Vous êtes sur la page 1sur 20

Le dveloppement de la connaissance politique, une exploration des eets de lducation

Papier prsent au colloque annuel du Centre pour ltude de la citoyennet dmocratique

Alexandre Blanchet Dpartement de science politique Universit de Montral mars 2013

Rsum Cet article utilise la thorie de rponse aux items an dobtenir une mesure adquate du niveau dinformation politique dindividus interviews quatre reprises au cours de leur vie. Une modlisation linaire du changement du niveau dinformation est galement mene et limpact de lducation sur ce mouvement est ensuite test. Il est conclu quune fois pris en compte leet spcique de cours lis aux sciences sociales, leet de lducation gnrale sur le mouvement du niveau dinformation disparat compltement et ne semble tre attribuable qu leet de placement social sur le march du travail. Par ailleurs, leet spcique des cours de sciences sociales demeure extrmement faible au point o il peut tre considr comme trivial, ce qui contribue remettre en question limpact rel de lducation formelle pour le dveloppement de la sophistication politique.

Depuis lavnement des sondages dopinion publique au milieu des annes 1930, lensemble de la recherche en science politique a dmontr que la vaste majorit des citoyens des tats dmocratiques nont que de faibles connaissances lgard du monde politique, quils portent en gnral une attention trs limite lactualit politique et quils dveloppent des attitudes politiques instables et incohrentes (Lazarsfeld, 1944; Campbell et al., 1960; Converse, 1964; Zaller, 1992). Par ailleurs, les thories du choix rationnel auront expliqu et prvu ces faibles niveaux de comptences civiques des citoyens ordinaires par le concept dignorance rationnelle suivant lequel il est rationnel pour le citoyen dtre indirent et peu inform politiquement puisque les cots engendrs par lacquisition de linformation dpassent largement les bnces probables que cette information est susceptible de produire (Downs, 1957). Suivant ce constat dmocratiquement dcevant, deux arguments centraux ont tent de minimiser limportance des eets du manque dinformation. Le premier argument dfend lide que si les opinions individuelles peuvent en eet tre faiblement informes, lopinion agrge du public est quant elle dune grande qualit parce que le processus agrgatif produit une annulation des opinions peu informes, qui se rpartiraient au hasard dans les options de rponses dun sondage, laissant merger la vritable opinion informe du public (Page et Shapiro, 1992; Erikson et al., 2002). La seconde cole dfend lide que les individus sont mme de tirer avantage de raccourcis informationnels et de direntes heuristiques an de parvenir prendre des dcisions politiques quivalentes celles quils auraient prises sils avaient t pleinement informs (Sniderman et al., 1991; Popkin, 1991; Lupia, 1994). Ces thses sont cependant contestes dabord parce quil appert que les niveaux dinformations ne sont pas rpartis au hasard au sein des populations, laissant donc ncessairement entrevoir des eets de biais dinformation dans le processus agrgatif ; ensuite parce quil a t dmontr que si les raccourcis informationnels et les heuristiques aident eectivement les individus peu informs prendre de meilleures dcisions politiques, ils ne leur permettent pas de parvenir aux mmes dcisions que les citoyens plus informs, mais leur tant dmographiquement similaires (Bartels, 1996; Althaus, 2003; Berinsky, 2005; Bartels, 2008; Blais et al., 2009).

Dans ce contexte, le niveau dducation formelle est apparu tre lun des facteurs dterminants expliquant la variation des capacits civiques entre individus, mais des travaux ont cependant dmontr que laugmentation gnrale des niveaux dducation de nos socits dans les dernires dcennies na pas t accompagne dune augmentation des comptences civiques des populations (Delli Carpini et Keeter, 1996). Au nal, malgr labondante littrature portant sur la sophistication politique, nous en savons encore trs peu sur son dveloppement proprement parler et tudier la croissance des niveaux dinformation individuels semble en ce sens particulirement pertinent. Par ailleurs, il est gnralement assum que le niveau dducation, puisquil est fortement corrl direntes mesures de sophistication, joue un rle central au dveloppement de la sophistication politique, mais le mcanisme par lequel lducation fonctionne demeure peu tudi. Nie, Junn, et Stehlik-Barry (1996) arguent que lducation aecte le niveau de sophistication politique par son eet de placement social sur le march du travail, eet qui nest donc pas spciquement attribuable lducation, et par le fait quelle augmenterait les niveaux dhabilets verbocognitives en plus de promouvoir la tolrance. Or, les auteurs ntudient srieusement que limpact de lducation sur lintgration des valeurs de tolrance et, si personne noserait armer que la tolrance nest pas une valeur dmocratique importante, il demeure quelle est largement insusante comme mesure de la sophistication politique. Nous mnerons donc une premire exploration de ces questions en tablissant dabord une mesure adquate du mouvement du niveau dinformation politique et nous nous pencherons ensuite sur leet de lducation sur ce mouvement.

Donnes
tudier le mouvement du niveau dinformation des individus requiert videmment des donnes de panel dbutant relativement tt dans la vie des individus et les donnes de la Youth Parent Socialization Study (Jennings et al., 2005) sont ici particulirement intressantes. Les donnes sont issues dun chantillon probabiliste reprsentatif des jeunes Amricains nissants du secondaire en 1965 qui ont ensuite t rinterviews en 1973, 1982 et 1997. Au total, des 1669 jeunes interviews en 1965, 935 ont particip toutes

Tableau 1: Pourcentages de bonnes rponses aux questions de connaissance factuelles Item 1 2 3 4 Libell de la question Which party is more conservative ? About how many years does a U.S. Senator serve ? Marshall Tito was a leader in what country ? Do you happen to know about how many members there are on the United States Supreme Court ? During World War II, which nation had a great many concentration camps for Jews ? Do you happen to remember whether President Franklin Delano Roosevelt was a Republican or a Democrat ? Who is the Governor of (this state) now ? Who succeeded John Kennedy as president ? Do you know a country that borders on North or South Vietnam ? In what year was the Berlin Wall torn down ? Do you happen to know what position Clarence Thomas holds ? 1965 1973 1982 1997 48,42 69,42 72,97 91,81 51,99 44,64 36,79 45,14 29,55 40,94 36,36 39,48 40,75 36,04 33,08 36,8

5 6

87,27 68,98

90,93 73,14

93,73 71,02

94,05 81,58

7 8 9 10 11

91,66 -

94,32 94,48 91,35 90,69 67,88 71,21 24,42 81,22

les vagues, menant donc une attrition de 56% principalement cause par limpossibilit de joindre tous les rpondants de la premire vague. Plusieurs types de questions ont t poses et la plupart avaient pour but didentier dirents eets de socialisation. Le plus important pour nous est cependant que toutes les vagues incluaient une batterie de questions de connaissance politique, ce qui est videmment li la sophistication politique plus gnrale. Le tableau 1 montre le pourcentage de bonnes rponses chacune des questions disponibles suivant les annes 1 . Six items sont poss lidentique toutes les vagues (items 1 6), litem 7 est pos aux vagues 1 3, les items 8 et 9 sont poss en 1982 et 1997 et les items 10 et 11 ne sont poss quen 1997. Toutes les entrevues de 1965 ont eu lieu en face--face, celles de 1973 et de 1982 ont eu lieu soit en face--face ou par un questionnaire papier renvoy par la poste sil tait impossible de rencontrer le rpondant. Le questionnaire postal tait une version abrge du questionnaire en face--face et il ne contenait malheureusement pas les questions de
1. Les numros des items prsents dans la premire colonne du tableau 1 seront utiliss dans le reste du texte pour rfrer ecacement aux dirents items.

connaissance politique, ce qui rduit de manire relativement importante lchantillon ayant complt ces questions en 1973 et 1982. En 1997, pratiquement toutes les donnes ont t recueillies en face--face ou au tlphone et seuls deux individus ont rempli un questionnaire par la poste. Sur les 935 individus ayant rempli les questionnaires pour toutes les vagues, 935 ont rpondu aux questions de connaissance factuelle en 1965, 794 en 1973, 798 en 1982 et 933 en 1997. Au nal, 888 individus ont compt un questionnaire complet pour au moins trois des quatre vagues. Pour mesurer le niveau dinformation des individus, la pratique devenue habituelle en science politique consiste utiliser le nombre de bonnes rponses des questions de connaissance factuelle pour ensuite construire un simple indice additif. Si cette pratique semble justie lorsque le niveau dinformation politique est utilis comme variable de contrle, il appert cependant quune telle mesure nest pas approprie pour notre entreprise, et ce pour deux raisons importantes. Dabord, linformation politique sera ici utilise comme variable dpendante et un simple indice additif ne permet pas de tenir compte de la dicult relative des questions poses ni des dirents patrons de rponses ces questions. titre illustratif, le tableau 2 montre un exemple de patrons de rponses des items ctifs. Si la dicult des items est croissante, litem 1 tant le plus facile et litem 5 le plus dicile, comment peut-on comparer la performance des individus 1 et 2 et des individus 3 et 4 ? Dans les deux cas, les individus obtiennent le mme score nal alors que les individus 1 et 3 ont rpondu correctement des questions plus diciles que les individus 2 et 4. Paralllement, lindividu 5 ayant rpondu correctement aux trois premiers items obtient un meilleur score que lindividu 3 qui a pour sa part rpondu correctement aux deux items les plus diciles ; est-il juste de considrer que lindividu 5 est meilleur que lindividu 3 ? Suivant ces paradoxes et tant donn que le niveau dinformation politique sera ici notre variable dpendante, un simple indice additif semble donc trop peu sophistiqu. La deuxime raison pour laquelle un indice additif nest pas appropri est lie au premier problme : dans une perspective longitudinale, il est problmatique de ne pas tenir compte des proprits de linstrument de mesure (les items), surtout si lon peut raisonnablement sattendre ce que ces proprits varient dans le temps, modiant donc

Tableau 2: Exemple de patrons de rponses Personne 1 2 3 4 5 Item 1 0 1 0 1 1 Item 2 1 1 0 1 1 Item 3 1 1 0 0 1 Item 4 1 1 1 0 0 Item 5 1 0 1 0 0 Moyenne 0,80 0,80 0,40 0,40 0,60

1 indique une bonne rponse, 0 une mauvaise rponse.

la mesure elle-mme. En dautres mots, si certains items deviennent plus faciles ou plus diciles, la probabilit dune bonne rponse cet item variera ncessairement sans que cela nait voir avec le niveau rel dinformation des participants, gnrant donc un biais dans la mesure du mouvement du niveau dinformation politique. Pour ces deux raisons, une approche qui tient compte des proprits particulires et possiblement changeantes de linstrument de mesure est ncessaire.

La thorie de rponse aux items


Initialement dveloppe dans le domaine de lducation an surmonter les problmes de mesures associs la thorie classique des tests, la thorie de rponse aux items (TRI ou IRT en anglais) permet destimer et de tenir compte des niveaux de dicult des direntes questions dun test an dtablir une valuation plus juste du niveau de comptence, ou plus formellement dun trait latent, des individus examins. Lorsque le modle sajuste adquatement aux donnes, la TRI permet galement destimer le niveau de dicult de chaque item dun test indpendamment de la comptence des individus qui le compltent, ce qui permet dtablir des comparaisons objectives entre les niveaux de dicult de deux tests dirents, pourvu que ceux-ci aient au moins un item identique qui pourra tre utilis comme ancrage an dtablir une mtrique commune aux items des dirents tests (Hambleton, 1991; Partchev, 2004). Les comparaisons objectives des niveaux de dicult de tests dirents permettent donc galement de comparer objectivement le trait latent nomm pour des individus ayant complt un test dirent, ou de comparer lvolution de ce trait latent pour des individus compltant des tests

dirent moment dans le temps. Cette possibilit dtablir des comparaisons objectives entre des mesures produites par des tests dirents nous sera particulirement utile parce que mme si nous disposons de six items prsents toutes les vagues, certains items ne sont pas toujours prsents et les batteries de questions de 1982 et de 1997 ne sont pas les mmes, elles constituent donc des tests dirents.

ICC Modle de Rasch


1.0 Probabilit de bonne rponse Probabilit de bonne rponse 1.0 0.0 4 0.2 0.4 0.6 0.8

ICC Modle 1 paramtre

0.0 4

0.2

0.4

0.6

0.8

0 Trait latent

0 Trait latent

ICC Modle 2 paramtres


1.0 Probabilit de bonne rponse Probabilit de bonne rponse 1.0 0.0 0.2 0.4 0.6 0.8

ICC Modle 3 paramtres

0.0 4

0.2

0.4

0.6

0.8

0 Trait latent

0 Trait latent

Figure 1: Exemples de courbes caractristiques ditems pour les quatre modles de base Il existe quatre modles de base en TRI, le modle de Rasch et les modles un, deux ou trois paramtres. La gure 1 montre des courbes caractristiques pour trois items

en fonction de ces quatre modles possibles. La croissance de chaque courbe reprsente graphiquement la croissance de la probabilit dune bonne rponse un item en fonction du niveau sur le trait latent . Le paramtre le plus important pour dcrire un item est son paramtre de dicult . Le modle de Rasch et le modle un paramtre ne tiennent compte que de cet unique paramtre qui est identi par le moment sur laxe du trait latent (le niveau de comptence) o la probabilit dune bonne rponse atteint 50%. Visuellement, une dirence du paramtre de dicult de deux items se voit par leur positionnement gauche-droite : un item plus dicile sera plus droite et inversement pour un item plus facile parce que sa courbe croisera la probabilit de 50% plus rapidement que pour un item plus dicile. Le rapport entre un item et le trait latent des individus peut galement tre caractris par la pente de leur courbe de probabilit, ce qui est appel le paramtre de discrimination a dun item. Un modle de Rasch xe ce paramtre une valeur de 1 alors que le modle un paramtre permet que ce paramtre prenne nimporte quelle valeur la condition quelle soit la mme pour tous les items dun test. Le modle deux paramtres permet la variation du paramtre a entre les items, ce qui fait en sorte que, comme nous pouvons le voir la gure 1, leurs courbes ne sont pas obligatoirement parallles, mais peuvent se croiser. Ce paramtre est souvent appel le paramtre de discrimination parce quil dcrit avec quelle force un item discrimine entre les individus capables dy rpondre et ceux qui ne le sont pas. Par exemple, un item ayant un paramtre a trs lev aura une pente trs abrupte et discriminera donc trs bien entre ceux qui sont capables dy rpondre ( la droite de la pente de litem sur une courbe) et ceux qui ne le sont pas ( la gauche de la pente). Inversement, un item ayant un paramtre a trs faible aura une pente presque horizontale, nous indiquant que cet item ne discrimine pas de manire claire entre la valeur sur le trait latent des individus capables dy rpondre par rapport ceux qui ne le sont pas. Finalement, le modle trois paramtres permet de tenir compte du fait que certains items sont plus susceptibles que dautres dtre rpondus correctement au hasard par des individus qui normalement ne seraient pas susamment comptents pour rpondre litem. Ce paramtre aecte lordonne lorigine de la courbe dun item. Lquation 1 est

celle dun modle trois paramtres et dcrit la probabilit que la rponse X de lindividu i litem j soit correcte tant donn son niveau sur le trait latent , du paramtre de discrimination a, de la dicult et de la susceptibilit c de litem tre rpondu correctement au hasard. P (Xij = 1|i ,aj ,j ,cj ) = cj + (1 cj ) exp(aj (i j )) 1 + exp(aj (i j )) (1)

Dans un modle deux paramtres, la valeur de cj nest pas prise en compte et est donc xe 0. Dans un modle un paramtre, la valeur de ne varie pas entre les items et lindice j est donc retir. Finalement, dans un modle de Rasch, la valeur de est simplement xe 1. On peut donc voir que les modles un, deux et trois paramtres ne sont que des spcications de plus en plus complexes du modle de Rasch qui est le plus parcimonieux parce quil comporte le moins de paramtres. La slection du modle le plus appropri pour les donnes se fait dabord en utilisant un modle de Rasch et en vriant que celui-ci sajuste de manire satisfaisante aux donnes. Lorsque tel est le cas, on vrie si un modle un paramtre, puis un modle deux et nalement trois paramtres sont signicativement mieux ajusts 2 . Aprs comparaison des dirents modles, le modle deux paramtres est apparu tre le mieux adapt aux donnes et une vrication de lajustement de chaque item a galement t eectue an de sassurer quaucun item avec un patron de rponses hors normes ne crait de distorsion dans les mesures. Suivant cette valuation, il a t ncessaire de retirer les items 8 et 10 en 1997 parce que leurs patrons de rponses sajustaient mals aux modles. Ceci tant, litem 10 ntant prsent quen 1997 et litem 8 tant rpondu correctement par plus de 90 % des rpondants lors des deux vagues o il est pos, la perte dinformation demeure minimale.
2. Les modles ont t estims laide du programme ltm (Rizopoulos, 2006) disponible gratuitement dans R (R Development, 2008) et les estimations ont t produites par maximum de vraisemblance (maximum likelihood). Aprs avoir limin les individus nayant pas rempli le questionnaire complet, les quelques rponses manquantes qui restaient ont t imputes laide du logiciel Iputeitems (Hardouin, 2008). La procdure log utilise un modle logistique et impute des rponses aux items manquants laide des patrons de rponse de tous les items. Seules les relations signicatives (5%) sont retenues et aucune imputation nest eectue en labsence dune telle certitude. Dans tous les cas, seules quelques rponses par vagues ont t imputes (27 rponses en 1965, 5 en 1973, 15 en 1982 et aucune rponse en 1997). Ces rponses manquantes ont t imputes malgr leur faible nombre an de rendre possible certaines analyses visant sassurer de lajustement des modles 2 paramtres.

Suivant les estimations nales des modles deux paramtres, la gure 2 montre, pour chaque vague, les courbes caractristiques des items qui rendent compte visuellement de la croissance de la probabilit dune bonne rponse chaque item en fonction du niveau dhabilet estim pour les individus.

1965
1.0 1.0

1973

0.8

Probabilit

Probabilit

0.6

0.0

0 Habilet

0.0

Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Item 7

0.6

0.8

Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Item 7

0.4

0.2

0.2 4

0.4

0 Habilet

1982
1.0 1.0

1997

0.8

Probabilit

0.0

0 Habilet

0.0

Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Item 7 Item 8 Item 9

Probabilit

0.6

0.6

0.8

Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Item 9 Item 11

0.4

0.2

0.2 4

0.4

0 Habilet

Figure 2: Courbes caractristiques des items, par vague. Puisque les items sajustent bien aux donnes et que les modles rencontrent les exigences gnrales de la TRI, les valeurs estimes peuvent tre utilises comme une mesure adquate du niveau de chaque individu sur le trait latent dintrt, ici le niveau dinfor-

10

mation politique (voir Hambleton, 1991; Meiser, 2007; von Davier et al., 2011; Glck et Spiel, 1997). Cela rend galement possible lutilisation dune procdure visant ajuster les mesures des direntes vagues an de les mettre sur une mme mtrique, ce qui rpond donc au deuxime problme soulev par lutilisation dun simple indice additif. Le fait que certains items deviennent plus faciles dune vague lautre, comme cest clairement le cas pour les items 1 et 7 sur la gure 2, dmontre que linstrument de mesure change dans le temps, ce qui risque donc de crer un biais dans la mesure elle-mme si ce changement nest pas pris en considration. Pour simplier, la situation est un peu comme si nous mesurions en Fahrenheit en 1965 et en Celsius en 1982, nous obtenons donc des chires dirents parce que linstrument de mesure est dirent. Pour interprter correctement la ralit mesure, nous devons remettre les mesures sur une mme chelle en tablissant une table de conversion. En TRI, une telle procdure se nomme le linking et cela nous permet dtablir une constante entre chaque vague an de recalculer les estimations individuelles du niveau dinformation de telle sorte ce quelles soient rellement comparables dans le temps. La procdure ncessite lutilisation dau moins un item prsent toutes les vagues an de servir dancrage permettant le calcul de la constante. Il ny a pas de rgles strictes pour la slection du ou des items dancrage, mais dans une perspective longitudinale, les paramtres de ces items doivent varier le moins possible dune vague lautre. Ici, les items 2, 3 et 4 ont t slectionns pour leur qualit dinvariance temporelle (litem 3 tant le plus stable) et aussi parce que les items 2 et 4, en plus dtre relativement stables (voir la gure 2), rfrent des ralits dont la pertinence est elle-mme invariante 3 . On peut en eet penser quil nest pas devenu plus ou moins pertinent de connatre le terme dun mandat au Snat ou le nombre de juges sigeant la court suprme. An de faciliter linterprtation, les valeurs ont t recalibres sur la mtrique de 1965 qui constitue le premier temps de mesure. Nous obtenons ainsi quatre mesures comparables du niveau dinformation pour chaque individu dans le temps, ce qui rend alors possible une analyse de lvolution de leur niveau dinformation.

3. La procdure a t mene avec le logiciel plink (Weeks, 2010) disponible gratuitement dans R (R Development, 2008).

11

Analyse longitudinale
Suivant le modle propos par Singer et Willett (2003), une modlisation linaire du changement a t mene en eectuant une rgression linaire simple pour chaque individu sur les valeurs du trait latent obtenues prcdemment. Le mouvement de chaque individu sur le niveau dinformation est donc modlis suivant lquation it = i + i (Tit ) + it (2)

o les sous-scripts i et t identient les individus et le temps respectivement. La valeur dun individu est ainsi modlise comme une fonction linaire de sa valeur initiale i (ordonne lorigine individuelle ou valeur en 1965) additionne sa croissance i (pente) en interaction avec le nombre dannes T coules depuis le dbut de ltude. Le terme it correspond aux rsidus individuels pour chaque temps de mesure qui pourront par ailleurs tre utiliss dans un modle subsquent. La gure 3 reprsente le rsultat de ces estimations pour 36 individus choisis au hasard dans les donnes. Un simple coup doeil la gure 3 permet de constater quil y a une certaine htrognit dans les trajectoires de croissance des individus. Certains semblent stagner tout au long de leur vie, dautre samliorent lgrement, certains de manire un peu plus nette, alors que dautres rgressent. An danalyser ces trajectoires de manire plus systmatique, un premier lment dintrt peut tre la relation entretenue en la valeur i , le point de dpart de chaque individu, et leurs pentes de croissance i . On pourrait en eet sattendre ce que les individus qui sont dj plus informs vers 18 ans aient tendance acqurir plus facilement de la nouvelle information, ce qui serait susceptible dacclrer leur apprentissage, augmentant donc leurs probabilits de donner des bonnes rponses aux questions, produisant donc des valeurs plus leves. Cette hypothse plausible nest cependant pas appuye par les donnes, la simple corrlation bi varie entre les valeurs de et les valeurs de tant de -0,3011, indiquant quune valeur de plus leve a un eet ngatif sur la valeur de la pente de croissance . Bien entendu, cet eet contre-intuitif peut tre caus par un eet de plafond de linstrument de mesure, les individus dj trs informs en 1965 ayant moins despace pour crotre sur celui-ci.

12

26
2 1 0 1 2

28

66

128

160

245

317
2 1 0 1 2

346

387

435

537

590

607
2 1 0 1 2

625

686

753

866

867

Trait latent

919
2 1 0 1 2

950

967

1104

1181

1182

1190
2 1 0 1 2

1233

1265

1267

1363

1382

1422
2 1 0 1 2

1482

1497

1523

1601

1612

10

20

30

10

20

30

10

20

30

10

20

30

10

20

30

10

20

30

Temps

Figure 3: Modlisation linaire du changement dans le niveau dinformation politique Dans une perspective exploratoire, un deuxime point dintrt peut tre de vrier leet de lducation sur le mouvement du niveau dinformation politique. Il convient ici de rappeler que lducation est bien videmment lun des prdicteurs les plus importants du niveau dinformation politique dun individu, mais que la hausse des niveaux dducation dans les dernires dcennies ne semble pas avoir produit un public globalement plus inform (Delli Carpini et Keeter, 1996). An de vrier leet de lducation sur le mouvement du niveau dinformation dans le temps - soulignons que la variable dpendante nest pas le niveau dinformation lui-mme, mais son mouvement - plusieurs modles linaires ont t estims. Nous disposons dabord dune mesure du niveau dducation formelle atteint par les participants en 1973, lorsquils ont en moyenne 25 ans. La variable regroupe en trois catgories les participants suivant quils aient obtenu un baccalaurat (cod 3), quils aient frquent le collge sans obtenir leur diplme (cod 2)

13

ou quils naient pas frquent le collge (cod 1). Nous disposons galement dune mesure du nombre de cours suivis par les participants en politique et gouvernement, en histoire, en conomie et en sociologie. Ces quatre variables ont t additionnes pour former un indice gnral dexposition des cours de sciences sociales, matires que nous pouvons intuitivement considrer tre susceptibles daccrotre la sophistication politique gnrale et donc, ultimement, le niveau dinformation politique. Le tableau 3 montre les coecients bta standardiss de ces rgressions. Le premier modle intgre dabord le revenu familial du participant (qui peut varier dans le temps), le sexe et le statut socio-conomique du pre du participant tel que mesur par une chelle de Duncan. Cette dernire variable vise simple capturer un minimum de ce que nous pourrions considrer tre un eet du contexte de la socialisation htive des individus. Tableau 3: Leet de lducation sur le mouvement du niveau dinformation politique (1) 0.062 (0.000) -0.139 (0.001) 0.085 (0.000) (2) 0.097 (0.000) -0.194 (0.001) 0.173 (0.000) -0.397 (0.001) (3) 0.053 (0.000) -0.192 (0.001) 0.103 (0.000) -0.508 (0.001) 0.296 (0.001) (4) 0.082 (0.000) -0.165 (0.002) 0.109 (0.000) -0.444 (0.001) 0.031 (0.002) 0.160 (0.000) 1151 456 0.194

Revenu familial*

Sexe (femme)

SES du pre

ducation 1973

Nb cours, sc. sociales N (longitudinal) N (individus rels) R2 2053 744 0.034 2053 744 0.178 2053 744 0.241

Coecients betas standardiss ; erreur standard entre parenthses p < 0.05, p < 0.01, p < 0.001 * La valeur de la variable du revenu familial est variable dans le temps.

14

Le premier lment dintrt concerne la valeur de , lordonne lorigine de la pente de croissance , qui a, comme nous le disions plut haut un eet ngatif signicatif sur la pente elle-mme. Cest donc dire que les individus plus informs en 1965 ont en gnral tendance avoir une croissance moins importante de leu niveau dinformation, voire mme rgresser. Encore une fois, il est tout fait possible que cet eet soit dabord d un eet de plafond de linstrument de mesure, ce dautant plus quun modle similaire estim avec le trait latent comme variable indpendante montre que le niveau initial a un eet positif signicatif sur les niveaux subsquents, suggrant que cet eet trange se limite rellement la pente elle-mme. Le niveau dducation formelle atteint en 1973 est ajout au modle 3. Sans surprise, le niveau dducation a un eet positif signicatif sur lvolution du niveau dinformation politique. Finalement, nous ajoutons au modle 4 le nombre de cours en sciences sociales suivis par les participants. Non seulement cette variable est-elle signicative, son inclusion rend non signicatif leet de lducation formelle gnrale elle-mme. Voil un rsultat tonnant. On aurait en eet pu sattendre ce que le nombre de cours en sciences sociales ait un eet, mais certainement pas au point dliminer compltement leet dune variable aussi importante que lducation formelle plus gnrale. Un modle similaire au modle 4 qui ne tient pas compte du revenu familial a galement t estim et lducation formelle redevient alors signicative, ce qui suggre que lducation formelle en gnral, lorsque nous tenons compte de la formation lie aux sciences sociales proprement dite, a dabord un eet positif par le placement social quelle produit. Seule la formation en sciences sociales aurait un eet indpendant de son eet sur la position sociale subsquemment atteint grce lducation en gnral. Pour plus de certitude, le modle 4 a galement t estim sur plusieurs autres variables dpendantes proches de la mesure de mouvement utilise ici : les indices additifs de connaissance politique pour chaque vague (et longitudinaux) et les estimations du trait latent plutt que leur pente . Si leet des variables cotrles pouvait varier lgrement dans ces modles, leet dvoil entre le nombre de cours en sciences sociales et le niveau dducation formelle atteint en 1973 demeure le mme. Ainsi, quil sagisse du niveau dinformation atteint un moment donn (peu importe la mesure utilise) ou du

15

mouvement lui-mme, leet de lducation gnrale disparait lorsquon tient compte de leet spcique des cours li aux sciences sociales. certains gards, ce que nous trouvons ici peut apporter une premire rponse au paradoxe dvoil par Delli Carpini et Keeter (1996) suivant lequel la hausse substantielle des niveaux dducation formelle dans les dernires dcennies na pas produit un public globalement plus inform. Si la hausse des niveaux dducation sest produite de manire peu prs gale dans toutes les disciplines, voir peut-tre mme de manire plus marque dans des disciplines qui ne sont pas lies aux sciences sociales, et que leet rel dune formation dans ces autres disciplines sur le niveau dinformation politique ne passe que par le placement social quune ducation plus leve peut produire, on peut alors comprendre que la hausse gnrale des niveaux dducation nait pas ncessairement eu leet auquel ont aurait pu intuitivement sattendre. Il reste cependant mieux comprendre lampleur de leet des cours de sciences sociales sur le mouvement du niveau dinformation des individus. Alors que tableau 3 montre les coecients btas standardiss, le vritable coecient de rgression de leet du nombre de cours en sciences sociales sur la pente est de 0,0007071. Suivant cela, un seul cours en sciences sociales produit une augmentation moyenne de la pente de croissance de 0,0007 sur lchelle du trait latent . On pourra juste titre se demander ce que cela signie au juste. Lchelle du est standardise de manire avoir une moyenne de 0, un cart type de 1 et est borne entre -4 et 4. La pente rfre quant elle un coecient de rgression individuel o la variable explicative est le nombre dannes coules depuis le dbut de ltude. Cette pente rend donc compte de leet dune anne sur le mouvement dans lchelle du . Ainsi, le coecient de 0,0007 signie quun seul cours de sciences sociales augmente la croissance annuelle du niveau dinformation politique de 0,0007 sur lchelle du . Rappelons galement que cet eet ne concerne pas directement le niveau dinformation politique, mais bien son mouvement. Sur 30 ans, un tel eet produit une dirence moyenne de 0,021 dans lchelle du , cest--dire globalement environ un quart de point de pourcentage dans la globalit de lchelle du . Il faut donc environ 4 cours de sciences sociales pour produire une augmentation de 1% de la pente dans lchelle du sur 30 ans. Aussi bien dire que leet a beau tre signicatif, il demeure trivial, surtout

16

si lon garde en tte que les individus ayant suivis des cours de sciences sociales sont dj susceptibles dtre prdisposs avoir un intrt pour la question, niveau dintrt que nous ne prenons pas en compte ici. La vritable question devient alors de savoir comment un eet aussi inme peut compltement eacer leet dune variable aussi importante que lducation formelle plus gnrale. Si bien entendu une partie du problme peut sexpliquer par une vidente colinarit entre le niveau dducation formelle et le nombre de cours en sciences sociales (la corrlation entre les deux est de 0,4343), un modle identique au modle 4 dans lequel le niveau dducation en 1973 et le nombre de cours en sciences sociales ont t remplacs par une seule variable interactive forme par ces deux variables donne un coecient de rgression plus faible (0,0002563) pour cette variable interactive que celui observ pour le nombre de cours en sciences sociales dans le modle 4. galement, un modle o le niveau dducation formelle de 1973 est retir pour permettre au nombre de cours en sciences sociales de dvoiler leur plein eet a galement t test. Le coecient de 0,0007571 obtenu est peine plus lev que si lon conserve le niveau dducation formelle dans le modle. Au nal, ces rsultats ne peuvent que nous mener penser que les eets rellement spciques de lducation sur le dveloppement de la connaissance politique sont presque nuls.

Conclusion
Aprs un long dtour par la thorie de rponses aux items an de nous assurer davoir une bonne mesure longitudinale du niveau dinformation politique, une premire analyse exploratoire des eets de lducation sur le niveau dinformation politique a t mene. Une fois le nombre de cours en sciences sociales pris en compte, leet de lducation gnrale sur la croissance du niveau dinformation disparat compltement et ne semble passer que par le placement social que lducation produit sur le march du travail et les revenus futurs des individus. Par ailleurs, leet spcique des cours de sciences sociales demeure extrmement faible. Ces rsultats prliminaires soulvent donc bien plus de questions quils napportent de rponses. Une modlisation longitudinale multiniveau, telle que suggre par Singer

17

et Willett (2003) serait peut-tre susceptible dclairer les questions souleves par ces rsultats parce quelle permettra de tenir compte de lhtrognit intergroupe dans le mouvement du niveau dinformation politique, ce que les modles plus simples que nous avons ici utiliss ne permettent pas de faire. plusieurs gards, ces rsultats pourraient tre lis ceux obtenus par Luskin (1990) qui dmontre que, en tenant compte du niveau dintelligence des individus tel que mesure par un test de vocabulaire, leet de lducation sur le niveau de sophistication politique est nul. Lducation ne contribuerait donc pas au dveloppement de la sophistication politique qui serait plutt produite par des habilets dveloppes plus tt et qui joueraient par ailleurs un rle sur le niveau dducation atteint par un individu. Il demeure que si lducation gnrale savrait navoir aucun eet, ou plus spciquement navoir quun eet trivial, cela soulverait videmment des questions encore plus fondamentales sur limpact rel des systmes dducation contemporains pour la formation citoyenne.

Rfrences
Scott L. Althaus : Collective Preferences in Democratic Politics : Opinion Surveys and the Will of the People. Cambridge University Press, septembre 2003. ISBN 0521527872. Larry M. Bartels : Uninformed votes : Information eects in presidential elections. American Journal of Political Science, 40(1):194230, fvrier 1996. ISSN 0092-5853. Larry M. Bartels : Unequal Democracy : The Political Economy of the New Gilded Age. Princeton University Press, avril 2008. ISBN 0691136637. Adam J. Berinsky : Silent Voices : Public Opinion and Political Participation in America. Princeton University Press, 1 dition, dcembre 2005. ISBN 0691123780. Andr Blais, Elisabeth Gidengil, Patrick Fournier et Neil Nevitte : Information, visibility and elections : Why electoral outcomes dier when voters are better informed. European Journal of Political Research, 48(2):256280, 2009. ISSN 1475-6765. Angus Campbell, Philip E. Converse, Warren E. Miller et Donald E. Stokes : The American Voter. University Of Chicago Press, Chicago, 1960. ISBN 0226092542. Philip E. Converse : The nature of belief systems in mass publics. In David E. Apter, diteur : Ideology and discontent, pages 207261. Free Press, New York, 1964.

18

Michael X. Delli Delli Carpini et Scott Keeter : What Americans Know about Politics and Why It Matters. Yale University Press, new edition dition, 1996. ISBN 0300072759. Anthony Downs : An Economic Theory of Democracy. Harper & Brothers, New York, 1957. Robert S. Erikson, Michael MacKuen et James A Stimson : The macro polity. Cambridge University Press, New York, 2002. Judith Glck et Christiane Spiel : Item response models for repeated measures designs : Application and limitations of four dierent approaches. Methos of Psychological Research, 2(1), 1997. Ronald K. Hambleton : Fundamentals of Item Response Theory. SAGE, juillet 1991. ISBN 9780803936478. Jean-Benoit Hardouin : Imputeitems : Stata module to impute missing data of binary items, dcembre 2008. M. Kent Jennings, Gregory B. Markus, Richard G. Niemi Niemi et Laura Stoker : Youth-Parent Socialization Panel Study, 1965-1997 : Four Waves Combined. Interuniversity Consortium for Political and Social Research, Ann Arbor, MI, 2005. Paul F. Lazarsfeld : The Peoples Choice. Columbia University Press, 3rd dition, 1944. ISBN 0231085834. Arthur Lupia : Shortcuts versus encyclopedias : Information and voting behavior in california insurance reform elections. The American Political Science Review, 88(1):63 76, mars 1994. ISSN 0003-0554. Robert C. Luskin : Explaining political sophistication. Political Behavior, 12(4):331361, dcembre 1990. ISSN 01909320. Thorsten Meiser : Rasch models for longitudinal data. In Matthias von Davier et Claus H. Carstensen, diteurs : Multivariate and Mixture Distribution Rasch Models. Extensions and Applications, pages 191200. New York, springer dition, 2007. Norman H. Nie, Jane Junn et Kenneth Stehlik-Barry : Education and Democratic Citizenship in America. University of Chicago Press, new edition dition, novembre 1996. ISBN 0226583899. Benjamin I. Page et Robert Y. Shapiro : The Rational Public : Fifty Years of Trends in Americans Policy Preferences. University Of Chicago Press, Chicago, mars 1992. ISBN 9780226644783. Ivailo Partchev : A visual guide to item response theory, 2004. http://www.metheval.uni-jena.de/irt/VisualIRT.pdf. URL

19

Samuel L. Popkin : The Reasoning Voter : Communication and Persuasion in Presidential Campaigns. University Of Chicago Press, Chicago, octobre 1991. ISBN 0226675440. Core Team R Development : R : A language and environment for statistical computing, 2008. URL http://www.R-project.org. Dimitris Rizopoulos : ltm an r package for latent variable modelling and item response theory analyses. Journal of Statistical Software, 17(5):125, 2006. Judith D. Singer et John B. Willett : Applied Longitudinal Data Analysis : Modeling Change and Event Occurrence. Oxford University Press, mars 2003. ISBN 9780195152968. Paul M. Sniderman, Richard A. Brody et Phillip E. Tetlock : Reasoning and Choice : Explorations in Political Psychology. Cambridge University Press, aot 1991. ISBN 0521402557. Matthias von Davier, Xueli Xu et Claus H. Carstensen : Measuring growth in a longitudinal large-scale assessment with a general latent variable model. Psychometrika, 76(2):318336, avril 2011. ISSN 0033-3123. Jonathan P. Weeks : plink : An r package for linking mixed-format tests using IRT-based methods. Journal of Statistical Software, 35(12):133, 2010. John R. Zaller : The nature and origins of mass opinion. Cambridge University Press, Cambridge, 1992.

20