Edd 271 0127 Bakass

LES DÉTERMINANTS DU RENDEMENT SCOLAIRE EN MATHÉMATIQUES
CHEZ LES ÉLÈVES DE L'ENSEIGNEMENT SECONDAIRE COLLÉGIAL AU

MAROC : UNE ANALYSE MULTINIVEAUX
Fouzi Mourji, Abdelilah Abbaia
De Boeck Supérieur | « Revue d'économie du développement »
2013/1 Vol. 21 | pages 127 à 158

ISSN 1245-4060
ISBN 9782804179809
Article disponible en ligne à l'adresse :
Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-d-economie-du-developpement-2013-1-page-127.htm
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour De Boeck Supérieur.

© De Boeck Supérieur. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

Les déterminants du rendement scolaire
en mathématiques chez les élèves
de l’enseignement secondaire collégial
au Maroc : une analyse multiniveaux
The Determinants of Mathematics Performances
of Moroccan Secondary School Students:
a Multilevel Analysis
Fouzi Mourji *

Abdelilah Abbaia**
L’objectif de cet article est d’identifier les facteurs qui expliquent la performance en mathéma-
tiques des élèves de niveau secondaire collégial marocain. Il s’appuie sur les résultats du pro-
gramme TIMSS 2003 d’évaluation du niveau en mathématiques des élèves dans plusieurs pays.
Les données utilisées portent sur un échantillon de 1 140 élèves relevant de 68 établissements
scolaires répartis sur le territoire marocain.
Nos résultats montrent que les performances sont expliquées essentiellement par le genre de
l’élève et les attributs matériels du ménage. Par contre, peu de variables liées au contexte scolaire
(milieu d’implantation de l’école, âge de l’enseignant et son ancienneté) ont un effet significatif.
Les implications de cette étude sont doubles. Les résultats permettent, d’une part, des ensei-
gnements destinés à éclairer les stratégies des ménages et des pouvoirs publics pour améliorer
les rendements scolaires. L’étude confirme, par ailleurs, l’opportunité de recourir à des modèles
multiniveaux pour traiter les données qui présentent une structure hiérarchisée.
Mots clés : Éducation, rendement scolaire, TIMSS-Maroc, modèle multini-

veaux.
Classification JEL : I21, J24.
*
Professeur – Université Hassan II Aïn Chock – Casablanca et LASAARE.
**
Doctorant – Université Hassan II Aïn Chock – Casablanca et LASAARE.
Nous tenons à remercier un rapporteur anonyme dont les commentaires sur des
versions antérieures ont conduit à une amélioration significative du texte.
127
128 Fouzi Mourji, Abdelilah Abbaia
Drawing on an evaluation test of the mathematics performances of Moroccan secondary school

students, the article intends to identify the main significant variables explaining the performance
in mathematics. The data gathered from TIMSS 2003 program covers a sample of 1 140 students
attending 68 different schools across the country.
Using a multilevel procedure, we find evidence of the significant role played by gender related
variable as well as wealth indicators (asset ownership) at the level of households. Just few vari-
able related to the school context (school localization, age of the teachers and experience) have a
significant effect.
The results bring implications at two levels. On one side we are able to provide lessons for im-
proving household strategies and inform public decision makers on how to improve school perfor-
mance in mathematics. From a methodological view point the study also confirms the appropri-
ateness of using multilevel models to process data that have a hierarchical structure.
Key words: Education, school performance, TIMSS-Morocco, multilevel

models.
1 INTRODUCTION
Il est admis que dans tous les pays, la qualité de l’éducation détermine celle

du capital humain, indicateur du niveau de développement et facteur essentiel
pour la croissance (Romer (1986), Lucas (1988)). Par la diffusion d’externali-
tés positives, l’éducation favorise l’essor de la productivité, l’attrait des inves-
tissements étrangers, avec les transferts de technologies que cela suppose.
Les efforts consentis dans le domaine de l’éducation visent dans beaucoup
de pays, après la généralisation de l’enseignement, à améliorer le rendement
scolaire des élèves. En consacrant à l’éducation des ressources humaines et
financières importantes, les pays cherchent ainsi à doter leurs jeunes de com-
pétences pour participer activement au développement économique et social.
De manière générale, les préoccupations relatives à la qualité de l’édu-
cation concernent à la fois les pays avancés et ceux en développement. Au
Maroc, plusieurs efforts ont été déployés pour rehausser le niveau de l’éduca-
tion. Ces efforts s’inscrivent dans le cadre d’une réforme du système éducatif
qui remonte à 20001 et qui propose un faisceau d’actions à mener à différents
niveaux pour une refonte profonde des processus d’éducation et de formation.
Or, l’état de l’enseignement des mathématiques au Maroc laisse apparaître
de fortes lacunes aussi bien au niveau quantitatif que qualitatif. Au niveau de
la scolarisation, le Maroc est largement en retard par rapport à plusieurs pays
comparables. En effet, le taux net de scolarisation en secondaire ne dépasse
Voir « Charte Nationale d’Éducation et de Formation », Commission Spéciale Édu-

1
cation Formation (2000).

Les déterminants du rendement scolaire en mathématiques… 129
pas 34,51 % au Maroc en 2003, alors qu’il est de 64,88 % en Algérie, 65,83 %
en Tunisie et de 80,26 % en Jordanie. Au niveau du primaire, et malgré les
efforts consentis par le pays, le taux net de scolarisation est de 89,71 % en
2009 au Maroc, alors qu’on enregistre 93,83 % en Algérie, 93,30 % en Égypte
et 98,42 % en Tunisie (Base de données SESRIC). D’autre part, si le taux
d’alphabétisme ne dépasse pas 56,1 % au Maroc en 2009, il est de 72,6 % en
Algérie, 89,6 % au Liban et de 92,2 % en Jordanie (PNUD, 2011)2.
Par ailleurs, les inégalités en matière de scolarisation entre les milieux
urbain et rural sont flagrantes au Maroc. Si le taux de scolarisation des jeunes
âgés de 15 à 17 ans est de 76 % en milieu urbain, il n’est que de 21,8 % en
milieu rural en 2009 (Ministère de l’Éducation Nationale, 2010).
S’agissant de la qualité de l’éducation, avec une moyenne nationale de
387, le Maroc a occupé la 45e place parmi les 50 pays participants au TIMSS
(Trends in International Mathematics and Science Study). Ce score reste infé-
rieur à ceux de plusieurs pays comparables au Maroc : 410 pour la Tunisie, 433
pour le Liban, 406 pour l’Egypte et 424 pour la Jordanie (IEA(2003)), sachant
que la moyenne internationale s’établit à 467.

Pour contribuer à la compréhension de cette situation, cet article a pour
objet d’analyser les déterminants du rendement scolaire en mathématiques
chez les élèves de la 2e année de l’enseignement secondaire collégial.
Les résultats de cette étude ont une visée opérationnelle dans la mesure
où ils peuvent contribuer à éclairer les décideurs en les aidant à identifier les
causes des faiblesses du rendement scolaire des élèves au Maroc et partant, à
mieux définir les actions correctives à entreprendre3.
Le présent travail est basé sur les données du TIMSS4 2003 appliqué au
Maroc, sur un échantillon de 1 140 élèves appartenant à 68 établissements
scolaires5. Nous avons regroupé les variables dont nous disposons en trois ca-
tégories : les variables individuelles ; les variables familiales et celles liées au
2
Il s’agit des données relatives à l’année la plus récente disponible pour la période
2005-2010.
3
Les arguments avancés pour expliquer les mauvais résultats des élèves marocains
mentionnent le fait que le questionnaire et le test sont conçus en anglais puis tra-
duits et administrés en arabe classique, plus difficile que celui enseigné au Maroc
et très différent du dialectal usité par les élèves dans la vie courante. La seconde
explication serait que les tests sont destinés à une classe d’âge censée suivre un
programme standard, mais différent du programme adopté au Maroc.
4
TIMSS est un programme conduit par l’IEA (International Association for the
Evaluation of Education Achievement).
5
Chaque établissement scolaire retenu est représenté par une seule classe.
contexte scolaire. Pour tenir compte de la structure hiérarchisée des données,

du fait de la présence des variables scolaires, il s’avère opportun de recourir à
l’application d’un modèle multiniveaux.
Dans une première section, nous présentons un bref récapitulatif de la
revue de la littérature relative aux déterminants du rendement scolaire. La
seconde est consacrée à la description des données utilisées et aux enseigne-
ments des traitements préliminaires opérés. La troisième section établit les
liens entre la nature de ces données et les outils de modélisation adaptés,
à l’image d’autres travaux (Arrègle (2003), Goldstein (1999), Michaelowa
(2000), Bryk, A.S. et S.W. Raudenbush (1992)). La dernière section expose les
résultats des estimations obtenues avec leurs analyses ainsi que les princi-
pales conclusions.
2 LES ENSEIGNEMENTS DE LA REVUE

DE LA LITTÉRATURE

Plusieurs études portant sur le rendement scolaire ont recouru, par analogie
avec d’autres secteurs, à l’approche via une « fonction de production en éduca-
tion ». On y considère l’existence d’un certain nombre de facteurs (qui consti-
tuent des inputs) qui, avec une série d’activités et de pratiques, produisent un
rendement scolaire (output).
Ces études retiennent comme inputs de la fonction de production en édu-
cation, trois catégories de variables. La première concerne les caractéristiques
individuelles des élèves telles que le sexe, l’âge, l’intelligence, la motivation, la
perception de soi etc. La deuxième catégorie d’inputs, basée sur des variables
liées à l’environnement familial des élèves, retient le niveau d’instruction des
parents, la disponibilité des biens d’équipement et du matériel pédagogique
au sein du ménage, la langue pratiquée au sein de la famille, la taille de la
famille, etc. Enfin, les variables liées au contexte scolaire prennent en compte
les caractéristiques de l’enseignant (formation, motivation…), celles de l’école
telles que la taille des classes, les équipements et pratiques pédagogiques…
ces variables peuvent en effet influer significativement sur les performances
des élèves.
Les résultats auxquels ont abouti les recherches sur les déterminants du
rendement scolaire ne sont cependant pas consensuels. Coleman et al (1966)
indiquent que ce sont les caractéristiques du milieu familial des élèves et
non les ressources mises à la disposition des écoles qui jouent un rôle impor-
tant dans l’explication du rendement scolaire. Parmi les variables du milieu
familial, les chercheurs accordent une grande importance au niveau d’ins-

truction de la mère (Mingat et Perrot (1980), Cooksey (1981), Duru-Bellat
(2003), Diallo (2001)). Ces chercheurs ont démontré que les résultats sco-
laires sont meilleurs chez les enfants dont les parents sont instruits. Hijri,
Montmarquette et Mourji (1995) ont trouvé des résultats nuancés dans le cas
du Maroc ; l’éducation de la mère n’a pas un pouvoir explicatif significatif
des performances scolaires des enfants. Cela tient au fait que sur l’échan-
tillon étudié (dans une grande ville, Rabat en 1993), les femmes ayant un
niveau d’éducation étaient facilement engagées dans la vie professionnelle et
confiaient le suivi et l’accompagnement de leurs enfants à des aides ména-
gères, souvent analphabètes.
La disponibilité des biens d’équipement au sein du ménage apparaît égale-
ment significative dans l’explication du rendement scolaire. Dans l’ensemble
des pays de l’OCDE, la possession de divers biens matériels (bureau, ordina-
teur, dictionnaire…) est corrélée positivement et significativement au rende-
ment scolaire (OCDE, 2001).
Par contre l’effet des ressources de l’école sur la réussite scolaire est

faible ; à peine plus de 1 % de la variance expliquée (Hanuschek (1979, 1986)).
De plus, à ce niveau, les résultats sont souvent contradictoires.
Contrairement aux résultats trouvés par Coleman et al (1966), dans une
étude menée dans plusieurs pays développés, Cherkaoui (1979) montre l’im-
portance des variables scolaires. Sans nier l’effet de l’environnement familial,
car les enfants issus des milieux aisés s’inscrivent souvent dans les meilleures
écoles6, cet auteur insiste sur l’effet du type d’établissement et du processus
d’évaluation sur le rendement scolaire des élèves.
Généralement, les « effets établissements » varient fortement d’une re-
cherche à l’autre. Ainsi, Bressoux (1994) relève que les résultats de recherches
au niveau international montrent que les « effets établissements » expliquent
entre 2 et 13 % de la variance des scores entre les élèves, alors que pour
Duru-Bellat (2003) la part de ces effets porte sur 8 à 15 %.
Parmi les facteurs liés au contexte scolaire, les chercheurs insistent géné-
ralement sur l’importance des caractéristiques organisationnelles des écoles
d’une part, et la formation et la motivation des enseignants d’autre part.
De nombreuses recherches ont montré l’importance des variables indivi-
duelles dans l’explication du rendement scolaire. Dans une étude menée au
Togo, Jarousse et Mingat (1992) ont trouvé que les variables individuelles
Ce qui soulève selon nous un problème d’endogéneité.

6
des élèves contribuent pour près de 57,5 % de la variance expliquée, alors que
celles liées à l’environnement familial ne représentent que 10,2 %. Dans le
même sens, les chercheurs insistent sur l’effet prépondérant du fonctionne-
ment intellectuel des enfants sur leur réussite scolaire. Gilly (1969) précise
même que, de toutes les formes d’intelligence, la forme verbale est celle qui
permet d’établir le meilleur pronostic de la réussite aussi bien au niveau pri-
maire que dans l’enseignement secondaire. De plus, les corrélations trouvées
entre des tests d’intelligence et la réussite scolaire à l’école primaire se situent
entre 0,70 à 0,75. Au Maroc, Hijri et al. (1995) ont constaté que le fonction-
nement intellectuel, estimé à partir du résidu d’une équation expliquant le
rendement scolaire de la 5e année du primaire, joue un rôle essentiel dans
l’explication du rendement au baccalauréat. En plus du fonctionnement intel-
lectuel, les chercheurs insistent sur les autres caractéristiques individuelles
(âge, sexe, motivation, etc.)7.
Au Maroc, la question du rendement scolaire reste peu étudiée et les
approches quantitatives sont rares dans ce domaine8 ; il en est de même du
recours aux modèles multiniveaux, quasi absents dans les travaux. Le présent

travail a, d’une part, l’ambition d’enrichir les recherches portant sur l’éduca-
tion et, d’autre part, d’appliquer ces modèles qui restent les plus adaptés dans
un tel contexte.
3 PRÉSENTATION DES DONNÉES
Nos analyses portent sur un échantillon de 1 140 élèves de la 2e année de

l’enseignement secondaire collégial au Maroc, appartenant à diverses régions
regroupées en cinq strates9.
Les informations issues de l’enquête TIMSS sont riches et diversifiées.
Nous avons retenu les variables auxquelles la littérature accorde une grande
importance, on y retrouve les trois catégories de variables mentionnées plus
haut.
7
Pour une revue de littérature détaillée, voir Abbaia (2008).
8
À l’exception de ceux de Hijri (1993), Hijri, Montmarquette et Mourji (1995), ces
travaux n’ont pas fait l’objet de modélisation.
9
Chaque strate est composée de deux régions à l’exception de celle de Marrakech qui est
représentée par une seule Académie Régionale d’Éducation et de Formation(AREF),
et celle de Chaouia - Ourdigha - Doukala - Abda - Tadla – Azilal qui est composée de
trois AREF.
3.1 Les variables individuelles et familiales :

–– Les variables individuelles, démographiques, psychologiques et comporte-
mentales : âge, sexe, attitude envers l’école, confiance en soi, temps consa-
cré aux devoirs à domicile…
–– Les variables familiales : niveau d’instruction de la mère et du père, dis-
ponibilité de biens d’équipement et de matériel pédagogique (ordinateur,
bureau, dictionnaire…), langue véhiculée en famille, sachant que l’arabe
est la langue d’enseignement (les enfants parlant exclusivement le berbère
au sein du ménage seraient moins favorisés).
Les variables individuelles et familiales construites et celles dérivées de
l’enquête TIMSS figurent dans le tableau (annexe I), avec leurs statistiques
descriptives brièvement discutées.
Le score moyen des élèves en mathématiques est de 394 dans notre échan-
tillon (légèrement supérieur à la moyenne nationale, 387)10, avec une disper-
sion de 60,61. Ce résultat reste faible comparativement à ceux réalisés dans
les autres pays participants à l’étude de TIMSS.

L’âge moyen des élèves est de 15,16 ans avec une dispersion de 1,17 et la
part des filles est de l’ordre de 52 %. 19 % des élèves espèrent obtenir le bac-
calauréat et comptent s’y arrêter, 52 % espèrent aller au-delà, alors que 29 %
des élèves n’ont pas d’espérances précises.
Le travail sans calculatrice est fortement répandu parmi les élèves. Ainsi,
48 % n’utilisent pas de calculatrice, et seulement 14 % l’utilisent toujours.
42 % des élèves consacrent plus de 2 heures aux devoirs à domicile, 28 % y
consacrent moins d’une heure (35 % en milieu rural). 47 % des élèves prennent
souvent des cours particuliers (une fois par semaine ou plus), alors que 28 %
n’en prennent pas. Le recours aux cours particuliers s’est généralisé au Ma-
roc, parallèlement à la forte croissance du nombre des établissements privés ;
ils répondent à la baisse ressentie par les familles de la qualité de l’enseigne-
ment public. Ces cours ont le plus souvent lieu sous forme de classes d’élèves
et non de cours particuliers individuels.
La majorité des élèves proviennent de familles qui parlent l’arabe ou le
pratiquent en parallèle (respectivement 49 et 41 %). Seulement 9 % des élèves
ne pratiquent jamais cette langue au sein de leur famille.
Cette différence est due à l’exclusion, dans notre étude, des données relatives à la
10
région de Fès-Boulmane-Taza-Taounate-Al Hoceima où le taux de remplissage des

questionnaires a été très faible.
La taille moyenne des familles auxquelles appartiennent les élèves est de

5 personnes, avec une dispersion de 1,65. Le niveau d’instruction des parents
reste faible. Ainsi, 47 % des mères n’ont pas atteint le certificat du primaire ou
n’ont jamais fréquenté l’école et 14 % seulement ont le baccalauréat ou un ni-
veau supérieur ; pour les pères, les résultats sont respectivement de 25 et 28 %.
3.2 Les variables du contexte scolaire :

Elles sont orientées essentiellement vers les caractéristiques démographiques
et professionnelles des enseignants.
La majorité des élèves (54 %) sont pris en charge par des enseignants dont
l’âge est compris entre 40 et 49 ans et 69 % par des professeurs qui ont juste
le baccalauréat. Jusqu’aux années 1990, le bac était le niveau minimal exigé
pour accéder au corps des enseignants du secondaire collégial au Maroc ; par
la suite, l’exigence a été supérieure : diplôme des études universitaires géné-
rales (DEUG) ou 2 années dans les centres pédagogiques régionaux. Seule-
ment 17 % des élèves sont pris en charge par des enseignants ayant passé une

année de formation professionnelle. Enfin, on note que 81 % des élèves sont
inscrits dans des collèges situés en milieu urbain. En fait, vu le nombre limité
des collèges dans leur lieu d’habitation, les élèves du monde rural se trouvent
obligés de venir en ville pour continuer leurs études.
4 PRÉSENTATION DU MODÈLE
Les données de l’échantillon constitué ont une structure hiérarchisée. Elles

comprennent à la fois les informations relatives aux élèves et celles propres
aux écoles. Or, les modèles multiniveaux permettent de modéliser les diffé-
rences non seulement entre les « micro-unités » (les élèves dans notre cas),
mais aussi entre les « macro-unités » (les écoles ici) (Paterson et Goldstein,
1991). L’analyse peut donc à chaque fois fixer un aspect pour appréhender
l’effet de l’autre.
Nous sommes donc face à des variables mesurées à différents niveaux
(Figure 1).
Figure 1 : Schéma représentatif des relations entre les variables explicatives

et la variable « performance », objet de l’étude.
Caractéristiques
Score en Mathématiques
des élèves et de leurs familles
Niveau 1 (élèves)
Caractéristiques Caractéristiques
des enseignants des établissements scolaires
Niveau 2 (écoles)
Cette pluralité de niveaux d’analyse au sein d’un même modèle pose le

problème du non-respect de deux hypothèses essentielles, à savoir l’indépen-
dance des observations et l’homoscédasticité11.

Cela implique des biais au niveau de la mise en œuvre des tests associés
à la méthode des moindres carrés ordinaires (MCO). Comme le décrit Arrègle
(2003), le fait d’ignorer la structure hiérarchisée des données conduit à des
écarts-types estimés plus faibles, ce qui augmente le risque de considérer les
relations entre la variable dépendante et les variables du niveau supérieur
(écoles) comme étant significatives alors qu’elles ne le sont peut-être pas (en
pratique la statistique de Student est dans ce cas surestimée).
Pour surmonter les insuffisances de la méthode des MCO, les modèles
multiniveaux s’avèrent efficaces dans ces cas. Ils remédient au problème de
l’homoscédasticité, en introduisant une hypothèse plus faible, selon laquelle la
variance des résidus peut varier comme une fonction linéaire ou non linéaire
des variables explicatives (Snijders et Bosker, 1999).
Soit le modèle suivant :
Rij = bj + bj Xi j + ei j
Où Rij et Xij représentent respectivement le rendement scolaire en ma-

thématiques et un vecteur de variables caractérisant l’élève i qui étudie dans
l’école j. b0 représente la constante, b1 est le vecteur des coefficients des diverses
variables exogènes et eij représente une erreur aléatoire associée à chaque indi-
vidu i de l’école j, supposée de moyenne nulle et de variance σe2 (constante).
Pour plus de détail, voir Hofmann (1997), Bressoux (2000) et Arrègle (2003).
11
Or, la relation entre Rij et Xij peut varier d’une école à l’autre. En effet,
les variables individuelles ou de l’environnement familial ne jouent pas de la
même manière selon les écoles. De subtiles interférences doivent exister ; par
exemple, l’implication des parents dans le suivi des élèves diffère certaine-
ment selon les caractéristiques des écoles. Pour en tenir compte, il faut attri-
buer un indice j à b0 et à b1.
Comme les variables Rij et Xij sont mesurées au niveau 1, le modèle de-
vient alors :
Niveau (1) Ri j = b0 j + b1j Xi j + ei j
Étant aléatoires, b0j et b1j sont supposés distribués selon une fonction de
probabilité (Kreft et De Leeuw, 1998).
Ainsi, on peut écrire :
b0 j = g00 + m0 j
b1 j = g10 + m1 j


Où g00 représente la constante moyenne pour toutes les écoles ; g10 la pente
moyenne pour toutes les écoles ; m0 j représente l’écart de chaque école à la
constante (c’est une variable aléatoire de moyenne nulle et de variance σ2m0) ;
m1 j représente l’écart de chaque école à la relation moyenne (c’est une variable
aléatoire de moyenne nulle et de variance σ2m1).
Avec l’intégration des caractéristiques des écoles (vecteur W) (niveau 2)
on trouve :
Niveau (2) b0 j = g00 + g01Wj + m0 j
b1 j = g10 + g11Wj + m1 j
En remplaçant les coefficients aléatoires b0j et b1j par leurs valeurs et en

développant la factorisation, on obtient :
Ri j = g00 + g01Wj + g10 Xi j + g11 Wj Xi j + (m0 j + m1 j Xi j + eij)
En plus de l’estimation des effets des différentes variables sur le rende-

ment en mathématiques, les modèles multiniveaux vont fournir des informa-
tions sur la partition de la variance entre les deux niveaux d’analyse (ici celui
relatif aux caractéristiques de l’élève et celui de l’école).
Le modèle multiniveaux répond au problème de l’hétérogénéité des
groupes en estimant séparément les équations de régression pour chaque
école puis en modélisant les variations entre les écoles selon leurs caractéris-
tiques. Le modèle de niveau (1) va permettre de mettre en évidence les résul-
tats relatifs à chaque école (en différenciant les élèves), alors que le niveau (2)
analysera la variabilité inter-écoles12.
5 RÉSULTATS DE L’ESTIMATION
5.1 Estimation du modèle « vide »

L’estimation d’un modèle, qui ne contient aucune variable explicative, permet
de décomposer la variance totale des scores des élèves en mathématiques, en
une partie inhérente au niveau « supérieur » (écoles) et l’autre attribuable
au niveau « inférieur » (élèves). C’est selon l’importance de la valeur de la
variance inter-écoles que l’opportunité du recours aux modèles multiniveaux
est ou non justifiée. Dans l’affirmative, on procède à la seconde étape dans
laquelle on introduit les variables explicatives.

Les résultats de l’estimation du modèle « vide » figurent dans le tableau 1.
Tableau 1 : L’explication du rendement en mathématiques à l’aide d’un modèle
multiniveaux sans variables exogènes.
Modèle vide
Effets fixes
Constante 393,58 (3,07) ***
Effets aléatoires
Niveau 2 : variance inter-écoles 438,26 (113,16) ***
Niveau 1 : variance inter-élèves 3 254,41 (140,67) ***
Pourcentage de la variance inter-écoles 11,87 %

Pourcentage de la variance inter-élèves 88,13 %
–2LogL 12 529,19
ns : non significatif ;*: significatif au seuil de 10 % ;* *: significatif au seuil

de 5 % ;***: significatif au seuil de 1 % (les écarts-types estimés figurent
entre parenthèses).
Les résultats de l’estimation montrent que la variance inter-écoles repré-
sente 11,87 %13 de la variance totale (le reste relève de la variance interindivi-
12
La méthode utilisée pour l’estimation du modèle est celle du maximum de vrai-
semblance (ML).
13
11,87 % = variance inter-écoles/variance totale.
duelle). Cette variance n’est pas négligeable et est significativement différente

de zéro (t > 3). Elle traduit le rôle non négligeable des caractéristiques des
écoles dans l’explication des performances des élèves au test TIMSS.
L’étape suivante consiste donc à introduire les variables explicatives pour
pouvoir raisonner « toutes choses égales par ailleurs », tout en tenant compte
des effets fixes, dans l’interprétation.
5.2 Estimation du modèle complet

Après l’intégration des variables explicatives dont nous disposons, la part de
la variance interindividuelle et celle de la variance inter-écoles ont fortement
baissé. Le taux de baisse de la première est de 25,69 % et 21,79 % pour la
seconde. Cette baisse tient au fait que les variables introduites expliquent for-
tement aussi bien les différences inter-écoles que celles inter-élèves.
De même, la décroissance de la déviance (–2 LogL, L étant la statistique
du maximum de vraisemblance) nous permet de juger de l’intérêt du passage

du modèle « vide » au modèle complet.
Suivant une loi de χ² à 41 degrés de liberté et ayant une valeur de 551,214,
cette décroissance s’avère significative. Ce qui confirme que les données sont
mieux ajustées avec le modèle complet qu’avec le modèle vide. Le tableau 2
présente les estimations fournies avec le modèle complet.
Tableau 2 : Analyse du rendement scolaire en mathématiques à l’aide du
modèle complet : prise en compte de toutes les variables explicatives
dans un modèle multiniveaux
Effets fixes Global (N=1 140) Urbain (N=928) Rural (N=212)
Écart- Écart- Coeffi- Écart-

Variables Coefficient Coefficient
type type cient type
Constante 365,49*** 36,42 357,43*** 37,97 456,63*** 120,86
Les variables
individuelles
Sexe : Fille –12,28*** 3,36 –11,60*** 3,73 –12,52*** 8,36
Âge de l’élève –6,32*** 1,35 –5,56*** 1,47 –8,96** 3,69
Importance
0,42 ns 0,60 0,60 ns 0,66 –0,63 ns 1,66
de la matière
12 529,19 – 11 977,99 = 551,2.

14
Attitude de l’élève
–1,93** 0,77 –2,36*** 0,83 0,08 ns 2,24
envers son école
Sentiment de l’élève
à propos de sa 0,82 ns 2,04 1,38 ns 2,23 –2,13 ns 5,30
sécurité dans l’école
Intégration de l’élève
3,17 ns 2,67 3,38 ns 3,01 2,41 ns 6,25
dans l’école
Confiance en soi pour

6,06*** 0,50 5,89*** 0,57 6,56*** 1,24
étudier la matière
Niveau d’instruction
espéré
– Avoir le bac et s’y

–7,67* 4,24 –8,64* 4,69 –3,75 ns 11,30
arrêter
– Aller au-delà du
Réf Réf Réf Réf Réf Réf
bac
– L’élève ne sait pas –11,27*** 3,76 –12,10*** 4,13 –10,69 ns 9,79
Utilisation

de la calculatrice
– Jamais Réf Réf Réf Réf Réf Réf
– Parfois –9,97*** 3,32 –10,20*** 3,65 –8,13 ns 8,61
– Toujours –9,17** 4,73 –6,68 ns 5,18 –19,73 ns 12,39
Temps consacré aux

devoirs à domicile
– Moins d’une
–10,57*** 3,72 –10,08** 4,12 –7,44 ns 9,59
heure
– Entre 1 et
–4,02 ns 3,64 –4,08 ns 3,99 3,16 ns 9,62
2 heures
– Plus de 2 heures Réf Réf Réf Réf Réf Réf
Fréquence des cours

particuliers
– Jamais 22,25*** 3,73 21,40*** 4,07 37,02*** 10,27
– Parfois 11,34*** 3,86 12,26 *** 4,31 12,64 ns 9,44
– Une fois par

semaine ou plus
Les variables
familiales
Taille de la famille –0,005 ns 0,93 –0,14 ns 1,05 1,01 ns 2,20

Disponibilité des
biens d’équipement
et du matériel 3,04*** 1,18 3,72*** 1,33 0,94 ns 2,78
pédagogique au sein
du ménage
Utilisation de l’arabe
dans la famille
– Jamais –4,89 ns 5,46 –2,26 ns 6,24 –12,77 ns 12,75
– Parfois 3,82 ns 3,21 5,53 ns 3,51 –3,62 ns 8,27
– Toujours Réf Réf Réf Réf Réf Réf
Nombre de livres
chez l’élève
– Peu (0–10 livres) Réf Réf Réf Réf Réf Réf
– Assez (11–25 livres) –3,01 ns 3,81 –2,86 ns 4,17 –6,84 ns 10,18
–D
avantage
–5,17 ns 4,30 –6,00 ns 4,70 –1,14 ns 11,53
(26 livres ou plus)

de la mère
–A
nalphabète
ou sans certificat –0,50 ns 5,67 –7,97 ns 6,14 41,93** 16,24
du primaire
– niveau supérieur
au certificat
–11,08** 5,35 –16,27*** 5,76 20,98 ns 16,00
primaire et moins
du bac
– Bac ou niveau
supérieur
– L’élève ne sait pas –6,75 ns 6,67 –14,17* 7,30 31,95* 18,42
du père
– Analphabète ou
sans certificat du –6,97 ns 5,11 –3,02 ns 5,56 –23,78* 14,51
primaire
– Niveau supérieur
au certificat
–5,11 ns 4,50 –3,02 ns 4,87 –18,55 ns 13,00
primaire et moins
du bac
– Bac ou niveau
supérieur
– L’élève ne sait pas –1,60 ns 5,11 –0,73 ns 5,48 –7,84 ns 15,95

Les variables
du contexte scolaire
Milieu : Urbain 17,16** 9,00 — — — —
Âge de l’enseignant
– Moins de 30 ans 30,46** 12,98 28,36* 14,54 –47,71 ns 114,75
– Entre 30 et 39 ans 13,17 ns 8,45 14,57 ns 9,49 –42,17 ns 77,01
– Entre 40 et 49 ans Réf Réf Réf Réf Réf Réf
– 50 ans ou plus 15

–10,72 ns 11,47 –14,29 ns 12,08 — —
Sexe de l’enseignant :
11,20 ns 8,09 9,23 ns 88,27 — —
Féminin16
Ancienneté de
l’enseignant (en 1,43* 0,83 2,13** 0,94 –2,14ns 3,10
années)
Formation initiale
– Moins du bac Réf Réf Réf Réf Réf Réf


–B
ac 3,69 ns 9,47 4,73 ns 10,42 74,90ns 89,06
– Plus du Bac 32,15 ns 21,34 43,80* 24,03 105,43ns 118,10
Formation
professionnelle : –4,11 ns 14,92 –7,66 ns 16,78 — —
Un an17 (Réf : 2 ans)
Taille de la classe18 0,17 ns 0,20 0,26 ns 0,21 –1,12ns 1,75
Implication des
familles dans les
activités de l’école
– Très faible Réf Réf Réf Réf Réf Réf
15
Dans notre échantillon, il n’y a pas d’enseignants âgés de 50 ans ou plus en milieu
rural. En fait, commençant souvent leurs carrières dans le milieu rural, les ensei-
gnants bénéficient de la mobilité professionnelle vers le milieu urbain, grâce à
l’ancienneté.
16
De même, nous n’avons aucune enseignante en milieu rural. En fait, même avec
une ancienneté faible, les enseignantes ont plus de chance de bénéficier de la mobi-
lité professionnelle pour rejoindre leurs maris.
17
Enfin en milieu rural, il n’y a que les enseignants ayant une formation profession-
nelle de deux ans. En fait, ce sont les enseignants les plus anciens qui exercent
avec une année seulement de formation professionnelle ; et ce sont également eux,
qui ayant bénéficié de la mobilité professionnelle, exercent dans les villes.
18
Enregistrant 26 % de valeurs manquantes, cette variable a été traitée par la mé-
thode des imputations multiples.
–F
aible –0,57 ns 9,036 –2,71 ns 7,10 –39,93ns 46,88
–M
oyenne –5,35 ns 9,724 1,80 ns 10,53 –81,67ns 89,66
Travail en groupes
–J
amais 4,96 ns 7,22 3,89 ns 7,55 –43,26ns 80,63
–R
arement Réf Réf Réf Réf Réf Réf
–S
ouvent 7,35 ns 8,65 4,86 ns 10,74 33,95ns 41,06
Effets aléatoires
Niveau 2 :
342,74*** 96,36 306,27*** 100,7 1 060,43 1 271,02
variance inter-écoles
Niveau 1 : variance

2 418,34*** 105,6 2 372,32*** 115,2 2 715,24*** 292,82
interindividuelle
–2logL 11 977,99 9 687,23 2 029,80
ns : non significatif ;* significatif au seuil de 10 % ;* * significatif au seuil de

5 % ;*** significatif au seuil de 1 %.

Remarques :
1. Une comparaison des résultats obtenus ici avec ceux issus d’une esti-
mation MCO montre qu’il n’y a pas de différences remarquables pour
les variables de niveau (1) (l’élève et son milieu familial). Par contre, au
niveau (2) (école, classe et enseignant) les différences sont significatives
(Voir l’annexe 3). En effet, certaines variables qui sont significatives
dans le cas de l’estimation MCO, ne les sont pas dans le modèle mul-
tiniveaux. C’est le cas de l’âge et sexe de l’enseignant et de sa forma-
tion initiale (modalité « plus du Baccalauréat »). D’autres variables sont
significatives dans les deux modèles, mais à des degrés plus faibles dans
le cas des MCO. Il s’agit de l’âge de l’enseignant (modalité « moins de
30 ans »), du milieu d’implantation de l’école et de l’ancienneté de l’en-
seignant. Cette comparaison confirme l’intérêt du recours aux modèles
multiniveaux pour les données à structure hiérarchique.
2. Signalons que trois estimations alternatives ont été effectuées pour tes-
ter la stabilité des coefficients de la spécification retenue. La qualité
globale de l’ajustement se révèle stable, puisque la significativité des va-
riances inter-écoles et interindividuelles reste forte. Pour les variables
exogènes prises isolément, le niveau des coefficients et leur signe ne
changent pas, ainsi que leur significativité statistique (Voir l’annexe 4
pour les détails).
5.3 Discussion des résultats

Nous discutons successivement l’influence des caractéristiques individuelles,
celle des variables familiales et l’effet des facteurs liés au contexte scolaire.
Le rôle des caractéristiques des élèves
Les résultats de l’estimation montrent que, toutes choses égales par ailleurs,
les garçons réussissent mieux que les filles. Cette différence est significative
statistiquement (t = –3,65) et plus forte en milieu rural.
Ce résultat corrobore ceux trouvés dans plusieurs travaux effectués dans
des pays en développement (Jarousse et Mingat, 1989, Diambomba et al.,
1995). En fait, dans ces pays, le faible intérêt accordé par les parents à la sco-
larisation des filles impliquerait des rendements scolaires moindres chez ces
dernières comparativement aux garçons.
Concernant l’âge, les résultats de notre estimation révèlent que plus
l’élève est âgé, moins bon est son rendement scolaire (t = –4,68). Ce résultat

rejoint celui de plusieurs recherches qui ont porté sur des élèves en phase
d’adolescence19. En fait, pour un même niveau, le fait qu’un élève soit relati-
vement plus âgé atteste que des facteurs l’ont conduit à accuser un retard par
rapport à ses camarades. Or, d’un côté les raisons de ce retard peuvent persis-
ter et expliquer la moindre performance, et de l’autre, ce retard affecte l’image
qu’il a de lui-même et peut même compromettre ses capacités d’intégration
dans une classe composée majoritairement d’élèves moins âgés.
Un résultat surprenant concerne le coefficient négatif et significatif
(t = –2,5) de la variable « Attitude de l’élève envers son école ». Plus l’attitude
de l’élève est favorable envers son école, moins bonne est sa performance en
mathématiques. Ce résultat contre-intuitif20 peut tenir à un facteur essentiel
lié à l’ambition des élèves ayant beaucoup de lacunes, de donner une image
positive d’eux-mêmes. Il est possible que l’élève qui obtient des résultats peu
satisfaisants voudrait se « racheter » en annonçant qu’il aime son école, qu’il
apprécie les professeurs…
Voir Hijri (1993) ; Suchaut (2006).

19
Nous avons procédé à plusieurs modes de construction de la variable « Attitude de

20
l’élève envers son école » ; ils aboutissent tous à une variable dont l’effet est négatif,
tantôt statistiquement significatif, tantôt non significatif. Suite à un commentaire
de notre référé, nous avons procédé à une estimation dans laquelle nous excluons
les variables colinéaires avec cette variable. Les résultats n’ont pas changé.
La confiance en soi et le niveau d’instruction espéré ont des effets posi-

tifs et significatifs sur la performance scolaire. Une forte confiance en soi et
l’anticipation d’atteindre un niveau élevé d’éducation se traduiraient par une
motivation et un effort scolaire plus soutenu chez l’élève et, d’un autre côté, le
mettraient dans une posture psychologique positive, favorable à la réussite21.
Ce résultat nous semble très important car il pourrait inspirer le com-
portement des parents et des enseignants : pour la réussite de leurs enfants
(élèves), ils doivent tenter en particulier de leur donner une image positive
d’eux-mêmes. Cela aiderait à interrompre le cercle vicieux des résultats mé-
diocres qui peuvent en engendrer d’autres…
On relève aussi que l’effet du niveau d’instruction espéré n’est significatif
que pour les élèves résidant en milieu urbain. Cette différence d’effet, difficile
à expliquer, peut tenir au fait qu’en milieu rural, la poursuite des études est
plus aléatoire. La variabilité de la réponse à cette question ne dépend pas des
seules capacités des élèves ou de leur volonté, mais au préalable de la disponi-
bilité de lycées dans leur zone. Au Maroc, le nombre de lycées étant très faible
en milieu rural, la poursuite des études secondaires exige un déplacement vers

les villes et de vivre loin de la famille. Pour plusieurs élèves de ce milieu, le fait
d’atteindre un niveau de scolarisation qui dépasse l’établissement implanté
dans leurs campagnes est synonyme d’arrêt (ou d’aboutissement) des études.
Les élèves qui utilisent la calculatrice réussissent moins bien en mathé-
matiques que leurs homologues qui ne l’utilisent pas. Il semble qu’au niveau
de l’enseignement secondaire collégial, l’utilisation de cet outil n’incite pas
l’élève à fournir un effort mental ou à appliquer les techniques mathéma-
tiques acquises pour résoudre les problèmes. L’excès d’usage de la machine
à calculer ne développe pas les réflexes pour réussir en mathématiques, alors
que l’élève qui utilise peu ou pas la machine fait preuve de souci de rapidité
et développe des compétences opportunes dans cette matière. L’utilisation de
la calculatrice est peut-être plus bénéfique pour l’élève, lorsqu’il atteint le
niveau secondaire qualifiant.
Les élèves qui consacrent moins d’une heure par jour aux devoirs à domi-
cile réalisent un rendement scolaire inférieur à celui de ceux qui consacrent
une durée de deux heures ou plus (β = –10,57 et t = –2,84). En consacrant
un temps suffisant aux devoirs à la maison, l’élève prolonge l’environnement
scolaire à son domicile. Ainsi, la révision et la résolution des problèmes à la
Notons cependant que pour cette variable, le test d’endogéneité a conclu au non-
21
rejet de celle-ci ; mais la base de données n’offre pas de possibilité de recourir à une
variable instrumentale.
maison permettent à l’élève de mieux suivre en classe et de développer des

compétences. Il y a alors un cercle vertueux qui le conduit aussi à mieux se
concentrer. Son travail à la maison lui confère des atouts pour trouver un
plaisir à apprendre. Les bonnes notes confortent ce comportement, ce qui peut
suggérer une liaison réciproque des deux variables.
Les résultats de l’estimation stipulent enfin que les élèves qui recourent
aux cours particuliers réussissent moins bien que ceux qui n’y recourent pas.
Plusieurs explications peuvent être avancées à propos de ce résultat. D’une
part, les élèves qui prennent ces cours ont tendance à être plus passifs en
classe en comptant sur ces cours pour tout comprendre. Cela développe chez
eux une habitude à une insuffisante concentration et explique leur moindre
performance par la suite. Alors que ceux qui n’ont pas les moyens de financer
les heures supplémentaires vont tout faire pour saisir l’essentiel en classe et
vont compter sur eux-mêmes par la suite. L’obtention de bonnes notes réduit
à son tour l’incitation à prendre ces heures, ce qui suggère ici encore une ré-
troaction de la variable endogène. D’autre part, il semble qu’au lieu d’être un
moyen de soutien, les cours particuliers sont devenus une activité ennuyeuse

pour les élèves ; de plus au Maroc, ces cours supplémentaires diffèrent très peu
des cours ordinaires. Il s’agit en général de séances du soir, pour un groupe
de grande taille avec des niveaux hétérogènes d’élèves. La situation s’aggrave
lorsque l’élève prend les cours particuliers chez son professeur de cours ordi-
naires ; il reçoit des notes de complaisance, qui ne reflètent pas son niveau
réel. Ainsi, il se trouve démuni dans un test comme le TIMSS.
Notons que parmi ces variables individuelles, une part importante est
fortement influencée par l’environnement familial. La vigilance des parents
quant aux comportements de leurs enfants semble nécessaire pour l’améliora-
tion du rendement scolaire.
L’effet de l’environnement familial
L’estimation révèle que la disponibilité des biens d’équipement et du matériel

pédagogique au sein du ménage a un effet positif et significatif sur le ren-
dement scolaire des élèves (t = 2,57)22. Ce résultat va dans le sens de celui
trouvé dans l’ensemble des pays de l’OCDE (OCDE, 2001) et de celui trouvé
par Suchaut (2006).
Dans l’enquête, les « biens d’équipement et le matériel pédagogique » au sein du

22
ménage sont captés par la disponibilité d’un ordinateur, d’un bureau (ou table
d’étude), d’un dictionnaire ou encyclopédie, d’une PlayStation jeu DVD.
En fait, les élèves issus de familles dotées en biens matériels bénéficient

de conditions favorables d’apprentissage. Ces biens constituent, d’une part,
une source d’information et de connaissance, et d’autre part, un moyen d’épa-
nouissement et de motivation pour l’élève. Ainsi, un élève disposant d’un bu-
reau aura tendance à bénéficier davantage du temps qu’il consacre aux révi-
sions ; de même, un élève ayant chez lui un dictionnaire ou une encyclopédie
serait fortement motivé pour apprendre de nouveaux concepts et approfondir
les connaissances acquises à l’école.
Quant au niveau d’instruction des parents, on constate que le niveau
d’éducation de la mère a un effet significatif sur la réussite des élèves, alors
que celui du père n’a pas d’effet significatif. Les élèves dont les mères n’ont
pas dépassé le niveau secondaire réussissent moins que ceux dont les mères
ont le baccalauréat ou un niveau supérieur. Ces résultats corroborent les tra-
vaux de Suchaut (2006), Mingat et Perrot (1980) et Duru-Bellat (2003). La
préoccupation de la mère instruite à propos de la scolarisation de son enfant
favorise l’attention de celui-ci et au-delà sa réussite scolaire. En effet, en su-
bissant un contrôle de sa discipline et en bénéficiant de gratifications en cas de

réussite, l’enfant devient plus motivé et réalise de bons rendements scolaires.
Par ailleurs, l’étude de la relation entre le rendement scolaire et le niveau
d’instruction de la mère selon le milieu d’implantation de l’école nous permet
de constater que cette relation n’est pas significative dans le milieu rural. Il
semble que, dans ce milieu, les mères instruites ne se comportent pas très
différemment des autres ; elles sont peu nombreuses et subissent l’influence
« négative » de leurs voisines non instruites (externalités négatives). Alors que
dans le milieu urbain, il y aurait plutôt un effet d’émulation.
Le nombre de livres disponibles au sein du ménage auquel appartient
l’élève ne semble pas avoir d’impact sur son rendement en mathématiques. Ce
résultat diffère de celui trouvé par Williams et Somers (2001) qui ont constaté
que la réussite scolaire, dans plusieurs pays d’Amérique Latine, est fortement
liée au nombre de livres détenus par le foyer familial de l’enfant. Cette di-
vergence peut tenir au fait qu’on ne considère ici qu’une seule matière, les
mathématiques.
De même, l’utilisation de l’arabe au sein de la famille n’a pas d’effet signi-
ficatif sur les performances au test23. Ce résultat est confirmé au niveau natio-
nal, à l’aide d’autres données. En effet, l’absence de l’influence de la langue
véhiculée au sein de la famille est également observée quand on analyse les
Signalons que les tests ont été administrés en arabe classique.

23
taux de redoublement des élèves dans les différentes régions. Il s’avère que
les taux enregistrés dans les régions où une part importante de la population
parle le berbère24 ne diffèrent pas des autres.
Ce résultat peut être expliqué par deux éléments. D’une part, au Maroc, il
y a une grande divergence entre l’arabe dialectal pratiqué au sein des familles
et l’arabe utilisé à l’école. D’autre part, l’utilisation d’un autre dialecte dans
la maison n’aura pas d’effet à ce niveau d’étude sur le rendement scolaire, car
après avoir passé huit ans à l’école, l’élève berbère atteint un niveau linguis-
tique semblable à celui de ses camarades arabophones.
La taille de la famille n’a également pas d’effet significatif, contrairement
aux résultats de Hijri (1993) qui avait trouvé que la taille de la famille agit
négativement sur les résultats au baccalauréat. Cette divergence pourrait
être due à la différence des populations étudiées. Ainsi l’impact de la taille de
la famille, qui agit sur les dépenses familiales pour chaque enfant, est faible
pour les élèves du niveau collégial. Ce n’est qu’aux niveaux supérieurs que
ces dépenses acquièrent une importance dans la détermination du rendement
scolaire.

L’effet des facteurs liés à l’environnement scolaire
Les élèves qui étudient dans une école située en milieu urbain réussissent
mieux que ceux d’une école en milieu rural. Plusieurs facteurs sont derrière ce
résultat : en milieu urbain, les écoles sont mieux équipées, mieux organisées et
mieux gérées au niveau pédagogique par rapport aux écoles situées en milieu
rural. Dans celui-ci, l’absentéisme des enseignants est plus fréquent et leurs
conditions de vie moins favorables ; ils font souvent la navette entre leur lieu
de résidence en ville et l’école.
Les élèves pris en charge par des professeurs âgés de moins de 30 ans réa-
lisent des rendements scolaires largement supérieurs à ceux des élèves ensei-
gnés par des professeurs dont l’âge se situe entre 40 et 49 ans. Ainsi, à niveau
d’expérience donné, l’âge agit négativement. Ce résultat peut être expliqué
par la capacité des enseignants « jeunes » à mieux comprendre la mentalité
et les comportements des élèves adolescents. La communication est alors plus
fluide et contribue à établir un sentiment positif de la part des élèves envers
la matière enseignée.
Il s’agit de : Souss Massa Daraa, Tadla Azilal, Taza Taounat ElHoussima et rela-
24
tivement Marrakech Tansift Al Haouz. La comparaison est faite à partir des don-
nées relatives à 2005-2006, publiés par le CSE (2008).
L’expérience professionnelle de l’enseignant, mesurée par l’ancienneté, a un

effet positif assez significatif sur le rendement des élèves. Toutes choses égales
par ailleurs, plus un enseignant est expérimenté, plus il acquiert une compé-
tence sur le plan pédagogique et de l’organisation de sa classe. Ces compétences
facilitent l’acquisition chez les élèves et expliquent leur relative meilleure per-
formance, par rapport à ceux dont les enseignants ont moins d’expérience.
Par contre, le rendement des élèves n’est influencé ni par le niveau de la
formation initiale ni par celui de la formation professionnelle des enseignants.
Il semble qu’au niveau de l’enseignement secondaire collégial, un enseignant
hautement qualifié n’aura pas l’opportunité d’utiliser ses connaissances ; ain-
si la différence d’impact sur le niveau des élèves, avec un enseignant moins di-
plômé, n’apparaît pas. Ce serait aux niveaux supérieurs que les connaissances
de l’enseignant deviennent déterminantes de la réussite scolaire des élèves.
L’échantillon utilisé est composé d’enseignants qui ont passé une ou deux
années de formation professionnelle. L’absence d’impact de cette variable
sur la performance des élèves peut être expliquée par le fait qu’une année
est suffisante pour que l’enseignant acquière les stratégies et techniques de

base nécessaires. La seconde année, consacrée à des stages ou remplacements,
n’apporte pas de qualification particulière ; et au bout de quelques années
d’exercice, la différence n’apparaît pas du tout.
De même, la taille de la classe ne semble pas avoir ici d’effet significatif sur
la performance scolaire des élèves. Ce résultat va dans le sens de ceux trouvés
par plusieurs chercheurs, notamment Hanushek (1994) et Hoxby (2000) qui
ont travaillé sur des données américaines.
6 CONCLUSION
L’objet de notre étude était de comprendre les raisons, qui permettent aux
enfants du collège d’assimiler correctement les concepts et techniques qui leur
sont enseignés en mathématiques. Nous nous sommes basés sur les facteurs
usuellement retenus dans la littérature pour expliquer les rendements sco-
laires. Il s’agit de variables individuelles, familiales et relatives au contexte
scolaire. Pour tenir compte de la structure hiérarchisée des données, nous
avons retenu un modèle multiniveaux, mieux approprié dans un tel contexte.
Les résultats obtenus vont généralement dans le sens de ceux trouvés
dans des études analogues réalisées dans des pays en développement. Comme
pour les rendements scolaires globaux, les performances en mathématiques
dépendent prioritairement des caractéristiques propres aux élèves et à leur
famille. Par contre, peu de variables liées au contexte scolaire ont un effet si-
gnificatif. Il s’agit du milieu d’implantation de l’école, de l’âge de l’enseignant
et de son ancienneté.
Ces résultats peuvent éclairer à la fois les décideurs et les familles pour
concevoir des mesures susceptibles d’améliorer l’efficacité du système éduca-
tif marocain. Ainsi, les parents doivent être vigilants envers leurs enfants. Il
ressort en effet qu’un niveau élevé d’encadrement familial, d’encouragement
et de gratification contribue à la motivation et à l’amélioration du rendement
scolaire.
Étant donné qu’il est difficile de doter les familles en biens d’équipement et
en matériel pédagogique, une solution consisterait à généraliser les espaces col-
lectifs spécifiques (bibliothèques, salles d’études…) au sein des établissements
scolaires et de les équiper en biens et matériaux scolaires, pour contribuer à
l’amélioration du rendement scolaire des élèves. Cela permettrait également
d’atténuer les inégalités de chance entre élèves de milieux aisés et démunis.
Les résultats montrent qu’une attention particulière doit être accordée au

milieu rural (équipement des collèges en matériel pédagogique, conditions de
vie des enseignants et internat, cantines scolaires…).
Par référence au résultat relatif au rôle déterminant de l’expérience des
enseignants, nous pensons que les inspecteurs devraient jouer un rôle d’ac-
compagnement, d’encadrement et de soutien des enseignants et ne pas se limi-
ter à leur évaluation.
Par ailleurs, au niveau méthodologique, ce travail confirme l’intérêt du
recours aux modèles multiniveaux pour répondre à des questions comparables
et avec des données analogues.
RÉFÉRENCES
ABBAIA, A., (2008), « Les déterminants du rendement scolaire dans l’enseignement

secondaire collégial au Maroc : étude économétrique sur la base de l’enquête
TIMSS 2003 », Mémoire de DESA - FSJES, Université Hassan II Casablanca.
ARREGLE, J.L., (2003), « Les modèles hiérarchiques: principes et illustration »,
Management, vol. 6, n° 1, pp:1-28.
BRESSOUX, P., (1994), « Les recherches sur les effets-école et les effets-maîtres »,
Revue Française de Pédagogie, n° 108, pp. 91-137.
BRESSOUX, P., (2000), « Modélisation et évaluation des environnements et des
pratiques d’enseignement », Rapport d’habilitation à diriger des recherches.
Grenoble : Université Pierre Mendès, France.
BRYK, A.S., S. W. RAUDENBUSH, (1992), « Hierarchical Linear Models: Applica-

tion and Data Analysis Methods », Newbury Park, CA: Sage.
Centre de Recherches Statistiques, Économiques et Sociales et de Formation pour
les Pays Islamiques (SESRIC). http://www.sesric.org/baseind.php
CHERKAOUI, M., (1979), « Les paradoxes de la réussite scolaire », PUF, L’éduca-
teur, Paris.
COLEMAN, J. S. et al., (1966), « Equality of educational opportunity », Washington,
DC: US Government Printing Office.
Commission Spéciale Éducation Formation, (2000), « Charte nationale d’éducation
et de formation », Royaume du Maroc.
Conseil Supérieur de l’Enseignement, (2008), « Rapport Annuel 2008, Atlas du
système d’éducation et de formation », (INESEF), Royaume du Maroc.
COOKSEY, B., (1981), « Social class and academic performance: a Cameroon case
study », Comparative Education Review, vol. 25, n° 3, pp: 403-418.
DIALLO, K., (2001), « L’influence des facteurs familiaux, scolaires et individuels
sur l’abandon scolaire des filles de 1’enseignement fondamental en milieu rural
de la région de Ségou au Mali », Thèse de Doctorat, Université Laval, Québec.
DIAMBOMBA, M., R. OUELLET, J.-J. MOISSET, H. El BOUAZZAOUI, (1995),
« Les déterminants de la réussite scolaire au Congo », Brazzaville, GERP/

CONFEMEN.
DURU-BELLAT, M., (2003), « Inégalités sociales à l’école et politiques éducatives »,
Paris, UNESCO.
GILLY, M., (1969), « Bon élève, Mauvais élève », Paris, Armand Colin.
GOLDSTEIN, H., (1999), « Multilevel Statistical Models », Institute of Education,
Multilevel models project, London.
HANUSCHEK, E. A., (1979), « Conceptual and Empirical Issues in the Estimation
of Educational Production Function », Journal of Human Resources, vol.14,
n° 3, pp: 351–388.
HANUSHEK, E. A., (1986), « The economics of schooling : production and efficiency
in public schools », Journal of Economic Literature, vol. 24, n° 3, pp:1141-1177.
HANUSHEK, E. A., (1994), « Making Schools Work: Improving Performance and
Controlling Costs », Washington, D.C.: Brookings Institution.
HIJRI, N., (1993), « Les déterminants des résultats en milieu scolaire marocain :
étude économique sur la base d’enquêtes », Mémoire de DES - Faculté des
sciences juridiques, économiques et sociales, Université Hassan II, Casablanca.
HIJRI, N., C. MONTMARQUETTE, F. MOURJI, (1995), « Les déterminants des
résultats scolaires : étude économétrique sur la base d’enquêtes au Maroc »,
Revue d’économie du développement, n° 1, pp : 53-76.
HOFMANN, D.A., (1997), « An Overview of the Logic and Rationale of Hierarchical
Linear Models », Journal of Management, 23(6), pp: 723-744.
HOXBY, C., (2000), « The Effect of Class Size on Student Achievement: Evidence from
Population Variation », Quarterly Journal of Economics 115 (4), pp: 1239-1285.
JAROUSSE, J. P., A. MINGAT, (1989), « Les effets des conditions d’enseignement
sur les acquisitions des élèves à l’école primaire: le cas du Togo », Dijon, IREDU.
JAROUSSE, J.-P., A. MINGAT, (1992), « L’école primaire en Afrique. Fonctionne-

ment, qualité, produit : le cas du Togo », Dijon, IREDU.
KREFT, I. G., J. DELEEUW, (1998), « Introducing Multilevel Modeling », London,
Sage.
LUCAS, R., (1988), « On the Mechanics of Economic Development », Journal of
Monetary Economics, vol. 22, pp: 3-42.
MICHAELOWA, K., (2000), « Dépenses d’éducation, qualité de l’éducation et pau-
vreté : l’exemple de cinq pays d’Afrique francophone », Centre de développe-
ment de l’OCDE, Document de travail n° 157.
MINGAT, A., J. PERROT, (1980), « Familles : coûts d’éducation et pratiques socio-
culturelles », Cahier de l’IREDU, n°32, Dijon.
MINISTERE DE L’EDUCATION NATIONALE, (2010), « ATLAS Regard sur
l’Education Nationale », Royaume du Maroc.
MULLIS, I. V. S. et al., (2001), « TIMSS Assessment and Frameworks and Specifi-
cations 2003 », Chestnut Hill, MA: International Study Center Lynch School of
Education, Boston College.
MULLIS I. V. S. et al., (2005), « IEA’S TIMSS 2003 International Report on Achie-
vement in the Mathematics Cognitive Domains», International Study Center
Lynch School of Education, Boston College

OCDE, (2001), « Knowledge and skills for life: first results from PISA 2000 », Paris.
PATERSON, L., H. GOLDSTEIN, (1991), « New statistical methods for analyzing
social structures: An introduction to multilevel models », British Educational
Research Journal, vol.17, n°4, pp: 387-394.
PROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT, (2011),
« Rapport sur le développement humain 2011. Durabilité et équité: Un meilleur
avenir pour tous », Communications Development Incorporated, Washington
DC.
ROBERT, C., G. CASELLA, (2004), « Monte Carlo Statistical Methods » (second
edition), New York, Springer-Verlag.
ROMER, P. M., (1986), « Increasing Returns and Long-Run Growth » The Journal
of Political Economy, vol. 94, n°5, pp: 1002-1037.
SNIJDERS, T., R. BOSKER, (1999), « Multilevel Analysis: An Introduction to Basic
and Advanced Multilevel Modeling», Thousand Oaks, CA: Sage.
SUCHAUT, B., (2006), « Analyse des acquisitions des élèves de l’enseignement se-
condaire en Algérie sur la base de l’enquête MLA II », Rapport pour la Revue
des dépenses publiques en République Algérienne, Université de Bourgogne et
IREDU-CNRS.
WILLIAMS, J. D., M.A. SOMERS, (2001), «Family, Classroom, and School Effects
on Children’s Educational Outcomes in Latin America», School Effectiveness
and School Improvement, vol. 12, n° 4, pp: 409-445.
7 ANNEXES
Annexe 1 : Liste des variables et statistiques descriptives
Global Urbain Rural

(N = 1 140) (N = 928) (N = 212)
Définition des variables Moyenne/ Écart- Moyenne/ Écart- Moyenne/ Écart-
Propor- type Propor- type Propor- type
tion tion tion
Les variables individuelles
Score de l’élève en
394,32 60,61 396,15 59,53 386,28 64,64
Mathématiques
Sexe de l’élève
0,52 — 0,54 — 0,44 —
(1 si fille 0 si garçon)
Age de l’élève (en années) 15,16 1,17 15,11 1,17 15,40 1,17
Importance de la matière
17,43 2,68 17,45 2,65 17,32 2,79
chez l’élève*25
Attitude de l’élève envers
13,99 2,13 13,97 2,17 14,07 1,93
son école*

Sentiment de l’élève à propos
2,25 0,82 2,25 0,83 2,26 0,80
de sa sécurité dans l’école *
Intégration de l’élève
1,54 0,62 1,55 0,60 1,48 0,69
dans l’école*
Confiance en soi chez l’élève
13,74 3,24 13,75 3,21 13,72 3,36
pour étudier la matière*
Niveau d’instruction espéré :
avoir le Bac et s’y arrêter 0,19 — 0,19 — 0,21 —
(1 si oui 0 sinon)
avoir un niveau supérieur au 0,52 — 0,52 — 0,51 —
Bac (1 si oui 0 sinon)
l’élève ne sait pas 0,29 — 0,29 — 0,28 —
(1 si oui 0 sinon)
L’élève n’utilise pas la calcula-
0,48 — 0,48 — 0,45 —
trice (1 si ou 0 sinon)
L’élève utilise parfois la
0,39 — 0,38 — 0,42 —
calculatrice (1 si ou 0 sinon)
L’élève utilise toujours la
0,14 — 0,14 — 0,13 —
calculatrice (1 si oui 0 sinon)
L’élève consacre moins d’une
heure aux devoirs à la maison 0,28 — 0,27 — 0,35 —
(1 si oui 0 sinon)
*25
Ces variables ont été construites à partir de leurs composantes telles qu’elles figurent dans
le questionnaire administré aux élèves ; voir annexe 2 relative au détail de la construction
de ces variables.
L’élève consacre entre

1 et 2 heures aux devoirs 0,30 — 0,30 — 0,30 —
à la maison (1 si oui 0 sinon)
L’élève consacre plus de
2 heures aux devoirs à la 0,42 — 0,43 — 0,35 —
maison (1 si oui 0 sinon)
L’élève prend les cours parti-
culiers une fois par semaine ou 0,47 — 0,48 — 0,44 —
plus (1 si oui 0 sinon)
L’élève prend parfois des cours
0,25 — 0,23 — 0,31 —
particuliers (1 si oui 0 sinon)
L’élève ne prend jamais ou
presque jamais des cours 0,28 — 0,29 — 0,25 —
particuliers (1 si oui 0 sinon)
Les variables familiales
Taille de la famille 5,07 1,69 5,01 1,65 5,33 1,879
Disponibilité des biens d’équi-
pement et du matériel pédago- 4,23 1,45 4,28 1,42 4,00 1,56
gique au sein du ménage*

L’élève a peu ou n’a pas de
livres chez lui : 0 à 10 livres 0,31 — 0,30 — 0,33 —
(1si oui 0 sinon)
L’élève a chez lui assez de livres :
0,38 — 0,38 — 0,38 —
11 à 25 livres (1 si oui 0 sinon)
L’élève a chez lui davantage de
livres : 26 livres ou plus 0,31 — 0,32 — 0,29 —
(1 si oui 0 sinon)
L’élève pratique toujours l’arabe
0,49 — 0,51 — 0,45 —
en famille (1 si oui 0 sinon)
L’élève pratique parfois l’arabe
0,41 — 0,41 — 0,42 —
L’élève ne pratique jamais l’arabe
0,09 — 0,08 — 0,13 —
Mère analphabète ou sans
certificat primaire 0,47 — 0,46 — 0,51 —
(1 si oui 0 sinon)
Mère a un niveau supérieur au
certificat primaire et inférieur 0,26 — 0,27 — 0,21 —
au bac (1 si oui 0 sinon)
Mère a le Bac ou un niveau
0,14 — 0,14 — 0,13 —
supérieur (1 si oui 0 sinon)
L’élève ne sait pas le niveau de
0,14 — 0,13 — 0,15 —
sa mère (1 si oui 0 sinon)
Père analphabète ou sans certi-
0,25 — 0,24 — 0,31 —
ficat primaire (1 si oui 0 sinon)
Père a un niveau supérieur au

certificat primaire et inférieur 0,28 — 0,27 — 0,30 —
au bac (1 si oui 0 sinon)
Père a le Bac ou un niveau
0,28 — 0,29 — 0,22 —
supérieur (1 si oui 0 sinon)
L’élève ne sait pas le niveau de
0,19 — 0,20 — 0,17 —
son père (1 si oui 0 sinon)
Les variables du contexte scolaire
L’enseignant est âgé de moins
11,8 — 11,5 — 13,2 —
de 30 ans (1 si oui 0 sinon)
L’enseignant a un âge se situant
entre 30 et 39 ans 23,7 — 18,1 — 48,1 —
(1 si oui 0 sinon)
L’enseignant a un âgé se situant
entre 40 et 49 ans 54 — 57,4 — 38,7 —
(1 si oui 0 sinon)
L’enseignant est âgé de 50 ans
10,5 — 13 — 0 —
ou plus (1 si oui 0 sinon)
L’enseignant est de sexe
83,8 — 81,2 — 84,8 —

masculin (1 si oui 0 sinon)
Ancienneté de l’enseignant
17,7 7,54 17,86 7,36 13,91 7,45
(en années)
L’enseignant a un niveau infé-
13,6 — 14,3 10,4 —
rieur au Bac (1 si oui 0 sinon)
L’enseignant a le Bac
68,8 — 74,1 45,3 —
(1 si oui 0 sinon)
L’enseignant a un niveau supé-
17,6 — 11,5 44,3 —
rieur au Bac (1 si oui 0 sinon)
L’enseignant a bénéficié d’une
formation professionnelle de 83,2 — 82,9 — 60,8 —
deux ans (1 si oui 0 sinon)
L’enseignant a bénéficié d’une
formation professionnelle d’un 16,8 — 17,1 — 39,2 —
an (1 si oui 0 sinon)
Taille de la classe 43,7 14,44 44,28 15,24 41,17 9,86
Implication des familles dans
les activités de l’école très 52,5 — 47,1 — 76,4 —
faible (1 si oui 0 sinon)
Implication des familles dans les
activités de l’école faible 31 — 36,2 — 8 —
(1 si oui 0 sinon)
Implication des familles
dans les activités de l’école 16,5 — 16,7 — 15,6 —
moyenne (1 si oui 0 sinon)
Travail en groupes n’est jamais

23 — 26,1 — 9,4 —
pratiqué
Travail en groupes
61,6 — 64,8 — 47,6 —
est rarement pratiqué
Travail en groupes est souvent
15,4 — 9,2 — 43 —
pratiqué
Source : Calculs effectués à partir de la base de données.
Annexe 2 : Méthode de construction de quelques variables

(Voir www.lasaare.com)
Annexe 3 : Modèle d’analyse du score en mathématiques par

les MCO sur les données de l’ensemble de l’échantillon (Voir
www.lasaare.com)

Annexe 4 : Modèle multiniveaux pour l’analyse du rendement
scolaire en mathématiques : Autres spécifications testées
Par rapport à la spécification de référence, nous excluons dans le modèle
M1 les variables qui présentent un fort risque d’endogénéité, il s’agit de : Im-
portance de la matière ; Confiance en soi pour étudier la matière ; Utilisation
de la calculatrice ; Temps consacré aux devoirs à domicile ; Fréquence des
cours particuliers. Dans le modèle M2, nous excluons également les autres
exogènes qui présentent un risque même faible d’endogénéité : Attitude de
l’élève envers son école et Niveau d’instruction espéré. Dans le dernier Modèle
(M3), nous excluons à la fois toutes ces variables et celles qui ne sont pas signi-
ficatives dans la spécification de référence (Tableau 2 dans le texte).
M1 (Global M2 (Global M3 (Global

Effets fixes
N=1 140) N=1 140) N=1 140)
Écart- Écart- Écart-

Variables Coefficient Coefficient Coefficient
type type type
Constante 487,53*** 36,33 473,15*** 35,57 508,74*** 27,92
Les variables individuelles
Sexe : Fille –18,03*** 3,62 –18,22*** 3,65 –16,87*** 3,53
Age de l’élève –7,87*** 11,47 –8,97*** 1,48 –9,17*** 1,47
Attitude de l’élève –2,15*** 0,82

envers son école
Sentiment de l’élève à 1,55ns 2,23 0,72ns 2,23

propos de sa sécurité
dans l’école
Intégration de l’élève 4,27ns 2,92 3,72ns 2,95

dans l’école

espéré
Avoir le bac et s’y –15,52*** 4,56

arrêter
Aller au-delà du bac Réf Réf
L’élève ne sait pas –18,13*** 3,99
Les variables familiales
Taille de la famille –0,15ns 1,01 –0,20ns 1,02
Disponibilité des biens 4,71*** 1,29 5,07*** 1,29 4,81*** 1,24

d’équipement et du
matériel pédagogique au
sein du ménage
Utilisation de l’arabe dans la famille
Jamais –6,62ns 5,98 –5,93ns 6,03
Parfois 2,27ns 3,51 1,30ns 3,54
Toujours Réf Réf Réf Réf
Nombre de livres chez l’élève
Peu (0-10 livres) Réf Réf Réf Réf
Assez (11-25 livres) –6,44ns 4,16 –5,23ns 4,19

Davantage (26 livres –6,77ns 4,71 –4,61ns 4,74

ou plus)
Niveau d’instruction de la mère
Analphabète ou sans –2,68ns 6,20 –5,28ns 6,26 –5,18ns 6,15

certificat du primaire
niveau supérieur au –15,05*** 5,85 –16,65*** 5,91 –16,87*** 5,85
certificat primaire et
moins du bac
Bac ou niveau supérieur Réf Réf Réf Réf Réf Réf
L’élève ne sait pas –8,80ns 7,27 –11,25ns 7,33 –10,93ns 7,23
Niveau d’instruction du père
Analphabète ou sans –9,54* 5,58 –11,86** 5,63 –10,90** 5,51

certificat du primaire
niveau supérieur au –6,79ns 4,91 –9,51* 4,95 –8,62* 4,90
certificat primaire et
moins du bac
Bac ou niveau Réf Réf Réf Réf Réf Réf

supérieur
L’élève ne sait pas –8,52ns 5,58 –10,55* 5,63 –10,46* 5,59
Les variables du contexte scolaire
Milieu : Urbain 16,13* 8,66 15,58* 8,80 11,77ns 7,29
Age de l’enseignant
Moins de 30 ans 33,11** 13,16 32,51** 13,39 31,97** 12,76
Entre 30 et 39 ans 16,92* 8,57 16,15* 8,71 15,94* 8,25
Entre 40 et 49 ans Réf Réf Réf Réf Réf Réf
50 ans ou plus –13,42ns 11,60 –14,31ns 11,80 –7,68ns 9,92
Sexe de l’enseignant : 11,57ns 8,21 10,83ns 8,35

Féminin
Ancienneté de 1,56* 0,84 1,47* 0,85 0,68ns 0,61

l’enseignant (en années)
Formation initiale
Moins du bac Réf Réf Réf Réf
Bac 1,63ns 9,60 1,70ns 9,76
Plus du Bac 24,29ns 21,60 22,89ns 21,97

Formation profession- –1,83ns 15,11 –0,46ns 15,37

nelle : Un an (Réf : 2 ans)
Taille de la classe 0,18ns 0,20 0,16ns 0,20
Implication des familles dans les activités de l’école
Très faible Réf Réf Réf Réf
Faible –8,04ns 7,01 –6,12ns 7,11
Moyenne 2,02ns 9,16 3,19ns 9,32
Travail en groupes
Jamais 5,18ns 7,30 5,04ns 7,42
Rarement Réf Réf Réf Réf
Souvent 1,31ns 8,76 1,66ns 8,91
Effets aléatoires
Niveau 2 : variance 326,63*** 99,70 340,06*** 103,0 310,59*** 90,58

inter-écoles

Niveau 1 : variance 2 921,99*** 127,2 2 993,17*** 130,1 2 993,37*** 129,83
interindividuelle
–2logL 12 214,86 12 255,90 12 345,39
ns : non significatif ;*: significatif au seuil de 10 % ;**: significatif au seuil

de 5 % ;***: significatif au seuil de 1 %.
On relève que la significativité des variances inter-écoles et interindivi-

duelles demeure forte (1 %). Les variables âge et sexe de l’élève restent per-
tinentes dans toutes les estimations. Pour certaines exogènes, le degré de
significativité s’améliore avec la réduction du nombre d’exogènes. Sauf pour
le milieu d’implantation de l’école, qui perd en significativité dans M3 seu-
lement, mais reste cependant non dénuée d’intérêt (t = 1,61). Par contre,
l’ancienneté devient non significative dans M3. Nous pensons que cela est dû
au fait qu’avec un modèle parcimonieux le risque de biais porte à la fois sur les
coefficients et sur leur écart-type estimé.

Edd 271 0127 Bakass

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Edd 271 0127 Bakass

Transféré par

Droits d'auteur :

Formats disponibles

LES DÉTERMINANTS DU RENDEMENT SCOLAIRE EN MATHÉMATIQUES

CHEZ LES ÉLÈVES DE L'ENSEIGNEMENT SECONDAIRE COLLÉGIAL AU

Fouzi Mourji, Abdelilah Abbaia

De Boeck Supérieur | « Revue d'économie du développement »

2013/1 Vol. 21 | pages 127 à 158

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Distribution électronique Cairn.info pour De Boeck Supérieur.

Powered by TCPDF (www.tcpdf.org)

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Mots clés : Éducation, rendement scolaire, TIMSS-Maroc, modèle multini-

Drawing on an evaluation test of the mathematics performances of Moroccan secondary school

Key words: Education, school performance, TIMSS-Morocco, multilevel

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Voir « Charte Nationale d’Éducation et de Formation », Commission Spéciale Édu-

cation Formation (2000).

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

contexte scolaire. Pour tenir compte de la structure hiérarchisée des données,

2 LES ENSEIGNEMENTS DE LA REVUE

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

familial, les chercheurs accordent une grande importance au niveau d’ins-

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Ce qui soulève selon nous un problème d’endogéneité.

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

3 PRÉSENTATION DES DONNÉES

Nos analyses portent sur un échantillon de 1 140 élèves de la 2e année de

3.1 Les variables individuelles et familiales :

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

région de Fès-Boulmane-Taza-Taounate-Al Hoceima où le taux de remplissage des

La taille moyenne des familles auxquelles appartiennent les élèves est de

3.2 Les variables du contexte scolaire :

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Les données de l’échantillon constitué ont une structure hiérarchisée. Elles

Figure 1 : Schéma représentatif des relations entre les variables explicatives

Cette pluralité de niveaux d’analyse au sein d’un même modèle pose le

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Où Rij et Xij représentent respectivement le rendement scolaire en ma-

b0 j = g00 + m0 j

b1 j = g10 + m1 j

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

b1 j = g10 + g11Wj + m1 j

En remplaçant les coefficients aléatoires b0j et b1j par leurs valeurs et en

En plus de l’estimation des effets des différentes variables sur le rende-

5.1 Estimation du modèle « vide »

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Pourcentage de la variance inter-écoles 11,87 %

ns : non significatif ;*: significatif au seuil de 10 % ;* *: significatif au seuil

duelle). Cette variance n’est pas négligeable et est significativement différente

5.2 Estimation du modèle complet

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

Effets fixes Global (N=1 140) Urbain (N=928) Rural (N=212)

Écart- Écart- Coeffi- Écart-

Constante 365,49*** 36,42 357,43*** 37,97 456,63*** 120,86

Sexe : Fille –12,28*** 3,36 –11,60*** 3,73 –12,52*** 8,36

Âge de l’élève –6,32*** 1,35 –5,56*** 1,47 –8,96** 3,69

12 529,19 – 11 977,99 = 551,2.

Confiance en soi pour

– Avoir le bac et s’y

– L’élève ne sait pas –11,27*** 3,76 –12,10*** 4,13 –10,69 ns 9,79

Document téléchargé depuis www.cairn.info - - - 105.159.60.43 - 25/07/2020 13:00 - © De Boeck Supérieur

– Jamais Réf Réf Réf Réf Réf Réf

– Parfois –9,97*** 3,32 –10,20*** 3,65 –8,13 ns 8,61

– Toujours –9,17** 4,73 –6,68 ns 5,18 –19,73 ns 12,39

Temps consacré aux

ns : non significatif ;: significatif au seuil de 10 % ; *: significatif au seuil

Constante 365,49* 36,42 357,43* 37,97 456,63*** 120,86

Sexe : Fille –12,28* 3,36 –11,60* 3,73 –12,52*** 8,36

Âge de l’élève –6,32* 1,35 –5,56* 1,47 –8,96** 3,69

– Avoir le bac et s’y

– L’élève ne sait pas –11,27* 3,76 –12,10* 4,13 –10,69 ns 9,79

– Parfois –9,97* 3,32 –10,20* 3,65 –8,13 ns 8,61

– Jamais 22,25* 3,73 21,40* 4,07 37,02*** 10,27

– Parfois 11,34* 3,86 12,26 * 4,31 12,64 ns 9,44

– Une fois par

– L’élève ne sait pas –1,60 ns 5,11 –0,73 ns 5,48 –7,84 ns 15,95

– Moins de 30 ans 30,46** 12,98 28,36* 14,54 –47,71 ns 114,75

– Entre 30 et 39 ans 13,17 ns 8,45 14,57 ns 9,49 –42,17 ns 77,01

– Entre 40 et 49 ans Réf Réf Réf Réf Réf Réf

– 50 ans ou plus 15

– Moins du bac Réf Réf Réf Réf Réf Réf

– Plus du Bac 32,15 ns 21,34 43,80* 24,03 105,43ns 118,10

– Très faible Réf Réf Réf Réf Réf Réf

Constante 487,53* 36,33 473,15* 35,57 508,74*** 27,92

Sexe : Fille –18,03* 3,62 –18,22* 3,65 –16,87*** 3,53

Age de l’élève –7,87* 11,47 –8,97* 1,48 –9,17*** 1,47