4.8.2 Analyse du tableau de corrélation - STATISTICA

Nous avons réalisé aussi un tableau de corrélation de Spearman entre les données du questionnaire sur les aspects psychologiques, les dossiers méthodologiques et les notes avec le support STATISTICA (annexe 9).

Ici nous présentons les corrélations entre les variables, réalisant une interprétation de nos hypothèses.

L’âge a une corrélation inversement proportionnelle avec l’attribution de causalité au hasard. (r=-0,2796, ρ<0,05). C'est-à-dire, quand plus âgé, moins le sujet attribue au hasard.

L’âge a une corrélation directement proportionnelle avec la motivation interne (r=0,3097, ρ<0,05), la représentation affective envers la statistique (r=0,2267, ρ<0,05) et le semestre de réalisation de la discipline Méthodes Quantitatives (r=0,2716, ρ<0,05). C’est-à-dire, quand plus âgé, plus la motivation est interne chez les sujets, plus la représentation envers la statistique est positive et plus tard dans leur formation ils réalisent la discipline Méthodes Quantitatives. Ces données nous amènent à une confirmation de notre hypothèse 10 : plus positive est la représentation affective envers la statistique, plus interne est la motivation.

Le sexe a une corrélation significative directement proportionnelle avec la µ du temps d’utilisation de l’outil Méthodes Quantitatives FORSE (r=0,2642, ρ<0,05) et avec la quantité de temps pour réalisation de la formation (année) (r=0,2888, ρ<0,05). C’est-à-dire, les hommes sont ceux qui ont eu une moyenne de temps d’utilisation du support didactique Méthodes Quantitatives FORSE plus élevée et qui réalisent leur formation en Licence en plus de temps (deux ans).

L’utilisation du support Méthodes Quantitatives FORSE a une corrélation directement proportionnelle avec la µ du temps d’utilisation (r=0,8670, ρ<0,05) et la µ générale de la formation en Licence (r=0,3464, ρ<0,05). C'est-à-dire, les sujets qui utilisent le support didactique Méthodes Quantitatives FORSE ont une moyenne du temps d’utilisation plus élevé, ce qui est logique. Mais l’important est que ceux qui utilisent le support ont une moyenne générale dans la formation en Licence Sciences de l’Education FAD plus élevée. Ces donnés confirment notre hypothèse 4 : si le sujet utilise le support Méthodes Quantitatives FORSE, plus haute est sa performance (ici mesuré avec la moyenne générale dans la formation Licence en Sciences de L’éducation FAD).

Pour renforcer la corrélation entre l’utilisation de l’outil et la performance, la µ du temps d’utilisation a une corrélation directement proportionnelle avec la µ générale des notes dans la formation (r=0,3922, ρ<0,05). Dans d’autres mots, plus grande est la moyenne du temps d’utilisation de l’outil Méthodes Quantitatives (plus il utilise), plus grande est la moyenne de la formation en générale (meilleure est la performance).

La formation a une corrélation inversement proportionnelle avec la motivation interne (r=-0,2525, ρ<0,05) et une corrélation directement proportionnelle avec les représentations affective envers la statistique (r=0,2735, ρ<0,05). C’est-à-dire, plus élevé est la formation, selon l’échelle que nous avons élaboré et exposée dans la partie sur la procédure expérimentale, moins interne est la motivation et plus positive est la représentation affective envers la statistique. Cette corrélation entre formation et motivation peut être mis en cause vu que, même n’étant pas significative, la corrélation entre formation et motivation externe est aussi inversement proportionnelle (r=-0,1164, ρ<0,05) et si nous considérons la motivation interne comme variable nominale, c’est-à-dire, en degré de niveau de motivation interne, la corrélation deviens directement proportionnelle, même que pas significative (r=0,2142, ρ<0,05).

L’utilisation de la statistique dans la profession est directement proportionnelle avec la représentation affective de la statistique (r=0,4181, ρ<0,05). C'est-à-dire, plus la statistique est utilisé dans la profession, plus positive est son représentation affective.

L’auto-évaluation par rapport la statistique est directement proportionnelle avec la représentation affective de la statistique (r=0,4181, ρ<0,05). C’est-à-dire, plus l’individu s’évalue compétent par rapport la statistique, plus positive est sa représentation affective.

L’attribution de causalité externe est directement proportionnelle à l’attribution de causalité au hasard (r=0,3105, ρ<0,05). Nous pouvons considerer ce donné d’après l’interprétation de l’attribution au hasard comme une attribution externe à l’individu, mais cela implique des études plus approfondis dans le domaine de l’attribution de causalité et du locus de contrôle. Nous n’observons pas une corrélation différente entre l’attribution de causalité externe et le type de motivation (interne  ou  externe). Pour toute les deux, l’attribution de causalité est significativement directement proportionnelle à ces deux types de motivation. Cela ne permet pas confirmer notre hypothèse 6 : plus interne est la motivation, plus interne est l’attribution de causalité. Néanmoins, ces résultats nous montrent que l’attribution de causalité et de motivation sont de processus différents l’un de l’autre.

D’un autre coté, la différence entre les types d’attribution de causalité (interne moins externe) est inversement proportionnelle à motivation externe (r=-0,2423, ρ<0,05). C'est-à-dire, plus grande la différence entre les types d’attribution de causalité, plus externe est la motivation. Ce résultat nous permet formuler quelques hypothèses secondaires, comme par exemple un regard sur la différence entre les types d’attribution de causalité étant plus intéressant dans le processus d’enseignement-apprentissage que ces deux types analysés isolement.

L’attribution de causalité au hasard est directement proportionnelle à la motivation externe (r=0,3118, ρ<0,05). C'est-à-dire, plus l’attribution de causalité est attribuée au hasard, plus la motivation est externe. Si nous considérons l’attribution de causalité au hasard, comme nous avons cité, comme un type d’attribution de causalité externe à l’individu, nous pouvons affirmer notre hypothèse 6 : plus externe est l’attribution de causalité, plus externe est la motivation.

La représentation affective envers la statistique est directement proportionnelle à la représentation affective envers les TICE (r=0,2672, ρ<0,05). C'est-à-dire que les représentations affectives envers les deux aspects traités dans notre étude et important dans leurs formation, les TICE et la statistique, sont corrélées.

La représentation affective envers la statistique est aussi proportionnelle à la note en Analyse Quantitative (r=0,3030, ρ<0,05). C’est-à-dire, plus la représentation envers la statistique est positive, meilleur est la note en Analyse Quantitative, ce qui confirme notre hypothèse 13 : plus la représentation affective est positive, meilleure est la performance de l’étudiant. Nous pouvons observer aussi que, même n’étant pas significativement proportionnelle, la représentation affective envers la statistique (r=0,0642, ρ<0,05) est aussi directement proportionnelle à la performance dans les dossiers méthodologiques, l’autre méthode que nous utilisons pour l’analyse de la conceptualisation en statistique.

La note en Analyse Quantitative est directement proportionnelle à la µ générale (r=0,5953, ρ<0,05). Cela veut dire, plus haute est la note dans la discipline Analyse Quantitative, plus grande est la moyenne générale dans la formation en Licence Sciences de l’Education FAD.

La réalisation des exercices (d’après notre guide d’analyse) dans les dossiers méthodologiques, est directement proportionnelle à la réalisation correcte de ces exercices  (r=0,8067, ρ<0,05) et la µ dossiers méthodologique (r=0,9503, ρ<0,05). Pour compléter l’analyse des dossiers méthodologiques, la variable « dossier méthodologique correct » est directement proportionnelle à la variable « µ dossiers méthodologique » (r=0,9441, ρ<0,05). Tout cela veux dire que, plus les sujets réalisent les tâches dans les dossiers méthodologiques, plus ils sont corrects et consécutivement, plus grande est la moyenne dans cette analyse.

D’après ces analyses, dans l’objectif de vérifier l’effet du support didactique numérique « Méthodes Quantitatives FORSE » dans l’apprentissage, nous pouvons réaliser le graphique suivant :

Nous objectivons ainsi identifier quel aspect se place dans le point « ? » car il est important pour l’équilibration des relations entre les autres trois variables abordées. Nous supposons qu’il soit les aspects cognitifs et affectifs abordés dans notre travail : l’attribution de causalité, la motivation et la représentation affective. Pour cela, nous avons réalisé les analyses qui suivent :

Nous avons réalisé aussi un test d’Analyse de la Variance (ANOVA) avec les variables « utilisation » du support didactique numérique « Méthodes Quantitatives FORSE »  (variable qualitative nominal) dont les modalités sont : 1) Non utilisation et 2) Utilisation du logiciel. La note dans la discipline Analyses Quantitatives a été prise comme variable mesurée. Nous observons que l’effet de la variable utilisation du support sur la note en Analyses Quantitatives n’est pas significatif (ρ= 0.59624). Toutefois, nous pouvons observer que la moyenne des étudiants qui ont utilisé le support (environs 11) est supérieure à la moyenne de ceux qui ne l’ont pas utilisé (environs 10).

Nous avons réalisé ce graphique dans l’objectif d’établir une régression linéaire basée sur deux variables : la différence d’attribution de causalité (variable dépendante) et la note dans la discipline Analyses Quantitatives (variable indépendante). D’après ce graphique, nous pouvons prévoir l’attribution de causalité en fonction de la note de la discipline Analyses Quantitatives. Pourtant, la corrélation entre ces deux variables n’est pas significative (r=0,01) et la droite de régression est pratiquement parallèle à l’abscice. Ainsi, l’attribution de causalité ne varie pas en fonction de la note, elle est même très constante.

Ce graphique montre une régression linéaire basé sur deux variables : la représentation affective envers les supports didactiques numériques (TICE) (variable dépendante) et la note dans la discipline Analyses Quantitatives (variable indépendante). On pourrait prévoir la représentation affective envers les TICE en fonction de la note en Analyse Quantitative, comme il est possible par la représentation affective envers la Statistique. Par contre, la corrélation entre ces deux variables n’est pas significative (r=0,03448). Nous pouvons observer que la droite de régression est pratiquement parallèle à l’abscice. Ainsi, la représentation affective envers les TICE ne varie pas en fonction de la note en Analyses Quantitatives. Ce donné pourrait être attendu, une fois que les TICE sont une constante pour les étudiants abordés dans notre recherche. Dans une formation à distance, la représentation affective envers les TICE ne varie pas significativement entre les sujets, ce qui ne laisse pas un reflet sur les notes dans la discipline Analyses Quantitatives.

Nous avons réalisé une ANOVA (analyse de variance) entre les deux variables qui suivent. Représentation Affective envers la Statistique (variable qualitative nominal), dont les modalités sont : 1) représentation affective négative et 2) représentation affective positive. La variable dépendante est la « Note » dans la discipline Analyses Quantitatives (variable mesurée). Nous pouvons vérifier qu’il existe un effet de la variable représentation affective envers la statistique sur la variable notes dans la discipline Analyses Quantitatives (ρ= 0,00185). Dans ce sens, les étudiants qui ont une représentation affective négative de la statistique ont aussi une note inférieure à 10 (dont la moyenne est approximativement 8), tandis que ceux qui ont une représentation affective positive de la statistique ont aussi une note supérieure à 10 (dont la moyenne est approximée est 13). Ainsi, une note inférieure ou supérieure à 10 dépend de l’affect envers la Statistique.

Nous pouvons observer avec ces tableaux que l’utilisation du support didactique numérique n’a pas une corrélation significative avec la note dans la discipline Analyses Quantitatives. Pourtant, sur le deuxième tableau, nous observons qu’il existe une interaction du sexe avec l’utilisation du support. Alors, l’utilisation semble importante pour la note, mais plutôt pour le sexe féminin. Nous rappelons qu’il existe une corrélation significative entre la moyenne générale de la formation en Licence et l’utilisation.

Le graphique en dessus montre que tant la distribution des valeurs pour la variable « Note An. Quant. » comme pour la variable « Représentation Affective des Statistiques » suivent relativement bien une gaussienne et qu’un diagonale apparaît dans les deux cas : quand la variable note est la variable dépendante et quand c’est la variable représentation affective qui est prise comme variable dépendante. Ainsi, des prévisions peuvent être faites dans le deux sens. Si on connaît l’état affectif d’un apprenant on peu s’attendre à un type de note ou performance. Si le logiciel, par exemple, peut calculer la performance de l’utilisateur il pourra en suite inférer de l’état affectif de cet utilisateur apprenant.