances et une mesure ultérieure de motivation.
L'hypothèse globalisante du présent chapitre peut donc être formulée de la manière suivante:

La relation entre la motivation et les performances est réciproque.
Elle englobe différentes hypothèses spécifiques:
Hypothèse 7.1. La motivation académique en début d'année est corrélée aux performances
ultérieures.
Hypothèse 7.2. Plus l'année avance, plus la motivation est corrélée aux performances
finales.
Hypothèse 7.3. L'absence de motivation (amotivation) est négativement corrélée aux
performances.
Hypothèse 7.4. Les performances aux interrogations sont corrélées à la motivation évaluée
après communication des résultats.
7.2
Méthodologie
La vérification de nos trois premières hypothèses est basée sur le calcul des corrélations
existant entre une mesure de motivation et des performances ultérieures. Nous utilisons l'IGM
comme mesure de la motivation (Hypothèses 7.1 et 7.2) et l'amotivation est la seule
"composante motivationnelle" étudiée ici (Hypothèse 7.3).
- 121 -
Par performances, nous considérons toujours les cotes moyennes obtenues par les étudiants
aux sessions d'interrogations ou aux examens de fin d'année (première session). Elles sont
exprimées en pourcentages (voir au Chapitre 5 les Tableau 5.3 à Tableau 5.8).
Les liens entre les performances et une mesure ultérieure de motivation sont également
étudiés sous devis corrélationnels, en considérant d'une part chaque session d'interrogations
(novembre, janvier et avril) et d'autre part les périodes d'évaluation de la motivation qui
suivent la présentation et la discussion des résultats obtenus (Hypothèse 7.4).
Afin d'éviter toute interprétation abusive, il ne faut pas perdre de vue que l'existence d'une
corrélation même élevée entre la motivation et les performances n'implique pas
nécessairement l'existence d'une relation de cause à effet entre ces deux variables. En effet, les
corrélations observées sont souvent dues au fait que les variables observées sont toutes deux
soumises à des influences communes, qui peuvent en modifier simultanément les valeurs, soit
dans un sens (corrélation positive), soit en sens opposé (corrélation négative) (Dagnelie,
1973).
Vu la taille réduite des populations d’étudiants constituant les différents quartiles de
performances finales (5.3), nous n’avons jugé pertinent de calculer les corrélations pour
l’ensemble de ces sous populations.
7.3
Relations entre la motivation initiale et les performances
ultérieures
Au chapitre précédent, l'étude de l'évolution de la motivation des étudiant(e)s a permis de
mettre en évidence des différences significatives (p<0,05) entre genres, tant au niveau des
composantes motivationnelles qu'au niveau des indices motivationnels.
Les relations entre la motivation et les performances ultérieures sont étudiées sous trois angles
particuliers:



7.3.1
le lien entre la motivation initiale et les performances aux différentes sessions
d'interrogations et d'examens de l'année;
le lien entre les différentes mesures de motivation réalisées durant l'année et les
performances finales;
le lien entre les différentes mesures de l'amotivation réalisées durant l'année et
les performances finales.
Relations entre la motivation initiale et les performances
L'étude des relations entre la motivation en début d'année et les performances ultérieures doit
permettre d'étayer notre première hypothèse:
Hypothèse 7.1. La motivation académique en début d'année est corrélée aux performances
ultérieures.
- 122 -
Le Tableau 7.1 présente, avec distinction entre genres, l'ensemble des mesures de corrélation
entre la motivation initiale et les performances réalisées durant l'année.
Performances
Motivation moyenne
n
Novembre Coeff Corr
Prob.
Janvier
Coeff Corr
Prob.
Avril
Coeff Corr
Prob.
Juin
Coeff Corr
Prob.
IGM
Septembre 2004
IGM
Septembre 2005
IGM
Septembre 2006
Total
F
M
Total
F
M
Total
F
M
7,12
152
-0,051
0,532
-0,079
0,336
-0,078
0,341
-0,076
0,353
7,51
67
-0,113
0,365
-0,122
0,324
-0,192
0,120
-0,159
0,199
6,81
85
-0,041
0,707
-0,079
0,472
-0,025
0,824
-0,044
0,688
6,84
186
0,079
0,287
0,049
0,510
0,132
0,072
0,103
0,163
7,84
65
0,073
0,565
0,054
0,672
0,072
0,569
0,034
0,786
6,31
121
0,025
0,785
-0,004
0,963
0,087
0,343
0,081
0,378
9,87
186
0,195
0,008
0,242
0,001
0,243
0,001
0,273
<0,001
10,54
55
0,274
0,043
0,331
0,014
0,270
0,047
0,246
0,071
9,58
131
0,176
0,044
0,218
0,012
0,230
0,008
0,283
0,001
Tableau 7.1. Relations entre la motivation initiale (IGM) et les performances aux
interrogations et examens des années 2004-2005 à 2006-2007
(F=étudiantes; M=étudiants)
En 04-05 et 05-06, aucune corrélation n'est observée entre la motivation initiale et les
performances ultérieures. Les coefficients de corrélation calculés sur 04-05 sont proches de
zéro et tous négatifs.
En 06-07, l'IGM initial est corrélé à toutes les performances moyennes obtenues aux sessions
d'évaluations de l'année, pour les étudiantes comme pour les étudiants.
7.3.2
Relations entre la motivation et les performances finales
Afin de vérifier l'hypothèse 7.2, nous avons cherché à vérifier l'existence de liens entre les
différentes mesures de motivation et les performances finales.
Hypothèse 7.2. Plus l'année avance, plus la motivation est corrélée aux performances
finales.
Le Tableau 7.2 présente, avec distinction entre genres, les différents coefficients de
corrélation (r) calculés entre la motivation évaluée à différentes périodes de l'année et les
performances aux examens de juin.
Nous avons vu au Tableau 7.1 que la motivation initiale en 04-05 et 05-06 n'était aucunement
corrélée aux performances ultérieures. Par contre, dès la seconde évaluation de la motivation
(décembre), la corrélation est significative pour l'ensemble de la population (Tableau 7.2).
Cependant, la distinction entre genres permet d'identifier des corrélations significatives chez
les étudiants mais non chez les étudiantes.
- 123 -
Performances
Juin
Moyenne
Septembre Coeff Corr
Prob.
n
Moyenne
Décembre Coeff Corr
Prob.
n
Moyenne
Janvier Coeff Corr
Prob.
n
Moyenne
Mars Coeff Corr
Prob.
n
Moyenne
Mai
Coeff Corr
Prob.
n
Total
7,12
-0,076
0,353
152
7,69
0,237
0,007
128
7,89
0,235
0,004
149
7,46
0,275
0,002
130
7,15
0,313
<0,001
131
IGM
2004-2005
F
7,51
-0,160
0,199
67
7,76
0,177
0,192
56
8,53
0,093
0,459
65
8,45
0,144
0,300
54
7,71
0,236
0,067
61
M
6,81
-0,044
0,688
85
7,64
0,284
0,016
72
7,40
0,312
0,004
84
6,75
0,303
0,008
76
6,67
0,351
0,003
70
Total
6,84
0,103
0,163
186
7,88
0,240
0,001
181
7,85
0,278
<0,001
190
8,26
0,245
0,001
169
8,05
0,256
0,001
158
IGM
2005-2006
F
7,84
0,034
0,786
65
8,71
0,139
0,278
63
9,18
0,264
0,032
66
8,99
0,290
0,024
61
8,73
0,286
0,025
61
M
6,31
0,081
0,378
121
7,43
0,264
0,004
118
7,14
0,238
0,008
124
7,85
0,178
0,066
108
7,62
0,196
0,055
97
Total
8,56
0,273
<0,001
186
7,84
0,342
<0,001
148
7,51
0,359
<0,001
179
7,89
0,275
<0,001
155
8,11
0,297
0,001
127
IGM
2006-2007
F
9,12
0,246
0,071
55
8,62
0,289
0,0541
45
8,46
0,365
0,009
51
9,02
0,302
0,037
48
9,09
0,242
0,149
37
M
8,33
0,283
0,001
131
7,50
0,356
<0,001
103
7,13
0,355
<0,001
128
7,38
0,271
0,005
107
7,70
0,329
0,002
90
Tableau 7.2. Relations entre cinq mesures successives de la motivation (IGM) et les
performances finales en juin (F: étudiantes; M: étudiants)
Pour l'année 06-07, les corrélations entre les différentes mesures de motivation et les
performances finales sont toutes significatives sauf au début et en fin d'année pour les
étudiantes.
Les coefficients de corrélation calculés n'augmentent pas au cours de l'année. En effet, en 0506 et 06-07, les plus hauts coefficients de corrélation entre la motivation et les performances
ne sont jamais observés en fin d'année mais plutôt en décembre pour les étudiants et en
janvier ou mars pour les étudiantes. En 04-05, les plus hautes corrélations sont observées en
fin d'année mais elles ne sont pas croissantes au cours de l'année pour les étudiantes.
7.3.3
Relations entre l'amotivation et les performances finales
Au chapitre 6, nous avons analysé les courbes d'évolution de l'amotivation en fonction des
quartiles définis sur base des performances finales. Les étudiants les plus performants en fin
d'année (Q4) présentaient un niveau d'amotivation inférieur aux autres étudiants.
Nous cherchons ici à vérifier si l'amotivation est négativement corrélée aux performances
finales. La question des possibilités de réussite avec une faible motivation sera traitée au
chapitre 8.
Hypothèse 7.3. L'absence de motivation (amotivation) est négativement corrélée aux
performances.
- 124 -
Les coefficients de corrélation entre l'amotivation et les performances finales sont présentés
au Tableau 7.3. Les scores moyens, pour l'amotivation, restent très faibles pour les étudiantes
comme pour les étudiants. A partir du mois de décembre, on peut observer pour l'ensemble de
la population, une corrélation inverse entre l'amotivation et les performances finales.
Lorsqu'on distingue les genres dans l'étude des relations entre l'amotivation et les
performances finales, la corrélation est significative (p<0,05) pour les étudiants (sauf mai 0506), dès le mois de décembre. Ainsi, l'amotivation déclarée en décembre 04-05 expliquerait
16% (r2) de la variance des performances finales des étudiants (r=-0,396, p=0,001).
Pour les étudiantes, les corrélations inverses ne sont pas significatives tout au long de l'année.
En effet, elles le sont en mai 04-05, de décembre à mai 05-06 ainsi qu'en janvier et mars 0607. Le nombre peu élevé d'étudiantes au sein des cohortes est en partie responsable des faibles
probabilités associées aux coefficients de corrélation calculés.
Performances
Juin
Septembre
Décembre
Janvier
Mars
Mai
Moyenne
Coeff Corr
Prob.
n
Moyenne
Coeff Corr
Prob.
n
Moyenne
Coeff Corr
Prob.
n
Moyenne
Coeff Corr
Prob.
n
Moyenne
Coeff Corr
Prob.
n
Amotivation
Amotivation
Amotivation
2004-2005
2005-2006
2006-2007
Total
F
M
Total
F
M
Total
F
M
1,47
1,41
1,51
1,41
1,31
1,47
1,23
1,15
1,27
0,025
0,106 -0,011 -0,095 -0,143 -0,048 -0,209 -0,118 -0,238
0,759
0,394 0,923
0,195 0,256 0,603 0,004 0,390 0,006
152
67
85
186
65
121
186
55
131
1,69
1,59
1,77
1,40
1,31
1,44
1,47
1,37
1,51
-0,340 -0,251 -0,396 -0,322 -0,373 -0,294 -0,335 -0,193 -0,382
<0,001 0,062 0,001 <0,001 0,003 0,001 <0,001 0,204 <0,001
128
56
72
181
63
118
148
45
103
1,52
1,42
1,61
1,53
1,39
1,60
1,61
1,43
1,68
-0,255 -0,220 -0,259 -0,295 -0,389 -0,250 -0,364 -0,463 -0,339
0,002
0,078 0,017 <0,001 0,001 0,005 <0,001 0,001 <0,001
149
65
84
190
66
124
179
51
128
1,51
1,23
1,71
1,31
1,29
1,33
1,45
1,29
1,53
-0,297 -0,089 -0,345 -0,274 -0,393 -0,200 -0,249 -0,302 -0,242
0,001
0,520 0,002 <0,001 0,002 0,038 0,002 0,037 0,012
130
54
76
169
61
108
155
48
107
1,79
1,64
1,92
1,55
1,55
1,55
1,41
1,25
1,48
-0,375 -0,355 -0,389 -0,198 -0,359 -0,082 -0,320 -0,185 -0,375
<0,001 0,008 0,001 0,013 0,005 0,427 <0,001 0,273 <0,001
131
61
70
158
61
97
127
37
90
Tableau 7.3. Relations entre cinq mesures successives de l'amotivation et les
performances finales en juin (F: étudiantes; M: étudiants)
- 125 -
7.4
Relations entre les performances et la motivation proche
Par différentes analyses de corrélations, nous venons d'étudier les relations entre la motivation
initiale et les performances de l'année ainsi que le lien entre les différentes mesures de
motivation (y compris l'amotivation) et les performances finales. Contrairement à ce que les
titres des sections peuvent faire penser, les analyses corrélatoires ne permettent pas d'établir
un lien de causalité entre la motivation et les performances. Nous ne pouvons donc pas
prétendre avoir étudié l'influence de la motivation sur les performances.
Hypothèse 7.4. Les performances aux interrogations sont corrélées à la motivation évaluée
après communication des résultats.
Dans les pages qui suivent, nous utiliserons à nouveau le calcul de coefficients de corrélation
pour quantifier l'intensité des liens réciproques qui existent entre les performances et la
motivation évaluée juste après la communication et la discussion des résultats aux trois
sessions d'interrogations de l'année.
Au chapitre 6, le suivi de l'évolution de la motivation des étudiant(e)s nous a permis
d'observer une hausse de la motivation et des composantes motivationnelles entre le début de
l'année et le mois de décembre, sauf pour l'année 06-07. Cette dernière se caractérisait entre
autres par une très forte motivation initiale, ce qui pourrait expliquer la chute de motivation
observée entre septembre et décembre.
Les figures du chapitre 6 ne permettent pas d'établir un lien entre les performances en
novembre et la motivation en décembre, c'est pourquoi nous l'évaluons ici en calculant le
coefficient de corrélation entre les performances de novembre et la motivation en décembre
(Tableau 7.4).
La même démarche est mise en place pour les interrogations de janvier et celles d'avril. Aussi
analysons-nous au Tableau 7.5 le lien entre les performances en janvier et la motivation fin
janvier, au Tableau 7.6 le lien entre ces mêmes performances et la motivation en mars puis au
Tableau 7.7 le lien entre les performances en avril et la motivation en mai.
Les performances aux sessions d'interrogations de l'année sont toutes corrélées à la motivation
mesurée juste après présentation des résultats. Les résultats repris aux quatre tableaux
suivants permettent néanmoins de distinguer des différences entre genres:



La corrélation entre les performances et la motivation proche est généralement
plus forte chez les étudiants que chez les étudiantes;
Il n'y a pas de lien entre les performances en novembre (04-05 et 05-06) et la
motivation des étudiantes en décembre;
En 04-05, nous n'observons pas de lien entre les performances des étudiantes en
janvier et leur motivation évaluée fin janvier ainsi qu'au mois de mars.
- 126 -
Performances
Novembre
Moyenne
Coeff Corr
Prob.
n
IGM
Décembre 2004
Total
F
M
7,69
7,76
7,64
0,177
0,090
0,228
0,046
0,507
0,054
128
56
72
IGM
Décembre 2005
Total
F
M
7,88
8,71
7,43
0,176
0,139
0,169
0,018
0,278
0,067
181
63
118
IGM
Décembre 2006
Total
F
M
7,84
8,62
7,50
0,256
0,345
0,227
0,002
0,020
0,021
148
45
103
Tableau 7.4. Relations entre les performances à la session d'interrogations de novembre
et la motivation (IGM) en décembre 2004-2005, 2005-2006 et 2006-2007
Performances
Janvier
Moyenne
Coeff Corr
Prob.
n
IGM
Fin janvier 2005
Total
F
M
7,89
8,53
7,40
0,197
0,075
0,249
0,016
0,554
0,023
149
65
84
IGM
Fin janvier 2006
Total
F
M
7,85
9,18
7,14
0,270
0,297
0,229
<0,001 0,016
0,010
190
66
124
IGM
Fin janvier 2007
Total
F
M
7,51
8,46
7,13
0,336
0,393
0,321
<0,001 0,004 <0,001
179
51
128
Tableau 7.5. Relations entre les performances à la session d'interrogations de janvier et
la motivation (IGM) fin janvier 2004-2005, 2005-2006 et 2006-2007
Performances
Janvier
Moyenne
Coeff Corr
Prob.
n
Total
7,46
0,208
0,018
130
IGM
Mars 2005
F
M
8,45
6,75
0,064
0,232
0,648
0,044
54
76
Total
8,26
0,210
0,006
169
IGM
Mars 2006
F
8,99
0,292
0,023
61
M
7,85
0,133
0,171
108
Total
7,89
0,219
0,006
155
IGM
Mars 2007
F
9,02
0,332
0,021
48
M
7,38
0,189
0,052
107
Tableau 7.6. Relations entre les performances à la session d'interrogations de janvier et
la motivation (IGM) en mars 2004-2005, 2005-2006 et 2006-2007
Performances
Avril
Moyenne
Coeff Corr
Prob.
n
IGM
Mai 2005
Total
F
M
7,15
7,71
6,67
0,334
0,271
0,366
<0,001 0,035
0,002
131
61
70
IGM
Mai 2006
Total
F
M
8,05
8,73
7,62
0,256
0,303
0,188
0,001
0,018
0,066
158
61
97
IGM
Mai 2007
Total
F
M
8,11
9,09
7,70
0,304
0,297
0,317
0,001
0,075
0,002
127
37
90
Tableau 7.7. Relations entre les performances à la session d'interrogations d'avril et la
motivation (IGM) en mai 2004-2005, 2005-2006 et 2006-2007
7.5
Discussion
Les relations entre la motivation et les performances des étudiants ont été étudiées sous devis
corrélationnels pour les trois années d'étude. Trois niveaux de relation ont été étudiés: (1)
relation entre la motivation initiale et les performances ultérieures; (2) relation entre la
motivation durant l'année et les performances finales; (3) relations entre les performances et la
motivation proche.
- 127 -
L'étude de l'évolution de la motivation (Chapitre 6) a permis de mettre en évidence de grandes
différences entre cohortes suivies. En effet, l'année 06-07 se distinguait des deux autres sur
plusieurs points. Pour l'étude des relations entre la motivation et les performances, la cohorte
suivie en 06-07 se distingue également des deux autres. C'est en effet la seule année pour
laquelle nous avons observé des corrélations entre la motivation initiale et les performances
ultérieures. Rappelons ici qu'au chapitre précédent, nous avions noté des différences de
motivation initiale entre quartiles de performances et que la composition des quartiles de
performance se caractérisait par la répartition équilibrée des étudiantes au sein de ces quartiles
alors qu’en 04-05 et 05-06, les étudiantes sont proportionnellement plus nombreuses dans le
quartile des plus performants (voir en 5.3). Nous reviendrons sur cette particularité de la
population 06-07 dans notre discussion générale à propos des importants effets cohortes
observés. Enfin, concernant la motivation initiale évaluée début 06-07, il est utile de rappeler
que le questionnaire d'évaluation de la motivation a été soumis le deuxième jour de cours et
non le premier, comme en 04-05 et 05-06.
Les liens entre la motivation (IGM) et les performances finales sont clairement établis, chaque
année, à partir du mois de décembre. Il en est de même des relations entre l'amotivation et ces
mêmes performances finales. Les étudiantes étant moins nombreuses que les étudiants, les
corrélations calculées sont moins souvent significatives que pour les étudiants. Cependant,
lorsque p<0,05 les coefficients de corrélation observés sont souvent plus élevés que pour les
étudiants.
Il est utile de rappeler que ce volet de la recherche est basé sur une approche corrélationnelle,
laquelle n’offre aucune garantie quant aux liens causaux entre la motivation et les
performances. Il est possible et même probable que des influences réciproques existent entre
ces deux variables. Ainsi, l'obtention de mauvaises performances engendrerait de la
démotivation, de même que cette démotivation favoriserait de piètres performances
ultérieures.
Sur base des observations réalisées, nous sommes donc amenés à :
Rejeter et discuter notre hypothèse 7.1.
En effet, le lien entre la motivation initiale et les performances ultérieures n'a été observé
qu'en 06-07. Par motivation initiale, nous entendons la motivation déclarée, le premier jour
des cours à l'Université. Cette motivation est probablement sous-estimée ou biaisée par le fait
que les étudiants puisent être déstabilisés cognitivement lorsqu’ils se retrouvent pour la
première fois confronté au monde universitaire. Cette déstabilisation face à un environnement
inconnu a été présentée dans la discussion du précédent chapitre.
Rejeter et discuter notre hypothèse 7.2.
Nous avons bien observé, dès le mois de décembre, de fortes corrélations entre la motivation
et les performances finales, cependant les liens observés ne se renforcent pas au cours de
l'année. Ainsi, ils étaient plus forts en décembre et en janvier qu'en mars et en mai.
Accepter notre hypothèse 7.3.
L'absence de motivation, mesurée à l'aide de la composante "amotivation", est négativement
corrélée aux performances. La distinction entre genres permet d’identifier une relation inverse
plus forte et plus fréquente entre l’amotivation et les performances chez les étudiants.
- 128 -
Accepter notre hypothèse 7.4.
Les performances aux interrogations de l'année sont corrélées à la motivation évaluée après
communication des résultats. Très peu de différences ont été notées entre les étudiantes et les
étudiants. Les corrélations les plus fortes ont été observées entre les performances d'avril et la
motivation mesurée en mai. Sans surprise, les plus faibles corrélations sont observées entre
les performances en janvier et la motivation mesurée en avril, soit deux mois plus tard.
- 129 -
- 130 -
Chapitre 8 Etude des trajectoires de motivation
académique à l'aide d'une méthode semiparamétrique fondée sur le groupement
« It must be acknowledged that there are infinitely many ways
to carve up the conceptual and methodological space »
(Ram & Gerstorf, 20096)
8.1
Introduction
Les deux précédents chapitres ont permis d'une part (Chapitre 6) d'étudier l'évolution, au
cours d'une année académique, de la motivation et de ses différentes composantes, d'autre part
(Chapitre 7) d'étudier les relations réciproques existant entre la motivation et les performances
aux interrogations et aux examens. Lors de ces deux études, nous avons tenu compte du
paramètre "genre" ainsi que des performances finales pour établir, a posteriori, des souspopulations au sein de nos échantillons. De récentes recherches en matière de méthodes
statistiques permettent d'établir des groupes distincts de façon inductive et empirique, ce qui
ouvre la voie à l'établissement de modèles développementaux plus particuliers.
Dans ce chapitre, nous transposons et appliquons à nos recherches les récentes procédures
d'analyse des trajectoires de comportement. Celles-ci consistent à modéliser l'évolution d'un
phénomène en fonction de l'âge ou du temps. Elles nécessitent la récolte de données
longitudinales, lesquelles constituent les fondements de nombreuses recherches en sciences
sociales et en sciences du comportement. Nagin (2002) relève par exemple l'estimation des
modèles de la dynamique des revenus par les économistes, l'étude de l'évolution de
psychopathologies (alcoolisme, toxicomanie) par les psychologues et psychiatres, l'étude du
développement de la criminalité et de la délinquance par les criminologues, mais aussi l'étude
de l'évolution des maladies et des processus physiologiques par le monde de la recherche
médicale.
L'utilisation d'une méthode de trajectoires dans le cadre de nos recherches postule qu'il existe
une hétérogénéité dans le développement motivationnel des personnes. Cette méthode
présente le grand intérêt de modéliser l'hétérogénéité dans la population en réduisant la
subjectivité liée à l'identification de différents groupes. En effet, nous avons précédemment
défini au sein de notre échantillon des sous-populations sur base des performances finales,
puis nous en avons étudié les composantes motivationnelles. L'étude des trajectoires de
motivation permet de son coté d'examiner les caractéristiques de chacun des groupes ayant été
reconnus, y compris d'examiner les liens entre l'appartenance à une trajectoire donnée et les
performances moyennes obtenues.
6
Ram, N, & Gerstorf, D., 2009. Time-structured and net intraindividual variability : Tools for examining the development of
dynamic characteristics and processes. Psychology and Aging, 24(4), 778-791.
- 131 -
8.2
Les objectifs du présent volet de notre recherche reposent sur les capacités de la méthode
utilisée mais également sur son exploitation à des fins détournées:







Identifier des profils de motivation instantanés, caractérisés par diverses
combinaisons des composantes motivationnelles;
Utiliser les probabilités d'appartenir aux groupes de profils et les relier aux
performances;
Reconnaître des groupes distincts de trajectoires d'évolution de la motivation
académique;
Estimer la proportion de la population qui suit chacun des groupes de
trajectoires;
Etablir le lien entre le genre et la probabilité d'appartenir à un groupe;
Utiliser les probabilités d'appartenir à un groupe et les relier aux performances;
Combiner l'évolution de la motivation et l'évolution des performances au sein
d'un modèle double afin d'identifier (1) les groupes de trajectoires pour chaque
série de mesures, (2) la probabilité d'appartenir à chaque groupe de trajectoires,
et (3) la probabilité d'appartenir à chaque combinaison des groupes de
trajectoires respectives.
Outre ces objectifs, le présent chapitre vise à illustrer et à vérifier l'intérêt de la méthode des
trajectoires dans le cadre de recherches en pédagogie universitaire et en psychosociologie.
L'ensemble de la démarche devrait permettre de vérifier différentes hypothèses spécifiques:
Hypothèse 8.1. Il existe des groupes d'étudiants qui présentent des profils instantanés de
motivation distincts
Hypothèse 8.2. Les profils de motivation sont couplés à des performances distinctes
Hypothèse 8.3. Il existe des groupes d'étudiants qui présentent des trajectoires de motivation
distinctes
Hypothèse 8.4. Les trajectoires de motivation sont couplées à des performances distinctes
Hypothèse 8.5. Un étudiant peu motivé ne peut obtenir de bonnes performances finales
8.3
Méthodologie
Les fondements statistiques et les détails techniques relatifs à l'analyse des trajectoires de
développement sont présentés dans Nagin (1999), Nagin et Tremblay (2001), Jones, Nagin et
Roeder (2001), et plus récemment dans Jones et Nagin (2007). L'application permettant
d'effectuer les procédures d'établissement des trajectoires "Proc Traj" avec SAS peut être
téléchargée ainsi que différentes macro's sur le site internet de B.L. Jones
"http://www.andrew.cmu.edu/user/bjones/index.html".
8.3.1
Participants, instruments et procédures
Trois cohortes successives d'étudiants nouvellement inscrits à la Faculté universitaire des
Sciences agronomiques de Gembloux ont été suivies durant une année académique. Pour
chaque étudiant, nous disposons idéalement de cinq évaluations de la motivation et de quatre
mesures de performances. Le questionnaire d'évaluation de la motivation a été présenté au
Chapitre 4 et les populations d'étude ont été décrites au Chapitre 5.
- 132 -
8.3.2
Analyses
a. Les profils instantanés de motivation
La méthode fondée sur le groupement permet entre autres de répondre aux demandes
d'élaborations d'approches "axées sur la personne" (Nagin, 2002). Ces demandes visent à
disposer d'une image statistique instantanée (profil) des caractéristiques distinctives des
individus qui suivent des cheminements de développement différents. L'usage détourné de
cette méthode vient d'être utilisé par Ratelle et al. (2007) sur des données anciennes récoltées
à l'aide du même outil que le nôtre avec, pour seule différence, une échelle de motivation
composée de cinq composantes motivationnelles (MI, MEID, MEIN, MERE, AMOT).
Ratelle et al. (2007) ont ainsi identifié des sous-groupes caractérisés par des profils
motivationnels distincts.
L'usage détourné de la méthode des trajectoires n'envisage donc pas d'étudier l'évolution de
trajectoires de motivation dans le temps mais d'utiliser les composantes motivationnelles
(sous-unités de l'EME) afin d'identifier différents profils instantanés de motivation
caractérisés par la combinaison de ces composantes motivationnelles.
Pour chaque année d'étude, nous disposons de cinq périodes d'évaluation de la motivation, ce
qui nous permet d'établir cinq relevés de profils instantanés de motivation. Pour chaque
période d'évaluation, les profils identifiés peuvent ensuite être comparés entre eux sur base
des performances aux interrogations et aux examens.
b. Les trajectoires de motivation
Les cinq mesures annuelles de la motivation des étudiants sont utilisées dans la modélisation
des trajectoires. Les modèles de trajectoires, fondés sur le groupement, sont estimés à partir
des données des étudiants et des étudiantes, à l'aide de la procédure "TRAJ" dans SAS (Jones,
Nagin & Roeder, 2001; Nagin, 1999).
Comme présenté au niveau des objectifs de l'étude, la méthode fondée sur le groupement
permet d'identifier des groupes d'étudiants qui suivent des trajectoires distinctes de motivation
ainsi que d'estimer la proportion d'étudiants au sein de chaque groupe.
Afin d'établir le modèle et le nombre optimal de groupes, des modèles et un nombre croissant
de trajectoires (entre une et sept) ont initialement été estimés. Les modèles pour lesquels le
Critère d'Information Bayesien (CIB) est maximisé (lorsqu'il est le moins négatif) sont
préférés. Une fois le nombre optimal de groupes défini, la procédure est appliquée avec
"cubique" comme paramètre de forme de trajectoire, car les modifications de la motivation
sont non linéaires et fluctuent dans le temps.
Le facteur "genre de l'étudiant" a été introduit dans le modèle comme covariable stable. La
procédure statistique fournit deux estimations: (1) la probabilité que chaque sujet soit classé
dans chacun des groupes de trajectoires identifiés et (2) l'assignation de chaque sujet au
groupe de trajectoires auquel il a la plus grande probabilité d'appartenir. Ces données
permettent d'établir les proportions d'étudiants dans les différents groupes de trajectoires.
- 133 -
Pour chaque groupe de trajectoires, il est possible d'évaluer et de comparer les performances
moyennes des étudiants aux différentes sessions d'interrogations et d'examens. Ainsi,
différentes analyses de la variance (SNK) ont été réalisées en vue de comparer les niveaux de
performances entre groupes de trajectoires de motivation.
c. Le modèle à trajectoires conjointes "motivation / performances"
Les quatre mesures annuelles des performances des étudiants (interrogations de novembre,
janvier, avril et examens de juin) peuvent également être utilisées dans la modélisation de
trajectoires. Chaque fois, après identification du modèle et du nombre optimal de groupes, il
est possible de combiner les modèles de trajectoires de performances avec les modèles de
trajectoires de motivation au sein d'un "dual trajectory model" (Jones & Nadin, 2007). Ce
modèle à trajectoires conjointes permet d'analyser les liens entre l'évolution de deux facteurs
distincts mais associés entre eux.
Ainsi, nous avons combiné l'évolution de la motivation et l'évolution des performances au
sein d'un modèle conjoint de manière à identifier (1) les groupes de trajectoires pour chaque
série de mesures, (2) la forme de la trajectoire des sous-populations distinctes pour les deux
séries de mesures, (3) la probabilité d'appartenir à chaque groupe de trajectoires, et (4) la
probabilité conjointe d'appartenance à chaque combinaison de groupes de trajectoires
respectives.
8.4
Profils instantanés de motivation
En 2002, Nagin précise que la méthode fondée sur le groupement permet de répondre aux
demandes d'élaboration d'approches "axées sur la personne". En effet, ces demandes sont
motivées par le désir de disposer de méthodes donnant une image statistique instantanée des
caractéristiques et comportements distinctifs des individus qui suivent des cheminements de
développement différents. Ainsi, en classant les individus dans le groupe de trajectoires
auquel ils sont les plus susceptibles d'appartenir d'après les évaluations chronologiques, il est
possible d'établir une cartographie de leurs caractéristiques sur base des données "historiques"
récoltées lors des enquêtes (nombre d'années d'études et revenus de la mère et du père; QI;
nombre de redoublements; etc.).
Ratelle et al. (2007) utilisent quasiment le même instrument que nous pour évaluer la
motivation des étudiants. Comme Nagin (2002), ils poursuivent une approche axée sur la
personne mais ils détournent à cette fin l'objet initial de la méthode des groupements. Leur
démarche trouve ses fondements dans la théorie de l'autodétermination (Deci & Ryan, 1985)
qui considère les différents types de motivation (repris ultérieurement dans l'EME par
Vallerand et al., 1989) comme étant répartis le long d'un continuum d'autodétermination.
Théoriquement répartis le long de ce continuum d'autodétermination, les différents types de
motivation calculés à l'aide de l'EME sont considérés comme différentes valeurs successives
de motivation. La "Proc Traj" de SAS, décrite par Jones, Nagin et Roeder (2001), est utilisée
afin d'identifier le nombre de profils motivationnels (agencement des différentes composantes
motivationnelles) présents dans la population, leur "trajectoire" (importances respectives des
différentes composantes motivationnelles), ainsi que les proportions d'étudiants appartenant à
chacun de ces profils.
- 134 -
Nous reprenons la même démarche que Ratelle et al. (2007), ce qui nous permet d'établir cinq
relevés de profils instantanés de motivation par année académique. Pour chaque cohorte
suivie, cinq graphiques illustrent ces relevés, avec l'identification des profils de motivation
ainsi que la probabilité de répartition des étudiants au sein de chacun de ces profils.
Sur base du nombre de profils déterminé grâce au CIB et de la répartition des étudiants au
sein de chacun des profils, nous avons évalué les performances moyennes des membres de
chacun des profils et effectué une comparaison de moyennes. Les résultats sont présentés aux
Tableau 8.1 à Tableau 8.3.
8.4.1
Profils de motivation académique
Notre classification est plus parcimonieuse que celle de Ratelle et al. (2007). En effet, l'usage
du CIB a permis d'identifier deux profils instantanés de motivation par période d'évaluation de
la motivation. Deux exceptions cependant: trois profils ont été identifiés en janvier de chaque
année ainsi qu'en mai 2007.
Les noms attribués aux profils identifiés reposent sur la théorie de l'autodétermination et sont
inspirés par ceux utilisés par Ratelle et al. (2007). Chaque fois que deux profils ont été
identifiés, ils présentaient des faciès fort comparables. Nous leur avons attribué les noms
suivants: AU-C hautes et AU-C moyennes.
Par "AU", les auteurs entendent la motivation autonome. Celle-ci regroupe les motivations
intrinsèques (une seule valeur pour Ratelle et al., 2007) ainsi que la motivation extrinsèque à
régulation identifiée (MEID).
Le "C" repris dans notre légende symbolise la motivation contrôlée, limitée ici à la motivation
extrinsèque à régulation introjectée (MEIN) ainsi qu'à la motivation extrinsèque à régulation
externe (MERE).
Notons que l'amotivation est généralement plus faible pour les profils AU-C hautes que pour
les profils AU-C moyennes.
Au mois de janvier de chaque année, trois profils ont été identifiés. En 04-05 et 06-07, nous
avons été amenés à reconnaître et identifier un profil comme étant "AU-vrai" - "Truly AU" de
Ratelle et al. (2007) - soit "autonome vrai" en référence à la théorie de l'autodétermination qui
considère le profil motivationnel idéal comme étant composé de fortes motivations
intrinsèques et de faibles motivations extrinsèques.
En janvier 2006 et mai 2007, la superposition des trois profils, sans chevauchement, nous a
amené à reconnaître des profils à motivations autonome et contrôlée (AU-C) de haut, de
moyen et de bas niveaux.
Une grande constance des profils a été observée pour chaque cohorte suivie. Par contre, les
proportions théoriques d'étudiants appartenant à chacun de ces profils fluctuent fortement au
cours de l'année, sauf en 05-06 (Figure 8.1 à Figure 8.3).
- 135 -
7
Septembre 2004
AU-C moyennes
68,9%
Niveau (1 à 7)
6
AU-C hautes
31,1%
5
4
3
2
1
0
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
7
Décembre 2004
AU-C moyennes
14,6%
Niveau (1 à 7)
6
AU-C hautes
85,4%
5
4
3
2
1
0
7
Janvier 2005
AU-vrai
29,8%
6
Niveau (1 à 7)
AU-C hautes
52,8%
AU basse
C moyenne
17,4%
5
4
3
2
1
0
7
Mars 2005
AU-C moyennes
54,8%
Niveau (1 à 7)
6
AU-C hautes
45,2%
5
4
3
2
1
0
7
Mai 2005
AU-C moyennes
76,2%
Niveau (1 à 7)
6
AU-C hautes
23,8%
5
4
3
2
1
0
Figure 8.1.
Profils de motivation académique durant l'année 2004-2005
(AU=Motivation autonome; C=Motivation contrôlée; MICO: motivation
intrinsèque à la connaissance, MIAC: -- à l’accomplissement, MIST: -- à la
stimulation, MEID: motivation extrinsèque par régulation identifiée, MEIN:
-- par rég. introjectée, MERE: -- par rég. externe, AMOT: amotivation)
- 136 -
7
Septembre 2005
AU-C moyennes
34,8%
Niveau (1 à 7)
6
AU-C hautes
65,2%
5
4
3
2
1
0
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
7
Décembre 2005
AU-C moyennes
34,5%
Niveau (1 à 7)
6
AU-C hautes
65,5%
5
4
3
2
1
0
7
Janvier 2006
AU-C moyennes
50,3%
Niveau (1 à 7)
6
AU-C hautes
43,9%
5
4
3
2
1
AU-C basses
5,8%
0
7
Mars 2006
AU-C moyennes
38,9%
Niveau (1 à 7)
6
AU-C hautes
61,1%
5
4
3
2
1
0
7
Mai 2006
AU-C moyennes
24,4%
Niveau (1 à 7)
6
AU-C hautes
75,6%
5
4
3
2
1
0
Figure 8.2.
Profils de motivation académique durant l'année 2005-2006 (AU=
Motivation autonome, C= Motivation contrôlée, MICO: motivation
- 137 -
7
Septembre 2006
AU-C moyennes
49,8%
Niveau (1 à 7)
6
AU-C hautes
50,2%
5
4
3
2
1
0
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
MICO
MIAC
MIST
MEID
MEIN
MERE
AMOT
7
Décembre 2006
AU-C moyennes
33,0%
Niveau (1 à 7)
6
AU-C hautes
67,0%
5
4
3
2
1
0
7
Janvier 2007
AU-vrai
18,2%
Niveau (1 à 7)
6
AU-C hautes
56,3%
5
4
3
2
1
AU basse
C moyenne
25,4%
0
7
Mars 2007
AU-C moyennes
46,2%
Niveau (1 à 7)
6
AU-C hautes
53,8%
5
4
3
2
1
0
7
Mai 2007
AU-C moyennes
73,2%
AU-C basses
9,5%
Niveau (1 à 7)
6
AU-C hautes
17,3%
5
4
3
2
1
0
Figure 8.3.
Profils de motivation académique durant l'année 2006-2007
(AU=Motivation autonome; C=Motivation contrôlée; MICO: motivation
- 138 -
8.4.2
Comparaison des performances de chacun des profils identifiés
Outre l'identification des différents profils de motivation, la procédure "Traj" de SAS évalue
la probabilité que chaque sujet soit classé dans chacun des profils. Chaque étudiant se voit
alors assigné au profil auquel il a la plus grande probabilité d'appartenir.
Sur base de cette répartition, il est possible d'établir une comparaison des performances
moyennes des étudiants appartenant à chacun des profils identifiés. Les Tableau 8.1 à Tableau
8.3 présentent les performances moyennes des populations composant chacun des profils
identifiés suite aux cinq soumissions annuelles du questionnaire EME.
Profils
2004-2005
Septembre
n
Performances (%)
Janvier
Avril
Novembre
Juin
AU-C hautes 42
AU-C moyennes 110
43,03 a
45,65 a
35,97 a
38,92 a
30,73 a
30,87 a
43,44 a
45,56 a
AU-C hautes 111
AU-C moyennes 17
45,78 a
45,65 a
40,15 a
38,34 a
32,93 a
29,64 a
46,90 a
42,44 a
AU-C hautes 85
AU-vrai 40
AU basse - C moyenne 24
45,18 a
45,09 a
43,51 a
39,45 a
40,23 a
34,58 a
31,15 ab
36,01 a
23,79 b
45,89 a
47,62 a
41,27 a
AU-C hautes 55
AU-C moyennes 75
46,63 a
45,52 a
42,49 a
39,53 a
35,90 a
30,20 a
50,16 a
44,60 a
AU-C hautes 30
AU-C moyennes 101
48,76 a
46,16 a
40,80 a
40,65 a
35,27 a
31,81 a
49,93 a
46,57 a
Décembre
Janvier
Mars
Mai
l'année académique 2004-2005 (dans une même colonne, des lettres
différentes indiquent des moyennes différentes, Test t ou Test SNK, p<0,05)
(AU= motivation autonome; C= motivation contrôlée)
Profils
2005-2006
Septembre
n
Performances (%)
Janvier
Avril
Novembre
Juin
AU-C hautes 125
AU-C moyennes 61
40,57 a
41,06 a
35,26 a
37,27 a
29,87 a
28,95 a
38,03 a
38,49 a
AU-C hautes 118
AU-C moyennes 63
41,76 a
39,99 a
37,11 a
35,48 a
31,59 a
28,39 a
39,88 a
36,75 a
AU-C hautes
AU-C moyennes
AU-C basses
83
97
10
41,25 a
40,24 a
41,44 a
37,49 a
35,28 a
34,97 a
32,99 a
28,92 a
24,75 a
40,73 a
37,18 a
36,63 a
AU-C hautes 104
AU-C moyennes 65
43,90 a
39,49 a
39,99 a
35,33 a
36,38 a
28,30 b
43,67 a
36,22 b
AU-C hautes 123
AU-C moyennes 35
43,49 a
39,75 a
39,42 a
36,50 a
35,23 a
29,36 a
42,44 a
36,69 a
Décembre
Janvier
Mars
Mai
- 139 -
Profils
2006-2007
Septembre
n
Performances (%)
Janvier
Avril
Novembre
Juin
AU-C hautes 93
AU-C moyennes 93
39,69 a
41,17 a
31,73 a
34,04 a
32,47 a
36,08 a
36,83 a
39,88 a
AU-C hautes
AU-C moyennes
42,62 a
39,37 a
36,05 a
29,44 b
37,34 a
28,79 b
41,90 a
35,42 a
AU-C hautes 105
AU-vrai 30
AU basse - C moyenne 44
41,71 ab
48,19 a
36,49 b
34,57 a
43,15 b
26,93 c
37,85 a
43,85 a
24,44 b
40,99 a
49,12 b
31,30 c
AU-C hautes
AU-C moyennes
85
70
42,88 a
42,23 a
36,11 a
35,91 a
40,34 a
36,96 a
42,63 a
41,01 a
AU-C hautes
AU-C moyennes
AU-C basses
20
96
11
46,15 a
43,60 a
43,59 a
38,68 a
36,84 a
36,30 a
44,31 a
39,84 a
37,12 a
45,75 a
42,26 a
43,41 a
Décembre
98
50
Janvier
Mars
Mai
Très peu de différences de performances moyennes ont été relevées. Soulignons cependant les
performances plus élevées obtenues par les étudiants qui correspondent au profil "AU-vrai".
Ce résultat confirme, au moins partiellement, l'intérêt du profil "autonome ou autodéterminé
vrai".
8.5
Trajectoires de motivation
Afin de ne pas alourdir le présent document, nous ne reprendrons ici que les trajectoires de
motivation (IGM) pour les trois cohortes suivies. Les composantes motivationnelles ont été
utilisées dans le cadre de l'établissement des profils instantanés de motivation des étudiants
(voir point 8.4).
8.5.1
Forme des trajectoires et probabilité d'appartenance aux trajectoires
Sur base du CIB, trois trajectoires de motivation (IGM) ont été retenues chaque année, sauf en
2006-2007, avec un CIB maximum pour cinq trajectoires. La Figure 8.4 présente l'évolution
des différentes trajectoires de motivation. Elles ont été produites à partir d'une macro
disponible au téléchargement sur le site de B.L. Jones (%trajplotnew). Cette macro permet
entre autres nouveautés de représenter les différentes trajectoires estimées avec leur intervalle
de confiance à 95% (Jones & Nagin, 2007).
Il est d'usage dans la littérature de donner des noms aux différentes trajectoires estimées. Les
trajectoires illustrées à la Figure 8.4 ne présentant pas de chevauchements, il est possible de
les qualifier par les niveaux de motivation observés.
- 140 -
Dans le cas de trois trajectoires de motivation, nous pouvons distinguer les trajectoires :
(1) de basses motivations (BM) à démotivation progressive,
(2) de moyennes motivations (MM) et
(3) de hautes motivations (HM) à motivation croissante.
Pour les 5 trajectoires relatives à l'IGM en 2006-2007, nous avons les trajectoires:
(1)
(2)
(3)
(4)
(5)
de très basses motivations (TBM) à forte démotivation,
de basses motivations (BM) à démotivation,
de moyennes motivations (MM),
de hautes motivations (HM) et
de très hautes motivations (THM).
- 141 -
A
B
C
Figure 8.4.
Trajectoires de motivation (IGM) des étudiants durant leur première année
- 142 -
La forme des trajectoires varie selon leur niveau. En effet, les trajectoires supérieures de
motivation se caractérisent par une hausse initiale de la motivation, entre septembre et
décembre. Les trajectoires médianes (MM), auxquelles correspondent le plus grand nombre
d'étudiants, sont beaucoup plus stables en début d'année et présentent une chute de motivation
en fin d'année. Les trajectoires de basses (BM) et très basses motivations (TBM) se
caractérisent par une chute rapide de motivation en début d'année.
La forme des trajectoires confirme ainsi la grande importance des premiers mois à
l'Université, avec une séparation rapide des trajectoires d'évolution de la motivation.
8.5.2
Comparaison des performances par trajectoire
L'évaluation du nombre de groupes de trajectoires à l'aide du CIB (Critère d'Information
Bayesien) a permis d'identifier trois groupes de trajectoires de motivation pour l'IGM en
2004-2005 et 2005-2006. Par contre, la procédure a mené à distinguer cinq groupes en 20062007.
Chaque étudiant s'est vu assigné à une trajectoire, ce qui a permis d'établir une moyenne des
performances pour chaque groupe de trajectoires identifié.
Trajectoires
2004-2005
IGM BM
IGM MM
IGM HM
n
21
84
59
Novembre
39,76 a
40,98 a
48,34 a
Performances (%)
Janvier
30,95 a
34,54 ab
42,13 b
Avril
21,87 a
26,85 a
35,77 b
Juin
36,85 a
40,04 a
51,38 b
différentes indiquent des moyennes différentes, p<0,05)
En 04-05, les performances des étudiants appartenant aux trajectoires de hautes motivations
(HM) sont systématiquement supérieures à celles des autres groupes de trajectoires. Les
différences sont encore mieux marquées en 05-06 avec, pour deux périodes d'évaluation, des
performances moyennes différentes pour les trois trajectoires de motivation.
Trajectoires
2005-2006
IGM BM
IGM MM
IGM HM
n
13
112
71
Novembre
32,65 a
38,36 ab
44,63 b
Performances (%)
Janvier
24,89 a
33,12 ab
41,17 b
Avril
13,88 a
26,29 b
37,55 c
Juin
25,77 a
35,10 b
44,72 c
différentes indiquent des moyennes différentes, p<0,05)
- 143 -
Les cinq trajectoires de motivation identifiées en 06-07 présentent également des différences
au niveau des performances obtenues durant l'année. En novembre et janvier, seule la
trajectoire des "très hautes motivations" (THM) se distingue des autres par des performances
supérieures. Pour les interrogations d'avril et aux examens, trois groupes de performances sont
observés avec des performances moyennes croissantes lorsqu'on passe des trajectoires à "très
basses motivations" vers les trajectoires à "très hautes motivations".
Trajectoires
2006-2007
IGM TBM
IGM BM
IGM MM
IGM HM
IGM THM
n
4
30
79
68
11
Novembre
35,83
32,42
40,26
42,19
59,95
a
a
a
a
b
Performances (%)
Janvier
22,07 a
19,79 a
33,83 a
35,22 a
55,51 b
Avril
7,20
15,23
36,21
37,52
57,95
a
a
b
b
c
Juin
20,03
23,84
38,61
43,23
59,49
a
a
b
b
c
motivation
(IGM)
pour
l'année
académique
2006-2007
(TBM/BM/MM/HM/THM: très basses/basses/moyennes/hautes/très hautes
motivations) (dans une même colonne, des lettres différentes indiquent des
moyennes différentes, p<0,05)
8.6
Trajectoires conjointes "motivation / performances"
En général, les relations existant entre la motivation et les performances des étudiants sont
représentées par une statistique sommaire unique telle qu'un coefficient de corrélation qui
mesure la co-manifestation des deux "comportements" ou "symptômes" étudiés (p.ex.
l'amotivation et les faibles performances). C'est la méthode qui a été utilisée au chapitre
précédent.
La méthodologie adoptée ici s'inspire du récent article de Jones et Nagin (2007). Celui-ci est
doublement intéressant. Premièrement, il se propose de résumer différentes améliorations
apportées à l'analyse des trajectoires depuis Jones, Nagin et Roeder (2001), dont la possibilité
de travailler sur des modèles à trajectoires conjointes ou multiples. Ensuite, il illustre
différentes possibilités de présenter les résultats d'analyses de trajectoires à l'aide de
graphiques et de tableaux compréhensibles ou accessibles aux lecteurs non spécialisés.
Nous analysons ci-dessous nos données de motivation et de performances à l'aide du modèle
des trajectoires conjointes et illustrons les résultats par différents graphiques composites.
Pour rappel, les trois produits importants du modèle conjoint sont (1) la forme de la trajectoire
des sous-populations distinctes pour les deux séries de mesures, (2) la probabilité
d'appartenance à chaque groupe de trajectoires et (3) la probabilité conjointe d'appartenance à
des groupes de trajectoires (Nagin, 2002).
8.6.1
La forme des trajectoires des sous-populations et la probabilité d'appartenance à
chaque groupe de trajectoires
La forme des trajectoires de motivation (IGM) a été présentée au point 8.5 avec les différents
pourcentages de répartition de la population estudiantine au sein des différents groupes de
trajectoires. Nous ne reviendrons plus dessus.
- 144 -
Les trois graphiques qui suivent représentent les formes des trajectoires de performances pour
les trois années de notre étude avec la répartition des étudiants au sein des sous-populations
identifiées (Figure 8.5). En 2004-2005, la cohorte a été divisée en quatre groupes sur base du
CIB. En 2005-2006 et 2006-2007, le CIB était à son maximum lorsque six sous-populations
étaient identifiées.
A l'exception de 2006-2007, les trajectoires de performances ne se chevauchent pas, ce qui
permet d'adopter le même type de dénomination que pour les trajectoires de motivation.
Nous retrouvons donc en 2004-2005, des trajectoires:
1.
2.
3.
4.
de basses performances (BP),
de moyennement basses performances (MBP),
de moyennement hautes performances (MHP),
de hautes performances (HP).
En 2005-2006, des trajectoires:
1.
2.
3.
4.
5.
6.
de très basses performances (TBP),
de hautes performances (HP),
de très hautes performances (THP).
En 2006-2007, des trajectoires:
1.
2.
3.
4.
5.
6.
de performances cahoteuses (irrégulières) (PC),
de hautes performances (HP),
de très hautes performances (THP).
- 145 -
A
B
C
Figure 8.5.
Trajectoires des performances des étudiants durant leur première année
- 146 -
8.6.2
Les probabilités conjointes d'appartenance à des groupes de trajectoires
L'établissement des probabilités conjointes d'appartenance à des groupes de trajectoires de
motivation et de performances constitue le principal intérêt des modèles à trajectoires
conjointes.
Les probabilités conjointes peuvent donc caractériser le couplage, au cours du temps, de
symptômes distincts mais connexes. Dans notre cas, nous nous interrogeons sur les liens entre
les trajectoires d'évolution de la motivation et les trajectoires d'évolution des performances.
Nous pouvons par exemple chercher à quantifier la probabilité d'appartenir conjointement au
groupe de trajectoires à basse motivation et au groupe de trajectoires à très hautes
performances. Les réponses proposées par la méthode des trajectoires conjointes permettent
de répondre à trois questionnements distincts:



Quelle probabilité existe-t-il, lorsqu'on appartient au groupe des très peu motivés,
d'appartenir également au groupe des très hautes performances ?
Quelle probabilité existe-t-il, lorsqu'on appartient au groupe des très hautes
performances, d'appartenir également au groupe des très peu motivés ?
Quelle probabilité existe-t-il d'appartenir au groupe des très peu motivés ainsi qu'au
groupe des très hautes performances ?
En d'autres termes, et de manière un peu détournée:



Peut-on être très performant lorsqu'on est très peu motivé ? Avec quelle probabilité ?
Peut-on être peu motivé lorsqu'on a de très bons résultats ? Avec quelle probabilité ?
Peut-on être très performant et très peu motivé à la fois ? Avec quelle probabilité ?
Les Figure 8.6 à Figure 8.8 illustrent graphiquement les différentes probabilités d'appartenir
aux différentes trajectoires de motivation ainsi qu'aux différentes trajectoires de
performances. La motivation a été évaluée à l'aide de l'IGM et les performances représentent
les moyennes obtenues aux sessions d'interrogations et d'examens de l'année.
- 147 -
Probabilité d'appartenir à une trajectoire de motivation
en fonction de l'appartenance à une trajectoire de performances
Probabilité (%)
A.
80
BP
60
MBP
40
MHP
20
HP
0
BM
MM
HM
Trajectoires de motivation (IGM) en 2004-2005
Probabilité d'appartenir à une trajectoire de performances
en fonction de l'appartenance à une trajectoire de motivation
Probabilité (%)
B.
80
60
BM
40
MM
20
HM
0
BP
MBP
MHP
HP
Trajectoires de performances en 2004-2005
Probabilité conjointe d'appartenir à une trajectoire de motivation
et à une trajectoire de performances
Probabilité (%)
C.
30
BP
20
MBP
10
MHP
HP
0
BM
MM
HM
Figure 8.6.
Relations entre la motivation (IGM) et les performances durant l'année
2004-2005
- 148 -
Probabilité (%)
A.
80
TBP
60
BP
40
MBP
20
MHP
0
HP
BM
MM
HM
THP
Probabilité (%)
B.
80
60
BM
40
MM
20
HM
0
TBP
BP
MBP
MHP
HP
THP
Probabilité (%)
C.
30
TBP
20
BP
MBP
10
MHP
0
HP
BM
MM
HM
THP
Figure 8.7.
2005-2006
- 149 -
Probabilité (%)
A.
80
PC
60
BP
40
MBP
20
MHP
0
HP
TBM
BM
MM
HM
THM
THP
Probabilité (%)
B.
80
60
TBM
40
BM
20
MM
0
HM
PC
BP
MBP
MHP
HP
THP
THM
Probabilité (%)
C.
30
PC
20
BP
MBP
10
MHP
0
HP
TBM
BM
MM
HM
THM
THP
Figure 8.8.
2006-2007
- 150 -
Trois pages de figures ont été nécessaires à la présentation des probabilités conjointes
d'appartenance aux trajectoires de motivation et aux trajectoires de performances.
Durant les trois années d’expérimentation, les étudiants appartenant aux trajectoires de très
basses (TBP), basses (BP) et moyennement basses performances (MBP) présentent tous une
forte probabilité d’appartenir aux trajectoires de moyenne motivation (MM). Quant à la
probabilité d'appartenir aux trajectoires de basses motivations (BM), celle-ci est d’autant plus
grande que l’étudiant est assigné aux trajectoires des performances les plus faibles.
La Figure 8.6A, relative à l’année 04-05, montre clairement qu'un étudiant qui appartient aux
trajectoires de moyennement hautes performances (MHP) ou de hautes performances (HP)
présente de plus fortes probabilités (supérieure à 60 et 45%) d'appartenir à la trajectoire des
hautes motivations (HM) qu'à la trajectoire des basses motivations (BM) (moins de 10%).
Cette observation est confirmée en 05-06 (Figure 8.7A) avec des probabilités supérieures à 45
et 60%. Etonnamment, un étudiant qui appartient aux trajectoires de très hautes performances
(THP) présente une plus forte probabilité d’appartenir aux trajectoires de moyenne motivation
(MM) qu’aux trajectoires de haute motivation (HM).
Le nombre de trajectoires de motivation est fort élevé en 06-07, ce qui nuit à la lisibilité des
graphiques proposés. En effet, trente histogrammes sont nécessaires pour illustrer les
différentes combinaisons "IGM / performances". Cette année se caractérisait entre autres par
l’identification d’un profil de performance qualifié de cahoteux, suite à sa grande irrégularité.
Près de 60% des étudiants attachés à ce type de trajectoire sont assignés à la trajectoire des
basses motivations (BM). Cette observation est à relativiser car la trajectoire des
performances cahoteuses ne représente que 3,5% de la population, ce qui engendre de très
faibles probabilités conjointes d’appartenir à une trajectoire donnée de motivation et à la
trajectoire des performances cahoteuses (Figure 8.8C).
L'étudiant qui appartiendrait à la trajectoire des hautes motivations (HM) ne présente pas une
plus forte probabilité d'appartenir aux trajectoires THP ou HP. En effet, les étudiants de HM
sont répartis quasiment équitablement entre les différents profils de performances. Ils sont
cependant moins fréquents dans les trajectoires TBP et BP (partie "B" des différentes
figures).
Notre hypothèse 8.5 était la suivante: "Un étudiant peu motivé ne peut obtenir de bonnes
performances finales". L'observation des probabilités d'appartenir à des trajectoires de
performances en fonction de l'appartenance à une trajectoire de motivation (partie "B" des
figures) permet de voir que, parmi les étudiants appartenant à la trajectoire BM, il y en a une
faible proportion (<10%) qui appartient aux trajectoires HP (04-05, 05-06 et 06-07). Sur base
des observations 05-06 et 06-07, aucun étudiant de BM ne peut appartenir aux trajectoires de
THP. Nous observons donc de très faibles probabilités, pour un étudiant, d'appartenir à la
trajectoire des HP en même temps qu'à la trajectoire BM. Cette probabilité conjointe est
inférieure à 2% pour nos trois années d’étude (voir les graphiques présentés en "C" pour
chaque figure). Nous sommes donc amenés à rejeter notre hypothèse 8.5, tout en relativisant
notre rejet suite aux faibles probabilités qu’un étudiant peu motivé puisse obtenir de bonnes
performances.
Sur l'ensemble d'une cohorte, il est intéressant de relever les trajectoires conjointes les plus
fréquentes (partie "C" des figures). Ces trajectoires modales constituent les situations les plus
fréquemment rencontrées et auxquelles les étudiants ont la plus forte probabilité d'appartenir:
MM/MBP en 04-05 (26,8% de la population) et 06-07 (13,5%), MM/BP en 05-06 (15,5%).
- 151 -
8.7
Discussion
Le présent volet de notre recherche poursuivait différents objectifs liés aux capacités de la
méthode utilisée. Il visait également à illustrer et vérifier l'intérêt de la méthode des
trajectoires dans le cadre de recherches portant sur les liens entre la motivation des étudiants
et leurs performances.
Cinq hypothèses avaient préalablement été émises:
Hypothèse 8.1. Il existe des groupes d'étudiants qui présentent des profils instantanés de
motivation distincts
Hypothèse 8.2. Les profils de motivation sont couplés à des performances distinctes
Hypothèse 8.3. Il existe des groupes d'étudiants qui présentent des trajectoires de motivation
distinctes
Hypothèse 8.4. Les trajectoires de motivation sont couplées à des performances distinctes
Hypothèse 8.5. Un étudiant peu motivé ne peut obtenir de bonnes performances finales
8.7.1
Profils instantanés de motivation
Par "profil instantané de motivation", nous ciblons une combinaison originale, à un moment
donné, des différentes composantes motivationnelles évaluées à l'aide de l'échelle de
motivation dans l'enseignement (EME) développée par Vallerand et al. (1989). Cette image
peut être "révélée" par une méthode fondée sur le groupement.
Dans leur publication, Ratelle et al. (2007) présentent trois études distinctes, dont une est
consacrée aux étudiants ayant le même âge moyen que dans notre suivi de motivation. Ils
identifient trois profils distincts de motivation chez des jeunes de 14, 15 et 18 ans et demi. Les
profils identifiés chez les 14 et 15 ans se différencient de ceux observés chez les étudiants
plus âgés. Le premier profil observé chez les jeunes étudiants est qualifié de "Contrôlé"
(faible motivation autonome et forte motivation contrôlée), le second de "Autonome et
Contrôlé Moyens" et le dernier de "Autonome et Contrôlé Forts". Ces deux derniers profils
présentent la même allure que celle observée dans notre étude lorsque deux profils sont
identifiés.
La comparaison des performances moyennes des profils identifiés a permis à Ratelle et al.
(2007) d'observer de faibles performances moyennes pour les profils "Contrôlés" et
"Autonome-Contrôlé Faibles". Cependant, aucune différence de performances n'a été mise en
évidence entre les profils "Autonome-Contrôlé Forts" et "Autonome-Contrôlé Moyens", ni
entre "Autonome" et "Autonome-Contrôlé Forts".
Chez les étudiants ayant le même âge moyen que dans nos cohortes, Ratelle et al. (2007) ont
observé les trois profils suivants: Profil "Autonome vrai" (haute motivation autonome et
faible motivation contrôlée); profil "Autonome et Contrôlé Faibles" et profil "Autonome et
Contrôlé Forts". L'étude des liens qui existent entre ces différents profils de motivation et les
différentes variables académiques (performances et persistance) a permis de mettre en
évidence que les profils AU et AU-C hautes se distinguaient du profil AU-C basses par de
meilleures performances et une plus grande persistance. Aucune différence n'a été observée
entre les performances des deux profils AU et AU-C hautes. Par contre, la persistance des
étudiants appartenant au profil AU s'est révélée meilleure que celle des étudiants du profil
AU-C hautes.
- 152 -
Contrairement à Ratelle et al. (2007), nous avons toujours identifié la présence de deux profils
de motivation. Janvier constitue la seule période pour laquelle, d'année en année, trois profils
de motivation permettent de décrire au mieux la diversité présente au sein de nos populations
d'étudiants. L'identification de profils distincts de motivation permet d'accepter notre
hypothèse 8.1.
A deux exceptions près, nos résultats confirment partiellement ceux de Ratelle et al. (2007)
puisque nous n'avons pas pu mettre en évidence des différences de performances entre les
profils "AU-C hautes" et "AU-C moyennes". Les seules différences mises en évidence
concernent le profil de motivation "Autonome". En janvier 06-07 et, dans une moindre
mesure janvier 04-05, nous avons observé des différences significatives dans les
performances moyennes estimées par profil, avec pour le profil "Autonome", des
performances plus élevées que pour le profil "AU-C hautes", lequel se différencie des faibles
performances d'un profil particulier "AU basse - C moyenne". Ces observations sont en
accord avec la théorie de l'autodétermination et les observations de Vallerand (1997) qui
montrent que des niveaux élevés de motivation autodéterminée (autonome) engendrent des
conséquences positives alors que des niveaux faibles sont associés à des conséquences
négatives. Il a entre autres été démontré que la motivation autodéterminée dans les études était
positivement liée aux performances des étudiants (Fortier, Vallerand & Guay, 1995).
Sur base des résultats présentés ci-dessus, nous sommes amenés à rejeter notre hypothèse 8.2
car, comme Ratelle et al. (2007), nous n'avons pu mettre en évidence des performances
distinctes pour des profils distincts. Le profil "Autonome vrai", observé à deux reprises dans
notre étude, est le seul à se distinguer par des performances moyennes supérieures à celles des
autres profils.
8.7.2
Trajectoires de motivation
Une "trajectoire de motivation" représente une modélisation de l'évolution de la motivation au
cours du temps. Pour quantifier la motivation, nous avons travaillé avec l’indice global de
motivation (IGM) qui trouve son origine dans la théorie de l'autodétermination. Cinq mesures
de motivation ont été réalisées par année afin de pouvoir suivre l'évolution de la motivation.
Les performances des étudiants ont également été suivies (4 périodes).
En utilisant une méthode semi-paramétrique permettant de déceler des groupes d'étudiants qui
suivent des trajectoires distinctes de motivation (sur base du CIB), nous avons identifié
jusqu'à cinq groupes de trajectoires de motivation. Ceci confirme notre hypothèse 8.3 relative
à l'existence de groupes d'étudiants présentant des trajectoires de motivation distinctes.
Lorsque trois trajectoires distinctes de motivation ont été observées (04-05 et 05-06), la
trajectoire supérieure a été baptisée "hautes motivations à motivation croissante" (HM) en
raison de l'augmentation progressive de la motivation au cours de l'année. Cette augmentation
est essentiellement visible entre la première et la deuxième mesure de motivation. La seconde
trajectoire, à "moyennes motivations" (MM), ne présente pas de tendance évolutive marquée.
La troisième, à "basses motivations" (BM), se caractérise par une chute rapide de motivation,
suivie d'une relative stabilité. En 2006-2007, cinq trajectoires ont été identifiées dont une
qualifiée de trajectoire à très basses motivations et forte démotivation (TBM) et une seconde
relevant de très hautes motivations (THM).
- 153 -
En 2004, Ratelle, Guay, Larose et Senécal ont publié une étude sur le suivi de trajectoires de
motivation académique durant la transition entre ce que nous considérons comme le
secondaire (high school, moyenne d'âge de 17 ans) et les études supérieures (collegial studies)
au Canada. L'étude s'étalait sur trois années à raison d'une évaluation de la motivation
académique à l'aide de l'EME (20 items), la dernière année en high school et deux autres
mesures, en fin des deux premières années des collegial studies.
Dans l'étude de Ratelle et al. (2004), l'IGM n'est pas utilisé et seule l'évolution des
composantes motivationnelles est étudiée. Sur base du CIB, les auteurs ont ainsi identifié trois
trajectoires de MI et trois trajectoires d'amotivation. Pour les trois composantes de la ME,
deux trajectoires permettent de représenter la diversité observée dans la population suivie.
L'absence de données moyennes empêche toute comparaison avec les données présentées au
chapitre 6 ainsi que tout calcul d'un indice de motivation. Cependant, l'étude de Ratelle et al.
(2004) reste très intéressante par son approche qui ressemble fortement à notre démarche: (1)
elle exploite une méthode semi-paramétrique fondée sur le groupement afin (2) d'effectuer
une étude longitudinale (3) de la motivation académique des étudiants (4) s'engageant dans
des études supérieures.
L'identification des trajectoires de motivation s'accompagne d'une évaluation des probabilités
d'appartenir à chacune d'entre elles. En fonction de ces probabilités d'appartenance, les
étudiants sont répartis entre trajectoires, ce qui permet d'effectuer une comparaison des
performances moyennes des membres de chaque trajectoire.
Les résultats que nous avons obtenus sont très intéressants car ils permettent de relever des
différences très nettes au niveau des performances aux sessions d'interrogations de l'année.
Nous acceptons donc notre hypothèse 8.4. En 05-06, pour les trois trajectoires d'IGM, nous
observons en avril des performances moyennes significativement différentes d'une trajectoire
à l'autre. En 06-07, pour les cinq trajectoires d'IGM, nous observons des performances
moyennes croissantes pour les trajectoires allant des très basses motivations (TBM) vers les
très hautes motivations (THM). Ces résultats sont en accord avec certaines théories
sociocognitives, telles celle de Deci et Ryan (1985, 1991) qui postulent dans leur théorie de
l'autodétermination qu'une motivation autodéterminée est associée à des conséquences
positives.
L'étude des trajectoires conjointes "motivation / performances" a entre autres permis
d'identifier les probabilités d'appartenir conjointement à une trajectoire de motivation et à une
trajectoire de performances. Certaines probabilités d'appartenance sont nulles ou quasi nulles.
Citons par exemple la très faible probabilité (moins de 2%) d'appartenir à la fois à la
trajectoire des basses motivations (BM) ainsi qu'à la trajectoire des très hautes performances
(THP). L'hypothèse 8.5 a donc été écartée sous sa forme originelle. Elle est à relativiser sur
base d’observations exceptionnelles. D'autres probabilités de double appartenance sont
nettement plus élevées (près de 20%), telle celle d'appartenir à la fois à la trajectoire des
motivations moyennes (MM) ainsi qu'à la trajectoire des moyennement basses performances
(MBP).
Un des objectifs généraux du présent chapitre consistait à tester l'utilisation d'une méthode
semi-paramétrique fondée sur le groupement. Celle-ci s'est montrée particulièrement utile
dans l'approche théorique visant à identifier des profils statiques de motivation (Ratelle et al.,
2007). Cependant, peu de corrélations ont été observées entre les profils instantanés de
motivation et les performances. C'est au niveau de l'analyse des trajectoires de motivation que
la méthode basée sur les groupements s'est révélée la plus judicieuse. En effet, elle a permis
- 154 -
d'identifier différentes trajectoires de motivation, d'envisager l'appartenance à chaque
trajectoire identifiée et de comparer les performances moyennes par trajectoire. La récente
approche, basée sur les trajectoires conjointes, a permis d'illustrer de manière très visuelle les
différentes probabilités d'appartenir conjointement à telle et telle trajectoires. Cependant, suite
au manque de références externes, son exploitation optimale reste difficile.
- 155 -
- 156 -
Chapitre 9 Modélisation multiniveaux de la motivation
académique des étudiants et de ses principales
composantes
« Every man is in certain respects
like all other men, like some other men,
like no other man »
(Kluckhohn & Murray, 1953, p. 537)
9.1
Introduction
Les données recueillies par les nombreuses études en science de l’éducation et en sciences
sociales présentent souvent une structure hiérarchisée : des individus y sont en quelque sorte
nichés dans des groupes. L’étude des performances d’élèves sélectionnés au sein de classes,
elles-mêmes sélectionnées au sein d’établissements de différents pays constitue l’exemple
type d’analyse de données hiérarchisées.
L’étude des différentes variables propres à chaque niveau donne lieu à la création d’une série
de modèles traditionnellement qualifiés de « modèles multiniveaux 8» ou « modèles
hiérarchiques ». Dans l’exemple type présenté ci-dessus, les élèves constituent les unités de
niveau 1 alors que les classes, les établissements et les pays forment les unités des niveaux 2 à
4. Notons que, la plupart du temps, les études faisant appel à l’analyse multiniveaux ne
tiennent compte que de deux ou trois niveaux car des modèles plus complexes deviennent
difficilement interprétables lorsqu’ils font appel à de grands nombres de variables
explicatives.
Les fondements statistiques des analyses multiniveaux ont été mis au point quasi
simultanément par trois écoles distinctes, au milieu des années 1980. Parallèlement à ces
recherches, divers logiciels informatiques ont été développés sur base des algorithmes propres
à chaque mouvement. Le logiciel HLM a été développé autour des recherches menées par
Raudenbush sur les Modèles Linéaires Hiérarchiques [Hierarchical Linear Models]. C’est la
sixième version de ce logiciel qui a été utilisée dans le cadre de la présente étude [HLM6 –
Raudenbush et al., 2006]. Le logiciel MLwiN a été mis au point par Prosser et al. (1996, cité
par Singer, 1998)9 sur base des recherches menées par Goldstein (1995) sur les Analyses
Multiniveaux [MultiLevel] et étayées par la suite par Snijders & Bosker (1999). Le troisième
courant d’études, issu du secteur économique, est à l’origine du développement de Modèles
dits à Coefficients Aléatoires [Random Effect Models]. Bressoux (2008) fait une excellente
synthèse du développement, des applications et des extensions des modèles multiniveaux.
7
Kluckhohn, C., & Murray, H.A. (1953). Excerpts from Clyde Kluckhohn and Henry A. Murray's textbook
Personality in Nature, Society, and Culture. Personality formation :
the determinants,
http://www.panarchy.org/kluckhohn/personality.1953.html, (12/06/2011).
8
Nous suivrons Ray (2002) dans le choix et la justification de l’écriture « multiniveaux », sans trait d’union et
toujours au pluriel, pour l’usage en tant que nom ou adjectif.
9
Prosser, R., Rasbash, J., & Goldstein, H. (1996). MLN user’s guide. London : Institute of Education.
- 157 -
Le recours à une modélisation multiniveaux permet d’analyser les effets d’un contexte en
s’affranchissant des hypothèses sur lesquelles reposent les modèles traditionnels basés sur les
moindres carrés ordinaires. De par la structure même des données imbriquées, ces hypothèses
ne peuvent en effet pas être soutenues. La première de celles-ci concerne l’indépendance des
résidus (ou des erreurs). On comprendra aisément que cette hypothèse est contraire à l’objet
même des études consacrées aux effets du contexte puisqu’elle exclut la possibilité d’un effet
de groupe (la classe, l’école, le régiment, etc.). Dans les modèles multiniveaux, la dépendance
des erreurs devient objet de recherche sous la forme de l’étude des erreurs intergroupes et
intragroupe. L’homoscédasticité des erreurs constitue la deuxième hypothèse des modèles
basés sur les moindres carrés ordinaires, ce qui implique la constance de la variance des
erreurs donc l’homogénéité des relations entre les différents groupes. En considérant comme
possible la variation de la variance des résidus, les modèles multiniveaux permettent non
seulement d’obtenir des estimations non biaisées10 mais aussi de tester l’homoscédasticité et
l’indépendance des résidus (Bressoux, 2008). Nous verrons plus loin, sous une autre forme,
que si l’hypothèse d’indépendance des erreurs est rejetée, on peut considérer que les individus
diffèrent d’un groupe à l’autre et si l’hypothèse d’homoscédasticité est rejetée, il y a
interaction entre la variable étudiée et le groupe, et qu’il faut en rechercher l’origine.
S’il est assez aisé de se représenter et de visualiser une information qui se trouve emboîtée en
plusieurs niveaux hiérarchisés d’observation, il est plus difficile de comprendre l’apport de la
modélisation multiniveaux dans le cadre d’études longitudinales, objet du présent chapitre de
recherche mais également d’une part de plus en plus importante des recherches menées en
sciences sociales et comportementales.
Traditionnellement, la plupart des analyses longitudinales classiques s’opèrent à l’aide de
modèles basés sur les Moindres Carrés Ordinaires (MCO) et se contentent de régresser un
score final sur un score initial, sans permettre d’étudier la forme que prend le changement
dans le temps. Les recherches faisant appel à un design longitudinal permettent de disposer,
par individu, de plusieurs mesures répétées dans le temps. Le recours à l’analyse de variance
sur données répétées permet de traiter de manière fort limitée ce genre de mesure et offrent
peu de possibilités d’intégrer des variables explicatives aux modèles développés. Par contre,
l’approche multiniveaux offre davantage de possibilités et de souplesse en intégrant la
dimension temporelle sous la forme de modèles qualifiés de « modèles de croissance »
[Models of Growth] (Bryk & Raudenbush, 1987 ; Raudenbush, 1989).
Parmi les nombreux avantages liés à l’approche multiniveaux des phénomènes temporels,
Bressoux (2008) souligne non seulement l’affranchissement des hypothèses relatives à
l’indépendance et l’homoscédasticité des erreurs mais aussi la grande souplesse qu’ils
présentent par rapport aux modèles de régression MCO et à l’analyse de variance sur données
répétées. En effet, avec les modèles multiniveaux de croissance :
-
10
l’espacement entre les mesures ne doit pas nécessairement être identique ;
tous les individus ne doivent pas nécessairement être mesurés au même moment ;
tous les individus ne doivent pas nécessairement faire l’objet du même nombre de
mesures, ce qui permet de travailler avec des observations pour lesquelles des données
s’avèrent manquantes.
Estimation non biaisée suite à l’estimation correcte des erreurs-types des coefficients.
- 158 -
Au sein de ces modèles, les différentes mesures propres à un individu constituent des unités
statistiques d’un niveau inférieur à celui de l’individu. Elles forment le niveau intra-individu
et se retrouvent donc au premier niveau de la structure hiérarchisée. La première variable
explicative introduite au niveau 1 dans ce type d’analyse est le temps, modélisé sous forme
d’une régression linéaire, quadratique ou d’un autre ordre. Le second niveau des modèles de
croissance est le niveau inter-individus. Les variables explicatives de niveau 2 sont donc
propres aux individus : genre, âge, origine sociale, parcours scolaire, performances, etc.
L’appartenance des individus à des groupes spécifiques (classes, réseaux d’enseignement,
etc.) permet bien entendu de construire des modèles à trois ou quatre niveaux. Nous nous
limiterons ici au modèle de base composé du niveau intraindividuel et du niveau interindividus.
Notons que, préalablement à toute analyse, le recours à un modèle vide, vierge de toute
variable explicative, permet d’identifier le degré de variation d’une variable dépendante (dans
notre cas, une des différentes formes de motivation) pour un individu et de le comparer avec
celui qu’on observe entre étudiants. Ce modèle vide permet donc de répartir la variance totale
entre deux composantes : la variance dans le temps pour un étudiant et la variance entre
étudiants. L’introduction successive de variables explicatives dans le modèle vide permet à
chaque étape d’apprécier le gain de variance expliquée.
9.2
Buts de l’étude et hypothèses de recherche
Le dispositif expérimental de la présente étude est basé sur l’utilisation répétée de l’Echelle de
Motivation en Education (EME) et sur la mesure de la performance globale des étudiants aux
différentes sessions d’interrogations et d’examens. L’évaluation de la motivation a été réalisée
à cinq reprises tandis que la performance (rapportée sous la forme d’un score exprimé en %) a
été calculée lors de 4 sessions d’évaluation. L’ensemble du dispositif a été mis en place lors
de trois années académiques successives.
Une modélisation multiniveaux sur des données longitudinales permet de poursuivre
différents objectifs. Les données dont nous disposons permettent entre autres (1) de calculer la
répartition de la variance totale entre la variance dans le temps pour un étudiant et la variance
entre étudiants ; (2) d’évaluer la proportion de la variance intra-individu qui peut être
expliquée grâce aux facteurs temporels et finalement (3) d’évaluer la proportion de la variance
inter-individus qui peut être expliquée grâce aux facteurs propres aux étudiants, introduits au
second niveau des modèles testés : le genre et les différentes performances aux sessions
d’interrogations/examens.
Ces objectifs généraux peuvent être traduits en hypothèses spécifiques. Ainsi, après avoir
vérifié, sur base de modèles vides, l’utilité d’entreprendre une modélisation multiniveaux, les
modèles de complexité croissante visent à tester les hypothèses suivantes :
Hypothèse 9.1.
Hypothèse 9.2.
amotivation)
augmentation de la motivation académique, de la motivation
autodéterminée et de la motivation contrôlée
- 159 -
Hypothèse 9.3.
diminution de l’amotivation
La vérification de ces hypothèses devrait permettre d’apporter d’autres renseignements
complémentaires relatifs par exemple à la session d’interrogations qui influence le plus
l’évolution de la motivation académique et celle de ses trois composantes.
9.3
Méthodologie
Pour chacune des trois années d’étude, nous avons cherché à modéliser au mieux « la »
motivation des étudiants et son évolution, en ayant recours aux différentes variables
explicatives disponibles.
9.3.1
Variables dépendantes
Les analyses multiniveaux mises en place visent à vérifier l’effet de différentes variables,
suspectées être explicatives, sur le niveau et l’évolution de la motivation des étudiants. Cette
motivation peut par exemple être évaluée sous la forme d’un Indice Global de Motivation
(IGM)11. Cette valeur synthétique de la motivation constitue notre première variable
dépendante.
Par soucis de concision et suite aux précédentes analyses effectuées sur notre triple jeu de
données, nous n’établirons pas de modèles hiérarchiques pour les 7 composantes
motivationnelles reprises à l’EME. En accord avec la théorie de l’autodétermination (Deci &
Ryan, 1985), sur laquelle repose le calcul de l’IGM, nous utiliserons les trois souscomposantes de cet indice comme variables dépendantes complémentaires :
AUTO = Motivation autodéterminée = (2*(MICO+MIAC+MIST)/3+MEID)/3
(peut varier de 1 à 7)
CONT = Motivation contrôlée = (MERE+MEIN)/2
AMOT = Amotivation
L’Amotivation est donc traitée comme variable dépendante à part entière, ce qui est en accord
avec les observations réalisées lors de l’étude des qualités psychométriques de l’Echelle de
Motivation en Education (Chapitre 4).
11
Pour rappel, l’IGM repose sur l’attribution d’un poids positif ou négatif aux sept composantes motivationnelles de l’EME,
selon leur contribution à la Motivation Autodéterminée, à la Motivation Contrôlée ou à l’Amotivation. Il peut varier de -18 à
+18 et se calcule selon l’équation suivante : IGM = (2*(MICO+MIAC+MIST)/3+MEID)-((MERE+MEIN)/2+2*AMOT)
- 160 -
9.3.2
Variables explicatives
a. Variables explicatives de niveau 1 (niveau longitudinal)
Le temps constitue la seule variable de niveau 1. Le nombre de mesures successives
effectuées permet en outre d’intégrer le carré du temps dans nos modèles afin d’étudier
l’évolution curvilinéaire de nos variables dépendantes.
b. Variables explicatives de niveau 2 (niveau des étudiants)
Les variables de niveau 2 dont nous disposons sont le genre et la performance aux 4 sessions
d’interrogations/examens de l’année (en %).
9.3.3
Analyse des données
Les données ont été modélisées avec le logiciel HLM6.06 (Hierarchical Linear and Nonlinear
Modeling) conçu spécifiquement pour modéliser des données hiérarchisées (Raudenbush et
al., 2006).
9.4
Modèles de base ou modèles vides
Préalablement à l’établissement d’une modélisation hiérarchique, il est important d’en
justifier l’intérêt. Cette première étape est réalisée sur base de l’analyse d’un modèle vide
correspondant à une écriture sans variables explicatives. Elle revient à conduire une ANOVA
permettant de révéler le niveau moyen de la variable étudiée ainsi que d’en étudier la
décomposition de la variance selon les deux niveaux qui structurent les données.
Modèle 1 (vide)
Level-1 Model
Yij= β0j+εij
Level-2 Model
β0j=γ00+u0j
Dans ce modèle vide, Yij est par exemple la motivation au temps i de l’étudiant j, β0j est
l’intercept pour un étudiant donné et, dans le cadre du présent modèle vide, s’apparente à la
moyenne générale de l’étudiant, εij est le résidu intra-niveau (écart ou erreur aléatoire de
niveau 1) et u0j le résidu inter-niveaux (ici, entre étudiants) (écart ou erreur aléatoire de niveau
2), donc par rapport à la moyenne générale γ00.
L’absence de variance entre unités de niveau 2 induirait qu’il est inutile de développer des
modélisations multiniveaux. Pour les quatre variables dépendantes étudiées, les modèles vides
testés justifient cette modélisation car les variances de u0j (variances inter-niveaux) sont toutes
significatives avec p<0,000 (Modèle 1, tableaux 9.2 à 9.5). Il existe donc une variance
systématique à un niveau autre que celui intra-étudiant. Les analyses multiniveaux se
justifient donc.
- 161 -
Cette variance peut être rapportée à la variance totale afin d’établir un coefficient de
corrélation intraclasse qui permet de mesurer l’ampleur des effets aléatoires et d’apprécier la
variabilité imputable au temps.
Coefficient de corrélation intraclasse = ρ = τ00 / τ00 + σ2
τ00 = variance de u0j
σ2 = variance de εij
L’analyse à l’aide du modèle vide permet donc d’identifier le degré de variation de la
motivation (ou d’une composante motivationnelle) d’un étudiant au cours de l’année et de le
comparer avec celui qu’on observe entre étudiants. Elle permet donc de répartir la variance
totale de la motivation entre deux composantes : la variance dans le temps pour un étudiant et
la variance entre étudiants.
Les Coefficients de corrélation intraclasses repris aux tableaux 9.2 à 9.5 pour les différents
modèles vides testés varient, pour les trois années d’expérimentation, de 56 à 67% pour
l’IGM (Tableau 9.2), de 55 à 69% pour la Motivation Autodéterminée (Tableau 9.3), de 67 à
76% pour la Motivation Contrôlée (Tableau 9.4) et de 44 à 52% pour l’Amotivation (Tableau
9.5). Pour exemple, la variance entre étudiants de la Motivation Contrôlée est ici deux à trois
fois plus élevée que la variance observée au niveau de l’étudiant.
9.5
Modélisation de l’évolution de la motivation au cours du
temps
Suite à l’introduction de variables explicatives dans le modèle, il est possible de calculer un
pseudo R2 pour chaque niveau hiérarchique afin d’apprécier le gain de variance expliquée.
Pseudo R2 = (Variance modèle vide – Variance résiduelle) / Variance modèle vide
Ce pseudo R2 peut cependant s’avérer problématique lorsque la variance résiduelle augmente
par rapport au modèle vide. C’est ce qui apparait quasi systématiquement pour la variance de
u0j. (Tableaux 9.2 à 9.5).
Afin de modéliser l’évolution linéaire et l’évolution curvilinéaire de nos variables
dépendantes, le temps et le carré du temps ont été introduits comme variables explicatives au
niveau 1 (Modèle 2).
Modèle 2 (inconditionnel)
Level-1 Model
Yij = β0j + β1j*(TPS) + β2j*(TPS_CAR) + εij
Level-2 Model
β0j=γ00+u0j
β1j=γ10+u1j
β2j=γ20
- 162 -
Les coefficients β0j et β1j de notre modèle inconditionnel de croissance quadratique sont
considérés comme aléatoires suite à l’introduction des termes d’erreurs aléatoires u0j et u1j,
associées à chaque individu. Nous autorisons donc une hétérogénéité de l’évolution dans le
temps de nos variables dépendantes, pour chaque individu considéré. Par contre, le coefficient
β2j est considéré comme ne fluctuant pas d’un individu à l’autre. En d’autre terme, la
curvilinéarité de l’évolution temporelle ne peut ici fluctuer d’un individu à l’autre.
La modélisation linéaire et quadratique de nos variables dépendantes (Modèle 2 des tableaux
9.2 à 9.5) explique de 17 (06-07) à 35% (05-06) de la variance intra-individu de la motivation
(IGM), de 19 (04-05) à 35% (05-06) de la Motivation Autodéterminé, de 16 (04-05) à 28%
(05-06) de la Motivation Contrôlée et de 13 (06-07) à 28% (05-06) de la variance intraindividu de l’Amotivation.
Le coefficient β2j, assimilé ici à γ20, représente le « déport » de la courbe par rapport à la
droite de régression. S’il est significatif, nous pouvons considérer que la courbe (régression
quadratique) ajuste mieux les données que la droite de régression (Bressoux, 2008).
Afin de faciliter la comparaison entre variables dépendantes et entre cohortes suivies, nous
reprenons ci-dessous le signe et la significativité statistique des coefficients des régressions
linéaires et quadratiques de la modélisation de nos variables, pour les trois années d’étude
(Tableau 9.1).
2004-2005
2005-2006
2006-2007
Tps - γ10
Tps2 - γ20
Tps - γ10
Tps2 - γ20
Tps - γ10
Tps2 - γ20
IGM
+
-
+
-
-
+
Mot. Auto.
+
-
+
-
-
(+)
Mot. Cont.
+
-
(+)
(+)
(-)
(+)
Amot.
(-)
(+)
-
(+)
+
-
Tableau 9.1. Signe des coefficients de régression des différents Modèles 2 testés
(entre parenthèses = coefficients non significativement différents de 0).
La pente de la régression linéaire et le déport de la courbe par rapport à la droite sont
significativement différents de zéro pour la modélisation de l’IGM et de la Motivation
Autodéterminée (sauf pour le déport en 06-07). Il faut cependant noter que les coefficients γ10
et γ20 sont de signe opposé en 06-07 par rapport aux deux années précédentes. Cette cohorte
se distingue donc fortement des deux autres, ce qui confirme les observations réalisées
précédemment. En effet, nous avons observé au Chapitre 6, figure 6.9, que l’évolution de
l’IGM suivait quasiment une courbe en « U » en 06-07 et présentait une allure convexe en 0405 et 05-06. Le coefficient γ20, positif en 06-07 et significativement différent de zéro, indique
bien une modélisation de l’évolution de l’IGM selon une courbe convexe.
Pour la Motivation Contrôlée, la pente de la régression linéaire ainsi que le déport de la
courbure sont significativement différents de zéro en 04-05 mais pas les deux autres années.
Pour l’amotivation, ces coefficients ne sont significatifs qu’en 06-07, de signes positif pour la
régression linéaire et négatif pour la modélisation quadratique. Cette modélisation reflète
parfaitement l’évolution de l’Amotivation illustrée à la figure 6.8.C.
- 163 -
Le développement de modèles inconditionnels d’évolution de la motivation permet d’obtenir
des faciès fort proches de ceux que nous avions observés au Chapitre 6, avec de grandes
différences entre cohortes suivies. Ces modèles inconditionnels ne nous fournissent pas
d’explications quant à ces différences. La prise en considération de variables individuelles
devrait permettre d’affiner davantage notre compréhension de l’évolution de la motivation
sans pour autant apporter de renseignement sur l’origine des discordances entre cohortes.
Celles-ci feront l’objet d’une part importante de nos discussions générales et l’établissement
d’hypothèses difficilement vérifiables dans le cadre du présent travail.
9.6
Modélisation selon le genre
Les variables relatives aux étudiants sont introduites séparément au niveau 2 des différents
modèles. Le genre de l’étudiant constitue la première variable individuelle prise en
considération (Modèle 3).
Modèle 3
Level-1 Model
Level-2 Model
β0j = γ00 + γ01*(FEMALE) + u0j
β1j = γ10 + γ11*(FEMALE) + u1j
β2j = γ20 + γ21*(FEMALE)
Le modèle 3 vise à tester la valeur prédictive du genre sur la motivation (ou une de ses
composantes) ainsi que sur les composantes linéaires et quadratiques introduites au premier
niveau du modèle. L’effet principal du genre sur notre variable dépendante est aisément
identifiable via le coefficient γ01. Par contre, tenter d’expliquer l’évolution de la motivation
dans le temps à l’aide du genre conduit à une interaction entre les deux niveaux (cross level
interaction) manifestée par le γ11 pour l’interaction entre le temps et le genre, et par le γ21 pour
l’interaction entre le carré du temps et le genre. Il s’agit bien, au sens strict du terme, d’une
interaction puisqu’il s’agit de déterminer si l’effet du temps dans le cas présent diffère selon
le genre de l’étudiant.
Les modèles développés ne permettent pas d’expliquer la variabilité inter-individus sur base
du genre, si ce n’est au niveau de l’intercept pour l’IGM en 05-06 et 06-07, de la motivation
autodéterminée en 05-06 et de l’amotivation en 06-07. Ce résultat confirme une partie des
observations réalisées au Chapitre 6 et présente donc relativement peu d’intérêt ici. Une
différence selon le genre a également été observée au niveau de la modélisation linéaire et
quadratique de la motivation contrôlée, uniquement pour l’année académique 05-06. Il s’agit
de la seule observation de coefficients de régression γ11 et γ21 variant significativement et
donc de la seule observation d’une interaction entre les variables explicatives introduites aux
deux niveaux de notre modèle.
Aucun des douze « Modèles 3 » testés (3 années et 4 variables dépendantes) n’a permis de
diminuer la variance résiduelle de niveau 2 par rapport à la variance initialement observée au
niveau du modèle vide (voir var. u0j des différents Modèles 1 et 3 testés). Le genre ne permet
donc pas d’expliquer la variance inter-individus.
- 164 -
Comme l’introduction du genre ne permet pas d’expliquer la variance inter-individuelle, nous
n’avons pas maintenu cette variable par la suite. Cette décision s’appuie également sur le fait
que seule la modélisation de la Motivation Contrôlée en 05-06 a permis d’identifier des
évolutions (linéaire et quadratique) divergentes entre les étudiantes et les étudiants. Au point
suivant, seules les performances aux différentes sessions d’interrogations et d’examens ont
donc été introduites comme variables explicatives de niveau 2.
9.7
Modélisation selon les performances réalisées
Les performances aux différentes sessions d’interrogations et examens de l’année (Novembre,
Janvier, Avril, Juin) ont été introduites au niveau 2 de nos différents modèles afin d’évaluer la
part de variance inter-individus qui peut être expliquée par les performances obtenues par
l’étudiant (Modèle 4). En d’autres termes, les résultats scolaires permettent-ils de comprendre
les fluctuations observées dans le temps pour les différentes variables motivationnelles ?
Les coefficients γ01, γ02, γ03 et γ04 reflètent l’effet principal des différentes variables
explicatives introduites au niveau 2 du modèle. Lorsqu’un de ces coefficients est positif et
statistiquement significatif, on peut considérer que plus la performance augmente, plus la
valeur moyenne de la variable modélisée augmente. Les coefficients γ11, γ12, γ13 et γ14
illustrent l’interaction entre ces variables de niveau 2 avec le temps (niveau 1). Un coefficient
significativement positif indique alors que la pente de la modélisation augmente avec
l’augmentation des performances obtenues. De la même manière, les coefficients γ21, γ22, γ23
et γ24 concernent l’interaction entre les deux niveaux du modèle, pour les différentes
performances et le carré du temps.
Dans l’ensemble, nous n’avons observé aucun effet direct des performances sur nos variables
dépendantes si ce n’est, occasionnellement, au niveau de l’effet des performances aux
interrogations du mois d’avril. Pour rappel, ces performances sont mesurées en pourcents
obtenus. En 05-06, toute augmentation d’un pourcent aux interrogations d’avril se reflète par
une différence de l’IGM de l’ordre de 0,08. L’exemple est plus parlant si on considère une
augmentation dix fois plus élevée. L’étudiant obtenant 60% en avril présente, selon le modèle
4, une motivation (IGM) plus élevée de 0,8 par rapport à un étudiant ayant obtenu 50%. Au
niveau de l’Amotivation, une augmentation des performances de l’ordre de 10% induit une
diminution de l’Amotivation de 0,1 et ce pour les trois années du suivi (non significatif en 0405).
Aucune interaction entre variables de niveaux différents n’a été observée en 04-05. Les deux
années suivantes, quelques interactions ont été observées mais elles se répètent rarement
d’une année à l’autre et les coefficients sont souvent fort proches de zéro. Notons cependant,
pour 05-06, que le coefficient γ12 est significativement différent de zéro et est égal à 0,14 pour
la modélisation de l’IGM. La pente de la droite de régression varie donc en fonction de la
performance obtenue en janvier. Ici, le coefficient de régression linéaire augmente lorsque la
performance en janvier est plus importante. La motivation se développe donc davantage en
cas de bonne performance aux interrogations de janvier. En 06-07, seul un effet positif des
performances en avril a été observé sur la pente de la droite de régression de l’IGM
(γ13=0,10).
- 165 -
Pour l’évolution de l’amotivation, nous avons observé, en 05-06 et 06-07, un effet significatif
des performances aux interrogations de janvier et ce sur la pente de la droite de régression et,
dans une moindre mesure, sur le déport de la courbe. Pour rappel, le coefficient de la droite de
régression était négatif en 05-06 et positif en 06-07 (Tableau 9.1). Le signe négatif du
coefficient γ12 indique donc pour 05-06 qu’une augmentation des performances aux
interrogations de janvier contribue à diminuer l’amotivation et, pour 06-07, que de bonnes
performances réduisent l’augmentation de l’amotivation.
Modèle 4
Level-1 Model
Level-2 Model
β0j = γ00 + γ01*(NOVEMBRE) + γ02*(JANVIER) + γ03*(AVRIL) + γ04*(JUIN) + u0j
β1j = γ10 + γ11*(NOVEMBRE) + γ12*(JANVIER) + γ13*(AVRIL) + γ14*(JUIN) + u1j
β2j = γ20 + γ21*(NOVEMBRE) + γ22*(JANVIER) + γ23*(AVRIL) + γ24*(JUIN)
- 166 -
2004-2005
IGM
γ00
(ET) p
2005-2006
2006-2007
Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 1 Modèle 2 Modèle 3 Modèle 4
7,43
7,40
7,40
7,36
7,67
7,59
7,59
7,55
7,92
7,87
7,87
7,83
(0,21) *** (0,22) *** (0,22) *** (0,21) *** (0,21) *** (0,22) *** (0,21) *** (0,21) *** (0,23) *** (0,23) *** (0,23) *** (0,22) ***
γ01
(ET) p
0,77
(0,44)
-0,01
(0,02)
1,62
-0,05
(0,45) *** (0,03)
γ02
(ET) p
-0,03
(0,03)
0,00
(0,04)
0,01
(0,04)
γ03
(ET) p
0,01
(0,02)
0,08
(0,03) **
0,06
(0,02) *
γ04
(ET) p
0,06
(0,04)
0,01
(0,04)
0,02
(0,03)
γ10
(ET) p
1,17
1,18
1,11
(0,27) *** (0,27) *** (0,27) ***
γ11
(ET) p
0,13
(0,54)
1,24
(0,50) *
1,38
1,38
1,38
(0,23) *** (0,23) *** (0,23) ***
-0,03
(0,03)
0,34
(0,48)
-0,04
(0,03)
-1,10
-1,10
-1,25
(0,25) *** (0,25) *** (0,25) ***
-0,07
(0,03) *
0,01
(0,55)
-0,05
(0,04)
γ12
(ET) p
0,02
(0,04)
0,14
(0,04) ***
0,05
(0,05)
γ13
(ET) p
-0,01
(0,03)
-0,02
(0,03)
0,10
(0,03) ***
γ14
(ET) p
0,06
(0,04)
-0,03
(0,04)
-0,06
(0,04)
γ20
(ET) p
-0,21
-0,21
-0,20
(0,04) *** (0,04) *** (0,04) ***
γ21
(ET) p
-0,00
(0,09)
-0,21
-0,21
-0,22
(0,04) *** (0,04) *** (0,04) ***
0,00
(0,00)
-0,04
(0,08)
0,15
0,15
0,17
(0,04) *** (0,04) *** (0,04) ***
0,01
(0,01)
0,05
(0,09)
0,01
(0,01)
γ22
(ET) p
-0,01
(0,01)
-0,02
(0,01) **
-0,01
(0,01)
γ23
(ET) p
0,00
(0,00)
0,01
(0,01)
-0,01
(0,01) *
γ24
(ET) p
-0,01
(0,01)
0,00
(0,01)
0,01
(0,01)
Décomp.
variance
u0j
(%expl)
p
6,16
56,4%
6,74
(-9,4%)
6,61
(-7,3%)
6,38
(-3,6%)
7,54
60,6%
8,68
8,13
(-15,2%) (-7,9%)
7,70
(-2,2%)
8,76
66,7%
9,40
(-7,4%)
9,13
(-4,3%)
7,85
(10,3%)
***
***
***
***
***
***
***
***
***
***
***
***
εij
(%expl)
4,76
43,6%
3,57
(25,1%)
3,58
(24,9%)
3,51
(26,2%)
4,89
39,4%
3,19
(34,7%)
3,20
(34,6%)
3,15
(35,7%)
4,37
33,3%
3,61
(17,3%)
3,63
(17,0%)
3,50
(19,9%)
Tableau 9.2. Modèles HLM d’estimation de l’Indice Global de Motivation
(*p<0,05; **p<0,01; ***p<0,001)
- 167 -
2004-2005
Motiv.
2005-2006
2006-2007
Autodét. Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 1 Modèle 2 Modèle 3 Modèle 4
γ00
(ET) p
4,72
4,72
4,72
4,71
4,80
4,79
4,79
4,78
4,72
4,71
4,71
4,70
(0,06) *** (0,06) *** (0,06) *** (0,06) *** (0,06) *** (0,06) *** (0,05) *** (0,06) *** (0,06) *** (0,06) *** (0,06) *** (0,06) ***
γ01
(ET) p
0,13
(0,12)
-0,01
(0,01)
0,35
-0,01
(0,12) ** (0,01)
γ02
(ET) p
-0,01
(0,01)
-0,01
(0,01)
0,00
(0,01)
γ03
(ET) p
0,01
(0,01)
0,02
(0,01) **
0,01
(0,01)
γ04
(ET) p
0,01
(0,01)
0,00
(0,01)
0,00
(0,01)
γ10
(ET) p
0,46
0,46
0,46
(0,07) *** (0,07) *** (0,07) ***
γ11
(ET) p
-0,06
(0,14)
0,24
(0,13)
0,43
0,43
0,44
(0,07) *** (0,07) *** (0,07) ***
-0,00
(0,01)
0,23
(0,14)
-0,13
(0,06) *
-0,02
(0,01) *
-0,01
(0,01)
-0,13
(0,06) *
-0,16
(0,06) **
-0,02
(0,13)
-0,01
(0,01)
γ12
(ET) p
0,01
(0,01)
0,02
(0,01)
0,00
(0,01)
γ13
(ET) p
-0,01
(0,01)
-0,01
(0,01)
0,03
(0,01) ***
γ14
(ET) p
0,01
(0,01)
0,01
(0,01)
-0,01
(0,01)
γ20
(ET) p
-0,07
-0,07
-0,07
(0,01) *** (0,01) *** (0,01) ***
γ21
(ET) p
0,01
(0,02)
-0,05
-0,05
-0,05
(0,01) *** (0,01) *** (0,01) ***
0,00
(0,00)
-0,03
(0,02)
0,02
(0,01)
0,00
(0,00)*
0,02
(0,01)
0,02
(0,01) *
0,01
(0,02)
0,00
(0,00)
γ22
(ET) p
-0,00
(0,00)
-0,00
(0,00)
-0,00
(0,00)
γ23
(ET) p
0,00
(0,00)
0,00
(0,00)
-0,00
(0,00) **
γ24
(ET) p
-0,00
(0,00)
-0,00
(0,00)
0,00
(0,00)
Décomp.
variance
u0j
0,43
(% expl) 56,6%
***
p
0,46
(-6,7%)
0,46
(-6,4%)
0,45
(-4,7%)
0,51
55,1%
0,55
(-8,0%)
0,52
(-3,3%)
0,52
(-3,2%)
0,62
69,0%
0,65
(-4,5%)
0,64
(-3,2%)
0,62
(0,0%)
***
***
***
***
***
***
***
***
***
***
***
εij
(%expl)
0,27
(19,0%)
0,27
(18,8%)
0,27
(18,5%)
0,41
44,9%
0,27
(35,0%)
0,27
(35,1%)
0,26
(35,7%)
0,28
31,0%
0,21
(23,7%)
0,21
(23,6%)
0,21
(25,1%)
0,33
43,4%
Tableau 9.3. Modèles HLM d’estimation de la Motivation Autodéterminée
(*p<0,05; **p<0,01; ***p<0,001)
- 168 -
2004-2005
Motiv.
Contr.
γ00
(ET) p
2005-2006
2006-2007
3,49
3,50
3,50
3,49
3,80
3,80
3,80
3,80
3,34
3,34
3,35
3,34
(0,09) *** (0,09) *** (0,09) *** (0,09) *** (0,08) *** (0,08) *** (0,08) *** (0,08) *** (0,08) *** (0,08) *** (0,09) *** (0,08) ***
γ01
(ET) p
-0,01
(0,18)
0,00
(0,01)
-0,23
(0,16)
0,00
(0,01)
-0,08
(0,19)
-0,01
(0,01)
γ02
(ET) p
-0,01
(0,01)
-0,02
(0,01)
0,02
(0,02)
γ03
(ET) p
0,02
(0,01) *
0,00
(0,01)
0,00
(0,01)
γ04
(ET) p
-0,01
(0,01)
0,01
(0,01)
-0,02
(0,01)
γ10
(ET) p
0,35
0,35
0,36
(0,08) *** (0,08) *** (0,08) ***
γ11
(ET) p
-0,09
(0,17)
0,08
(0,08)
0,07
(0,08)
0,09
(0,08)
-0,03
(0,07)
-0,02
(0,07)
-0,04
(0,07)
-0,15
(0,16)
-0,03
(0,01) **
0,01
(0,01)
0,48
-0,01
(0,16) ** (0,01)
γ12
(ET) p
0,01
(0,01)
-0,02
(0,01)
0,03
(0,01) *
γ13
(ET) p
-0,01
(0,01)
0,00
(0,01)
0,02
(0,01)
γ14
(ET) p
-0,02
(0,01)
0,03
(0,01) *
-0,02
(0,01)
γ20
(ET) p
-0,05
-0,05
-0,05
(0,01) *** (0,01) *** (0,01) ***
γ21
(ET) p
0,01
(0,03)
0,01
(0,01)
0,01
(0,01)
0,01
(0,01)
0,00
(0,01)
0,00
(0,01)
0,00
(0,01)
0,01
(0,03)
0,01
(0,00) ***
-0,00
(0,00)
-0,07
0,00
(0,03) ** (0,00)
γ22
(ET) p
-0,00
(0,00)
0,00
(0,00)
-0,01
(0,00) **
γ23
(ET) p
0,00
(0,00)
0,00
(0,00)
-0,00
(0,00)
γ24
(ET) p
0,00
(0,00)
-0,00
(0,00) *
0,00
(0,00)
Décomp.
variance
u0j
(%expl)
p
1,13
73,3%
1,16
(-2,6%)
1,17
(-3,0%)
1,15
(-1,3%)
1,02
66,7%
1,06
(-3,9%)
1,05
(-3,2%)
1,07
(-4,8%)
1,27
76,3%
1,30
(-2,0%)
1,30
(-2,3%)
1,27
(0,0%)
***
***
***
***
***
***
***
***
***
***
***
***
εij
(%expl)
0,41
26,7%
0,35
(16,3%)
0,35
(16,1%)
0,34
(17,2%)
0,51
33,3%
0,37
(27,8%)
0,36
(28,7%)
0,37
(28,5%)
0,40
23,7%
0,30
(24,8%)
0,30
(24,5%)
0,29
(26,1%)
Tableau 9.4. Modèles HLM d’estimation de la Motivation Contrôlée
(*p<0,05; **p<0,01; ***p<0,001)
- 169 -
2004-2005
Amot.
γ00
(ET) p
2005-2006
2006-2007
1,61
1,63
1,63
1,64
1,46
1,49
1,49
1,50
1,44
1,46
1,46
1,47
(0,05) *** (0,05) *** (0,05) *** (0,05) *** (0,04) *** (0,05) *** (0,05) *** (0,05) *** (0,05) *** (0,05) *** (0,05) *** (0,04) ***
γ01
(ET) p
-0,18
(0,10)
-0,00
(0,01)
-0,16
(0,10)
0,01
(0,01)
-0,22
(0,11) *
0,01
(0,01)
γ02
(ET) p
0,00
(0,01)
0,00
(0,01)
-0,01
(0,01)
γ03
(ET) p
-0,01
(0,01)
-0,01
(0,01) *
-0,01
(0,00) **
γ04
(ET) p
-0,01
(0,01)
-0,00
(0,01)
0,00
(0,01)
γ10
(ET) p
-0,06
(0,08)
γ11
(ET) p
-0,07
(0,08)
-0,05
(0,08)
-0,11
(0,16)
0,00
(0,01)
-0,07
(0,06)
-0,07
(0,06)
-0,06
(0,06)
-0,07
(0,13)
0,01
(0,01)
0,37
0,37
0,41
(0,07) *** (0,07) *** (0,07) ***
0,01
(0,15)
0,02
(0,01) *
γ12
(ET) p
-0,01
(0,01)
-0,03
(0,01) **
-0,04
(0,01) **
γ13
(ET) p
0,00
(0,01)
-0,00
(0,01)
-0,02
(0,01) *
γ14
(ET) p
-0,01
(0,01)
0,01
(0,01)
0,02
(0,01)
γ20
(ET) p
0,02
(0,01)
γ21
(ET) p
0,02
(0,01)
0,02
(0,01)
0,01
(0,03)
-0,00
(0,00)
0,02
(0,01) *
0,02
(0,01) *
0,02
(0,01) *
0,01
(0,02)
-0,00
(0,00)
-0,05
-0,05
-0,05
(0,01) *** (0,01) *** (0,01) ***
-0,01
(0,03)
-0,00
(0,00) *
γ22
(ET) p
0,00
(0,00)
0,00
(0,00) *
0,01
(0,00) **
γ23
(ET) p
-0,00
(0,00)
-0,00
(0,00)
0,00
(0,00)
γ24
(ET) p
0,00
(0,00)
-0,00
(0,00)
-0,00
(0,00)
Décomp.
variance
u0j
(%expl)
p
0,31
44,2%
0,36
0,35
0,31
(-15,4%) (-12,3%) (0,0%)
0,30
46,6%
0,41
0,40
0,36
0,34
(-34,0%) (-32,7%) (-18,1%) 51,7%
0,38
0,37
(-10,8%) (-8,9%)
0,30
(12,2%)
***
***
***
***
***
***
***
***
***
***
***
***
εij
(%expl)
0,40
55,8%
0,30
(23,0%)
0,31
(22,7%)
0,30
(23,7%)
0,35
53,4%
0,25
(28,1%)
0,25
(28,0%)
0,25
(29,4%)
0,32
48,3%
0,28
(13,2%)
0,28
(13,2%)
0,27
(16,3%)
Tableau 9.5. Modèles HLM d’estimation de l’Amotivation
(*p<0,05; **p<0,01; ***p<0,001)
- 170 -
9.8
Discussion
Différents modèles multiniveaux ont été testés sur notre triple jeu de données (3 cohortes) afin
d’étudier l’évolution temporelle de la motivation des étudiants au cours d’une année
académique. Cette motivation constitue notre variable dépendante et se décline sous quatre
formes. D’une part, sous la forme synthétique d’un Indice Global de Motivation (IGM),
d’autre part selon les trois composantes à l’origine du calcul de l’IGM : la Motivation
Autodéterminée, la Motivation Contrôlée et l’Amotivation.
Nous avons vu qu’au sein des modèles de croissance, les différentes mesures répétées,
propres à un individu, constituent des unités statistiques d’un niveau inférieur à celui de
l’individu. Elles forment le niveau intra-individu et se retrouvent donc au premier niveau de la
structure hiérarchisée. Après avoir testé nos modèles vides (Modèle 1), la première variable
explicative que nous avons introduite au niveau 1 de notre modèle de croissance est le temps,
modélisé sous la forme d’une régression quadratique (Modèle 2). Au second niveau de nos
modèles de croissance, nous avons introduit ensuite des variables explicatives propres aux
individus: le genre (Modèle 3) et les performances aux interrogations et examens (Modèle 4).
Le modèle vide (Modèle 1)
Les coefficients de corrélation intraclasse pour l’IGM, la Motivation Autodéterminée et la
Motivation Contrôlée sont tous supérieurs à 55%, ce qui montre que la majorité de la variance
totale de ces variables dépendantes se trouve entre les étudiants. La Motivation Globale
(IGM), la Motivation Autodéterminée et la Motivation Contrôlée varient donc davantage
entre étudiants qu’au cours de l’année pour un étudiant donné. Pour l’Amotivation, on
retrouve autant de variance interindividuelle que de variance intra-étudiant.
Le modèle inconditionnel de croissance (Modèle 2)
La modélisation curvilinéaire de nos variables motivationnelles a permis d’expliquer jusqu’à
35% de la variance intra-individu de l’Indice Global de Motivation et de la Motivation
Autodéterminée, et jusqu’à 28% de la variance intra-individu de la Motivation Contrôlée et de
l’Amotivation.
Le « déport » de la courbe par rapport à la droite de régression est significatif pour sept des
douze modèles testés. La courbe ajuste alors mieux les données qu’une droite. Nous avons
maintenu la modélisation quadratique dans nos autres modèles par souci d’uniformité et afin
de favoriser les comparaisons entre variables dépendantes et entre cohortes suivies, d’autant
que dans trois de ces cinq modèles, la pente de la modélisation linéaire n’était pas non plus
significative.
Pour l’IGM, la pente du coefficient de linéarité et le déport de la courbe par rapport à la droite
sont significativement différents de zéro pour les trois cohortes suivies. Ces coefficients sont
cependant de signe opposé en 06-07 par rapport aux deux cohortes précédentes. La concavité
ou la convexité des courbes modélisées reflète bien l’évolution de l’IGM (mais aussi de
l’Amotivation) qui a été présentée au chapitre 6. Les différences de courbure, d’une année à
l’autre, soulignent à nouveau l’important effet cohorte précédemment mis en évidence. Dans
ce cadre, la comparaison des modèles inconditionnels entre nos trois années d’étude révèle la
forte hétérogénéité des réponses obtenues. L’introduction de variables explicatives au second
niveau des différents modèles vise à expliquer les variances observées au sein de chaque
modèle.
- 171 -
Modèle 3
Notre troisième modèle a été conçu afin de tester l’effet du genre sur la motivation (ou une de
ses composantes) ainsi que sur les composantes linéaires et quadratiques introduites au
premier niveau du modèle. Nous n’avons pas observé de différences statistiquement
significatives si ce n’est au niveau de l’intercept pour l’IGM en 05-06 et 06-07, de la
motivation autodéterminée en 05-06 et de l’amotivation en 06-07. De plus, le genre de
l’étudiant ne permet pas d’expliquer la variabilité inter-individus.
Au chapitre 6, nous n’avions pu mettre en évidence de différences entre genre en ce qui
concerne l’amotivation pour la cohorte 06-07 (Figure 6.8). Par contre les différences entre
genres étaient très nettes en ce qui concerne l’évolution de l’IGM en 05-06 et nettement
moindre en 06-07 (Figure 6.9).
En ce qui concerne la modélisation linéaire et quadratique de la motivation, la seule différence
entre genre concerne la motivation contrôlée, uniquement pour l’année académique 05-06
(Cross Level Interaction). Il s’agit de la seule observation d’une interaction entre les variables
explicatives introduites aux deux niveaux de notre modèle.
Comme seule la modélisation de la Motivation Contrôlée en 05-06 a permis d’identifier des
évolutions (linéaire et quadratique) divergentes entre les étudiantes et les étudiants (Cross
Level Interactions) et qu’aucune modélisation 3 n’a permis de diminuer la variance de u0j par
rapport à la variance initiale observée au niveau de nos modèles vides (Modèle 1), nous
rejetons notre première hypothèse relative à l’influence du genre :
Hypothèse 9.1.
amotivation)
Au vu des résultats obtenus aux chapitres précédents, il peut paraître étonnant que le genre ne
permette pas d’expliquer davantage la variance inter-individus. Rappelons ici que nous avons
bien observé un impact du genre sur l’intercept de certains modèles portant sur l’IGM, la
motivation autodéterminée et l’amotivation. Ces résultats sont intéressants et confirment nos
observations antérieures mais ils ne nécessitent pas de recourir aux modélisations
multiniveaux. L’intégration du genre comme variable explicative des modèles de croissance
développés visait à évaluer si l’évolution de la motivation dans le temps diffère selon le genre
de l’étudiant, ce qui n’a pu être vérifié et a conduit au rejet de notre première hypothèse.
D’autres variables sont donc impliquées. Notre quatrième modèle a été mis en place afin de
tester l’influence des performances sur cette évolution de la motivation des étudiants.
Modèle 4
Le modèle 4 a permis de tester l’influence des performances aux interrogations sur la variance
de nos variables dépendantes.
Nous avons observé relativement peu d’effets directs des performances sur la motivation
académique, la motivation autodéterminée et la motivation contrôlée. Notons cependant
l’effet des performances aux interrogations du mois d’avril sur l’IGM. Ainsi, en 05-06 et 0607, une augmentation de 10% aux interrogations d’avril induit respectivement une
- 172 -
augmentation de l’IGM de l’ordre de 0,8 et 0,6. Les rares interactions observées entre
l’évolution temporelle de la motivation et les performances ne sont pas confirmées sur
d’autres cohortes d’étudiants, ce qui nous amène à rejeter notre deuxième hypothèse postulant
que « de bons résultats aux sessions d’interrogations engendrent une augmentation de la
motivation académique, de la motivation autodéterminée et de la motivation contrôlée ». Ce
rejet d’hypothèse se justifie également par le fait que l’introduction des performances dans
notre modèle a uniquement permis d’expliquer 10% de la variance interindividuelle de
l’Indice Global de Motivation et ce pour la seule année académique 06-07.
Au niveau de l’Amotivation, un effet direct des performances aux interrogations d’avril a été
observé en 05-06 et 06-07. Ces deux années, toute augmentation de 10% des performances en
avril induit une diminution de l’Amotivation de 0,1 ce qui n’est pas négligeable sachant que la
moyenne générale se situe entre 1,44 et 1,66. En 04-05, la même relation est observée mais
elle n’est pas significative.
En 05-06 et 06-07 , les modèles de croissance intégrant les performances ont permis de mettre
en évidence un impact des performances aux interrogations de janvier sur l’évolution
temporelle de l’amotivation. Cet impact est positif pour l’étudiant puisqu’il contribue soit à
faire diminuer l’amotivation, soit à limiter sa croissance. Il est également observé en 04-05
mais sans être statistiquement significatif (p>0,05).
L’effet direct des performances aux interrogations d’avril sur l’amotivation ainsi que
l’interaction observée entre les performances aux interrogations de janvier et l’évolution
temporelle de l’amotivation nous pousse à accepter notre troisième hypothèse stipulant que
« De bons résultats aux sessions d’interrogations engendrent une diminution de
l’amotivation ». Il faut noter cependant que seules les performances aux interrogations de
janvier interagissent significativement avec l’évolution de l’amotivation, ce qui est fort
important à souligner et tendrait à justifier un encadrement renforcé des étudiants à l’issue de
cette session d’interrogations. L’absence d’interactions entre les performances en novembre et
l’évolution de l’amotivation peut sembler surprenante mais pourrait s’expliquer par le fait que
cette session est présentée comme étant essentiellement formative et non pénalisante pour
l’étudiant. D’éventuels mauvais résultats ne devraient donc pas engendrer de l’amotivation
mais, plus sainement, simplement des réflexions de la part de l’étudiant, que ce soit par
exemple sur sa méthode de travail ou sur son engagement dans ses études.
Nous avons observé un effet direct des performances en avril sur l’amotivation ainsi qu’un
effet des performances en janvier sur la pente de la droite de régression de nos modèles de
croissance. L’introduction des variables de performance au deuxième niveau de notre
modélisation de l’amotivation ne contribue cependant pas à diminuer la variance
interindividuelle de la motivation, si ce n’est en 06-07. L’introduction des performances
permet alors d’expliquer 12% de la variance interindividuelle, ce qui reste très faible !
D’autres facteurs doivent donc être pris en considération pour expliquer la variance de
l’amotivation.
La publication de Legault, Green-Demers & Pelletier (2006) est particulièrement intéressante
à ce sujet. En adéquation avec la théorie de l’autodétermination (Deci & Ryan, 1985, 2002),
ils y décrivent l’amotivation générale comme un état proche d’une totale aliénation,
d’impuissance et de passivité et la déclinent ensuite sous quatre dimensions : l’amotivation
académique fondée sur la croyance en ses capacités, sur l’efficacité perçue de l’effort, sur les
caractéristiques des tâches à accomplir et sur la valeur attribuée à ces tâches.
- 173 -
Dans ce cadre, de faibles performances peuvent être source d’amotivation liée à une faible
estime en ses capacités ainsi que d’amotivation résultant de la perception de l’inefficacité des
efforts consentis. Les deux autres sous-dimensions de l’amotivation académique ne sont pas
sous l’influence directe de faibles performances et dépendent davantage du contexte, en
l’occurrence, de la tâche à accomplir ou de la matière enseignée, de la valeur ou de l’intérêt
porté à celle-ci. Ces deux dernières dimensions n’ont pas été prises en compte dans notre
étude. Pourtant, au vu du faible niveau de la variance de la motivation (et de l’amotivation)
qui est expliqué par les performances dans notre quatrième modélisation, il semble essentiel
de s’y intéresser davantage. Nous y reviendrons sommairement dans nos discussions
générales.
La modélisation multiniveaux de croissance a été utilisée dans le présent chapitre d’une part
pour en démontrer l’intérêt dans le cadre de recherches en sciences de l’éducation portant sur
l’évolution de la motivation académique, d’autre part pour étudier comment évolue la
motivation des étudiants au cours d’une première année à l’Université et quels facteurs
expliquent l’hétérogénéité de cette évolution.
L’intérêt d’utiliser les modèles multiniveaux de croissance a clairement été démontré, d’une
part au niveau des modèles vides fournissant la répartition de la variance entre niveaux
étudiés, d’autre part au niveau des modèles inconditionnels permettant de modéliser
l’évolution de nos variables dépendantes. Les modèles visant à expliquer les niveaux de
variance de la motivation n’ont pas permis de progresser dans la compréhension de ce
phénomène si ce n’est au niveau de l’amotivation. Seules quelques rares et faibles variances
ont pu être expliquées par les performances mais ces résultats diffèrent d’une année à l’autre.
La motivation semble donc être moins liée aux performances qu’initialement postulé sauf en
ce qui concerne l’amotivation.
Au Chapitre 3, nous avons développé l’approche sociocognitive de la motivation, présenté la
diversité des déterminants et indicateurs de la motivation (et leurs interactions) puis insisté sur
les différents types de motivation et sur le modèle hiérarchique développé par Vallerand
(1997, 2000). La relecture de ce chapitre est essentielle, non seulement pour se remémorer la
diversité des déterminants de la motivation mais aussi pour appréhender la dynamique
motivationnelle au regard de l’influence de la motivation globale sur la motivation
académique (top-down impact) et de l’influence de la motivation situationnelle sur la
motivation académique (buttom-up effect). Ces différents points ainsi que l’effet cohorte et la
question de la répétabilité des résultats en sciences de l’éducation sont largement discutés
dans notre discussion générale (Chapitre 10).
- 174 -
Chapitre 10 Discussion générale et conclusions
L'objet du présent travail est clairement défini par son titre: Etude longitudinale de la
motivation d'étudiants universitaires de 1ère année. Cette recherche s'inscrit dans le cadre de
la théorie de l'autodétermination (Deci & Ryan, 1985, 1991) qui postule l'existence de
différents types de motivation. Ces types de motivation ont été évalués à l'aide d'un
questionnaire développé par Vallerand et al. (1989): l'Echelle de Motivation en Education.
L'étude longitudinale de la motivation s'intéressait donc à l'évolution de la motivation
académique d'étudiants durant leur première année à l'université, et plus particulièrement dans
le secteur scientifique, à la Faculté universitaire des Sciences agronomiques de Gembloux
(Belgique). Le premier facteur qui a été pris en considération dans l’analyse descriptive de
l'évolution de la motivation est le genre de l'étudiant. En effet, de nombreuses études ont mis
en évidence des différences au niveau de la motivation des étudiantes et des étudiants
(Chapitre 3). Les performances aux interrogations de l'année et aux examens de première
session constituent le second facteur d'influence qui a été étudié.
Trois cohortes d'étudiants ont été suivies en leur soumettant à cinq reprises l'Echelle de
Motivation en Education (EME de Vallerand et al., 1989). Quatre approches ont été
privilégiées: la première consiste en un simple suivi longitudinal de la motivation, en tenant
compte des deux facteurs d'influence; la seconde repose sur différentes analyses corrélatoires
entre la motivation et les performances; la troisième exploite les récents développements
d'études de trajectoires à l'aide d'une méthode semi-paramétrique fondée sur le groupement, la
dernière met à profit la grande souplesse des modèles multiniveaux de croissance pour
modéliser l’évolution intra-individuelle de la motivation ainsi que l’hétérogénéité entre les
individus.
10.1 A propos de l'originalité du travail
Différentes facettes confèrent au présent travail sa part d'originalité :




Aucune recherche ne s'est préalablement intéressée à l'évolution de la motivation
au cours d'une année complète à l'université;
De nombreuses recherches sur la motivation ont été entreprises au Canada et aux
USA. Au niveau européen, seules quelques recherches importantes ont été
menées en France, en Suisse et en Allemagne;
La diversité et l’originalité des méthodes statistiques utilisées permettent
d’établir d’intéressantes comparaisons tant en termes méthodologiques qu’au
niveau des résultats obtenus.
La répétition du suivi de motivation, sur trois années, confère également une
certaine originalité au présent travail d'autant qu'entre ces trois années, les
conditions environnementales sont restées similaires: programme, enseignants,
évaluations, cadre, etc;
- 175 -


Une seule étude mentionne l'analyse de trajectoires de motivation par le biais
d'une méthode basée sur les groupements. La méthode des trajectoires conjointes
n'avait jamais été utilisée par le passé afin d'envisager les influences réciproques
entre la motivation et les performances ;
La modélisation multiniveaux de la motivation au sein de modèles de croissance
n’a jamais été utilisée dans le cadre d’une étude longitudinale portant sur une
première année d’études universitaires.
10.2 A propos de la théorie de l'autodétermination
De nombreux courants théoriques se sont intéressés à la motivation académique. Parmi ceuxci, la théorie de l'autodétermination (Self-Determination Theory: SDT - Deci & Ryan, 1985,
1991) est probablement l'approche qui a généré les plus importantes recherches. Elle postule
que tout comportement peut être vu comme résultant d'une motivation intrinsèque, d'une
motivation extrinsèque ou d'amotivation. Selon Deci et Ryan (1985), il existerait quatre types
de motivation extrinsèque qui peuvent être agencés le long d'un continuum d'autonomie. Du
plus bas niveau d'autonomie au plus élevé, on retrouve la motivation extrinsèque à régulation
externe, à régulation introjectée, à régulation identifiée et la motivation extrinsèque à
régulation intégrée [Vallerand et al. (1989) ne font pas de distinctions entre ces deux
dernières formes de motivation extrinsèque]. L'amotivation et la motivation intrinsèque se
retrouvent de part et d'autre du continuum.
Plus que de postuler l'existence de différents types de motivation, la théorie de
l'autodétermination envisage des conséquences distinctes en fonction des types de motivation.
Ainsi, les formes autonomes (ou autodéterminées) de motivation (motivation intrinsèque)
induiraient des conséquences positives alors que les formes moins autonomes (amotivation)
conduiraient à des conséquences négatives. Dans le cadre de l'éducation, un élève motivé
intrinsèquement pourrait par exemple développer davantage de créativité, abandonnerait
moins, présenterait un meilleur engagement cognitif et obtiendrait de meilleures performances
(Fortier, Vallerand & Guay, 1995).
La théorie de l'autodétermination postule que l'autodétermination est liée à différents types de
conséquences, soit émotives, cognitives, comportementales ou liées aux performances
académiques (Vallerand et al., 1993; Vallerand, 1997). Nos résultats confirment le lien qui
existe entre une augmentation de la motivation autonome et l'augmentation des performances
des étudiants. La littérature laisse présager que l'augmentation de motivation et d'autonomie
perçue est également liée à d'autres conséquences positives sur la vie scolaire et sociale de
l'étudiant: moindre tendance à l'abandon (Vallerand & Bissonnette, 1992; Vallerand &
Senécal, 1992), meilleur engagement cognitif (Viau & Bouchard, 2000), meilleure adaptation
au contexte scolaire (Vallerand, Blais, Brière & Pelletier, 1989), réalisation dans le sport
(Boiché, 2006; Sarrazin, 1995), développement de relations avec les autres (Blais, Sabourin,
Boucher & Vallerand, 1990). De la même manière, nous avons observé que l'amotivation était
associée à de basses performances. Cette amotivation s'accompagne également d'autres
conséquences négatives: tendance à la tricherie (Angell, 2006) et, corollaire de ce qui vient
d'être vu sur la motivation autonome, par une tendance à l'absentéisme et au décrochage
(Blanchard, Pelletier, Otis & Sharp, 2004), à la procrastination (Nadeau, Senécal & Guay,
2003) et à la marginalisation.
- 176 -
Selon la théorie de l'autodétermination (Deci & Ryan, 1985), les besoins de compétence, de
soutien à l'autonomie et d'appartenance sont des déterminants clés de la motivation
autodéterminée. Il est probable qu'à l'université, le grand nombre d'étudiants rende les
contacts moins fréquents et les relations plus difficiles à établir qu'en primaire ou en
secondaire. Cette situation expliquerait la difficulté des étudiants à combler leurs trois besoins
de compétence, de soutien à l'autonomie et d'appartenance.
10.3 A propos de l'Echelle de Motivation en Education
Dans le domaine de l'éducation, quelques chercheurs se sont rapidement intéressés aux
différents types de motivation envers l'apprentissage (Grolnick & Ryan, 1987; Vallerand &
Bissonnette, 1992). A cette fin, ils ont développé des outils d'évaluation des différents types
de motivation. C'est le cas de Vallerand et al. (1989) qui ont conçu un questionnaire qui
repose sur le concept de continuum d'autodétermination. Cet outil, baptisé "Echelle de
Motivation en Education" (EME), permet d'évaluer sept types de motivation (la motivation
intrinsèque y est subdivisée en trois sous-unités) qu'il est possible d'organiser le long d'un
continuum de motivation selon un gradient d'autodétermination:
MICO
AMOT  MERE  MEIN  MEID  MIAC
MIST
L'EME permet de calculer un indice de motivation (IGM) en attribuant un poids aux
différents types de motivation selon leur position sur le continuum de motivation
autodéterminée (Deci & Ryan, 1985; Deci, Vallerand, Pelletier & Ryan, 1991; Vallerand,
1997).
MICO :
MIAC :
MIST :
MEID :
MEIN :
MERE :
AMOT :
motivation intrinsèque à la connaissance
motivation intrinsèque à l’accomplissement
motivation intrinsèque à la stimulation
motivation extrinsèque à régulation identifiée
motivation extrinsèque à régulation introjectée
motivation extrinsèque à régulation externe
amotivation
IGM
:
L'Echelle de Motivation en Education a été traduite dans différentes langues (anglais,
espagnol, grec, portugais, etc.), existe sous sa forme originale (28 items) ou en version courte
(20 items), a été adaptée à différents contextes de recherche (motivation académique,
motivation dans le sport, motivation envers le jeu, motivation à poursuivre un traitement
médical, etc.). Nous avons utilisé sa version originale (28 items, en français) adaptée au
contexte universitaire afin d'entreprendre notre suivi longitudinal de la motivation académique
des étudiants de première bachelier à la Faculté universitaire des Sciences agronomiques de
Gembloux. Ses qualités psychométriques ont été vérifiées sur base des coefficients α de
Cronbach et d'analyses en composantes principales (Chapitre 5). A chaque soumission du
questionnaire, la consistance interne de l'outil est renforcée. Le coefficient α de Cronbach
pour la motivation extrinsèque à régulation identifiée (MEID) est relativement faible en début
d'année académique puis devient rapidement supérieur à 0,70. Cette faible consistance interne
- 177 -
du construit de la MEID a précédemment été relevée par Vallerand et al. (1992) ainsi que par
Cokley et al. (2001).
La structure linéaire et organisée de l'échelle de motivation (the simplex pattern) n'a pu être
vérifiée. Ainsi, lors de l'étude du construit, nous avons observé des corrélations latentes
nettement plus importantes entre la MIAC et la MEIN qu'entre la MIAC et la MEID, pourtant
plus proches sur le continuum. Dans le cadre de leurs études, Vallerand et al. (1992, 1993)
avaient observé des relations plus fortes entre la MIST et la MEIN qu'entre la MIST et la
MEID, théoriquement plus proches. En concordance partielle avec nos observations, Cokley
et al. (2001) avaient mis en évidence que les trois types de motivation intrinsèque étaient
davantage liés à la MEIN qu'à la MEID.
L’importante relation que nous avons observée entre la MIAC et la MEIN de même que les
fortes corrélations négatives relevées entre l’AMOT et la MEID (pourtant non situés aux deux
extrémités du continuum) soulèvent à nouveau la question de la validité conceptuelle du
questionnaire (EME) reposant sur la structure linéaire et organisée du continuum
motivationnel. L’analyse bibliographique et l’hétérogénéité des niveaux de corrélation
obtenus nous ont conduits à émettre l'hypothèse d’une variation des relations entre les
composantes motivationnelles selon la population d'étude (culture, âge et genre).
L'amotivation joue un rôle essentiel dans notre étude. Tant les analyses en composantes
principales que les études sous devis corrélationnel nous ont poussés à l’étudier distinctement
au cours de nos différentes analyses. A plusieurs reprises, nous avons relevé les liens qui
existent entre l'absence (ou la perte) de motivation et les performances. Il est cependant à
regretter que l'EME ne permette pas d'identifier l'origine de l'amotivation, par exemple en
établissant la distinction entre l'amotivation interne et l'amotivation externe. En effet, les
formulations reprises dans le questionnaire sont relativement neutres et ne permettent pas de
cibler la source de l'amotivation déclarée: "Je ne parviens pas à voir pourquoi je vais à
l'université et franchement je m'en fous pas mal". Une amotivation externe pourrait être
identifiée lorsque l'apprenant justifie son amotivation par un niveau d'exigence académique
trop élevé ou par des conditions d'études trop difficiles. L'amotivation interne pourrait être
détectée lorsque l'apprenant déclare ne pas savoir ce qu'il faut faire pour bien faire les tâches
qui lui incombent et qu'il sent qu'il lui manque des compétences pour y arriver.
10.4 A propos de l'effet du genre
De nombreuses études se sont intéressées aux différences entre les filles et les garçons, y
compris sur le plan de la motivation pour les études (voir Chapitre 3). Il ressort de ces
recherches différents éléments souvent contradictoires qui pourraient s'expliquer par: (1)
l'évolution des différences avec l'âge, (2) l'influence des disciplines; (3) l'influence des
origines et de la culture; (4) l'influence du contexte.
Dans le cadre de nos recherches, les différences observées entre les étudiantes et les étudiants
concernent le construit théorique de continuum motivationnel, le niveau et l'évolution de la
motivation ainsi que les relations réciproques entre la motivation et les performances.
L'analyse de la validité du questionnaire EME-U a entre autres été réalisée par vérification du
"simplex pattern" illustrant l'organisation des différents types de motivation le long d'un
continuum de motivation fondé sur un gradient d'autodétermination. Au niveau du construit,
- 178 -
certaines relations entre composantes motivationnelles semblent être différentes en fonction
du genre. Ainsi, contrairement aux attendus théoriques, nous avons observé
occasionnellement et uniquement pour les étudiantes, des liens plus forts entre la MERE et la
MIAC qu'entre la MERE et la MEID. Cette observation, bien que réalisée sur de relativement
faibles populations d'étudiantes, pose la question de l'influence du genre sur les relations entre
composantes motivationnelles. Elle laisse à penser qu'à l'avenir, il serait utile de tenir compte
du genre lors des études de vérification de la structure linéaire et organisée du continuum.
Différentes études font état de différences entre les étudiantes et les étudiants sur le plan des
sept types de motivation évaluables à l'aide de l'Echelle de Motivation en Education (Chapitre
3). Ces différences varient en fonction de l'origine des étudiants, de leur âge et de leur niveau
d'étude mais également du type d'études entreprises. Nos recherches mettent également en
évidence des différences au niveau de l'évolution de la motivation au cours de l'année. Ainsi,
les étudiantes présentent une plus forte motivation intrinsèque (MICO, MIAC et MIST) que
les étudiants lors des évaluations de la motivation réalisées en janvier et en mars alors
qu'aucune différence n'est observée en fin d'année. Cette forte motivation intrinsèque des
étudiantes confirme les résultats antérieurs (Senécal, Pelletier & Vallerand, 1992; Vallerand et
al., 1992; Vallerand, Fortier & Guay, 1997; Larose et al., 2005) mais elle est à relativiser car
elle est nettement moindre en fin d'année. Concernant la motivation extrinsèque, la seule
différence observable entre les étudiantes et les étudiants concerne la motivation extrinsèque à
régulation externe. En fin d'année, elle est toujours plus élevée chez les étudiants que chez les
étudiantes. Cette différence n'est pas ou nettement moins marquée durant l'année.
Lors de l'étude sur les relations entre la motivation et les performances finales, les plus fortes
corrélations observées pour les étudiants concernent l'évaluation de la motivation en
décembre. Pour les étudiantes, les liens les plus forts entre la motivation et les performances
finales sont observés plus tardivement dans l'année (Chapitre 7). Pour les étudiants, il est
probable que, plus l'année avance, plus il y a de facteurs qui interfèrent entre la motivation et
les performances: définition d'objectifs nouveaux, perspectives d'une réorientation,
résignation, etc. En effet, les relations inverses observées entre l'amotivation et les
performances finales sont significatives dès le mois de décembre pour les étudiants et à partir
de janvier ou plus tard pour les étudiantes. La résignation apparaît donc plus tardivement chez
les étudiantes que chez les étudiants.
En 04-05, les corrélations entre les performances aux différentes sessions d'interrogations et la
motivation proche sont plus fortes chez les étudiants que chez les étudiantes, c'est l'inverse en
05-06 et 06-07. Ces différences entre cohortes rendent difficile l'établissement de conclusions
définitives.
Rappelons finalement que les modèles multiniveaux n’ont pas permis d’identifier le genre de
l’étudiant comme variable explicative de la variance interindividuelle des courbes d’évolution
de la motivation.
10.5 A propos de l'évolution de la motivation
La motivation est un "phénomène" dynamique sous l'influence d'une multitude de facteurs.
Ceux-ci interagissent entre eux et influencent l'évolution des types de motivation des étudiants
engagés dans leurs études universitaires. Ces fluctuations ont été vérifiées au Chapitre 6 puis
modélisées aux Chapitres 8 et 9.
- 179 -
Contrairement à ce qui a été observé dans le secondaire lors d'études sur les changements
annuels de la motivation envers les mathématiques (Chouinard, 2001), nous n'avons pas
observé de chute généralisée de la motivation entre le début d'année et la fin d'année. En effet,
en début d'année académique, la motivation déclarée par les étudiants n'était pas à son
maximum, ce qui nous a amené à rejeter notre hypothèse de départ. L'effet d’un biais cognitif
et émotionnel a été évoqué pour expliquer cette observation.
L'évolution de la motivation n'est pas régulière au cours du temps. Elle présente différents
maxima et plateaux dont les périodes (et la valeur) varient fortement en fonction du genre de
l'étudiant (Point 6.3) et de ses performances (Points 6.5 et 6.6).
Les sept types de motivation repris à l'EME-U ont été évalués au cours des trois années
d'expérimentation. L'évolution de ces différentes motivations intrinsèques (MI) et motivations
extrinsèques (ME) varie fortement d'une année académique à l'autre. L'établissement d'une
typologie de l'évolution de la MI et de la ME n'a donc pu être envisagée. Les modélisations
statistiques des chapitres 8 et 9 ont été mises en place afin de combler partiellement ces
lacunes.
10.6 A propos des liens entre motivation et performances
Bien que sortant du cadre général de notre étude, la motivation a été prise en considération
comme facteur d'influence sur les performances aux Chapitres 7 et 8. Bien entendu, les
performances à l'Université sont sous l'influence d'un nombre impressionnant de facteurs dont
il faudrait pouvoir tenir compte pour améliorer les modèles de prédiction. Fortier, Vallerand
et Guay (1995) considèrent en premier lieu l'engagement cognitif qui se manifeste entre autres
par la mise en œuvre de stratégies d'apprentissage. Cosnefroy (2011) s’intéresse aux
apprenants et à leurs capacités de développer des stratégies volitionnelles en vue de soutenir
activement leurs efforts. Cet engagement cognitif et l’autorégulation des apprentissages
semblent en effet intervenir comme médiateurs majeurs entre la motivation et les
performances. En second lieu, il semble important de s'intéresser aux variables exogènes liées
aux parents. Celles-ci jouent en effet un rôle prépondérant sur la perception que l'apprenant a
de lui-même, de ses capacités, de son environnement et de son degré d'autonomie.
La motivation académique affecte l'apprentissage et les comportements en situation scolaire.
L'auto-efficacité, se sentir capable d'être performant ou d'atteindre des buts particuliers, est
une composante essentielle de cette motivation académique. En effet, l'étudiant qui se sent
capable de réussir son année est davantage motivé à relever des défis et à faire des efforts
(Bandura, 2003).
La plupart des études menées sur les facteurs associés à la réussite ou à l'échec sont de nature
corrélationnelle. Elles tentent d'établir un lien entre la réussite académique et les
caractéristiques d'entrée ou les premières indications d'adaptation au contexte universitaire.
Au niveau des caractéristiques d'entrée, les corrélations observées ne peuvent mener à
l'établissement d'indicateurs fiables permettant de prédire la réussite en première année (SPU,
1994). Les premières indications d'adaptation au contexte universitaire sont davantage
corrélées à la réussite académique. Elles peuvent présenter des corrélations proches de 0,90
(voir au Chapitre 5 les corrélations entre les performances en janvier et en juin). Celles-ci ne
permettent cependant pas de prédire la réussite ou l'échec des étudiants, surtout pour ceux
dont la variable mesurée est proche du seuil de réussite.
- 180 -
Au niveau du chapitre 7, nous avons précisé les liens qui existent entre la motivation et les
performances. Concernant la relation entre la motivation en décembre et la réussite
académique, nous avons observé des corrélations comprises entre 0,30 et 0,47. Les
corrélations inverses observées entre l'amotivation en décembre et la réussite académique
étaient proches de 0,40. Ces résultats confirment l'importance des paramètres motivationnels
dans l'explication de la variabilité des performances académiques à l'Université. En effet, la
motivation en décembre permet d'expliquer de 10 à 20% de la variabilité des performances
finales. Rappelons que cette partie du travail repose sur un plan corrélationnel et qu’il est
donc difficile d’inférer des liens causaux entre la motivation et les performances.
En sciences humaines, des corrélations de 0,30 sont très intéressantes dans le cadre d'études
descriptives visant à la compréhension exploratoire des phénomènes (Borg & Gall, 198912,
cités par SPU, 1994). Elles doivent atteindre 0,60 à 0,80 pour pouvoir être utilisables dans des
prédictions de groupes. Les niveaux de corrélation observés dans notre étude ne permettent
donc pas d'effectuer des prédictions sur la réussite de l'année mais ils sont suffisamment
élevés pour expliquer une partie de la variabilité des performances académiques.
Sur trois années d'étude, nous n'avons observé qu'une seule fois une relation entre la
motivation initiale et les performances académiques. A ce propos, nous avons émis
l'hypothèse que la motivation initiale était sous estimée par un biais cognitif renforcé par un
biais émotionnel (discussions des Chapitre 6 et Chapitre 7). Il paraît en effet étonnant de ne
pas retrouver de liens entre cette motivation initiale et les performances aux interrogations et
examens de l'année. La motivation initiale est pourtant considérée comme un facteur d'entrée
intervenant dans l'explication de la réussite à l'université, au même titre que les connaissances
préalables, la détermination dans le choix des études, la qualité des méthodes d'apprentissage,
etc.
Bogler et Somech (2002) se sont penchés sur la période qui suit directement l'admission des
étudiants à l'université. Ils ont mis en évidence que les tactiques d'intégration sociale, mises
en place par les étudiants, interviennent directement comme intermédiaire entre leur
motivation à apprendre et leurs performances, ainsi qu'entre leur motivation et leur
satisfaction envers leurs études.
Parmi les nombreuses variables influençant la motivation pour le travail scolaire, certaines
peuvent être rattachées au vécu scolaire des élèves (les notes et le climat social dans la classe),
d'autres à la construction de l'identité (estime de soi, buts et projets d'avenir) (Gurtner,
Monnard & Ntamakiliro, 2000). L'influence des performances scolaires sur la motivation a été
étudiée par Gurtner, Monnard & Ntamakiliro (2000) sur base d'analyses de corrélations. Il
ressort de cette étude que la relation entre résultats scolaires et motivation concerne
principalement les domaines affectifs et personnels. En effet, le sentiment de compétence et
l'état d'anxiété sont les deux composantes de la motivation les plus fortement liées aux
résultats obtenus.
Galand, Neuville et Frenay (2005) s'intéressent aux facteurs liés à l'échec dans l'enseignement
supérieur. Différents éléments tels que l'origine socio-économique, la méthode de travail ou le
niveau antérieur de compétence (performances) sont envisagés et évalués en termes de part
expliquée de la variance des résultats obtenus. A propos de la motivation, ils soulignent
12
Borg, W.R., & Gall, M.D. (1989). Educational Research: an introduction. 5th ed., White Plains, NY:
Longman.
- 181 -
l'importance de la confiance en ses facultés d'apprentissage ainsi que des capacités de gestion
du temps et des exigences de la formation. Nos résultats confirment l'importance du lien entre
la motivation des étudiants et l'échec. Celle-ci peut en effet rendre compte de plus de 20% de
la variance dans les performances finales.
10.7 A propos des trajectoires de motivation et des trajectoires de
performances
Les procédures d'analyse des trajectoires de comportement permettent de modéliser
l'évolution d'un phénomène en fonction de l'âge et du temps. L'utilisation de ces méthodes
dans le cadre de nos recherches postule l'existence d'une hétérogénéité dans le développement
motivationnel des personnes, ce qui a été vérifié au chapitre 6 du présent document.
L'établissement de trajectoires de motivation présente ainsi le grand intérêt de modéliser
l'hétérogénéité dans la population en réduisant la subjectivité liée à l'identification de
différents groupes. Trois approches ont successivement été poursuivies.
La première approche, inspirée par Ratelle et al. (2007), consiste à détourner l'objet initial de
la méthode des groupements afin d'établir des profils instantanés de motivation basés sur
l'importance respective des différents types de motivation répartis de manière théorique le
long du continuum d'autodétermination (Deci & Ryan, 1985). Deux profils distincts ont été
observés alors que Ratelle et al. (2007) en ont identifié trois. Aucune relation n'a été établie
entre l'appartenance à ces profils et les performances finales sauf lorsqu'un profil "Autonome
vrai" a été mis en évidence par la méthode des groupements. Ce profil instantané de
motivation est alors associé à des performances supérieures, ce qui est en accord avec la
théorie de l'autodétermination ainsi qu'avec les observations de Vallerand (1997).
La seconde approche qui a été suivie a permis d'établir des trajectoires d'évolution dans le
temps de la motivation (IGM), d'estimer les proportions d'étudiants qui suivent ces différentes
trajectoires ainsi que de mettre en relation l'appartenance aux différentes trajectoires et les
performances obtenues lors des évaluations. Trois à cinq trajectoires annuelles distinctes de
motivation ont été identifiées. Les résultats obtenus mettent en évidence que l'appartenance
aux trajectoires de motivation les plus élevées s'accompagne de meilleures performances.
L'originalité de la démarche analytique ne permet pas d'établir des comparaisons avec des
recherches analogues. Seule celle de Ratelle et al. (2004) permet d'effectuer quelques
comparaisons méthodologiques.
La troisième approche, toute aussi originale, est basée sur l'établissement et l'appartenance
conjointe à des profils d'évolution de la motivation ainsi qu'à des profils d'évolution des
performances au cours de l'année académique. Elle a permis d'illustrer de manière visuelle les
différentes probabilités d'appartenir conjointement à telle trajectoire de motivation ainsi qu'à
telle trajectoire de performances. Sans surprise, ces probabilités sont faibles (moins de 2%)
lorsqu'il s'agit d'appartenir conjointement à une trajectoire de basse motivation et à une
trajectoire de très hautes performances. Elles sont nettement plus élevées (20%) lorsqu'il s'agit
d'appartenir conjointement à la trajectoire de moyenne motivation ainsi qu'à la trajectoire des
moyennement basses performances. Suite au manque de références externes, l'exploitation de
cette méthode d'analyse reste difficile à réaliser. La visualisation graphique des différentes
probabilités reste cependant très intéressante.
- 182 -
10.8 A propos des modèles multiniveaux
De plus en plus d’études en science de l’éducation visent à quantifier l’effet de variables à
différents niveaux de structures hiérarchisées. Le recours à des analyses multiniveaux rend
possible l’étude des effets entre groupes et au sein de groupes. Ces analyses reposent sur la
création d’une série de "modèles multiniveaux" ou "modèles hiérarchiques". Dans le cadre
d’études longitudinales portant sur l’évolution dans le temps d’une variable, les différentes
mesures propres à un individu constituent des unités statistiques d’un niveau inférieur à celui
de l’individu. Elles forment le niveau intra-individu, premier niveau des "modèles de
croissance". Le second niveau des modèles de croissance est le niveau inter-individus. Seuls
ces deux niveaux ont été pris en considération dans le cadre de nos recherches.
La décomposition de la variance de nos variables dépendantes entre le niveau intra-individuel
et le niveau inter-individuel a été réalisée à l’aide de différents modèles vides. Ces modèles
ont permis de montrer que la majorité de la variance totale de la motivation se trouve entre les
étudiants. Nous avons ensuite élaboré différents modèles inconditionnels de croissance en vue
de spécifier les fonctions qui ajustaient le mieux nos données. Le modèle de croissance avec
fonction quadratique du temps a permis de modéliser l’évolution de nos variables dépendantes
et d’en mesurer les variabilités intra- et interindividuelles.
Nous avons finalement cherché à expliquer les variances observées en développant des
modèles plus complexes au sein desquels le genre de l’étudiant et ses performances aux
interrogations et examens ont été introduits au second niveau des modèles. Aucun de ces
modèles n’a permis de diminuer sensiblement et d’expliquer répétitivement la variance
interindividuelle de l’évolution de nos variables dépendantes. Seule la modélisation de
l’amotivation a permis de vérifier que de bonnes performances aux interrogations (janvier et
avril) diminuent l’amotivation et réduit son évolution dans le temps.
L’intérêt d’utiliser les modèles multiniveaux de croissance a clairement été démontré, d’une
part au niveau des modèles vides fournissant la répartition de la variance entre niveaux
étudiés, d’autre part au niveau des modèles inconditionnels permettant de modéliser
l’évolution de nos variables dépendantes. Les modèles visant à expliquer les niveaux de
variance n’ont cependant pas permis de progresser dans la compréhension et l’explication de
la variance. En effet, seules quelques rares et faibles variances ont pu être expliquées par les
performances mais ces résultats n’ont pu être reproduits d’une année à l’autre.
10.9 A propos de l’effet de cohorte
La comparaison entre cohortes est fréquemment utilisée dans la littérature propre aux sciences
sociales. La plupart du temps, ces comparaisons s’effectuent entre cohortes séparées dans le
temps par une période avoisinant la génération. Ces études comparatives exigent d’isoler un
effet de cohorte pur car chaque cohorte n’a pas eu le même destin (Chauvel, 1998) et présente
des spécificités propres qu’il est difficile à identifier.
L’objectif de notre recherche ne visait nullement à établir des comparaisons entre cohortes. La
première répétition du suivi de l’évolution de la motivation des étudiants (2005-2006) a été
programmée en vue de vérifier les enseignements tirés à partir du suivi initial (2004-2005), ce
qui est assez peu fréquent en sciences humaines. Nous avons été fort étonnés d’obtenir des
résultats contradictoires et avons mis un place un troisième suivi de l’évolution de la
- 183 -
motivation au cours de l’année académique 2006-2007. Bien que des effets massifs aient été
relevés, nous avons à nouveau obtenu divers résultats contradictoires qui nécessitent
d’identifier les possibles origines de ces "effets de cohortes".
Avant d’établir une liste des sources possibles de variabilité des observations réalisées sur
trois cohortes successives d’étudiants, nous emprunterons à Fleury (2010) les définitions du
concept de cohorte, de génération et d’effet de cohorte.
Le concept de « cohorte », issu du champ disciplinaire de la démographie, désigne
« l’ensemble des individus nés à la même date ou dans un même intervalle de temps dans une
société » (Attias-Donfut, 1988, cité par Fleury, 2010). Les sociologues définissent la
génération comme étant une communauté "spirituelle" partageant des expériences communes,
des idées, des mentalités et certaines visions du monde. L’effet de cohorte renvoie à un
phénomène qui s’observe de manière typique au sein d’un groupe d’individus nés au cours
d’une même période.
Dans la présente étude, le terme cohorte d’étudiants fait simplement référence à l’ensemble
des étudiants nouvellement inscrits en première année d’études à la FuSaGx, pour une même
année académique. Les étudiants constituant une cohorte ont, a priori, été considérés comme
étant nés la même année (ou dans un même intervalle de temps). L’ensemble des étudiants
constituant les trois cohortes suivies peut être considéré comme appartenant à une seule et
même génération. Le cadre académique et historique dans lequel chaque cohorte a
successivement évolué n’a pas été modifié, ce qui nous a poussés à considérer nos trois
cohortes comme étant trois simples répliques du suivi longitudinal de la motivation
académique et des performances obtenues. L’obtention de résultats contradictoires nous
pousse à relativiser cet a priori et mène à postuler différentes hypothèses explicatives :
- D’une année à l’autre, il est possible que les conditions d’administration de l’EME aient
été légèrement modifiées et soient à l’origine d’une part de variabilité des résultats
obtenus. Bien qu’un effort permanent ait été réalisé en vue d’utiliser toujours les mêmes
locaux et de respecter le calendrier des soumissions, nous avons relevé que le premier
questionnaire soumis en 2006-2007 avait été complété le deuxième jour des cours et non le
premier jour. Pour les autres soumissions, le calendrier a été respecté avec des différences
entre années pouvant avoisiner la semaine. Au niveau des conditions de soumission du
questionnaire mais aussi de l’évaluation des performances des étudiants, il est également
possible qu’une année se distingue des autres par des évènements fortuits tels le décès d’un
étudiant, des conditions météorologiques particulières ou la concordance avec des
évènements sportifs de haut niveau. Quel impact sur les performances finales des étudiants
et des étudiantes peut avoir une coupe du monde de football conjuguée à un mois de juin
caniculaire ?
- La vérification des qualités paramétriques de l'outil de mesure a été effectuée lors des
quinze soumissions de l'EME. Au cours des trois premières soumissions annuelles du
questionnaire, nous avons noté chaque année une amélioration progressive de la
consistance interne de l'outil (4.4.1). Pour expliquer cette évolution, nous avons émis
l'hypothèse que les étudiants s'habituaient progressivement à l'outil et comprenaient mieux
les formulations utilisées. L'étude de la validité conceptuelle du continuum motivationnel a
également été répétée (4.4.3). Elle a mis en évidence la forte variabilité des relations entre
composantes motivationnelles, durant l'année et entre années académiques. La variabilité
observée entre années pourrait être liée à un effet de cohorte mais il ne faut cependant pas
négliger l’impact des erreurs de mesure mises en évidence lors du recours aux corrélations
latentes dans le cadre de l’évaluation des qualités psychométriques réalisée au chapitre 4.
- 184 -
- Les évaluations de la stabilité temporelle de l’EME, dans sa version francophone et
anglophone, ont permis d’identifier des fidélités de mesures, par calcul de corrélations du
test avec lui-même à un mois d’intervalle, allant de 0,69 à 0,81 pour les sept sous-échelles
l’EME (Vallerand et al., 1989) et de 0,71 à 0,83 pour l’AMS (Vallerand et al., 1992). Ces
valeurs ont été confirmées ultérieurement par Barkoukis et al. (2008) avec des corrélations
comprises entre 0,74 et 0,83 pour un test-retest à six semaines d’intervalle. Bien que
jugées satisfaisantes, ces valeurs manifestent une certaine variabilité dans les réponses
fournies par les étudiants aux différents items, à un mois, voire six semaines d’intervalle.
Cette variabilité nous a semblé largement explicable par les évènements qui peuvent
survenir au cours d’une telle période et cette relative sensibilité a constitué un argument
complémentaire en faveur de l’adoption de l’EME comme outil de suivi de la motivation
académique. A posteriori, suite aux résultats obtenus, tant au niveau de la vérification des
qualités paramétriques de l’EME que des résultats contradictoires obtenus, il nous paraît
plausible qu’un relatif problème de stabilité puisse expliquer une partie de la non
réplicabilité de nos résultats.
- Chaque cohorte suivie a été considérée comme étant composée d’individus nés la même
année, ce qui est conforme à la définition d’une cohorte. Cependant, la composition de ces
cohortes varie d’une année à l’autre, fusse par la taille, la proportion d’étudiantes ou par
l’origine sociale des étudiants inscrits. Ainsi, nous avons précédemment relevé la
proportion d’étudiantes qui diminue progressivement de 43 à 29% de la population
estudiantine suivie. Au regard des résultats présentés aux chapitres 6 et 7, ces variations
dans la distribution des genres au sein des cohortes pourraient être à l’origine d’une partie
des résultats contradictoires obtenus. De plus, bien que non prise en considération dans la
présente étude, l’origine sociale des étudiants pourrait également expliquer une certaine
variabilité dans les résultats obtenus. En effet, il est avéré que l’origine sociale des
étudiants influe sur la perception qu’ils ont des études universitaires ainsi que sur le taux
de réussite. Ceci a été confirmé lors d’une étude documentée mais non publiée consacrée
essentiellement aux cohortes d’étudiants 2002-2003 à 2004-2005 à la FuSaGx (Minet et
Closset, résultats non publiés). Ces recherches ont également mis en évidence une
fluctuation par année des proportions d’étudiants concernés ainsi qu’un impact sur les
performances pour les paramètres suivants : la performance finale en fin d’études
secondaires ; le nombre hebdomadaire d’heures de cours de mathématiques ; le niveau
déclaré de compétence en mathématique et en chimie ; le fait de faire les navettes ou de
loger en ville ; le niveau d’étude des parents. Nos cohortes d’étudiants, considérées a
priori comme étant de constitution identique d’une année à l’autre, présentent donc
probablement quelques spécificités qui ont été négligées et qui pourraient expliquer qu’une
partie de nos résultats n’ait pu être vérifiée par la répétition du suivi longitudinal sur trois
cohortes successives.
Finalement, le fait d’avoir eu l’opportunité de répéter notre suivi longitudinal n’a pas eu pour
effet de confirmer nos observations initiales. Chaque suivi de cohorte a montré ses spécificités
et, bien que quelques traits massifs aient pu être dégagés, force est de constater qu’une
importante variabilité a été observée dans nos résultats. Nous avons essayé d’expliquer ces
observations par l’impact des erreurs de mesure, par certaines limites de l’outil d’évaluation
de la motivation (EME) mais également par différents effets de cohorte, de même que par la
taille de nos populations. Loin de dévaloriser les résultats obtenus au cours de la présente
étude, cette variabilité et la multiplicité des facteurs qui pourraient l’expliquer doivent inciter
le chercheur et le lecteur à la plus grande prudence dans l’analyse et l’exploitation de résultats
obtenus. Enfin, ils invitent chacun d’entre nous à faire davantage preuve d’esprit critique visà-vis de résultats et conclusions issus d’études n’ayant pu être reconduites dans le temps ou
dans l’espace.
- 185 -
10.10 A propos des limites du travail
Le champ de la recherche portant sur la motivation est extrêmement large et n’a pu être
abordé que sommairement aux chapitres 2 et 3. Des choix importants ont été réalisés pour
définir avec précision notre sujet d’étude. Ces choix concernent le concept étudié de
motivation académique, le cadre théorique privilégiant l’approche sociocognitive de
l’autodétermination, le public cible constitué d’étudiants nouvellement inscrits à la FuSaGx
(Belgique), la conduite d’analyses descriptives plutôt qu’expérimentales, la prise en compte
d’un nombre réduit de variables (genre et performances).
Comme toute étude, la présente possède d'indéniables limites. Il est important d'en saisir la
portée afin d'analyser au mieux les observations réalisées et d'améliorer les recherches à venir.







Notre recherche tient volontairement compte d'un petit nombre de facteurs alors
que de nombreuses autres composantes interfèrent avec la motivation et
conditionnent les performances des étudiants;
Le nombre d'étudiants constituant chacune des cohortes est nettement moins
élevé que dans la plupart des études nord-américaines. Bien que reflétant le
contexte universitaire européen (et belge), ces effectifs limitent la puissance des
analyses statistiques. Les différences observées entre les trois années d'étude
n'ont pas permis de rassembler les trois cohortes en un effectif unique;
Le faible nombre d'étudiantes au sein des cohortes ainsi que le fait qu'elles
soient proportionnellement moins nombreuses d'année en année limite d'une part
la puissance des analyses statistiques portant sur le genre et, d'autre part, les
comparaisons entre les trois années d'études;
Les performances finales des étudiants sont exclusivement basées sur les
résultats obtenus en première session. Nous ne nous sommes pas intéressés aux
performances de seconde session. La distinction entre quartiles de performances,
sur base des résultats de première session, permet de combler partiellement cette
lacune;
Le premier questionnaire de l'année académique 2006-2007 a été soumis le
second jour de cours et non le premier. Ce décalage d'un jour pourrait être à
l'origine d'une mesure de motivation initiale totalement différente de celles des
deux années précédentes;
Les analyses corrélatoires effectuées permettent d'évaluer la puissance du lien
unissant deux variables mais ne permettent pas d'envisager l'étude des relations
causales;
Le contexte très précis de notre étude lui confère une partie de son originalité
mais limite également les possibilités d'extrapolation à d'autres situations et
contextes.
Nous nous sommes exclusivement préoccupés de la motivation académique. Celle-ci, bien
que complexe, ne constitue en réalité qu'une facette de "la" motivation. Nous ne nous sommes
pas intéressés à la motivation liée au choix de l'établissement, à la motivation quotidienne à
suivre des cours, à la motivation à participer à des activités d'apprentissage, etc. De même,
nous nous sommes peu préoccupés des déterminants et des indicateurs de motivation. Seules
les relations réciproques entre la motivation et les performances académiques ont été
envisagées.
- 186 -
10.11 A propos des perspectives d'action
L'objectif de la présente recherche n’était pas de proposer et de tester diverses stratégies
motivationnelles mais visait exclusivement à améliorer les connaissances relatives à
l'évolution de la motivation académique des étudiants de première bachelier inscrits en filière
scientifique ainsi qu'à évaluer, grâce à différents outils statistiques, la part d’influence des
performances sur cette évolution. Il nous est donc difficile de formuler des propositions
précises d’actions, celles-ci devant logiquement résulter des résultats obtenus. La littérature
spécialisée nous permet cependant de relever quelques perspectives intéressantes.
Dans le cadre contextuel de l'effet "descendant" des niveaux hiérarchiques les plus élevés vers
les niveaux les plus bas, la motivation situationnelle serait influencée uniquement par le
contexte spécifique auquel appartient la situation. Ainsi, lorsqu'une tâche est présentée
comme ludique, la motivation situationnelle serait influencée par la motivation contextuelle
envers les loisirs. En revanche, lorsque la tâche est présentée comme éducative, la motivation
situationnelle serait influencée par la motivation contextuelle envers l'éducation (Brunel et al.,
2000).
Afin de maintenir une motivation situationnelle après démotivation contextuelle relative à
l'apprentissage, il pourrait être intéressant de présenter les tâches (situations, remédiations)
proposées aux étudiants comme étant davantage ludiques plutôt qu'éducatives.
Nous avons confirmé le lien qui existe entre la motivation académique et les performances
des étudiants. Ainsi, une augmentation de la motivation académique se répercute sur les
performances des étudiants, ce qui ouvre la voie à diverses interventions visant
spécifiquement à l'augmentation de motivation. Après confirmation expérimentale du modèle
de Deci et Ryan (1985), Fortier, Vallerand et Guay (1995) proposent différentes actions visant
d'une part l'augmentation du sentiment de compétence de l'étudiant, par exemple par des
encouragements et des feed-back positifs (Vallerand & Reid, 1988), et centrées d'autre part
sur l'amélioration de l'autodétermination académique, directement liée à l'autonomie perçue,
par exemple en offrant aux étudiants la possibilité d'effectuer des choix durant les activités
d'apprentissage (type d'activités, gestion autonome du temps, travail collaboratif ou personnel,
etc.).
C'est dans cette voie que s'inscrivent les rares perspectives d'action qui découlent de la
présente recherche. Nous préférons parler de perspectives d’action plutôt que de propositions
d’action car elles sont essentiellement inspirées de la littérature et non validées par notre
recherche :


diversifier les situations et les activités d'apprentissage, par exemple en
proposant des cours ex-cathedra, des formations et des ressources en ligne, des
modules d'apprentissage par problèmes ou faisant appel au travail collaboratif.
L'idéal serait de renforcer chez l'apprenant le sentiment de contrôle vis-à-vis de
sa formation, par exemple en lui laissant la possibilité de réaliser des choix et de
s'investir dans tel ou tel autre type de formation, ou de soutien à l'apprentissage.
favoriser le questionnement des étudiants sur leurs motivations initiales et en
cours d'année. Cette action pourrait se concrétiser par le biais de questionnaires
d'évaluation de la motivation (type EME) accompagnés d'un descriptif des
principales composantes évaluées. Le questionnement serait fortement amélioré
par une rencontre entre l'étudiant et un assistant/tuteur. Il est primordial pour
l'étudiant de poursuivre des objectifs à long terme ainsi que de se fixer des
- 187 -



objectifs réalistes à court terme. De même, il est important qu'il puisse modifier
ses objectifs de façon adaptée. C'est à ce prix qu'il parviendra à maintenir et à
développer sa motivation, sous peine de perdre la capacité d'une gestion
intelligente de son temps universitaire qui le conduirait inévitablement à une
absence d'organisation au niveau de son programme de travail, de ses stratégies
d'apprentissage et de son engagement personnel.
prendre en considération les profils de motivation issus des questionnaires remis
aux étudiants afin d'adapter les échanges lors des entretiens personnalisés. Cette
prise en compte des profils de motivation permettrait d'améliorer les stratégies
motivationnelles basées sur les échanges entre étudiants et enseignants/tuteurs.
Pour exemple, Legault, Green-Demers et Pelletier (2006) ont montré que le
développement de l'amotivation est sous l'influence directe des soutiens sociaux
en provenance des parents, des amis et du corps enseignant.
prendre en compte le genre de l'étudiant, dans toutes les interventions
motivationnelles, lors de tous les contacts et pour tout conseil prodigué.
renforcer l'information relative à la motivation lors des entretiens préparatoires
aux sessions d'interrogations et d'examens. Aider ainsi à la préparation
psychologique des étudiants, pour la période qui précède, qui concerne et qui
suit les évaluations.
10.12 A propos des perspectives de recherches
Au terme d'une recherche doctorale, les perspectives de recherches ne doivent pas être
conditionnées par un éventuel problème de manque de temps pour réaliser ces recherches
mais elles doivent tenter de répondre aux principales limites du travail réalisé. Ainsi, arrivés
au "terme" de ce travail, nous pensons qu'il serait particulièrement utile de:




Tenir compte de facteurs supplémentaires lors des analyses discriminatoires de
la motivation en s’intéressant davantage à l’étudiant, à ses représentations et aux
stratégies qu’il déploie: passé scolaire, milieu social, soutien familial, sentiment
de compétence, attributions causales, buts poursuivis, contrôle de la motivation
et de l’effort, …;
Améliorer les modèles de prédiction des performances en intégrant les
paramètres motivationnels tels que ceux utilisés dans la présente étude. En effet,
nous avons mis en évidence que la motivation académique pouvait expliquer
jusqu'à 20% des performances obtenues par les étudiants aux interrogations
programmées en cours d'année;
Réaliser des entretiens en vue de compléter nos résultats et d'établir des liens de
causalité entre la motivation et les performances, ainsi qu'entre les performances
et la motivation;
Réaliser de nouvelles analyses statistiques à cette fin. Celles-ci nécessiteraient la
prise en considération d'un nombre plus important de variables latentes
(perception d'autonomie, sentiment de compétence, processus d’autorégulation
des apprentissages, volition, etc.) et la conception d'un véritable modèle causal.
Les méthodes les plus appropriées à l'examen de ces relations causales reposent
sur les "modèles d'équations structurelles" (Structural Equation Models: SEM).
Elles offrent la possibilité de traiter simultanément la nature de la mesure des
variables latentes et d'analyser des structures théoriques représentant les
- 188 -

relations entre ces variables (Valette-Florence, 198813, cité par Stan, Calciu &
Jakobowicz, 2007). La technique la plus utilisée est LISREL (Linear Structural
Relationship) mais il pourrait être intéressant d'étudier l'intérêt de l'approche
PLS (Partial Least Square) et d'une approche dite "alternative", toutes deux
issues du monde du marketing et offrant différents avantages tels que de pouvoir
être appliquées sur des échantillons de petite taille et de ne pas exiger
d'hypothèses de multinormalité des variables et des résidus (Tenenhaus, 1999;
Derquenne & Hallais, 2003; Stan & Saporta, 2006). La méthode LISREL a déjà
été utilisée dans différentes études consacrées aux déterminants de la motivation
(Fortier, Vallerand & Guay, 1995; Guay & Vallerand, 1997; Miquelon,
Vallerand, Grouzet & Cardinal, 2005; Lavigne, Vallerand & Miquelon, 2007);
Vérifier si les relations entre les composantes motivationnelles (étudiées au
Chapitre 4 lors de la vérification du "simplex pattern") peuvent varier selon la
population d'étude (niveau d’étude, culture et genre). Pour rappel, nos
observations différaient des observations canadiennes et américaines. De même,
les relations entre composantes motivationnelles étaient légèrement différentes
en fonction du genre, ce qui reste à confirmer.
10.13 Conclusions
L'objectif principal de cette recherche consistait à améliorer les connaissances relatives à
l'évolution de la motivation académique d’étudiants de première bachelier inscrits en filière
scientifique ainsi qu'à évaluer, grâce à différents outils statistiques, la part d’influence des
performances sur cette évolution.
Le plan de recherche adopté, à la fois longitudinal (5 temps d'observation sur l'année
académique) et transversal (trois répétitions), ainsi que l'approche componentielle (basée sur
la différenciation entre différents types de motivation) de la mesure de la motivation
permettent de caractériser et d'expliquer plus finement l'évolution de la motivation à
l'apprentissage, en première année universitaire.
Sur dix-sept hypothèses de départ, neuf ont été supportées (AH), sept ont été rejetées (RH) et
une reste en suspens (-H). Sur base des analyses effectuées à partir des données récoltées dans
le cadre spécifique de la première année d’études à la Faculté des Sciences agronomiques de
Gembloux (Belgique), nous retiendrons essentiellement que:
RH 6.1.
AH 6.2.
AH 6.3.
Les étudiants de notre population d’étude ne déclarent pas une forte motivation
initiale. Aucune différence n'a été observée entre genres, ni entre groupes
définis a posteriori sur base des performances finales.
La motivation des étudiants fluctue au cours de l'année. Ces fluctuations
diffèrent selon le genre et selon les groupes définis sur base des performances
en fin d'année.
Les étudiantes sont plus motivées que les étudiants. Leurs motivations
intrinsèques et la MEID sont toujours supérieures par rapport à celles des
étudiants. Aucune différence entre genre n'est observée pour la MIST. Par
13
Valette-Florence, P. (1988). Spécificités et apports des méthodes d'analyse multivariée de la deuxième
génération. Recherche et Applications en Marketing, 3(4), 23-56.
- 189 -
-H 6.4.
AH 6.5.
RH 7.1.
RH 7.2.
AH 7.3.
AH 7.4.
AH 8.1.
RH 8.2.
AH 8.3.
AH 8.4.
contre, la MERE des étudiants est toujours supérieure à celle des étudiantes. Il
en est de même pour l'amotivation mais les différences sont rarement
significatives.
Les étudiants qui réussissent ne sont pas toujours plus motivés que les autres.
En effet, des différences notoires ont été observées entre années d'étude. Vu
ces résultats contradictoires ainsi qu’en l'absence de différences significatives,
tant au point de vue des composantes motivationnelles que de l’indice de
motivation, nous ne pouvons pas nous prononcer sur la plus forte motivation
des étudiants qui réussissent en fin d'année.
Les étudiants les plus faibles aux examens de fin d'année (quartile des
étudiants les moins performants) ont présenté des signes précoces de
démotivation. Ceux-ci se manifestent, dès le mois de décembre, par une plus
forte amotivation et une diminution marquée des composantes de la motivation
intrinsèque (MICO, MIAC et MIST) ainsi que de la motivation extrinsèque à
régulation identifiée (MEID).
La motivation académique déclarée en début d'année n'est pas corrélée aux
performances ultérieures.
Nous avons rejeté l'hypothèse selon laquelle "plus l'année avance, plus la
motivation est corrélée aux performances finales". En effet, les plus fortes
corrélations entre la motivation et les performances finales sont observées en
décembre pour les étudiants et en janvier ou en mars pour les étudiantes. En
04-05, elles ont été observées en fin d'année mais elles n'ont pas été croissantes
au cours de l'année.
L'absence de motivation (amotivation) est négativement corrélée aux
performances. La relation inverse est significative pour les étudiants dès le
mois de décembre, plus tardivement pour les étudiantes.
Les performances aux sessions d'interrogations sont toujours corrélées à la
motivation mesurée, à l'aide de l'IGM, juste après présentation des résultats.
Cependant, quelques différences ont été observées entre genres ainsi que selon
l'année d'étude. Nous avons par exemple observé pour les deux premières
sessions d’interrogations que la relation entre les performances et la motivation
proche était plus forte chez les étudiants que chez les étudiantes.
Au sein de notre population d’étude, il existe des groupes d'étudiants qui
présentent des profils instantanés de motivation distincts. La plupart du temps,
seuls deux profils ont été identifiés au sein des étudiants.
Nous n'avons pu mettre en évidence l'existence de performances distinctes
pour des profils de motivation distincts. Seul le profil "Autonome vrai",
observé à deux reprises, se distingue des autres profils par des performances
moyennes supérieures.
Il existe des groupes d'étudiants qui présentent des trajectoires de motivation
distinctes. Ces trajectoires sont identifiées a priori sur base de méthodes
permettant de modéliser l'hétérogénéité dans une population en réduisant la
subjectivité liée à l'identification de différents groupes.
Les trajectoires de motivation, identifiées par la méthode fondée sur le
groupement, sont couplées à des performances distinctes. Nous avons ainsi
relevé de très nettes différences au niveau des performances obtenues aux
différentes sessions d'interrogations de l'année. Ces résultats sont en parfait
accord avec la théorie de l'autodétermination (Deci & Ryan, 1985) qui soustend l'ensemble de la présente recherche.
- 190 -
RH 8.5.
Il se peut qu'un étudiant peu motivé obtienne de bonnes performances finales.
En effet, l'étude des trajectoires conjointes "motivation / performances" a entre
autres permis d'identifier de faibles probabilités (moins de 2%) d'appartenir à
la fois à la trajectoire des basses motivations (BM) ainsi qu'à la trajectoire des
très hautes performances (THP).
RH 9.1.
L’intégration du facteur genre au sein de nos modèles multiniveaux n’a pas
permis d’expliquer la variance interindividuelle de la motivation et de ses
principales sous-composantes. Nous rejetons donc ici l’hypothèse selon
laquelle les étudiantes et les étudiants se distinguent par des évolutions
différentes de leur motivation.
Nous avons observé une forte variance inter-niveaux (entre étudiants) de la
motivation académique, de la motivation autodéterminée et de la motivation
contrôlée. Cependant, nous n’avons pu expliquer cette variance inter-individus
par les performances des étudiants. Les modèles développés ne permettent
donc pas de vérifier que de bons résultats aux sessions d’interrogations
engendrent une augmentation de ces trois types de motivation.
La variance de l’amotivation est relativement faible et présente chaque année
un coefficient de corrélation intraclasse proche de 50%. Nous avons vu que les
performances n’expliquaient au mieux que 12% de la variance inter-niveaux
observée en 2006-2007. D’autre part, nos modèles de croissance ont permis de
mettre en évidence un impact négatif des performances obtenues en avril sur
l’amotivation ainsi qu’un impact négatif des performances obtenues en janvier
sur l’évolution temporelle de celle-ci. Bien que seules les interrogations de
janvier et d’avril soient ici concernées, nous avons retenu l’hypothèse que de
bons résultats aux interrogations induisaient une diminution de l’amotivation.
RH 9.2.
AH 9.3.
Les résultats de la présente recherche, réalisée dans le cadre particulier de la Faculté
universitaire des Sciences agronomiques de Gembloux (Belgique), confirment l'existence de
différents types de motivation académique et l'induction de conséquences positives ou
négatives selon que l'apprenant développe des types de motivation plus ou moins
autodéterminés.
Nous avons observé de fortes variations dans l'évolution de la motivation académique des
étudiants nouvellement inscrits à l’Université. Au regard des résultats obtenus, nous pensons
qu'il est indispensable que les chercheurs qui s'intéressent à la motivation, et qui l'évaluent,
précisent, lors de toute communication de leurs résultats, la période d'évaluation de cette
motivation. Cette attention permettra d'établir des comparaisons fiables entre les études
réalisées.
Outre les fortes fluctuations annuelles de la motivation, nous avons observé de fortes
différences entre cohortes suivies, alors que toutes les conditions environnementales avaient
été maintenues constantes. Cette observation soulève l’importante question de la forte
variabilité inter-cohortes et, par là-même, de la reproductibilité des résultats. Elle souligne à
nouveau l'extrême difficulté mais également l'intérêt de reconduire les recherches
expérimentales et analytiques menées en sciences humaines.
L’ensemble de la présente recherche a été basée sur l’étude de la motivation académique, de
ses composantes et de son évolution. Selon le modèle dynamique de motivation en contexte
scolaire, développé par Viau (1994) et présenté au Chapitre 2, l’engagement cognitif, la
- 191 -
persévérance et les performances constituent les principaux indicateurs de la motivation.
Volontairement, et conformément à une longue tradition universitaire, seules les
performances ont été ici prises en considération comme « indicateur » de la motivation. Cet
indicateur joue en retour sur la motivation en influençant les perceptions des apprenants.
Considérés à l'origine comme des effets de la motivation, les indicateurs de motivation
(engagement et persévérance) deviennent alors, par l'intermédiaire des performances, des
causes de motivation influençant les perceptions des apprenants. Si de nombreux liens ont été
établis entre la motivation et les performances, nous avons vu que les performances
n’expliquaient finalement qu’une infime part de la motivation académique des étudiants et
qu’une attention toute particulière devait être portée à l’amotivation. Au terme de cette
recherche sur la motivation académique, nous nous demandons si, finalement, à l’université,
plutôt que de chercher à développer la motivation des étudiants, l’objectif de décisions
académiques et de réflexions pédagogiques ne devraient pas davantage porter sur le maintien
(voire la consolidation) de la motivation et la recherche d’initiatives visant, à tout prix, à
empêcher l’amotivation de se développer. Bien qu’inspiré par la présente recherche
fondamentale [et non issu d’une recherche portant sur des stratégies motivationnelles], ce
questionnement, somme toute très réducteur, vise à insister une fois de plus sur l’intérêt de se
poser constamment la question du potentiel impact négatif que tout acte, décision ou
comportement pourrait avoir sur la motivation des étudiants.
- 192 -
Bibliographie
Angell, L. (2006). The relationship of impulsiveness, personal efficacy, and academic
motivation to college cheating. College Student Journal, 40(1), 118-131.
Archambault, Y. (2002). L'école ne s'intéresse pas aux garçons … et les garçons le lui
rendent bien. Support de Conférence, Les défis de l'école publique de la FCSQ, le 10 mai
2002,
http://www.fcsq.qc.ca/Perfectionnement/colloques/Defis2002/pdf/A-3-YvesArchambault.pdf, (25/02/2012).
Astleiner, H., & Steinberg, R. (2005). Are there gender differences in web-based learning ?
An integrated model and related effect sizes. AACE Journal, 13(1), 47-63.
Astolfi, J.-P. (1997). Motivation. Résonances, 8, 5-7.
Aubé, R. (2001). La réussite scolaire des garçons: Résumé de recherche - Pistes concrètes
pour favoriser la réussite scolaire des garçons. http://raaube.cegepbceapp.qc.ca/garcons.htm
Baker, S.R. (2003). A prospective longitudinal investigation of social problem-solving
appraisals on adjustment to university, stress, health, and academic motivation and
performance. Personality and Individual Differences, 35, 569-591.
Bandura, A. (1980). L’apprentissage social. Bruxelles: Mardaga.
Bandura, A. (1986). Social foundation of thought and action: a social cognitive theory.
Engelwoods Cliffs, NJ: Prentice-Hall.
Bandura, A. (1997). Self-Efficacy : the Exercise of Control. New York: Freeman.
Bandura, A. (2003). Auto-efficacité. Le sentiment d’efficacité personnelle. Bruxelles:
DeBoeck, 880p.
Barbeau, D., Montini, A., & Roy, C. (1997). Sur les chemins de la connaissance - La
motivation scolaire. Montréal, Association québécoise de pédagogie collégiale, 264p.
Barkoukis, V., Tsorbatzoudis, H., Grouios, G., & Sideridis, G. (2008). The assessment of
intrinsic and extrinsic motivation and amotivation : validity and reliability of the Greek
version of the Academic Motivation Scale. Assessment in Education : Principles, Policy &
Practice, 15(1), 39-55.
Bittar, E. (1996). Pourquoi s'intéresser à la motivation ? Rapport d'Atelier: Motivation au
travail
des
étudiants.
http://leri.univ-reims.fr/~bittar/Motivation/htmlrapport/motivation/motivation.html, (25/02/2012).
Blais, M.R., Sabourin, S., Boucher, C., & Vallerand, R.J. (1990). Toward a motivational
model of couple happiness. Journal of Personality and Social Psychology, 59, 1021-1031.
Blais, M.R., Brière, N.M., Lachance, L., Riddle, A.S., & Vallerand, R.J. (1993). L’inventaire
des motivations au travail de Blais. Revue québécoise de psychologie, 14, 185-215.
- 193 -
Blanchard, C., Pelletier, L., Otis, N., & Sharp, E. (2004). Rôle de l'autodétermination et des
aptitudes scolaires dans la prédiction des absences scolaires et l'intention de décrocher. Revue
des Sciences de l'Education, 30(1), 105-123.
Blanchard, C., Vallerand, R.J., & Provencher, P. (1995). Predicting changes in motivation: On
the bi-directional relations between contextual motivation and situational motivation. Paper
presented at the annual convention of the Canadian Psychological Association,
Charlottetown, Prince Edward Island (Canada).
Blanchard, S., Vrignaud, P., Lallemand, N., Dosnon, O., & Wach, M. (1997). Validation de
l'échelle de motivation en éducation auprès de lycéens français. L'Orientation Scolaire et
Professionnelle, 26(1), 33-56.
Bogler, R., & Somech, A. (2002). Motives to study and socialization tactics among university
students. Journal of Social Psychology, 142(2), 233-248.
Boiché, J. (2006). Motivation autodéterminée et perceptions de conflit et d'instrumentalité
liées au rôle de pratiquant sportif: relations et influence sur l'engagement et le
désengagement sportif. Thèse de doctorat, Université J. Fourier, Grenoble, 300p.
Borg, W.R., & Gall, M.D. (1989). Educational Research: an introduction. 5th ed., White
Plains, NY: Longman.
Brière, N.M., Vallerand, R.J., Blais, M.R., & Pelletier, L.G. (1995). Développement et
validation d'une mesure de motivation intrinsèque, extrinsèque et d'amotivation en contexte
sportif: l'Echelle de Motivation dans les Sports (EMS). International Journal of Sport
Psychology, 26, 465-489.
Brown, S.W., Johnson, P.R., Mayall, H., Boyer, M., Reis, S., Butler, M., Weir, K., & Florea,
N. (2002). Gender differences in a problem-based learning environment: do they exist ?
Paper presented at the 2002 American Educational Research Association Conference, April
2, 2002, New Orleans, L.A., 15p.
Brunel, P.C. (2000). Influences du climat motivationnel sur les cognitions sociales:
conséquences sur l'amotivation. Actes du Congrès International de la SFPS, Paris INSEP Symposia,
http://www.psychodusport.com/files/actes/actes_ParisINSEP2000.pdf,
(25/02/2012).
Brunel, P.C., Chantal, Y., Guay, F., & Vallerand, R.J. (2000). D'où provient la motivation
situationnelle ? Analyse de l'effet Top Down en situation naturelle. Actes du Congrès
International de la SFPS, Paris INSEP – Symposia, http://www.psychodusport.com/
files/actes/actes_ParisINSEP2000.pdf, (25/02/2012).
Bryk, A.S., & Raudenbush, S.W. (1987). Application of hierarchical linear models to
assessing change. Psychological Bulletin, 101(1), 147-158.
Chalabaev, A., & Sarrazin, Ph. (2009). Relation entre les stéréotypes sexués associés aux
pratiques sportives et la motivation autodéterminée des élèves en éducation physique et
sportive. Science et Motricité, 66, 61-70.
- 194 -
Chouinard, R. (2001). Les changements annuels de la motivation envers les mathématiques au
secondaire selon l'âge et le sexe des élèves. Canadian Journal of Behavioral Science, 33(1),
25-37.
Chouinard, R., Vezeau, C., Bouffard T., & Jenkins, B. (1999). Gender differences in the
development of mathematics attitudes. Journal of Research and Development in Education,
32(3), 184-192.
Cokley, K.O. (2000). Examining the validity of the academic motivation scale by comparing
scale construction to self-determination theory. Psychological Reports, 86, 560-564.
Cokley, K.O. (2001). Gender differences among African American students in the impact of
racial identity on academic psychosocial development. Journal of College Student
Development, 42(5), 480-487.
Cokley, K.O., Bernard, N., Cunningham, D., & Motoike, J. (2001). A psychometric
investigation of the academic motivation scale using a United States sample. Measurement
and Evaluation in Counseling and Development, 34, 109-119.
Corsini, R.J. (1987). Concise Encyclopedia of Psychology. New York: John Wiley & Sons.
Cosnefroy, L. (2010). Se mettre au travail et y rester: les tourments de l’autorégulation. Revue
française de Pédagogie, 170, 5-15.
Cosnefroy, L. (2011). L’apprentissage autorégulé: entre cognition et motivation. Grenoble:
Presses Universitaires de Grenoble, 186p.
CRef (2010). Aperçu statistique de 1987-1988 à 2008-2009. Belgique : Conseil des Recteurs
des Universités francophones de Belgique, http://www.cref.be/Doc_PDF/Apercu_Stat.PDF,
(20/06/2011).
Dagnelie, P. (1973). Théorie et méthodes statistiques (Vol. 1). Deuxième édition, Les Presses
Agronomiques de Gembloux, 278p.
DeBacker, T.K., & Nelson, R.M. (1999). Variations on an expectancy-value model in science.
Contemporary Educational Psychology, 24, 71-94.
DeBacker, T.K., & Nelson, R.M. (2000). Motivation to learn science: differences related to
gender, class type, and ability. The Journal of Educational Research, 93(4), 245-254.
Deci, E. (1975). Intrinsic motivation. New-York: Plenum Press.
Deci, E., Koestner, R., & Ryan, R. (1999). A meta-analytic review of experiments examining
the effect of extrinsic rewards on intrinsic motivation. Psychological Bulletin, 125, 627-668.
Deci, E., & Ryan, R. (1985). Intrinsic motivation and the self-determination of human
behavior. New-York: Plenum Press.
Deci, E., & Ryan, R. (1991). A motivational approach to the self: integration in personality. In
R. Dienstbier (Ed.), Nebraska Symposium on Motivation: Perspective on Motivation (pp.237288). Lincoln: University of Nebraska Press.
- 195 -
Deci, E., Vallerand, R.J., Pelletier, L.G., & Ryan, R. (1991). Motivation and education: the
self-determination perspective. Educational Psychologist, 26(3/4), 325-346.
Du Champs, B., & Bernard, S. (2002). La motivation. Cahier de l'UNECOF n°5, 12p.
Dunigan, B.A. (2003). Motivation and learning strategies of students in distance education.
PhD Dissertation, University of Southern Mississippi, 156p.
Eccles, J.S., Adler, T.F., Futterman, R., Goff, S.B., Kaczala, C.M., Meece, J. & Midgley, C.
(1983). Expectancies, values and academic behaviours. In J.T. Spence (dir.), Achievement and
achievement motives (pp.75-146). San Francisco, CA : W.H. Freeman.
Eccles, J.S., & Wigfield, A. (2002). Motivational beliefs, values, and goals. Annual Review of
Psychology, 53, 109-132.
Fairchild, A.J., Horst, S.J., Finney, S.J., & Barron, K.E. (2005). Evaluating existing and new
validity evidence for the Academic Motivation Scale. Contemporary Educational Psychology,
30, 331-358.
Famose, J.-P. (1999). L'apprentissage auto-régulé: Interface entre l'apprentissage et la
motivation. Revue EPS, 277.
Fayol, M., & Monteil, J.-M. (1994). Stratégies d'apprentissage / apprentissage de stratégies.
Revue française de Pédagogie, 106, 91-110.
Fazey, D.M.A., & Fazey, J.A. (2001). The potential for autonomy in learning: perceptions of
competence, motivation and locus of control in first-year undergraduate students. Studies in
Higher Education, 26(3), 345-361.
Feingold, A. (1992). Sex-differences in variability in intellectual abilities: a new look at an
old controversy. Review of Educational Research, 62(1), 61–84.
Fenouillet, F. (2001). La motivation chez les collégiens et les lycéens. In C. Golder & C.
Gaonac’h (Eds.), Profession Enseignant : Enseigner à des adolescents, Manuel de
psychologie. Paris: Hachette Education.
Festinger, L. (1957). A Theory of Cognitive Dissonance. Stanford, CA: Stanford University
Press.
Fontayne, P., Sarrazin, P. & Famose, J.-P. (2001). Les pratiques sportives des adolescents:
une différenciation selon le genre. STAPS, 55, 23-37.
Fortier, M.S., Vallerand, R.J., Brière, N.M. & Provencher, P.J. (1995). Competitive and
recreational sport structures and gender: a test of their relationship with sport motivation.
International Journal of Sport Psychology, 26, 24-39.
Fortier, M.S., Vallerand, R.J., & Guay, F. (1995). Academic motivation and school
performance: toward a structural model. Contemporary Educational Psychology, 20, 257-274.
- 196 -
François P.-H., & Botteman, A.E. (2002). Théorie sociale cognitive de Bandura et bilan de
compétence: applications, recherches et perspectives critiques. Carriérologie, 8(3-4), 519543.
Fredericks, J.A., & Eccles, J.S. (2002). Children's competence and value beliefs from
childhood through adolescence. Developmental Psychology, 38(4), 519-533.
Galand, B. (2001). Nature et déterminants des phénomènes de violence en milieu scolaire.
Thèse de doctorat non publiée, Université catholique de Louvain, Louvain-la-Neuve,
Belgique, http://hdl.handle.net/2078.1/5283, (25/02/2012).
Galand, B., Neuville, S., & Frenay, M. (2005). L'échec à l'université en Communauté
française de Belgique: comprendre pour mieux prévenir. Les Cahiers de Recherche en
Education et Formation, 39, 5-17.
Ginsburg, A., Cooke, G., Leinwand, S., Noell, J., & Pollock, E. (2005). Reassessing U.S.
international mathematics performance: New findings from the TIMSS and PISA. Washington
DC: American Institutes for Research, 40p.
Goldstein, H. (1995). Multilevel statistical models (2d ed.). London : Arnold
Gorard, S. (2003). What is multi-level modelling for ? British Journal of Educational Studies,
1(1), 46-63.
Gordon Rouse, K.A., & Austin, J.T. (2002). The relationship of gender and academic
performance to motivation: within-ethnic-group variation. The Urban Review, 34(4), 293-316.
Graham, S. (1994). Motivation in African American. Review of Educational Research, 64(1),
55-117.
Greene, B.A., & DeBacker, T.K. (2004). Gender differences in representations of the future:
Links to motivation. Educational Psychology Review, 16(2), 91-120.
Grolnick, W.S., & Ryan, R.M. (1987). Autonomy in children's learning: an experimental and
individual difference investigation. Journal of Personality and Social Psychology, 52, 890–
898.
Grouzet, F.M.E., Otis, N., & Pelletier, L.G. (2006). Longitudinal cross-gender factorial
invariance of the academic motivation scale. Structural Equation Modeling, 13(1), 73-98.
Guay, F., Mageau, G.A., & Vallerand, R.J. (2003). On the hierarchical structure of selfdetermined motivation: a test of top-down, bottom-up, reciprocal, and horizontal effects.
Personality and Social Psychology Bulletin, 29(8), 992-1004.
Guay, F., & Vallerand, R.J. (1997). Social context, students' motivation, and academic
achievement: toward a process model. Social Psychology and Education, 1, 211-233.
Guay, F., Vallerand, R.J., & Blanchard, C. (2000). On the assessment of situational intrinsic
and extrinsic motivation: the Situational Motivation Scale (SIMS). Motivation and Emotion,
24(3), 175-213.
- 197 -
Gurtner, J.-L., Monnard, I., & Ntamakiliro, L. (2000). Evolution de diverses composantes de
la motivation pour le travail scolaire au cours de l'adolescence. Rapport final, FNRS, 32p.
Halpern, D.F. (2000). Sex differences in cognitive abilities (3th ed.). Mahwah, NJ: Erlbaum
Associates, 442p.
Halpern, D.F., Wai, J., & Saw, A. (2005). A psychobiosocial model: Why females are
sometimes greater than and sometimes less than males in math achievement. In A.M.
Gallagher & J.C. Kaufman (Eds.), Gender differences in mathematics (pp.48–72). New York:
Cambridge University Press.
Hancock, D.R., Bray, M., & Nason, S.A. (2002). Influencing university students' achievement
and motivation in a technology course. Journal of Educational Research, 95, 365-372.
Hauw, N., Brunel, P.C., & Chantal, Y. (2001). L'éducation physique et sportive, un contexte à
part entière: motivation en contexte d'éducation physique. Science et Motricité, 43-44, 82-83.
Hedges, L.V., & Nowell, A. (1995). Sex differences in mental test scores, variability and
numbers of high-scoring individuals. Science, 269, 41-45.
Huart, Th. (2001). Un éclairage théorique sur la motivation scolaire: un concept éclaté en de
multiples facettes. Les Cahiers du Service de Pédagogie Expérimentale, Université de Liège,
Août, 221-240.
Huart, Th. (2003). Grandir en l'an 2000: aspects motivationnels, de la maternelle au sortir du
primaire. Monographie thématique, Dir. M. Crahay, ULg, 54p.
Hyde, J.S. (2005). The gender similarities hypothesis. American Psychologist, 60(5), 581-592.
Hyde, J.S., Fennema, E., & Lamon, J. (1990). Gender differences in mathematics
performance: a meta-analysis. Psychological Bulletin, 107(2), 139-155.
Hyde, J.S., & Linn, C. (2006). Gender similarities in mathematics and science education.
Science, 314, 599.
Jacobs, J.E., Lanza, S., Osgood, D.W., Eccles, J.S., & Wigfield, A. (2002). Changes in
children's self-competence and values: gender and domain differences across grades one
through twelve. Child Development, 73(2), 509-527.
Jones, B.L., & Nagin D.S. (2007). Advances in group-based trajectory modeling and a SAS
procedure for estimating them. Sociological Methods and Research, 35(4), 542-571.
Jones, B.L., Nagin D.S., & Roeder, K. (2001). A SAS procedure based on mixture models for
estimating developmental trajectories. Sociological Methods and Research, 29(3), 374-393.
Kalali, F. (1997). Etude et analyse des stratégies de motivation dans l'enseignement et la
vulgarisation de la biologie. Thèse de doctorat, Paris VII, 266p.
Karsenti, T., Savoie-Zajc, L. & Larose, F. (2001). Les futurs enseignants confrontés aux TIC :
changement dans l’attitude, la motivation et les pratiques pédagogiques. Education et
Francophonie, 29(1), 86-124.
- 198 -
Katz, I., Assor, A., Kanat-Maymon, Y., & Bereby-Meyer, Y. (2006). Interest as a
motivational resource: Feedback and gender matter, but interest makes the difference. Social
Psychology of Education, 9, 27-42.
Kikpatrick, H., & Cuban, L. (1998). Should we be worried ? Educational Technology, 38(4),
56-59.
Kivinen, K. (2003). Assessing motivation and the use of learning strategies by secondary
school students in three international schools. Academic dissertation, University of Tampere,
189p + annexes.
Kluckhohn, C., & Murray, H.A. (1953). Excerpts from Clyde Kluckhohn and Henry A.
Murray's textbook Personality in Nature, Society, and Culture. Personality formation : the
determinants, http://www.panarchy.org/kluckhohn/personality.1953.html, (12/06/2011).
Kusurkar, R.A., Ten Cate, Th.J., Vos, C.M.P., Westers, P., & Croiser, G. (2012). How
motivation affects academic performance : a structural equation modelling analysis. Advances
in Health Science Education, Online First,
http://www.springerlink.com/content/
p46p76013340h144/, (25/02/2012).
Lai M.K. (1999). Academic and social motivation in NZ European, Chinese and Pacific
Island University students. Paper presented for the symposium "Cultural issues in motivation"
at the AARE-NZARE Conference, Melbourne, November/December 1999, 5p.
Larose, S., Guay, F., Senécal, C., Harvey, M., Drouin, E., & Deslisle, M.-N. (2005).
Persévérance scolaire des étudiants de Sciences et Génie (S&G) à l'université Laval : Le rôle
de la culture, motivation et socialisation scientifiques. Rapport déposé au FQRSC. Québec :
Université Laval, 148p.
Lavender, M. (2005). A comparison of academic motivation of academically prepared and
academically unprepared community college students. Academic dissertation, Florida State
University, 88p.
Lavery L. (1999). Ethnic group differences in the academic motivation of university students.
Paper presented for the symposium "Cultural issues in motivation" at the AARE-NZARE
Conference, Melbourne, November/December 1999, 9p.
Lavigne, G.L., Vallerand, R.J., & Miquelon, P. (2007). A motivational model of persistence
in science education: A self-determination theory approach. European Journal of Psychology
of Education, 22(3), 351-370.
Legault, L., Green-Demers, I., & Pelletier, L. (2006). Why do high school students lack
motivation in the classroom ? Toward an understanding of academic amotivation and the role
of social support. Journal of Education Psychology, 98(3), 567-582.
Leroy, N. & Bressoux, P. (2008). L’apport des modèles multiniveaux de croissance dans
l’évaluation des changements motivationnels à l’entrée au college. Actes du 20e colloque de
l’ADMEE-Europe,
Université
de
Genève.
https://plone.unige.ch/sites/admee08/
communications-individuelles/v-a1/v-a1-3, (25/02/2012).
- 199 -
Linn, M.C., & Hyde, J.S. (1989). Gender, mathematics, and science. Educational Researcher,
18(8), 17-19, 22-27.
Marsh, H.W. (1989). Age and sex effects in multiple dimensions of self-concept:
preadolescence to early adulthood. Journal of Educational Psychology, 81, 417-430.
Martens, R.L., Gulikers, J., & Bastiaens, Th. (2004). The impact of intrinsic motivation on elearning in authentic computer tasks. Journal of Computer Assisted Learning, 20, 368-376.
Maurin, J.-C. (2000). Qu'est-ce qu'une stratégie pédagogique ? http://www.ymcacepiere.org/guide/docs/strategie_Imprimable.htm, (02/04/2006).
McInerney, D.M. (2004). A discussion of Future Time Perspective. Educational Psychology
Review, 16(2), 141-151.
Michaud, G. (2004). Mémoire sur l'éducation. Mémoire présenté à la Commission de
l'Education, Parlement Jeunesse du Québec, http://www.pjq.qc.ca/archives/55/documents/
Memoire_education_final.doc, (07/02/2007).
Mignon, J. (2006). Impact des régulations sur la perception et le profil motivationnel
d'étudiants universitaires s'investissant dans un cours en ligne consacré à l'entomologie.
Comptes rendus du XXIIIe Congrès de l'Association Internationale de Pédagogie
Universitaire, Monastir, 15-18 mai 2006, 16p.
Mignon, J., & Closset, J.-L. (2004). Maintien et stratégies de renforcement de la motivation
des étudiants dans l'enseignement à distance. Comptes rendus du XXIe Congrès de
l'Association Internationale de Pédagogie Universitaire, Marrakech, 3-7 mai 2004, 23p.
Mignon, J., & Closset, J.-L. (2007). Mise en place d'une session d'interrogations formatives
au mois de novembre: impacts sur la motivation et les performances ultérieures des étudiants.
Comptes rendus du XXIVe Congrès de l'Association Internationale de Pédagogie
Universitaire, Montréal, 16-17 mai 2007, 734-737.
Mignon, J., & Reggers, Th. (2006). Mesures d'impacts des régulations dans la construction
d'un enseignement à distance (EAD) en Initiation à l'entomologie. Revue Internationale des
Technologies et de Pédagogie Universitaire, 3(2), 8-18.
Miquelon, P., Vallerand, R.J., Grouzet, F., & Cardinal, G. (2005). Perfectionism, academic
motivation, and personal adjustment: An integrative model. Personality and Social
Psychology Bulletin, 31(7), 913-924.
Moon, S.M., & Illingworth, A.J. (2005). Exploring the dynamic nature of procrastination: A
latent growth curve analysis of academic procrastination. Personality and Individual
Differences, 38, 297-309.
Nadeau, M.-F., Senécal, C., & Guay, F. (2003). Les déterminants de la procrastination
académique: un modèle médiationnel du contexte familial et des processus du soi. Revue
Canadienne des Sciences du Comportement, 35, 97-110.
Nagin, D.S. (1999). Analysing developmental trajectories: a semi-parametric, group-based
approach. Psychological Methods, 4, 139-177.
- 200 -
Nagin, D.S. (2002). Analyse des trajectoires de développement: vue d'ensemble d'une
méthode semi-paramétrique fondée sur le groupement. Recueil du Symposium 2002 de
Statistique Canada - Modélisation des données d'enquête pour la recherche sociale et
économique, 11p.
Nagin, D.S., & Tremblay, R.E. (2001). Analysing developmental trajectories of distinct but
related behaviors: a group based method. Psychological Methods, 6(1), 18-34.
Niemivirta, M. (1997). Gender differences in motivational-cognitive patterns of self-regulated
learning. Paper presented at the Annual Meeting of the American Educational Research
Association, Chicago IL, March 24-28, 1997, 24p.
Ntoumanis, N. (2001). A self-determination approach to the understanding of motivation in
physical education. British Journal of Educational Psychology, 71, 225-242.
Núñez Alonso, J.L., Martin-Albo Lucas, J., & Navarro Izquierda, J.G. (2005). Validación de
la version española de la Echelle de Motivation en Education. Psicotherma, 17(2), 344-349.
Otis, N., Grouzet, F.M.E., & Pelletier, L.G. (2005). Latent motivational change in an
academic setting: a 3-year longitudinal study. Journal of Educational Psychology, 97(2), 170183.
Pelletier, L.G., Vallerand, R.J., Green-Demers, I., Brière, N.M., & Blais, M.R. (1995). Loisirs
et santé mentale: les relations entre la motivation pour la pratique des loisirs et le bien-être
psychologique. Revue Canadienne des Sciences du Comportement, 27(2), 140-156.
Pelletier, L.G., Vallerand, R.J., Green-Demers, I., Blais, M.R., & Brière, N.M. (1996). Vers
une conceptualisation motivationnelle multidimensionnelle du loisir : Construction et
validation de l'échelle de motivation vis-à-vis des loisirs (EML). Loisir et Société, 19, 559585.
Petri, H.L. (1981). Motivation: Theory and research. Belmont, Ca.: Wadsworth Publishing
Company.
Pintrich, P.R. (1999). The role of motivation in promoting and sustaining self-regulated
learning. International Journal of Educational Research, 31, 459-470.
Pintrich, P.R., & Schrauben, B. (1992). Students’ motivational beliefs an their cognition
engagement in classroom academic tasks. In D.H. Schunk & J.L. Meece (Eds.), Student
Perceptions in the Classroom, (pp.149–184). Hillsdale, NJ: Lawrence Erlbaum.
Pintrich, P.R., & Schunk, D. (1996). The role of expectancy and self-efficacy beliefs. In P.
Pintrich & D. Schunk (Eds.), Motivation in Education: Theory, Research & Applications,
Chap. 3, Englewood Cliffs, NJ: Prentice-Hall.
Pirot, L., & De Ketele, J.-M. (2000). L'engagement académique de l'étudiant comme facteur
de réussite à l'Université: étude exploratoire menée dans deux facultés contrastées. Revue des
Sciences de l'Education, XXVI(2), 367-394.
- 201 -
Proost, K., Elen, J., & Lowyck, J. (1997). Effects of genders on perceptions of and
preferences for telematic learning environments. Journal of Research on Computing in
Education, 29(4), 370-384.
Rancourt, F., Harvey, M., Ratelle, C.F., & Larose, S. (2003). Les styles motivationnels
comme prédicteurs de la persévérance au sein de programmes scientifiques collégiaux. Actes
du 26e Congrès de la SQRP, Université de Montréal, 2003, 79-80.
Ratelle, C.F., Guay, F., Larose, S., & Senécal, C. (2004). Family correlates of trajectories of
academic motivation during a school transition: a semi-parametric group-based approach.
Journal of Educational Psychology, 96(4), 743-754.
Ratelle, C.F., Guay, F., Vallerand, R.J., Larose, S., & Senécal, C. (2007). Autonomous,
controlled, and amotivated types of academic motivation: a person-oriented analysis. Journal
of Educational Psychology, 99(4), 734-746.
Raudenbush,S.W. (1989). The analysis of longitudinal, multilevel data. International Journal
of Educational Research, 13(7), 721-740.
Raudenbush, S.W., & Bryk, A.S. (1986). A hierarchical model for studying school effect.
Sociology of Education, 59, 1-17.
Raudenbush, S.W., Bryk, A.S., Cheong, Y.K., & Congdon, R.T. (2006). HLM6: Hierarchical
linear and nonlinear modelling. Lincolnwood, IL: Scientific Software International, Inc.
Ray, J.-C. (2002). Application de modèles multiniveaux à la mesure du lien entre la
générosité des transferts sociaux et les gains d’activité des jeunes adultes européens.
Document PSELL, n°133, 66p.
Raynal, F., & Rieunier, A. (1997). Pédagogie: dictionnaire des concepts clés. Paris: ESF.
Richel, S.F., Blanchard, C., & Vallerand, R.J. (2002). A motivational model of work turnover.
Journal of Applied Social Psychology, 32(10), 2089-2113.
Romainville, M. (2002). La réussite à l’université, éclairages pédagogiques. Conférence
donnée lors d’une table ronde organisée par Madame Françoise Dupuis, Ministre de
l’Enseignement supérieur, à Bruxelles, le 22 mars 2002.
Ryan, R.M., & Connell, J.P. (1989). Perceived locus of causality and internalization:
examining reasons for acting in two domains. Journal of Personality and Social Psychology,
57(5), 749-761.
Ryan, R.M., & Deci, E.L. (2000). Intrinsic and extrinsic motivations: classic definitions and
new directions. Contemporary Educational Psychology, 25, 54-67.
Sarrazin, Ph. (1995). Motivation à l'accomplissement dans les activités motrices: mise en
évidence de processus et variables affectant les croyances relatives à la nature de l'habilité
motrice, le choix d'une difficulté, l'effort fourni, et la performance. Thèse de doctorat,
Université de Paris-Sud Orsay, 318p + annexes.
- 202 -
Sauvé, L., Nadeau, J.-R., & Leclerc, G. (1993). Le profil d'apprentissage des étudiants inscrits
dans un certificat de cycle offert à distance et sur campus: une étude comparative. Journal of
Distance Education, 8(2).
Schunk, D.H. (1991). Self-efficacy and academic motivation. Educational Psychologist, 26,
207-231.
Senécal, C., Pelletier, L., & Vallerand, R.J. (1992). Type de programme universitaire et sexe
de l'étudiant: effets sur la perception du climat et sur la motivation. Revue des Sciences de
l'Education, 18, 375-388.
Senécal, C., & Vallerand, R.J. (1999). Construction et validation de l'Echelle de Motivation
envers les Activités Familiales (EMAF). Revue Européenne de Psychologie Appliquée, 49,
261-274.
Seron, E. (2006). Une motivation évasive, http://www.ada-online.org/frada/spip.php?
article283, (25/02/2012).
Skaalvik, S., & Skaalvik, E. (2004). Gender differences in math and verbal self-concept,
performance expectations, and motivation. Sex Roles, 50(3/4), 241-252.
Sobral, D.T. (2004). What kind of motivation drives medical students' learning quests ?
Medical Education, 38, 950-957.
Song, S.H., & Keller, J.M. (2001). Effectiveness of motivationally adaptive computer-assisted
instruction on the dynamic aspects of motivation. Educational Technology Research and
Development, 49(2), 5-22.
Spelke, E.S. (2005). Sex differences in intrinsic aptitude for mathematics and science ? - A
critical review. American Psychologist, 60(9), 950-958.
SPU (1994). Peut-on prédire la réussite d'une première année universitaire ? Réseau, 25-2627, 1-10.
Stan, V., Calciu, M., & Jakobowicz, E. (2007). Les construits qui affectent la fidélité des
clients envers un point de vente. Une application managériale des modèles d'équations
structurelles . In 6th International Congress Marketing Trends, Paris, janvier 2007.
Stan V., & Saporta, G. (2006). Une comparaison expérimentale entre les approches PLS et
LISREL . In 38èmes Journées de Statistique, Clamart, 29 mai-2 juin, 2006.
Tenenhaus, M. (1999). L'approche PLS. Revue de Statistique Appliquée, 47(2), 5-40.
TLF (2012). Trésor de la Langue Française informatisé, version 4, http://atilf.atilf.fr/tlf.htm,
(25/02/2012).
Vallerand, R.J. (1997). Toward a hierarchical model of intrinsic and extrinsic motivation. In
M.P. Zanna (Ed.), Advances in experimental social psychology (pp.271-360). New-York:
Academic Press.
- 203 -
Vallerand, R.J. (2000). Le modèle hiérarchique de la motivation intrinsèque et extrinsèque:
Implications pour la psychologie sportive. Actes du Congrès International de la SFPS, Paris
INSEP - Symposia.
Vallerand, R.J., & Bissonnette, R. (1992). Intrinsic, extrinsic, and amotivational styles as
predictors of behavior: a prospective study. Journal of Personality, 60, 599-620.
Vallerand, R.J., & Blais, M.R. (1987). Vers une conceptualisation tripartite de la MI: la MI à
la connaissance, à l'accomplissement et aux sensations. Manuscrit inédit, Laboratoire de
Psychologie Sociale, Université du Québec à Montréal.
Vallerand, R.J., Blais, M.R., Brière, N.M., & Pelletier, L.G. (1989). Construction et validation
de l'Echelle de Motivation en Education (EME). Revue Canadienne des Sciences du
Comportement, 21, 323-349.
Vallerand, R.J., Fortier, M.S., & Guay, F. (1997). Self-determination and persistence in a reallife setting: toward a motivational model of high school dropout. Journal of Personality and
Social Psychology, 72, 1161-1176.
Vallerand, R.J., & O'Connor, B.P. (1989). Motivation in the elderly: a theoretical framework
and some promising finding. Canadian Psychology, 30, 538-550.
Vallerand, R.J., Pelletier, L.G., Blais, M.R., Brière, N.M., Senécal, C., & Vallières, E.F.
(1992). The academic motivation scale: a measure of intrinsic, extrinsic, and amotivation in
education. Educational and Psychological Measurement, 52(4), 1003-1019.
Vallerand, R.J., Pelletier, L.G., Blais, M.R., Brière, N.M., Senécal, C., & Vallières, E.F.
(1993). On the assessment of intrinsic, extrinsic, and amotivation in education: evidence on
the concurrent and construct validity of the academic motivation scale. Educational and
Psychological Measurement, 53(1), 159-172.
Vallerand, R.J., Pelletier, L.G., & Koestner, R. (2008). Reflexions on self-determination
theory. Canadian Psychology, 49(3), 257-262.
Vallerand, R.J., & Reid, G. (1988). On the relative effects of positive and negative verbal
feedback on males' and females' intrinsic motivation. Canadian Journal of Behavioral
Science, 20, 239-250.
Vallerand, R.J., & Senécal, C.B. (1992). Une analyse motivationnelle de l'abandon des études.
Apprentissage et Socialisation, 15, 49-62.
Vallerand, R.J., & Thill, E. (1993). Introduction à la psychologie de la motivation. R.J.
Vallerand & E. Thill (Eds.), Laval, QC : Etudes Vivantes. 674p.
Van der Maren, J.-M. (1995). Méthodes de recherche pour l'éducation. Bruxelles: Editions
DeBoeck Université. 506p.
Vianin, P. (2006). La motivation scolaire. Bruxelles: Editions DeBoeck Université. 221p.
Viau, R. (1994). La motivation en contexte scolaire. 3e édition, 2e tirage 2005. Bruxelles:
Editions DeBoeck Université. 221p.
- 204 -
Viau, R. (2005). Douze questions sur l'état de la recherche scientifique sur l'impact des TIC
sur la motivation à apprendre. Communication personnelle mise en ligne:
http://tecfa.unige.ch/tecfa/teaching/LME/lombard/motivation/viau-motivation-tic.html
Viau, R., & Bouchard, J. (2000). Validation d'un modèle de dynamique motivationnelle
auprès d'élèves du secondaire. Revue Canadienne de l'Education, 25(1), 16-26.
Viau, R., & Joly, J. (2001). Comprendre la motivation à réussir des étudiants universitaires
pour mieux agir. Actes du Congrès ACFAS, 2001.
Vollmeyer, R., & Rheinberg, F. (2000). Does motivation affect performance via persistence ?
Learning and Instruction, 10, 293-309.
Watt, H.M.G. (1996). Students' gendered perception of talent at high school according to
academic domain, and their effect on career aspiration. Paper presented at the ERA and
AARE Joint Conference, Singapore, November 25-29, 20p.
Weiner, B. (1980). Human motivation. New York: Holt, Rinehart & Winston.
Weiner, B. (1985). An attributional theory of achievement motivation and emotion.
Psychological Review, 92, 548-573.
Wentzel, K.R., & Asher, S.R. (1995). Academic lives of neglected, rejected, popular, and
controversial children. Child Development, 66, 754-763.
Wigfield, A., & Eccles, J.S. (1992). The development of achievement task values : A
theoretical analysis. Developmental Review, 12, 265-310.
Wigfield, A., Tonks, S., & Eccles, J.S. (2004). Expectancy value theory in cross-cultural
perspectives. In D. McInerney and S. Van Etten (Eds.), Research on sociocultural influences
on motivation and learning, Volume 4: Big theories revisited (pp.165-198). Greenwich, CT:
Information Age Publishing.
Wigfield, A., & Wagner, A.L. (2005). Competence, motivation, and identity development
during adolescence. In A. Elliot and C. Dweck (Eds.), Handbook of Competence and
Motivation (pp.222-239). New York: Guilford Press.
Wolters, C.A. (1998). Self-regulated learning and college students' regulation of motivation.
Journal of Educational Psychology, 90, 224-235.
Zimmerman, B.J. (1989). Models of self-regulated learning and academic achievement.
In B. Zimmerman & D. Schunk (Eds.), Self-regulated learning and academic achievement:
Theory, research and practice (pp.1-25). New-York: Springer-Verlag.
- 205 -
- 206 -
A propos de l’auteur
Ingénieur agronome diplômé de la Faculté universitaire des Sciences agronomiques de
Gembloux (section Défense des Végétaux – Promotion 1993), Jacques Mignon a été engagé
en tant qu’assistant pédagogique (chargé d’exercices) en zoologie de 1997 à 2007. Chercheur
en entomologie, peu préparé à cette fonction, il a eu l’occasion de parfaire sa formation et
d’engager différentes recherches, initialement dans le champ de la didactique de la biologie
puis dans le cadre des technologies de l’information et de la communication liées à
l’enseignement (TICE) et finalement en pédagogie universitaire, sans oublier le volet dédié
aux analyses de données dans le domaine de l’éducation et de la formation.
Bref aperçu des formations suivies :
Formations complémentaires diplômantes
- Agrégation de l’Enseignement Secondaire Supérieur (FuSaGx 1993-1994)
- DEA en Sciences agronomiques et Ingénierie biologique (Didactique de la biologie
liée à la conceptualisation des notions d’évolution biologique) (FuSaGx 1998-1999)
- DES en Pédagogie de l'Enseignement supérieur Form@sup (ULg 2003-2004)
Formations non diplômantes
- Formation d’un an en Enseignement à Distance: Formadis (ULg-LabSET 2002-2003)
- Ecole thématique du PIREF : Analyses de données dans le domaine de l'éducation et
de la formation (Université de Bourgogne, 12-17 décembre 2004)
Sélection de publications :
-
-
-
-
Mignon J., & Gaspar C. (2004). Les obstacles épistémologiques dans l'évolution de la
pensée transformiste. Probio-revue, 3, 157-180.
Mignon J. & Closset J.-L. (2004). Recherches en didactique de la Biologie consacrées
à l'évolution biologique. Probio-revue, 4, 217-231.
Mignon J. & Closset J.-L. (2004). Maintien et stratégies de renforcement de la
motivation des étudiants dans l'enseignement à distance. Comptes rendus du XXIe
Congrès de l'Association Internationale de Pédagogie Universitaire, Marrakech, 3-7
mai 2004, 23p.
Vandeweerd J.-M., Mignon J. & Reggers Th. (2005). Le système anglais présagerait-il
de l'avenir en matière de qualité de l'enseignement universitaire en Communauté
française de Belgique ? Comptes rendus du XXIIe Congrès de l'Association
Internationale de Pédagogie Universitaire, Genève, 12-14 septembre 2005, 12p.
Mignon J. (2006). Impact des régulations sur la perception et le profil motivationnel
d'étudiants universitaires s'investissant dans un cours en ligne consacré à
l'entomologie. Comptes rendus du XXIIIe Congrès de l'Association Internationale de
Pédagogie Universitaire, Monastir, 15-18 mai 2006, 16p.
Mignon J. & Reggers Th. (2006). Mesures d'impacts des régulations dans la
construction d'un enseignement à distance (EAD) en Initiation à l'entomologie. Revue
Internationale des Technologies et de Pédagogie Universitaire, (3)2, 8-18.
Mignon J. (2007). Exploitation du questionnaire EME de Vallerand et coll. (1989):
recherche d'un indice de motivation à forte validité prédictive. Comptes rendus du
XXIVe Congrès de l'Association Internationale de Pédagogie Universitaire, Montréal,
16-17 mai 2007, 726-729.
- 207 -
-
-
-
Mignon J. & Closset, J.L. (2007). Mise en place d'une session d'interrogations
formatives au mois de novembre: impacts sur la motivation et les performances
ultérieures des étudiants. Comptes rendus du XXIVe Congrès de l'Association
Internationale de Pédagogie Universitaire, Montréal, 16-17 mai 2007, 734-737.
Mignon J., Haubruge, E. & Closset, J.L. (2008). Evolution de la motivation
académique au cours d'une première année d'études à l'Université: impact du genre et
étude de l'historique motivationnel d'étudiants aux performances finales distinctes.
Comptes rendus du XXVe Congrès de l'Association Internationale de Pédagogie
Universitaire, Montpellier, 19-22 mai 2008, 36pp.
Mignon, J., Haubrube, E. & Closset, J.L. (soumis, mai 2012). Profils motivationnels
et performances académiques à l’université : études longitudinales répétées.
Biotechnologie, Agronomie, Société et Environnement
- 208 -
Annexes
Annexe 1: Echelle de Motivation dans les Etudes (EME-U 28) Etudes Universitaires
- 209 -
- 210 -
ÉCHELLE DE MOTIVATION DANS LES ÉTUDES (ÉMÉ-U 28) - ÉTUDES UNIVERSITAIRES
Adaptée de l'ÉMÉ-C 28 - Études collégiales (CEGEP)
Adaptée au système belge et à l'enseignement scientifique (J. Mignon)
Robert J. Vallerand, Marc R. Blais, Nathalie M. Brière, Luc G. Pelletier, 1989
Revue canadienne des Sciences du comportement 21(3)
ATTITUDES FACE À VOS ÉTUDES UNIVERSITAIRES (QR05-06a)
Nom:
Prénom :
Les informations que vous fournirez ne seront lues que par moi. Elles n'auront aucune influence sur vos
cotes. Merci pour votre collaboration. Jacques Mignon.
Ne correspond
pas du tout
1
Correspond
très peu
2
Correspond
un peu
3
Correspond
moyennement
4
Correspond
assez
5
Correspond
fortement
6
Correspond
très fortement
7
Veuillez indiquer dans quelle mesure chacun des énoncés suivants correspond actuellement à l'une des
raisons pour lesquelles vous vous engagez dans vos études universitaires.
POURQUOI ALLEZ-VOUS ACTUELLEMENT A L'UNIVERSITE ?
1.
Parce que juste avec un graduat (actuel baccalauréat diplômant), je ne

pourrais pas me trouver un emploi suffisamment bien payé.
2.
Parce que j'éprouve du plaisir et de la satisfaction à apprendre de

nouvelles choses.
3.
Parce que selon moi des études universitaires vont m'aider à mieux me

préparer à la carrière que j'ai choisie.
4.
Pour les moments intenses que je vis lorsque je suis en train de

communiquer mes propres idées aux autres.
5.
Honnêtement, je ne le sais pas; j'ai vraiment l'impression de perdre mon

temps à l'université.
6.
Pour le plaisir que je ressens à me surpasser dans mes études.

7.
Pour me prouver à moi-même que je suis capable de faire mieux que des

études supérieures non universitaires.
8.
Pour pouvoir décrocher un emploi plus prestigieux plus tard.

9.
Pour le plaisir que j'ai à découvrir sans cesse de nouvelles choses.

10. Parce qu'éventuellement cela va me permettre d'aller sur le marché du

travail dans un domaine que j'aime.
11. Pour le plaisir que je ressens à découvrir les théories de grands

chercheurs.
12. J'ai déjà eu de bonnes raisons pour aller à l'université, mais maintenant je
me demande si je fais bien de continuer à y aller.
- 211 -

13. Pour le plaisir que je ressens lorsque je suis en train de me surpasser

dans une de mes réalisations personnelles.
14. Parce que le fait de réussir à l'université me permet de me sentir important

à mes propres yeux.
15. Parce que je veux pouvoir faire "la belle vie" plus tard.

16. Pour le plaisir d'en savoir plus long sur les matières qui m'attirent.

17. Parce que cela va m'aider à mieux choisir mon orientation de carrière.

18. Pour le plaisir que je ressens à me sentir complètement absorbé(e) par les

sciences et la technologie.
19. Je ne parviens pas à voir pourquoi je vais à l'université et franchement je

m'en fous pas mal.
20. Pour la satisfaction que je vis lorsque je suis en train de réussir des

activités d'apprentissage difficiles.
21. Pour me prouver que je suis une personne intelligente.

22. Pour avoir un meilleur salaire plus tard.

23. Parce que mes études me permettent de continuer à en apprendre sur

toute une série de choses qui m'intéressent.
24. Parce que je crois que quelques années d'études supplémentaires vont

augmenter ma compétence comme travailleur-se.
25. Parce que ça me stimule de découvrir les progrès récents réalisés dans le

champ des études que j'ai choisies.
26. Je ne le sais pas; je ne parviens pas à comprendre ce que je fais à

l'université.
27. Parce que l'université me procure la satisfaction de rechercher l'excellence

dans mes études.
28. Parce que je veux me prouver à moi-même que je suis capable de réussir

dans les études.
© Robert J. Vallerand, Marc R. Blais, Nathalie M. Brière et Luc G. Pelletier, 1989
- 212 -
Annexe 2: Grille de décodage de l’EME-U 28
Motivation intrinsèque à la connaissance
MICO
Intitulés 2, 9, 16, 23
Motivation intrinsèque à l'accomplissement
MIAC
Intitulés 6, 13, 20, 27
Motivation intrinsèque à la stimulation
MIST
Intitulés 4, 11, 18, 25
Motivation extrinsèque à régulation identifiée
MEID
Intitulés 3, 10, 17, 24
Motivation extrinsèque à régulation introjectée
MEIN
Intitulés 7, 14, 21, 28
Motivation extrinsèque à régulation externe
MERE
Intitulés 1, 8, 15, 22
Amotivation
AMOT
Intitulés 5, 12, 19, 26
- 213 -

etude longitudinale de la motivation d`étudiants universitaires de

Transcription

Documents pareils

Scénarisation de jeu vidéo

ÉCHELLE D`ESTIME DE SOI \(ÉES-10\)

bois de parcoUrs raZr Fit™ - Callaway Media Productions

E-news - Sport Plaisir

La condition animale

La gestion des cadres à potentiel : le cas de l`ANPE

Modèle d`invitation à participer au sondage Objet

OffreStageM2 (152,02 Ko)

Switch - Université de Liège