1Cette base de données est issue d’une enquête quantitative par questionnaire (nombre d’observations = 415). Elle est construite sur la base de la théorie du comportement planifié. La variable finale que le modèle cherche à expliquer (la variable dépendante) est l’intention d’abandonner ses études chez les étudiants. L’objectif de ce data paper est avant tout orienté vers les besoins des acteurs : universités et autres acteurs en charge de l’enseignement supérieur. L’objectif premier est de mesurer (via des statistiques descriptives) et de comprendre (via des statistiques explicatives) les facteurs qui conduisent des étudiants à envisager d’abandonner leurs études ; et donc à pouvoir comprendre comment agir pour limiter cet abandon. L’objectif second réside a) dans la prise en compte de l’impact d’un contexte (la pandémie du Covid-19) dans la théorie et b) dans la confirmation de la place de l’identité personnelle en tant que mesure alternative de l’intention comportementale (et non en tant que variable explicative de cette intention).
2La théorie du comportement planifié (TCP) est issue de la psychosociologie. La TCP est une extension de la théorie de l’action raisonnée TAR (Fishbein et Ajzen 1975). Dans cette dernière la réalisation d’un comportement donné est supposée dépendre directement de l’intention manifestée par l’individu d’adopter ce comportement. Dans la TAR, l’intention admet deux variables prédictives : l’attitude à l’égard du comportement et les normes subjectives. L’attitude correspond à l’évaluation globale du comportement alors que les normes subjectives renvoient aux espérances normatives de l’entourage social. Ce dernier concept est, depuis le travail de Cialdini et al. (1991), scindé en deux dimensions : des normes descriptives, le comportement probable de l’entourage de l’individu, et des normes injonctives, la pression perçue de l’entourage. Dans la TCP, une troisième variable, nommée « perception de contrôle sur le comportement », est rajoutée comme antécédent de l’intention afin de prendre en compte le fait que même si les individus ont une attitude plutôt favorable à l’égard du comportement, même s’ils pensent que son adoption serait approuvée par leur entourage, ils peuvent ne pas se sentir la capacité ou la liberté d’adopter ce comportement.
3L’attitude envers le comportement et la perception de contrôle sur le comportement sont supposées être issues de croyances stockées en mémoire. L’attitude est supposée être issue de croyances concernant les conséquences probables de la réalisation du comportement (les bénéfices attendus) et la perception de contrôle sur le comportement est supposée dépendre des croyances sur le contrôle que l’individu pense avoir sur les facteurs qui peuvent affecter la réalisation du comportement (freins perçus).
4L’identification et la mesure de ces bénéfices attendus et freins perçus sont fondamentales dans l’intérêt de la théorie pour les acteurs. Ce sont principalement sur ces croyances que des préconisations peuvent être réalisées : préconisations qui concernent les politiques publiques et/ou les acteurs selon le sujet étudié. C’est à l’aide d’une phase qualitative que ces divers bénéfices et freins doivent être identifiés.
5Dans le cas de l’étude des facteurs explicatifs, dont la pandémie du Covid-19, de l’intention des étudiants d’abandonner leurs études, cette phase qualitative doit également mener à l’identification des conditions de vie des étudiants durant les confinements.
6Les croyances sur les bénéfices attendus, sur les freins perçus et sur les conditions de vie durant les confinements furent identifiées suite à un travail de groupe lors de deux séances de travaux dirigés d’1 heure 20, avec une classe de 30 étudiants environs en L1 « DUT techniques de Commercialisation ». Le questionnaire fut coconstruit avec cette même classe de TD ; chaque énoncé a été discuté collectivement dont l’adaptation des énoncés standards associés aux mesures des concepts de la TCP (intention, attitude, perception de contrôle sur le comportement, normes injonctives et descriptives).
7Chacun des concepts de la TCP est mesuré à l’aide de plusieurs items (questions) dont les énoncés sont standards, mais qui doivent être adaptés au comportement étudié. L’utilisation de plusieurs items pour un même concept permet à la fois de confirmer la mesure de ce concept, mais aussi de mesurer plusieurs facettes d’un même phénomène. Par exemple, l’attitude ayant deux dimensions (cognitive et affective) il est nécessaire d’utiliser à minima deux items pour sa mesure.
8Les échelles de mesure (modalités de réponses à échelles) associées à ces énoncés sont souvent des échelles de type Likert (1932). Dans ce cas, il est demandé au répondant de noter son degré d’accord avec une affirmation ; par exemple en notant de 1 pas du tout d’accord à 6 tout à fait d’accord. Ce type d’échelle de mesure est classique en psychologie. Plus le nombre de modalités proposées dans l’échelle est grand (6 dans notre cas) et plus l’analyse est riche, fine. Ce même type d’échelle de mesure peut être décliné en utilisant des formulations alternatives : improbable/probable par exemple. Dans le cas de la présente enquête, une échelle spécifique a été créée pour la mesure des freins perçus. Concernant les facteurs qui peuvent empêcher l’individu d’adopter le comportement, les répondants sont invités à évaluer chaque facteur sur une échelle de 1 c’est un frein très important à 6 ce n’est pas du tout un frein.
-
Le choix du sujet a été proposé par la classe de travaux dirigés qui a ensuite coconstruit le questionnaire ;
-
L’accent est mis sur la mesure des croyances sur les bénéfices attendus (11 items), sur les freins perçus (12 items) et sur les conditions de vie durant les confinements (17 items) ;
-
La mesure de l’intention comportementale comprend 2 items dont 1 qui est une mesure de l’identité personnelle (je suis le type de personne qui pourrait abandonner ses études dans les mois qui viennent). Ce point soulève un enjeu théorique au sein de la TCP. En effet, de nombreux auteurs ont intégré l’identité personnelle dans la TCP en tant que variable explicative de l’intention comportementale au même titre que l’attitude, la perception de contrôle sur le comportement et les normes subjectives. Ces recherches conduisent très souvent à perturber le modèle initial de la TCP en remettant en cause la capacité prédictive des normes injonctives et de l’attitude (voir la récente revue de Marwin et al., 2021 sur le sujet). Or, selon Fishbein (1997), l’identité personnelle fait partie du même modèle de mesure que l’intention comportementale. Cette hypothèse a été vérifiée par Paquin et Keating en 2017. Autrement dit, les mesures de l’identité personnelle ne doivent servir qu’à diversifier celles de l’intention comportementale ; ce qui permet, du reste, de limiter la redondance perçue par les répondants avec des énoncés trop similaires dans la mesure de cette intention comportementale.
9Le questionnaire (cf. l’annexe 1 pour l’ensemble des mesures et l’annexe 2 pour l’ordre des items dans le questionnaire) comprend les mesures suivantes : l’intention comportementale (2 items dont 1 d’identité personnelle ; cf. supra pour la justification théorique), l’attitude (2 items), la perception de contrôle sur le comportement (2 items), les normes injonctives (3 items) et descriptives (2 items), les croyances sur les bénéfices attendus (11 items), les croyances sur les freins perçus (12 items), les conditions de vie durant la pandémie du Covid-19 (17 items), 4 variables signalétiques et une question ouverte (commentaire libre). L’administration étant réalisée en ligne, la base de données comprend également une variable « temps de saisie » du questionnaire qui pourra servir à épurer la base. Toutes les variables à échelle sont mesurées en 6 points, par exemple de 1 pas du tout d’accord à 6 tout à fait d’accord. Le choix d’échelles de mesure pair se justifie par le fait que chaque répondant doit pouvoir se positionner sans problème sur chaque question puisque le sujet les concerne directement ; qu’il est inutile de prévoir une modalité intermédiaire ni d’accord ni pas d’accord (neutre).
10La collecte de données fut réalisée en mars 2021 via un questionnaire en ligne (sous sphinx) auprès de l’ensemble des étudiants en L1 du DUT techniques de commercialisation de l’IUT de Tarbes et auprès du réseau d’amis/connaissances des étudiants du groupe de TD qui a coconstruit le questionnaire (envoi du lien vers le questionnaire via les mails, les réseaux sociaux et des sms).
11415 observations furent récoltées. Les réponses à la quasi-totalité des questions étaient obligatoires. De ce fait il n’y a pas de non-réponses.
12Les résultats présentés ci-dessous sont réalisés sans épuration du jeu de données et sans traitement des outliers : valeurs extrêmes qui diminuent le pouvoir explicatif du modèle lors des régressions multiples.
13La première étape de l’analyse explicative réside dans la vérification que tous les items utilisés pour mesurer un même concept convergent bien les uns avec les autres. Si tel est le cas, alors il est statistiquement légitime de calculer une nouvelle variable en faisant la moyenne de ces différents items. Par exemple, si les deux items de l’attitude convergent de façon satisfaisante, alors nous calculerons une variable nommée « attitude » qui sera la moyenne de ces deux items. L’indicateur pour statuer sur la convergence de plusieurs items est l’alpha de Cronbach (1951). Il mesure la probabilité qu’un individu réponde de façon similaire aux divers items qui sont censés mesurer un même construit (l’attitude, l’intention, etc.). Il est compris entre 0 et 1. Un alpha satisfaisant doit généralement être supérieur à 0.81, mais des valeurs inférieures sont acceptables si le nombre d’items dans l’analyse n’est que de 2 (cet indicateur est sensible au nombre d’items dans l’analyse : il est d’autant plus fort que ce nombre est élevé). Des valeurs moindres sont également acceptables dans le cas d’échelles d’items dites formatives (versus réflexives), dont les énoncés mesurent des facettes différentes d’un même phénomène.
14Les alphas de Cronbach pour les divers concepts de la présente enquête sont satisfaisants : Intention (0.82), attitude (0.82), perception de contrôle sur le comportement (0.71), normes descriptives (0.75), normes injonctives (0.89). L’alpha de 0.82 pour l’intention comportementale confirme l’hypothèse de Fishbein (1997) selon lequel l’identité personnelle fait partie du même modèle de mesure que l’intention comportementale.
15Une régression multiple est une analyse explicative. Elle cherche à expliquer la formation d’une variable (dite dépendante ou à expliquer) à l’aide de plusieurs variables (dites indépendantes ou explicatives).
16Le premier résultat d’une telle analyse concerne le pouvoir explicatif du modèle : combien de variance l’analyse permet-elle de restituer, d’expliquer ? Un pourcentage de variance expliquée satisfaisant est de l’ordre de 40 % concernant la formation de l’intention comportementale. Il est moindre pour l’analyse de la formation de l’attitude et de la perception de contrôle sur le comportement (de l’ordre de 20 à 30 %).
17Le second résultat de ce type d’analyse réside dans les coefficients de régression standardisés (coefficients béta) pour chaque variable indépendante. Plus ce coefficient est fort et plus cela montre le pouvoir explicatif (la capacité prédictive, l’influence) de la variable explicative en question. Les résultats de la présente enquête sont les suivants.
18Les 4 variables du modèle de la théorie expliquent 63.5 % de la variance de l’intention d’abandonner ses études : les normes injonctives sont de loin la variable la plus influente avec un coefficient béta de 0,59, suivi par l’attitude (béta = 0,29) et la perception de contrôle sur le comportement (béta = 0,13). Les normes descriptives sont peu influentes (béta = 0,02). Le rôle de l’entourage de l’individu, la pression qu’il perçoit de cet entourage, est donc crucial dans son intention ou pas d’abandonner ses études. Notons qu’en déconstruisant ces normes injonctives en fonction de leur origine (amis, camarades, famille), les résultats de la régression montrent que c’est la pression perçue de la part des amis et camarades qui prédisent l’intention d’abandon des étudiants. La pression perçue de la part de la famille n’est pas significative.
19La formation de l’attitude est expliquée à hauteur de 34.5 % par les divers bénéfices perçus dont le fait de retrouver du plaisir de vivre (coefficient béta = 0,20), de retrouver de la motivation (béta = 0,20), de pouvoir se libérer du poids familial (0.08) et de faire des choses concrètes (0.08). Nous verrons plus loin que le lien social peut être un élément clé pour retrouver ce plaisir de vivre et cette motivation tout en restant « accroché » à ses études.
20La formation de la perception de contrôle sur le comportement est expliquée à hauteur de 16.3 % par les divers freins perçus dont la difficulté pour trouver un travail plus tard (coefficient béta : 0,24), le fait de décevoir certains de ses proches (béta : 0,21) et le fait de ne plus être avec ses amis en cours (0,09). Ces freins explicatifs de la perception de contrôle sur le comportement sont autant d’arguments à mobiliser pour lutter contre le décrochage.
21Une typologie est une analyse qui, sur la base de variables choisies en fonction de leur centralité dans le modèle théorique, scinde l’échantillon en plusieurs classes. Le test de Fisher permet d’apprécier cette classification : il se doit d’être très significatif (p<0.001) dans son analyse comparative des moyennes par classe pour chaque variable retenue dans l’analyse.
22Une typologie réalisée sur la base de l’intention comportementale et des 3 variables explicatives de cette intention (normes injonctives, attitude et perception de contrôle sur le comportement) a été conduite. Il en ressort une structure en 4 classes présentées dans le tableau 1.
Tableau 1. Typologie d’étudiants en fonction des moyennes sur les 4 variables significatives du modèle : Intention, attitude, contrôle perçu et normes injonctives (les moyennes sont sur 6)
|
Classes
|
Intention
|
Attitude
|
Contrôle perçu
|
Normes injonctives
|
|
Décrocheurs
|
4,48
|
4,29
|
4,60
|
3,65
|
|
Fragilisés
|
2,40
|
3,26
|
2,72
|
1,85
|
|
Accrochés
|
1,21
|
1,46
|
1,71
|
1,24
|
|
Accrochés, mais fort contrôle perçu
|
1,47
|
1,95
|
4,48
|
1,34
|
|
TOTAL
|
1,99
|
2,37
|
2,96
|
1,73
|
|
Test de Fisher
|
F = 397,12, p<0.001
|
F = 204,08, p<0.001
|
F = 318,83, p<0.001
|
F = 186,41, p<0.001
|
23La classe d’étudiants « décrocheurs » représente 13.8 % de l’échantillon. Toutes les moyennes de cette classe sont très significativement supérieures aux autres classes : la moyenne de l’intention comportementale est de 4.48 sur une échelle en 6 points (contre une moyenne de 1.99 pour l’ensemble de l’échantillon). Un tableau de moyenne (tableau 2) réalisé sur la base de cette typologie et en prenant en compte tous les items à échelle sur les conditions de vie lors des confinements montre que ce sont les problèmes d’isolement des étudiants au sein de leur formation universitaire qui pose le plus de problèmes avec des moyennes très significativement inférieures (p<0.001) pour les items du type « Je peux facilement compter sur l’aide de plusieurs de mes camarades de promotion » (item n° 11 et 17). L’item n° 9 (Je m’entends très bien avec la plupart des personnes avec qui je vis) est également très significativement inférieur (p<0.001) pour cette classe par rapport aux autres. Une condition de vie lors des confinements apparaît sur l’accès à des espaces verts : là aussi la moyenne est très significativement inférieure pour cette classe d’étudiants par rapport à l’ensemble de l’échantillon.
24Une autre classe d’étudiants est intéressante à examiner : celles des « fragilisés » qui représentent 22.6 % de l’échantillon. Cette classe présente des moyennes nettement moindres que la précédente concernant l’intention d’abandon : moyenne de 2.40 contre 4.48 pour les « décrocheurs ». Cependant, c’est une classe d’étudiants pour laquelle les problèmes liés à la pandémie apparaissent clairement. Les moyennes des items liés aux cours en distanciel ainsi que les impacts du Covid-19 sur les aspects financiers et sur la santé des proches sont significativement inférieures par rapport à l’ensemble de l’échantillon. C’est également le cas, comme pour la classe précédente, sur l’accès à des espaces verts durant les confinements ainsi que pour les items d’isolement au sein des formations universitaires.
Tableau 2. Typologie d’étudiants : l’impact des conditions de vie lors des confinements
25Ces résultats peuvent inciter, dans un premier temps, les acteurs en charge de l’enseignement supérieur à prendre des mesures pour identifier les étudiants qui, d’une part, se sentent isolés dans leur formation et, d’autre part, ceux qui ont été les plus impactés par la crise du Covid-19. Cette identification peut se baser sur une partie des items du questionnaire présenté ici, notamment la partie « conditions de vie durant la pandémie ». Des dispositifs spécifiques pour ces deux types d’étudiants devraient être mis en œuvre pour prévenir les abandons dont, par exemple, des dispositifs de parrainage entre promotions, des travaux de groupe et des projets collectifs internes à la promotion. L’idée principale est de faire en sorte que les étudiants se sentent intégrés dans leur promotion, qu’ils retrouvent du plaisir à vivre cette expérience universitaire et donc de la motivation.
26Notons également que le poids des normes injonctives dans la prédiction de l’intention d’abandonner ses études invite à sensibiliser l’ensemble des étudiants sur leur rôle dans ces abandons : s’encourager mutuellement à ne pas laisser tomber doit être la norme.
27D’un point de vue théorique et méthodologique, cette enquête invite les chercheurs a davantage utiliser la TCP en fonction de ses potentielles utilités managériales ; ceci en mesurant la plus grande variété possible de croyances sur les bénéfices attendus et sur les freins perçus et en intégrant des mesures de contexte. Elle invite également les chercheurs à reconnaître que la mesure de l’identité personnelle n’est pas un antécédent de l’intention comportementale, mais que, au contraire, elle fait partie du même modèle de mesure que cette intention. Elle devient, dès lors, une alternative à ces mesures d’intention. D’un point de vue méthodologique, l’analyse des données nécessite de passer par la création d’une typologie afin, là encore, d’accroître l’utilité de telles recherches pour les acteurs. En effet, ce n’est qu’en passant par une typologie que les conditions de vie durant la pandémie purent apporter des éléments d’informations utiles pour des préconisations en termes de lutte contre le décrochage des étudiants.
28Les futurs utilisateurs de cette BDD pourront reprendre ces résultats après avoir épuré la base. Ils pourront également utiliser des analyses explicatives plus avancées, notamment avec des modèles d’équations structurelles. Enfin, des travaux en termes de méta-analyse pourront s’appuyer sur ces résultats, notamment pour mettre en avant le rôle des normes injonctives dans la TCP.
29La BDD est disponible au format txt unicode UTF 8 sur Zenodo (les formats sphinx et SPSS sont disponibles à la demande) :
DOI : 10.5281/zenodo.5881001
Lien : https://zenodo.org/record/5881001#.YepNQ3qZOM8
Licence : Creative Commons Attribution 4.0 International
Citation : Jean-Louis. (2022). Intention d’abandonner ses études chez les étudiants et Covid-19 : une application de la théorie du comportement planifié (txt UTF 8) [Data set]. Zenodo. https://0-doi-org.catalogue.libraries.london.ac.uk/10.5281/zenodo.5881001
Flux RSS
