Inventaire du modèle des facteurs incitatifs des technologies d’apprentissage en ligne et des intentions comportementales envers l’évaluation sur ordinateur et par le jeu

1. Résumé / Abstract

L’Inventaire du modèle des facteurs incitatifs des technologies d’apprentissage en ligne et des intentions comportementales envers l’évaluation sur ordinateur et par le jeu (en anglais : E-Learning Technology Incentive Factors and Behavioral Intentions Toward Computer-Based and Game-Based Assessment–Model Inventory) est un instrument psychométrique conçu par Lin, Tsai et Hsu (2023). Cet outil a été développé afin de mesurer, modéliser et comparer les perceptions des apprenants, leurs motivations sous-jacentes et leurs intentions d’usage vis-à-vis de deux modalités distinctes d’évaluation formative numérique : l’évaluation assistée par ordinateur classique (Computer-Based Assessment, CBA) et l’évaluation ludifiée ou fondée sur le jeu (Game-Based Assessment, GBA).

L’instrument se compose de 15 items répartis de façon équilibrée au sein de cinq dimensions fondamentales : l’attente de performance (Performance Expectancy, 3 items), l’attente d’effort (Effort Expectancy, 3 items), l’influence sociale (Social Influence, 3 items), le caractère ludique perçu (Perceived Playfulness, 3 items) et l’intention comportementale d’utilisation (Behavioural Intention, 3 items). Tous les énoncés sont évalués à l’aide d’une échelle de réponse de type Likert à 5 points allant de 1 (« fortement en désaccord ») à 5 (« fortement d’accord »).

Sur le plan psychométrique, l’inventaire a fait l’objet d’une validation empirique rigoureuse dans le cadre d’une recherche quasi-expérimentale longitudinale menée auprès d’étudiants universitaires à Taïwan, avec des administrations répétées au début du semestre académique (avant les examens de mi-parcours) et en fin de cursus (avant les examens finaux). Les analyses factorielles confirmatoires ont démontré une excellente validité de construit, avec des saturations factorielles standardisées (factor loadings) pour l’ensemble des items systématiquement supérieures au seuil de 0,70. La cohérence interne s’avère satisfaisante, avec des coefficients alpha de Cronbach d’au moins 0,76 pour l’ensemble des sous-échelles. L’outil constitue une avancée méthodologique majeure pour les chercheurs en sciences de l’éducation, en psychologie cognitive et en interaction homme-machine (IHM), facilitant l’évaluation différentielle des leviers motivationnels influençant l’acceptation technologique et la réussite académique.

2. Mots-clés / Keywords

Évaluation formative, évaluation assistée par ordinateur, évaluation par le jeu, acceptation technologique, intention comportementale, attente de performance, attente d’effort, caractère ludique perçu, psychométrie éducative, enseignement supérieur, apprentissage en ligne, modèle UTAUT, théorie du flux.

3. Auteurs / Authors

L’instrument a été conçu, développé et validé par une équipe interdisciplinaire de chercheurs taïwanais spécialistes des technologies éducatives, de la gestion des systèmes d’information et de la pédagogie universitaire :

• Jian-Wei Lin : Département de commerce international (Department of International Business), Chien Hsin University of Science and Technology, Taoyuan, Taïwan. Courriel institutionnel : [email protected] (Auteur correspondant).
• Chia-Wen Tsai : Département de gestion de l’information (Department of Information Management), Ming Chuan University, Taoyuan, Taïwan. Identifiant ORCID : 0000-0002-6698-7747.
• Chu-Ching Hsu : Département des langues étrangères appliquées (Department of Applied Foreign Languages), Chien Hsin University of Science and Technology, Taoyuan, Taïwan.

4. Objectif / Purpose

Fondements et genèse de l’inventaire

Dans les environnements d’enseignement supérieur contemporains, l’évaluation formative joue un rôle capital dans la régulation des apprentissages. Contrairement à l’évaluation sommative, qui vise principalement la sanction et la certification des acquis en fin de parcours, l’évaluation formative fournit une rétroaction diagnostique continue aux étudiants et aux enseignants. Cette rétroaction permet d’ajuster les stratégies pédagogiques et de consolider la maîtrise notionnelle. Avec l’essor des plateformes d’apprentissage en ligne (e-learning), deux approches numériques d’évaluation formative se sont développées : l’évaluation informatisée conventionnelle (CBA), fondée sur des tests standardisés en ligne (QCM, questions ouvertes à correction automatique), et l’évaluation ludifiée (GBA), qui intègre des mécaniques de jeu vidéo (défis, barres de progression, récompenses virtuelles, narration interactive, compétitivité amicale).

Bien que la littérature reconnaisse globalement les vertus pédagogiques de la rétroaction informatisée, un débat scientifique persiste quant aux bénéfices différentiels réels du jeu par rapport aux interfaces d’évaluation traditionnelles. L’objectif premier de l’inventaire développé par Lin, Tsai et Hsu (2023) est d’offrir un cadre de mesure standardisé pour déterminer précisément comment ces deux approches technologiques façonnent les perceptions cognitives des apprenants, leurs attitudes affectives, leurs intentions d’usage continu et, in fine, leurs performances académiques mesurables.

Applications en recherche et contextes académiques

L’instrument répond à plusieurs impératifs méthodologiques dans l’étude des technologies éducatives :

• Analyse comparative directe : Permettre une comparaison robuste et symétrique des dimensions d’acceptation entre une modalité CBA sobre et fonctionnelle et une modalité GBA immersive et ludique, appliquées aux mêmes contenus de cours.
• Évaluation longitudinale des perceptions : Mesurer la dynamique d’acceptation au fil du temps. Les réactions initiales des étudiants face à une innovation technologique sont fréquemment biaisées par l’« effet de nouveauté » (novelty effect). L’inventaire est conçu pour être déployé à des jalons temporels distincts — notamment avant les examens partiels de mi-semestre (stade précoce) et avant les épreuves terminales (stade avancé) — afin d’isoler l’impact durable du dispositif sur l’engagement réel.
• Optimisation de l’ingénierie pédagogique : Fournir aux concepteurs pédagogiques, aux enseignants-chercheurs et aux administrateurs de plateformes universitaires des métriques diagnostiques précises. Ces indicateurs permettent d’identifier les goulets d’étranglement de l’expérience utilisateur, qu’ils soient d’ordre ergonomique (attente d’effort), motivationnel (caractère ludique), fonctionnel (attente de performance) ou normatif (influence sociale).
• Modélisation structurelle prédictive : Servir de batterie de variables manifestes pour des analyses en équations structurelles (SEM) visant à prédire les comportements réels d’utilisation et les notes obtenues par les étudiants aux examens sommatifs.

5. Construit psychologique / Construct

L’inventaire opérationnalise l’acceptation technologique dans le contexte précis de l’évaluation formative en articulant cinq construits psychologiques interdépendants. Chacun de ces construits aborde une composante cognitive, sociale ou affective de l’expérience d’apprentissage médiatisée par ordinateur.

1. Attente de performance (Performance Expectancy – PE)

L’attente de performance renvoie au degré auquel un étudiant est convaincu que l’utilisation du système d’évaluation formative (qu’il soit basé sur ordinateur ou ludifié) améliorera ses résultats d’apprentissage et facilitera l’assimilation conceptuelle. Ce construit mesure la valeur instrumentale et utilitaire perçue de l’outil numérique. Dans le cadre de l’évaluation formative, il englobe :

• La facilitation de la compréhension conceptuelle des matières complexes ;
• L’aide à la mémorisation et à la rétention à long terme des connaissances ;
• La contribution perçue à l’obtention de notes élevées lors des évaluations formelles.

Par exemple, un apprenant manifestant une forte attente de performance estimera que les quiz interactifs ou les défis ludiques renforcent directement sa capacité à réussir ses examens universitaires sommatifs.

2. Attente d’effort (Effort Expectancy – EE)

L’attente d’effort représente le niveau de simplicité ou de complexité cognitive associé à l’utilisation technique du système d’évaluation. Ce concept est étroitement lié à l’ergonomie des interfaces, à la clarté visuelle et à la navigabilité. Il comprend :

• La facilité globale perçue de prise en main du logiciel ou de l’application ;
• L’aptitude à développer rapidement une dextérité opératoire sans nécessiter de formation technique complexe ;
• La convivialité et la limpidité de l’interface utilisateur graphique.

Un score élevé dans cette sous-échelle reflète un système transparent qui n’impose pas de surcharge cognitive inutile liée à l’outil lui-même, libérant ainsi les ressources cognitives de l’étudiant pour la tâche intellectuelle centrale.

3. Influence sociale (Social Influence – SI)

L’influence sociale correspond au degré auquel l’apprenant perçoit que son entourage académique (pairs, condisciples, corps professoral et direction de l’établissement) l’incite ou s’attend à ce qu’il utilise le système d’évaluation formative. Ce construit intègre :

• L’influence des pairs significatifs et des camarades de classe dont l’avis importe pour l’étudiant ;
• La pression normative exercée par les figures d’autorité pédagogique et les enseignants ;
• Le soutien institutionnel global manifesté par l’université envers la modernisation des pratiques d’évaluation.

Ce facteur traduit la dimension socioculturelle de l’adoption numérique, où le comportement individuel est en partie façonné par la culture collective du groupe d’apprenants.

4. Caractère ludique perçu (Perceived Playfulness – PP)

Le caractère ludique perçu constitue une variable d’état motivationnel intrinsèque caractérisée par trois facettes : la curiosité cognitive, le plaisir immédiat et l’absorption attentionnelle (proche de l’expérience de flux ou flow). Contrairement aux construits purement utilitaires de l’acceptation technologique, le caractère ludique perçu explore la réaction hédonique :

• L’excitation intellectuelle, l’intérêt soutenu et l’enthousiasme générés pendant la session de test ;
• La focalisation attentionnelle intense, où l’utilisateur s’immerge complètement dans la tâche évaluative ;
• La dimension divertissante, amusante et captivante de l’environnement interactif.

Ce construit est particulièrement décisif lors de la comparaison entre les formats conventionnels (CBA) et ludifiés (GBA), ces derniers mobilisant explicitement la motivation intrinsèque et la satisfaction du besoin de compétence.

5. Intention comportementale (Behavioural Intention – BI)

L’intention comportementale représente la disposition subjective de l’étudiant à maintenir, poursuivre et généraliser son utilisation de la technologie d’évaluation au sein de son parcours universitaire. Dans les modèles prédictifs des théories de l’action, l’intention constitue le précurseur immédiat du comportement effectif. Elle mesure :

• L’appréciation globale et la préférence pour l’intégration de ce système au cours régulier ;
• Le souhait explicite de réutiliser la plateforme lors des prochaines séances du même module ;
• Le désir d’étendre l’usage de ce système à d’autres cours et disciplines académiques.

6. Cadre théorique / Theoretical Framework

L’architecture conceptuelle de l’inventaire repose sur la fertilisation croisée de plusieurs paradigmes majeurs de la psychologie de l’éducation, de la psychologie cognitive et des sciences de l’information.

La théorie unifiée de l’acceptation et de l’utilisation de la technologie (UTAUT)

Le socle théorique principal de l’échelle est dérivé du modèle UTAUT (Unified Theory of Acceptance and Use of Technology) formalisé par Venkatesh et al. (2003). Le modèle UTAUT intègre les éléments convergents de huit cadres conceptuels dominants (dont la théorie de l’action raisonnée, le modèle d’acceptation de la technologie [TAM] de Davis, et la théorie du comportement planifié d’Ajzen). L’inventaire de Lin, Tsai et Hsu adapte directement les trois piliers exogènes fondamentaux d’UTAUT pertinents pour les tâches éducatives :

1. L’attente de performance (analogue à l’utilité perçue du TAM) ;
2. L’attente d’effort (analogue à la facilité d’utilisation perçue) ;
3. L’influence sociale (reflétant la norme subjective).

Dans le modèle structural théorique, ces facteurs agissent comme des déterminants directs de l’intention comportementale d’utilisation (BI), qui elle-même prédit le comportement effectif d’usage et les accomplissements scolaires consécutifs.

La théorie du flux (Flow Theory) et la motivation intrinsèque

Reconnaissant les limites d’un modèle purement utilitaire pour rendre compte des environnements d’apprentissage enrichis par le jeu, les auteurs ont articulé UTAUT avec la théorie de la motivation intrinsèque et le modèle de ludicité perçue de Moon et Kim (2001), lui-même tributaire de la théorie du flux de Mihaly Csikszentmihalyi (1990). Le caractère ludique perçu introduit une composante expérientielle et affective. Selon ce cadre, lorsqu’un dispositif d’évaluation parvient à équilibrer le défi technique avec les compétences de l’apprenant, ce dernier entre dans un état de concentration optimale où l’effort évaluatif cesse d’être vécu comme anxiogène pour devenir intrinsèquement gratifiant.

Théorie de la charge cognitive et apprentissage numérique fondé sur le jeu (DGBL)

L’instrument mobilise également les principes de l’apprentissage numérique par le jeu (Digital Game-Based Learning, DGBL) et la théorie de la charge cognitive de Sweller. Dans une évaluation formative classique, la rétroaction est souvent délivrée sous forme de données brutes ou de texte explicatif. En revanche, dans un système GBA, la rétroaction s’appuie sur des métaphores visuelles et des boucles de récompense immédiates. L’inventaire permet de tester si l’intégration d’éléments ludiques réduit l’anxiété liée à l’évaluation, diminue la charge cognitive extrinsèque et maximise l’engagement actif sans détourner l’apprenant des objectifs cognitifs réels de la formation.

7. Validité / Validity

L’évaluation psychométrique de l’inventaire a fait l’objet d’investigations empiriques détaillées dans la publication princeps de Lin, Tsai et Hsu (2023). Les auteurs ont conduit une recherche quasi-expérimentale rigoureuse impliquant des cohortes universitaires soumises de manière longitudinale aux systèmes d’évaluation formative dans un cadre d’enseignement hybride.

Validité de construit et validité convergente

La validité de construit a été documentée par le biais d’analyses factorielles confirmatoires (AFC) et exploratoires (AFE). Les critères psychométriques recommandés par la littérature méthodologique ont été pleinement satisfaits :

• Coefficients de saturation factorielle : Tous les items affichent des saturations standardisées supérieures à 0,70 sur leurs construits cibles respectifs, confirmant une liaison étroite entre les indicateurs manifestes et les dimensions latentes.
• Validité convergente : La variance moyenne extraite (Average Variance Extracted, AVE) pour chacune des cinq dimensions excède largement le seuil standard de 0,50, démontrant que la variance attribuable au construit théorique sous-jacent est substantiellement plus grande que la variance issue des erreurs de mesure résiduelles.

Validité discriminante

La validité discriminante a été examinée selon le critère de Fornell et Larcker (1981). Pour chaque dimension latente (PE, EE, SI, PP, BI), la racine carrée de l’AVE s’est avérée supérieure aux corrélations inter-facteurs partagées entre cette dimension et l’ensemble des autres variables du modèle. De surcroît, l’analyse des saturations croisées (cross-loadings) n’a révélé aucun chevauchement problématique, confirmant l’indépendance statistique et conceptuelle des cinq sous-échelles malgré leurs corrélations positives naturelles.

Validité prédictive et écologique

La validité prédictive de l’instrument a été corroborée en examinant sa relation avec les comportements d’utilisation effectifs (fréquence de connexion, nombre de tests formateurs tentés) et la performance académique finale des étudiants. Les résultats de Lin et al. (2023) confirment que les scores d’intention comportementale (BI) mesurés par l’inventaire prédisent de manière statistiquement significative la régularité de l’activité formative en ligne ainsi que les scores obtenus lors des examens sommatifs terminaux. Le design longitudinal de l’étude princeps renforce la validité écologique de l’instrument en garantissant que les réponses des étudiants ne traduisent pas un artefact momentané mais reflètent leur expérience académique continue.

8. Fidélité / Reliability

La fidélité de l’inventaire a été évaluée sous l’angle de la cohérence interne et de la stabilité de mesure tout au long de l’expérimentation académique.

Cohérence interne (Alpha de Cronbach et Fiabilité Composite)

Les calculs de fidélité rapportés dans l’étude d’origine démontrent une homogénéité des items au sein de chaque échelle :

• Les coefficients alpha de Cronbach ($\alpha$) se situent à 0,76 ou au-delà pour toutes les sous-échelles tant au stade précoce qu’au stade avancé du semestre.
• Dans le domaine des échelles psychotechniques courtes composées de 3 items par dimension, un coefficient d’au moins 0,76 traduit un niveau de consistance interne robuste, se situant au-dessus des recommandations standard de Nunnally (qui fixe le seuil minimal d’acceptabilité pour la recherche fondamentale à 0,70).
• Les indices de fiabilité composite (Composite Reliability, CR) confirment ces résultats en affichant des valeurs comprises entre 0,78 et 0,86, garantissant l’absence d’items redondants ou contradictoires.

Stabilité longitudinale de la mesure

L’administration répétée de l’inventaire à deux moments charnières de l’année universitaire (stade précoce avant le mi-semestre et stade tardif avant les finaux) a permis de vérifier l’invariance temporelle des construits. Les propriétés de fidélité sont demeurées stables d’une phase à l’autre, avec des fluctuations marginales des coefficients de cohérence interne, démontrant que l’outil capte de façon stable les variations réelles d’attitude chez les étudiants sans dérive psychométrique de l’instrument.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’inventaire a été testée et validée au moyen de procédures statistiques d’analyse factorielle confirmatoire (AFC) intégrées dans un modèle de modélisation par équations structurelles (Structural Equation Modeling, SEM).

Structure factorielle à cinq dimensions

L’analyse statistique confirme sans ambiguïté un modèle de mesure à cinq facteurs orthogonaux/obliques corrélés, conforme à la structure théorique a priori formulée par les auteurs :

1. Facteur 1 : Attente de performance (Items PE1, PE2, PE3)
2. Facteur 2 : Attente d’effort (Items EE1, EE2, EE3)
3. Facteur 3 : Influence sociale (Items SI1, SI2, SI3)
4. Facteur 4 : Caractère ludique perçu (Items PP1, PP2, PP3)
5. Facteur 5 : Intention comportementale (Items BI1, BI2, BI3)

Qualité d’ajustement du modèle de mesure (Fit Indices)

Les indices d’adéquation globale du modèle confirmatoire issu de l’échantillon d’étudiants universitaires taïwanais ont satisfait aux seuils méthodologiques conventionnels :

• Le rapport du khi-carré sur les degrés de liberté ($\chi^2/df$) est inférieur à 3,0, indiquant un bon ajustement ;
• L’indice de comparaison de Bentler (Comparative Fit Index, CFI) est supérieur à 0,92 ;
• L’indice de Tucker-Lewis (TLI) est supérieur à 0,90 ;
• L’erreur quadratique moyenne d’approximation (Root Mean Square Error of Approximation, RMSEA) est inférieure à 0,06 (avec un intervalle de confiance à 90 % conforme aux exigences de robustesse) ;
• Le résidu quadratique moyen standardisé (Standardized Root Mean Square Residual, SRMR) se maintient en deçà du seuil critique de 0,08.

Poids et saturations factorielles des items

Toutes les saturations factorielles standardisées ($lambda$) calculées pour les 15 indicateurs se révèlent hautement significatives ($p < 0,001$) et dépassent le critère d'acceptation de 0,70. Ces résultats certifient que chacun des trois énoncés attribués à une dimension constitue une manifestation empirique fidèle du construit latent sous-jacent.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation / Inventaire psychologique (Self-report Inventory).
• Format : Formulaire administrable sur support papier ou sous forme de sondage numérique en ligne.
• Nombre d’items : 15 items au total, structurés en 5 dimensions homogènes comportant exactement 3 items chacune :
• Attente de performance (PE) : 3 items
• Attente d’effort (EE) : 3 items
• Influence sociale (SI) : 3 items
• Caractère ludique perçu (PP) : 3 items
• Intention comportementale (BI) : 3 items
• Échelle de réponse : Échelle de Likert à 5 points :
• 1 = Fortement en désaccord (Strongly disagree)
• 2 = En désaccord (Disagree)
• 3 = Neutre / Ni en accord ni en désaccord (Neutral)
• 4 = D’accord (Agree)
• 5 = Fortement d’accord (Strongly agree)
• Population cible : Étudiants de l’enseignement supérieur (universités, collèges universitaires, instituts technologiques), adultes et jeunes adultes (18 à 29 ans et plus) engagés dans des dispositifs d’apprentissage intégrant des technologies d’évaluation numérique.
• Durée de passation : Environ 3 à 5 minutes pour compléter l’ensemble des 15 items, ce qui limite la fatigue cognitive du répondant.
• Cotation et calcul des scores : Un score moyen (ou score sommatif compris entre 3 et 15) est calculé pour chacune des cinq sous-échelles en moyennant les réponses fournies aux trois items correspondants. Aucun item n’est formulé sous forme inverse (aucun codage inversé requis). Un score global de disposition à l’usage technologique peut également être obtenu en calculant la moyenne arithmétique de l’ensemble des 15 items.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2023 (étude publiée dans le volume 31, numéro 2 de la revue Interactive Learning Environments ; acceptée en ligne en 2020).
• Droits d’auteur et permissions : Les droits d’exploitation commerciale appartiennent aux auteurs et à l’éditeur scientifique (Taylor & Francis). L’utilisation de l’instrument dans le cadre de recherches académiques non commerciales, de mémoires universitaires, de thèses doctorales ou de projets pédagogiques institutionnels est libre et gratuite, sous réserve de citer explicitement l’article original de Lin, Tsai et Hsu (2023). Pour toute adaptation commerciale, intégration dans un logiciel propriétaire ou diffusion industrielle, une autorisation préalable doit être obtenue auprès de l’auteur correspondant (Jian-Wei Lin) ou du service des droits de reproduction de Taylor & Francis.
• Tarification : Accès libre de frais (Fee: No) pour la recherche universitaire et les utilisations scientifiques.

12. Références / References

Les références ci-dessous regroupent les publications scientifiques ayant présidé au développement, à l’adaptation et à la validation de cet inventaire :

• Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Lee, B.-C., Yoon, J.-O., & Lee, I. (2009). Learners’ acceptance of e-learning in South Korea: Theories and empirical results. Computers & Education, 53(4), 1320–1329. https://doi.org/10.1016/j.compedu.2009.06.014
• Lin, C.-H., & Lai, E. Y.-C. (2013). An empirical study of students’ intention to use digital libraries. The Electronic Library, 31(2), 226–242. https://doi.org/10.1108/02640471311312401
• Lin, J.-W., Tsai, C.-W., & Hsu, C.-C. (2023). A comparison of computer-based and game-based formative assessments: A long-term experiment. Interactive Learning Environments, 31(2), 938–954. https://doi.org/10.1080/10494820.2020.1815219
• Moon, J.-W., & Kim, Y.-G. (2001). Extending the TAM for a World-Wide-Web context. Information & Management, 38(4), 217–230. https://doi.org/10.1016/S0378-7206(00)00061-6
• Terzis, V., & Economides, A. A. (2011). The acceptance and use of computer based assessment. Computers & Education, 56(4), 1032–1044. https://doi.org/10.1016/j.compedu.2010.11.017
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540

13. Questions et items du questionnaire / Scale Items

Les items originaux de l’inventaire sont présentés ci-dessous dans leur langue de publication officielle (anglais), accompagnés d’une traduction française rigoureuse pour faciliter l’administration auprès de cohortes francophones. Conformément aux directives méthodologiques, les participants répondent à chaque proposition à l’aide de l’échelle de Likert à 5 niveaux suivante :