Unige 161937 Attachment01

Thesis
Structure de la motivation en contexte académique dans une

perspective multidimensionnelle et hiérarchique, ses antécédents et
ses conséquences
PAUMIER, Delphine
Abstract
Cette thèse a comme ambition d'étudier la motivation autodéterminée académique en

considérant les différents types de motivations décrites par la théorie de l'autodétermination,
différents niveaux hiérarchiques et différentes disciplines scolaires simultanément.
Récemment, Chanal et Guay (2015) ont développé l'hypothèse de spécificité, qui stipule que
les motivations autonomes sont plus spécifiques aux matières scolaires dans lesquelles elles
sont mesurées que les motivations contrôlées. Le but de cette thèse est de répliquer,
généraliser et évaluer les implications de cette hypothèse. Pour cela, quatre études ont été
menées auprès d'élèves du cycle d'orientation et d'étudiants universitaires. L'ensemble des
résultats ont permis de valider l'hypothèse de spécificité en montrant que les motivations
autonomes étaient bien plus spécifiques que les motivations contrôlées. Alors que Chanal et
Guay (2015) avaient conclu que les motivations contrôlées étaient moins spécifiques car elles
étaient plus contextuelles, nos résultats ont montré qu'elles n'étaient pas plus [...]
Reference
PAUMIER, Delphine. Structure de la motivation en contexte académique dans une
perspective multidimensionnelle et hiérarchique, ses antécédents et ses
conséquences. Thèse de doctorat : Univ. Genève, 2022, no. FPSE 817
DOI : 10.13097/archive-ouverte/unige:161937
URN : urn:nbn:ch:unige-1619371
Available at:
http://archive-ouverte.unige.ch/unige:161937
Disclaimer: layout of this document may differ from the published version.
Section de Psychologie
Sous la direction du Dr. Julien Chanal
STRUCTURE DE LA MOTIVATION EN CONTEXTE ACADEMIQUE DANS

UNE PERSPECTIVE MULTIDIMENSIONNELLE ET HIERARCHIQUE, SES
ANTECEDENTS ET SES CONSEQUENCES
THESE
Présentée à la
Faculté de psychologie et des sciences de l’éducation
de l’Université de Genève
pour obtenir le grade de Docteure en Psychologie
par
Delphine PAUMIER
Du Jura, Suisse
Thèse No 817
GENEVE
Juin 2022
N° d’étudiant : 04-418-232
Remerciements
Je remercie mon directeur de thèse Julien Chanal. Merci d’avoir cru en moi et de
m’avoir offert l’opportunité de réaliser cette thèse. Merci de ton soutien, de m’avoir fait
confiance, et de m’avoir transmis ta passion pour la recherche.
Je tiens à remercier les professeurs Guido Gendolla, Frédéric Guay, David Sander,
d’avoir accepté de faire partie de mon jury de thèse.
Je remercie Olivier Renaud, Benoit Bediou, et Marc Yangüez pour leurs conseils et aide
précieuse pour les analyses réalisées dans l’article 5.
Un énorme merci à mes collègues du MAD, Sandrine Amstutz, Sami Capderou, Paolo
Ghisletta, Arnaud Grand, Emma Grob, Fabio Mason, Matthew Miller, Bruno Remolif, Patrick
Shöngrundner, Zhivko Taushanov, Eda Tipura. Merci pour votre soutien, votre bienveillance,
votre amitié, pour les pauses café et repas, les apéros, et tous les fous rires ! Je vous remercie
sincèrement d’avoir été aussi présents les quelques mois de cette fin de thèse, et de votre aide,
de vos attentions, et de votre soutien le jour J !
Je remercie mes amies, Amaya, Laure, Nadine, et Vera. Merci pour votre écoute, votre
soutien et les bons moments passés ensemble.
Un grand merci à mes parents, mon frère et ma grand-maman de m’avoir toujours
soutenue et encouragée durant toutes ces années de doctorat. Merci d’être toujours là pour moi
et de votre amour inconditionnel.

TABLE DES MATIÈRES
INTRODUCTION ................................................................................................................................... 1
I. CADRE THÉORIQUE ................................................................................................................. 6
1 LA THÉORIE DE L’AUTODÉTERMINATION..................................................................................... 6
1.1 L’approche dialectique organismique et les besoins psychologiques fondamentaux ............ 6
1.2 Les différentes régulations motivationnelles.......................................................................... 8
1.3 Le modèle hiérarchique de la motivation intrinsèque et extrinsèque .................................. 14
2 LES CONSÉQUENCES COMPORTEMENTALES, AFFECTIVES ET COGNITIVES DE LA MOTIVATION ... 18
2.1 Les conséquences comportementales de la motivation ........................................................ 19
2.2 Les conséquences affectives de la motivation ...................................................................... 24
2.3 Les conséquences cognitives de la motivation ..................................................................... 26
2.4 En résumé ............................................................................................................................ 27
3 LE RÔLE MÉDIATEUR DE LA MOTIVATION DANS LA RELATION ENTRE LE CONCEPT DE SOI ET LA
RÉUSSITE SCOLAIRE........................................................................................................................................... 30
3.1 Définition et modèles du concept de soi............................................................................... 30
3.2 Multidimensionnalité et spécificité des concepts de soi académiques ................................. 32
3.3 Les relations causales entre le concept de soi et la réussite scolaire .................................. 35
3.4 Les liens entre le concept de soi, la réussite et la motivation : un possible effet médiateur de
la motivation…. ........................................................................................................................................... 38
4 L’ÉTUDE DE LA MULTIDIMENSIONNALITÉ ET DE LA SPÉCIFICITÉ DE LA MOTIVATION
AUTODÉTERMINÉE............................................................................................................................................. 43
4.1 Multidimensionnalité et motivation scolaire........................................................................ 43
4.2 Multidimensionnalité et SDT ............................................................................................... 45
4.3 L’hypothèse de spécificité .................................................................................................... 47
4.4 Premières évidences concernant l’hypothèse de spécificité ................................................ 49
5 OBJECTIFS DE CETTE THÈSE....................................................................................................... 52
II. PARTIE EMPIRIQUE ............................................................................................................... 57
6 ARTICLE 2 : THE SCHOOL-SUBJECT-SPECIFICITY HYPOTHESIS: IMPLICATION IN THE
RELATIONSHIP WITH GRADES ............................................................................................................................ 57

6.1 Introduction ......................................................................................................................... 58
6.2 The present study ................................................................................................................. 62
6.3 Method ................................................................................................................................. 64
6.4 Results .................................................................................................................................. 68
6.5 Discussion ............................................................................................................................ 73
6.6 Conclusion ........................................................................................................................... 77
7 ARTICLE 3 : THE ANTECEDENTS AND CONSEQUENCES OF AUTONOMOUS AND CONTROLLED
MOTIVATION: DOMAIN SPECIFICITY AND MOTIVATIONAL SEQUENCE AT THE SITUATIONAL LEVEL ................ 79
7.1 Introduction ......................................................................................................................... 82
7.2 The present study ................................................................................................................. 95
7.3 Method ................................................................................................................................. 97
7.4 Results ................................................................................................................................ 102
7.5 Discussion .......................................................................................................................... 109
7.6 Conclusion ......................................................................................................................... 116
8 ARTICLE 4 : THE DIFFERENTIATED MEDIATION EFFECT OF ACADEMIC AUTONOMOUS AND
CONTROLLED REGULATION IN THE RELATION BETWEEN SELF-CONCEPT AND ACHIEVEMENT .......................... 120
8.1 Introduction ....................................................................................................................... 123
8.2 The present study ............................................................................................................... 133
8.3 Method ............................................................................................................................... 135
8.4 Results ................................................................................................................................ 141
8.5 Discussion .......................................................................................................................... 149
9 ARTICLE 5 : MODÉLISATION STATISTIQUE DE LA MOTIVATION ET SON IMPACT SUR LES LIENS
UNISSANT LA MOTIVATION À SES ANTÉCÉDENTS ET CONSÉQUENCES .............................................................. 155
9.1 Méthode ............................................................................................................................. 156
9.2 Résultats............................................................................................................................. 168
9.3 Discussion .......................................................................................................................... 183
III. DISCUSSION GÉNÉRALE ..................................................................................................... 191
10 SYNTHÈSE DES RÉSULTATS...................................................................................................... 191
10.1 Synthèse des résultats relatifs à l’objectif 1 .................................................................. 191

11 DISCUSSION ET IMPLICATIONS ................................................................................................. 200
12 PERSPECTIVES ......................................................................................................................... 207
IV. RÉFÉRENCES .......................................................................................................................... 212
V. ANNEXE .................................................................................................................................... 237
13 ARTICLE 1 ............................................................................................................................... 237

INTRODUCTION
Pourquoi me suis-je lancée dans ce doctorat ? Ou autrement dit quelles sont les raisons
qui m’ont motivée à le réaliser ? Est-ce que je l’ai fait pour faire plaisir aux personnes de mon
entourage ? Est-ce que je l’ai fait pour me sentir fière de moi-même ? Est-ce parce que je
considère que ce diplôme est important pour mon parcours professionnel ? Ou alors simplement
par intérêt pour le sujet et par plaisir de le faire ?
Ces différentes raisons qui ont pu me pousser à réaliser cette thèse doctorale illustrent
bien les différentes régulations motivationnelles qui sont proposées par la théorie de
l’autodétermination (Self-Determination Theory, SDT) (Deci & Ryan, 1985; Ryan & Deci,
2017). Cette théorie considère ainsi la motivation dans une perspective multidimensionnelle et
reconnait l’existence de différents types de motivation qui varient selon leur niveau
d’autodétermination, c’est-à-dire à quel degré un individu se considère comme étant la source
de son comportement. Dans les études récentes, deux grandes catégories de motivation sont
distinguées : la motivation autonome et la motivation contrôlée. La motivation autonome, qui
regroupe la motivation intrinsèque ainsi que les régulations intégrée et identifiée, correspond
aux comportements qui sont réalisés volontairement et par choix. A l’inverse, la motivation
contrôlée, qui regroupe les régulations introjectée et externe, se réfère aux comportements qui
sont contraints par des pressions internes et/ou externes.
Le type de motivation qui nous anime influence-t-il la persistance de notre
comportement, notre performance, les émotions que nous ressentons ? Est-ce que j’aurais pu
terminer ma thèse si je l’avais réalisée pour des raisons extrinsèques, en me sentant contrainte
de le faire ? Est-ce que mon bien-être aurait été péjoré si j’avais réalisé ce travail doctoral pour
faire plaisir aux autres et pas à moi-même ? La théorie de l’autodétermination (Deci & Ryan,
1985; Ryan & Deci, 2017) défend justement l’idée que les différents types de régulations
1
motivationnelles mènent à des conséquences différentes. De nombreuses études ont ainsi
montré l’avantage des motivations autonomes par rapport aux motivations contrôlées sur
différentes conséquences affectives, comportementales et cognitives dans des milieux variés
tels que la santé, le sport, le travail et l’école (e.g., Deci & Ryan, 2008a). Dans le domaine
scolaire, plusieurs travaux ont mis en évidence que les élèves motivés de manière autonome
étaient plus persistants, réussissaient mieux et ressentaient plus d’émotions positives en classe
(e.g., Guay et al., 2008; Howard et al., 2021).
En plus de considérer la motivation dans une perspective multidimensionnelle,
Vallerand (1997) a proposé de l’envisager également dans une perspective hiérarchique. Dans
son modèle hiérarchique de la motivation intrinsèque et extrinsèque (i.e., HMIEM), Vallerand
a ainsi considéré les différents types de régulations motivationnelles, leurs antécédents et leurs
conséquences à trois niveaux de généralité (i.e., global, contextuel, situationnel). Selon ce
modèle, dans le contexte académique, nous pouvons alors distinguer les différents types de
motivation que les élèves déploient envers l’école en général (i.e., niveau contextuel), mais
également envers les différentes disciplines scolaires qui leur sont proposées (i.e., niveau
situationnel). Nous pouvons ainsi nous demander si les élèves sont animés par le même type de
motivation envers l’école en général et envers les différentes matières scolaires ? Est-ce que
l’intensité de la motivation qu’ils éprouvent varie entre les différentes disciplines scolaires ? Et
plus important encore dans le cadre de cette thèse, est-ce que la variation de motivation qui peut
être déployée entre les différentes matières scolaires a la même ampleur selon les types de
motivation considérés ? La question de la variation de motivation entre disciplines scolaires,
également appelée différenciation inter-matières scolaires, a été étudiée par Guay, Chanal, et
al. (2010). Ces auteurs ont ainsi montré que plus les motivations étaient autodéterminées, plus
elles se différenciaient entre les matières scolaires. Ces résultats étaient plutôt inattendus, car
du point de vue de la théorie de l’autodétermination, rien n'indique que la différenciation inter-
2
matières scolaires devrait dépendre du type de motivation considérée. Afin d’expliquer ce
phénomène, Chanal et Guay (2015) ont proposé l’hypothèse de spécificité. Cette hypothèse
stipule que les motivations autonomes sont moins différenciées entre les matières scolaires que
les motivations contrôlées, car les motivations autonomes seraient plus spécifiques aux
disciplines dans lesquelles elles sont mesurées. Concrètement, un élève pourrait avoir un niveau
de motivation autonome élevée envers le français et un niveau bas envers les mathématiques.
En revanche, le niveau de motivation contrôlée envers ces deux disciplines tendrait à être le
même.
Cette thèse doctorale s’inscrit ainsi dans la continuité du travail de Chanal et Guay
(2015) sur l’hypothèse de spécificité. Le but de cette thèse est de tester, répliquer et généraliser
cette hypothèse ainsi que d’examiner ses implications dans le contexte académique.
Le premier chapitre de ce manuscrit de thèse est consacré à l’introduction théorique.
Dans la partie 1, nous présentons la théorie de l’autodétermination, ses différents principes,
ainsi que le modèle hiérarchique de la motivation intrinsèque et extrinsèque. La partie 2 est
dédiée à une revue de la littérature existante sur les conséquences comportementales, cognitives
et affectives des différentes régulations motivationnelles proposées par la théorie de
l’autodétermination dans le contexte scolaire. Dans la partie 3, nous passons en revue différents
modèles et travaux ayant considéré la nature multidimensionnelle du concept de soi et ses liens
avec la réussite. Ensuite, nous présentons quelques recherches qui ont intégré la motivation
dans la théorie du concept de soi et, plus particulièrement qui ont mis en évidence le potentiel
rôle médiateur de la motivation dans les relations qu’entretient le concept de soi avec la réussite
scolaire. Finalement, dans la partie 4, nous présentons différents travaux qui se sont intéressées
à la différenciation inter-matières scolaires des motivations et à leurs natures spécifiques aux
disciplines. Nous définissons ensuite l’hypothèse de spécificité développée par Chanal et Guay
(2015), ainsi que les résultats que ces auteurs ont obtenus dans leurs études. Ce premier chapitre
3
a donné lieu à un premier article, qui est une revue de littérature concernant ce projet doctoral
(voir Article 1).
Le deuxième chapitre est dédié à la partie empirique qui se compose de quatre articles.
L’article 2 est consacré à une réplication de l’hypothèse de spécificité et son extension à plus
de régulations motivationnelles que celles étudiées par Chanal et Guay (2015). Dans cette étude
nous utilisons une nouvelle modélisation statistique des régulations, différente de celle de
Chanal et Guay (2015), permettant de distinguer plusieurs sources de variance des items (i.e.,
niveau situationnel, contextuel, relatif à l’item). Cette étude a comme volonté de vérifier si la
motivation autonome est bien plus spécifique au niveau situationnel dans lequel elle est
mesurée, et si, comme l’avaient conclu Chanal et Guay (2015), la motivation contrôlée est plus
contextuelle. Finalement, nous étudions l’effet de la différence de spécificité des motivations
autonomes et contrôlées sur les liens unissant ces motivations à la réussite dans différentes
matières scolaires. L’article 3 propose de tester la chaine causale « antécédents → motivation
→ conséquences » proposée dans le modèle de Vallerand (1997) en prenant en compte les
différentes régulations motivationnelles proposées par la SDT et différents cours universitaires
(i.e., niveau situationnel). L’objectif est d’examiner si l’existence de cette chaine causale au
niveau situationnel dépend de la spécificité des régulations motivationnelles. L’article 4 explore
les liens existants entre le concept de soi, la motivation et la réussite académique dans une
perspective multidimensionnelle en considérant les différentes régulations motivationnelles
décrites par la SDT et plusieurs disciplines scolaires simultanément. L’objectif principal est de
tester si les régulations autonomes et contrôlées, compte tenu de leurs différences de spécificité,
médient de manière différenciée la relation entre le concept de soi et la réussite. L’article 5,
quant à lui, propose de déterminer quelle est la meilleure modélisation statistique de la
motivation académique en considérant sa nature multidimensionnelle (i.e., les différents types
de régulations) et hiérarchique (i.e., la motivation envers l’école de manière générale et envers
4
différentes matières scolaires). Nous évaluons également l’impact des différentes modélisations
proposées sur les liens reliant les régulations motivationnelles avec leurs antécédents et
conséquences.
Finalement, le troisième chapitre de ce manuscrit est consacré à une discussion générale
dans laquelle sont décrites une synthèse et une discussion des résultats principaux des articles
réalisés dans la cadre de cette thèse. Nous présentons également les implications de ces
résultats, et les perspectives qui peuvent être envisagées pour de futures recherches.
5
I. CADRE THÉORIQUE
1 La théorie de l’autodétermination
La motivation est un concept fondamental en psychologie. En effet, c’est elle qui va
animer l’être humain et l’inciter à penser, à agir et à se développer (Deci & Ryan, 2008a). Plus
précisément, Vallerand et Thill définissent la motivation comme « le construit hypothétique
utilisé afin de décrire les forces internes et/ou externes produisant le déclenchement, la
direction, l’intensité et la persistance du comportement » (1993, p. 18). Dans le contexte
scolaire, la motivation est donc un concept important permettant de comprendre comment et
pourquoi certains élèves vont s’engager dans les activités scolaires alors que d’autres non.
1.1 L’approche dialectique organismique et les besoins
psychologiques fondamentaux
La théorie de l’autodétermination (Deci & Ryan, 1985; Ryan & Deci, 2017) défend une
approche organismique selon laquelle « les êtres humains sont des organismes actifs,
naturellement portés vers le développement, la maîtrise des défis issus de l’environnement,
l’actualisation de leurs potentialités, et l’intégration des nouvelles expériences dans un moi
cohérent et unifié » (Sarrazin et al., 2011, p. 275). Bien que la SDT considère les individus
comme étant naturellement actifs et curieux, elle reconnait également que les individus peuvent
être aliénés et passifs (Ryan & Deci, 2017). Cette diversité de comportements s’explique, selon
la SDT, par les différents types de régulations motivationnelles qui sont le résultat de
l’interaction entre la nature active inhérente de l’individu et les environnements sociaux qui la
soutiennent ou l’entravent (Deci & Ryan, 2008a). Plus spécifiquement, dans la SDT, l’influence
des milieux sociaux est décrite en référence au concept de besoins psychologiques
fondamentaux. Les besoins psychologiques fondamentaux sont définis par la SDT comme des
nutriments essentiels au développement, à la croissance, à l’intégrité et au bien-être de
6
l’individu (Ryan & Deci, 2017). La SDT s’est focalisée non pas sur l’intensité des besoins, mais
sur le degré auquel les besoins des individus sont satisfaits (Deci & Ryan, 2000). Ainsi, les
environnements sociaux qui soutiennent les besoins psychologiques favorisent le
fonctionnement optimal, le bien-être et les motivations les plus autodéterminées chez l’individu
(Deci & Ryan, 2000). Au contraire, lorsque le milieu entrave la satisfaction des besoins de
l’individu, son comportement et sa motivation autodéterminée se voient altérés. Trois besoins
psychologiques fondamentaux ont été mis en évidence chez l’être humain : le besoin de
compétence, d’affiliation sociale et d’autonomie. Le premier besoin, le besoin de compétence,
découle des travaux de White (1959) qui a défini le concept de compétence comme la capacité
d’un organisme à interagir efficacement avec son environnement. En accord avec White (1959),
dans le cadre de la SDT, le besoin de compétence se réfère au désir de se sentir efficace dans
les interactions avec son environnement et d’avoir la possibilité d’exercer et d’exprimer ses
aptitudes (Ryan & Deci, 2002). Ce besoin mène les individus à réaliser des tâches présentant
un défi optimal et à s’engager dans des activités qui leur permettent de développer leurs
capacités et d’apprendre de nouvelles choses. Dans le cadre scolaire, le besoin de compétence
est satisfait lorsqu’un élève se sent, par exemple, capable de réussir un exercice comportant un
défi optimal ou d’atteindre les objectifs qui sont fixés par son enseignant. Le deuxième besoin,
le besoin d’affiliation sociale, fait référence au sentiment d’appartenance, au sentiment d’être
proche et connecté à des autrui significatifs, d’aimer et d’être aimé, ainsi qu’au besoin de
prendre soin des autres et de recevoir des soins (Baumeister & Leary, 1995; Deci & Ryan,
2000). Les individus vont avoir tendance à s’entourer de personnes qui leur donnent de
l’attention et qui prennent soin d’eux, et à intérioriser leurs valeurs et leurs comportements
(Sarrazin et al., 2011). Pour illustration, un élève dont le besoin d’affiliation sociale est satisfait
a de bonnes relations avec son enseignant, il a le sentiment qu’il se préoccupe de lui et qu’il le
soutient, et se sent accepté et compris par celui-ci. Enfin, le besoin d’autonomie concerne le
7
sentiment d’être libre et d’avoir le choix de réaliser une activité ainsi que d’être à l’origine de
son comportement (Deci & Ryan, 2008a). En accord avec deCharms (1968), ce besoin se réfère
au désir qu’a l’individu de se sentir l’agent causal de son comportement, plutôt qu’un « pion »
contrôlé par des forces externes. Un élève dont le besoin d’autonomie est satisfait, peut, par
exemple, décider librement de la manière dont il va résoudre un exercice, il peut exprimer ses
opinions et ses idées.
1.2 Les différentes régulations motivationnelles
De nombreuses théories de la motivation considèrent la motivation d’un point de vue
strictement quantitatif, envisageant uniquement la quantité de motivation qui est déployée par
l’individu (e.g., Bandura, 1997). Selon ces approches, plus l’individu est motivé, plus sa
motivation est accrue, et plus les conséquences qui en découlent seront positives. La théorie de
l’autodétermination, au contraire, envisage la motivation comme un concept
multidimensionnel, ne variant pas seulement de manière quantitative, mais également de
manière qualitative (Guay et al., 2008). La théorie de l’autodétermination reconnait, ainsi, qu’il
existe plusieurs types de régulations motivationnelles et que celles-ci mènent à des
conséquences affectives, cognitives et comportementales différentes (Vallerand et al., 2008).
Ces types de régulations motivationnelles sont ordonnées sur un continuum
d’autodétermination (voir Figure 1). L’autodétermination se réfère au degré auquel un individu
se considère comme étant à l’origine de son comportement (Pelletier & Vallerand, 1993). Plus
la motivation de l’individu est autodéterminée, plus il réalisera un comportement par choix et
de manière spontanée ; à l’inverse, moins sa motivation est autodéterminée, plus il effectuera
un comportement en réponse à des pressions internes ou externes (Deci & Ryan, 2008b).
8
La théorie de l’autodétermination fait la distinction entre trois grandes catégories de
motivation : la motivation intrinsèque, la motivation extrinsèque, et l’amotivation.
La motivation intrinsèque est le type de motivation la plus autodéterminée. Elle
intervient lorsque l’individu réalise une activité pour la satisfaction et le plaisir qu’elle lui
procure. L’activité est réalisée pour ses caractéristiques intrinsèques et non pour une
quelconque conséquence qui en résulte (Deci & Ryan, 2000). Lorsqu’un individu est
intrinsèquement motivé, il se sent à l’origine du comportement qu’il effectue (DeCharms,
1968). Cette motivation est typiquement celle qui nous anime lorsque nous pratiquons nos
hobbies, mais elle peut également être observée pour les activités scolaires. Une élève motivée
de manière intrinsèque fera, par exemple, ses devoirs en mathématiques parce qu’elle trouve
cette matière intéressante, parce qu’elle éprouve du plaisir à comprendre cette matière, ou pour
la satisfaction qu’elle retire lorsqu’elle arrive à résoudre un problème mathématique. Trois
types de motivation intrinsèque ont été proposés : la motivation intrinsèque à la stimulation, à
la connaissance et à l’accomplissement (Carbonneau et al., 2012; Vallerand, 1997). La
motivation intrinsèque à la stimulation est observée lorsque l’individu réalise une activité pour
les sensations plaisantes qu’elle procure, comme le plaisir sensoriel ou esthétique. Un élève
avec ce type de motivation s’engagera, par exemple, dans les cours d’éducation physique pour
le sentiment de bien-être qu’il éprouve en pratiquant du sport. La motivation intrinsèque à la
connaissance se réfère aux activités qui sont effectuées pour le plaisir et la satisfaction de
comprendre et d’apprendre de nouvelles choses. Un étudiant avec une telle motivation fera, par
exemple, des études universitaires parce qu’il éprouve du plaisir à acquérir de nouvelles
connaissances. Finalement, la motivation intrinsèque à l’accomplissement est présente lorsque
l’individu réalise une activité pour le plaisir et la satisfaction de se surpasser et de relever des
défis ou pour le plaisir de créer quelque chose. L’élève régulé par cette motivation prendra du
plaisir à résoudre des problèmes arithmétiques pour le challenge que cela représente.
9
A l’inverse, la motivation extrinsèque implique que l’individu réalise une activité pour
des raisons instrumentales. Ce ne sont pas les caractéristiques inhérentes à l’activité qui régulent
le comportement de l’individu, mais les conséquences qui en découlent. L’individu motivé de
manière extrinsèque va s’engager dans un comportement afin d’obtenir quelque chose de
plaisant ou d’éviter quelque chose de déplaisant (Deci & Ryan, 1985). Les exemples de
comportements extrinsèquement motivés les plus classiques sont ceux qui sont guidés par
l’obtention d’une récompense ou par l’évitement d’une punition.
Deci et Ryan (1985) ont mis en évidence l’existence de différents types de régulations
extrinsèques qui varient selon leur niveau d’autodétermination et qui sont plus ou moins
intériorisés au système de valeur de l’individu. L’intériorisation est le processus par lequel
l’individu va assimiler les valeurs, les croyances, les demandes externes ou les régulations
comportementales (Ryan et al., 1985). La SDT considère le processus d’intériorisation comme
une tendance naturelle ou un don chez l’être humain, mais précise également que ce processus
est dépendant de la satisfaction des besoins psychologiques fondamentaux (Deci & Ryan,
2008a). Ainsi, plus l’environnement social va soutenir les besoins psychologiques de l’individu,
plus le processus d’intériorisation sera efficace, et plus la motivation sera autodéterminée.
Quatre motivations extrinsèques ont été proposées de la moins autodéterminée à la plus
autodéterminée : la régulation externe, introjectée, identifiée et intégrée.
La régulation externe fait référence aux comportements dictés par des contingences
externes. L’individu réalise un comportement afin d’obtenir une récompense, d’éviter une
punition ou parce qu’il y est contraint (Vansteenkiste et al., 2006). Les contingences ou les
raisons qui incitent l’individu à adopter un comportement ne sont pas du tout intériorisées
(Vansteenkiste et al., 2006). Un élève avec une régulation externe va, par exemple, faire ses
devoirs de français parce qu’il a envie d’obtenir une bonne note à son examen, ou parce qu’il a
10
envie de faire plaisir à des personnes qui comptent pour lui comme ses parents ou son
professeur.
La régulation introjectée correspond à un premier niveau d’intériorisation. L’individu
commence à intérioriser les contingences externes ou les demandes, mais il ne les accepte pas
totalement, elles sont alors vécues comme une pression interne (Sarrazin et al., 2011). Dans
cette régulation, le comportement est ainsi dirigé par des pressions internes qui visent à
maintenir une bonne estime de soi (Ryan & Deci, 2000a). L’individu va se comporter de
manière à ressentir de la fierté, à valoriser son égo ou afin d’éviter d’éprouver de la culpabilité,
de la honte ou de l’anxiété. Récemment, Assor et al. (2009) ont proposé de distinguer deux
types de régulation introjectée : la régulation introjectée d’approche (ou positive) et la
régulation introjectée d’évitement (ou négative). La régulation introjectée d’approche se réfère
aux comportements réalisés dans le but de maintenir ou d’augmenter l’estime de soi. Une élève
motivée par une telle régulation va travailler à l’école afin d’être fière d’elle-même. La
régulation introjectée d’évitement, quant à elle, désigne les comportements visant à éviter la
perte d’estime de soi. L’élève ayant cette régulation, va, par exemple, faire ses devoirs afin
d’éviter d’éprouver de la honte ou de la culpabilité s’il ne les faisait pas. Comme la régulation
introjectée d’évitement concerne les expériences plutôt négatives et indésirables, Assor et al.
(2009) considèrent que cette régulation est vécue comme plus contrôlante et est moins
autodéterminée (autonome) que la régulation introjectée d’approche. Nous pouvons noter que
cette distinction entre l’approche et l’évitement a également été proposée pour la régulation
externe par Chanal et al. (2019) dans leur échelle de motivation académique. La régulation
externe d’approche est, par exemple, observée lorsqu’un élève réalise un comportement pour
les conséquences positives qui en découlent telles qu’obtenir une bonne note ou faire plaisir
aux autres. La régulation externe d’évitement, pour sa part, se réfère aux comportements que
11
l’élève réalise afin d’éviter des conséquences négatives comme une mauvaise note ou la
déception de l’enseignant.
La régulation identifiée constitue un deuxième niveau d’intériorisation des demandes
ou des valeurs. Dans la régulation identifiée, l’individu reconnait et accepte la valeur d’un
comportement, car il en a saisi l’intérêt et l’importance pour lui-même (Deci & Ryan, 2000).
Un élève motivé de manière identifiée va travailler à l’école, car il a compris que l’école était
quelque chose d’important pour son avenir : pour suivre une formation qui lui plait et effectuer
le travail dont il rêve. L’individu s’engage dans l’activité parce qu’il a choisi de le faire, mais
cet engagement reste instrumental (Pelletier & Vallerand, 1993). Dans l’exemple donné, l’élève
va travailler à l’école pour son avenir professionnel et non pour le plaisir inhérent à l’école.
La régulation intégrée est le type de régulation extrinsèque la plus autodéterminée et
représente une intériorisation complète des demandes et des valeurs. Lorsque la régulation est
intégrée, l’individu a saisi l’importance d’un comportement et l’a également intégré à son
système de valeurs et à son identité (Ryan & Deci, 2002). L’individu effectue une activité de
manière spontanée, car celle-ci est en adéquation avec ses valeurs, ses objectifs et sa
personnalité. Un élève motivé de manière intégrée participera au cours d’éducation physique,
car il se considère comme un « sportif » ou parce que le sport fait partie des valeurs qui sont
très importantes pour lui.
Finalement, Deci et Ryan (2017) définissent l’amotivation comme un état marqué par
une absence de motivation et d’intention. L’amotivation est observée lorsqu’un individu
considère qu’un comportement est dénué de sens ou lorsqu’il n’en saisit pas sa valeur ou les
résultats qui pourraient en découler. Dans cette motivation, l’individu n’arrive pas à lier
l’activité à ce qu’elle pourrait lui apporter. Il a l’impression que ses comportements résultent
de facteurs indépendants de sa volonté (Pelletier & Vallerand, 1993). Un élève amotivé fera,
par exemple, ses devoirs sans trop savoir pourquoi il les fait.
12
Récemment, la distinction entre la motivation autonome et la motivation contrôlée a
remplacé celle concernant la motivation intrinsèque et la motivation extrinsèque. La motivation
autonome, qui comprend la motivation intrinsèque et les régulations intégrée et identifiée,
caractérise les comportements réalisés par choix et de manière volontaire. A l’inverse, la
motivation contrôlée, qui comprend les régulations externe et introjectée, caractérise les
comportements qui sont contraints par des pressions externes, pour la régulation externe, et par
des pressions internes pour la régulation introjectée.
Figure 1
Les types de motivations et de régulations de la théorie de l’autodétermination (adapté de
Sarrazin et al., 2011)
Plusieurs échelles ont été développées afin de mesurer les régulations motivationnelles
dans différents contextes et domaines d’activités (pour une revue des différentes échelles de
motivation, voir Gagné, Chemolli, et al., 2015). En raison de la nature multidimensionnelle de
la motivation, les travaux réalisés dans le cadre de la SDT ont opérationnalisé la motivation
déployée par l’individu de différentes manières. La première méthode d’opérationnalisation de
la motivation consiste à considérer les différents types de régulations motivationnelles
séparément en utilisant les sous-échelles comme des variables distinctes. La deuxième méthode
13
d’opérationnalisation consiste à créer des scores composites sur la base des mesures des
différentes régulations. En accord avec la distinction qui a récemment été établie entre
motivation autonome et contrôlée, certains auteurs ont considéré ces deux catégories de
motivation, en créant un score composite de motivation autonome et un score composite de
motivation contrôlée. Le score de motivation autonome se calcule, par exemple, en faisant la
moyenne des scores obtenus aux sous-échelles mesurant la motivation intrinsèque et la
régulation identifiée, et parfois ceux obtenus à la régulation intégrée. Le score de motivation
contrôlée s’établit, quant à lui, sur la moyenne des scores obtenus aux sous-échelles évaluant
les régulations introjectée et externe. D’autres auteurs ne considèrent qu’un seul score
composite de motivation, appelé index ou indice d’autonomie relative (i.e., relative autonomy
index, RAI). Cet indice est obtenu en pondérant les scores obtenus aux sous-échelles des
différentes régulations selon leur position supposée sur le continuum d’autodétermination
proposé par la SDT, puis en soustrayant les types de motivation contrôlée aux types de
motivation autonome. A titre d’illustration, une des formules les plus utilisées pour calculer le
RAI est la suivante : 2*(intrinsèque) + 1*(identifié) - 1*(introjectée) - 2*(externe) (Grolnick &
Ryan, 1989). Ainsi, plus le score obtenu au RAI est élevé, plus le niveau d’autodétermination
de la motivation est élevé.
1.3 Le modèle hiérarchique de la motivation intrinsèque et
extrinsèque
Le modèle hiérarchique de la motivation intrinsèque et extrinsèque (HMIEM ;
Vallerand, 1997) a été développé avec comme ambition de proposer un cadre théorique
pertinent à la compréhension des déterminants et des conséquences de la motivation à différents
niveaux de généralité.
14
Le premier postulat du modèle HMIEM propose d’envisager l’existence des trois
catégories de motivation décrites par la SDT à trois niveaux de généralité (voir Figure 2). Au
sommet de la hiérarchie se situe le niveau global. La motivation globale correspond à
l’orientation motivationnelle générale selon laquelle l’individu interagit avec son
environnement (Vallerand & Miquelon, 2008). L’individu peut ainsi s’engager dans les
activités selon un mode intrinsèque, extrinsèque ou amotivé. La motivation globale correspond
aux différences interindividuelles qui sont relativement stables (Vallerand, 1997). En ce sens,
elle peut être vue comme une caractéristique de la personnalité. Un individu qui, par exemple,
fait généralement les choses par plaisir présente une motivation globale intrinsèque.
Le deuxième niveau hiérarchique se réfère à la motivation contextuelle. Cette
motivation correspond aux tendances motivationnelles (i.e., intrinsèque, extrinsèque, ou
amotivée) plus ou moins stables qui régulent le comportement d’un individu dans un contexte
de vie précis (Vallerand, 2000). Les différents contextes de vie ou domaines d’activités qui
apparaissent comme les plus importants sont l’éducation (ou le travail selon l’âge des
individus), les loisirs, le sport, et les relations interpersonnelles (e.g., Blais et al., 1990). Comme
la motivation contextuelle d’un individu peut être très différente d’un contexte de vie à l’autre
(Graef et al., 1983) et qu’elle est également postulée comme plus sujette aux variations que la
motivation globale, la prise en considération de ce niveau permet de réaliser des prédictions
plus précises sur le comportement de l’individu (Vallerand, 1997).
Enfin, au niveau inférieur de la hiérarchie, se situe la motivation situationnelle. Cette
motivation régule le comportement de l’individu lorsqu’il est en train de pratiquer une activité
(Vallerand, 2000). La motivation situationnelle est considérée comme « un état motivationnel
et non une caractéristique individuelle stable » et correspond donc à « l’ici et maintenant » de
la motivation (Vallerand & Miquelon, 2008, p. 171).
15
Figure 2
Modèle HMIEM (adapté de Vallerand & Miquelon, 2008)
Note. MI = motivation intrinsèque ; ME = motivation extrinsèque ; AM = amotivation.
Le deuxième postulat du modèle HMIEM propose de considérer que la motivation à un
niveau de généralité donné est influencée à la fois par des facteurs sociaux à ce même niveau
et par la motivation d’un niveau hiérarchique différent (Vallerand, 1997).
Les facteurs sociaux désignent les facteurs humains et non humains qui se retrouvent
dans l’environnement social et qui peuvent être globaux, contextuels et situationnels (voir
Figure 2). Les facteurs globaux font référence aux facteurs sociaux qui sont omniprésents dans
l’ensemble des différents aspects de vie de la personne (Vallerand, 1997). Il peut s’agir de
l’ambiance qui règne dans les centres de formation sportive pour les athlètes (Vallerand &
Grouzet, 2001), le comportement des parents envers leur jeune enfant, ou encore le niveau
d’autonomie accordé par la maison de retraite pour les personnes âgées (Vallerand & Miquelon,
2016). Les facteurs contextuels correspondent aux facteurs sociaux qui sont présents dans un
16
contexte de vie spécifique, mais pas dans un autre (Vallerand, 1997). Dans les différents
domaines d’activités, un des facteurs contextuels qui a été particulièrement étudié est le style
de l’intervenant (style soutenant l’autonomie vs style contrôlant) qu’il soit enseignant,
entraineur sportif ou encore superviseur dans un contexte professionnel (Vallerand &
Miquelon, 2008). Enfin, les facteurs sociaux situationnels se réfèrent aux variables présentes à
un moment précis, mais qui ne perdurent pas dans le temps (Vallerand, 1997). Le feedback
positif qu’un élève reçoit sur sa performance lors de la réalisation d’un exercice de
mathématiques est un exemple de facteur situationnel. Le modèle HMIEM postule que ces
facteurs sociaux influencent plus fortement la motivation du niveau hiérarchique correspondant
(Vallerand & Miquelon, 2008).
Le modèle HMIEM postule que l’influence des facteurs sociaux sur les différentes
motivations est médiée par les perceptions personnelles de compétence, d’autonomie et
d’affiliation (Vallerand, 1997). Ces trois perceptions reflètent les trois besoins psychologiques
fondamentaux que les individus cherchent à satisfaire et qui sont décrits dans la SDT
(Vallerand, 2000). En accord avec la SDT, les facteurs sociaux qui favorisent la satisfaction des
besoins de compétence, d’autonomie et d’affiliation vont mener aux formes de motivations les
plus autodéterminées. A l’inverse, lorsque les facteurs sociaux entravent la satisfaction de ces
trois besoins, le comportement sera régulé par les types de motivations les moins
autodéterminées. Le rôle médiateur des besoins psychologiques dans la relation entre les
facteurs sociaux et les motivations est postulé par le modèle HMIEM comme existant aux trois
niveaux de la hiérarchie (Vallerand, 1997).
En plus des facteurs sociaux, le modèle HMIEM postule que la motivation à un niveau
donné est également influencée par la motivation d’un niveau supérieur ou inférieur. L’effet
top-down ou effet descendant fait référence à l’influence des motivations d’un niveau supérieur
sur celles qui sont situées au niveau inférieur (Vallerand, 2000). Plus précisément, le modèle
17
HMIEM postule que la motivation à un niveau proximal supérieur a un effet plus important sur
la motivation qui est située directement au niveau inférieur qu’à un niveau distal (Vallerand,
2000). Le modèle HMIEM postule également l’existence d’un effet bottom-up ou effet
ascendant, qui rend compte des influences que la motivation au niveau inférieur a, avec le
temps, sur la motivation située au niveau proximal supérieur (Vallerand & Miquelon, 2008).
Cet effet permet ainsi d’expliquer les changements motivationnels qui peuvent avoir lieu avec
le temps (Vallerand, 1997).
Finalement, le troisième postulat du modèle HMIEM est qu’il reconnait que les
motivations produisent des conséquences importantes et cela aux trois niveaux de généralité
(Vallerand, 1997). Ces conséquences peuvent être de nature cognitive (e.g., attention,
mémoire), affective (e.g., émotion, plaisir, satisfaction) et comportementale (e.g., persistance,
performance) (Vallerand & Miquelon, 2008). Le modèle HMIEM postule que les relations
unissant les différents types de motivation et leurs conséquences sont à étudier en considérant
le continuum d’autodétermination décrit dans la SDT. Plus spécifiquement, en accord avec la
SDT, les motivations les plus autodéterminées sont supposées mener aux conséquences les plus
positives (Vallerand, 1997).
2 Les conséquences comportementales, affectives et
cognitives de la motivation
Cette partie est un extrait tiré de l’article « Motivation autodéterminée, conséquences
motivationnelles et hypothèse de spécificité en contexte scolaire : état des lieux, implications et
perspectives » publié dans la revue pédagogique française (Paumier & Chanal, 2018) et qui
est le premier article de cette thèse (voir Annexe).
Cette partie a été complétée avec de nouvelles références publiées entre 2018 et février
2022, ces parties mises à jour sont en italique et font suite au texte original.
18
Afin de servir notre propos, nous présenterons les résultats des recherches en les
distinguant selon l’opérationnalisation de la motivation choisie par les auteurs et selon le niveau
de généralité considéré. Concernant l’opérationnalisation de la motivation, nous avons vu que
les auteurs peuvent considérer séparément les différentes régulations proposées par la SDT,
utiliser des scores composites de motivation autonome et de motivation contrôlée, ou n’utiliser
qu’un seul score composite (i.e., index d’autonomie relative, RAI). En ce qui concerne le niveau
de généralité considéré dans les études, nous nous intéresserons au niveau contextuel qui, en
accord avec le modèle HMIEM de Vallerand (1997), correspond à la motivation que les élèves
manifestent envers l’école. Nous nous intéresserons également à la motivation déployée par les
élèves envers différentes matières scolaires. La motivation envers les matières scolaires se
situant à un niveau de généralité inférieur au domaine de l’école, ou dit autrement, les matières
scolaires étant un domaine plus précis que l’école, nous considérerons la motivation envers les
matières scolaires comme relevant du niveau situationnel. Etant donné le nombre important de
publications disponibles, cette section ne peut être complètement exhaustive et sera centrée sur
les travaux relatifs aux conséquences concernant particulièrement l’apprentissage et la scolarité
de l’élève.
2.1 Les conséquences comportementales de la motivation
2.1.1 Les études utilisant un score composite
Au niveau contextuel, plusieurs études, ayant considéré les régulations motivationnelles
en un score composite unique (i.e., index d’autonomie relative), ont montré que plus les élèves
étaient motivés de manière autonome, plus leurs notes étaient élevées (Fortier et al., 1995;
Grolnick et al., 1991; Guay & Vallerand, 1997; Kusurkar, ten Cate, et al., 2013; Ratelle et al.,
2005), plus leurs intentions de continuer les études étaient fortes (Hardre & Reeve, 2003) et
plus ils déployaient une grande persévérance scolaire (Ratelle et al., 2005). Les études ayant
considéré comme scores composites la motivation autonome (MA) et la motivation contrôlée
19
(MC), ont confirmé l’impact positif de la MA sur la réussite académique (Brunet et al., 2015;
Kusurkar, ten Cate, et al., 2013; Litalien et al., 2015). Des liens négatifs ont également été mis
en évidence entre la MC et la réussite dans les études de Brunet et al. (2015) et de Litalien et
al. (2015), mais pas dans celle de Kusurkar et al. (2013). Concernant la persévérance scolaire,
l’étude de Litalien et al. (2015) a montré que les intentions d’arrêter les études doctorales étaient
reliées négativement à la MA et positivement à la MC.
Au niveau situationnel, les études ayant utilisé un score composite unique, ont montré
qu’une plus grande motivation autodéterminée était associée positivement aux notes en chimie
(Black & Deci, 2000) et à l’intention de persévérer dans les cours de sciences (Lavigne et al.,
2007). L’étude de De Naeghel et al. (2012), qui a considéré séparément la MA et la MC, a
confirmé que la performance en lecture était associée positivement à la MA et négativement à
la MC envers la lecture. Finalement, l’étude de Vansteenkiste et al. (2005) a montré que la MC
envers l’anglais était reliée positivement à l’abandon des cours d’anglais, mais aucun lien
significatif n’a été trouvé pour la MA.
Mise à jour : Botnaru et al. (2021) ont montré que la MA prédisait positivement les
notes et le temps passé à étudier dans plusieurs matières scientifiques (i.e., chimie générale,
chimie organique et physiologie et anatomie). Ces résultats ont été corroborés par Claver et
al. (2020) dans le domaine de l’éducation physique, montrant que la MA était associée
positivement aux performances physiques. En revanche, dans l’étude de Botnaru et al. (2021),
la MC prédisait négativement les notes, mais positivement la participation aux cours et le temps
passé à étudier. Jeno et al. (2018) ont également montré que la MA prédisait positivement les
notes en biologie, mais aucun lien significatif n’a été démontré pour la MC. Ces auteurs ont
également montré que l’intention d’abandonner les cours était prédite négativement par la MA
et positivement par la MC.
20
2.1.2 Les études utilisant les régulations motivationnelles séparément
Au niveau contextuel, la méta-analyse de Taylor et al. (2014, étude 1) a confirmé que la
réussite académique était liée positivement aux différents types de motivation autonome (i.e.,
intrinsèque et identifiée) et négativement aux différentes formes de motivation contrôlée (i.e.,
introjectée et externe). Ces résultats ont été corroborés par Litalien et al. (2015), qui ont
également montré que les performances académiques corrélaient positivement avec la
régulation intégrée. Cependant, certaines études ont mis en évidence une absence de liens entre
les notes et toutes les régulations motivationnelles envisagées qu’elles soient autonomes ou
contrôlées (Cokley et al., 2001; Fairchild et al., 2005). Notons également, qu’au contraire des
prédictions formulées par la SDT, une recherche a trouvé un lien positif entre la régulation
externe et la réussite académique (Taylor et al., 2014, étude 4). De manière générale, la
persévérance scolaire a, quant à elle, été associée positivement aux différents types de
motivation autonome, mais étonnamment, dans certaines études, elle est également liée
positivement aux régulations introjectée et externe. Ainsi, l’étude de Vallerand et al. (Vallerand
et al., 1997) a montré que les élèves ayant abandonné l’école avaient des niveaux de motivation
intrinsèque, identifiée et introjectée significativement plus bas que les élèves ayant persévéré
dans leurs études. Ces résultats ont été confirmés par Blanchard et al. (2004) qui ont trouvé que
les régulations intrinsèque, identifiée et introjectée étaient reliées négativement avec
l’absentéisme et les intentions de décrochage scolaire. L’étude de Otis et al. (2005) a, pour sa
part, mis en évidence des liens négatifs entre la régulation externe et les intentions d’abandon
scolaire chez des élèves de 9 et 10e années mais pas chez les élèves de 8e.
Mise à jour : Concernant la réussite académique, la méta-analyse de Howard et al.
(2021) et l’étude de Orsini et al. (2019) ont corroboré les résultats obtenus par Taylor et al.
(2014, étude 1) et Litalien et al. (2015) montrant des liens positifs unissant la motivation
intrinsèque et la régulation identifiée avec les notes, cependant, ces deux études récentes ont
21
mis en évidence une absence de lien pour les régulations introjectée et externe. Dans l’étude
de Breva et Galindo (2020), seule la motivation intrinsèque était reliée significativement et
positivement aux notes. Howard et al. (2021) ont également étudié les liens entre différentes
variables relatives à la persistance (e.g., efforts, intention de continuer les études, engagement)
et les différentes régulations motivationnelles. Leurs résultats ont montré que la motivation
intrinsèque et la régulation identifiée étaient reliées positivement à tous les indicateurs de
persistance, alors qu’aucun lien significatif n’a été trouvé pour la régulation externe. La
régulation introjectée était, quant à elle, liée positivement aux efforts, à l’engagement et à
l’intention de réviser, mais n’était pas reliée avec l’intention de continuer ou d’abandonner les
études. Notons que Breva et Galindo (2020) ont montré qu’aucune régulation motivationnelle
n’était reliée à l’abandon des études universitaires.
Au niveau situationnel, comme au niveau contextuel, les études n’ont pas toutes abouti
à des résultats concordants. Cependant, si au niveau contextuel des liens contraires à ceux
prédits par la SDT ont été mis en évidence, ce n’est pas le cas au niveau situationnel. Quelques
études montrent néanmoins que certaines régulations ne sont pas reliées significativement à la
réussite et à la persévérance scolaire. Ainsi, en ce qui concerne la réussite scolaire, l’étude de
Leroy et Bressoux (2016) a montré que les notes en mathématiques étaient reliées positivement
aux régulations intrinsèque et identifiée et négativement à la régulation externe envers les
mathématiques. Cependant, ces auteurs n’ont pas trouvé de relation significative entre la
régulation introjectée et les notes en mathématiques. Dans l’étude de Noels et al. (2001),
réalisée avec des adultes apprenant une seconde langue, des liens positifs ont également été
observés entre les notes en anglais et la motivation intrinsèque envers l’anglais mais aucun lien
n’a été trouvé entre les notes et les régulations identifiée, introjectée et externe. Finalement,
certaines études, également réalisées dans le cadre de l’apprentissage d’une seconde langue, ont
montré une absence de liens significatifs entre les différents types de régulations et les notes
22
(McEown et al., 2014; Noels et al., 1999). Concernant la persévérance, l’étude de Noels et al.
(2001) a mis en évidence que les régulations intrinsèque et identifiée envers l’anglais corrélaient
positivement avec l’intention de poursuivre l’apprentissage de l’anglais, mais aucun lien
significatif n’a été trouvé pour les régulations introjectée et externe. Lavigne et al. (2007) ont,
quant à eux, étudié les liens entre la motivation envers les cours de sciences et les intentions de
persévérer dans les cours de sciences et dans les études scientifiques. Leurs résultats ont montré
que les élèves qui avaient des intentions élevées de persévérer dans les cours de sciences,
avaient des niveaux plus élevés de motivation intrinsèque et identifiée, et des niveaux plus
faibles de régulation introjectée, par rapport aux élèves ayant peu d’intention de persister dans
ces cours. Ainsi, alors qu’au niveau contextuel, des niveaux plus faibles de régulation
introjectée caractérisent les élèves ayant abandonné l’école ; au niveau situationnel, ils
caractérisent ceux qui ont l’intention de persévérer dans leurs cours de sciences. Finalement,
Vallerand et Bissonnette (1990), ont étudié les liens entre les différentes régulations
motivationnelles évaluées au niveau contextuel (i.e., envers l’école) et la persévérance au
niveau situationnel (i.e., dans les cours de français). Leurs résultats ont indiqué que les élèves
ayant décroché des cours de français avaient des niveaux de motivation intrinsèque, identifiée
et intégrée significativement plus bas que les élèves ayant persévéré. Cependant, aucune
différence n’a été trouvée pour les régulations introjectée et externe entre ces deux groupes
d’élèves.
Mise à jour : Concernant la réussite académique, l’étude de Lohbeck (2018) a
corroboré les résultats obtenus par Leroy et Bressoux (2016) montrant des liens positifs et
significatifs entre les régulations intrinsèque, intégrée et identifiée et les notes en
mathématiques, des liens négatifs entre la régulation externe et les notes, et une absence de
relation significative pour la régulation introjectée.
23
2.2 Les conséquences affectives de la motivation
Au niveau contextuel, les résultats des études, ayant utilisé un score composite unique,
ont montré que plus les élèves étaient motivés de manière autonome, plus leur bien-être était
élevé (Levesque et al., 2004) et plus ils expérimentaient des émotions positives comme de la
curiosité envers les activités scolaires (Miserandino, 1996). A l’inverse, les élèves motivés de
manière externalisée ressentaient plus d’anxiété, de colère et d’ennui dans les activités scolaires
que les élèves motivés de manière autonome (Miserandino, 1996). Les études, ayant considéré
séparément la MA et la MC, ont confirmé les effets positifs de la MA et les effets négatifs de
la MC sur différentes conséquences affectives. En effet, l’étude de Brunet et al. (2015, étude 2)
a montré que la MA était associée positivement à la satisfaction de vie et aux émotions de joie
et d’espoir, alors que la MC était liée négativement à la satisfaction de vie et positivement à
l’anxiété. Les résultats de Litalien et al. (2015), quant à eux, ont indiqué que la MA était reliée
positivement aux affects positifs et à la satisfaction envers les études et négativement aux affects
négatifs et à l’anxiété, alors que la MC était liée négativement aux affects positifs et à la
satisfaction envers les études et positivement aux affects négatifs et à l’anxiété.
Au niveau situationnel, Black et Deci (2000), qui ont considéré la motivation en un score
composite unique, ont confirmé l’impact positif de la motivation autonome sur différents
affects. Ces auteurs ont, en effet, montré que les étudiants ayant des raisons autonomes à aller
dans un cours de chimie, ressentaient plus de plaisir et moins d’anxiété durant le cours. A notre
connaissance, aucune étude ne s’est intéressée aux conséquences affectives des MA et MC
considérées comme deux catégories distinctes.
Au niveau contextuel, les études ont confirmé que les régulations autonomes (i.e.,
intrinsèque et identifiée) étaient associées aux conséquences affectives les plus positives et que
24
les régulations contrôlées (i.e., introjectée et externe) étaient reliées aux conséquences
émotionnelles négatives (e.g., Litalien et al., 2015). Cependant, la régulation introjectée, est
dans différentes études associée positivement à des conséquences positives, comme c’est le cas
pour les motivations autonomes, ce qui va à l’encontre des postulats de la SDT. Ainsi, la
régulation introjectée était reliée positivement au plaisir ressenti dans les activités scolaires
(Ryan & Connell, 1989) et aux émotions positives (Bailey & Phillips, 2016; Vallerand et al.,
1989). Assor et al. (2009) ont, quant à eux, distingué deux types de régulation introjectée (i.e.,
approche et évitement) et ont montré qu’elles avaient des effets différenciés sur différentes
variables. En effet, la régulation introjectée approche était liée positivement aux affects positifs
et ceci plus souvent que la régulation introjectée évitement.
Mise à jour : La méta-analyse de Howard et al. (2021) a confirmé que les motivations
autonomes (i.e., intrinsèque et identifiée) étaient reliées positivement à différents indicateurs
du bien-être (i.e.., émotions positives, satisfaction, plaisir, vitalité), et négativement aux
émotions négatives, à l’anxiété et à l’ennui. Comme dans les études de Ryan et Connell (1989),
Bailey et Philips (2016), et Vallerand et al. (1989), la régulation introjectée était liée
positivement à des conséquences affectives négatives (i.e., émotions négatives, anxiété), mais
également positivement à des conséquences affectives positives (i.e., émotions positives,
vitalité, plaisir). Finalement, la régulation externe était reliée positivement à l’anxiété et aux
émotions négatives et négativement à la vitalité. Breva et Galindo (2020) ont également montré
que la motivation intrinsèque, les régulations identifiée et introjectée étaient reliées
positivement aux émotions positives et à la satisfaction académique. Les régulations introjectée
et externes, mais également la régulation identifiée étaient, quant à elles, liées positivement aux
émotions négatives.
Au niveau situationnel, l’étude de Noels et al. (1999) a mis en évidence des liens
significatifs et négatifs entre l’anxiété ressentie lors des cours d’apprentissage d’une seconde
25
langue (i.e., français) et les régulations intrinsèque et identifiée envers le français, alors que les
liens avec les régulations introjectée et externe n’étaient pas significatifs.
2.3 Les conséquences cognitives de la motivation
Au niveau contextuel, l’étude de Kusurkar et al. (2013), ayant opérationnalisé la
motivation en un score composite unique, a mis en évidence que plus les étudiants étaient
motivés de façon autonome envers leurs études en médecine, meilleures étaient leurs stratégies
d’apprentissage (i.e., plus de traitement en profondeur du contenu des cours que de traitement
superficiel). Les recherches ayant considéré la MA et la MC comme des catégories distinctes,
ont confirmé les liens positifs entre la MA et les stratégies d’apprentissage optimales déployées
durant les études universitaires (Kusurkar, ten Cate, et al., 2013; Michou et al., 2014).
Cependant, alors que l’étude de Michou et al. (2014) a mis en évidence des liens négatifs entre
les stratégies optimales et la MC, celle de Kusurkar et al. (2013) n’a trouvé aucun lien
significatif.
Au niveau situationnel, l’étude de Vansteenkiste et al. (2005) a montré que plus les
élèves avaient un score d’autonomie relative élevé, plus ils utilisaient des stratégies optimales
dans l’apprentissage d’une seconde langue. Grolnick et Ryan (1987) ont, quant à eux, trouvé
un lien positif entre le score d’autonomie relative envers l’école (i.e., niveau contextuel) et
l’apprentissage conceptuel lors d’une tâche de lecture (i.e., niveau situationnel), cependant
aucun lien significatif n’a été trouvé pour l’apprentissage par cœur. Les études ayant considéré
la MA et la MC comme des catégories distinctes, confirment les liens positifs entre les stratégies
d’apprentissage optimales et la MA (Vansteenkiste et al., 2004, études 1 et 2, 2005, étude 1).
Notons également que Vansteenkiste et al. (2005, étude 1) ont mis en évidence que la MC était
liée négativement aux stratégies optimales dans l’apprentissage d’une seconde langue, et que
26
Vansteenkiste et al. (2004, études 1 et 2) ont, pour leur part, montré que la MA était associée
négativement au traitement superficiel lors d’une tâche d’apprentissage d’un texte.
Au niveau contextuel, les résultats de l’étude de Yamauchi et Miki (2003) ont montré
que les motivations intrinsèque et identifiée prédisaient significativement le traitement profond
de l’information. Le traitement superficiel, quant à lui, était prédit négativement par la
motivation intrinsèque et positivement par la régulation externe. La régulation introjectée ne
prédisait aucune des deux stratégies de traitement de l’information. L’étude de De Bilde, et al.
(2011) a confirmé les liens positifs entre plusieurs stratégies d’apprentissage optimales et les
motivations intrinsèque et identifiée, ainsi que l’association négative avec la régulation externe.
Cependant, au contraire de l’étude de Yamauchi et Miki (2003), la régulation introjectée
corrélait positivement avec deux stratégies optimales sur les six étudiées.
Mise à jour : L’étude d’Orsini et al. (2019) a confirmé les liens positifs entre les
stratégies visant le traitement profond de l’information et la motivation intrinsèque et la
régulation identifiée. Cependant, la régulation introjectée était également associée
positivement au traitement profond de l’information, alors que le lien n’était pas significatif
pour la régulation externe. Le traitement superficiel de l’information était, quant à lui, relié
négativement à la motivation intrinsèque, et positivement aux régulations introjectée et externe.
A notre connaissance, aucune recherche n’a étudié les liens entre les différentes
régulations motivationnelles et les stratégies d’apprentissage au niveau situationnel.
2.4 En résumé
2.4.1 Les études au niveau contextuel
Considérons, tout d’abord, les recherches ayant étudié la motivation et ses conséquences
27
au niveau contextuel. Celles qui ont opérationnalisé la motivation en un score unique ont toutes
clairement démontré que plus les élèves étaient motivés de manière autonome, plus ils en
retiraient des conséquences positives, que ce soit en termes de réussite, de persévérance,
d’émotions positives ou d’utilisation de stratégies optimales dans les apprentissages.
Concernant les études ayant considéré la MA et la MC comme deux catégories distinctes, les
résultats ne sont pas aussi consistants que lorsque la motivation est opérationnalisée en un score
unique. Effectivement, bien que la plupart des études ait montré que la MA conduisait à des
conséquences académiques positives et la MC à des conséquences négatives, certaines
recherches n’ont pas pu mettre en évidence l’existence de liens significatifs pour la MC. Ainsi,
Kusurkar et al. (2013) ont démontré que la MC n’était ni reliée à la réussite académique ni aux
stratégies d’apprentissage optimales. Les études, s’étant intéressées aux conséquences des
régulations motivationnelles considérées séparément, ont également abouti à des résultats peu
consensuels. En effet, alors que de manière générale, les motivations intrinsèque et identifiée
ont été associées à différents conséquences positives, dans quelques études, ces liens n’étaient
pas significatifs (e.g., Cokley et al., 2001). De plus, bien que la plupart des auteurs aient montré
que les régulations introjectée et externe étaient reliées à différentes conséquences négatives,
une absence de lien significatif a également été constatée dans certains travaux (e.g., Fairchild
et al., 2005). Plus important encore, dans certaines études, des liens contraires à ceux prédits
par la SDT (Deci & Ryan, 1985) ont été observés pour ces deux types de motivation contrôlée.
Ainsi, la régulation introjectée a été associée positivement à la persévérance (Blanchard et al.,
2004; Vallerand et al., 1997) et à des affects positifs (Bailey & Phillips, 2016; Ryan & Connell,
1989; Vallerand et al., 1989). La régulation externe, quant à elle, a été associée positivement à
la réussite académique (Taylor et al., 2014, étude 4) et à la persévérance (Otis et al., 2005).
2.4.2 Les études au niveau situationnel
Comme pour les recherches réalisées au niveau contextuel, les liens entre la motivation
28
et ses conséquences évaluées au niveau situationnel semblent dépendre de l’opérationnalisation
de la motivation. En effet, comme mis en évidence au niveau contextuel, les études qui ont
considéré la motivation en un score composite unique ont également montré, au niveau
situationnel, que les élèves motivés de manière autonome vivaient les expériences scolaires les
plus positives. Les résultats des études, ayant opérationnalisé la MA et la MC en deux scores
distincts, ont confirmé que la MA était associée aux conséquences les plus positives, et que la
MC était, à l’inverse, associée aux conséquences les plus négatives. Notons, que si une absence
de lien significatif avait été mise en évidence, au niveau contextuel, entre différentes
conséquences et la MC ; au niveau situationnel, c’est entre la MA et la persévérance qu’aucune
relation significative n’a été trouvée. Les recherches ayant étudié les conséquences des
différentes régulations motivationnelles prises séparément, ont abouti, comme c’était le cas au
niveau contextuel, à des résultats plutôt nuancés, et ce particulièrement pour les différents types
de MC. Concernant les différentes formes de MA, à l’exception de deux études n’ayant pu
mettre de lien significatif en évidence (McEown et al., 2014; Noels et al., 1999), les recherches
ont confirmé que les régulations intrinsèque et identifiée étaient associées à des conséquences
affectives et comportementales positives. Mis à part une étude qui a trouvé un lien négatif entre
la réussite et la régulation externe, tous les travaux présentés dans cette section ont clairement
démontré une absence de lien significatif entre les deux types de MC (i.e., introjectée et externe)
et certaines conséquences affectives et comportementales.
2.4.3 Conclusion
En conclusion, il semble premièrement, que les liens existants entre les différentes
formes de motivation et leurs conséquences dépendent de l’opérationnalisation de la motivation
qui a été choisie. En effet, alors que les résultats des études ayant utilisé un score motivationnel
unique sont concordants et en accord avec les postulats de la SDT, lorsque les motivations sont
considérées avec un grain d’analyse plus précis (i.e., MA et MC, régulations prises séparément),
29
les résultats apparaissent plus nuancés et entrent parfois en contradiction avec les postulats
théoriques, mais également entre eux.
Deuxièmement, il apparaît que dans la littérature disponible, les auteurs n’ont évalué la
motivation et ses conséquences que dans un seul contexte ou dans une seule matière scolaire à
la fois. En effet, rares sont les études qui se sont ainsi intéressées aux liens entre la motivation
et ses conséquences à différents niveaux hiérarchiques (ou envers plusieurs matières scolaires
simultanément). Pourtant, comme nous venons de le voir, ces relations semblent également
dépendre du niveau hiérarchique qui est considéré.
3 Le rôle médiateur de la motivation dans la relation entre le
concept de soi et la réussite scolaire
3.1 Définition et modèles du concept de soi
Le concept de soi fait référence aux perceptions que l’individu a de lui-même.
Rosenberg (1979) le définit plus spécifiquement comme « la totalité des pensées et des
sentiments de l’individu ayant comme référence lui-même en tant qu’objet » (traduction libre,
p.7). Depuis plus d’un siècle, de nombreux chercheurs ont débattu sur sa nature et également
sur sa structure (e.g., Marsh et al., 2019). Plus particulièrement, les auteurs ont cherché à savoir
si le concept de soi était de nature unidimensionnelle ou multidimensionnelle et s’il était
structuré de manière hiérarchique. Jusque dans les années 70, la recherche sur le concept de soi
a été limitée par le manque de définition, d’instrument de mesure et de méthodologie (e.g.,
Shavelson et al., 1976). Pour remédier à ces limites, Shavelson et al. (1976) ont fait un
recensement des recherches et des instruments de mesure relatifs au concept de soi et ont
proposé un nouveau modèle théorique ainsi qu’une définition claire du concept de soi. Ils ont
ainsi intégré 17 définitions et ont défini le concept de soi comme « l’ensemble des perceptions
30
que l’individu à de lui-même et qui sont formées avec son environnement (…) et influencé
spécifiquement par les renforcements de l’environnement et des autrui significatifs »
(Shavelson et al., 1976, traduction libre, p. 411). Le modèle proposé par Shavelson et al. (1976)
considère le concept de soi dans une perspective hiérarchique et multidimensionnelle (voir
Figure 3). Au sommet de la hiérarchie, se situe le concept de soi général. Le concept de soi
général est scindé en 2 composantes de second ordre : le concept de soi académique et le
concept de soi non académique. Ces deux composantes sont également divisées en différentes
sous-composantes. Le concept de soi académique se divise en plusieurs dimensions propres aux
matières scolaires (e.g., concept de soi en mathématiques), et le concept de soi non académique
en composantes sociale, émotionnelle et physique.
Figure 3
Modèle de Shavelson et al. (1976), adapté de Shavelson et al. (1976)
A cette époque, Shavelson et al. (1976) n’ont pas pu tester empirement leur modèle par
manque d’outils de mesure appropriés. En 1985, cette limite est levée grâce au développement
du Self-Description Questionnaire, un questionnaire auto-rapporté, développé par Marsh et
Shavelson, permettant de mesurer le concept de soi basé sur le modèle de 1976 (Marsh et al.,
31
2019). Les travaux de Marsh et Shavelson (1985) ont abouti à une révision du modèle de 1976.
En effet, leurs résultats ont montré que le concept de soi en mathématiques était très peu corrélé
au concept de soi verbal, et que, par conséquent, un facteur unique de concept de soi académique
était inadéquat pour rendre compte de la nature multidimensionnelle du concept de soi. Marsh
et Shavelson (1985) ont donc révisé le modèle de 1976 en proposant de scinder le concept de
soi académique en deux composantes : une composante de concept de soi verbal et une
composante de concept de soi mathématique (Marsh et al., 2019) (voir Figure 4). Ce modèle
révisé postule également que les concepts de soi spécifiques aux différentes matières scolaires
sont situés sur un continuum allant des disciplines les plus « mathématiques » aux disciplines
les plus « verbales » (Marsh et al., 2017).
Figure 4
Modèle révisé de Marsh et Shavelson (1985), adapté de Marsh et al. (2017)
3.2 Multidimensionnalité et spécificité des concepts de soi
académiques
La nature multidimensionnelle du concept de soi, comme proposée dans les modèles de
1976 et 1985 a été démontrée par de nombreuses recherches dans différents domaines de la
32
psychologie, mais le soutien le plus fort a été apporté par les études réalisées dans le champ de
la psychologie de l’éducation (Marsh & Craven, 2006). Ainsi, dans le domaine scolaire, le
caractère multidimensionnel du concept de soi académique et la nature spécifique des concepts
de soi relatifs aux disciplines scolaires ont été supportés grâce à deux types de résultats. Tout
d’abord, une évidence en faveur de la spécificité a été obtenue en s’appuyant sur les corrélations
unissant les concepts de soi de différentes matières scolaires. Nous avons ainsi mentionné que
Marsh et Shavelson (1985) avaient montré que le concept de soi verbal et le concept de soi
mathématique étaient faiblement corrélés. Arens et al. (2021) ont étendu ces résultats en
mesurant les concepts de soi spécifiques à sept matières scolaires. Leurs résultats ont mis en
évidence une distinction claire entre les concepts de soi relatifs aux disciplines dites
mathématiques (i.e., mathématiques, physique, biologie et chimie) et ceux relatifs aux matières
dites verbales (i.e., allemand qui était la langue maternelle des élèves, anglais et histoire). A
titre d’illustration, le concept de soi en mathématiques était fortement et positivement associé
aux concepts de soi en physique (r = .40) et en chimie (r = .31), et était relié négativement aux
concepts de soi en allemand (r = -.47) et en anglais (r = -.31). Un deuxième type de résultats
soutenant la spécificité du concept de soi académique s’est appuyé sur les relations unissant le
concept de soi à d’autres variables scolaires. Ainsi, différentes variables académiques ont
systématiquement été mises en lien avec les composantes académiques du concept de soi, mais
elles ne l’ont pas été avec les composantes non académiques du concept de soi ou avec le
concept de soi global (e.g., Marsh et al., 2017). D’autres études se sont intéressées, plus
spécifiquement, aux liens entre le concept de soi et des variables académiques avec lesquelles
il est supposé être relié dans différentes matières scolaires. Il est ainsi postulé que si le concept
de soi est bien spécifique aux domaines scolaires, alors le concept de soi dans une matière
scolaire devrait être plus fortement corrélé avec différentes variables dans cette même matière
scolaire qu’avec celles dans d’autres disciplines. Marsh, Trautwein, et al. (2006) se sont, par
33
exemple, intéressés aux liens entre les concepts de soi et différentes variables académiques (i.e.,
notes, scores obtenus à des tests, sélection de cours avancés) mesurées dans trois matières
scolaires (i.e., mathématiques, anglais et allemand) et le concept de soi global. Leurs résultats
ont montré que le concept de soi en mathématiques était fortement relié aux notes en
mathématiques (r = .71), aux résultats obtenus à des tests mathématiques (r = .59) et avec la
sélection de cours avancés en mathématiques (r = .51), alors qu’il était très peu en lien avec les
notes en anglais (r = .11), les résultats aux tests d’anglais (r = .01), et était relié négativement à
la sélection de cours avancés en anglais (r = -.27). De plus, le concept de soi global n’était pas
relié aux variables académiques spécifiques aux trois matières scolaires.
Finalement, la spécificité du concept de soi a été très bien documentée et démontrée par
beaucoup d’études sur les liens unissant le concept de soi et la réussite dans différentes matières
scolaires (e.g., Arens et al., 2021; Hansford & Hattie, 1982; Marsh, 1992; Marsh, Trautwein, et
al., 2006; Marsh & Craven, 2006; Möller et al., 2009; Trautwein & Möller, 2016).
Généralement, les corrélations entre le concept de soi et la réussite, évalués envers la même
discipline scolaire, se situent en moyenne à .40 ou à une valeur supérieure (Trautwein & Möller,
2016). Les résultats de l’étude de Marsh (1992) ont, par exemple, montré que les corrélations
entre le concept de soi et la réussite étaient plus fortes lorsque les deux variables étaient
mesurées envers la même matière scolaire (entre r = .45 et r = .70), que lorsque les variables
étaient mesurées dans des disciplines différentes (entre r = -.17 et r =.29). Ces résultats ont été
corroborés par l’étude de Arens et al. (2021) indiquant des corrélations plus fortes lorsque le
concept de soi et les notes étaient évalués dans une même matière scolaire que lorsqu’ils étaient
évalués dans des disciplines différentes.
34
3.3 Les relations causales entre le concept de soi et la réussite
scolaire
Nous venons de voir que l’existence de relations unissant le concept de soi et la réussite
scolaire a été bien établie dans la littérature. La question qui en découle et qui a été le thème de
recherche de nombreux travaux concerne la direction du lien existant entre ces deux concepts.
Plus précisément, les auteurs ont cherché à savoir si le concept de soi était un antécédent ou une
conséquence de la réussite. Trois modèles ont été proposés pour rendre compte de cette relation
causale. Le premier modèle, le modèle de l’amélioration de soi (the self-enhancement model)
propose que le concept de soi influence la réussite (Calsyn & Kenny, 1977). Dans ce modèle,
le concept de soi joue un rôle dans l’initiation et la persistance des comportements ainsi que
dans les efforts fournis dans les situations d’apprentissage scolaire (Helmke & van Aken, 1995).
Le premier mécanisme explicatif de ce modèle serait le fait que le concept de soi va déterminer
l’engagement ou l’évitement des activités scolaires. Ainsi, un élève avec un concept de soi élevé
dans une discipline scolaire serait plus enclin à s’engager dans des activités relatives à cette
discipline, ce qui lui procurerait plus d’occasions de s’exercer et de recevoir des feedbacks
correctifs que l’élève ayant un concept de soi bas qui aurait plutôt tendance à éviter de s’engager
dans ces activités (Valentine et al., 2004). Le deuxième mécanisme explicatif serait que les
individus cherchent activement à maintenir et à confirmer l’image qu’ils ont d’eux-mêmes
(Valentine et al., 2004). Ainsi, un élève avec un concept de soi élevé pourrait s’efforcer à
exceller dans les activités académiques de manière cohérente à l’image qu’il a de lui-même, et
être alors plus susceptible d’obtenir de bons résultats scolaires (Valentine et al., 2004). Le
deuxième modèle, le modèle du développement des habiletés (the skill-developpment model)
suggère que la réussite influence le concept de soi (Calsyn & Kenny, 1977). Selon ce modèle,
les situations scolaires de réussite ou d’échec vont affecter la perception que l’élève a de lui-
même. L’élève construit ainsi son concept de soi au travers de l’évaluation que les autrui
35
significatifs (e.g., enseignants, parents, camarades) font de lui (Helmke & van Aken, 1995). Les
notes attribuées par l’enseignant vont ainsi être utilisées par l’élève comme une information sur
ses capacités et servir à la formation de son concept de soi (e.g., Marsh & Craven, 2006). La
construction du concept de soi se réalise également par comparaisons sociales (Möller et al.,
2009). A titre d’illustration, les élèves ayant de bons résultats scolaires feraient plus
d’expériences de comparaisons sociales vers le bas avec leurs camarades moins doués et
développeraient ainsi un concept de soi plus élevé. Dans les années 80, étant donné que la
recherche sur le concept de soi souffrait de limites méthodologiques, les travaux ont le plus
souvent pris position pour un modèle par rapport à un autre, mais n’ont pas pu aboutir à des
conclusions définitives quant à leur validité (Chanal, 2005). Le troisième modèle, le modèle
des effets réciproques (the reciprocal-effects model, REM) (Marsh, 1990; Marsh & Craven,
2006; Marsh & Martin, 2011) propose un compromis plus réaliste entre le modèle de
l’amélioration de soi et le modèle du développement des habiletés. Dans ce modèle, le concept
de soi et la réussite académique s’influencent réciproquement, de sorte que le concept de soi et
la réussite sont des antécédents et des conséquences les uns des autres.
Un large soutien au modèle des effets réciproques a été apporté par de nombreux travaux
(e.g., Arens et al., 2017, 2021; Huang, 2011; Marsh, Trautwein, et al., 2005; Marsh, Chanal, et
al., 2006; Marsh et al., 2018; Marsh & Craven, 2006; Marsh & Martin, 2011; Marsh & Yeung,
1997; Pinxten et al., 2010; Wu et al., 2021). Au niveau contextuel, Pinxten et al. (2010), ont
montré que le concept de soi académique et la réussite scolaire s’influençaient réciproquement
au fil du temps. Comme d’autres auteurs (e.g., Wu et al., 2021), ils ont mis en évidence que les
relations étaient plus fortes lorsque la réussite était mesurée avec les notes attribuées aux élèves
plutôt qu’avec leurs résultats obtenus à différents tests. Au niveau situationnel, une majorité des
études soutenant le modèle REM a été réalisée dans le domaine des mathématiques (Arens et
al., 2017; Marsh, Trautwein, et al., 2005; Marsh et al., 2018). Les résultats de Marsh et al.
36
(2005) ont, par exemple, montré l’existence de liens réciproques entre le concept de soi et la
réussite en mathématiques, mais ont mis en évidence que la relation allant du concept de soi
vers la réussite était plus forte que celle allant de la réussite vers le concept de soi. Plusieurs
études ont également apporté des preuves en faveur du modèle REM dans d’autres disciplines
scolaires que les mathématiques (Marsh, Chanal, et al., 2006; Marsh & Yeung, 1997). Marsh
et Yeung (1997) ont, par exemple, évalué le concept de soi et la réussite envers les
mathématiques, les sciences et l’anglais. Leurs résultats soutiennent le modèle REM dans les
trois disciplines scolaires. Il est à noter que l’effet de la réussite sur le concept de soi s’est avéré
plus fort que la relation inverse. Aussi, l’effet du concept de soi sur la réussite était plus
important pour les mathématiques que pour les sciences et l’anglais. Marsh, Chanal, et al.
(2006) ont, quant à eux, généralisé le modèle REM à l’éducation physique.
Plusieurs méta-analyses ont également supporté le modèle REM (e.g., Huang, 2011; Wu
et al., 2021). Les résultats de la méta-analyse de Huang (2011) ont montré que les corrélations
moyennes entre le concept de soi et la réussite ultérieure se situaient entre .20 et .27 alors que
celles entre la réussite et le concept de soi ultérieur entre .19 et .25. Leurs résultats ont également
indiqué que les liens étaient plus forts avec des mesures spécifiques du concept de soi (i.e.,
envers les matières scolaires) qu’avec des mesures globales du concept de soi académique. Pour
finir, les résultats de la méta-analyse de Wu et al. (2021) ont mis en évidence une taille d’effet
moyenne de .16 pour le modèle du développement des habiletés (i.e., pour le lien allant de la
réussite vers le CS), et une taille d’effet moyenne un peu plus faible de .08 pour le modèle de
l’amélioration de soi (i.e., pour le lien allant du CS vers la réussite).
37
3.4 Les liens entre le concept de soi, la réussite et la motivation :
un possible effet médiateur de la motivation
Nous venons de voir que l’existence de relations réciproques entre le concept de soi
académique et la réussite scolaire a été confirmée par de nombreuses études. Cependant, une
question importante concerne les processus sous-jacents qui sont en jeu dans ces relations.
Certains auteurs se sont ainsi interrogés sur les caractéristiques de l’élève qui pourraient médier
ces relations. Marsh et al. (1999) ont, notamment, proposé que l’augmentation de l’effort, la
persistance face aux difficultés, les choix académiques, ou la motivation intrinsèque de l’élève
seraient des variables médiatrices de la relation entre le concept de soi et la réussite. Dans le
cadre de la SDT et du modèle HMIEM, il est également postulé que la motivation jouerait ce
rôle de médiateur dans la relation entre le sentiment de compétence (qui est un concept proche
du concept de soi) et la réussite. D’autres auteurs (e.g., Guay, Ratelle, et al., 2010; Lohbeck et
al., 2021) se sont également intéressés à tester l’effet médiateur du concept de soi sur le lien
unissant la motivation à la réussite.
Bien que ces questions soient importantes pour la compréhension de la relation entre
ces trois concepts, elles n’ont été étudiées que par un nombre restreint d’études. En effet, un
nombre considérable de travaux se sont intéressés aux liens entre la motivation et la réussite,
ainsi qu’entre le concept de soi et la réussite, mais, à notre connaissance, peu d’études ont
considéré simultanément les liens existants entre ces trois variables, ni le possible effet
médiateur de la motivation ou du concept de soi.
Avant de présenter ces études, il est important de préciser qu’elles se distinguent selon
le cadre théorique, les opérationnalisations des différents concepts, les méthodes statistiques
utilisées et les analyses statistiques qui ont été réalisées. Tout d’abord, concernant les champs
théoriques, les études ont été réalisées dans le cadre de la SDT, dans le cadre de la théorie du
38
concept de soi et notamment du modèle REM, dans la théorie de l’expectancy-value (Wigfield
& Eccles, 2000), ou encore dans la théorie sociale cognitive (Bandura, 1997). Selon les champs
théoriques dans lesquels les études ont été réalisées, les opérationnalisations et le choix des
concepts ont également différés. Le concept de soi a, par exemple, été opérationnalisé comme
le sentiment de compétence dans le cadre de la SDT, ou de l’efficacité de soi (self-efficacy)
dans le cadre de la théorie sociale cognitive. Concernant la motivation, les auteurs venant du
champ théorique de la SDT ont mesuré la motivation intrinsèque ou la motivation autonome
opérationnalisée au moyen du RAI. Dans les autres cadres théoriques, les chercheurs ont évalué
l’intérêt ou le plaisir, qui sont des composantes de la motivation intrinsèque, ou alors la valeur
accordée à la tâche, qui comprend, entre autres, la valeur intrinsèque relative à une activité.
Dans le cadre du modèle REM, quelques études ont pris en considération des variables
motivationnelles dans leurs analyses. Marsh et al. (2005) ont ainsi étudié les liens existants,
dans le domaine mathématique, entre le concept de soi, la réussite et l’intérêt. En accord avec
le modèle REM, leurs résultats, concernant le modèle statistique dans lequel les trois variables
étaient prises en considération, ont montré des effets réciproques entre le concept de soi et la
réussite, et également entre le concept de soi et l’intérêt. En revanche, la réussite et l’intérêt ne
s’influençaient pas mutuellement. Bien que l’effet indirect n’ait pas été calculé et que sa
significativité n’ait pas été testée, ces résultats pourraient suggérer que le rôle médiateur serait
plutôt joué par le concept de soi que par l’intérêt. Également dans le domaine mathématique,
Pinxten et al. (2014) ont évalué les relations existantes entre le sentiment de compétence, le
plaisir et la réussite. Leurs résultats, obtenus avec un modèle dans lequel les trois variables
étaient considérées, ont indiqué que le sentiment de compétence et la réussite, ainsi que le plaisir
et la réussite étaient reliées de manière réciproque au cours du temps. Il est intéressant de noter
que le plaisir influençait négativement la réussite lorsque les trois variables étaient considérées,
alors qu’elle l’influençait positivement dans le modèle dans lequel seules ces deux variables
39
étaient considérées. Ces résultats pourraient suggérer un possible rôle médiateur du sentiment
de compétence bien que l’effet indirect n’ait pas été calculé et que sa significativité n’ait pas
été testée. Finalement, leurs résultats, obtenus avec le modèle dans lequel les trois variables
étaient considérées, ont montré que le plaisir influençait positivement le sentiment de
compétence, alors que le sentiment de compétence n’avait pas d’impact sur le plaisir.
Dans le but de vérifier l’effet médiateur de la motivation sur la relation entre le sentiment
de compétence et la réussite, Fortier et al. (1995), ainsi que Guay et Vallerand (1997) ont testé
la séquence « antécédent → motivation → conséquence » proposée par la SDT et le HMIEM.
Leurs résultats ont montré que le sentiment de compétence scolaire prédisait positivement la
motivation autonome académique, opérationnalisée avec le RAI, qui à son tour prédisait
positivement la réussite scolaire. Bien que ces résultats suggèrent un effet de médiation par la
motivation autonome, celui-ci n’a pas été strictement testé. Bong et al. (2012) se sont également
intéressés à l’effet de médiation d’un concept proche de la motivation intrinsèque. Ces auteurs
ont testé l’effet de médiation de la valeur accordée à la tâche (qui comprend une composante
de motivation intrinsèque) et de l’anxiété sur le lien unissant différents construits relatifs aux
perceptions de soi (i.e., efficacité de soi, concept de soi et estime de soi) à la réussite. Leurs
résultats, obtenus dans le domaine des mathématiques, ont montré que la valeur accordée à la
tâche et l’anxiété jouaient les rôles de médiateur de la relation entre les perceptions d’efficacité
de soi et la réussite. Cependant, cet effet de médiation n’a pas été supporté pour le concept de
soi. Pour ces auteurs, ce résultat s’explique par le fait que le concept de soi ayant une très grande
composante affective mène à de la multicolinéarité avec la variable d’anxiété. Dans le domaine
mathématique, Skaalvik et Skaalvik (2006) ont également conclu à une absence de médiation
par l’intérêt sur la relation unissant les perceptions de soi (i.e., le concept de soi et les
perceptions d’efficacité de soi considérés ensemble) à la réussite. Notons que ces auteurs (Bong
et al., 2012; Skaalvik & Skaalvik, 2006) n’ont pas testé la significativité de l’effet de médiation.
40
Guay, Ratelle, et al. (2010) ont, quant à eux, étudié les liens existants entre la motivation
autonome, opérationnalisée avec le RAI, le concept de soi et la réussite au niveau contextuel,
c’est-à-dire envers l’école en général. Ils ont ainsi testé trois modèles statistiques pour rendre
compte de ces relations : un modèle dans lequel la motivation autonome médiait le lien entre le
concept de soi et la réussite, un modèle dans lequel le concept de soi était le médiateur de la
relation entre la motivation et la réussite, et un modèle additif dans lequel le concept de soi et
la motivation influençaient la réussite. Leurs résultats ont montré que le modèle qui s’ajustait
le mieux à leurs données était celui dans lequel la motivation jouait le rôle de médiateur de la
relation entre le concept de soi et la réussite.
Trois recherches, plus récentes, ont également soutenu le rôle médiateur de la
motivation. L’étude de Khalaila (2015), également réalisée au niveau contextuel, a montré que
la motivation intrinsèque médiait le lien entre le concept de soi académique et la réussite dans
un échantillon d’étudiants et d’étudiantes en soins infirmiers. Dans le cadre de l’éducation
physique, Lohbeck et al. (2021) ont évalué la motivation intrinsèque et extrinsèque envers le
sport, le concept de soi et les performances physiques des élèves. Leurs résultats ont mis en
évidence que la motivation intrinsèque médiait le lien entre le concept de soi et la performance,
alors que la motivation extrinsèque ne jouait pas ce rôle de médiateur. Au niveau situationnel,
Locher et al. (2021) ont mesuré la motivation intrinsèque, le concept de soi et la réussite (i.e.,
opérationnalisé avec des tests de compréhension) en lecture. Leurs résultats ont également
apporté un soutien au rôle médiateur de la motivation intrinsèque sur les liens unissant le
concept de soi à la réussite. Il est important de préciser que ces trois études (Khalaila, 2015;
Locher et al., 2021; Lohbeck et al., 2021) ont toutes conclu à un effet de médiation en
s’appuyant sur la significativité de l’effet indirect.
En conclusion, nous pouvons remarquer que les résultats de ces études ont abouti à des
résultats contrastés. Certaines études ont suggéré un effet médiateur du concept de soi, d’autres,
41
au contraire, ont suggéré un effet médiateur de la motivation intrinsèque ou ont conclu à une
absence de médiation par la motivation intrinsèque. Ces résultats nuancés peuvent être
expliqués par les différences qui caractérisent les études, comme l’opérationnalisation des
concepts. L’étude de Bong et al (2012) a, par exemple, montré que la valeur accordée à la tâche
et l’anxiété jouaient les rôles de médiateurs dans la relation entre les perceptions d’efficacité de
soi et la réussite, mais pas entre le concept de soi et la réussite. Concernant les méthodes
statistiques utilisées, seules quatre études (Guay, Ratelle, et al., 2010; Khalaila, 2015; Locher
et al., 2021; Lohbeck et al., 2021) ont testé la significativité de l’effet indirect pour conclure à
un effet de médiation. Ces quatre études qui sont donc plus rigoureuses au niveau statistique1
ont toutes conclu à un effet médiateur de la motivation intrinsèque ou de la motivation
autonome sur les liens unissant le concept de soi à la réussite. Quelques réserves peuvent
cependant être émises concernant ces études. Tout d’abord, elles n’ont considéré les différents
construits qu’envers l’école de manière générale ou envers une seule matière scolaire à la fois.
Ensuite, elles n’ont pas mesuré tous les types de régulations motivationnelles proposées par la
SDT ou les ont agrégées en des scores composites comme le RAI. Par conséquent, la question
de savoir si les différentes régulations motivationnelles décrites par la SDT jouent toutes le rôle
de médiateur reste ouverte. L’étude de Lohbeck et al. (2021) a d’ailleurs montré que seule la
motivation intrinsèque jouait ce rôle médiateur alors que ce n’était pas le cas pour la motivation
extrinsèque.
1
Notons que Khalaila (2015) et Locher et al. (2021) ont utilisé le test du bootstrap qui est la méthode considérée
comme étant plus robuste et qui est donc recommandée pour tester l’effet indirect selon Zhao et al. (2010).
42
4 L’étude de la multidimensionnalité et de la spécificité de la
motivation autodéterminée
Dans la partie 3.2, nous avons vu que de nombreuses études se sont intéressées à la
nature multidimensionnelle du concept de soi académique, et ont montré que le concept de soi
présentait différentes dimensions spécifiques aux disciplines scolaires. Qu’en est-il de la
motivation académique, est-ce qu’il existe également des motivations spécifiques aux matières
scolaires ? Nous verrons dans cette partie que cette question a été étudiée dans différents
champs théoriques de la psychologie (e.g., théorie sociale cognitive, théorie de l’expectancy-
value, théorie des buts d’accomplissement) mais que très peu de recherches ont été réalisées
dans le cadre de la SDT.
4.1 Multidimensionnalité et motivation scolaire
Dans le cadre de différentes théories motivationnelles autres que la théorie de
l’autodétermination (e.g., théorie sociale cognitive, théorie de l’expectancy-value, théorie des
buts d’accomplissement), plusieurs recherches (e.g., Bong, 2001; Eccles et al., 1993; Gottfried,
1985, 1990; Green et al., 2007; Hornstra et al., 2016; Magson et al., 2013; Pintrich, 2003) ont
examiné si la motivation présentait différentes dimensions relatives aux matières scolaires, si
ces dimensions se différenciaient entre elles (i.e., différenciation inter-matières scolaires) et si
elles étaient spécifiques aux disciplines académiques. Afin de répondre à ces questions, ces
recherches ont utilisé trois types de méthodologie. La première méthode repose sur les
corrélations unissant les motivations de différentes matières scolaires, et fait référence à ce que
nous appellerons la différenciation entre matières scolaires ou différenciation inter-matières
scolaires. La deuxième méthode s’appuie sur les résultats de différents modèles à équations
structurelles (e.g., comparaison de modèles avec un facteur général ou plusieurs facteurs latents
relatifs aux matières scolaires). La troisième méthode consiste à évaluer les liens unissant la
43
motivation à d’autres variables académiques dans une même discipline scolaire et dans des
disciplines scolaires différentes. Dans l’ensemble, ces études (Bong, 2001; Green et al., 2007;
Hornstra et al., 2016; Magson et al., 2013) ont supporté la nature multidimensionnelle et
spécifiques de plusieurs construits motivationnels. Dans une étude récente, Hornstra et al.
(2016) ont, par exemple, étudié les liens entre différents construits motivationnels (i.e.,
orientation des buts, efficacité de soi, effort) et la réussite en mathématiques et dans le domaine
verbal. Leurs résultats ont indiqué que les différents construits motivationnels étaient bien
spécifiques aux matières scolaires, et que l’efficacité de soi et l’effort étaient plus spécifiques
que l’orientation des buts. Plus important encore, leurs résultats ont démontré que les construits
motivationnels dans une matière scolaire prédisaient plus fortement la réussite dans cette même
discipline.
Bien que réalisées dans d’autres champs théoriques de la SDT, certaines études (Eccles
et al., 1993; Gottfried, 1985, 1990; Green et al., 2007) se sont intéressées à la différenciation
inter-matières pour un type de motivation décrite par la SDT : la motivation intrinsèque. Ainsi,
Green et al. (2007) ont examiné les liens existants entre différents construits motivationnels
(e.g., efficacité de soi, orientation de maitrise, planification) dont la valeur accordée à la tâche
(qui comprend, entre autres, sa valeur intrinsèque) et différentes conséquences académiques
(i.e., aspirations scolaire, plaisir ressenti à l’école, participation en classe) envers trois matières
scolaires (i.e., mathématiques, anglais, sciences). Bien que leurs résultats aient montré qu’il y
avait peu de différenciation inter-matières scolaires pour chacun des construits, les différents
construits motivationnels étaient plus fortement associés aux conséquences scolaires lorsqu’ils
étaient mesurés envers la même matière scolaire qu’envers des disciplines différentes, indiquant
ainsi que ces différents construits motivationnels étaient bien spécifiques aux matières
scolaires. Eccles et al. (1993) se sont également intéressées à la valeur accordée à la tâche et
ont montré que ce construit motivationnel se différenciait entre les mathématiques, la lecture,
44
le sport et la musique. Gottfried (1985) a, quant à lui, mis en évidence un effet de différenciation
inter-matières scolaires pour la motivation intrinsèque envers la lecture, les mathématiques, les
études sociales et les sciences. De plus, ses résultats ont montré que la motivation intrinsèque
était plus fortement reliée au sentiment de compétence ainsi qu’à l’anxiété lorsque ces concepts
étaient mesurés envers la même matière scolaire qu’envers des matières différentes. Gottfried
(1990), a corroboré ces résultats montrant que la motivation intrinsèque était différenciée entre
les mathématiques et la lecture, et qu’elle était plus reliée à différents construits (i.e., anxiété,
notes, résultats à des tests, sentiment de compétence) évalués dans une même discipline que
dans des disciplines différentes.
4.2 Multidimensionnalité et SDT
Guay, Chanal, et al. (2010) ont réalisé une étude dans le but d’étendre l’analyse de la
différenciation entre matières scolaires aux différents types de régulations motivationnelles
proposés par la SDT. Ces auteurs ont étudié la motivation intrinsèque, identifiée et contrôlée
(i.e., introjectée et externe considérées ensemble) envers les mathématiques, la lecture et
l’écriture chez des élèves âgés de 6 à 9 ans. Afin de tester l’effet de différenciation inter-
matières, ils ont calculé les corrélations entre les trois matières scolaires pour chaque régulation
motivationnelle. Ainsi, plus l’effet de différenciation inter-matières est important, plus les
corrélations entre les disciplines scolaires pour une même régulation devraient être faibles.
Leurs résultats de leur étude ont montré que l’ampleur de la différenciation inter-matières était
différente selon le type de motivation considérée. Plus spécifiquement, ils ont mis en évidence
que l’effet de différenciation était plus important lorsque les motivations étaient plus
autodéterminées. En effet, la moyenne des corrélations entre les motivations envers les
différentes disciplines scolaires était plus faible pour la motivation intrinsèque (r = .36), que la
moyenne des corrélations pour la régulation identifiée (r = .76), qui était elle-même plus faible
45
que pour la motivation contrôlée (r = .86). Ces résultats indiquent que les élèves présenteraient
des variations de motivation plus importantes entre les différentes matières scolaires pour les
motivations les plus autodéterminées. Pour illustration, les élèves pourraient présenter des
niveaux de motivation intrinsèque différents entre les matières scolaires : une motivation
intrinsèque élevée envers la lecture, mais un niveau plus faible en écriture, ou vice versa. En
revanche, la motivation contrôlée étant moins différenciée entre les matières scolaires, les
élèves auraient tendance à présenter les mêmes niveaux de ce type de motivation pour toutes
les disciplines : une motivation contrôlée élevée en lecture et en écriture, ou alors une faible
motivation contrôlée pour ces deux matières scolaires. Ces auteurs ont également étudié les
liens entre les différents types de régulations et le concept de soi dans les trois disciplines
scolaires. Leurs résultats ont montré que, pour toutes les régulations, les corrélations entre le
concept de soi et la motivation envers la même matière scolaire (i.e., corrélations convergentes)
étaient plus importantes que les corrélations entre le concept de soi et la motivation envers des
disciplines scolaires différentes (i.e., corrélations divergentes). Plus important encore, la
différence entre les corrélations convergentes et divergentes était plus importante pour la
motivation intrinsèque que pour les régulations identifiées et contrôlées, supportant également
un effet de différenciation inter-matières plus prononcé pour les motivations les plus
autodéterminées. Pour finir, nous pouvons également noter que cette étude a montré que
l’ampleur de la différenciation entre matières scolaires était plus importante pour les élèves les
plus âgés et plus spécialement pour la motivation intrinsèque.
Les résultats obtenus par Guay et al. (2010) sont inattendus, car théoriquement, selon la
SDT (Deci & Ryan, 1985; Ryan & Deci, 2017) ou le HMIEM (Vallerand, 1997), rien n’indique
que l’ampleur de la différenciation inter-matières des motivations devrait être différente selon
le niveau d’autodétermination des motivations.
46
4.3 L’hypothèse de spécificité
L’hypothèse de spécificité a été développée par Chanal et Guay (2015) dans le but de
comprendre pourquoi l’ampleur de la différenciation entre les différentes matières scolaires
était plus importante pour les motivations les plus autodéterminées. Ces auteurs ont étudié la
motivation académique dans une perspective multidimensionnelle, en considérant les différents
types de régulations motivationnelles décrites par la SDT (Deci & Ryan, 1985; Ryan & Deci,
2017) et dans une perspective hiérarchique proposée dans le modèle HMIEM (Vallerand, 1997),
en prenant en considération la motivation à deux niveaux de généralité : au niveau contextuel
(i.e., envers l’école en général) et au niveau situationnel (i.e., envers différentes matières
scolaires). L’hypothèse de spécificité stipule que les motivations autonomes sont plus
différenciées entre les matières scolaires que les motivations contrôlées, car les motivations
autonomes seraient plus spécifiques aux disciplines scolaires dans lesquelles elles sont
mesurées. Plus précisément, les motivations autonomes seraient plus différenciées entre les
matières scolaires, car les processus de régulations qui les sous-tendent seraient spécifiques aux
caractéristiques de la discipline (Chanal & Guay, 2015). En ce qui concerne la motivation
intrinsèque, dès leurs plus jeunes âges, les enfants sont familiarisés aux différentes disciplines
scolaires proposées par l’école et ils découvrent assez tôt celles qui leur procurent du plaisir et
celles qui leur en procurent moins, celles qui les intéressent énormément et celles qui les
intéressent moins. Une élève pourrait, par exemple, être intrinsèquement motivée pour les
mathématiques, car c’est une discipline qu’elle apprécie en tant que telle, mais avoir un niveau
de motivation intrinsèque moins élevé pour le français, car c’est une matière qui l’intéresse
moins. La régulation identifiée serait un peu moins différenciée, et donc moins spécifique que
la motivation intrinsèque, car la régulation identifiée est moins liée aux caractéristiques
inhérentes des matières scolaires et est plus dépendante des valeurs culturelles auxquelles les
individus adhèrent (Deci & Ryan, 1985). Ainsi, au fil de leur scolarité, les élèves vont se rendre
47
compte de l’importance des différentes matières scolaires, mais vont, selon, par exemple, le
milieu culturel dans lequel ils baignent ou leurs aspirations professionnelles futures, s’identifier
davantage à une discipline qu’à une autre. A titre d’illustration, une élève ayant des parents qui
travaillent dans un domaine scientifique pourrait accorder beaucoup de valeur aux disciplines
scientifiques, ou pourrait vouloir à son tour travailler dans un domaine scientifique. Dans ce
cas, il est probable que cette élève développe une motivation identifiée élevée pour les
mathématiques et les sciences, mais une motivation identifiée plus faible pour le français ou
l’histoire.
Les motivations contrôlées seraient, quant à elles, moins différenciées, car ce sont des
motivations dont les processus de régulation ne seraient pas spécifiques à une discipline, mais
pourraient potentiellement être présents dans toutes les matières scolaires (Chanal & Guay,
2015). Dans la régulation introjectée, le comportement est régulé par des pressions internes
visant à garantir une bonne estime de soi. Il est probable que ces pressions internes opèrent dans
toutes les matières scolaires. Si un élève travaille en français pour se sentir fier de lui, il est
également possible qu’il travaille dans les autres matières scolaires pour cette même raison. Si
c’est l’évitement de la culpabilité qui régule le comportement d’une élève, il est probable que
c’est pour cette raison qu’elle travaillera dans toutes les matières scolaires. Finalement, la
régulation externe serait très peu différenciée entre les matières scolaires et donc peu spécifique,
car les pressions externes qui la régulent seraient possiblement présentes dans toutes les
disciplines. Ainsi, un enseignant qui utilise la méthode de la carotte et du bâton pour motiver
ses élèves à travailler le fera certainement dans toutes les matières scolaires. Nous pouvons
également imaginer qu’en élève qui travaille pour faire plaisir aux autres (e.g., parents,
enseignants) ou pour éviter des punitions, pourrait travailler pour ces raisons de manière
indifférenciée dans les différentes disciplines scolaires.
48
4.4 Premières évidences concernant l’hypothèse de spécificité
Pour tester leur hypothèse, Chanal et Guay (2015) ont réalisé une recherche avec des
élèves de l’école primaire (étude 1) et de l’école secondaire (étude 2). Ils ont évalué les
régulations motivationnelles (i.e., intrinsèque, identifiée, introjectée et externe) déployées par
les élèves envers l’école (i.e., niveau contextuel) et envers plusieurs matières scolaires (i.e.,
niveau situationnel). Pour analyser leurs résultats, ces auteurs ont réalisé un modèle à équations
structurelles de type CTCM-1 (i.e., correlated trait–correlated method minus one model) (Eid
et al., 2003) pour chaque régulation motivationnelle.
Le modèle CTCM-1 (Eid et al., 2003) est un type de modèle multi-traits multi-méthodes
qui permet de prendre en considération la part de variance attribuable à la variable étudiée, le
« trait », de la part de variance attribuable à l’opérationnalisation de cette variable, la
« méthode ». Selon Brunner et al. (2010), le modèle CTCM-1 est celui qui est le plus adéquat
pour rendre compte de la nature multidimensionnelle et hiérarchique d’un construit, car il
permet de considérer la nature spécifique des construits, de distinguer des construits entre
différents domaines, et d’organiser ces construits dans une perspective hiérarchique avec au
sommet du modèle, un construit global, contextuel. Le concept de soi, dont la nature
multidimensionnelle et hiérarchique a été clairement établie (voir partie 3), a ainsi été modélisé
avec un modèle CTCM-1 dans plusieurs recherches (e.g., Arens et al., 2021; Brunner et al.,
2010; Schmidt et al., 2017). Chanal et Guay (2015) ont été les premiers à utiliser ce modèle
pour modéliser les différents types de régulations motivationnelles. Appliqué à leur étude, le
modèle CTCM-1 leur a permis de décomposer la part de variance des items commune au niveau
contextuel (i.e., école) de celle attribuable uniquement au niveau situationnel (i.e., envers la
matière scolaire dans laquelle la motivation est mesurée). Plus précisément, la motivation
intrinsèque au niveau contextuel (envers l’école en général) est considérée comme un trait
unique, tandis que les motivations intrinsèques dans les différentes matières scolaires sont
49
considérées comme des méthodes corrélées ou des déviations par rapport à ce trait global (voir
Figure 5). Le facteur latent de motivation intrinsèque contextuelle influence les items de la
motivation intrinsèque contextuelle et les items des motivations intrinsèques envers les
différentes matières scolaires. Les facteurs de motivations intrinsèques de chaque matière
scolaire (i.e., les facteurs spécifiques) influencent les items de motivation intrinsèque de la
matière correspondante (e.g., le facteur de motivation en français influence les items de
français), et cela au-delà du facteur latent de motivation intrinsèque contextuelle. Ainsi, les
facteurs latents spécifiques pour chaque matière représentent les déviations par rapport au
facteur contextuel en capturant la variance commune, mais spécifique des items relatifs aux
matières en plus de la variance commune au niveau contextuel. Les items, qui évaluent la
motivation contextuelle, ne sont influencés que par le facteur contextuel, mais pas par un facteur
spécifique, représentant la « méthode moins une » du modèle CTCM-1. Ce facteur de méthode
manquant permet d'identifier le modèle et d'obtenir une solution unique pour tous les paramètres
du modèle.
Les résultats obtenus par Chanal et Guay (2015) ont confirmé l’hypothèse de spécificité.
En effet, dans l’étude 1, la part de variance des items uniquement attribuable au niveau
situationnel était, en moyenne, plus importante pour les motivations autonomes (.64 et .55,
respectivement pour la motivation intrinsèque et la régulation identifiée) que pour les
motivations contrôlées (.18 et .08, respectivement pour les régulations introjectée et externe).
A l’inverse, la part de variance commune au niveau contextuel était plus importante pour les
motivations contrôlées (entre .73 et .96) que pour les motivations autonomes (entre .22 et .62).
Ces résultats ont été corroborés par l’étude 2, indiquant que la part des variances des items
seulement attribuable au niveau situationnel était plus importante pour les motivations
autonomes que contrôlées, et que la part de variance commune au niveau contextuel était plus
importante pour les motivations contrôlées qu’autonomes.
50
Figure 5
Modèle CTCM-1 pour la motivation intrinsèque
Note. Fr 1 – Fr 4 = items pour le français. Math 1 – Math 4 = items pour les mathématiques.
Ecole 1 – Ecole 4 = items pour l’école. Anglais 1 – Anglais 4 = items pour l’anglais. EP 1 – EP
4 = items pour l’éducation physique.
En conclusion, Chanal et Guay (2015) ont vérifié l’hypothèse de spécificité en mettant
en évidence que les motivations autonomes étaient plus différenciées entre les matières
scolaires, car elles étaient plus spécifiques aux disciplines dans lesquelles elles étaient
mesurées. Ils ont également conclu que la motivation contrôlée était moins spécifique aux
disciplines scolaires, car elle était plus reliée au niveau contextuel.
51
5 Objectifs de cette thèse
Objectif 1 : Répliquer, étendre et questionner l’hypothèse de spécificité
Guay, Chanal, et al., (2010) ont été les premiers à mettre en évidence que la
différenciation inter-matières scolaires des motivations dépendait du type de régulations
motivationnelles considérées. Plus spécifiquement, ces auteurs ont montré que les motivations
autonomes étaient plus différenciées entre les disciplines scolaires que les motivations
contrôlées. Pour expliquer cet effet, Chanal et Guay (2015) ont développé l’hypothèse de
spécificité et ont démontré que les motivations autonomes étaient plus spécifiques à la matière
scolaire dans laquelle elles étaient mesurées que les motivations contrôlées. Cette hypothèse
ayant été validée uniquement dans l’étude de ces deux chercheurs, d’autres travaux sont
nécessaires pour reproduire ces effets et tirer des conclusions définitives. En conséquence, le
premier objectif de cette thèse est de répliquer et de généraliser l’hypothèse de spécificité auprès
de différentes populations, avec différents questionnaires mesurant la motivation, ainsi qu’à
plus de régulations motivationnelles que celles étudiées par ces auteurs. Les études que nous
avons réalisées pour les articles 2 et 4 ont ainsi été menées auprès d’élèves du cycle
d’orientation et l’étude réalisée pour l’article 3 a été menée auprès d’étudiants et d’étudiantes
de l’université. Alors que l’étude de Chanal et Guay s’est intéressée à la spécificité de quatre
régulations motivationnelles (i.e., intrinsèque, identifiée, introjectée, externe), l’article 3 a
étendu ces résultats à cinq régulations motivationnelles (i.e., intrinsèque, identifiée, introjectée
positive, introjectée négative, externe) évaluées avec le questionnaire développé par Sheldon et
al. (2017) et les articles 2 et 4 à sept régulations motivationnelles (i.e., intrinsèque à la
stimulation, intrinsèque à la réussite, identifiée, introjectée approche, introjectée évitement,
externe approche, externe évitement) mesurées avec le questionnaire de Chanal et al. (2019).
52
Ensuite, les résultats de l’étude de Chanal et Guay (2015) ont montré que, pour la
motivation contrôlée, la part de variance des items attribuable au niveau contextuel était plus
importante que celle attribuable au niveau situationnel. Ces auteurs ont donc conclu que les
motivations contrôlées étaient moins spécifiques aux matières scolaires dans lesquelles elles
étaient mesurées, car elles étaient plus contextuelles. Cependant, comme dans leur
modélisation, la part de variance des items attribuable au niveau contextuel était mélangée à
celle relative à l’item (voir Figure 6), cette conclusion pourrait être incorrecte. Ainsi, notre
objectif est d’utiliser des modèles statistiques plus élaborés qui permettent de distinguer de
nouvelles sources de variance, notamment celle relative à l’item, afin de déterminer si la
motivation contrôlée est réellement plus contextuelle. Cet objectif est poursuivi dans les articles
2 et 3 de cette thèse.
Figure 6
Modèle CTCM-1 pour la motivation intrinsèque avec les facteurs spécifiques aux items
Note. Fr 1 – Fr 4 = items pour le français. Math 1 – Math 4 = items pour les mathématiques.
Ecole 1 – Ecole 4 = items pour l’école. Anglais 1 – Anglais 4 = items pour l’anglais. EP 1 – EP
4 = items pour l’éducation physique. IS 1 – IS 4 = facteurs spécifiques aux items.
53
Objectif 2 : Evaluer l’impact de l’hypothèse de spécificité sur les liens unissant la motivation à
différents construits motivationnels.
En accord avec l’hypothèse de spécificité, notre deuxième objectif est d’évaluer
l’impact de la différence de spécificité entre les régulations autonomes et contrôlées sur les liens
les unissant à différents construits académiques. Nous faisons ainsi l’hypothèse que si les
régulations autonomes sont plus spécifiques à la matière scolaire dans laquelle elles sont
évaluées, elles devraient être plus reliées à différents construits évalués au niveau situationnel
que les motivations contrôlées.
Cet objectif permettrait de comprendre les résultats nuancés obtenus selon
l’opérationnalisation de la motivation considérée. En effet, nous avons vu dans la partie 2, que
les liens entre les différentes régulations motivationnelles et leurs conséquences
comportementales, affectives, et cognitives semblaient dépendre de l’opérationnalisation de la
motivation choisie. Lorsque les auteurs ont utilisé des scores composites (i.e., RAI), les résultats
ont clairement mis en évidence que la motivation autonome menait à des conséquences
scolaires positives, en accord avec les postulats théoriques de la SDT. Cependant, lorsque les
régulations ont été considérées séparément, les résultats étaient plus contrastés et entraient
parfois en contradictions avec les postulats théoriques, mais également entre eux.
L’article 2 de cette thèse se focalise spécifiquement sur les liens entre les différentes
régulations motivationnelles et la réussite envers plusieurs matières scolaires.
L’article 3, quant à lui, examine la chaine causale « facteurs sociaux → médiateurs
psychologiques → motivation → conséquences » décrite dans le modèle HMIEM, au niveau
situationnel. En accord avec l’hypothèse de spécificité, notre objectif est d’évaluer l’impact de
la différence de spécificité entre les régulations autonomes et contrôlées sur l’existence de cette
chaine causale au niveau situationnel. Notre hypothèse principale est que si les régulations
54
autonomes sont plus spécifiques aux matières scolaires que les régulations contrôlées, comme
l’hypothèse de spécificité le stipule, alors les liens « antécédents → motivation →
conséquences » devraient être présents au niveau situationnel pour les régulations autonomes
mais pas, ou moins, pour les régulations contrôlées. Afin de répondre à cet objectif, l’étude
réalisée pour l’article 3 a évalué deux types d’antécédents : le climat motivationnel et le concept
de soi, ainsi que deux types de conséquences : les notes et différentes émotions académiques.
Dans la partie 3.4, nous avons passé en revue plusieurs études qui se sont intéressées au
rôle médiateur de la motivation sur les liens unissant le concept de soi à la réussite. Bien que
certaines études (Guay, Ratelle, et al., 2010; Khalaila, 2015; Locher et al., 2021; Lohbeck et
al., 2021) aient soutenu cet effet médiateur de la motivation, elles ont considéré seulement les
motivations intrinsèque et extrinsèque ou ont utilisé un score composite comme le RAI. Il
n'existe, en effet, à notre connaissance, aucune étude qui ait testé l’effet médiateur des différents
types de régulations proposées par la SDT. L’objectif de l’article 4 de cette thèse est donc
d’évaluer le rôle médiateur des différentes régulations motivationnelles proposées par la SDT
ainsi que d’examiner si ce rôle médiateur dépend de la spécificité des régulations considérées.
Les motivations autonomes étant postulées comme plus spécifiques que les motivations
contrôlées, nous faisons l’hypothèse que l’effet médiateur de la motivation sur les relations
entre le concept de soi et la réussite serait présent pour les motivations autonomes, mais pas, ou
moins pour les motivations contrôlées.
Objectif 3 : Déterminer la meilleure modélisation statistique de la motivation autodéterminée
d’un point de vue multidimensionnel et évaluer son impact sur les liens existants entre les
régulations motivationnelles, ses antécédents et ses conséquences.
Dans le dernier article, notre objectif est de déterminer quel est le modèle statistique qui
s’adapte le mieux à la structure de la motivation autodéterminée académique, en considérant
différents niveaux hiérarchiques (i.e., contextuel et situationnel) et différentes disciplines
55
scolaires. Dans un premier temps, nous avons comparé une série de modèles d’analyse
factorielle confirmatoire (i.e., confirmatory factor analysis ; CFA) et CTCM-1, impliquant
différentes méthodes permettant de considérer à la fois la structure des données (CFA vs.
CTCM-1) et les facteurs spécifiques relatifs aux items (correlated uniqueness ; CU vs. item-
specific ; IS). Ensuite, dans un second temps, nous examinons l’impact de deux de ces
modélisations statistiques particulières (CFA avec CU et CTCM-1 avec IS) sur les liens qui
unissent les régulations motivationnelles à leurs antécédents et conséquences. Les variables
d’intérêt sur lesquelles nous avons testé des différences de corrélation dans cette deuxième
partie sont le concept de soi comme antécédent, et les émotions académiques comme
conséquence.
56
II. PARTIE EMPIRIQUE
6 Article 2 : The school-subject-specificity hypothesis:
Implication in the relationship with grades2
2
Cette partie est une reproduction de l’article : Chanal, J., & Paumier, D. (2020). The school-subject-specificity
hypothesis: Implication in the relationship with grades. PLOS ONE, 15(4), e0230103.
https://doi.org/10.1371/journal.pone.0230103
57
6.1 Introduction
Self-determination theory (SDT) endorses an organismic viewpoint that describes two
categories of motivation that can drive behaviors at school: autonomous and controlled.
Autonomous motivation refers to behaviors that are experienced as volitional, choiceful, and
endorsed at a high level of reflection whereas controlled motivation refers to behaviors carried
out under internal or external pressure. During the past 40 years, an increasing number of
studies using SDT show that when students are motivated by autonomous rather than controlled
motivation, they experience more positive affective and learning outcomes (e.g., Guay et al.,
2008; Ryan & Deci, 2009; Taylor et al., 2014). However, only a few studies have investigated
various school subjects at the same time. Recently, it has been shown that autonomous and
controlled motivation differed in their relative specificity to the situational level (Chanal &
Guay, 2015). The present study was designed to explore more deeply the relations between
autonomous or controlled motivation and student’s grades relatively to the school-subject-
specificity hypothesis (Chanal & Guay, 2015). Therefore, in this study, we considered
secondary students’ grades and autonomous and controlled motivation at a contextual level (i.e.,
in school in general) as well as in different school subjects (i.e., French, mathematics, English
and physical education) simultaneously.
6.1.1 Autonomous and controlled motivation
SDT postulates that there are different reasons for students to engage in school activities
(e.g., Ryan & Deci, 2009). These reasons vary in terms of level of self-determination (i.e., the
degree to which the regulation is integrated into the self). Intrinsic motivation occurs when
students are motivated by the inherent pleasure they feel when engaging in a given activity.
Extrinsic motivation occurs when students are motivated by the external consequences of being
engaged in a given activity. SDT suggests that different regulation types of extrinsic motivation
58
exist. From high to low self-determination (hereafter the motivational continuum), these types
are identified, introjected, and external regulations. One of the most self-determined forms of
extrinsic motivation is identified regulation, whereby individuals engage in a behavior because
of the inherent value they attach to it: they perform behaviors by choice or because they consider
them important. This is followed by introjected regulation, which refers to behaviors intended
either to act self-protectively and to project a positive image to others or to avoid guilt and
shame. Finally, external regulation refers to behaviors enacted under external sources of control
such as pursuing rewards or avoiding punishments and constraints. As conceptualized in recent
studies (Assor et al., 2009; Gagné, Forest, et al., 2015a), an approach (act self-protectively or
pursuing rewards) or an avoidance (avoid guilt or avoid punishments) orientation of introjected
and external regulations could drive behavior and lead to different outcomes. Autonomous
motivation encompasses intrinsic motivation and identified regulation, whereas controlled
motivation includes introjected and external regulations.
6.1.2 Between-school-subjects and hierarchical aspects of autonomous
and controlled motivation
To date, only two studies (Chanal & Guay, 2015; Guay, Chanal, et al., 2010) have
examined autonomous and controlled motivation in different school subjects simultaneously.
In their study, Guay, Chanal, et al. (2010) investigated variations in motivation toward specific
school subjects (i.e., between-school-subjects differentiation). They show that correlations
between regulation types in different school subjects were different depending on the position
of the regulation on the motivational continuum. Results show that between-school-subjects
differentiation (i.e., the size of the correlations connecting regulations between school subjects)
was stronger for autonomous than for controlled motivation. Specifically, correlations among
intrinsic motivations towards three school subjects (mathematics, reading, and writing) were
59
lower than correlations among the identified regulations for these school subjects. Moreover,
correlations among identified regulations for these school subjects were lower than correlations
among controlled motivations (introjected and external regulation were considered together).
Chanal and Guay (2015) explored this differentiation effect considering the hierarchical
aspect of motivation in school. Within the SDT framework, the Hierarchical Model of Intrinsic
and Extrinsic Motivation (HMIEM) (Vallerand, 1997) postulated that motivation exists at three
different hierarchical levels. These levels are described as: the global, the contextual and the
situational. The global motivation level refers to the general orientation to engage in an activity
according to an intrinsic, extrinsic or amotivated way (Vallerand, 1997). The contextual
motivation level refers to the tendency to be motivated toward a specific sphere like the
academic domain (Vallerand, 1997). The situational motivation level refers to the motivation
when people practice a particular activity of this domain (Vallerand, 1997). Considering these
different levels at the same time, Chanal and Guay (2015) proposed the school-subject-
specificity hypothesis to explain why autonomous motivation is more differentiated than
controlled motivation between school subjects. This hypothesis postulates that autonomous
motivation is more differentiated than controlled motivation because it is more related to the
situational level (i.e., more school-subject-specific) than controlled motivation. In two studies,
they tested the school-subject-specificity hypothesis in four situational school subjects
(mathematics, French, English and physical education) and at the contextual level (school).
Results of the two studies supported this hypothesis. Firstly, they found that autonomous
motivation measures were more specific to the situational school subject level than were the
controlled motivation measures. They also found that they were less related to the contextual
level than were the controlled motivation ones. Moreover, they found that correlations between
differentiated-known constructs (i.e., student’s self-concepts) were more related to autonomous
than controlled motivation. Globally, these results demonstrated for the first time that regulation
60
types behave differently in their specificity depending on their position on the motivational
continuum.
6.1.3 Autonomous and controlled motivation relationships with grades
Research using SDT perspective shows that students who are autonomously motivated
experience more positive behavioral, affective and cognitive outcomes (Guay et al., 2008; Otis
et al., 2005; Ryan & Deci, 2009) in educational environments. However, studies investigating
the relation between autonomous or controlled motivation and academic achievement brought
mixed and inconsistent evidence depending on the operationalization of motivation used (i.e.,
regulation types considered separately vs. combined) and the hierarchical level considered (i.e.,
in situational vs. contextual level) in these studies.
In research considering either combinations of all regulation types into a single
composite score, autonomous and controlled motivation separately, or with a person-centered
approach, results are consistent whatever the hierarchical level considered is. In studies using a
Relative Autonomy Index (RAI, a composite score considering all the regulation types), results
demonstrated that the higher the score was, the higher achievement in school in general (e.g.,
Fortier et al., 1995; Guay & Vallerand, 1997). Only one published study (Black & Deci, 2000)
also demonstrated this result at the school subject level (i.e., in organic chemistry). In studies
considering autonomous and controlled motivation as two broad categories, results confirmed
positive link between autonomous motivation and achievement and also demonstrated a
negative relation between controlled motivation and achievement (e.g., De Naeghel et al.,
2012). In studies using a person-oriented approach (Boiché et al., 2008; Ratelle et al., 2007,
studies 1 and 2; Vansteenkiste et al., 2009) results confirmed the positive effect of self-
determined profiles on grades with a notable exception. In Ratelle et al. (2007, study 3), they
find one profile characterized by high levels of both controlled and autonomous motivation and
another profile characterized by high level of autonomous motivation and low level of
61
controlled motivation that were not distinguish in studies 1 and 2. When comparing these two
groups of individuals, authors failed to find differences in academic achievement between them.
In research investigating the effects of each regulation type proposed by SDT on
academic achievement separately, results are less consistent. Taylor et al. (2014, study 1)
recently conducted a meta-analysis on this issue. They demonstrated that intrinsic motivation
and identified regulation were positively associated with students’ grades, whereas introjected
regulation, external regulation and amotivation were negatively related when considering 18
studies. However, these differentiated links according to the regulation type were not confirmed
in all studies at the school level (e.g., Barkoukis et al., 2014, studies 2, 3 and 4; Cokley et al.,
2001) and contrasting evidence appeared in other studies when relations were considered at the
school subject level (e.g., Chanal & Guay, 2015; Leroy & Bressoux, 2016; McEown et al.,
2014). For example, Chanal and Guay (2015, study 1) showed positive links between
achievement and matching intrinsic motivation for mathematics and reading but not for science
and writing. Moreover, no significant correlations were found between identified regulation
and students’ achievement assessed by teachers. Finally, their results for introjected and
external regulations suggested that the relation between regulation types and achievement
depended on the hierarchical level they were assessed. Indeed, whereas introjected and external
regulations were negatively related to achievement at the contextual level, no significant
correlations were found between these regulations and students’ achievement at the situational
level.
6.2 The present study
The main goal of the present study was to examine the relation of autonomous or
controlled motivation to students’ grades. As previously discussed, studies showed inconsistent
results when regulation types were considered separately or combined and/or when multiple
hierarchical levels were considered. Therefore, based on the school-subject-specificity
62
hypothesis and on a statistical modeling permitting to disentangle variance at different levels
of measurements, we hypothesized that the correlations between autonomous and controlled
motivation with student’s grades will be dependent upon the specificity of the measures
assessed. Therefore, we conducted a study among secondary students in which we measured
autonomous and controlled motivation at the contextual level (i.e., school in general) and in
four school subjects (i.e., French, mathematics, English, and physical education). This main
goal will first permit us to replicate results concerning the school-subject-specificity hypothesis
proposed by Chanal and Guay (2015). Secondly, it will permit us to investigate the sources of
variance of controlled motivation measures. Indeed, controlled motivation was described as
more contextual by the authors because most of the shared variance of the measures was located
at the contextual level. However, this conclusion could be fallacious because of the modeling
used. Indeed, shared variance between similar items has not been considered in this previous
study. This is problematic, because item-specific variance (i.e., variability in the subjects’
answers that is due to the particular item assessed) could have not been distinguished from
variance shared at the contextual level. Because we were interested in disentangling these
multiple sources of variance (i.e., situational, contextual and item) to better understand the
specificity of controlled motivation and to investigate the relationships with students’ grades in
different school subjects, we considered items from various questionnaires used in the academic
research for controlled motivation (See Fig 2 for an example in one regulation type).
Consequently, we tested the school-subject-specificity hypothesis on a larger motivational
continuum than Chanal and Guay (7 vs. 4 motivational regulations) and we also evaluated the
correlations between students’ motivation assessments and students’ grades. Our main
hypothesis was that depending on their position on the motivational continuum, the regulations
would be more or less specific to the situational level. That is, we were expecting autonomous
motivation items to be more specific to the situational level than controlled regulations. This
63
assumption was tested using the CTCM-1 model, in which the variance partitioning was
decomposed between the contextual, the situational and the item level
6.3 Method
6.3.1 Participants and procedure
Participants were 579 French-Speaking students (50.1% male; mean age = 13.2 years,
SD = 0.99 years) from a public junior high-school located in the Canton of Geneva, Switzerland.
Participants were recruited between October and November 2013, and the study took place in
December 2013 during teaching period. An experienced research assistant administered
questionnaires in the classroom with the following instructions given to all children: “This is a
chance to help me find out how you feel. It is not a test. There are no right or wrong answers,
and everyone will have different answers. I will ask you to read each question and then ask you
to write down how you feel about it by circling a number on the scale ranging from 1 (Totally
disagree) to 7 (Totally agree). Make sure your answers show how you feel about yourself. We
will not show your answers to anyone else. If you do not understand a sentence or a word in a
sentence, please tell me.” This study was approved by the "Commission de recherche dans les
écoles (school research commission)" of canton of Geneva. Written consent form was required
from parents and children in order to participate in the study. The data has been obtained and
analyzed anonymously. When study was approved by the "Commission de recherche dans les
écoles", schools where to conduct the study has been provided by the administration. Therefore,
we were attributed the public junior high-school where the study was conducted and cannot
consider that our sample was representative of a larger population.
6.3.2 Measures
Academic Motivation. The regulation types were assessed with the questionnaire
recently developed by Chanal et al. (2019). This questionnaire consists of different items
extracted from scales classically used in SDT research in the academic domain or in physical
64
education classes: the Academic Motivation Scale (AMS), the Academic Self-Regulation
Questionnaire (A-SRQ), the Behavioral Regulation Questionnaire (BREQ), the Exercise
Motivation Scale (EMS) and the Sport Motivation Scale (SMS). Most of them were issued from
the French version of the AMS (Vallerand et al., 1989) and from items used for introjected
approach and avoidance by Assor et al. (2009) and Gagné et al. (2015a). We selected a
minimum of four items for each regulation types based on the most representative ones found
in the different scales presented above. The same items were used to assess each regulation at
the school subject and contextual levels (mathematics, French, English and physical education).
The final tool for each school subject contains 29 items (see Table 3) divided in seven subscales:
intrinsic motivation to experience stimulation (e.g., “Because I am having fun in . . .”; αs
between .80 and .93), intrinsic motivation for achievement (i.e., a combination of intrinsic
motivation to know and intrinsic motivation toward accomplishments) (e.g., “Because I feel
pleasure when I progress in . . .”; αs between .82 and .91), identified regulation (e.g., “Because
I consider that . . . is important”; αs between .79 and .86), introjected approach regulation (e.g.,
“Because I want to be satisfied with myself”; αs between .72 and .82), introjected avoidance
regulation (e.g., “Because I would feel guilty if I did not do everything that I could”; αs between
.66 and .75), external approach regulation (e.g., “To get good grades”; αs between .70 and .78)
and external avoidance regulation (e.g., “To avoid bad grades”; αs between .71 and .74).
Students were asked to rate how much they agreed with each item on a seven-point scale from
1 (Totally disagree) to 7 (Totally agree)
Students’ grades. School administration was asked to provide us with the students’
grades at the end of the year in each of the four school subjects as well as a mean of grades in
all the school subjects. The use of standardized tests would have been a more reliable measure,
however, we did not have access to standardized tests for all the school subjects assessed.
65
6.3.3 Statistical analyses
Correlated trait-correlated method minus one model. The above-mentioned
hierarchical and multidimensional structure of autonomous and controlled motivation requires
statistical procedures that are able to handle these aspects simultaneously. As described in
Chanal and Guay (2015), the correlated trait-correlated method minus one (CTCM-1) model
(Eid et al., 2003) appeared to be the most suitable modeling procedure for our research purpose.
This model allows testing of the hierarchical structure of autonomous and controlled academic
motivations while taking into account multiple school subjects. The CTCM-1 permitted us to
disentangle multiple sources of variance in autonomous and controlled motivations in various
school subjects (e.g., mathematics, French, English, and physical education). More specifically,
autonomous and controlled motivations at the school level are considered as being a single trait,
whereas motivations for various school subjects are considered as school subject deviations
from the global trait. Each indicator for the four school subjects are therefore explained by
specific latent constructs but also by a latent construct for contextual autonomous or controlled
motivation. Consequently, the latent factor at the contextual level encompasses the common
variance of the school motivation measures in the school subject indicators and the latent factors
at the school subject level are specific deviations from the global trait. Crucially, the method
factor is missing for indicators assessing each regulation at the contextual level, and thus allows
the model to be identified and a to obtain a unique solution for all model parameters.
Factorial scores for each construct was then extracted and correlated with student’s
grades
Missing data. Less than 1% of the data were missing. We performed a full information
maximum likelihood (FIML) estimation using Mplus (version 7).
Estimation and goodness of fit. All models were tested with maximum likelihood
estimation using robust standard errors (MLR estimation). To determine the fit of the model,
66
we used the comparative fit index (CFI), the Tucker-Lewis index (TLI), the root mean square
error of approximation (RMSEA), and the standardized root mean square residual (SRMR).
The CFI and TLI values close to or above 0.90 and RMSEA and SRMR values close to or
below .08 are typically considered acceptable (Hu & Bentler, 1999; Marsh, Hau, et al., 2005).
Parallel items Identical items were used to assess the same regulations across school
subjects. Chanal and Guay (2015) created an item-specific latent factor for the same item at the
contextual level (see the example for intrinsic motivation in Fig 1). However, this modeling did
not permit them to disentangle variance shared at the item level and at the contextual level.
Therefore, we used a new modeling that considers variance shared at the item level and variance
shared at the contextual level separately (see Fig 2).
Fig 1.
Correlated item-specific trait-correlated method minus one model for intrinsic motivation
Note. SS1-SS4 = school subjects 1 to 4. SS1_1-SS1_3 = items for school subject 1. SS2_1-SS2_3
= items for school subject 2. AS_1-AS_3 = items for Academic. SS3_1-SS3_3 = items for school
subject 3. SS4_1-SS4_3 = items for school subject 4.
67
Fig 2.
Correlated item-specific trait-correlated method minus one model for intrinsic motivation with item
specific variance
Note. SS1-SS4 = school subjects 1 to 4. SS1_1-SS1_3 = items for school subject 1. SS2_1-SS2_3
= items for school subject 2. AS_1-AS_3 = items for Academic. SS3_1-SS3_3 = items for school
subject 3. SS4_1-SS4_3 = items for school subject 4.
6.4 Results
Table 1 presents fit indices for each regulation type model (see Fig 2 for intrinsic
motivation). All models show a good fit to the data.
Table 1
Fit indices of the models
68
6.4.1 The school-subject-specificity hypothesis
Table 2 presents the percentage of total variance of items that are attributed to the three
levels considered as well as the residual variance. Results confirm our hypothesis. Autonomous
motivation appears to be more specific (between 38 to 56% in total variance) than controlled
motivation (between 10 to 23% in total) in average (Table 2). Moreover, results demonstrated
an almost perfect decrease pattern along the motivational continuum in situational variance
except between intrinsic-achievement and identified regulation.
Table 2
Percentage of the variance due to situational, contextual and item levels for each school subject
and on average
69
6.4.2 The contextual and items level shared variance
The new modeling used in this study allowed us to disentangle contextual and item level
shared variance. Analyses indicated (1) if regulation types were more contextual along the
motivational continuum, (2) and if item-specific shared variance was similar along the
motivational continuum. Results show that contextual variance does not increase along the
motivational continuum continuously (Table 2). If on average, contextual shared variance
seemed to increase from intrinsic motivation to introjected approach and avoidance (from 8%
to 27%), it decreased with external approach and avoidance (12% and 18%). As residual
variance was quite similar along regulation types (between 26 to 30% except for intrinsic-
stimulation with 21%), items level shared variance is found to be responsible for this result.
Indeed, if autonomous motivation shares only between 10 to 16% of variance at the item level,
for controlled motivation, percentage variance at the item level fluctuates between 22 to 50%.
Moreover, looking more finely at these results, it appears that variance shared at the item level
tends to increase constantly along the motivational continuum (except for identified regulation)
6.4.3 The relations between situational and items levels constructs and
students’ grades
Situational correlations. Results about situational level constructs are presented in
Table 3. Pearson correlations between each regulation type and grades are estimated in each
school subject. For intrinsic motivation-stimulation and identified regulation, results show that
correlations are significant for each of the four school subjects. Intrinsic motivation
achievement appears to have significant relationships for three school subjects. In total, on the
12 correlations between autonomous motivation and school grades, 11 (92%) are significant.
70
For controlled motivation, on the 16 correlations between controlled motivation and
students’ grades, only 8 (50%) are significant, and only 2 are in line with SDT theoretical
predictions.
Table 3
Correlations between situation regulations and grades
71
Results about items correlations with student’s grade are presented in Table 4. Pearson
correlations between each item of the motivation questionnaire and grades in different school
subjects were estimated. In total, out of the 42 correlations between items and grades for
autonomous motivation, only 7 (17%) are significant. More specifically, 5 of the 7 correlations
between grades and autonomous motivation are found in French, which is the less specific
school subject (see Table 2). These are all in line with SDT predictions except for one item of
identified regulation (“Because I consider it important to feel good”) that is negatively related
to grades in mathematics, French and English.
For controlled motivation, out of the 68 correlations between items and grades, 26 (38%)
are significant. More specifically, 8 of the 26 are found for introjected approach and avoidance
and 18 of the 26 for the external approach and avoidance regulation types, which are the less
specific regulation types. Twelve items of controlled motivation are correlated to students’
grades. Eight are negatively correlated, and 4 are positively correlated. Notably, two of these
items, explicitly referring to grades (“To get good grades” and “To avoid bad grades”) are each
positively related to students’ grades in three different school subjects (French, English and
physical education).
72
Table 4
Correlations between grades and regulations at the item-specific level
Note. Only significant correlations are reported.
6.5 Discussion
The aim of this study was to examine the implication of the school-subject-specificity
hypothesis (Chanal & Guay, 2015) for the relationships between autonomous and controlled
motivation and student’s grades.
6.5.1 The school-subject-specificity hypothesis
Results confirm the school-subject-specificity hypothesis. Autonomous motivation is
more school-subject-specific than controlled motivation, replicating Chanal and Guay (2015)
results. Our study obtains additional evidence of this effect with more regulation types (7
against 4). As expected, results demonstrate that specificity of the regulation types increases
along the motivational continuum. However, contrary to Chanal and Guay (2015), our results
show that controlled motivation is not more related to the contextual level than autonomous
73
motivation. Indeed, our study show that variance in the assessments of some regulation types
of controlled motivation is more importantly related to items level than to contextual or
situational levels. These results have serious implications concerning the SDT researches in the
academic domain. First, they highlight the necessity to consider simultaneously motivation for
different school subjects independently at the same time as well as contextual motivation to
fully capture the interrelation between autonomous and controlled motivation for different
school subjects. Second, they questioned the use of composite scores in determining subjects’
situational motivation in a particular school subject. Indeed, creation of composite scores
combining together autonomous and controlled motivation that are not equally specific to
situational level will predominantly express variations of autonomous motivation between
subjects in this situational school subject. Therefore, results could either conduct to attribute
between subjects’ differences on global self-determination instead of autonomous motivation
only, or reduce between subjects’ variability in autonomous motivation and contribute to type
II errors. For us, these results could help to explain inconsistencies found in the academic
literature.
6.5.2 On the relation of autonomous and controlled motivation to
grades
Our results allow us to suggest that the relations between academic motivation and
grades are dependent (1) on the specificity of the constructs and (2) of the items used in the
questionnaires. Indeed, correlations between autonomous and controlled motivation at the
situational level are dependent on the specificity of the construct. The more specific the school
subject measures are, the more relations with grades are found. However, these relations are
not fully in line with classical SDT perspective. Indeed, if we consistently find positive links
between autonomous motivation and grades (i.e., for more specific constructs) at the situational
level, results are mixed for controlled motivation. Among the 8 correlations found to be
74
significant, 6 are positive and 2 are negative. These results echo with results obtained at the
items level. Indeed, among the 12 items measuring autonomous motivation, only 5 are related
to grades. Among these 5, 4 are positively related to grades in line with SDT perspective, and
only 1 is negatively related. Therefore, for autonomous motivation, there is a general
accordance between results at the situational and items levels, with more relations at the school
subject level because autonomous motivation is globally more specific. In the controlled
motivation side, among the 17 items measuring it, 12 items are related to grades. Among these
12, 8 are negatively related to grade in line with SDT perspective, and 4 are positively related.
Therefore, for controlled motivation, there is no general accordance between results at the
situational and items levels. At the school subject level, we find more positive correlations than
negative ones whereas at the items level, we find more negative correlations that positive ones.
However, if we consider items that do not strictly refer to grades at the item level, only negative
correlations are found between controlled motivation and grades at the items level. For us, these
results show that mixed evidence found in the literature concerning relation between controlled
motivation and grades at the situational level could be due to the different items used in various
questionnaires (e.g., AMS vs. A-SRQ), in addition to the fact that controlled motivation is not
specific to the situational level.
6.5.3 Implications of these results
The multidimensionality and hierarchical aspects of student’s academic self-concept
investigated over the past 30 years (e.g., Marsh et al., 2017), implied a lot of internal and
external comparison processes interfering with and causing academic achievement (see Marsh
et al., 2017 for a review on The Reciprocal Effects Model (REM), and the Frame of Reference
Models). For SDT researchers, this new area of research appears to be far more complex
because of the motivational continuum and the multiple regulation types described. Indeed, as
75
autonomous and controlled motivation are not equally specific to the hierarchical level (or
dimension in Marsh’ terminology) in which they are assessed, this implies that some regulations
would be involved in reciprocal effects model and/or frame of reference models at the
situational level (i.e., the autonomous ones) whereas others will or will not (i.e., the controlled
ones) depending on their level of specificity. Taylor et al. (2014) results give us some first
evidence of the implication of the specificity hypothesis on the REM between motivation and
academic achievement. Indeed, its results show that intrinsic motivation was the only regulation
type in the three studies that was related to achievement at Time 2 controlling for baseline
achievement. Moreover, in Study 2, achievement at Time 1 also predicted intrinsic motivation
at Time 2 controlling for previous intrinsic motivation, demonstrating complete REM between
intrinsic motivation and achievement. This result is not surprising considering that intrinsic
motivation is the most specific motivation and therefore could more easily interfere and cause
academic achievement. However, these studies did not consider students’ self-concept. One
previous study already attempted to consider student’s self-concept, motivation and
achievement to determinate the causal sequence between these (Guay, Ratelle, et al., 2010).
However, this study considered (1) only one dimension of motivation and (2) RAI composite
score to operationalize motivation. Therefore, according to the between-school-subject
hypothesis, and the differentiation in specificity for autonomous and controlled motivation, we
consider that the conclusions drawn from this study should be considered cautiously. Our results
also have important implications for teachers’ practices. Indeed, because of the school-subject-
specificity of the regulations, teachers’ autonomy-supportive behaviors in a school subject
could affect only autonomous motivation but could have no impact on controlled motivation.
Therefore, it is important to determine how teachers’ behaviors could be differently linked to
76
student’s autonomous and controlled motivation regarding the school-subject-specificity results
presented in this study.
6.5.4 Limitations and future directions
This study has some limitations that must be considered when interpreting the findings.
A first limitation is the cross-sectional design used in this study which do not permit us to infer
about causality. Moreover, we also have to acknowledge that it was not possible to obtain
standardized test for school subjects assessed and this also could have impact our results. In
future research, it will be important to understand how antecedents and consequences at the
situational level are impacted differently by autonomous and controlled motivation. Moreover
some additional research will be important to conduce in teacher formation interventions.
Indeed, in line with our research, Guay et al. (2016) showed that a teacher intervention program
in the writing class was only linked to a student’s increase in intrinsic motivation. It would be
then important to understand if specific interventions should be built to influence both students’
autonomous and controlled motivation.
6.6 Conclusion
This study aimed to show an implication of a new hypothesis relative to the SDT
perspective of student’s motivation in the academic domain. Results supported the school-
subject-specificity hypothesis (Chanal & Guay, 2015). Moreover, this study extended previous
research by devoting attention to the implications of this hypothesis to the question of the
relation between autonomous and controlled motivation with academic achievement. Indeed,
mixed results were found in the SDT literature concerning this particular outcome. Our results
suggest that the specificity of the regulation types could be responsible for the relation found
with students’ grades. The more specific the construct is, the more relations exist. Finally, our
results demonstrate that relations between regulation types and outcomes in SDT could be due
77
to the wording of the items more than the regulation per se. Indeed, we found in the same time
positive and negative effect of introjected and external regulation items on students’ grades.
This study opens new research perspectives in our comprehension of the development of
academic achievement across the educational background from a motivational perspective.
78
7 Article 3 : The Antecedents and Consequences of
Autonomous and Controlled Motivation: Domain
Specificity and Motivational Sequence at the Situational
Level3
Delphine Paumier1 and Julien Chanal1, 2
1
University of Geneva
2
Distance Learning University, Switzerland
Author Note
Some of the data appearing in this manuscript were presented during a talk at the 7th
international conference on Self-determination theory in 2019 (Egmond and Zee, Netherlands).
The authors declare that there are no conflicts of interest.
Correspondence concerning this article should be addressed to Julien Chanal,
Laboratoire Méthodologie et Analyse de Données, CH-1211, Genève 4, Suisse. E-mail:
julien.chanal@unige.ch
3
Cette partie est une reproduction de l’article : D., Paumier, & J., Chanal (submitted). The Antecedents and
Consequences of Autonomous and Controlled Motivation: Domain Specificity and Motivational Sequence at the
Situational Level.
79
Abstract
The aim of this study was to investigate the level of specificity of the different regulation
types described by Self-Determination Theory, and to evaluate its impact on the links with its
antecedents and consequences, in an academic context. In line with the school-subject-
specificity hypothesis, we postulated that autonomous motivation regulations (AM regulations)
would be more specific to the situational level than controlled motivation regulations (CM
regulations). Moreover, we hypothesized that AM regulations would be, at this level, more
strongly associated with its antecedents and consequences than CM regulations. Three hundred
fourteen university students were asked to complete online questionnaires assessing their
motivation, motivational antecedents (i.e., autonomy-supportive climate and self-concept) and
consequences (i.e., emotions and grades) in various courses. As expected, results from
structural equation modeling confirmed that AM regulations were more specific to the
situational level than CM regulations. Moreover, a higher number of significant correlations
were found between motivation and its antecedents and consequences in the corresponding
course for AM than for CM regulations. Educational implications and directions for future
research are discussed.
Keywords: self-determination theory, specificity hypothesis, autonomy-supportive
climate, academic emotions
80
Educational Impact and Implications Statement
This study with university students examined the motivational sequence linking
autonomous and controlled motivations to their antecedents (i.e., autonomy-supportive climate
and self-concept) and consequences (i.e., emotions and grades) at situational level (in various
university courses). Results showed that since autonomous motivation regulations (AM
regulations) were more specific to the situational level than controlled motivation regulations
(CM regulations), this motivational sequence existed more for AM than for CM regulations.
Thus, the more students perceived their teacher as supporting their autonomy in a course, the
higher their AM regulations in this course were and in turn, more positive their emotions in this
course were. Conversely, autonomy-supportive climate perceived by students in a course was
less related to their CM regulations in this course, and their CM regulations was less related to
their affects in this course than AM regulations.
81
The antecedents and consequences of autonomous and controlled motivation: Domain
specificity and motivational sequence at the situational level
7.1 Introduction
Self-Determination Theory (SDT; Deci & Ryan, 1985; Ryan & Deci, 2017) provides a
framework that enables to understand the mechanisms favoring optimal functioning. Different
regulation types have been described, varying in their level of self-determination, from the most
autonomous to the most controlled. Moreover, SDT describes how social contexts influence
motivation. More specifically, social environments that facilitate satisfaction of basic
psychological needs promote the most autonomous regulations (Deci & Ryan, 2000). In
contrast, social contexts which thwart satisfaction of these needs yield the most controlled
regulations (Deci & Ryan, 2000). Autonomous motivation regulations (AM regulations) have
been shown to be associated with greater creativity, enhanced psychological well-being, more
persistence and higher performance in activities (Deci & Ryan, 2008a) whereas controlled
motivation regulations (CM regulations) have been associated with lower well-being, poorer
mental health and lower performances in activities (see Deci & Ryan, 2000, for a review).
Recently, in the academic domain, the school-subject-specificity hypothesis (Chanal &
Guay, 2015) was developed to explain differences in differentiation found between AM and
CM regulations in different situational situations (i.e., school subjects). Specifically, they
demonstrated that AM and CM regulations were not equally specific to the school subject (i.e.,
the situational level) in which they were assessed. Using a multiple school subjects and multiple
level of hierarchy design (i.e., situational and contextual), they demonstrated that AM
regulations were more differentiated across school subjects than CM regulations because AM
regulations were more specific to the situational level than CM regulations. These results could
have serious implications on the relations between antecedents and consequences of AM and
82
CM regulations in the SDT framework. Indeed, this would imply that antecedents and
consequences should be more related to AM than to CM regulations at the situational level.
However, results in studies aimed at exploring relations between antecedents and consequences
with AM and CM regulations at the situational level had never examined a difference in the
specificity level of the regulation types. Because most of the SDT research had focused on
studies in situational level or in contextual level separately, or combined AM regulations and
CM regulations to operationalize motivation at the situational level (i.e., by using an index)
without considering this specificity difference, the consequences of this result on the
motivational classical sequence depicted in SDT are not known.
In this research, we examined antecedents (i.e., autonomy-supportive climate, self-
concept) and consequences (i.e., emotions and grades) of students’ regulation types at the
situational level (i.e., toward various university courses) controlling for the level of specificity
of the different measures by considering the contextual level (i.e., motivation for studying
psychology). The aim of this study was to investigate antecedents and consequences of AM and
CM regulations in light of the school-subject-specificity hypothesis. More precisely, we wanted
to examine whether the nature and the strength of relations between antecedents and
consequences of motivation could depend on the specificity of the regulation types.
7.1.1 Self-Determination Theory
Contrary to other motivational theories that have treated motivation as a unitary concept
varying only in quantity (e.g., Bandura, 1997), Self-Determination Theory considers motivation
as a multidimensional concept that also varies in terms of quality. Indeed, SDT recognizes that
there are three types of motivation: Intrinsic motivation, extrinsic motivation and amotivation
(Ryan & Deci, 2000a). Intrinsic motivation refers to the act of doing an activity for the pleasure
and for its inherent satisfaction (Ryan & Deci, 2000a). On the contrary, extrinsic motivation is
defined as doing of an activity to attain some separable consequences (Ryan & Deci, 2000a).
83
Deci and Ryan (1985) suggest the existence of different types of extrinsic motivation varying
in their level of self-determination. Four extrinsic motivations are considered from low to high
level of self-determination: External regulation, introjected regulation, identified regulation,
and integrated regulation. External regulation involves doing a behavior to satisfy an external
demand or reward contingency (Ryan & Deci, 2000b). Introjected regulation is the second type
of extrinsic motivation and occurs when behaviors are performed in response to internal
pressures, to avoid guilt or anxiety or to attain pride or ego-enhancements (Ryan & Deci,
2000a). Recently, Assor et al. (2009) distinguished between two types of introjected regulation:
Introjected approach (or positive introjected) and introjected avoidance (or negative
introjected). Introjected approach refers to the act of doing an activity to attain feelings of high
self-worth or pride, whereas introjected avoidance refers to the act of doing an activity to avoid
feelings of low self-worth, shame or guilt (Assor et al., 2009). According to these authors,
introjected approach would be more self-determined than introjected avoidance. A more self-
determined form of extrinsic motivation is identified regulation. Identified regulation occurs
when people have identified with the personal importance of a behavior and have accepted it
as their own (Ryan & Deci, 2000a). The behavior is freely chosen but it is performed for
instrumental purposes. The most self-determined form of extrinsic motivation is integrated
regulation. Integrated regulation occurs when identifications have been evaluated and brought
into congruence with individual’s values and needs (Ryan & Deci, 2002). As explained by
Sheldon et al. (2017), there is a consensus that integrated motivation is problematic to measure.
Other than the classical intrinsic/extrinsic one, another distinction occurs in the SDT framework
relative to the level of internalization of regulation types. Autonomous motivation regulations
refer to behaviors performed voluntarily and by choice (Vansteenkiste et al., 2006), and
comprises intrinsic motivation as well as integrated and identified regulations. In contrast,
controlled motivation regulations refer to behaviors constrained by internal and external
84
pressures (Assor et al., 2009), and comprises introjected and external regulations. Finally,
amotivation refers to a lack of intentionality or a lack of motivation (Deci & Ryan, 2008a).
Given the multidimensional nature of motivation in the SDT, the level of individuals’
motivation has been operationalized in different ways. Some research (e.g., Chanal & Guay,
2015) has considered the motivational regulation types proposed by the SDT separately (i.e.,
using the subscales as separate variables). Some others (e.g., Black & Deci, 2000) have created
composite scores based on measurements of these regulation types (e.g., the Relative Autonomy
Index (RAI) obtained by weighting the scores obtained on the different regulations according
to their degree of self-determination4). The use of the RAI is justified by the fact that it reflects
the continuum structure of motivation. Lastly, some others (e.g., De Naeghel et al., 2012)
created a composite score based on autonomous motivation (AM) (e.g., by calculating the
average obtained for intrinsic, integrated and identified regulations) and controlled motivation
(CM) (e.g., by calculating the average obtained for introjected and external regulations). The
use of AM and CM scores is supported by evidence for a second-order factor structure (e.g.,
Gagné, Forest, et al., 2015b). We will see later that the operationalization of motivation impacts
the results of studies concerning the links between motivation and its antecedents and
consequences.
7.1.2 Hierarchical Model of Intrinsic and Extrinsic Motivation
Within the SDT framework, the Hierarchical Model of Intrinsic and Extrinsic
Motivation (HMIEM; Vallerand, 1997) was developed with the aim to propose an integrative
model able to describe the mechanisms of antecedents and consequences of motivation at
different hierarchical levels. First, the HMIEM takes into consideration the different forms of
motivation described by SDT and highlights the motivational sequence between antecedents
4
The most common formula for RAI is: 2(intrinsic) + 1(identified) - 1(introjection) - 2(external) (Grolnick &
Ryan, 1989).
85
and consequences of motivation. Second, this model considers that these types of motivation
exist at three different hierarchical levels. These levels are described as: The global, the
contextual and the situational. The global motivation level is defined as a broad disposition to
engage in an activity according to an intrinsic, extrinsic or amotivated way (Vallerand, 2000).
It refers to individual differences in motivation and can be seen as a characteristic of personality
(Vallerand, 1997). The contextual motivation level refers to “motivational orientations (…) that
are specific to various contexts such as education, leisure, and interpersonal relationships”
(Vallerand, 2000, p. 313). The contextual motivation may vary drastically from one context to
another and is more subject to variations than the global motivation (Vallerand, 1997). The
situational motivation level refers to the motivation when people are currently engaging in an
activity and corresponds to the here and now of motivation (Vallerand, 1997). According to the
model, the motivational sequence also exists at these three hierarchical levels. More precisely,
antecedents at a particular hierarchical level are described as influencing motivation at the
corresponding level, and motivation at a particular hierarchical level as inducing consequences
at that corresponding level. Motivational antecedents refer to social factors, human or
nonhuman, found in our social environment (Vallerand, 1997). Note that motivation at a given
level of the hierarchy is also influenced by motivation at the higher level (e.g., motivation at
the situational level influences motivation at the contextual level) (Vallerand, 2000).
7.1.3 Antecedents of Autonomous and Controlled Motivation
As mentioned above, social factors are considered as antecedents of motivation. More
specifically, according to Vallerand (1997) and Deci and Ryan (2008a), social factors influence
individual's motivation through their impact on the satisfaction of basic psychological needs
(i.e., need for autonomy, competence, and relatedness). Indeed, social factors that satisfy
people’s basic psychological needs, lead to the most autonomous regulations (Ryan & Deci,
2000b). In contrast, social factors that thwart satisfaction of these needs yield the least
86
autonomous types of motivation (Ryan & Deci, 2000b). Many studies in different contexts (e.g.,
sport, health, work, education) have therefore focused on the environmental conditions that
support people's psychological needs. In the academic context, one of the most studied social
factors influencing students’ motivation is the motivational climate introduced by the teacher
in the classroom and especially the teaching style he or she uses. Teachers’ motivational climate
is postulated to influence students’ motivation by satisfying or thwarting their need for
autonomy. The need for competence is another psychological need that has often been studied
in the academic context. The satisfaction or frustration of this need in students is assumed to
influence their academic motivation. In many studies, the feelings or perceptions of competence
have been studied and operationalized as a more general construct namely the self-concept. In
the academic context, these two antecedents (i.e., motivational climate and self-concept) have
been studied at the contextual (i.e., toward school in general) and situational levels (i.e., toward
a specific school subject or course).
Teachers’ motivational climate
Teachers’ motivational climate refers to the interpersonal style that teachers adopt in the
classroom with their students. These motivational interpersonal styles of teachers range along
a continuum that goes from a style conceptualized as controlling to a style conceptualized as
autonomy-supportive (Reeve & Jang, 2006). Autonomy-supportive teachers offer choices to
students, acknowledge their affects and feelings, and explain the use, value, and importance of
school activities (Reeve, 2006). In contrast, controlling teachers provide extrinsic incentives,
emphasize external evaluations, use pressuring communications and establish external goals
(Reeve & Jang, 2006).
At the contextual level, studies considering a combination of all regulation types into a
single composite score consistently showed that the more students felt their autonomy
supported by their teacher, the higher their RAI toward studies in secondary school (Soenens
87
& Vansteenkiste, 2005) and in university (Amoura et al., 2015; C. Orsini et al., 2017). When
researches considered AM and CM, results showed that autonomy-supportive climate was
consistently positively associated with AM (Litalien & Guay, 2015; C. Orsini et al., 2017;
Vansteenkiste et al., 2012). However, results were less consistent with CM: For example, a
negative relation was found in Litalien and Guay (2015) study whereas Orsini et al. (2017)
found a positive one. Vansteenkiste et al. (2012) did not find a significant association between
these constructs. Additionally, we have to note that we did not find studies investigating these
associations using regulation types separately at the contextual level.
At the situational level, researches using single composite scores found results similar
to the contextual level showing a positive association between autonomy-supportive climate in
a school subject and the RAI in that school subject (Black & Deci, 2000; Filak & Sheldon,
2008). Additionally, studies conducted in the context of physical education (Behzadnia et al.,
2018; Haerens et al., 2015) considering AM and CM separately showed that autonomy-
supportive climate was positively associated with AM but unrelated to CM. Conversely,
controlling climate was negatively related to AM in both studies and positively to CM uniquely
in the study conducted by Haerens et al. (2015). In researches considering each regulation type
separately, the results showed positive associations between autonomy-supportive climate and
intrinsic and identified regulations (Behzadnia et al., 2018; Guay et al., 2013; Sparks et al.,
2016). However, the relations between motivational climate and introjected and external
regulations were once again more mixed. Behzadnia et al. (2018) found that the autonomy-
supportive climate was unrelated to introjected and external regulations. Sparks et al. (2016)
highlighted a positive relation between autonomy-supportive climate and introjected regulation
in physical education contrary to predictions of SDT, and no significant association with
external regulation. Guay et al. (2013) showed that the autonomy support of French teachers
was positively associated with student’s introjected and external regulations in French, in
88
contradiction with SDT predictions. Note also that a study (Guay, Valois, et al., 2016), which
investigated the effects of an autonomy-supportive intervention for the teacher in the writing
class, demonstrated that intervention only has an effect on students’ intrinsic motivation in
writing but not on the other regulation types considered.
Student’s self-concept
Self-concept can broadly be described as an individual’s perceptions of himself or
herself, formed through experience and interpretation of his or her environment (Shavelson et
al., 1976). These perceptions comprise feelings of self-confidence, self-worth, self-acceptance,
competence, and ability (Marsh et al., 2017). In the academic context, the self-concept mainly
refers to the students’ perceptions of their competences in school or in their studies in general
(i.e., contextual level) or in a specific school subject or course (i.e., situational level).
At the contextual level, studies using a single composite score showed that academic
self-concept was positively associated with RAI (Fortier et al., 1995; Guay, Ratelle, et al., 2010;
Vallerand et al., 1997). A study carried out with conservatory students that considered AM and
CM separately (Valenzuela et al., 2018) showed that self-concept in instrument practice was
significantly and positively correlated with CM toward instrument practice, but was unrelated
to AM. These authors also studied these links considering each regulation type separately and
showed that self-concept was positively correlated with intrinsic motivation and external
regulation. No significant link was found for identified and introjected regulations.
At the situational level, a study (Timo et al., 2016) using a single composite score
confirmed that the self-concept in physical education was positively related to the RAI in this
school subject. In a study considering AM and CM separately (De Naeghel et al., 2012), a
positive association was found between self-concept and AM in reading, and a negative
association was found between self-concept and CM. Guay, Chanal, et al. (2010) examined the
links between each regulation type separately and self-concept in three school subjects (i.e.,
89
writing, reading and mathematics). These authors showed that intrinsic and identified
regulations correlated significantly and positively with self-concept in a corresponding school
subject. Controlled motivation (introjected and external taken together) toward writing and
mathematics correlated significantly and positively with self-concept in a corresponding school
subject. It is important to note that correlations were higher between self-concept and intrinsic
motivation (.61-.73) than between self-concept and identified regulation (.37-.48) and between
self-concept and controlled motivation (.06-.25). Chanal and Guay (2015) also investigated the
links between self-concept and motivation simultaneously across school subjects and showed
that self-concepts were positively associated with intrinsic motivation and identified regulation
in a corresponding school subject, whereas self-concepts were unrelated to introjected and
external regulations in a corresponding subject.
7.1.4 Consequences of Autonomous and Controlled Motivation
Finally, motivation produces important consequences that can be affective (e.g.,
interest, emotions, satisfaction), cognitive (e.g., concentration, attention, learning) and
behavioral (e.g., persistence in the task, performance) (Vallerand, 1997). More importantly, a
key idea of SDT and HMIEM is that the different regulation types lead to different
consequences. Indeed, they postulate that the more self-determined the motivation is, the more
positive the consequences are. We will focus in this section on the studies concerning the
consequences in terms of academic achievement and emotions and will present them according
to the hierarchical level considered and the operationalization of motivation used.
Student’s achievement
At the contextual level, all studies using a single composite score demonstrated that the
higher the RAI, the higher achievement in school in general (Fortier et al., 1995; Grolnick et
al., 1991; Guay & Vallerand, 1997; Ratelle et al., 2005). Research considering AM and CM
separately confirmed the positive influence of AM and demonstrated the negative impact of
90
CM on academic achievement (Brunet et al., 2015; Litalien et al., 2015). However, other studies
found no significant relations between achievement and CM (Kusurkar, Croiset, et al., 2013).
For studies considering each regulation type separately, meta-analyses (Howard et al., 2021;
Taylor et al., 2014, study 1) and studies (Litalien et al., 2015; C. A. Orsini et al., 2019)
confirmed that academic achievement was positively associated with intrinsic and identified
regulations. While Taylor et al. (2014, study 1) and Litalien et al. (2015) showed that
achievement was negatively associated with introjected and external regulations, Howard et al.
(2021) and Orsini et al. (2019) did not find significant relation for these two regulations. Other
researches showed also less consistent results. For instance, two studies found no significant
correlation between achievement and all regulation types (Cokley et al., 2001; Fairchild et al.,
2005). More importantly, Taylor et al. (2014, study 4) showed positive relation between
external regulation and academic achievement, in contradiction to SDT predictions.
At the situational level, a study (Black & Deci, 2000) using a single composite score
demonstrated that the RAI in organic chemistry was positively related to the grades in this
school subject. Studies considering AM and CM separately (Botnaru et al., 2021; De Naeghel
et al., 2012; Jeno et al., 2018) found a positive association between AM and achievement.
However while De Naeghel et al. (2012) and Botnaru et al. (2021) showed a negative
association between CM and reading performance and grades in sciences school subjects
respectively, Jeno et al. (2018) did not find a significant relation between CM and grades in
biology. In studies considering each regulation type separately, results are less consistent.
Indeed, Leroy and Bressoux (2016) and Lohbeck (2018) showed that grades in mathematics
were positively related to intrinsic motivation and identified regulation, and negatively to
external regulation. However, these authors did not find significant relationship between
introjected regulation and grades. Positive links were also observed between grades and
intrinsic motivation, but no significant link was found between grades and identified, introjected
91
and external regulations in the study conducted by Noels et al. (2001). Finally, in some studies,
no significant link was found between all regulation types and achievement in the language
learning context (McEown et al., 2014; Noels et al., 1999).
Student’s academic emotions
At the contextual level, all studies using a single composite score demonstrated that the
higher the students’ RAI, the more positive emotions they experienced (Levesque et al., 2004;
Miserandino, 1996). Research considering AM and CM separately confirmed the positive
influence of AM and demonstrated the negative impact of CM on different affects (Brunet et
al., 2015; Litalien et al., 2015). For studies considering each regulation type separately, research
showed that autonomous regulations were related to the most positive consequences and that
external regulation was related to negative outcomes (Howard et al., 2021; Litalien et al., 2015).
For example, Litalien et al. (2015) demonstrated that intrinsic, integrated and identified
regulations were positively associated with positive affect and satisfaction with studies and
negatively associated with negative affect and test anxiety. In contrast, they showed that
external regulation was negatively related to positive affect and satisfaction with studies, and
positively related to negative affect and test anxiety. Results are mixed for introjected
regulations. Some studies showed that introjected regulation was negatively related to positive
affective outcomes, and positively related to negative affective outcomes (Howard et al., 2021;
Litalien et al., 2015). However, relations were found for introjected regulation in different
studies, which is contrary to the SDT. Indeed, introjected regulation has already been found to
be positively related to pleasure in school activities (Howard et al., 2021; Ryan & Connell,
1989) and to positive emotions (Bailey & Phillips, 2016; Howard et al., 2021; Vallerand et al.,
1989). Assor et al. (2009, study 1) distinguished two types of introjected regulations (i.e.,
approach and avoidance) and showed that introjected approach was more positively associated
with positive emotions than introjected avoidance.
92
At the situational level, a study (Black & Deci, 2000) using a single composite score
showed that the higher the students’ RAI in organic chemistry, the more enjoyment they
experienced and the less anxiety they felt during the course. In studies considering each
regulation type separately, Noels et al. (1999) found significant and negative relations between
anxiety and intrinsic motivation and identified regulation, while links with introjected and
external regulations were not significant. We have to note that we did not find studies
investigating these associations considering AM and CM separately at situational level.
In sum, it seems that the links between the different types of motivation and their
antecedents and consequences seem to be dependent of the operationalization of the motivation
used. Indeed, the results of studies using a single composite score (i.e., RAI) are consistent with
each other and with the assumptions of SDT. On the other hand, when the types of motivations
are operationalized in two composite scores (i.e., AM and CM) or when the regulations are
considered separately, the results appear more nuanced and sometimes contradict theoretical
assumptions but also each other. Second, in most of the studies presented, the authors assessed
motivation, antecedents, and consequences at only one hierarchical level or in one school
subject. Indeed, few studies have examined the links between motivation, its antecedents, and
consequences at different hierarchical levels or towards several school subjects simultaneously.
However, these links also seem to depend on the hierarchical level that is considered. Appendix
A and B summarize the results of studies on the relationships between motivation and its
antecedents (Appendix A) and its consequences (Appendix B).
7.1.5 The School-subject-specificity Hypothesis
The school-subject-specificity hypothesis has been developed to explain a non-expected
differentiation effect found between school subjects in SDT regulation types. Guay, Chanal, et
al. (2010) investigated variations in motivation across different school subjects (i.e., between
93
school subject differentiation) and demonstrated that the correlations between autonomous
motivation for different school subjects were lower than the correlations between controlled
motivation for the same school subjects. This differentiated pattern between regulations was
not expected nor theoretically conceptualized. Therefore, according to HMIEM, Chanal and
Guay (2015) examined primary and secondary students’ autonomous and controlled regulations
considering simultaneously two hierarchical levels of the model: The situational level (i.e.,
motivations for different school subjects) and the contextual level (i.e., motivations toward
school in general). These authors investigated the possibility that the differentiation effect found
by Guay, Chanal, et al. (2010) could be related to the degree of specificity of the regulation
types with the situational level in which they are measured. The school-subject-specificity-
hypothesis states that AM regulations are more differentiated between school subjects than CM
regulations because AM regulations are more specific to the situational level. Indeed, AM
regulations would be more school-subject-specific and therefore more differentiated because
their regulatory processes are more specific to the characteristics of the activity. The school
offers different activities to children, and they discover early those, which give them pleasure
and those which give them less (i.e., intrinsic motivation) but also those to which they will more
or less identify themselves (i.e., identified regulation). CM regulations would be less
differentiated and therefore less specific because its internal regulatory processes (i.e.,
introjected regulation) or external regulatory processes (i.e., external regulation) would not be
school-subject-specific but could be present in all school subjects. To test their hypothesis,
Chanal and Guay (2015) build structural equation models (i.e., correlated trait-correlated
method minus one model; CTCM-1) which permitted to distinguish shared variance attributable
to the contextual level (i.e., school) and to the situational level (i.e., school subjects). Their
results confirmed the school-subject-specificity hypothesis. Indeed, shared variance at the
situational level for AM items was higher than for CM items, demonstrating that AM
94
regulations are more specific than CM regulations. In this study, they also investigated the links
between motivation and students’ achievement and self-concept. Results showed that intrinsic
motivation in a school subject was positively and significantly related to achievement in the
corresponding subject (for two subjects on the four evaluated), whereas identified, introjected
and external regulation were unrelated to achievement. Students’ self-concept in a school
subject was positively and significantly related to intrinsic motivation and identified regulation
but not significantly related to introjected and external regulations in the corresponding school
subject. The school-subject-specificity hypothesis has recently been replicated and extended to
more regulations of the self-determination continuum (Chanal & Paumier, 2020). Results
showed a more important number of significant links between achievement and motivation,
assessed both at the situational level, for autonomous regulations than for the controlled ones.
More importantly, results demonstrated that relations between regulations at the situational
level depended on the level of specificity of the regulation considered. While autonomous
regulations were shown (Chanal & Guay, 2015; Chanal & Paumier, 2020) to be more specific
than controlled regulations, shared variance for CM items were found to be more related to the
item level by Chanal and Paumier (2020) when using appropriate statistical models that
distinguish between contextual and item level variance.
In the academic context, the motivational sequence (i.e., “antecedents – motivation –
consequences”) has mainly been tested either at the contextual level (i.e., academic, or
university) or at a situational level (i.e., school subject, or university course). However, research
on the school-subject-specificity hypothesis (Chanal & Guay, 2015; Chanal & Paumier, 2020)
has shown that the difference in the level of specificity of AM and CM regulations influenced
the existing links with different outcomes (i.e., achievement, self-concept). In particular, these
studies showed that the most specific regulation types were more strongly associated with
95
outcomes than the less specific ones. As a result, the existence of the motivational sequence
could depend on the specificity of the regulations. Considering the specificity hypothesis, this
study’s main objective was therefore to evaluate the complete motivational sequence (i.e.,
“antecedents – motivation – consequences”) described by the HMIEM (Vallerand, 1997) at the
situational level controlling for the shared variance of the measures with the contextual level.
More specifically, we investigated the impact of the level of specificity of the AM and CM
regulations in different university courses on the relations between antecedents and
consequences and student’s motivation. Indeed, the HMIEM model had never considered that
regulation types may differ according to their level of specificity. As previously discussed,
studies concerning the antecedents and consequences of motivation showed inconsistent results
according to the operationalization of motivation used and the hierarchical level considered.
The difference in situational specificity level of AM and CM regulations could explain these
inconsistencies. We therefore measured two types of situational antecedents (i.e., self-concept
and motivational climate), and two types of situational consequences (i.e., achievement and
academic emotions). According to the specificity hypothesis (Chanal & Guay, 2015), we
expected that AM regulations would be more specific than CM regulations. More specifically,
we hypothesized that specificity (i.e., shared variance at the situational level) would be
gradually decreasing along the self-determination continuum. Conversely, we expected CM
regulations to be less specific and we examined whether the shared variance for CM items
would be more related to contextual or item levels. Moreover, and therefore, we expected that
the motivational sequence depicted in HMIEM model at the situational level (i.e., “antecedents
– motivation – consequences”) would be demonstrated for AM regulations but not, or less
evidently, for CM regulations. Specifically, we hypothesized that autonomy-supportive climate
and self-concept at the situational level would be significantly and positively correlated with
AM regulations but not or less with CM regulations. We also postulated that AM regulations at
96
the situational level would be significantly and positively correlated with grades and positive
emotions but negatively with negative emotions. In contrast, we proposed that CM regulations
at the situational level would not or less significantly correlate with antecedents and
consequences (i.e., self-concept, autonomy-supportive climate, grades, and emotions) at the
situational level.
7.3 Method
7.3.1 Participants and Procedure
Participants were university students in first year of psychology at University of
Geneva, Switzerland. Participants completed online questionnaires using Qualtrics
(http://qualtrics.com) three times during autumn semester: At the beginning (T1: 18-22 October
2017), at the middle (T2: 6-12 November 2017), and the end of the semester (T3: 4-10
December 2017). At time 1, 314 students participated (17.83% male; Mage = 21.71 years, SDage=
4.7 years), 299 at time 2, and 288 at time 3.
Written consent was required from the participants in order to participate in the study.
The ethics commission of the faculty of psychology of the University of Geneva approved this
study. The data was obtained and analyzed anonymously. Participants received course credit
for their participation.
7.3.2 Measures
Academic motivation
Student’s motivation was measured using a scale recently developed and validated by
Sheldon et al. (2017). We assessed five subscales measuring five regulation types of self-
determined motivation, with four items per subscale. The subscales are as follows: Intrinsic
motivation (e.g., “because I enjoy …”; αs between .92 and .96), identified regulation (e.g.,
“because I strongly value …”; αs between .81 and .86), positive introjected regulation (e.g.,
97
“because I want to feel proud of myself”; αs between .78 and .90), negative introjected
regulation (e.g., “because I would feel guilty if I didn’t do …”; αs between .73 and .84), external
regulation (e.g., “because important people (i.e., parents, professors) will like me better if I do
…”; αs between .48 and .69). The scale was adapted to assess student’s regulation types at the
contextual level (i.e., motivation for studying psychology) and at the situational level (i.e.,
motivation for five university courses: Statistics, social psychology, cognitive development,
psychology of motivation, clinical psychology). These courses were chosen because they are
mandatory courses in the first year of psychology studies and therefore taken by all students
during the first semester. The same four items were used to assess each regulation at the
contextual and situational levels. The students were asked how much they agreed with each
reason “to study psychology” or “to participate in a particular course” on a 7-point Likert scale
from 1 (never) to 7 (all the time). The scale was administered to students at time 2.
Autonomy-supportive climate
Autonomy-supportive climate was measured using the Learning Climate Questionnaire
(LCQ; Williams & Deci, 1996). The LCQ measures students’ perceptions of autonomy-
supportive behaviors of their teachers and contains 15 items (e.g., I feel that my professor
provides me choices and options). For each of 15 items, students rate their agreement on a 7-
point Likert scale from 1 (strongly disagree) to 7 (strongly agree). The scale was adapted to
assess the autonomy-supportive climate in two university courses: In statistics and in social
psychology. The scale was administered at time 1. Cronbach’s alphas were .88 (teacher’s
autonomy support in statistics) and .90 (teacher’s autonomy support in social psychology).
Students’ self-concept
Six items of the Self-Description Questionnaire (Guérin et al., 2003) were used to assess
students’ self-concept. The scale was adapted to measure self-concept at the contextual level
(i.e., self-concept in psychology studies) and at the situational level (i.e., self-concepts in
98
statistics, social psychology, cognitive development, and psychology of motivation). For each
of six items (e.g., “I am doing well in …”), students were asked to rate how much they agreed
with each item on a 7-point Likert scale from 1 (strongly disagree) to 7 (strongly agree). The
same six items were used to assess each self-concept at the contextual and situational levels.
The scale was administered at time 1. Cronbach’s alphas for this measure were .85 for
psychology, .91 for statistics, .88 for social psychology, .85 for cognitive development, and .88
for psychology of motivation.
Academic emotions
Students’ academic emotions were measured using the Academic Emotions Scale
(Govaerts & Grégoire, 2008). The scale assesses seven academic emotions: Enjoyment (4
items, e.g., “I feel great when I study for…”), hope (4 items, e.g., “I feel optimistic about the
preparation of the course”), pride (3 items, e.g., “I am proud of the way I am preparing the
course”), anxiety (5 items, e.g., “I feel anxious when I study for…”), boredom (3 items, e.g., “I
am bored studying for…”), anger (3 items, e.g., “the subjects I have to study irritate me”),
shame (4 items, e.g., “I feel ashamed thinking I might have not prepared the course properly”).
For each item, students rate their agreement on a 7-point Likert scale from 1 (strongly disagree)
to 7 (strongly agree). The scale was adapted to assess these seven emotions in the different
courses: In statistics, social psychology, and clinical psychology. The same items were used to
assess each emotion in these three courses. The scale was administered at Time 3. Cronbach’s
alphas for the various academic emotions subscales across school subjects ranged from .83 to
.86 for enjoyment, from .92 to .93 for hope, from .70 to .78 for pride, from .90 to .92 for anxiety,
from .85 to 89 for boredom, from .84 to .92 for anger, and from .78 to .82 for shame.
Students’ final grades
Students’ final grades in five courses (statistics, social psychology, cognitive
development, psychology of motivation, clinical psychology) were obtained from the university
99
administration at the end of the semester. For statistics, two grades were obtained: The grade
for the practical course and for the theoretical course. In Swiss’ educational system, grades
range from 1 to 6, where 6 represents the highest grade and 1 the lowest grade.
7.3.3 Statistical Analyses
Correlated trait-correlated method minus one model
The Correlated trait-correlated method minus one (CTCM-1) model (Eid et al., 2003)
appeared to be the most suitable model to investigate the specificity of the regulations. CTCM-
1 model is used in multitrait-multimethod research to distinguish the variance due to methods
and traits. As explained by Chanal and Guay (2015), this modeling procedure “has the
advantage of combining and disentangling variances in measures attributable to a global (i.e.,
contextual) trait or to a state or method (i.e., specific) measure” (p. 7). Moreover, this model
allows investigating the hierarchical structure of academic motivation by considering various
school subjects or courses.
Applied to our study, CTCM-1 model allows distinguishing the variance in autonomous
and controlled motivation attributable to the contextual level (i.e., motivation for studying
psychology) and to the situational, specific level (i.e., university courses). More precisely,
intrinsic motivation at the contextual level (i.e., motivation for studying psychology) is
considered as a single trait, whereas intrinsic motivations in different university courses are
considered as correlated methods or courses deviations from this global trait. The latent
construct for contextual intrinsic motivation influences the items of contextual intrinsic
motivation and the items of the five courses. The latent constructs for intrinsic motivations in
each course (i.e., specific factors) influence items of the corresponding course (e.g., latent
constructs for statistics influences statistics measures) over and above the latent construct for
contextual intrinsic motivation (i.e., global factor). Thus, the specific latent factors for each
100
course represent deviations from the global factor by capturing the common but specific
variance in course items that is above the common variance at the contextual level. The items,
which assess regulation at the contextual level, are influenced only by the global factor but not
by a specific factor, representing the method minus one part of the CTCM-1 model. This
missing “method factor” allows the model to be identified and a unique solution to be obtained
for all model parameters.
For each regulation type (i.e., intrinsic, identified, positive introjected, negative
introjected, external), we realized a CTCM-1 model. We realized a CTCM-1 model also for
self-concept because self-concept can be considered as a multidimensional and hierarchical
construct (see Brunner et al., 2010). For other constructs (i.e., autonomy-supportive climate,
personality and academic emotions) except students’ final grades, we conducted confirmatory
factor analyses (CFA). Factor scores were calculated for each latent factor and were used in the
Pearson correlations analyses to investigate the links between motivation and its antecedents
and consequences.
Missing data
Less than 1% of the data were missing. We performed a full information maximum
likelihood (FIML) estimation using Mplus (version 7).
Estimation and goodness of fit
All models were tested with maximum likelihood estimation using robust standard
errors (MLR estimation). To evaluate the model fit, we used the chi-square values, the
comparative fit index (CFI), the Tucker-Lewis index (TLI), the root mean square error of
approximation (RMSEA), and the standardized root mean square residual (SRMR). CFI and
TLI values closed to or above .90 and .95 are deemed acceptable and excellent fit to the data
respectively. For RMSEA, values closed to or below .08 are indicative of an adequate fit (Hu
101
& Bentler, 1999; Marsh, Hau, et al., 2005). A value of .08 (or lower) for the SRMR is considered
indicative of a good model fit (Hu & Bentler, 1999).
Parallel item
Identical items were used to assess the same regulations toward studies and across
school subjects. As Chanal and Paumier (2020), we created an item-specific factor for the same
item at the situational and contextual levels. Thus, for each regulation, the CTCM-1 model
allows distinguishing the variance attributable to the contextual, the situational and the items
levels.
7.4 Results
Table 5 presents fit indices for each regulation type model. All models show an excellent
fit to the data.
Table 5
Fit Indices of the Models
Model Chi2 df p-value RMSEA CFI TLI SRMR
Intrinsic 271.00 192 .000 0.04 0.98 0.98 0.03
Identified 277.28 192 .000 0.04 0.98 0.96 0.03
Positive Introjected 242.05 192 .008 0.03 0.99 0.98 0.03
Negative Introjected 248.89 192 .004 0.03 0.99 0.98 0.03
External 378.95 192 .000 0.06 0.94 0.91 0.04
7.4.1 The School-subject-specificity Hypothesis
Our hypothesis was that the more autonomous the regulations were, the more specific
they would be. That is, we expected that the variance of the items shared at the situational level
would be greater for the most autonomous regulations. Table 6 showed the percentage of total
variance for each regulation attributed to the different sources of variance considered
(situational, contextual, item, and residual).
102
Table 6
Percentage of the Variance due to Situational (specific), Contextual and Item Levels on Average
and for each Course by Regulation
Intrinsic Specific Contextual Item Residual
Statistics 72 7 4 18
Psychology of motivation 67 16 1 15
Cognitive development 65 18 4 13
Social psychology 59 18 6 17
Clinical psychology 68 13 3 15
Average 66 14 4 16
Identified Specific Contextual Item Residual
Average 42 14 20 24
Positive introjected Specific Contextual Item Residual
Average 22 1 54 23
Negative introjected Specific Contextual Item Residual
Average 26 4 44 27
External Specific Contextual Item Residual
Average 20 8 38 34
Results confirmed the school-subject-specificity hypothesis. On average, the percentage
of variance shared at the situational level for intrinsic motivation (66% in total variance) and
for identified regulation (42% in total variance) were higher than for positive introjected
103
regulation (22% in total variance), negative introjected regulation (26% in total variance) and
external regulation (20% in total variance). Moreover, results demonstrated that the percentage
of variance shared at the situational level decreased as regulation become less autonomous
except for negative introjected regulation. On average, the percentage of variance shared at the
contextual level was higher for intrinsic motivation and identified regulation (14% in total
variance) than for positive introjected regulation (1% in total variance), negative introjected
regulation (4% in total variance) and external regulation (8% in total variance). More
importantly, on average, the percentage of variance shared at the item level was higher for
positive introjected regulation (54% in total variance), negative introjected regulation (44% in
total variance) and external regulation (38% in total variance) than for intrinsic motivation (4%
in total variance) and identified regulation (20% in total variance). These results show that the
CM regulations are more related to the item level than to the contextual level.
7.4.2 Antecedents and Autonomous and Controlled Motivation
relations at the situational level
Table 7 presents the results of the correlations between each regulation type and
autonomy-supportive climate in statistics and social psychology. As expected, a more important
number of significant correlations were found between autonomy-supportive climate and
autonomous regulations in the corresponding course than between autonomy-supportive
climate and controlled regulations in this course. In the statistics course, significant and positive
correlations were found between autonomy-supportive climate and intrinsic motivation (r = .25,
p < .001), and between climate and identified regulation (r = .16, p = .007). In contrast, no
significant correlations were found between autonomy-supportive climate and controlled
regulation in statistics (i.e., positive introjected, negative introjected and external regulations).
In the social psychology course, significant and positive correlations were found between
104
autonomy-supportive climate and intrinsic motivation (r = .32, p < .001) and between climate
and identified regulation (r = .29, p < .001). Only one significant correlation was found for
controlled motivation in social psychology: Between climate and negative introjected
regulation (r = -.13, p = .029).
Table 7
Correlations between Autonomy-Supportive Climate and Regulations in Corresponding
Courses (n = 294)
Autonomy-supportive climate
Regulation Statistics Social psychology
Intrinsic .25 .32
Identified .16 .29
Positive introjected -.05 .09
Negative introjected .03 -.13
External -.08 -.10
Note. Significant correlations at p < .05 or less are shown in bold.
Table 8 presents correlations between students’ self-concept and motivation at the
situational level (for university courses). Results confirmed our hypothesis. For intrinsic
motivation, all correlations between students’ self-concept and motivation in the corresponding
course were significant and positive (r = .46, r = .42, r = .38, and r = 46, for statistics,
psychology of motivation, cognitive development, and social psychology, respectively, ps <
.001). For identified regulation, all correlations between students’ self-concept and motivation
in the corresponding course were also significant and positive (r = .33, r = .30, r = .34, and r =
.35, for statistics, psychology of motivation, cognitive development, and social psychology,
respectively, ps < .001). It is important to note that correlations between self-concept in a
corresponding course were higher for intrinsic motivation than for identified regulation. This
result is in conformity with the specificity hypothesis because intrinsic motivation was found
to be more specific than identified regulation. In contrast, for CM, on the 12 correlations
between students’ self-concept and motivation in the corresponding course, only 2 appeared to
105
be significant. These significant correlations were found between students’ self-concept and
positive introjected regulation in social psychology (r = .15, p = .009) and between self-concept
and negative introjected regulation in social psychology (r = -.17, p = .003). However, even in
line with previous results (Assor et al., 2009) and with theoretical postulates, these correlations
also supported the school-subject-specificity hypothesis because these correlations were lower
than those between students’ self-concept and AM regulations. The results therefore show that
self-concept at the situational level is more related to AM than CM regulations, also assessed
at the situational level.
Table 8
Correlations between Self-Concept and Regulations in Corresponding Courses (n = 294)
Regulation Self-concept
Intrinsic
Statistics .46
Psychology of motivation .42
Cognitive development .38
Social psychology .46
Identified
Statistics .33
Positive introjected
Statistics .02
Negative introjected
Statistics -.11
Psychology of motivation -.05
Social psychology -.17
External
Statistics -.04
Psychology of motivation -.05
Cognitive development -.01
Social psychology -.11
106
7.4.3 Consequences and Autonomous and Controlled Motivation
relations at the situational level
Table 9 presents the correlations between academic emotions and regulation assessed in
statistics, social psychology, and clinical psychology. Results confirmed our hypothesis.
Concerning intrinsic motivation, on the 21 correlations between this motivation and emotions
in a corresponding course, 18 were significant. More specifically, all correlations between
intrinsic motivation and positive emotions (i.e., enjoyment, hope, and pride) in the
corresponding course were significant and positive (.12 < rs <.54, ps < .05). Correlations
between intrinsic motivation and negative emotions (i.e., boredom, anger, anxiety, and shame)
in the corresponding course were significant and negative (-.54 < rs < -.19, ps < .01), except
for shame in social psychology and for shame and anxiety in clinical psychology. For identified
regulation, on the 21 correlations between this regulation and emotions in the corresponding
course, 17 were significant. Specifically, correlations between identified regulation and positive
emotions (i.e., enjoyment, hope, and pride) in the corresponding course were significant and
positive (.19 < rs <.43, ps < .01), except for hope in clinical psychology. Correlations between
identified regulation and negative emotions (i.e., boredom, anger, anxiety, and shame) in the
corresponding course were significant and negative (-.45 < rs < -.15, ps < .05), except for shame
in social psychology and for anxiety and shame in clinical psychology. Concerning positive
introjected regulation, on the 21 correlations between this regulation and emotions in the
corresponding course, only 6 were significant. Specifically, positive introjected regulation was
positively correlated with pride in statistics (r = .18, p = .002), with enjoyment and hope in
social psychology (.15 < rs <.16, ps < .05), and with shame in clinical psychology (r = .12, p =
.040). In social psychology, negative and significant correlations were found between positive
introjected regulation and boredom (r = -.17, p = .005) and anger (r = -.16, p = .008).
Concerning negative introjected regulation, on the 21 correlations between this regulation and
107
emotions in the corresponding course, 11 correlations were significant. More precisely,
negative introjected regulation correlated negatively with hope in statistics (-.13, p = .032) and
with enjoyment and hope in social psychology (-.18 < rs < -.15, ps < .05). In contrast, negative
introjected regulation correlated positively with shame in all courses (.13 < rs <.17, ps < .05),
with anxiety and anger in statistics and in social psychology (.14 < rs <.21, ps < .05), and with
boredom in social psychology (r = .17, p = .003). Finally, no significant correlation was found
between extrinsic regulation and emotions in the corresponding course. In sum, as predicted, a
more important number of significant correlations were found between academic emotions and
AM regulations in a corresponding course (35 significant correlations on 42) than between
academic emotions and CM regulations in a corresponding course (17 significant correlations
on 63).
Table 9
Correlations between Regulations and Academic Emotions in Corresponding Courses (n =
282)
Academic emotion
Regulation Enjoyment Hope Pride Boredom Anger Anxiety Shame
Intrinsic
Statistics .54 .37 .39 -.54 -.53 -.34 -.36
Social psychology .46 .26 .26 -.51 -.47 -.19 -.11
Clinical psychology .30 .12 .22 -.31 -.29 -.09 -.05
Identified
Statistics .43 .34 .31 -.39 -.42 -.31 -.31
Social psychology .39 .24 .21 -.45 -.40 -.15 -.07
Clinical psychology .19 .11 .19 -.20 -.17 -.05 -.02
Positive introjected
Statistics .06 .09 .18 -.02 -.02 -.01 -.08
Social psychology .16 .15 .11 -.17 -.16 -.01 .08
Clinical psychology .03 .08 .06 .00 .03 .07 .12
Negative introjected
Statistics -.11 -.13 -.06 .11 .14 .18 .13
Social psychology -.18 -.15 -.09 .17 .19 .21 .17
Clinical psychology .00 -.01 -.04 .06 .07 .11 .16
External
Statistics -.03 .00 .02 .05 .03 -.03 .01
Social psychology -.11 .01 .00 .10 .11 .06 .09
Clinical psychology -.05 -.04 -.03 -.01 -.01 .03 .07
108
Correlations between students’ grades and motivation are presented in Table 10. Results
confirmed partially our hypothesis. For AM regulations, on the 12 correlations between
students’ grades and motivations, only 4 were significant. More precisely, intrinsic motivation
and identified regulation in statistics were positively related with grade in statistics theoretical
course (r = .31 and r = .27, respectively, ps < .001) and with grade in statistics practical course
(r =. 24 and r = .22, respectively, ps < .001). For CM regulations, on the 18 correlations between
grades and CM regulations in a corresponding school subject, only one correlation was found
to be significant. Indeed, positive introjected regulation in statistics was positively correlated
with grade in statistics theoretical course (r = .19, p = .004).
Table 10
Correlations between Regulations and Grades in Corresponding Courses
Grade
Psychology of Cognitive Social Clinical
Statistics T Statistics P motivation development psychology psychology
Regulation (n = 241) (n = 257) (n = 232) (n = 228) (n = 266) (n = 262)
Intrinsic .31 .24 .04 .09 .11 .08
Identified .27 .22 .04 .06 .09 .05
Positive introjected .19 .09 .01 -.07 .02 -.01
Negative introjected -.10 .01 .05 -.05 .08 .08
External -.03 .00 .05 .05 .02 .01
Note. Significant correlations at p < .05 or less are shown in bold. Statistics T = statistics
theoretical course. Statistics P = statistics practical course.
7.5 Discussion
The purpose of this study was to investigate the impact of the difference in specificity
for autonomous and controlled motivation on the motivational sequence described in the
HMIEM model (i.e., “antecedents – motivation – consequences”). More precisely, we expected
that this motivational sequence would occur more at the situational level for AM than for CM
109
regulations, because AM regulations have been found to be more specific to the situational level
than CM regulations.
7.5.1 Specificity of Autonomous and Controlled Motivation
As previously demonstrated (Chanal & Guay, 2015; Chanal & Paumier, 2020), our
research confirmed that AM regulations were more specific to the situational level than CM
regulations. In addition, we expected that the specificity of the regulation would decrease
gradually as regulation becomes less autonomous. Our assumption was partially confirmed.
The specificity decreased as regulation became less autonomous except for the negative
introjected one whose specificity was lower than for the positive introjected one. Our results
also showed that CM regulations were not more related to the contextual level but more related
to the item level, in accordance with Chanal and Paumier (2020). These results highlight the
necessity to investigate the motivation toward various situational (i.e., school subjects or
university courses) and contextual (i.e., school or academic) situations simultaneously to better
understand the part of the assessment that is really concerned in a particular specific school
subject or university course and not on other sources of shared variances. More precisely, it
seems crucial to assess AM regulations simultaneously across various courses or school
subjects because AM regulations have been found to be differentiated between these situational
situations.
7.5.2 Antecedents and Consequences of Autonomous and Controlled
Motivation
Antecedents
Because AM regulations were found to be more specific than CM regulations, we
hypothesized that we would find a more important number of significant links between
antecedents and consequences with AM compared to with CM regulations. Concerning
autonomy-supportive climate, results confirmed our hypothesis. Autonomy-supportive climate
110
was positively and significantly associated with AM regulations in a corresponding course (i.e.,
in statistics and in social psychology) and no significant relations were found between
autonomy-supportive climate and CM regulations in a corresponding course, except for
negative introjected regulation in social psychology. Note that the only significant relation
found for CM regulations was a negative one between climate and negative introjected
regulation in social psychology. This relation can be explained according to our hypothesis by
the fact that the negative introjected regulation was almost as specific as AM regulations on
average. This negative relation is also in line with the predictions of SDT previous research.
Taken together, these results suggest that the relations between climate and motivation depend
on the situational specificity of the regulations. Indeed, because AM regulations are more
specific to the situational level, climate introduced by the teacher in a particular situation (e.g.,
a statistical course) influences students’ autonomous motivation in this particular course. In
contrast, because CM regulations are less specific to the situational level, climate in a particular
situation does not influence the controlled motivation.
Concerning student’s self-concept, as expected, a more significant number of relations
were found between self-concept and AM regulations at the situational level in comparison to
between self-concept and CM regulations. These results indicated that the more students felt
competent in a particular course, the more autonomously motivated they were in this course.
Globally, our results are in line with studies considering each regulation type separately and
carried out at the situational level, that showed that self-concept was positively associated with
AM regulations (Chanal & Guay, 2015; Guay, Chanal, et al., 2010) but non significantly with
CM regulations (Chanal & Guay, 2015). Moreover, we have to note that the two significant
correlations relating CM regulations and students’ self-concept were found for the two types of
introjected regulations. More specifically, a positive link was found between self-concept and
positive introjected regulation and a negative link was found between self-concept and negative
111
introjected in social psychology. These significant links are not surprising because self-concept
and introjected regulation are both constructs relating to one's perceptions of oneself (i.e., self-
esteem, perception of competence). However, it is interesting to note that self-concept could
play a role in the approach (i.e., positive introjected) or avoidance (i.e., negative introjected)
orientations related to introjected regulation. Indeed, the more competent a student feels in a
course, the more he will participate in this course in order to increase self-esteem and feel proud
of himself (i.e., positive introjected). In contrast, the more competent a student feels in a course,
the less he will be motivated by guilt and shame in this course (i.e., negative introjected).
Consequences
Concerning academic emotions, as predicted, our results indicated that the relations
between motivation and academic emotions depended on the specificity of the regulations.
Indeed, a higher number of significant correlations were found between academic emotions and
AM regulations in a corresponding course (i.e., statistics, social psychology, and clinical
psychology), than between academic emotions and CM regulations. Indeed, 35 significant links
on 42 were observed for AM regulations, whereas only 17 significant links on 63 were found
for CM regulations. More precisely, AM regulations (i.e., intrinsic and identified regulations)
were positively associated with positive emotions and negatively associated with negative
emotions according to other studies whatever the hierarchical level considered and the
operationalization of the motivation used (e.g., Black & Deci, 2000; Howard et al., 2021;
Levesque et al., 2004; Litalien et al., 2015; Miserandino, 1996; Noels et al., 1999). Our results
highlight the positive effects of AM regulations on academic affects by showing that the more
the students were autonomously motivated in a particular course, the more they experienced
enjoyment, hope and pride in this course, and the less they experienced boredom and anxiety
in this course. While AM regulations influence emotions in a corresponding course, CM
112
regulations influence less or no emotions in a corresponding course. This result is in line with
a previous study at the situational level, which showed no significant link between CM and
affects (Noels et al., 1999), but is contrary to results from other studies at the contextual level
that found no significant links between CM and affects (Bailey & Phillips, 2016; Litalien et al.,
2015; Ryan & Connell, 1989). These mixed results dependent on the hierarchical level
considered can be explained by the specificity of the regulations at the situational level. When
evaluated at the situational level, no relations were found, but when CM and affects are
measured at the contextual level, significant relations are found. Some significant correlations
between CM and academic emotions are worth mentioning. More specifically, differentiated
effects on affects also appeared for the different types of introjected regulation. The more
students demonstrated positive introjected regulation, the more they experienced positive
emotions (e.g., enjoyment in social psychology) and the less they experienced negative
emotions (e.g., anger in social psychology). Conversely, the more students demonstrated a
negative introjected regulation, the less they experienced positive emotions (e.g., enjoyment in
social psychology) and the more they experienced negative emotions (e.g., anger in social
psychology). According to Assor et al. (2009), it seems essential to evaluate these two types of
introjected regulation in order to examine more precisely the positive or negative impact of
introjected regulation. Moreover, the positive or negative orientations of introjected regulation
may explain why in some studies, introjected regulation is positively (e.g., Ryan & Connell,
1989) or negatively (Litalien et al., 2015) associated with positive emotions.
Concerning the links between motivation and grades, our hypothesis is partially
confirmed. Only one significant link was found for CM regulations, whereas very few relations
were observed for AM regulations. The lack of links between CM regulations and grades in a
corresponding course is in line with some studies (McEown et al., 2014; Noels et al., 1999,
2001) and consistent with our hypothesis. For AM regulations, results showed that only AM
113
regulations in statistics are statistically and positively associated with grades in statistics
theoretical and practical courses, but no significant relations were found for the other courses
(i.e., psychology of motivation, cognitive development, social psychology, and clinical
psychology).
7.5.3 Implications
A key point of the HMIEM concerns the motivational sequence between antecedents
and consequences of motivation at different hierarchical levels and for all regulations described
by SDT. This theoretical model had never considered that motivational regulations could differ
according to their specificity to the situational level and therefore that the motivational sequence
could depend on AM and CM regulations levels of specificity. Our results demonstrated that
the motivational sequence at the situational level is demonstrated for AM but not for CM
regulations. Using RAI in studies investigating the HMIEM and focusing on the situational and
contextual level sequences only, previous research was not able to disentangle the true relations
that exist between antecedents and consequences of regulation types in a particular situation
controlling for shared variance of different motivational constructs assessed together.
Therefore, the specificity of regulations should be taken into account in future studies that
evaluate the motivational sequence at different levels of generality. In addition, the specificity
hypothesis brings into question the use of RAI to operationalize motivation. Indeed, the RAI
considers that each of the regulations coming from the same hierarchical level has the same
impact since the coefficients used are moderated only by the level of self-determination of the
regulation and not by the level in which the regulation is measured. However, the regulation
types were found to be non-equally specific to the level at which they are measured. Therefore,
we believe that studies that examine the sequence between motivation and its antecedents and
consequences should not use the RAI.
114
Our results showed that the climate introduced by the teacher in a particular course
influenced the students' autonomous motivation but not their controlled motivation in this
course. This result has an important implication for interventions, which aim to promote
autonomy support by teacher. Indeed, because of the specificity of the regulations, autonomy-
supportive interventions in a school subject or in a course could increase intrinsic motivation
and identified regulation but could have no impact on controlled motivations (i.e., introjected
and external regulations). Our assumption is in line with Guay et al. (2016) results’ which
showed that an autonomy-supportive intervention for the teacher in the writing class increased
only students’ intrinsic motivation in writing but had no effect on other regulations.
7.5.4 Future Directions
In future research, antecedents (e.g., climate or basic psychological needs satisfaction)
and consequences (e.g., academic emotions) could be assessed at various hierarchical levels
(i.e., contextual and situational levels) to better understand the links between motivation and
these variables and the links between levels. Indeed, we demonstrated that because AM
regulations were more specific, AM regulations were strongly related to its antecedents and
consequences assessed at the situational level. In contrast, CM regulations were less specific
and, as a result, were weakly associated with its antecedents and consequences at the situational
level. Our results also showed that the proportion of variance shared at the item level for CM
regulations were higher than the ones shared at the contextual and situational levels. In line with
this, it would be important to investigate other factors (i.e., antecedents) that influence CM
regulations, and which are the consequences of this motivation. This issue could be examined
in future research by measuring consequences at the global level (e.g., need satisfaction at
global level, autonomy support in life in general, the tree causality orientations described by
SDT, personality).
115
7.6 Conclusion
This study demonstrates that regulation types are not equally specific to the hierarchical
level in which they are assessed. Indeed, autonomous motivation is more specific than
controlled motivation. More importantly, the specificity of the regulations has an impact on the
motivational sequence (i.e., antecedents – motivation – consequences) described by the
HMIEM (Vallerand, 1997). This motivational sequence was observed more often at the
situational level for AM than for CM regulations. In fact, AM regulations were significantly
associated with autonomy-supportive climate and emotions in all corresponding courses. On
the contrary, CM regulations were less significantly associated with autonomy-supportive
climate and emotions in a corresponding course.
116
Appendix A
Synthesis of the Links observed in the Studies between Motivation and its Antecedents
according to the Hierarchical Level considered and the Operationalization of the Motivation
used
Antecedents
Motivational climate Self-concept
Contextual Situational Contextual Situational
RAI Positive Positive Positive Positive
(Amoura et al., 2015; (Black & Deci, 2000; Filak (Fortier et al., 1995; Guay (Timo et al., 2016)
Orsini et al., 2017; Soenens & Sheldon, 2008) et al., 2010; Vallerand et
& Vansteenkiste, 2005) al., 1997)
AM and CM
AM Positive Positive NS Positive
(Litalien & Guay, 2015; (Behzadnia et al., 2018; (Valenzuela et al., 2018) (De Naeghel et al., 2012)
Orsini et al., 2017; Haerens et al., 2015)
Vansteenkiste et al., 2012)
CM Positive NS Positive Negative
(Orsini et al., 2017) (Behzadnia et al., 2018; (Valenzuela et al., 2018) (De Naeghel et al., 2012)
Negative Haerens et al., 2015) Positive
(Litalien & Guay, 2015) (2/3 SS) (Guay, Chanal, et
NS al., 2010)
(Vansteenkiste et al., 2012) NS
(1/3 SS) (Guay, Chanal, et
al., 2010)
Regulations separately
Intrinsic Positive Positive Positive
(Behzadnia et al., 2018; (Valenzuela et al., 2018) (3/3 SS) (Guay, Chanal, et
Guay et al., 2013; Guay et al., 2010)
al., 2016; Sparks et al.,
2016)
Identified Positive NS Positive
(Behzadnia et al., 2018; (Valenzuela et al., 2018) (3/3 SS) (Guay, Chanal, et
Guay et al., 2013; Sparks et al., 2010)
al., 2016)
NS
(Guay, Valois, et al., 2016)
Introjected Positive NS
(Guay et al., 2013; Sparks (Valenzuela et al., 2018)
et al., 2016)
NS
(Behzadnia et al., 2018;
Guay, Valois, et al., 2016)
External Positive Positive
(Guay et al., 2013) (Valenzuela et al., 2018)
NS
(Behzadnia et al., 2018;
Guay, Valois, et al., 2016;
Sparks et al., 2016)
Note. NS = no significant link. SS = school subject.
117
Appendix B
Synthesis of the Links observed in the Studies between Motivation and its Consequences
according to the Hierarchical Level considered and the Operationalization of the Motivation
used
Consequences
Achievement Positive emotions Negative emotions
Contextual Situational Contextual Situational Contextual Situational
RAI Positive Positive Positive Positive Negative
(Fortier et al., (Black & Deci, (Levesque, (Black & Deci, (Black & Deci,
1995; Grolnick et 2000) Zuehlke, Stanek, 2000) 2000)
al., 1991; Guay & Ryan, 2004;
& Vallerand, Miserandino,
1997; Ratelle et 1996)
al., 2005)
AM and CM
AM Positive Positive Positive Negative
(Brunet et al., (Botnaru et al. (Brunet et al., (Brunet et al.,
2015; Litalien et 2021; De 2015; Litalien et 2015; Litalien et
al., 2015) Naeghel et al., al., 2015) al., 2015)
2012; Jeno et al.,
2018)
CM Positive Negative Negative Positive
(Brunet et al., (Botnaru et al. (Brunet et al., (Brunet et al.,
2015; Litalien et 2021; De 2015; Litalien et 2015; Litalien et
al., 2015) Naeghel et al., al., 2015) al., 2015)
NS 2012)
(Kusurkar et al., NS
2013) (Jeno et al.,
2018)
Regulations separately
Intrinsic Positive Positive Positive Negative Negative
(Howard et al., (Leroy & (Howard et al., (Litalien et al., (Noels et al.,
2021; Litalien et Bressoux, 2016; 2021; Litalien et 2015) 1999)
al., 2015; Orsini Lohbeck, 2018; al., 2015)
et al., 2019; Noels et al.,
Taylor et al.. 2001)
2014, study 1) NS
(McEown, et al.,
2014; Noels et
al., 1999)
Identified Positive NS Positive Negative Negative
(Howard et al., (Leroy & (Howard et al., (Litalien et al., (Noels et al.,
2021; Litalien et Bressoux, 2016; 2021; Litalien et 2015) 1999)
al., 2015; Orsini Lohbeck, 2018; al., 2015)
et al., 2019; McEown et al.,
Taylor et al.. 2014 ; Noels et
2014, study 1) al., 1999, 2001)
NS
(Cokley et al.,
2001; Fairchild
et al., 2005)
Introjected Negative NS Negative Positive NS
(Litalien et al., (Leroy & (Howard et al., (Litalien et al., (Noels et al.,
2015 ; Taylor et Bressoux, 2016; 2021; Litalien et 2015) 1999)
al., 2014, study Lohbeck, 2018; al., 2015)
1) McEown et al., Positive
NS 2014; Noels et (Assor et al.,
(Cokley et al., al., 1999, 2001) 2009, study1;
2001; Fairchild Bailey et al.,
et al., 2005; 2016; Howard et
Howard et al., al., 2021;
2021; Orsini et Vallerand et al.,
al., 2019 ) 1989 )
(Continued)
118
Appendix C (Continued)
Consequences
Achievement Positive emotions Negative emotions
Contextual Situational Contextual Situational Contextual Situational
External Negative Negative Negative Positive NS
(Litalien et al., (Leroy & (Howard et al., (Litalien et al., (Noels et al.,
2015 ; Taylor et Bressoux, 2016 2021; Litalien et 2015) 1999)
al., 2014, study Lohbeck, 2018) al., 2015)
1) NS
Positive (McEown et al.,
(Taylor et al., 2014 ; Noels et
2014, study 4) al., 1999, 2001)
NS
(Cokley et al.,
2001; Fairchild
et al., 2005;
Howard et al.,
2021; Orsini et
al., 2019 )
Note. NS= no significant link
119
8 Article 4 : The differentiated mediation effect of academic
autonomous and controlled regulation in the relation
between self-concept and achievement5
Delphine Paumier1 and Julien Chanal1, 2
1
University of Geneva
2
Distance Learning University, Switzerland
Correspondence concerning this article should be addressed to Julien Chanal,
Laboratoire Méthodologie et Analyse de Données, CH-1211, Genève 4, Suisse. E-mail:
julien.chanal@unige.ch
5
Cette partie est une reproduction de l’article : D., Paumier, & J., Chanal (submitted). The differentiated mediation
effect of academic autonomous and controlled regulation in the relation between self-concept and achievement.
120
Abstract
The present study aimed to examine the mediation effect of students’ motivation in the
relation between students’ self-concept and achievement, considering the different regulation
types described by Self-Determination Theory. The central objective of our study was to
determine if autonomous and controlled regulations in different school-subjects would mediate
differently the relation between self-concepts and achievement. Indeed, autonomous
regulations have been shown to be more related to academic outcomes than controlled ones,
and therefore we expected that this would result in differential mediation effects. A 2-wave
study was carried out on a sample of 411 high school students in grades 9 and 10. Students’
self-concept, self-determined motivations and grades were assessed in 4 different school-
subjects (i.e., math, French, English, physical education). Results confirmed our hypothesis and
showed that autonomous regulations mediated the contribution of self-concept to achievement
in corresponding school subjects whereas controlled regulations did not. Educational and
methodological implications are discussed and location of introjected approach regulation on
the relative autonomy continuum is questioned in regards of previous results confirmed by ours
in this study.
Keywords: self-determination theory, self-concept, school-subject-specificity
hypothesis, achievement, mediation
Highlights
• This study connected self-concept and self-determination theories in the school
context.
121
• This study examined the mediating role of academic motivation in a multidimensional
perspective.
• Effect of self-concept on achievement was mediated by autonomous and less by
controlled regulations.
• The level of specificity of autonomous and controlled regulations impacted their
relation between self-concept and grades.
122
8.1 Introduction
The question of how to promote student achievement and positive academic outcomes
is a major concern in educational settings. Many studies have highlighted the importance of
academic self-concept in predicting achievement in school (e.g., Wu et al., 2021). Thus,
students with a positive self-concept, that is, with positive perceptions of their academic
abilities, tend to do better in school. Beyond a positive self-concept, motivation has also been
found as a strong predictor of academic achievement (e.g., Hattie et al., 2020). Among
motivational theories depicted to investigate this issue, self-determination theory (SDT; Deci
& Ryan, 1985; Ryan & Deci, 2017) distinguishes different regulation types in motivation and
thereby makes various predictions about the effect of motivation on many academic outcomes
depending on these. Indeed, based on a multidimensional view of motivation, SDT (Deci &
Ryan, 1985; Ryan & Deci, 2017) described different regulation types, varying in their level of
self-determination, from the most autonomous (i.e., intrinsic motivation, identified regulation)
to the most controlled (i.e., introjected, external regulations) ones. Results showed that
autonomous motivation regulations (AM regulations) leads to more positive academic
outcomes than controlled motivation regulations (CM regulations) (Guay, Ratelle & Chanal,
2008; Deci & Ryan, 2008). In school context, besides the fact that these two constructs have
been found to foster academic achievement, few have investigated how they could act as
consorts. In one of the attempt to investigate this issue, Guay, Ratelle et al. (2010) studied
different conceptual models to explain relations between academic self-concept, motivation and
academic achievement from an SDT perspective. In line with SDT and self-concept theory,
their results indicated that motivation mediated the contribution of self-concept to achievement.
Recently, other researches also supported the mediating role of motivation (Khalaila,
2015; Locher et al., 2021; Lohbeck et al., 2021). For example, Khalaila (2015) demonstrated a
mediating effect of intrinsic motivation between self-concept and achievement. Results of
123
Lohbeck et al. (2021) went in the same direction and demonstrated this mediational effect for
intrinsic motivation. However, they did not find this effect for extrinsic motivation. This
differential result is consistent with the SDT perspective regarding differential effects of AM
regulations and CM regulations on academic outcomes. However, taken together these results
highlight the fact that mediational effect of motivation was mainly supported by intrinsic
motivation only and not really tested nor proved to occur among all regulation types.
Whereas student’s self-concept has long been shown to be school subject specific (e.g.,
Arens et al., 2021; Brunner et al., 2010), only recent investigation about SDT regulation types
showed that AM and CM regulations were not equally specific to school subjects in which they
were assessed (Chanal & Guay, 2015; Chanal & Paumier, 2020; Guay & Bureau, 2018).
Notably, subsequent research on this topic (Chanal & Paumier, 2020) showed that the more
specific the regulation was, the more relationships with students’ academic achievement were
found. Thus, according to these results, it would be arguable that the mediational process by
which motivation mediated the contribution of self-concept to achievement could only exist for
AM regulations and not exist for CM regulations.
This question is of interest for different theoretical and practical reasons. Indeed, few
studies have examined the mediating effect of motivation between self-concept and
achievement, and none have taken into consideration the different regulation types described
by SDT and their difference in specificity. Then, this question is important in order to know
teaching practices (e.g., promote higher self-concept) that could best increase students’
achievement.
In this study, we wanted to investigate the mediating role of motivation in the relation
between self-concept and achievement from an SDT perspective. Specifically, our objective
was to examine if the mediating effect of motivation on the relation between self-concept and
achievement was different for autonomous and controlled motivations. Specifically, we wanted
124
to reproduce previous results about the mediational sequence between these three constructs
(SC → motivation → academic achievement) considering the recent development of researches
related to differences in school subject specificity of AM and CM regulations (Chanal & Guay,
2015). We postulated that the motivational sequence found in Guay, Ratelle et al. (2010) will
be reproduced, but that the mediating effect of motivation between self-concept and
achievement would only be found for AM regulations and not for CM regulations.
8.1.1 Influence of self-concept on achievement
Self-concept can broadly be described as an individual’s perceptions of himself or
herself, formed through experience and interpretation of his or her environment (Shavelson et
al., 1976). In the academic context, self-concept mainly refers to the students’ perceptions of
their competences in school or in a school subject. Shavelson et al. (1976) proposed a theoretical
model of self-concept in a multidimensional and hierarchical perspective (see Figure 7).
Multidimensional perspective indicate that self-concept consists of multiple distinct domain-
specific components and hierarchical perspective implies that self-concept components are
positioned at different generality levels (Arens et al., 2021). The Shavelson et al. model
considers general self-concept at the apex of the hierarchy. The general self-concept is divided
into academic self-concept and non-academic self-concept. Non-academic self-concept is
subdivided into social, physical and emotional self-concepts. Academic self-concept
differentiated between various school subjects (e.g., math self-concept).
125
Figure 7
The multidimensional and hierarchical model of self-concept from Shavelson, Hubner and
Stanton, adapted to Shavelson et al. (1976)
The multidimensionality and hierarchical organization of the self-concept have been
supported by various research (e.g., Arens et al., 2021; Brunner et al., 2010). Some research has
been particularly interested in the multidimensional and domain-specificity nature of self-
concept and studied the correlations among self-concepts in different domains. Support for
domain-specificity is established on the high positive correlations between self-concepts in the
same domain (e.g., verbal) and the low positive (or negative) correlations between self-concepts
in distinct domains (e.g., verbal and math). For instance, Arens et al. (2021) examined
correlations between self-concepts in seven school subjects and demonstrated a clear distinction
between math-like self-concepts (e.g., math, physics) and verbal-like self-concepts (e.g.,
English, German). Indeed, math self-concept was highly and negatively correlated with German
self-concept (r = -.47), and highly and positively correlated with physics self-concept (r = .40).
Many studies examined the relations between self-concept and academic achievement and
showed that self-concept was more strongly related to achievement in corresponding than in
non-corresponding school subjects (e.g., Arens et al., 2021; Hansford & Hattie, 1982; Marsh,
126
1992; Marsh, Trautwein, et al., 2006; Marsh & Craven, 2006; Möller et al., 2009; Trautwein &
Möller, 2016).
Although, the association between self-concept and achievement has been clearly
established, a crucial question concerns the direction of the relation between these two
variables. Three main theoretical models have been postulated : the self-enhancement, the skill
development and the reciprocal-effects models (e.g., Marsh et al., 2017; Marsh & Craven,
2006). The self-enhancement model posits that academic self-concept predicts academic
achievement but that achievement does not affect self-concept (Calsyn & Kenny, 1977). The
skill development model supports the reverse causal relation by proposing that is academic
achievement that predicts academic self-concept but that self-concept does not influence
achievement (Calsyn & Kenny, 1977). While initially the self-enhancement and skill
development models were strongly contrasted, recent studies have shown that a clear-cut
position is inappropriate because self-concept and achievement mutually reinforce each other
(Arens et al., 2017).
Thus, the reciprocal-effects model, which is a more realistic compromise between the
self-enhancement and skill-development models, proposes that prior self-concept causes
subsequent achievement, and prior achievement causes subsequent self-concept (Marsh &
Craven, 2006; Marsh & Martin, 2011). Most empirical studies supported the reciprocal-effects
model at the school level (e.g., Pinxten et al., 2010) and in different school subjects (e.g., Arens
et al., 2017; Marsh, Chanal, et al., 2006; Marsh et al., 2018; Marsh, Trautwein, et al., 2005).
Note that some studies showed differentiated relations between self-concept and achievement
according to the school subject considered. For example, Marsh and Yeung (1997) provided
support for the reciprocal-effects model in math, sciences and English but they demonstrated
that the effect of self-concept on achievement was stronger for math than for science and
English. Chen et al. (2013) supported also the reciprocal-effects model in math but in Chinese,
127
while achievement influenced self-concept, self-concept did not impact achievement for pre-
adolescent students. Finally, several meta-analyses provided clear support for reciprocal effects
of academic achievement and academic self-concept (e.g., Huang, 2011; Wu et al., 2021). For
example, in their meta-analyses, Wu et al. (2021) found an average effect size of .16 for skill-
development and a smaller average effect size of .08 for self-enhancement effects.
8.1.2 Self-determined motivation and its relations with achievement
Contrary to other motivational theories that have treated motivation as a unitary concept
(e.g., Bandura, 1997) SDT considers motivation as a multidimensional concept. Indeed, SDT
recognizes that there are three types of motivation: Intrinsic motivation, extrinsic motivation
and amotivation (Ryan & Deci, 2000a). Intrinsic motivation refers to the act of doing an activity
for the pleasure and for its inherent satisfaction (Ryan & Deci, 2000a). Three types of intrinsic
motivation have been proposed : intrinsic motivation to stimulation (i.e., doing an activity for
the sensory pleasure that is felt), intrinsic motivation to know (i.e., doing an activity for the
pleasure and satisfaction of learning), and intrinsic motivation toward accomplishment (i.e.,
doing an activity for the pleasure of surpassing) (Carbonneau et al., 2012). In contrast to
intrinsic motivation, extrinsic motivation is defined as doing of an activity to attain some
separable consequences (Ryan & Deci, 2000a). Deci and Ryan (1985) suggest the existence of
different regulation types of extrinsic motivation varying in their level of self-determination.
Four extrinsic motivations are considered from high to low level of self-determination:
integrated, identified, introjected and external regulations. The most self-determined form of
extrinsic motivation is integrated regulation. Integrated regulation occurs when identifications
have been evaluated and brought into congruence with individual’s values and needs (Ryan &
Deci, 2002). This regulation involves that people have form their identity (Deci et al., 1996). A
less self-determined form of extrinsic motivation is identified regulation. Identified regulation
128
occurs when people have identified with the personal importance of a behavior and have
accepted it as their own (Deci & Ryan, 2000). Introjected regulation is the third type of extrinsic
motivation and occurs when behaviors are performed in response to internal pressures, to avoid
guilt or anxiety or to attain pride or ego-enhancements (Ryan & Deci, 2000b). Finally, external
regulation involves doing a behavior to satisfy an external demand or reward contingency (Deci
& Ryan, 2000). Other than the classical intrinsic/extrinsic one, another distinction occurs in the
SDT framework relative to the level of internalization of regulation types. Autonomous
motivation regulations refer to behaviors performed voluntarily and by choice (Vansteenkiste
et al., 2006), and comprises intrinsic motivation as well as integrated and identified regulations.
In contrast, controlled motivation regulations refer to behaviors constrained by internal and
external pressures (Vansteenkiste et al., 2006), and comprises introjected and external
regulations. Finally, amotivation refers to a lack of intentionality or a lack of motivation (Deci
& Ryan, 2008b).
Many studies investigated the relation between academic motivation and achievement.
Some research has considered the motivational regulation types proposed by SDT separately
(i.e., using the subscales as separate variables) some others used the Relative Autonomy Index
(i.e., RAI, a composite score based on measurements of these regulation types and obtained by
weighting the scores obtained) and some others considered AM) and CM scores (e.g., by
calculating the mean obtained for either intrinsic, integrated and identified or introjected and
external regulations). All studies using the RAI demonstrated that the higher students’
autonomous motivation was, the higher their achievement in school in general was (Fortier et
al., 1995; Grolnick et al., 1991; Guay & Vallerand, 1997; Kusurkar, ten Cate, et al., 2013;
Ratelle et al., 2005). In research considering AM and CM separately, results confirmed the
positive effect of AM on academic achievement (Brunet et al., 2015; Kusurkar, ten Cate, et al.,
2013; Litalien et al., 2015), or school subjects performance (Botnaru et al., 2021; De Naeghel
129
et al., 2012; Jeno et al., 2018). On the other hand, results demonstrated negative or non
significant relation between CM and academic achievement (Brunet et al., 2015; Kusurkar et
al., 2013; Litalien et al., 2015), or grades in various school subjects (Botnaru et al., 2021; De
Naeghel et al., 2012; Jeno et al., 2018). In research considering each regulation type proposed
by SDT separately, results confirmed that intrinsic motivation and identified regulation were
positively associated with academic achievement (Howard et al., 2021; Litalien et al., 2015; C.
A. Orsini et al., 2019; Taylor et al., 2014, study 1), or grades in math (Leroy & Bressoux, 2016;
Lohbeck, 2018). Concerning controlled regulations, results are less consistent. Indeed, while
Taylor et al. (2014, study 1) demonstrated that introjected and external were negatively related
to achievement, Orsini et al. (2019) and Howard et al. (2021) showed no significant relation for
these two regulations. Other studies indicated that grades in math were negatively related to
external regulation, but did not significantly associate with introjected regulation (Leroy &
Bressoux, 2016; Lohbeck, 2018). Finally, in some studies, no significant relation was found
between all regulation types and achievement in school (Cokley et al., 2001; Fairchild et al.,
2005) and in the language learning context (McEown et al., 2014; Noels et al., 1999).
Few studies (Chanal & Guay, 2015; Chanal & Paumier, 2020; Guay & Bureau, 2018)
investigated the relation between motivation and achievement considering regulation types
separately and toward various school subjects simultaneously. Intrinsic motivation was
positively related to grade in 2 corresponding school subjects (i.e., 2/4) in study by Chanal and
Guay (2015), and in 2 corresponding school subjects (i.e., 2/3) in study by Guay and Bureau
(2018). Chanal and Paumier (2020) considered two types of intrinsic motivation and showed
that grades were positively related to intrinsic motivation-stimulation in all corresponding
school subjects (i.e., 4/4) and to intrinsic motivation-achievement in 3 school subjects (i.e., 3/4).
Positive associations were found between identified regulation and grades in all corresponding
school subjects (i.e., 3/3 and 4/4 respectively) in studies by Guay and Bureau (2018), and by
130
Chanal and Paumier (2020), whereas no significant relation (i.e., 0/4) was found in study by
Chanal and Guay (2015). Introjected regulation was not related to grades in corresponding
school subjects in studies by Guay and Bureau (2018) and by Chanal and Guay (2015) (i.e., 0/3
and 0/4 respectively). In contrast, Chanal and Paumier (2020), considering two types of
introjected regulation, showed that grades were positively related to introjected approach
regulation in 3 corresponding school subjects (i.e., 3/4), and to introjected avoidance regulation
in 2 school subjects (i.e., 2/4). Finally, positive relation was found between external regulation
in 1 corresponding school subject (i.e., 1/3) in study by Guay and Bureau (2018), while no
significant relation (i.e., 0/4) was found in study by Chanal and Guay (2015). Chanal and
Paumier studied two types of external regulation and demonstrated that grades were positively
associated with external approach regulation type in 1 corresponding school subject (i.e., 1/4),
and were associated with external avoidance in 2 school subjects (i.e., 2/4, one positive relation
and one negative relation).
8.1.3 Mediation of self-concept effect on achievement by motivation
Whereas many studies have investigated the relation between motivation and
achievement or between self-concept and achievement, few have examined the relation between
these three variables taken together. More specifically, the question arises of a potential
mediating role of motivation in the relation between self-concept and achievement. Marsh et
al. (1999) proposed in the self-enhancement model that student characteristics such as
conscientious effort, persistence, intrinsic motivation, academic choice, and coursework
selection would be mediating variables in the relation between self-concept and achievement.
The postulated mediating role of motivation is also consistent with SDT (Deci & Ryan, 1985;
Ryan & Deci, 2017) which postulates that perceived competence (a concept closely related to
self-concept) leads to more positive consequences (i.e., such as higher achievement) thought
131
academic motivation. In the same way, within the SDT framework, the hierarchical model of
intrinsic and extrinsic motivation (HMIEM; Vallerand, 1997) proposes a causal sequence
linking perceptions of competence to motivations, and motivations to different outcomes. More
precisely, HMIEM posits that the more the students feel competent, the more their academic
motivation will be autonomous, and the higher their achievement will be.
Guay, Ratelle et al. (2010) studied different conceptual models to explain relations
between academic self-concept, self-determined motivation and academic achievement : a
mediational model of motivation, a mediational model of self-concept and an additive model in
which both motivation and self-concept predicted achievement. In line with SDT and self-
concept theory, their results indicated that the model that best fit the data was the model in
which motivation mediated the contribution of self-concept to achievement. A study (Khalaila,
2015), carried out on nursing students sample, corroborated these results and showed that
intrinsic motivation mediated the relation between academic self-concept and achievement.
Locher et al. (2021) examined also the mediating role of intrinsic motivation but in the reading
domain and demonstrated that reading intrinsic motivation mediated the relation between
reading self-concept and reading comprehension (i.e., standardized test in reading). Lohbeck et
al. (2021) investigated the relation among two types of motivation (intrinsic and extrinsic
motivations), physical self-concept and physical performance. Their results showed that
intrinsic motivation played a mediating role in the relation between physical self-concept and
physical performance, whereas extrinsic motivation did not mediate this relation.
Although supporting the motivational mediation model, these studies are sparse and
entail some weaknesses. Firstly, only intrinsic and extrinsic motivations or a composite score
of motivation (i.e., RAI) were used as mediational variables. Therefore, it is difficult to
conclude if the mediational effect is driven by all regulation types, or some regulation types
only (i.e., intrinsic motivation, AM and not CM for example). As seen previously, while studies
132
using a composite score (i.e., RAI) have clearly shown that motivation is related to
achievement, results were more balanced when motivation was operationalized using regulation
types separately and when various school subjects were considered simultaneously. Indeed,
aggregating regulation types into composite score could hide more complex results, in
particular the fact that some regulation types could play the mediating role in the relation
between self-concept and achievement while others do not. Moreover, while Guay, Ratelle et
al. (2010) supported the motivational mediation model by considering a composite score (i.e.,
RAI), Lohbeck et al. (2021) considered intrinsic and extrinsic motivations separately and found
that only intrinsic motivation mediated the relation between physical self-concept and physical
performance. Secondly, studies supporting the motivational mediation model have only
considered self-concept, motivation, and achievement at only one hierarchical level (i.e., toward
school or toward school subject) or toward only one school subject. We believe that the most
accurate analysis of motivational processes in academic context should consider various school
subjects simultaneously. Indeed, relation between self-concept, motivation and achievement
could vary according to the school subject considered. Some studies, considering various school
subjects simultaneously also demonstrated differentiate relations between self-concept and
achievement (S.-K. Chen et al., 2013; Marsh & Yeung, 1997) and between regulation types and
achievement (Chanal & Guay, 2015; Chanal & Paumier, 2020; Guay & Bureau, 2018)
according to the school subject considered. It is therefore necessary to investigate whether the
mediating effect of regulation types will vary according to different school subjects.
In the present study, we wanted to evaluate the mediating role of regulation types
described by SDT between self-concept and achievement in multiple school subjects. Our
objective was to test the mediating role of motivation to determine if AM and CM regulations
133
were responsible equally to mediate this effect. We thus wanted to extend the motivational
mediation model considering the different regulation types described by SDT and considering
various school subjects. Specifically, we wanted to test if the motivational mediation model
was different for AM and CM regulations. Indeed, recently, studies demonstrated AM
regulations to be more school subject specific than CM regulations (Chanal & Guay, 2015;
Paumier & Chanal, 2020). Therefore, according to these results, we would expect that the
mediational effect of motivation between self-concept and grades - two constructs that have
been shown to be school-subjects specific - would be more likely supported by AM than by
CM regulations. The question of the differential relationships between AM, CM regulations
and grades was notably evaluated by Chanal and Guay (2015), Chanal and Paumier (2020), and
Guay and Bureau (2018) who demonstrated that autonomous regulations were generally more
related to grades in corresponding school subjects than controlled regulations.
Our hypotheses were as follows:
Hypothesis 1: As the first step of the mediation test, we hypothesized that self-concepts
in specific school subjects will predict achievement in corresponding school subjects.
Hypothesis 2: As the second step of the mediation test, we expected that self-concepts
in specific school subjects will predict motivation in corresponding school subjects. More
specifically, we postulated that self-concepts will predict AM but not (or less) CM regulations
in corresponding school subjects.
Hypothesis 3: As the final step of the mediation test, we postulated that motivation will
mediate relation between self-concepts and achievements in corresponding school subjects.
More specifically, in accordance with the school-subject-specificity hypothesis, we postulated
that the mediation effects will be supported for AM but not for CM regulations.
134
8.3 Method
8.3.1 Participants and Procedure
Participants were students (228 girls and 183 boys) attending two junior high school in
the Canton of Geneva, Switzerland. Students were in Grade 9 and 10 at time 1 (Mage = 13.705;
SDage = 0.731) and in Grade 10 and 11 at time 2 (Mage = 14.245; SDage = 0.713). Students
completed questionnaires at the end of the school year (T1: from May to June) and in the
following year at mid-year (T2: from November to February).
Written consent was required for students and their parents to participate in the study.
The ethics commission of the faculty of psychology of the University of Geneva approved this
study. The data was obtained and analyzed anonymously.
8.3.2 Measures
Students’ self-concept
Six items of the Self-Description Questionnaire (Guérin et al., 2003) were used to assess
/students’ self-concept. The scale was adapted to measure self-concept at the contextual level
(i.e., self-concept in school) and at the situational level (i.e., self-concepts in math, French,
English, and physical education). For each of six items (e.g., “I am doing well in …”), students
were asked to rate how much they agreed with each item on a 7-point Likert scale from 1
(strongly disagree) to 7 (strongly agree). The same six items were used to assess each self-
concept at the contextual and situational levels. The scale was administered at time 1.
Cronbach’s alphas for this measure were .94 for school, .97 for math, .94 for French, .96 for
English, .96 for physical education.
Academic motivation
Student’s motivation was measured using a scale developed by Chanal et al. (2019). The
scale was adapted to assess student’s regulation types at the contextual level (i.e., motivation
toward school in general) and at the situational level (i.e., motivation toward four school
135
subjects: math, French, English, physical education). We assessed seven subscales measuring
seven regulation types of self-determined motivation. The subscales are as follows: intrinsic
motivation to experience stimulation (e.g., “Because I am having fun in…”; αs between .81 and
.94), intrinsic motivation for achievement (i.e., a combination of intrinsic motivation to know
and intrinsic motivation toward accomplishments) (e.g., “Because I discover new things in…”;
αs between .81 and .88), identified regulation (e.g., “Because I consider … to be important for
me”; αs between .77 and .87), introjected approach regulation (e.g., “To be proud of myself”;
αs between .72 and .81), introjected avoidance regulation (e.g., “Because I don't want to be
rejected; αs between .62 and .73 ), external approach regulation (e.g., “ To get good grades”; αs
between .64 and .69) and external avoidance regulation (e.g., “To avoid bad grades”; αs
between .66 and .75). The same four items were used to assess each regulation at the contextual
and situational levels. The students were asked how much they agreed with each reason “to
participate in school” or “to participate in a particular school subject” on a 7-point Likert scale
from 1 (never) to 7 (all the time). The scale was administered to students at time 1 and 2.
Academic achievement
The schools provided us with students' grades at the end of the two years in each of the
four academic subjects (i.e., math, French, English, and physical education).
136
8.3.3 Statistical analyses
Self-concept and regulation types scores
In order to properly test our mediational models, we extracted self-concepts and
motivation regulation types latent constructs factor scores using correlated trait-correlated
method minus one (CTCM-1) models (Eid et al., 2003). CTCM-1 model appeared to be the
most suitable model to account for the multidimensional and hierarchical organization of self-
concept and motivation (Brunner et al., 2010; Chanal & Guay, 2015). Indeed, CTCM-1 model
allows distinguishing the variance attributable to the contextual level (i.e., toward school) and
to the situational level (i.e., school subjects). More precisely, self-concept and motivation at the
contextual level is considered as a single trait, whereas self-concept and motivation in different
school subjects are considered as correlated methods or school subjects’ deviations from this
global trait (see Figure 8 for intrinsic motivation). Thus, the specific latent factors for each
subject represent deviations from the global factor by capturing the common but specific
variance in subject items that is above the common variance at the contextual level.
We then realized CTCM-1 models for each of the 7 regulation types (i.e., intrinsic
motivation to experience stimulation, intrinsic motivation for achievement, identified
regulation, introjected approach regulation, introjected avoidance regulation, external approach
regulation, and external avoidance regulation) at time 1 and at time 2 and for students’ self-
concept at time 1.
137
Figure 8
CTCM-1 Model for Intrinsic Motivation
Note. Fr 1 - Fr 4 = items for French. En 1- En 4 = items for English. PE 1 – PE 4 = items for

physical education. Ma 1 – Ma 4 = items for math. Sc 1 – Sc 4 = items for school.
We performed a full information maximum likelihood (FIML) estimation using Mplus
version 7 (Muthén & Muthén, 2012). All models were tested with maximum likelihood
estimation using robust standard errors (MLR estimation). Less than 1% of the data were
missing. To evaluate the model fit, we used the chi-square values, the comparative fit index
(CFI), the Tucker-Lewis index (TLI), the root mean square error of approximation (RMSEA),
and the standardized root mean square residual (SRMR). CFI and TLI values closed to or above
.90 and .95 are deemed acceptable and excellent fit to the data respectively (Hu & Bentler,
1999; Marsh, Hau, et al., 2005). For RMSEA, values closed to or below .08 are indicative of an
adequate fit (Hu & Bentler, 1999; Marsh, Hau, et al., 2005). A value of .08 (or lower) for the
SRMR is considered indicative of a good model fit (Hu & Bentler, 1999).
Table 11 presents fit indices for each regulation type CTCM-1 models at T1 and T2, and
self-concept CTCM-1 models at T1. All models show an excellent fit to the data. As expected
by the school-subject-hypothesis, autonomous regulations were more specific than controlled
regulations because the quantity of shared variance at the situational level was higher for
138
autonomous regulations than for controlled regulations (see Table 12). At T1, on average, the
percentages of variance shared at the situational level for intrinsic motivation-stimulation (59%
of total variance), for intrinsic motivation-achievement (40%), and for identified regulation
(42%) were higher than for introjected approach (22%), introjected avoidance (17%), external
approach (10%), and external avoidance regulations (15%). The results found at T2 were
similar, on average, the percentages of variance shared at the situational level for intrinsic
motivation-stimulation (57% of total variance), for intrinsic motivation-achievement (37%),
and for identified regulation (41%) were higher than for introjected approach (21%), introjected
avoidance (16%), external approach (6% in total variance), and external avoidance regulations
(15% in total variance).
Table 11
Fit Indices of the CTCM-1 Models
Model χ2 df RMSEA CFI TLI SRMR AIC BIC
Intrinsic motivation-
stimulation
Time 1 132.084 108 .023 .995 .991 .026 26611.675 27101.943
Time 2 152.634 108 .032 .990 .98 .029 26670.47 27160.739
Intrinsic motivation-
achievement
Time 1 311.532 108 .068 .942 .898 .041 27916.14 28406.408
Time 2 400.863 108 .081 .920 .860 .052 27571.467 28061.735
Identified
Time 1 176.518 108 .039 .981 .967 .046 26935.888 27426.157
Time 2 179.226 108 .040 .978 .962 .058 27103.999 27594.268
Introjected Approach
Time 1 179.318 108 .040 .981 .967 .036 28651.053 29141.322
Time 2 165.230 108 .036 .986 .975 .030 28016.247 28506.516
Introjected Avoidance
Time 1 181.258 108 .041 .977 .96 .051 28491.07 28981.338
Time 2 170.923 108 .038 .981 .966 .042 28180.318 28670.586
External Approach
Time 1 311.521 199 .037 .976 .963 .047 34177.8 34784.607
Time 2 144.482 108 .029 .99 .983 .033 27891.811 28382.08
External Avoidance
Time 1 143.853 108 .028 .989 .981 .031 28372.285 28862.554
Time 2 155.544 108 .033 .985 .974 .031 28170.856 28661.125
Self-Concept
Time 1 485.97 315 .037 .982 .975 .030 30761.896 31479.909
139
Table 12
Variance due to Specific and Contextual Levels for Each School Subject and on Average
Specific Contextual Residual
Intrinsic motivation-stimulation T1/T2 T1/T2 T1/T2
Mathematics .58/.57 .20/.19 .23/.24
French .43/.48 .30/.27 .27/.25
English .61/.50 .12/.19 .27/.31
Physical education .75/.74 .04/.06 .22/.20
Average .59/.57 .16/.18 .25/.25
Intrinsic motivation-achievement T1/T2 T1/T2 T1/T2
Mathematics .31/.27 .29/.35 .40/.37
French .29/.28 .35/.32 .36/.39
English .45/.38 .20/.20 .35/.41
Average .40/.37 .23/.25 .37/.38
Identified T1/T2 T1/T2 T1/T2
Mathematics .38/.34 .23/.24 .38/.42
French .32/.36 .31/.27 .37/.37
English .42/.36 .15/.17 .43/.46
Average .42/.41 .19/.19 .39/.41
Introjected Approach T1/T2 T1/T2 T1/T2
Mathematics .16/.12 .37/.39 .47/.49
French .17/.15 .36/.39 .47/.47
English .22/.20 .31/.35 .48/.45
Average .22/.21 .30/.32 .47/.47
Introjected Avoidance T1/T2 T1/T2 T1/T2
Mathematics .15/.11 .23/.32 .62/.57
French .12/.12 .26/.29 .61/.59
English .13/.12 .21/.29 .66/.59
Average .17/.16 .21/.27 .62/.57
External Approach T1/T2 T1/T2 T1/T2
Mathematics .09/.01 .25/.31 .66/.67
French .09/.06 .25/.27 .66/.67
English .08/.04 .25/.26 .67/.70
Average .10/.06 .24/.27 .65/.67
(Continued)
140
Table 12 (Continued)

External Avoidance T1/T2 T1/T2 T1/T2
Mathematics .13/.16 .31/.28 .56/.56
French .11/.12 .35/.31 .54/.57
English .13/.18 .30/.25 .57/.57
Average .15/.15 .29/.28 .56/.57
8.4 Results
8.4.1 Relations between self-concepts and grades
To evaluate whether self-concept predicts achievement (hypothesis 1), two regression
models were realized for each school subject. In the first regression model, self-concept at time
1 was considered as independent variable and achievement at time 2 as dependent variable (see
Figure 9, model A1). In the second regression model, the same regression model was also tested
by controlling for achievement at time 1 (see Figure 9, model A2). These two regression models
were tested for each school subject separately. Results are presented in Table 13. When T1
grades were not controlled, T1 self-concepts predicted significantly positively T2 grades in all
school subjects (i.e., 4/4). That is, higher self-concept in a school subject was related to higher
grade in corresponding school subject. These results are in line with the self-enhancement
model and with our first hypothesis. When controlling for T1 grades, T1 self-concepts predicted
T2 grades in only 1 school subject among the 4 (i.e., 1/4). These results showed that later grades
are more predicted by previous grades than by previous self-concepts in our study.
141
Figure 9
Models tested for math self-concept, math grades and intrinsic motivation in math
Table 13
Regressions of Self-concept on Grade
Variable Without T1 grades controlled With T1 grades controlled
β SE β t df p R2 β SE β t df p R2
Self-concept
Math .33 .05 6.97 392 <.001 .11 .01 .04 0.18 388 .855 .45
French .20 .05 3.95 392 <.001 .04 -.02 .04 -0.54 388 .587 .46
English .28 .05 5.76 392 <.001 .08 .00 .04 -0.01 388 .992 .45
Physical education .38 .05 8.14 388 <.001 .15 .16 .05 3.31 382 .001 .30
Average .30 .04
Number of relations on 4 school
4/4 1/4
subjects
Note. We examined the impact of T1 self-concept on T2 grade in corresponding school subjects.
Relations between self-concepts and regulation types
To evaluate whether self-concept predicts regulation types (hypothesis 2), two
regression models were realized for each regulation type and for each school subject. In the first
regression model, self-concept at time 1 was considered as independent variable and regulation
142
type at time 2 as dependent variable (see Figure 9, model b1). In the second regression model,
we also tested this regression model by controlling for regulation type at time 1 (see Figure 9,
model b2). Results are provided in Table 14 for AM regulations and in Table 15 for CM
regulations. Self-concepts significantly predicted 21 times motivation in corresponding school
subjects on the 28 models tested (7 regulation types for 4 school subjects). When controlling
for T1 motivation, self-concepts significantly predicted 16 times motivation in corresponding
school subjects on the 28 models tested.
We hypothesized that these results would be different regarding the specificity of the
regulation types involved. As expected, self-concepts predicted significantly autonomous
regulations in corresponding school subjects at each time (i.e., 12/12 times). In contrast, self-
concepts only predicted controlled regulations in corresponding school subjects approximately
half of the time (i.e., 9/16). Specifically, self-concepts predicted introjected approach in all
school subjects (i.e., 4/4), introjected avoidance in 2 school subjects (i.e., 2/4), external
approach in 3 school subjects (i.e., 3/4), whereas self-concept did not predict external avoidance
in any school subject (i.e., 0/4). When controlling for T1 regulation types, self-concepts were
still more related to autonomous regulations (i.e., 9/12) than to controlled regulations (i.e.,
7/16). Specifically, self-concepts predicted intrinsic motivation-stimulation in all school
subjects (i.e., 4/4), intrinsic motivation-achievement in 3 school subjects (i.e., 3/4), and
identified regulation in 2 school subjects (i.e., 2/4). For controlled regulations, self-concepts
were related to introjected approach in 3 school subjects (i.e., 3/4), to introjected avoidance in
1 school subject (i.e., 1/4), to external approach in 3 school subjects (i.e., 3/4), and to external
avoidance in none of the school subjects (i.e., 0/4).
143
Table 14
Regressions of Self-Concept on Autonomous Regulations
Variable Intrinsic Stimulation

Without T1 regulation types controlled With T1 regulation types controlled
Self-concept
Math .47 .04 10.68 397 <.001 .22 .24 .05 4.59 396 <.001 .31
French .32 .05 6.71 397 <.001 .10 .18 .05 3.40 396 .001 .17
English .33 .05 6.93 397 <.001 .11 .15 .05 2.96 396 .003 .22
Average .41 .18
Number of relations on 4 school subjects 4/4 4/4
Intrinsic Achievement
Self-concept
Math .35 .05 7.41 397 <.001 .12 .25 .05 5.00 396 <.001 .18
French .21 .05 4.33 397 <.001 .05 .14 .05 2.69 396 .007 .09
English .20 .05 3.96 397 <.001 .04 .08 .05 1.63 396 .104 .15
Average .28 .16
Identified
Self-concept
Math .32 .05 6.69 397 <.001 .10 .19 .05 3.90 396 <.001 .22
French .16 .05 3.17 397 <.001 .02 .07 .05 1.48 396 .139 .10
English .19 .05 3.94 397 <.001 .04 .08 .05 1.73 396 .085 .20
Average .26 .05
Note. We examined the impact of T1 self-concept on T2 autonomous regulations in
corresponding school subjects.
144
Table 15
Regression of Self-Concept on Controlled Regulations
Variable Introjected Approach
Self-concept
Math .12 .05 2.37 397 .018 .01 .07 .05 1.49 396 .136 .05
French .16 .05 3.22 397 .001 .03 .11 .05 2.17 396 .030 .07
English .19 .05 3.94 397 <.001 .04 .13 .05 2.58 396 .010 .07
Average .20 .12
Self-concept
Math .06 .05 1.24 397 .217 .00 .04 .05 0.91 396 .362 .08
French .05 .05 0.98 397 .328 .00 .04 .05 0.74 396 .457 .02
English .11 .05 2.28 397 .023 .01 .09 .05 1.86 396 .064 .06
Physical education .24 .05 4.84 397 <.001 .06 .17 .05 3.59 396 <.001 .13
Average .12 .09
External Approach
Self-concept
Math .24 .05 5.02 397 <.001 .06 0.24 0.05 4.81 396 <.001 .06
French .12 .05 2.32 397 .021 .01 0.11 0.05 2.27 396 .024 .01
English -.01 .05 -0.13 397 .895 .00 -0.02 0.05 -0.34 396 .737 .01
Physical education .26 .05 5.40 397 <.001 .07 0.19 0.05 4.00 396 <.001 .13
Average .15 0.13
External Approach
Self-concept
Math -.05 .05 -.93 397 .354 .00 -.05 .05 -0.99 396 .324 .05
French .00 .05 .06 397 .951 .00 -.01 .05 -0.15 396 .882 .06
English .02 .05 .33 397 .744 .00 .03 .05 0.57 396 .567 .02
Physical education .03 .05 .59 397 .554 .00 .03 .05 0.54 396 .592 .04
Average .00 .00
Note. We examined the impact of T1 self-concept on T2 controlled regulations in corresponding
school subjects.
145
Mediation analyses
For hypothesis 3, we realized mediational analyses, in which motivation was considered
as mediating the relations between self-concepts and achievement. In these mediation models,
self-concepts at time 1 were considered as independent variables, grades at time 2 were
considered as dependent variables, and regulation types at time 2 as mediator variables (see
Figure 9, model c1). As for hypothesis 1 and hypothesis 2, we tested mediational model without
controlling for achievement at time 1 in the first time, then we added it in a second time (see
Figure 9, model C2). Mediational models were tested for each regulation type and for each
school subject resulting in 28 models. More specifically, we tested the significance of the
indirect effect using the bootstrapping method as recommended by Zhao et al. (2010).
Bootstrapping method is a nonparametric resampling procedure with replacement, which
allows to obtain an empirical sampling distribution of the indirect effect a x b (Hayes, 2009)
(see Figure 9, model c1). This sampling distribution is used to construct confidence intervals
for the indirect effect. In this study, we used the 95% bias-corrected bootstrap confidence
intervals with 10000 bootstrap samples to test the significance of the indirect effect. If zero is
not between the lower and upper bound, we can claim that the indirect effect is not zero with
95% confidence (Hayes, 2009). In this case, it is inferred that the indirect effect is significant,
and therefore there is a mediation effect. For these mediation analyses, the “model indirect”
option implemented in Mplus was applied.
Results of mediation analyses are presented in Table 16. On the 28 mediation analyses
(i.e., 7 regulation types and 4 school subjects), indirect effects were significant 9 times using
the 95% bias-corrected bootstrap confidence intervals when T1 grade was not controlled (i.e.,
9/28 times), and indirect effects were significant approximately half of the time when T1 grade
was controlled (i.e., 12/28 times). More importantly, in accordance with our hypothesis, results
showed that the mediation model of motivation was more established for autonomous that for
146
controlled regulations. Indeed, for autonomous regulations, the indirect effects were significant
and positive 5 times on the 12 models tested when T1 grade was not controlled (i.e., 5/12 times)
and 8 times on the 12 models tested when T1 grade was controlled (i.e., 8/12 times). More
specifically, the indirect effects were significant when T1 grade was not controlled for intrinsic
motivation-stimulation in 2 school subjects (i.e., 2/4), intrinsic motivation-achievement in 1
school subject (i.e., 1/4) and identified regulation in 2 school subjects (i.e., 2/4). When T1 was
controlled, the indirect effects were significant for intrinsic motivation-stimulation in all school
subjects (i.e., 4/4), intrinsic motivation-achievement in 2 school subjects (i.e., 2/4), and
identified regulation in 2 school subjects (i.e., 2/4). That is, for these regulation types, higher
self-concepts were predictive of stronger autonomous regulations, which were in turn predictive
of higher grades.
In contrast, for controlled regulations, the indirect effects were significant and positive
4 times on the 16 models tested when T1 grade was or was not controlled (i.e., 4/16 times
without T1 grade controlled and 4/16 times with T1 grade controlled). The mediation model of
motivation was supported only for introjected approach in all school subjects (i.e., 4/4 without
T1 grade controlled and 4/4 with grade controlled). In contrast, the motivational mediation
model was not supported in all school subjects for introjected avoidance (i.e., 0/4 without T1
grade controlled and 0/4 with grade controlled), external approach (i.e., 0/4 without T1 grade
controlled and 0/4 with grade controlled), and external avoidance regulations (i.e., 0/4 without
T1 grade controlled and 0/4 with grade controlled). That is, for controlled regulations, whereas
introjected avoidance and external approach and avoidance regulations did not significantly
mediate the relation between self-concept and grades, higher self-concepts were predictive of
stronger introjected approach regulations, which were in turn predictive of higher grades.
147
Table 16
Indirect Effects of Motivational Mediation Models
Without T1 grades controlled With T1 grades controlled

Estimate 95% CI R2 grade Estimate 95% CI R2 grade
Intrinsic Motivation-Stimulation
Mathematics .023 [-.005, .065] .116 .040 [.019, .064] .476
Physical Education .027 [.011, .045] .165 .027 [.012, .044] .317
French .003 [-.017, .030] .038 .019 [.005, .037] .478
English .037 [.018, .064] .110 .046 [.028, .071] .509
Intrinsic Motivation-Achievement
Mathematics .027 [.009, .051] .126 .026 [.011, .044] .467
Physical Education .008 [-.004, .020] .150 .007 [-.003, .018] .302
French .001 [-.013, .013] .038 .005 [-.004, .017] .467
English .010 [-.001, .029] .085 .015 [.005, .032] .469
Identified
Mathematics .011 [-.005, .032] .113 .008 [-.004, .023] .451
French .006 [-.001, .020] .042 .004 [-.003, .014] .465
English .023 [.009, .046] .114 .021 [.008, .039] .477
Introjected Approach
Mathematics .010 [.002, .024] .131 .008 [.001, .018] .461
French .008 [.001, .023] .045 .007 [.001, .020] .468
English .010 [.00, .028] .086 .013 [.004, .029] .467
Mathematics .004 [-.001, .015] .121 .004 [-.001, .014] .460
French .002 [-.002, .012] .041 .001 [-.001, .008] .464
English .001 [-.005, .010] .078 .000 [-. 007, .005] .450
External Approach
Mathematics .012 [-.001, .030] .117 .008 [-.001, .022] .451
French .001 [-.005, .009] .038 .000 [-.005, .007] .464
English .000 [-.009, .007] .087 .000 [-.007, .004] .451
External Avoidance
Mathematics .000 [-.005, .002] .449 .000 [-.005, .003] .449
French .000 [-.004, .003] .467 .000 [-.004, .004] .467
English -.001 [-.011, .003] .451 -.001 [-.008, .002] .451
Note. We examined the mediating role of regulation types on the relation between self-concept
and grade in corresponding school subjects. CI = confidence interval. Significant indirect
effects are shown in bold.
148
8.5 Discussion
The purpose of this study was to test the mediating role of motivation in the relation
between self-concept and achievement considering the different regulation types described by
SDT. More precisely, we investigated the differential effects of autonomous and controlled
regulations on their relation between self-concept and achievement in different school-subjects
in secondary school students.
Results firstly showed significant direct relations between self-concepts and subsequent
grades in all school subjects. This means that the more students felt competent in a school
subject, the higher the achievement in this subject. These findings are consistent with the self-
enhancement model and with previous research demonstrating the reciprocal-effects model
(Arens et al., 2017; Huang, 2011; Marsh, Chanal, et al., 2006; Marsh et al., 2018; Marsh,
Trautwein, et al., 2005; Marsh & Yeung, 1997; Pinxten et al., 2010; Wu et al., 2021). Moreover,
prior self-concepts predicted more later autonomous regulations than later controlled
regulations in corresponding school subjects. Indeed, prior self-concepts predicted later
autonomous regulations in all corresponding school subjects whereas they approximately
predicted only half controlled regulations. All significant predictions were positive, indicating
that the more competent students felt in a school subject, the higher their motivation was in
these school subjects. This finding demonstrated that, depending on their level of relative
autonomy, autonomous and controlled regulations are differently influenced by self-concept.
These results were consistent with those of Chanal and Guay (2015), who demonstrated that
self-concepts were more related to autonomous regulations (i.e., intrinsic motivation and
identified regulation) than to controlled regulations (i.e., introjected and external regulations)
in corresponding school subjects.
As a final step of our study, we expected that autonomous regulations would mediate
the relation between self-concept and achievement in corresponding school subjects more than
149
controlled ones. Our results confirmed our hypothesis by showing that autonomous regulations
played a mediating role more than controlled regulations did. Indeed, autonomous regulations
mediated the relation between self-concepts and grades in corresponding school subjects 5
times on the 12 models tested when prior grades were not controlled and 8 times on the 12
models tested when prior grades were controlled. That is, students who perceived themselves
as competent in a school subject had higher grades, because their self-concept led them
indirectly to have higher autonomous regulations in this corresponding school subject. Note the
fact that there were more significant indirect effects when prior grades were controlled,
indicating that the mediating role of autonomous regulations was more important concerning
achievement change across the period. In contrast, only introjected approach regulation
mediated the relation between self-concept and grades while other controlled regulations did
not play this mediating role, whether prior grades were controlled or not. In other words,
students who felt competent in a school subject obtained higher grade in this school subject
because their self-concept led them indirectly to have higher introjected approach regulation
but not because it indirectly led them to have higher or lower other controlled regulations.
Our findings firstly confirmed that motivational factors are key variables explaining the
relation between self-concept and achievement in the self-enhancement model as postulated by
Marsh et al. (1999). They are consistent with previous studies which demonstrated the
mediating role of motivation in the relations between self-concept and achievement (Guay,
Ratelle, et al., 2010; Khalaila, 2015; Locher et al., 2021; Lohbeck et al., 2021). However, as
postulated, our results demonstrated differentiated mediation effects depending on the level of
self-determination of regulation types. These differentiated effects are in line with result of
previous studies that showed that intrinsic but not extrinsic motivation played a mediating role
between self-concept and performance (Lohbeck et al., 2021). Our results also indicated that
assessing motivation with a composite score (e.g., RAI) did not allowed a detailed analysis of
150
the relations between motivation, self-concept and achievement and more particularly hide the
differentiated effect of autonomous and controlled regulations. In fact, conclusion from studies
using composite score as RAI (e.g., Guay, Ratelle, et al., 2010) should be considered cautiously.
Results of the present study therefore extended previous findings clearly demonstrating that the
mediation effect of motivation between self-concept and achievement was more supported for
autonomous than controlled regulations. A potential explanation for these results could beside
in the regulation types difference in specificity in situational motivation. Indeed, Chanal and
Guay (2015) have developed the school-subject-specificity hypothesis which states that AM
regulations are more specific to the situational level in which they were assessed than CM
regulations. According to their hypothesis, results of our study showed that autonomous
regulations were more specific than the controlled ones. In fact, our results indicated that the
percentage of variance of the items shared at the situational level decreased as regulation
become less autonomous except for external approach. On average, the percentages of variance
shared at the situational level for intrinsic motivation-stimulation (59% and 57% at T1 and T2,
respectively), for intrinsic motivation-achievement (40% and 37%), and for identified
regulation (42% and 41%) were higher than for introjected approach (22% and 21%),
introjected avoidance (17% and 16%), external approach (10% and 6%), and external avoidance
regulations (15% at each time). Interestingly, we can note that we found significant mediation
effects for the regulations that were found to be the most specific to the school subjects.
In our study, we distinguished between two types of introjected regulation: introjected
approach (approaching self-worth or pride) and introjected avoidance (avoiding loss of self-
worth, shame or guilt) regulations like in Assor et al. (2009). In this study, they demonstrated
that introjected approach and avoidance regulations were differently associated with specific
outcomes. Our results are in line with these, as we also demonstrate a different pattern of
mediation effects for introjected approach and avoidance regulations. Indeed, introjected
151
approach regulation indirectly and positively influenced the relations between self-concepts and
achievement, whereas this was not the case for introjected avoidance regulation. This finding
demonstrates that future research in education might consider both types of introjected
regulation because they could be associated differently with outcomes. In addition, Assor et al.
(2009) postulated that introjected avoidance regulation was less autonomous than introjected
approach regulation, because introjected avoidance regulation focuses on more negative and
unwanted experiences, as feeling unworthy, and it would be therefore perceived as more
constraining and controlling than introjected approach regulation. Their results confirmed their
hypothesis by showing that introjected approach regulation correlated more strongly with
identified regulation than did introjected avoidance regulation, and that introjected avoidance
regulation correlated more strongly with external regulation than did introjected approach
regulation. Similarly, Sheldon et al. (2017) demonstrated, using a multidimensional scaling,
that positive introjected regulation (that corresponds to introjected approach regulation) was
located on the same side of relative autonomy continuum as identified regulation and intrinsic
motivation, and that negative introjected regulation (that corresponds to introjected avoidance
regulation) was located on the same side as external regulation and amotivation. These results,
by showing that introjected approach was located on the positive side of the relative autonomy
continuum, indicated that this regulation was rather an autonomous motivation than a controlled
motivation. We have to note that, if we had considered introjected approach regulation as an
autonomous motivation in our study, our results would have been fully in line with our
hypotheses. Indeed, only regulations considered as autonomous ones (i.e., including introjected
approach) would have mediated the relation between self-concepts and grades in corresponding
school subjects whether prior grades were controlled or not (i.e. 9/16 or 12/16 models).
Conversely, controlled regulations (i.e., excluding introjected approach) would have not played
this mediating role, whether grades were controlled or not (i.e., 0/12).
152
Finally, our findings provide some important implications for teaching practices.
Indeed, the results of the present study highlighted the key role of self-concept and autonomous
motivation for achievement in a specific school subject. These results indicate that enhancing
students’ self-concept and autonomous motivation in a school subject may lead to higher
achievement in that school subject. To increase their students’ achievement, teachers should
focus on teaching practices aimed at enhancing students’ self-concept and autonomous
motivation. Some intervention programs were designed to improve self-concept especially
through praise, performance feedback and attributional retraining (see Craven et al., 1991, for
an overview). Moreover, O’Mara et al. (2006), in their meta-analyses, showed the self-concept
interventions were significantly effective and found that feedback and praise had the strongest
effect size for such interventions. Furthermore, several SDT-based intervention programs have
been developed for increasing students’ autonomous motivation emphasizing autonomy-
supportive practices (see Guay, Lessard, et al., 2016; Reeve & Cheon, 2021, for reviews). Reeve
and Cheon (2021), in their review from 51 autonomy-supportive teaching interventions, showed
although that these interventions produced students benefits such as increase in autonomous
regulations, which in turn led to more engagement in school, better grades and more positive
emotions.
8.5.1 Limitations and future directions
This study only considered the relation between self-concept, motivation, and
achievement in corresponding school subjects but not in non-corresponding school subjects.
The internal/external frame of reference model (Marsh, 1986) posited that achievement has
positive effect on self-concept in a matching domain (e.g., verbal achievement on verbal self-
concept), but negative effect on self-concept in a non-matching domain (e.g., verbal
achievement on math self-concept). Future research could investigate the mediating effect of
153
autonomous and controlled motivation between self-concept and achievement (or the reverse
relation) in non-corresponding school subjects.
154
9 Article 5 : Modélisation statistique de la motivation et son
impact sur les liens unissant la motivation à ses antécédents
et conséquences6
La présente étude vise 1) à tester différentes modélisations de la motivation académique
en considérant simultanément la motivation situationnelle et contextuelle, et 2) à évaluer
l’impact de deux modélisations particulières sur les corrélations entre les construits
motivationnels situationnels et leurs antécédents et conséquences. L’objectif est donc d’évaluer
quelle structure psychométrique correspond le mieux aux données et de déterminer si le choix
de la modélisation influence les relations existantes entre les construits motivationnels avec
d’autres variables.
Dans les articles précédents, le choix d’une modélisation en CTCM-1 (i.e., correlated
trait–correlated method minus one model) (Eid et al., 2003) a permis d’évaluer la spécificité
des construits motivationnels situationnels et de démontrer pourquoi les MA et les MC étaient
reliées différemment à des antécédents et conséquences particulières. Afin de déterminer si le
choix de cette modélisation dans le contexte du champ d’étude de nos recherches (plusieurs
motivations situationnelles et une motivation contextuelle simultanément) est valide, il convient
dans un premier temps d’évaluer d’un point de vue systématique si cette modélisation est
supérieure aux modélisations traditionnellement utilisées. Ce travail nous permettra de
comparer les propriétés psychométriques de différents modèles, tels que la convergence et
l’acceptation des modèles. Le taux de convergence et d'acceptation du modèle (ou la fréquence
à laquelle, lorsqu'un modèle converge, il atteint un seuil d'ajustement) sera examiné selon les
différents modèles testés et selon les différentes régulations motivationnelles. De plus, la
6
Cette partie est une reproduction de l’article : J., Chanal, & D., Paumier (in prep). Modélisation statistique de la
motivation et son impact sur les liens unissant la motivation à ses antécédents et conséquences.
155
probabilité de sélection d’une modélisation particulière sera également évaluée pour chaque
régulation motivationnelle en effectuant une comparaison des différents modèles. De cette
manière, le présent travail établira quelle modélisation devrait être préférée selon les différentes
régulations motivationnelles.
Dans un second temps, cette étude nous permettra d’évaluer si les liens existants entre
les construits motivationnels situationnels et leurs antécédents et conséquences montrent des
différences selon la modélisation de la motivation. Particulièrement, nous comparerons les
corrélations obtenues lorsque la motivation est modélisée avec un modèle d’analyse factorielle
confirmatoire (i.e., confirmatory factor analysis ; CFA) à celles obtenues avec un modèle
CTCM-1.
Ainsi, à l’issue de ce travail, nous serons en mesure d’évaluer si l’utilisation de la
modélisation en CTCM-1 est meilleure que la modélisation classique en CFA, et de déterminer
si les liens entre les construits motivationnels situationnels et leurs antécédents et conséquences
sont influencés par une modélisation différente qui prend en compte la variance partagée au
niveau contextuel ainsi que la variance spécifique des items utilisés.
9.1 Méthode
9.1.1 Participants et procédure
Cette étude a été menée auprès d’étudiants et d’étudiantes en première année de
Bachelor en psychologie de l’Université de Genève. Des données ont été récoltées auprès de
deux échantillons. Le premier échantillon se compose de 314 étudiants (i.e., 17.83% d’hommes
; Mâge = 21.71, ETâge = 4.7) inscrits en première année de Bachelor en psychologie durant le
premier semestre de l’année académique 2017-20187. Le deuxième échantillon est constitué de
275 étudiants (i.e., 23.65% d’hommes ; Mâge = 20.57, ETâge = 4.4) inscrits en première année
7
Ce premier échantillon correspond à celui dont les données ont été utilisées pour l’article 3.
156
de Bachelor en psychologie de l’Université de Genève durant le premier semestre de l’année
académique 2020-2021.
Les questionnaires utilisés auprès de ces 2 échantillons ont été complétés en ligne sur la
plateforme Qualtrics (http://qualtrics.com) lors de quatre temps de mesure durant les années
académiques 2017-2018 et 2020-2021. Les participants ont donné leur accord pour participer à
l’étude, et leurs données ont été anonymisées. L’étude a été approuvée par la commission
éthique de la faculté de psychologie de l’Université de Genève.
9.1.2 Mesures
La motivation des étudiants a été évaluée avec deux questionnaires motivationnels, les
mêmes que ceux précédemment utilisés dans les 3 différentes études expérimentales de cette
thèse. Le premier questionnaire administré est celui qui a été développé par Sheldon et al.
(2017). Ce questionnaire est composé de 5 sous-échelles qui mesurent 5 régulations
motivationnelles, évaluées chacune avec 4 items : la motivation intrinsèque (e.g., « parce que
j’aime le cours… »), la régulation identifiée (e.g., « parce que le cours… est important pour
moi »), la régulation introjectée positive (e.g., « parce que je veux me sentir fier(ère) de moi-
même »), la régulation introjectée négative (e.g., « parce que j’aurais honte si je ne participais
pas au cours … »), et la régulation externe (e.g., « parce que des personnes importantes (parents,
enseignants) m’apprécieront plus si je participais au cours … »). Pour chaque item, les
participants devaient indiquer la fréquence à laquelle chaque énoncé correspondait aux raisons
pour lesquelles ils participaient aux cours sur une échelle de Likert en 7 points allant de 1 =
« jamais » à 7 = « tout le temps ». Le questionnaire a été adapté afin de mesurer les cinq
régulations motivationnelles envers les études en psychologie (i.e., niveau contextuel) et envers
cinq cours (i.e., niveau situationnel) suivis en première année de Bachelor (i.e., introduction à
la psychologie clinique, introduction à la méthodologie et l’analyse de données, psychologie
157
sociale, psychologie du développement cognitif, motivation et apprentissage). Ce questionnaire
a été administré aux deux échantillons au deuxième temps de mesure.
Le deuxième questionnaire motivationnel qui a été administré est celui développé par
Chanal et al. (2019). Ce questionnaire mesure 7 régulations motivationnelles : la motivation
intrinsèque à la stimulation (e.g., « parce que le cours … m’apporte du plaisir »), la motivation
intrinsèque à la réussite (e.g., «parce que j’éprouve du plaisir lorsque je progresse dans le cours
… »), la régulation identifiée (e.g., « parce que je considère que le cours … est important »), la
régulation introjectée approche (e.g., « afin d’être fier(ère) de moi-même »), la régulation
introjectée évitement (e.g., « parce que je n’ai pas envie de décevoir »), la régulation externe
approche (e.g., pour faire plaisir à d’autres personnes »), la régulation externe évitement (e.g.,
« pour éviter les ennuis »). Pour chaque item, les participants devaient indiquer la fréquence à
laquelle chaque énoncé correspondait aux raisons pour lesquelles ils participaient aux cours sur
une échelle de Likert en 7 points allant de 1 = « jamais » à 7 = « tout le temps ». Le
questionnaire a été adapté afin de mesurer ces sept régulations motivationnelles envers les
études en psychologie (i.e., niveau contextuel) et envers cinq cours (i.e., niveau situationnel)
suivis en première année de Bachelor (i.e., introduction à la psychologie clinique, introduction
à la méthodologie et l’analyse de données, psychologie sociale, psychologie du développement
cognitif, motivation et apprentissage). Ce questionnaire a été administré uniquement au premier
échantillon au troisième temps de mesure.
Les émotions académiques ressenties par les étudiants ont été mesurées avec le
Academic Emotions Scale (Govaerts & Grégoire, 2008). Ce questionnaire permet d’évaluer
sept émotions : le plaisir (4 items, e.g., « je prends du plaisir à travailler la matière du cours
… »), l’espoir (4 items, e.g., « je me sens optimiste quand je pense à l’examen du cours … »),
la fierté (3 items, e.g., « je suis fier(ère) de la manière dont je prépare l’examen du cours … »,
l’ennui (3 items, e.g., « quand j’étudie pour le cours … j’éprouve un sentiment de lassitude »),
158
la colère (3 items, e.g., « la matière à étudier pour le cours … m’énerve »), l’anxiété (5 items,
e.g., « je me sens anxieux(se) quand j’étudie pour le cours… »), la honte (4 items, e.g., « je suis
gêné(e) à l’idée de mal préparer l’examen du cours … »). Pour chaque item, les participants
devaient exprimer leur degré d’accord ou de désaccord avec les énoncés proposés sur une
échelle de Likert en 7 points allant de 1 = « pas du tout d’accord » à 7 = « tout à fait d’accord ».
Le questionnaire a été adapté afin de mesurer les sept émotions ressenties dans trois cours suivis
(i.e., niveau situationnel) en première année de Bachelor (i.e., introduction à la psychologie
clinique, introduction à la méthodologie et l’analyse de données, psychologie sociale). Ce
questionnaire a été administré aux deux échantillons lors du quatrième temps de mesure.
Le concept de soi des étudiants a été mesuré avec le Academic Self-Description
Questionnaire (Guérin et al., 2003) qui se compose de 6 items (e.g., « je réussis bien dans le
cours…). Pour chaque item, les participants devaient exprimer leur degré d’accord ou de
désaccord avec les énoncés proposés sur une échelle de Likert en 7 points allant de 1 = « pas
du tout d’accord » à 7 = « tout à fait d’accord ». Ce questionnaire a été adapté afin de mesurer
le concept de soi dans les études en psychologie (i.e., niveau contextuel) et dans quatre cours
(i.e., niveau situationnel) suivis en première année de Bachelor (i.e., introduction à la
méthodologie et l’analyse de données, psychologie sociale, psychologie du développement
cognitif, motivation et apprentissage). Ce questionnaire a été administré aux deux échantillons
lors du premier temps de mesure.
9.1.3 Procédures statistiques
Les analyses bootstrap, réalisées pour la sélection de la meilleure modélisation de la
motivation et pour la comparaison des corrélations obtenues entre la motivation et les construits
selon la modélisation, ont été réalisées avec R (version 3.6.1). Le package Lavaan 0.6-7
159
(Rosseel, 2012) a été utilisé pour la modélisation des modèles et l’obtention des indices
d’ajustement.
9.1.3.1 Sélection de la meilleure modélisation statistique de la
motivation
Modèles d’équation structurelles
Cinq différents modèles ont été évalués pour chaque régulation motivationnelle (voir
Figure 10 pour la motivation intrinsèque). Pour ces 5 différents modèles, les mêmes items et
les mêmes données étaient utilisées pour chaque régulation motivationnelle. Ces 5 modèles ont
été réalisés pour les 5 régulations motivationnelles du questionnaire de Sheldon et al. (2017)
(i.e., intrinsèque, identifiée, introjection positive, introjection négative, externe) et pour les 7
régulations motivationnelles du questionnaire de Chanal et al. (2019) (i.e., intrinsèque
stimulation, intrinsèque accomplissement, identifiée, introjection approche, introjection
évitement, externe approche, externe évitement), les 2 questionnaires qui ont été utilisés dans
les 3 articles présentés dans cette thèse. Les analyses réalisées avec le questionnaire de Chanal
et al. (2019) ont été effectuées sur les données du premier échantillon uniquement, et celles
réalisées avec le questionnaire de Sheldon et al. (2017) ont été effectuées sur les données des
deux échantillons réunis (N = 589, 20.74% d’hommes ; Mâge = 21.14, ETâge = 4.55).
Rééchantillonnage bootstrap
Un rééchantillonnage bootstrap paramétrique avec remplacement a été effectué sur la
base de données originale afin de générer 5'000 rééchantillons de données de même taille que
l’échantillon de départ. Ensuite, pour chacune des différentes régulations (5 ou 7 selon le
questionnaire), 5 modèles de mesure ont été générés et ajustés aux données. Les indices
d’ajustement ont été obtenus pour les modèles qui ont convergé.
160
Figure 10
Modèles statistiques pour la motivation intrinsèque
(a) (b)
(c) (d)
(e)
Notes. (a) Modèle CFA. (b) Modèle CFA avec CU (i.e., par souci de lisibilité seuls les CU de
l’item 1 sont représentés). (c) Modèle CTCM-1. (d) Modèle CTCM-1 avec CU (i.e., par souci
de lisibilité seuls les CU de l’item 1 sont représentés). (e) Modèle CTCM-1 avec IS.
161
Analyses bootstrap : convergence, acceptation des modèles et sélection entre les
modèles
Tout d’abord, nous avons examiné le taux de convergence et d’acceptation des modèles.
Le taux de convergence représente le pourcentage de fois où le modèle a convergé sur les 5'000
rééchantillons utilisés. Le taux d’acceptation du modèle représente le pourcentage de fois où
les indices d’ajustement du modèle ont respecté les seuils classiques d’ajustement utilisés dans
la littérature, parmi les modèles qui ont convergé. Ce premier résultat permet d’estimer la
fréquence à laquelle un des modèles testés dans cette étude convergeait, ou respectait les critères
d’ajustement selon des seuils d’ajustement. Il est important également de considérer que si cette
partie nous permet d’identifier le modèle qui présente les meilleures qualités psychométriques,
elle nous permettra également d’évaluer si toutes les régulations se comportent de la même
manière en termes de convergence et d’acceptation selon les différentes modélisations,
autrement dit, d’évaluer si les qualités psychométriques des modèles peuvent être différentes
selon le niveau d’autodétermination des régulations.
Dans un second temps, nous avons étudié quel modèle de mesure est préféré parmi les
5 modèles proposés pour chacune des régulations des différents questionnaires. Plus
précisément, nous avons examiné la probabilité qu’un modèle soit sélectionné comme le
meilleur modèle par rapport aux modèles alternatifs, sur la base de la comparaison de leurs
indices d’ajustement.
Interprétation de l’ajustement des modèles
Acceptation du modèle. Pour déterminer le taux d'acceptation d’un modèle, la qualité
de l'ajustement aux données des modèles testés a été évaluée à l'aide du Comparative Fit Index
(i.e., CFI) et du Root Mean Square Error of Approximation (i.e., RMSEA). Ces deux indices
d'ajustement ont une métrique commune et fournissent des informations complémentaires (Xia
162
& Yang, 2019). Il est important de noter que ces indices fournissent des seuils d’acceptabilité
qui permettent de déterminer si un modèle présente un bon ajustement aux données, un
ajustement acceptable ou un ajustement médiocre, et peuvent également être interprétés en
termes de valeur d'ajustement absolu. Conformément aux recommandations de Hu et Bentler
(1999), un modèle a un ajustement acceptable aux données s'il a un CFI ≥ 0.90 et un RMSEA
≤ 0.08 (seuils indulgents), et un bon ajustement aux données s'il a un CFI ≥ 0.95 et un RMSEA
≤ .05 (seuils stricts).
Sélection du modèle. Pour déterminer la probabilité de sélection du modèle, nous avons
d’abord sélectionné les échantillons pour lesquels les cinq modèles ont convergé. Pour chaque
échantillon, le modèle avec le meilleur ajustement basé sur le CFI ou le RMSEA a été
sélectionné et comparé aux différents modèles alternatifs ; si le modèle sélectionné avait
significativement un meilleur ajustement selon la valeur de changement de l’indice, alors il était
conservé. Inversement, si le modèle sélectionné n'avait pas dépassé la valeur du seuil de
changement lors de sa comparaison face à un modèle plus parcimonieux (dans l’ordre, CTCM-
1 avec CU, CFA avec CU, CTCM-1 avec IS, CTCM-1 sans CU, et CFA sans CU), alors ce
dernier était retenu comme le meilleur modèle. Les seuils indulgents pour le changement du
CFI et du RMSEA sont ≥ 0.005 et ≤ -0.010, respectivement. Les seuils stricts pour le
changement du CFI et du RMSEA sont ≥ .010 et ≤ -.015, respectivement (F. F. Chen, 2007).
Cette procédure a été répétée pour chaque rééchantillon dans lequel les cinq modèles ont
convergé.
9.1.3.2 Comparaison des corrélations obtenues entre la motivation et
les construits selon la modélisation statistique
Le deuxième objectif de cette étude était d’examiner l’impact des modélisations
statistiques sur les liens qui unissent la motivation à ses antécédents (i.e., concept de soi) et à
ses conséquences (i.e., émotions académiques). Nous avons comparé deux types de
163
modélisation statistique : un modèle CFA avec des corrélations entre les mêmes items évalués
aux deux niveaux hiérarchiques (i.e., correlated uniqueness ; CU) (voir Figure 10, modèle b)
et un modèle de type CTCM-1 avec des facteurs latents relatifs aux items (i.e., item-specific,
IS) (voir Figure 10, modèle e).
Pour chaque régulation motivationnelle et pour chaque construit, nous avons comparé
les corrélations obtenues entre la régulation motivationnelle et le construit, tous deux évalués
au niveau situationnel envers le même cours, entre une modélisation en CFA avec CU et une
modélisation en CTCM-1 avec IS. Afin de pouvoir comparer ces corrélations d’intérêt, nous
avons utilisé une procédure de rééchantillonnage avec remise par bootstraps afin de générer
5'000 échantillons ayant le même nombre d’individus que notre échantillon original. Les
analyses relatives à cette procédure statistique ont été réalisées sur les deux échantillons réunis.
Cette procédure statistique comprend quatre étapes. Les étapes 1 et 2 ont été réalisées
sur 5’000 rééchantillons. Les étapes 3 et 4 ont, quant à elles, été effectuées uniquement sur les
N rééchantillons sur lesquels les modèles statistiques réalisés pour les régulations
motivationnelles et les construits ne présentaient ni erreur ni de message d’avertissement (e.g.,
variance des résidus qui est négative, matrice de variance covariance qui n’est pas définie
positivement).
Etape 1 : Création des modèles statistiques pour les motivations et les différents
construits et extraction des scores factoriels
Pour chaque régulation motivationnelle (i.e., intrinsèque, identifiée, introjectée positive,
introjectée négative, externe), nous avons construit un modèle CTCM-1 avec IS et un modèle
CFA avec CU.
Pour les émotions académiques, nous avons créé un modèle CFA avec CU.
164
Pour le concept de soi, nous avons construit un modèle CTCM-1 avec IS et un modèle
CFA avec CU comme pour les régulations motivationnelles.
Pour chaque modèle statistique réalisé, nous avons extrait les scores factoriels des
facteurs situationnels (e.g., facteur de motivation intrinsèque envers le cours 1).
Etape 2 : Calcul des corrélations
Pour chaque régulation motivationnelle, et pour chaque type de modélisation, nous
avons calculé les corrélations de Pearson entre les scores factoriels des régulations
motivationnelles envers un cours et ceux relatifs aux construits d’intérêt (i.e., concept de soi,
émotions) envers le même cours. Pour illustration, pour les liens unissant la motivation
intrinsèque au concept de soi (voir Tableau 1), nous avons calculé la corrélation entre la
motivation intrinsèque, modélisée en CFA, envers le cours 1 et le concept de soi envers le cours
1 (r = .44), ainsi que la corrélation entre la motivation intrinsèque, modélisée en CTCM-1,
envers le cours 1 et le concept de soi envers le cours 1 (r = .48)8.
Tableau 1
Corrélations de Pearson entre la motivation intrinsèque (modélisée en CFA et en CTCM-1)
envers un cours et le concept de soi évalué envers le même cours
Motivation intrinsèque
CFA CTCM-1
Concept de soi
Cours 1 .44 .48
Cours 2 .39 .45
Cours 3 .40 .46
Cours 4 .40 .46
Note. Le concept de soi est modélisé en CTCM-1.
8
Afin de nous prémunir de potentiels problèmes concernant le test de différence entre deux corrélations (i.e.,
asymétrie de la distribution du coefficient de corrélation à mesure que celui-ci se rapproche de 1), nous avons
également effectué nos calculs sur des corrélations transformées de Fisher (i.e., r to z) (Fisher, 1922).
165
Etape 3 : Calcul de la statistique d’intérêt
Afin d’évaluer l’impact de la modélisation de la motivation sur les liens unissant les
régulations motivationnelles à ses antécédents (i.e., concept de soi) et à ses conséquences (i.e.,
émotions), nous avons calculé une statistique d’intérêt pour chacun des N rééchantillons. La
statistique d’intérêt que nous avons calculée permet de comparer les corrélations obtenues entre
la régulation et le construit évalués envers le même cours lorsque la motivation est modélisée
avec un modèle CFA et lorsque celle-ci est modélisée avec un modèle CTCM-1. Plus
spécifiquement, la statistique d’intérêt se réfère à la somme des différences entre les
corrélations, en valeurs absolues, calculées entre la régulation motivationnelle modélisée avec
un modèle CFA et le construit, tous deux évalués envers le même cours, et les corrélations, en
valeurs absolues, calculées entre la régulation motivationnelle modélisée avec un modèle
CTCM-1, et le construit, évalués, tous deux, envers le même cours.
Voici la formule de la statistique d’intérêt (t) que nous avons appliquée pour chaque
régulation motivationnelle et chaque construit (i.e., concept de soi, émotions académiques) :
𝑡 = ∑𝑛𝑖=1 |𝑟𝑚𝑜𝑡𝑖𝑣𝑎𝑡𝑖𝑜𝑛𝐶𝐹𝐴𝑐𝑜𝑢𝑟𝑠 ,𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑡𝑐𝑜𝑢𝑟𝑠𝑖 | − |𝑟𝑚𝑜𝑡𝑖𝑣𝑎𝑡𝑖𝑜𝑛𝐶𝑇𝐶𝑀−1𝑐𝑜𝑢𝑟𝑠 ,𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑡𝑐𝑜𝑢𝑟𝑠𝑖 |,

𝑖 𝑖
où 𝑛 correspond au nombre de cours.
A titre d’exemple, voici le calcul détaillé pour la statistique d’intérêt t relative aux liens
unissant la motivation intrinsèque au concept de soi dont les données ont été présentées dans le
Tableau 1 :
𝑡 = (|. 44| − |. 48|) + (|. 39| − |. 45|) + (|. 40| − |. 46|) + (|. 40| − |. 46|)
𝑡 = (−.04) + (−.05) + (−.06) + (−.06)
𝑡 = −.22
166
Comme expliqué précédemment, la statistique d’intérêt a été calculée uniquement sur
les N rééchantillons dont les modèles statistiques réalisés pour les régulations motivationnelles
et les construits ont convergé sans message d’erreur ni avertissement. L’étape 3 nous a permis
d’obtenir la distribution bootstrap, c’est-à-dire la distribution des valeurs de la statistique
d’intérêt obtenue sur les N rééchantillons. C’est sur cette distribution que les intervalles de
confiance ont été calculés.
Etape 4 : Calcul des intervalles de confiance pour la statistique d’intérêt.
Afin de déterminer si la statistique d’intérêt était significative, nous avons calculé un
intervalle de confiance (i.e., IC) correspondant à un test bilatéral à 95%. Nous avons choisi de
calculer deux types d’intervalles de confiance : l’intervalle des quantiles (i.e., percentile), qui
est estimé à partir des quantiles (i.e., dans notre cas les quantiles à 25% et à 75%) de la
distribution du bootstrap et l’intervalle accéléré et non biaisé (i.e., bias-corrected and
accelerated, BCa), qui estime les quantiles en tenant compte du biais et de l’asymétrie de la
distribution du bootstrap (Hesterberg et al., 2005). Afin de conclure quant à notre hypothèse,
nous regardons si la valeur de zéro est comprise dans l’intervalle de confiance. Lorsque la valeur
de zéro est située dans l’intervalle de confiance, cela indique qu’il n’y a pas de différence
significative entre les corrélations obtenues entre les régulations motivationnelles et les
construits que la motivation soit modélisée avec un modèle CFA ou CTCM-1. A l’inverse,
lorsque l’intervalle de confiance ne contient pas la valeur de zéro, nous pouvons conclure que
les corrélations obtenues entre le construit et la motivation modélisée avec un modèle CFA sont
significativement différentes de celles obtenues entre le construit et la motivation modélisée
avec un modèle CTCM-1.
167
9.2 Résultats
9.2.1 Résultats relatifs à la sélection de la meilleure modélisation
statistique de la motivation
9.2.1.1 Convergence des modèles
Le Tableau 2 et le Tableau 3 présentent les pourcentages de modèles qui ont convergé
parmi les 5’000 rééchantillons selon le modèle statistique ainsi que la régulation concernée,
pour chacun des 2 questionnaires. La Figure 11 présente les moyennes des taux de convergence
pour les 5 modèles selon le questionnaire utilisé.
Les résultats pour les deux questionnaires ont montré que le taux de convergence
diminuait selon la modélisation utilisée (i.e., CFA ou CTCM-1, avec ou sans CU, avec IS). En
effet, pour le questionnaire de Sheldon et al. (2017), en moyenne, tous les modèles CFA (avec
ou sans CU) convergeaient, alors que pour les modèles CTCM-1, qui sont des modèles plus
complexes, le pourcentage de convergence diminuait allant, en moyenne, de 74.7% à 98.56%
(voir Tableau 2). Pour le questionnaire de Chanal et al. (2019), en moyenne, le taux de
convergence se situait entre 98.74% et 100% pour les modèles CFA. Pour les modèles CTCM-
1 (i.e., sans CU et sans IS, avec CU, avec IS), les taux de convergence diminuaient allant, en
moyenne de 68.35% à 93.41%. A noter que même si les pourcentages de convergence
diminuaient selon la complexité des modèles, les taux les plus faibles qui ont été trouvés pour
les modèles CTCM-1 avec IS (i.e., 74.7% et 68.35%, respectivement pour le questionnaire de
Sheldon et al. (2017) et pour celui de Chanal et al. (2019)) restent relativement importants
compte tenu de la taille de nos échantillons ainsi que de la complexité des modèles.
168
Figure 11
Moyenne du pourcentage des différents modèles ayant convergé avec les deux questionnaires
100
75
50
25
0
CFA sans CU CFA avec CU CTCM sans CU CTCM avec CU CTCM sans CU
sans IS sans IS avec IS
Sheldon et al. (2017) Chanal et al. (2019)
9.2.1.2 Acceptation des modèles
Parmi les modèles qui ont convergé, nous avons observé le pourcentage de modèles qui
s’ajustaient correctement aux données selon des critères indulgents (CFI ≥.90 ou RMSEA ≤
.08) indiquant des ajustements aux données acceptables ou selon des critères stricts (CFI ≥.95
ou RMSEA ≤.05) indiquant de bons ajustements aux données. Le Tableau 2 et le Tableau 3
incluent les pourcentages des modèles qui dépassent ces seuils pour chacun des modèles selon
les différentes régulations et pour les deux questionnaires utilisés. Les Figures 12, 13, 14, et 15
représentent les médianes de ces proportions selon les différents modèles pour le CFI (Figure
12 et Figure 14) et pour le RMSEA (Figure 13 et Figure 15).
Pour le questionnaire de Sheldon et al. (2017), en ce qui concerne les seuils d’ajustement
indulgents et stricts pour le CFI, les modèles CFA avec CU, CTCM-1 avec CU et CTCM-1
avec IS, lorsqu’ils convergeaient, produisaient, en moyenne, des ajustements aux données
acceptables dans 100% des rééchantillons selon le critère indulgent et dans 82.78% selon le
critère strict (i.e., moyenne de 79.99% pour CFA avec CU, 81.49% pour CTCM-1 avec CU, et
169
86.87% CTCM-1 avec IS) (voir Tableau 2). A l’inverse, les modèles CFA sans CU et CTCM-
1 sans CU ne produisaient jamais d’ajustement aux données acceptable excepté pour la
motivation intrinsèque dans 100% des cas selon le critère indulgent et dans 96.12% des cas
selon le critère strict (i.e., moyenne de 94.42%, et 97.82%).
Concernant le seuil d’ajustement indulgent pour le RMSEA, les modèles CFA avec CU,
CTCM-1 avec CU et CTCM-1 avec IS, lorsqu’ils convergeaient, produisaient, en moyenne, des
ajustements aux données acceptables dans 96.92% des rééchantillons (i.e., moyenne de 96.27%,
94.49%, et 99.99%). A l’inverse, les modèles CFA sans CU et CTCM-1 sans CU ne
produisaient jamais d’ajustement aux données acceptable excepté pour la motivation
intrinsèque dans, en moyenne, 99.24% des cas (i.e., moyenne de 99.12%, et 99.36%).
En ce qui concerne le seuil d’ajustement strict pour le RMSEA, les modèles CFA et les
modèles CTCM-1 avec ou sans CU, lorsqu’ils convergeaient, produisaient, en moyenne, des
1.76%, 0.06%, et 5.31%). Le modèle CTCM-1 avec IS, quant à lui, lorsqu’il convergeait,
produisait, en moyenne, des ajustements acceptables selon le critère strict dans 17.22% des
rééchantillons.
170
Figure 12
Moyennes des pourcentages des modèles qui s’ajustent correctement aux données selon le CFI
avec des critères indulgents (CFI ≥.90) ou stricts (CFI ≥.95) pour le questionnaire de Sheldon
et al. (2017)
100
75
50
25
0
CFI indulgent % CFI strict %
Figure 13
Moyennes des pourcentages des modèles qui s’ajustent correctement aux données selon le
RMSEA avec des critères indulgents (RMSEA ≤ .08) ou stricts (RMSEA ≤.05) pour le
questionnaire de Sheldon et al. (2017)
100
75
50
25
0
RMSEA indulgent % RMSEA strict %
171
Tableau 2
Pourcentages, moyennes et médianes des pourcentages des modèles ayant convergé, ayant un
CFI avec des critères indulgents (CFI ≥.90) ou stricts (CFI ≥.95), et avec un RMSEA avec des
critères indulgents (RMSEA ≤ .08) ou stricts (RMSEA ≤.05) pour chaque régulation
motivationnelle pour le questionnaire de Sheldon et al. (2017)
Convergé CFI ≥.90 CFI ≥.95 RMSEA RMSEA
Modèle Régulation
(%) (%) (%) ≤.08 (%) ≤.05 (%)
CFA sans CU Intrinsèque 100 100 94.42 99.12 0.16
Identifiée 100 0 0 0 0
Introjectée p. 100 0 0 0 0
Introjectée n. 100 0 0 0 0
Externe 100 0 0 0 0
Moyenne 100 20 18.88 19.82 0.03
Médiane 100 0 0 0 0
CFA avec CU Intrinsèque 100 100 99.96 99.64 1.14
Identifiée 100 100 99.08 100 1.32
Introjectée p. 100 100 99.98 100 1.72
Introjectée n. 100 100 99.99 100 4.64
Externe 100 99.96 1.06 81.72 0
Moyenne 100 99.99 79.99 96.27 1.76
Médiane 100 100 99.9 100 1.32
CTCM sans CU sans IS Intrinsèque 100 100 97.82 99.36 0.32
Identifiée 99.94 0 0 0 0
Introjectée p. 100 0.18 0 0 0
Introjectée n. 100 0 0 0 0
Externe 57.48 0 0 0 0
Moyenne 91.48 20.04 19.56 19.87 0.06
Médiane 100 0 0 0 0
CTCM avec CU sans IS Intrinsèque 100 100 100 99.68 1.92
Identifiée 100 100 99.92 100 4.32
Introjectée p. 100 100 100 100 3.62
Introjectée n. 100 100 100 100 16.7
Externe 92.78 99.98 7.54 72.79 0
Moyenne 98.56 99.99 81.49 94.49 5.31
Médiane 100 100 100 100 3.62
CTCM sans CU avec IS Intrinsèque 80.7 100 100 100 22.03
Identifiée 77.98 100 99.66 100 8.87
Introjectée p. 87.32 100 100 100 31.99
Introjectée n. 83.04 100 100 100 22.97
Externe 44.46 100 34.72 99.95 0.22
Moyenne 74.7 100 86.87 99.99 17.22
Médiane 80.7 100 100 100 22.03
Note. Introjectée p. = introjectée positive. Introjectée n. = introjectée négative.
172
Pour le questionnaire de Chanal et al. (2019), en ce qui concerne le seuil d’ajustement
indulgent pour le CFI, les modèles CFA avec CU, CTCM-1 avec CU et CTCM-1 avec IS,
lorsqu’ils convergeaient, produisaient, en moyenne, des ajustements aux données acceptables
dans 82.88% des rééchantillons. A noter, que pour ces trois modèles, la régulation externe
approche était la régulation qui produisait le moins souvent d’ajustements acceptable (i.e., entre,
en moyenne, 0.02 et 53.2% d’acceptation). A l’inverse, les modèles CFA sans CU et CTCM-1
sans CU ne produisaient jamais d’ajustement aux données acceptable excepté pour la
motivation intrinsèque à la stimulation dans, en moyenne, 96.65% des cas (i.e., moyenne de
95.32%, et 97.98%), et pour la motivation intrinsèque à la réussite dans, en moyenne, 0.12%
des cas (i.e., moyenne de 0.04%, et 0.20%).
En ce qui concerne le seuil d’ajustement strict pour le CFI, les modèles CFA avec CU,
27.77%, et 27.81%). Notons que pour ces trois modèles, les taux d’ajustements acceptables
variaient de manière importante entre les différentes régulations. Par exemple, la motivation
intrinsèque à la stimulation présentait les pourcentages d’acceptation les plus élevés (i.e., entre
58.62 et 80.86%), alors que la régulation externe d’approche ne produisait jamais d’ajustement
aux données acceptable. Les modèles CFA sans CU et CTCM-1 sans CU, quant à eux, ne
produisaient jamais d’ajustement aux données acceptable excepté pour la motivation
intrinsèque à la stimulation dans, en moyenne, 1.28% des cas (i.e., moyenne de 0.54%, et
2.02%).
Concernant le seuil d’ajustement indulgent pour le RMSEA, les modèles CFA avec CU,
23.14%, et 45.05%). Pour ces trois modèles, les pourcentages d’ajustements acceptables
173
différaient fortement entre les régulations. Pour illustration, la régulation introjectée approche
était la régulation qui produisait le pourcentage d’ajustements acceptables le plus important
(i.e., entre 80.38 et 91.87%) alors que les deux types de régulations externe présentaient les taux
d’acceptation les plus faibles pour ces trois modèles (i.e., entre 0 et 2.04%). Les modèles CFA
sans CU et CTCM-1 sans CU, pour leur part, ne produisaient jamais d’ajustement aux données
acceptable excepté pour la motivation intrinsèque à la stimulation dans, en moyenne, 4.07%
des rééchantillons.
Finalement, en ce qui concerne le seuil d’ajustement strict pour le RMSEA, aucun
modèle ne produisait d’ajustements aux données acceptables supérieurs à 0.22%.
Figure 14
Moyennes des pourcentages des modèles qui s’ajustent correctement aux données selon le CFI
avec des critères indulgents (CFI ≥.90) ou stricts (CFI ≥.95) pour le questionnaire de Chanal
et al. (2019)
100
75
50
25
0
CFI indulgent % CFI strict %
174
Figure 15
Moyennes des pourcentages qui s’ajustent correctement aux données selon le RMSEA avec des
critères indulgents (RMSEA ≤ .08) ou stricts (RMSEA ≤.05) pour le questionnaire de Chanal
et al. (2019)
100
75
50
25
0
RMSEA indulgent % RMSEA strict %
175
Tableau 3
Pourcentages, moyennes et médianes des pourcentages des modèles ayant convergé, ayant un
CFI avec des critères indulgents (CFI ≥.90) ou stricts (CFI ≥.95), et avec un RMSEA avec des
critères indulgents (RMSEA ≤ .08) ou stricts (RMSEA ≤.05) pour chaque régulation
motivationnelle pour le questionnaire de Chanal et al. (2019)
Modèle Régulation
(%) (%) (%) ≤.08 (%) ≤.05 (%)
CFA sans CU Intrinsèque sti. 100.00 95.32 0.54 3.54 0.00
Intrinsèque réu. 100.00 0.04 0.00 0.00 0.00
Identifiée 100.00 0.00 0.00 0.00 0.00
Introjectée app. 100.00 0.00 0.00 0.00 0.00
Introjectée év. 100.00 0.00 0.00 0.00 0.00
Externe app. 99.98 0.00 0.00 0.00 0.00
Externe év. 100.00 0.00 0.00 0.00 0.00
Moyenne 100.00 13.62 0.08 0.51 0.00
Médiane 100.00 0.00 0.00 0.00 0.00
CFA avec CU Intrinsèque sti. 100.00 100.00 58.62 25.84 0.00
Intrinsèque réu. 100.00 67.38 0.02 0.02 0.00
Identifiée 100.00 99.86 11.22 41.14 0.00
Introjectée app. 100.00 99.98 61.02 80.38 0.10
Introjectée év. 100.00 97.98 0.94 2.52 0.00
Externe app. 92.70 0.02 0.00 0.00 0.00
Externe év. 98.48 66.69 0.00 0.00 0.00
Moyenne 98.74 75.99 18.83 21.41 0.01
Médiane 100.00 97.98 0.94 2.52 0.00
CTCM sans CU sans IS Intrinsèque sti. 100.00 97.98 2.02 4.60 0.00
Intrinsèque réu. 100.00 0.20 0.00 0.00 0.00
Identifiée 100.00 0.00 0.00 0.00 0.00
Introjectée app. 31.10 0.00 0.00 0.00 0.00
Introjectée év. 64.00 0.00 0.00 0.00 0.00
Externe app. 93.64 0.00 0.00 0.00 0.00
Externe év. 75.84 0.00 0.00 0.00 0.00
Moyenne 80.65 14.03 0.29 0.66 0.00
Médiane 93.64 0.00 0.00 0.00 0.00
CTCM avec CU sans IS Intrinsèque sti. 100.00 100.00 80.86 31.56 0.00
Intrinsèque réu. 100.00 85.12 0.18 0.12 0.00
Identifiée 100.00 99.98 24.22 39.78 0.00
Introjectée app. 91.74 100.00 85.33 88.25 0.22
Introjectée év. 93.40 99.91 3.77 2.25 0.00
Externe app. 72.98 0.08 0.00 0.00 0.00
Externe év. 95.78 71.73 0.00 0.00 0.00
Moyenne 93.41 79.55 27.77 23.14 0.03
Médiane 95.78 99.91 3.77 2.25 0.00
(Suite)
176
Tableau 3 (suite)

Modèle Régulation
(%) (%) (%) ≤.08 (%) ≤.05 (%)
CTCM sans CU avec IS Intrinsèque sti. 52.70 100.00 71.73 57.50 0.00
Intrinsèque réu. 79.20 99.70 14.32 35.83 0.00
Identifiée 81.60 99.90 18.55 70.12 0.00
Introjectée app. 80.92 100.00 60.75 91.87 0.02
Introjectée év. 59.04 99.97 24.46 57.59 0.00
Externe app. 58.42 53.20 0.00 0.41 0.00
Externe év. 66.54 98.83 4.87 2.04 0.00
Moyenne 68.35 93.09 27.81 45.05 0.00
Médiane 66.54 99.90 18.55 57.50 0.00
9.2.1.3 Comparaison des modèles
La deuxième étape de notre analyse concernant cette première partie était d’examiner
pour chaque régulation motivationnelle de nos deux questionnaires, quel était le meilleur
modèle d’un point de vue psychométrique. Pour cela, nous avons d’abord considéré l’ensemble
des échantillons pour lesquels l’ensemble des 5 modèles structurels ont convergé (voir Tableau
5 et Tableau 4).
Ensuite, le Tableau 7 et le Tableau 6 indiquent la fréquence de sélection de chacun des
modèles selon les différentes régulations. Que ce soit pour les régulations du questionnaire de
Sheldon et al. (2017) ou pour celui de Chanal et al. (2019), les résultats ont montré que le
modèle le plus fréquemment sélectionné parmi les 5 modèles selon les critères indulgents ou
les critères stricts pour le CFI et le RMSEA, était le modèle CTCM avec IS. Plus
spécifiquement, pour le questionnaire de Sheldon et al. (2017), le modèle CTCM-1 s’est avéré
être le meilleur modèle dans plus de 99% des cas pour la motivation intrinsèque et les
régulations introjectée positive et externe. Pour les régulations identifiée et introjectée négative,
le modèle CTCM-1 a été sélectionné dans respectivement 92.8% et 90.75% des rééchantillons.
177
Pour le questionnaire de Chanal et al. (2019), le modèle CTCM-1 avec IS s’est révélé être le
meilleur modèle dans, en moyenne, 100% des rééchantillons pour la motivation intrinsèque à
la réussite, et les régulations externe approche et évitement. Pour les autres régulations, le
modèle CTCM-1 a été sélectionné, en moyenne, entre 72.92 et 98.98% des cas. A noter, que
pour les deux questionnaires, lorsque ce n’était pas le modèle CTCM-1 avec IS qui était
sélectionné, le modèle CTCM-1 avec CU s’avérait le meilleur modèle d’un point de vue
psychométrique.
Tableau 4
Nombre et pourcentage des rééchantillons pour lesquels les 5 modèles ont convergé pour
chaque régulation avec le questionnaire de Sheldon et al. (2017)
Modèle N %
Intrinsèque 4035 80.7
Identifiée 3897 77.94
Introjectée positive 4366 87.32
Introjectée négative 4152 83.04
Externe 1188 23.76
Tableau 5
Nombre et pourcentage des rééchantillons pour lesquels les 5 modèles ont convergé pour
chaque régulation avec le questionnaire de Chanal et al. (2019)
Modèle N %
Intrinsèque stimulation 2635 52.7
Intrinsèque réussite 3960 79.3
Identifiée 4080 81.6
Introjectée approche 1211 24.22
Introjectée évitement 1807 36.14
Externe approche 1969 39.38
Externe évitement 2464 49.28
178
Tableau 6
Pourcentage de sélection de chacun des modèles selon les différentes régulations selon les
critères indulgents ou les critères stricts du CFI et du RMSEA pour le questionnaire de Sheldon
et al. (2017)
CFA sans CFA avec CTCM-1 CTCM-1 CTCM-1
Modèle avec CU
CU CU sans CU avec IS
Intrinsèque CFI ≥.005 (%) 0 0 0 0.1 99.9
CFI ≥.010 (%) 0 0 0 0 100
RMSEA ≤-.01 (%) 0 0 0 0.1 99.9
RMSEA ≤-.015 (%) 0 0 0 0.1 99.9
Moyenne 0 0 0 0.08 99.93
Médiane 0 0 0 0.1 99.9
Identifiée CFI ≥.005 (%) 0 0 0 24.7 75.3
CFI ≥.010 (%) 0 0 0 0.7 99.3
RMSEA ≤-.01 (%) 0 0 0 1.7 98.3
RMSEA ≤-.015 (%) 0 0 0 1.7 98.3
Moyenne 0 0 0 7.2 92.8
Médiane 0 0 0 1.7 98.3
Introjectée p. CFI ≥.005 (%) 0 0 0 0.8 99.2
CFI ≥.010 (%) 0 0 0 0 100
RMSEA ≤-.01 (%) 0 0 0 0.2 99.8
RMSEA ≤-.015 (%) 0 0 0 0.2 99.8
Moyenne 0 0 0 0.3 99.7
Médiane 0 0 0 0.2 99.8
Introjectée n. CFI ≥.005 (%) 0 0 0 31.9 68.1
CFI ≥.010 (%) 0 0 0 2.9 97.1
RMSEA ≤-.01 (%) 0 0 0 1.1 98.9
RMSEA ≤-.015 (%) 0 0 0 1.1 98.9
Moyenne 0 0 0 9.25 90.75
Médiane 0 0 0 2 98
Externe CFI ≥.005 (%) 0 0 0 1.9 98.1
CFI ≥.010 (%) 0 0 0 0.7 99.3
RMSEA ≤-.01 (%) 0 0 0 0 100
RMSEA ≤-.015 (%) 0 0 0 0 100
Moyenne 0 0 0 0.65 99.35
Médiane 0 0 0 0.35 99.65
Note. Introjectée p. = introjectée positive. Introjectée n. = introjectée négative.
179
Tableau 7
Pourcentage de sélection de chacun des modèles selon les différentes régulations selon les
critères indulgents ou les critères stricts du CFI et du RMSEA pour le questionnaire de Chanal
et al. (2019)
Modèle avec CU
Intrinsèque sti. CFI ≥.005 (%) 0 0 0 24.6 75.4
CFI ≥.010 (%) 0 0 0 3.5 96.5
RMSEA ≤-.01 (%) 0 0 0 2.1 97.9
RMSEA ≤-.015 (%) 0 0 0 2.1 97.9
Moyenne 0 0 0 8.08 91.92
Médiane 0 0 0 2.80 97.20
Intrinsèque réu. CFI ≥.005 (%) 0 0 0 0 100
CFI ≥.010 (%) 0 0 0 0 100
RMSEA ≤-.01 (%) 0 0 0 0 100
RMSEA ≤-.015 (%) 0 0 0 0 100
Moyenne 0 0 0 0 100
Médiane 0 0 0 0 100
Identifiée CFI ≥.005 (%) 0 0 0 29.6 70.4
CFI ≥.010 (%) 0 0 0 8.4 91.6
RMSEA ≤-.01 (%) 0 0 0 4 96
RMSEA ≤-.015 (%) 0 0 0 4 96
Moyenne 0 0 0 11.50 88.50
Médiane 0 0 0 6.20 93.80
Introjectée app. CFI ≥.005 (%) 0 0 0 66.4 33.6
CFI ≥.010 (%) 0 0 0 29.7 70.3
RMSEA ≤-.01 (%) 0 0 0 7.3 92.7
RMSEA ≤-.015 (%) 0 0 0 6.8 93.2
Moyenne 0 0 0 27.55 72.45
Médiane 0 0 0 18.50 81.50
Introjectée év. CFI ≥.005 (%) 0 0 0 3.2 96.8
CFI ≥.010 (%) 0 0 0 0.7 99.3
RMSEA ≤-.01 (%) 0 0 0 0.1 99.9
RMSEA ≤-.015 (%) 0 0 0 0.1 99.9
Moyenne 0 0 0 1.02 98.98
Médiane 0 0 0 0.40 99.60
Externe app. CFI ≥.005 (%) 0 0 0 0 100
CFI ≥.010 (%) 0 0 0 0 100
RMSEA ≤-.01 (%) 0 0 0 0 100
RMSEA ≤-.015 (%) 0 0 0 0 100
Moyenne 0 0 0 0 100
Médiane 0 0 0 0 100
(Suite)
180
Tableau 7 (suite)

Modèle avec CU
Externe év. CFI ≥.005 (%) 0 0 0 0 100
CFI ≥.010 (%) 0 0 0 0 100
RMSEA ≤-.01 (%) 0 0 0 0 100
RMSEA ≤-.015 (%) 0 0 0 0 100
Moyenne 0 0 0 0 100
Médiane 0 0 0 0 100
Note. Intrinsèque sti. = intrinsèque à la stimulation. Intrinsèque réu. = intrinsèque à la réussite.
Introjectée app. = introjectée approche. Introjectée év. = introjectée évitement. Externe app. =
externe approche. Externe év. = externe évitement.
9.2.1 Résultats relatifs à la comparaison des corrélations obtenues entre la
motivation et les construits selon la modélisation statistique
Les résultats relatifs aux intervalles de confiance obtenus pour les statistiques d’intérêt
sont présentés dans le Tableau 8.
Concernant la statistique calculée sur les corrélations entre les régulations
motivationnelles et les émotions académiques, les résultats ont montré, qu’avec les deux types
d’intervalles de confiance (i.e., percentile, BCa), la statistique était significative uniquement
pour la motivation intrinsèque. La statistique étant positive, cela signifie que les corrélations
entre la motivation intrinsèque et les émotions académiques étaient plus fortes avec un modèle
CFA avec CU qu’avec un modèle CTCM-1 avec IS.
Concernant la statistique calculée sur les corrélations entre les régulations
motivationnelles et le concept de soi modélisé en CFA, les résultats ont montré que les deux
types d’intervalles de confiance (i.e., percentile, BCa) pour la motivation intrinsèque et la
régulation introjectée positive ne contenaient pas la valeur de zéro indiquant que la statistique
d’intérêt était significative pour ces deux régulations. Plus précisément, ces résultats ont mis en
évidence que les corrélations entre la motivation intrinsèque et le concept de soi étaient plus
181
fortes avec un modèle CFA avec CU qu’avec un modèle CTCM-1 avec IS. A l’inverse, pour la
régulation introjectée positive, la modélisation en CTCM-1 avec IS menait à des corrélations
plus fortes qu’en CFA avec CU. Pour les autres types de régulations (i.e., identifiée, introjectée
négative, externe), les résultats ont indiqué qu’il n’y avait aucune différence significative entre
les corrélations avec le concept et la motivation, qu’elle soit modélisée en CFA avec CU ou en
CTCM-1 avec IS.
Le concept de soi ayant également été mesuré au niveau contextuel, nous avons conduit
une analyse de comparaison de corrélation avec le concept de soi modélisé avec un modèle
CTCM-1. Les résultats ont montré, qu’avec les deux types d’intervalles de confiance (i.e.,
percentile, BCa), la statistique était significative pour la motivation intrinsèque, la régulation
identifiée, et la régulation introjectée positive. Plus spécifiquement, ces résultats ont indiqué
que pour ces trois régulations, la modélisation en CTCM-1 avec IS menait à des corrélations
plus fortes avec le concept de soi qu’en CFA avec CU. Aucune différence significative n’a été
mise en évidence pour les régulations introjectée négative et externe.
182
Tableau 8
Intervalles de confiance obtenus par rééchantillonnage pour la statistique relative à la
différence de corrélations entre les régulations motivationnelles et le concept de soi et les
émotions académiques selon la modélisation de la motivation
Emotion en CFA
R r to z N
Percentile BCa Percentile BCa
Intrinsèque [0.451, 1.491] [0.457,1.491] [0.593, 1.875] [0.597, 1.876] 920
Identifiée [-0.101, 1.252] [-0.045, 1.309] [-0.129, 1.391] [-0.080, 1.445] 2416
Introjectée positive [-0.885, 0.690] [-0.958, 0.637] [-0.930, 0.703] [-1.009, 0.649] 3287
Introjectée négative [-0.249, 1.395] [-0.214, 1.466] [-0.277, 1.460] [-0.244, 1.517] 2406
Externe [-0.828, 1.651] [ -1.018, 1.536] [-0.863, 1.686] [-1.080, 1.567] 335
Concept de soi en CFA
R r to z N
Intrinsèque [0.071, 0.346] [0.077, 0.348] [0.087, 0.432] [0.096, 0.441] 925
Identifiée [-0.145, 0.146] [-0.138, 0.152] [-0.172, 0.164] [-0.165, 0.168] 2375
Introjectée positive [-0.565, -0.023] [-0.565, -0.024] [-0.580, -0.023] [-0.582, -0.025] 3282
Externe [-0.127, 0.406] [-0.097, 0.412] [-0.130, 0.415] [-0.097, 0.423] 332
Concept de soi en CTCM-1
R r to z N
Intrinsèque [-0.349, -0.144] [-0.350, -0.146] [-0.425, -0.180] [-0.429, -0.183] 815
Identifiée [-0.647, -0.211] [-0.675, -0.228] [-0.746, 0.-235] [-0.791, -0.261] 2026
Introjectée positive [-0.551, -0.062] [-0.559, -0.070] [-0.564, -0.065] [-0.572, -0.072] 2825
Externe [-0.291, 0.157] [-0.383, 0.121] [-0.296, 0.158] [-0.404, 0.121] 283
Note. IC = intervalles de confiance. N = nombre de rééchantillons sur lesquels les intervalles
de confiance ont été calculés. Les intervalles ne contenant pas zéro ont été mis en évidence en
gras.
9.3 Discussion
9.3.1 Qualité psychométrique des différents modèles évalués et
sélection de la meilleure modélisation de la motivation
académique
Les résultats de cette étude ont montré que les modèles CFA avec CU, CTCM-1 avec
CU et CTCM-1 avec IS étaient trois modèles qui s’ajustaient très bien aux données quelles que
183
soient les régulations motivationnelles et le questionnaire considérés. Les modèles sans CU
(i.e., CFA sans CU, CTCM-1 sans CU), quant à eux, ne présentaient quasiment jamais
d’ajustements acceptables démontrant qu’une modélisation qui ne considère pas les liens
existants entre les mêmes items mesurés dans différentes matières ou à différents niveaux,
n’était pas adéquate d’un point de vue psychométrique. Par ailleurs, la modélisation en CTCM-
1 s’est montrée supérieure à celle en CFA, et ce, pour toutes les régulations motivationnelles et
dans les deux questionnaires utilisés, lorsque les différents modèles ont été comparés. Plus
spécifiquement, le modèle CTCM-1 avec IS s’est avéré, d’un point de vue psychométrique et
par comparaison avec les autres modèles, être le meilleur parmi les cinq considérés, indiquant
que la modélisation des IS améliorait significativement l’ajustement du modèle au données par
rapport aux CU. Ce résultat a été obtenu avec un niveau de convergence relativement élevé
même pour ces modèles plus complexes, et ce malgré la taille restreinte des échantillons testés.
Etant donné que nos résultats ont montré que la modélisation en CTCM-1 était
supérieure à celle en CFA, ceci implique que lorsque la motivation est mesurée à la fois aux
niveaux contextuel et situationnel, la prise en compte de la motivation contextuelle s’avère
essentielle étant donné que les modèles CTCM-1 étaient, d’un point de vue psychométrique,
supérieurs aux modèles CFA. Plus particulièrement, la modélisation de la motivation en
CTCM-1, parce qu’elle considère plusieurs sources de variance (i.e., situationnelle,
contextuelle) pour les items évalués au niveau situationnel, est plus adéquate pour rendre
compte de la nature hiérarchique de la motivation autodéterminée que la modélisation en CFA,
qui ne considère qu’une seule source de variance pour chaque item. Cependant, à notre
connaissance, seuls les travaux de Chanal et Guay (2015) et ceux menés dans le cadre de cette
thèse ont modélisé la motivation autodéterminée académique avec des modèles CTCM-1.
Aussi, en plus de considérer la nature hiérarchique de la motivation, le modèle CTCM-1 est
celui qui est le plus à même de mettre en évidence la spécificité de chaque régulation
184
motivationnelle. En effet, dans le modèle CTCM-1, les facteurs situationnels sont des facteurs
purement situationnels, pour lesquels la part de variance des items attribuable au niveau
contextuel a été extraite et est donc contrôlée. Etant donné que l’étude de Chanal et Guay (2015)
et celles réalisées dans le cadre de cette thèse ont montré une différence de spécificité entre les
différentes régulations motivationnelles, la modélisation en CTCM-1 est celle qui devrait être
privilégiée dès lors que les recherches étudient la motivation envers plusieurs cours ou matières
scolaires simultanément.
Ensuite, le fait que la modélisation des IS menait à de meilleurs ajustements des modèles
aux données que les autres modélisations, montre qu’il est important d’extraire et de prendre
en considération la variance spécifique des items dans un facteur latent plutôt que de considérer
seulement des CU. Ces résultats permettent de soutenir ceux obtenus dans les travaux réalisés
dans le cadre de cette thèse. En effet, dans les articles 2 et 3, en modélisant les régulations
motivationnelles avec des modèles CTCM-1 avec IS, et donc en prenant en compte trois sources
de variance (i.e., contextuelle, situationnelle, et relative à l’IS) des items mesurés au niveau
situationnel, nous avons montré que les régulations autonomes étaient plus spécifiques aux
matières ou aux cours dans lesquels elles étaient mesurées en accord avec l’hypothèse de
spécificité développée par Chanal et Guay (2015). Aussi, nous avons pu démontrer que la plus
grande part de variance des items des régulations contrôlées n’était pas attribuable au niveau
contextuel, comme défendu par Chanal et Guay (2015), mais au niveau de l’item. Les résultats
obtenus dans la présente étude, en montrant la supériorité psychométrique des modèles CTCM-
1 avec IS, permettent ainsi de défendre la modélisation adoptée dans ces deux articles. Par
ailleurs, les travaux réalisés dans le cadre de la SDT n’ont, à notre connaissance, jamais
considéré la variabilité relative aux items dans leur modélisation de la motivation
autodéterminée. Or la présente étude indique clairement qu’il est nécessaire de la modéliser et
de la prendre en compte autant que possible, particulièrement pour les régulations contrôlées.
185
De plus, cette variabilité liée aux IS est importante à considérer et à mettre en lien avec
différents construits car elle pourrait influencer les relations existantes entre les différentes
régulations motivationnelles et les corrélats de manière indirecte. C’est d’ailleurs ce que nous
avons montré dans l’article 2, dans lequel nos résultats ont mis en évidence des corrélations
significatives entre les facteurs relatifs aux items et les notes dans différentes matières scolaires.
En conclusion, nous pensons que les futurs travaux menés dans le cadre de la SDT,
lorsqu’ils étudient la motivation académique à plusieurs niveaux hiérarchiques (i.e., contextuel,
et situationnel) et envers plusieurs cours ou matières scolaires simultanément, devraient
considérer la part de variance contextuelle des items situationnels grâce à une modélisation en
CTCM-1, et à la fois la variabilité relative à l’item en ajoutant des facteurs IS à cette
modélisation. Cette recommandation est d’autant plus importante que nos résultats ont montré
que la modélisation de la régulation et du construit avec lequel elle était liée impactait la force
et le sens de leur relation.
9.3.2 Impact de la modélisation sur les liens unissant la motivation à
ses antécédents et conséquences
Les résultats de la présente étude ont montré que la modélisation utilisée influençait les
liens unissant la motivation à ses antécédents et conséquences au niveau situationnel. En effet,
nos résultats ont mis en évidence des différences significatives entre la modélisation de la
motivation en CFA avec CU et en CTCM-1 avec IS9.
Plus spécifiquement, des différences significatives entre la modélisation de la
motivation en CFA et en CTCM-1 ont été mises en évidence pour des corrélations unissant les
9
Pour alléger le texte de la présente partie, nous utilisons uniquement le terme de CFA pour nous référer au modèle
CFA avec CU, et uniquement le terme CTCM-1 pour nous référer au modèle CTCM-1 avec IS.
186
régulations motivationnelles au concept de soi et aux émotions académiques lorsqu’ils sont
modélisés sans considérer de mesure au niveau contextuel (i.e., en utilisant une modélisation
CFA pour le concept de soi, les émotions académiques n’ayant pas été mesurées au niveau
contextuel). Ces différences significatives ont été démontrées pour la régulation intrinsèque
(avec les 2 construits) et la régulation introjectée positive (avec le concept de soi seulement).
En ce qui concerne la motivation intrinsèque, les corrélations avec les 2 construits étaient
supérieures en CFA qu’en CTCM-1, indiquant des corrélations plus fortes avec un construit
motivationnel non spécifique qu’avec un construit motivationnel spécifique au cours. Pour les
corrélations entre les émotions académiques et la régulation introjectée positive, les corrélations
étaient plus fortes lorsque le construit motivationnel était plus spécifique.
Il est intéressant de noter que nos résultats ont abouti à des conclusions différentes selon
la modélisation utilisée pour le construit corrélé aux régulations. Ainsi, la modélisation du
concept de soi (en CFA ou en CTCM-1) a mené à des corrélations avec les régulations
motivationnelles différentes pour la motivation intrinsèque, et la motivation identifiée, alors
que la différence de corrélation pour la régulation introjectée approche est restée identique. Pour
la motivation intrinsèque, la différence de corrélation s’est inversée. Lorsque le concept de soi
n’était pas modélisé de manière spécifique (i.e., en CFA), la différence de corrélation était
supérieure pour le CFA, alors que lorsque le concept était modélisé de manière spécifique (i.e.,
en CTCM-1), la différence de corrélation était supérieure pour le CTCM-1. En ce qui concerne
la régulation identifiée, l’absence de différence entre les corrélations selon les modélisations,
est devenue significative en faveur de la modélisation en CTCM-1 (i.e., les corrélations en
CTCM-1 étaient plus fortes qu’en CFA). Enfin, le résultat n’a pas changé pour la régulation
introjectée approche (en faveur de la modélisation en CTCM-1), ni pour les régulations
introjectée négative et externe (pas de différence d’amplitude selon les modélisations).
187
Ces résultats impliquent que les liens entre les régulations motivationnelles et les
antécédents ou conséquences de la motivation sont impactées par la modélisation utilisée. Ces
résultats pourraient apporter une explication complémentaire à l’inconsistance des résultats
trouvés dans la littérature concernant les liens entre les régulations motivationnelles et certaines
variables dans le contexte académique. Sans considérer de modélisation situationnelle pour les
corrélats de la motivation, nous avons montré que la modélisation des régulations en tenant
compte à la fois de la variabilité liée au niveau contextuel et à l’item, induisait des différences
dans la magnitude des corrélations observées. Ce résultat s’est trouvé encore renforcé lorsque
nous avons fait varier le caractère situationnel du corrélat en le modélisant également en tenant
compte du caractère situationnel. De plus, pour la motivation intrinsèque, la différence de
magnitude entre les corrélations s’est inversée selon cette modélisation du corrélat, passant de
supérieure pour le CFA lorsque le corrélat était modélisé de manière non spécifique (i.e., CFA),
à supérieure pour le CTCM-1 lorsque le corrélat était modélisé de manière spécifique (i.e.,
CTCM-1). Autrement dit, ce résultat indique que les liens entre les régulations motivationnelles
et les corrélats sont mieux évalués lorsqu’ils sont réellement considérés au niveau spécifique
d’une part, et d’autre part, que des liens existants sans considérer le caractère spécifique de la
mesure peuvent être surévalués entre des construits non spécifiques (lien entre concept de soi
et motivation intrinsèque). Dans nos résultats, nous pouvons donc nous interroger légitimement
sur le lien supérieur trouvé entre la motivation intrinsèque et les émotions académiques, lorsque
la motivation intrinsèque ne tient pas compte de la spécificité. Le lien entre la motivation
intrinsèque et les émotions académiques, lorsque ces deux construits sont modélisés en CFA,
est-il réellement spécifique aux cours ou bien existe-il car les variabilités liées aux niveaux
situationnels et contextuels sont mélangées pour ces deux construits ? Autrement dit, est-ce que
ce lien apparait parce qu’une part de la variance des émotions académiques, mesurées au niveau
situationnel contient, comme pour la motivation intrinsèque, une part de variance qui n’est pas
188
spécifique au niveau situationnel dans lequel elles sont mesurées ? Etant donné que dans les
articles de cette thèse, nous avons pu montrer que la motivation intrinsèque était bien spécifique
aux disciplines scolaires et que certains auteurs (e.g., Goetz et al., 2007) ont mis en évidence
que les émotions académiques étaient également spécifiques aux matières scolaires, il serait
intéressant d’évaluer les corrélations en modélisant ces deux construits avec des modèles
CTCM-1, car ils permettraient d’obtenir des facteurs situationnels qui sont contrôlés pour le
niveau contextuel. Plus précisément cela reviendrait à mesurer les émotions également au
niveau contextuel (i.e., envers les études), ce qui n’a pas été fait dans la présente étude, afin de
pouvoir modéliser les émotions académiques avec un modèle CTCM-1
9.3.3 Limites
Une première limite de cette étude concerne la première partie des résultats relative au
taux de convergence et d’acceptation des modèles. En effet, nos résultats montrent que le
questionnaire de Chanal et al. (2019) a des taux d’acceptation très faibles en ce qui concerne le
critère strict du CFI alors que ce n’est pas le cas pour le questionnaire Sheldon et al. (2017).
Une des explications de ce résultat peut résider dans la différence de taille des deux échantillons.
En effet, l’échantillon, sur lequel les analyses relatives au questionnaire de Chanal et al. (2019)
ont été réalisées, comportait la moitié moins d’individus que celui utilisé pour les analyses
relatives au questionnaire de Sheldon et al. (2017). Cependant, mis à part pour le CFI strict,
nous avons vu que les résultats sont très similaires pour les deux questionnaires, indiquant que
les 2 questionnaires possèdent de très bonnes qualités psychométriques.
Une deuxième limite de cette étude concerne la seconde partie des résultats, et
notamment le nombre de rééchantillons sur lesquels ont été construits les intervalles de
confiance. En effet, il est recommandé que les intervalles de confiance soient construits sur
1'000 rééchantillons au minimum (Hesterberg, 2015). Cependant, concernant les corrélations
entre la motivation et les construits, les intervalles de confiance pour la motivation intrinsèque
189
et la régulation externe ont été construits sur un nombre de rééchantillons inférieur à cette
recommandation : entre 815 et 925, et entre 283 et 335, respectivement pour la motivation
intrinsèque, et la régulation externe. Aussi, ces résultats peuvent être considéré avec précaution,
bien que pour les résultats concernant la régulation externe (régulation pour laquelle le nombre
de rééchantillons est le plus faible), les résultats soient non significatifs.
Une dernière limite de ce travail concerne les variables de corrélats qui ont été choisies
et testées dans cette étude. En effet, le faible nombre de variables testées ne nous permet pas de
tirer de conclusions définitives concernant cette première étude, et nous ne pouvons pas écarter
que nos résultats soient dépendants du choix des variables étudiées. Il serait ainsi intéressant de
reproduire ces résultats avec d’autres corrélats de niveau situationnel, mais également d’évaluer
si les résultats avaient été différents avec des corrélats de différents niveaux hiérarchiques (e.g.,
satisfaction des besoins psychologiques, variables de bien-être général). Notre hypothèse est
que des différences au niveau des corrélations avec les motivations contrôlées (moins
spécifiques) auraient pu être démontrées lorsque la modélisation ne prend pas en compte la
spécificité de la régulation (corrélations supérieures en CFA qu’en CTCM-1). Puisque nous
avons démontré que les motivations contrôlées sont moins spécifiques que les motivations
autonomes, nous pouvons imaginer que les corrélations soient plus fortes (« corrélations
amplifiées ») entre des corrélats d’un niveau hiérarchique supérieur et les motivations
contrôlées avec une modélisation non spécifique (i.e., en CFA) qu’avec une modélisation
spécifique (i.e., en CTCM-1).
190
III. DISCUSSION GÉNÉRALE
10 Synthèse des résultats
Guay, Chanal et al. (2010) ont été les premiers à montrer que l’ampleur de la
différenciation inter-matières scolaires était plus importante pour les motivations autonomes
que contrôlées. Pour expliquer ces résultats inattendus, Chanal et Guay (2015) ont développé
l’hypothèse de spécificité, qui stipule que les motivations autonomes sont plus différenciées
entre les disciplines scolaires que les motivations contrôlées, car les motivations autonomes
sont plus spécifiques à la discipline dans laquelle elles sont mesurées. Les résultats de Chanal
et Guay (2015) ont confirmé cette hypothèse en montrant que la part de variance des items
uniquement attribuable au niveau situationnel (i.e., spécifique) était plus importante pour les
motivations autonomes que contrôlées.
10.1 Synthèse des résultats relatifs à l’objectif 1
Le premier objectif de cette thèse était de répliquer l’hypothèse de spécificité, de la
généraliser à différentes populations, avec différents questionnaires mesurant la motivation, et
de l’étendre à plus de régulations motivationnelles que celles étudiées par Chanal et Guay
(2015). Alors que Chanal et Guay avaient obtenu les premiers résultats démontrant l’hypothèse
de spécificité pour quatre régulations motivationnelles (i.e., intrinsèque, identifiée, introjectée,
externe) auprès d’une population d’enfants de l’école primaire et du cycle d’orientation, nous
avons répliqué ce résultat dans différentes populations (i.e., élèves du cycle d’orientation dans
les articles 2 et 4, étudiants universitaires dans l’article 3) et pour plus de régulations
motivationnelles (cinq ou sept) à l’aide de différents questionnaires existants dans la littérature
(Chanal et al., 2019; Sheldon et al., 2017). Nos résultats, obtenus avec des modèles à équations
191
structurelles de types CTCM-1, ont indiqué qu’en moyenne, le pourcentage de variance des
items attribuable au niveau situationnel était plus important pour les motivations autonomes
que contrôlées, confirmant que les motivations autonomes étaient plus spécifiques que les
motivations contrôlées. Par exemple, dans l’article 2, le pourcentage de variance des items
attribuable au niveau situationnel était, en moyenne, entre 38 et 56% pour les trois régulations
autonomes (i.e., intrinsèque à la stimulation, intrinsèque à la réussite, identifiée), et entre 10 et
23% pour les quatre régulations contrôlées (i.e., introjectée approche, introjectée évitement,
externe approche, externe évitement). Ces résultats ont été corroborés dans l’article 3 auprès
d’étudiants et étudiantes universitaires. En effet, les analyses relatives à la décomposition de la
variance ont montré que le pourcentage de variance des items attribuable au niveau situationnel
était, en moyenne, plus important pour les régulations autonomes (i.e., intrinsèque, identifiée)
(i.e., entre 42 et 66%) que contrôlées (i.e., introjectée positive, introjectée négative, externe)
(i.e., entre 20 et 26%), confirmant que les motivations autonomes étaient plus spécifiques que
les motivations contrôlées. Plus précisément, nos résultats ont montré que la spécificité
augmentait à mesure que les régulations étaient plus autonomes. Le Tableau 9 présente une
synthèse de la décomposition de la variance des items pour les deux premières études réalisées
dans cette thèse. A l’exception de quelques résultats légèrement différents de ceux attendus, le
pattern reproduit les résultats originels de Chanal et Guay (2015) et est conforme à l’hypothèse
de spécificité.
Au-delà de répliquer et étendre l’hypothèse de spécificité, ce travail doctoral avait
également pour ambition de faire avancer les connaissances à ce sujet, notamment en
déterminant tout d’abord si les assomptions faites par Chanal et Guay (2015) concernant la
motivation contrôlée était correctes. Chanal et Guay (2015) avaient montré que, pour les
motivations contrôlées, la part de variance des items attribuable au niveau contextuel était plus
importante que celle attribuable au niveau situationnel. La limite de leur étude était que dans
192
leur modélisation statistique, la part de variance attribuable au niveau contextuel était mélangée
avec celle relative à l’item. Nos résultats présents dans les articles 2 et 3 démontrent que les
conclusions des auteurs étaient erronées. Dans l’article 2, nos résultats, obtenus auprès d’une
population d’enfants du cycle d’orientation, ont montré qu’en moyenne le pourcentage de
variance des items attribuable au niveau contextuel augmentait à mesure que les motivations
devenaient contrôlées jusqu’à la régulation introjectée d’évitement, mais que ce pourcentage
diminuait pour les régulations externes d’approche et d’évitement. En revanche, nous avons
mis en évidence que la part de variance attribuable aux facteurs relatifs à l’item tendait, en
moyenne, à augmenter à mesure que les motivations devenaient plus contrôlées (excepté pour
la régulation identifiée). Aussi, la plus grande part de variance des items des régulations
contrôlées à l’exception de la régulation introjectée d’approche était attribuable, non pas au
niveau contextuel (en moyenne, entre 12 et 27%), mais aux facteurs relatifs à l’item (en
moyenne, entre 22 et 50%). Les résultats de l’article 3 ont confirmé ceux de l’article 2 auprès
d’étudiants plus âgés de niveau universitaire. En effet, en moyenne, le pourcentage de variance
des items des régulations contrôlées attribuable au niveau contextuel était très faible (en
moyenne, entre 1 et 8%), alors que celui attribuable aux facteurs relatifs à l’item était élevé (en
moyenne, entre 38% et 54%). Nos résultats indiquent donc que les motivations contrôlées sont
moins spécifiques aux matières scolaires dans lesquelles elles sont mesurées, non pas parce
qu’elles sont plus contextuelles, comme l’avaient expliqué Chanal et Guay (2015), mais parce
que celles-ci sont plus reliées aux facteurs relatifs à l’item.
193
Tableau 9
Pourcentage de la variance moyenne des items attribuable au niveau situationnel, contextuel
et de l’item, ainsi que le pourcentage de variance résiduelle pour les articles 2 et 3
Article 2
Intrinsèque
Intrinsèque Introjectée Introjectée Externe Externe
à la Identifiée
stimulation approche évitement approche évitement
réussite
Situationnel 56 38 42 23 16 11 10
Contextuel 8 22 18 27 26 12 18
Item 16 15 10 22 30 50 45
Résiduelle 21 26 30 28 28 27 27
Article 3
Introjectée Introjectée
Intrinsèque Identifiée Externe
positive négative
Situationnel 66 42 22 26 20
Contextuel 14 14 1 4 8
Item 4 20 54 44 38
Résiduelle 16 24 23 27 34
Notre deuxième objectif visait à étudier l’impact de la spécificité des régulations sur les
liens qui les unissent à leurs antécédents et à leurs conséquences. Dans l’article 2, nous avions
fait l’hypothèse que comme les motivations autonomes étaient plus spécifiques aux matières
scolaires, elles devraient être plus reliées à la réussite mesurée au niveau situationnel que les
motivations contrôlées. Les résultats de cette première étude ont confirmé notre hypothèse. En
effet, pour les motivations autonomes, 92% des corrélations reliant les régulations aux notes
évaluées dans la même matière scolaire étaient significatives (voir Tableau 10). A l’inverse,
seule la moitié des corrélations reliant les motivations contrôlées aux notes mesurées dans la
même discipline étaient significatives.
194
Tableau 10
Nombre de corrélations significatives sur le nombre de corrélations testées entre les
régulations et les notes pour une même matière scolaire
Intrinsèque
à la Identifiée
réussite
Notes 4/4 3/4 4/4 3/4 2/4 1/4 2/4
11/12 8/16
Etant donné que la variabilité de la motivation contrôlée était plus déterminée par l’item
que par la régulation étudiée, nous avons également examiné les liens unissant les facteurs
relatifs aux différents items avec la réussite dans les différentes matières scolaires. Pour les
motivations autonomes, 17% des corrélations reliant les facteurs liés à l’item à la note dans une
discipline étaient significatives. Concernant les motivations contrôlées, 38% des corrélations
entre les facteurs reliés à l’item et la note dans une matière scolaire étaient significatives. La
majorité de ces corrélations étaient négatives, mais quelques corrélations étaient positives. De
façon intéressante, ces corrélations positives concernaient les items relatifs aux notes (i.e., avoir
de bonnes notes, éviter de mauvaises notes). Concrètement, ces corrélations positives indiquent
que plus les élèves avaient un score élevé sur ces items (i.e., plus ils indiquaient participer à
l’école et envers les différentes matières scolaires afin d’avoir de bonnes notes ou d’éviter
d’obtenir de mauvaises notes), plus leur note était élevée.
Dans l’article 3, nous avons évalué cinq régulations motivationnelles envers les études
en psychologie (i.e., niveau contextuel) et envers cinq cours (i.e., niveau situationnel), le climat
motivationnel envers deux cours, le concept de soi envers les études en psychologie et envers
quatre cours, sept émotions académiques ressenties dans trois cours, et les notes obtenues dans
six cours. Le Tableau 11 présente une synthèse des résultats concernant les corrélations unissant
les régulations motivationnelles à ses antécédents et conséquences. Concernant les antécédents
195
motivationnels, nos résultats ont montré que les régulations autonomes étaient reliées
significativement et positivement au climat soutenant l’autonomie dans les deux cours, alors
que pour les régulations contrôlées, seule la régulation introjectée négative était reliée
significativement et négativement au climat dans un seul cours. Concernant le deuxième
antécédent, nos résultats ont montré que le concept de soi dans un cours était relié
significativement et positivement à toutes les régulations autonomes dans ce même cours, et
cela dans les quatre cours. Au contraire, pour les régulations contrôlées, seule la régulation
introjectée positive dans un cours était reliée positivement au concept de soi dans ce cours et la
régulation introjectée négative dans un cours était reliée négativement au concept de soi dans
ce cours. Concernant les conséquences affectives, nos résultats ont montré que 83% des
corrélations reliant les régulations autonomes aux émotions académiques évaluées dans les trois
mêmes cours étaient significatives. A l’inverse, 27% des corrélations entre les régulations
contrôlées et les émotions académiques étaient significatives. Plus spécifiquement, la régulation
introjectée positive était reliée positivement aux émotions positives et négativement aux
émotions négatives, les liens contraires ont été trouvés pour la régulation introjectée négative
et aucun lien significatif n’a été mis en évidence pour la régulation externe. Concernant les
notes, 33% des corrélations unissant les notes aux régulations autonomes évaluées dans le
même cours étaient significatives et positives, alors que pour les régulations contrôlées seule la
régulation introjectée positive était reliée avec les notes dans un cours (6%).
Tableau 11
Nombre de corrélations significatives sur le nombre de corrélations testées entre les
régulations et ses antécédents et conséquences pour un même cours
Intrinsèque Identifiée Introjectée Introjectée Externe
positive négative
Antécédents
Climat 2/2 2/2 0/2 1/2 0/2
Concept de soi 4/4 4/4 1/4 1/4 0/4
Conséquences
Emotions 18/21 17/21 6/21 11/21 0/21
Notes 2/6 2/6 1/6 0/6 0/6
196
Dans l’article 4, nous avons mesuré les régulations autonomes (i.e., intrinsèque
stimulation, intrinsèque à la réussite, identifiée) et les régulations contrôlées (i.e., introjectée
approche, introjectée évitement, externe approche, externe évitement) envers quatre matières
scolaires (i.e., mathématiques, français, anglais, éducation physique) chez des élèves du cycle
d’orientation, lors de deux temps de mesure. Nous avons également récolté les notes qu’ils ont
obtenues dans ces quatre disciplines, à la fin des deux années scolaires. Concernant les résultats
relatifs à la prédiction des régulations motivationnelles par le concept de soi, nos résultats ont
montré que le concept de soi envers une matière scolaire prédisait positivement toutes les
régulations autonomes dans cette même matière (voir Tableau 12). En revanche, le concept de
soi dans une discipline scolaire prédisait significativement les régulations contrôlées dans cette
même discipline dans 56% des analyses. Lorsque les régulations motivationnelles au premier
temps de mesure étaient contrôlées, le concept de soi dans une matière scolaire prédisait
également un nombre plus important de régulations autonomes (75% de prédictions
significatives) que de régulations contrôlées (44% de prédictions significatives) dans la même
matière. Concernant les analyses de médiations, nos résultats ont mis en évidence que pour les
régulations autonomes, 67% des effets indirects testés étaient significatifs lorsque la réussite
était contrôlée. Pour les régulations contrôlées, 33% des effets indirects testés étaient
significatifs lorsque la réussite antérieure était contrôlée. Ces effets significatifs ont été trouvés
pour la régulation introjectée approche envers les quatre matières. Nos résultats confirment
donc l’effet différencié des régulations autonomes et contrôlées dans leur rôle médiateur de la
relation entre le concept de soi et la réussite lorsque ces construits sont évalués envers la même
discipline scolaire.
197
Tableau 12
Nombre d’analyses significatives sur les analyses testées (i.e., régressions linéaires et analyses
de médiation) pour des construits mesurés envers la même matière scolaire
Intrinsèque
à la Identifiée
réussite
Concept de
soi
Sans
contrôle 4/4 4/4 4/4 4/4 2/4 3/4 0/4
T1
Avec
contrôle 4/4 3/4 2/4 3/4 1/4 3/4 0/4
T1a
Effets
indirects
Sans
contrôle 2/4 1/4 2/4 4/4 0/4 0/4 0/4
T1
Avec
contrôle 4/4 2/4 2/4 4/4 0/4 0/4 0/4
T1b
Note. Ce tableau présente le nombre de coefficients de pentes significatifs pour les régressions
dans lesquelles le concept de soi prédit les régulations motivationnelles envers la même matière
scolaire, ainsi que le nombre d’effets indirects significatifs dans les analyses dans lesquelles les
régulations motivationnelles médient le lien entre le concept de soi et la note envers la même
matière scolaire.
a
La régulation motivationnelle au temps 1 est contrôlée.
b
La note au temps 1 est contrôlée.
Le troisième objectif de cette thèse était de déterminer la meilleure modélisation
statistique des différentes régulations motivationnelles et d’évaluer son impact sur les liens
existants entre la motivation, ses antécédents et ses conséquences. Cet objectif a été poursuivi
dans l’article 5 de cette thèse. Dans cet article, nous avons évalué les 5 régulations
motivationnelles mesurées par le questionnaire de Sheldon et al. (2017), les 7 régulations
mesurées par le questionnaire de Chanal et al. (2019), ainsi que le concept de soi et les émotions
académiques envers différents cours auprès de deux échantillons d’étudiants universitaires.
Afin de sélectionner la meilleure modélisation de la motivation et de comparer les corrélations
198
obtenues entre la motivation et les construits selon la modélisation, nous avons utilisé une
procédure de rééchantillonnage par bootstrap.
Nos résultats ont montré que pour les deux questionnaires utilisés (i.e., Chanal et al.,
2019; Sheldon et al., 2017) et pour toutes les régulations motivationnelles, le modèle statistique
qui s’ajustait le mieux aux données parmi les 5 testés (i.e., CFA, CFA avec CU, CTCM-1,
CTCM-1 avec CU, CTCM-1 avec IS) était le modèle CTCM-1 avec IS, bien que ce soit celui
qui convergeait le moins. Ces résultats indiquent que les modèles CTCM-1, parce qu’ils
permettent de considérer à fois la variance situationnelle et contextuelle des items mesurés au
niveau situationnel, sont les modèles qui sont les plus appropriés pour rendre compte de la
nature hiérarchique de la motivation autodéterminée. Aussi, nos résultats démontrent que de
considérer et d’extraire la part de variance des items attribuable au facteur relatif à l’item, grâce
aux IS, permet d’améliorer significativement l’ajustement du modèle aux données.
Ensuite, les résultats de l’étude 5 ont mis en évidence que la modélisation de la
motivation (i.e., CFA avec CU vs. CTCM-1 avec IS) impactait significativement certaines
corrélations unissant les régulations motivationnelles au concept de soi et aux émotions
académiques au niveau situationnel. Plus particulièrement, des différences significatives de
corrélations entre les deux modélisations de la motivation ont été mises en évidence avec les
construits modélisés en CFA (i.e., concept de soi, émotions académiques) pour la motivation
intrinsèque (avec les deux construits) et pour la régulation introjectée positive (avec le concept
de soi). A noter, que pour la motivation intrinsèque, ces corrélations étaient plus fortes lorsque
la motivation était modélisée avec un modèle CFA qu’avec un modèle CTCM-1. A l’inverse,
pour la régulation introjectée positive, les corrélations étaient plus fortes lorsque la motivation
était modélisée avec un modèle CTCM-1 qu’avec un modèle CFA. Des différences
significatives de corrélations entre les deux modélisations de la motivation ont également été
démontrées avec le concept soi modélisé en CTCM-1. Plus spécifiquement, nos résultats ont
199
montré que les corrélations avec le concept de soi étaient plus fortes lorsque la motivation était
modélisée avec un modèle CTCM-1 pour la motivation intrinsèque et les régulations identifiée
et introjectée positive.
11 Discussion et implications
Les différentes études réalisées dans le cadre de cette thèse permettent de confirmer que
les motivations autonomes sont plus spécifiques aux matières scolaires que les motivations
contrôlées en accord avec l’hypothèse de spécificité (Chanal et Guay, 2015). Cependant, alors
que Chanal et Guay (2015) avaient conclu que les motivations contrôlées étaient moins
spécifiques car elles étaient plus contextuelles, les travaux réalisés dans le cadre de cette thèse
permettent d’infirmer leur conclusion. En effet, les résultats obtenus dans les articles 2 et 3,
relatifs à la décomposition de la variance des items, ont montré que les motivations contrôlées
étaient moins spécifiques que les motivations autonomes, mais qu’elles n’étaient pas plus
contextuelles. Aussi, la part de variance des motivations contrôlées qui était la plus importante
n’était pas attribuable au niveau contextuel mais au niveau de l’item. Comme expliqué
précédemment, cette nouvelle part de variance des items que nous avons extraite est celle qui
est partagée par les mêmes items évalués au niveau contextuel (i.e., école) et au niveau
situationnel (i.e., matières scolaires). Cette variance se réfère donc à la variabilité qui existe
entre les élèves concernant leur manière de répondre à un item particulier, plus qu’à la
régulation ou au contexte considérés. Etant donné que la variance des items de motivations
contrôlées s’est révélée être plus importante que les autres, ceci laisse penser que les
antécédents ou les conséquences de ces variabilités pourraient provenir d’un niveau de
généralité autre que le niveau situationnel ou contextuel, et pourraient relever d’un niveau
encore plus global que ceux envisagés. Nous développerons ce point dans la partie
« Perspectives ».
200
Les études réalisées dans le cadre de la SDT, et notamment dans le contexte scolaire,
ont le plus souvent étudié la motivation académique envers l’école de manière générale ou
envers une seule discipline scolaire à la fois. Très peu de recherches (Chanal & Guay, 2015;
Guay, Chanal, et al., 2010; Guay & Bureau, 2018) ont étudié les différentes régulations
motivationnelles envers plusieurs matières scolaires simultanément. Les résultats obtenus dans
le cadre de ce travail doctoral, montrent que du fait de la spécificité différenciée des régulations
autonomes et contrôlées, il s’avère important de considérer ces différents types de motivations
à différents niveaux hiérarchiques et envers plusieurs matières scolaires simultanément. Plus
précisément, évaluer les régulations motivationnelles des élèves envers différentes matières
scolaires est essentielle et particulièrement pour les régulations autonomes. En effet, le fait que
les régulations autonomes soient spécifiques aux matières scolaires dans lesquelles elles sont
mesurées indique que le niveau de régulation autonome qui est déployé par un élève est
spécifique à la discipline et qu’il peut donc varier entre les différentes matières scolaires. Par
exemple, un élève peut avoir un niveau élevé de motivation intrinsèque envers le français mais
un niveau plus bas de motivation intrinsèque envers les mathématiques. Mesurer les
motivations, et plus spécifiquement les motivations autonomes, que les élèves déploient envers
différentes matières scolaires permet donc de rendre compte de la variabilité des niveaux de
motivations qu’il peut exister entre les disciplines. En conséquence, afin d’avoir une vision
précise des mécanismes motivationnels en jeu dans le domaine scolaire, nous recommandons
de considérer les différents types de motivation des élèves envers plusieurs matières scolaires
simultanément. Aussi, nous déconseillons les études qui évaluent les régulations autonomes
seulement au niveau contextuel, car elles ne permettent pas de rendre compte de la variabilité
des niveaux de motivation qui peuvent exister envers différentes disciplines. Considérer les
régulations autonomes que les élèves déploient uniquement envers l’école n’est pas pertinent
car cela ne reflète pas la variabilité qu’il peut y avoir entre différentes matières scolaires. Pour
201
illustration, un élève pourrait indiquer que les activités qui sont proposées par l’école
l’intéressent de manière générale, mais à un niveau d’analyse plus précis, cet élève pourrait
indiquer que cet intérêt est valable pour l’anglais mais moins pour l’éducation physique. Bien
que nous ne recommandions pas les études qui se focalisent uniquement sur la motivation
évaluée au niveau contextuel, nos résultats mettent en évidence l’importance de considérer la
motivation dans une perspective hiérarchique. Plus précisément, il s’avère nécessaire de
mesurer les différents items relatifs aux régulations autonomes et contrôlées au niveau
situationnel et contextuel afin de pouvoir réaliser des modèles à équations structurelles de type
CTCM-1. Ces modèles sont ceux qui sont le plus à même de rendre compte de la nature
hiérarchique de la motivation et nous avons mis en évidence, dans l’article 5, qu’ils s’ajustaient
le mieux aux données pour toutes les régulations motivationnelles. Ainsi, les items évalués au
niveau contextuel sont nécessaires car ils permettent de déterminer les facteurs situationnels,
qui sont de la sorte des déviations du facteur contextuel. Si les items contextuels n’étaient pas
mesurés, nous ne pourrions pas construire de modèles CTCM-1.
Une des implications majeures de la différence de spécificité entre les motivations
autonomes et contrôlées concerne les liens qui unissent la motivation à ses antécédents et
conséquences à un niveau de spécificité donné. Nous avons montré dans les différents articles
réalisés dans le cadre de cette thèse que la différence de spécificité entre les motivations
autonomes et contrôlées impactait les liens qu’elles entretenaient avec différents construits (i.e.,
concept de soi, climat motivationnel, réussite, émotions académiques). Plus particulièrement,
du fait de leur plus grande spécificité, les motivations autonomes envers une discipline scolaire
étaient plus fortement en lien avec les différentes construits, évalués envers cette même
discipline, que les motivations contrôlées. Ce corollaire relatif à la spécificité différenciée entre
les régulations autonomes et contrôlées est un argument supplémentaire en faveur de la prise
en considération des différentes régulations motivationnelles envers plusieurs matières
202
scolaires dans les études qui examinent les liens unissant la motivation à différents construits
scolaires.
Ensuite, nos résultats obtenus concernant les liens différenciés entre les motivations
autonomes et contrôlées avec leurs antécédents et conséquences questionnement également
certains postulats du modèle HMIEM (Vallerand, 1997). En effet, ce modèle défend l’existence
de la chaine causale suivante : « facteurs sociaux → médiateurs psychologiques → motivation
→ conséquences » à chacun des trois niveaux hiérarchiques. Dans les articles 2 et 3, nous avons
testé cette chaine causale au niveau situationnel et nous avons montré que les motivations
autonomes étaient reliées à leurs antécédents (i.e., climat motivationnel, concept de soi) et leurs
conséquences (i.e., réussite, émotions académiques) mais que c’était moins le cas pour les
motivations contrôlées. Concrètement, nous avons pu montrer que plus les élèves se sentaient
compétents dans une matière scolaire, plus ils déployaient des motivations autonomes dans
cette même matière, mais que ce sentiment de compétence n’avait que très peu d’impact sur
leurs motivations contrôlées situationnelles. De la même manière, nos résultats concernant le
climat d’apprentissage instauré par l’enseignant, ont montré que plus l’enseignant soutenait les
besoins psychologiques de ses étudiants dans un cours, plus leurs motivations autonomes envers
ce cours étaient élevées, alors que cela n’avait que très peu d’impact sur leurs motivations
contrôlées envers ce cours. En retour, les motivations autonomes des étudiants envers un cours
impactaient positivement leur réussite et leurs émotions dans ce même cours, mais leurs
motivations contrôlées influençaient que très peu leur réussite lorsque ces deux construits
étaient évalués envers le même cours. En conséquence, il semble que cette chaine causale
décrite par le modèle HMIEM semble exister au niveau situationnel pour les motivations
autonomes mais moins pour les motivations contrôlées. Ces résultats peuvent s’expliquer par
le fait que les trois sources de variance des items (i.e., situationnelle, contextuelle, liée à l’item)
ne se répartissaient pas de la même manière pour les régulations autonomes que contrôlées. En
203
effet, la plus grande part de variance des items des régulations autonomes était celle qui était
attribuable au niveau situationnel alors que pour les régulations contrôlées, la plus grande part
de variance des items était celle qui était attribuable au niveau des facteurs relatifs à l’item.
Cette différence de spécificité, forte pour les régulations autonomes et faible pour les
régulations contrôlées, peut expliquer pourquoi les régulations autonomes situationnelles
étaient reliées à leurs antécédents et conséquences évalués au niveau situationnel alors que cela
était moins le cas pour les régulations contrôlées situationnelles. Alors que nos résultats ont mis
en évidence d’éventuels antécédents pour les régulations autonomes situationnelles, d’autres
études seraient nécessaires afin d’évaluer les potentiels antécédents des régulations contrôlées
(voir partie 12), et plus particulièrement d’examiner les liens qui pourraient exister entre des
antécédents évalués aux trois niveaux hiérarchiques décrits par le HMIEM et les trois sources
de variances relatives aux motivations contrôlées. Les résultats des articles 2 et 3 ont mis en
évidence que la plus grande part de variance des items des régulations contrôlées était
attribuable aux facteurs relatifs à l’item. Etant donné que cette variance se réfère à la variabilité
qui existe entre les individus concernant leur manière de répondre aux items mesurés, et qu’elle
n’est pas liée aux niveaux situationnel et contextuel, il apparait que les régulations contrôlées
pourraient être influencées par des facteurs d’un niveau de généralité plus global comme des
traits de personnalité. Ainsi, la motivation contrôlée, et plus particulièrement ses trois sources
de variance, pourrait être influencée par des antécédents mesurés à un niveau qui serait
supérieur au niveau situationnel. Cependant, dans le modèle HMIEM, les seuls liens unissant
les différents niveaux de généralité sont les relations ascendantes et descendantes décrites entre
les motivations (e.g., entre la motivation globale et la motivation contextuelle). Aussi, il
apparait qu’il pourrait exister des relations directes entre les antécédents et les motivations
contrôlées mesurées à des niveaux hiérarchiques différents.
204
De plus, nous pensons que la différence de spécificité entre les motivations autonomes
et contrôlées permet d’apporter une explication sur les contradictions relevées dans la littérature
concernant les liens entre la motivation et ses conséquences comportementales, affectives et
cognitives (partie 2) selon le niveau hiérarchique considéré et la manière dont la motivation a
été opérationnalisée. En résumé, nous avons mis en évidence que la majorité des études
présentées ont montré que la motivation intrinsèque et la régulation identifiée étaient reliées à
des conséquences positives aux deux niveaux hiérarchiques, alors que les résultats concernant
les régulations introjectée et externe étaient moins consistants. En effet, les recherches ont
montré que ces deux types de régulations contrôlées étaient dans la plupart des cas associées
significativement à différentes conséquences au niveau contextuel alors qu’au niveau
situationnel, une absence de lien a clairement pu être établie mis à part dans deux études. Nous
pensons que les liens significatifs qui ont été mis en évidence pour les régulations autonomes
sont dus à leur forte spécificité. De la même manière, nous pensons que le fait que les
régulations contrôlées aient été associées significativement à différents construits au niveau
contextuel alors qu’aucun lien n’a été mis en évidence au niveau situationnel est une
conséquence directe de la faible spécificité des motivations contrôlées. La revue de littérature
que nous avons réalisée montre également que les études ayant opérationnalisé la motivation
en un score unique (i.e., RAI) ont toutes mis en évidence une association positive entre le RAI
et différentes conséquences scolaires au niveau contextuel et situationnel. Cependant, du fait de
la spécificité différenciée existant entre les régulations autonomes et contrôlées, nous pensons
que les résultats obtenus avec le RAI doivent être considérés avec précaution. Effectivement,
le RAI considère que les régulations motivationnelles provenant du même niveau hiérarchique
ont le même impact car les coefficients utilisés dans son calcul ne sont modérés que par le
niveau d’autodétermination de la régulation mais pas par le niveau hiérarchique dans lequel la
régulation est évaluée. Etant donné que les motivations contrôlées sont moins spécifiques que
205
les motivations autonomes, les variations obtenues sur cet index à un niveau hiérarchique donné
découleraient principalement des variations des motivations autonomes à ce niveau
hiérarchique et ne seraient pas ou peu attribuables aux variations de motivations contrôlées.
Ainsi, le RAI lorsqu’il est utilisé au niveau situationnel, semble plutôt refléter des variations de
motivations autonomes que de motivations contrôlées. En accord avec d’autres auteurs (e.g.,
Chemolli & Gagné, 2014), nous déconseillons donc l’utilisation du RAI sur la base des travaux
et résultats présentés dans cette thèse concernant l’hypothèse de spécificité. Finalement, les
inconsistances relevées dans la littérature pourraient également être expliquées par les
modélisations statistiques utilisées dans les différentes études. En effet, nous avons montré dans
l’article 5 que les liens entre les régulations motivationnelles situationnelles et plusieurs
construits différaient selon le modèle statistique utilisé (i.e., CFA avec CU vs. CTCM-1 avec
IS). Plus particulièrement, nous pensons que les liens significatifs entre les régulations
contrôlées situationnelles et différentes conséquences qui ont été mis en évidence dans les
études présentées dans la revue de littérature pourraient être attribuables au fait que les trois
sources de variance (i.e., situationnelle, contextuelle, reliée aux facteurs items) sont mélangées
dans les facteurs relatifs aux régulations contrôlées situationnelles. A l’inverse, dans les études
réalisées dans le cadre de cette thèse, en utilisant des modèles de type CTCM-1, qui permettent
d’extraire ces trois types de variance, les facteurs relatifs aux motivations contrôlées
situationnelles sont purement situationnels, ils sont contrôlés pour le niveau contextuel et le
niveau relatif à l’item. En conséquence, étant donné que la variance des items des régulations
contrôlées s’est révélée être peu attribuable au niveau situationnel, les régulations contrôlées
situationnelles étaient peu en lien avec les conséquences situationnelles dans les articles de cette
thèse. De ce fait, lorsque des recherches s’intéressent aux liens unissant les différents types de
motivation envers plusieurs matières scolaires et différents construits motivationnels, nous
recommandons d’utiliser des modèles statistiques de type CTCM-1 car ceux-ci permettent
206
d’examiner ces liens de la manière la plus précise en utilisant des facteurs motivationnels
situationnels purs, qui ne contiennent pas de variance attribuable à un autre niveau.
12 Perspectives
Les résultats obtenus dans les articles réalisés dans le cadre de ce travail doctoral ont
répondu à nos objectifs de départ et ouvrent également des perspectives pour de futures
recherches.
La première perspective envisageable concerne l’aspect développemental de la
spécificité. Guay, Chanal, et al. (2010) avaient mis en évidence qu’avec l’âge les élèves
arrivaient de mieux en mieux à différencier leurs motivations envers les différentes disciplines
qu’ils étudiaient à l’école, et que cet effet était plus important pour leurs motivations autonomes
que contrôlées. Plus spécifiquement, les résultats de leur étude ont montré qu’alors que
l’ampleur de la différenciation inter-matière scolaire était relativement faible chez les élèves
âgés de 6 ans, elle était plus importante chez les élèves âgés de 8 ans, et ceci particulièrement
pour la motivation intrinsèque. Aussi, nous pouvons nous demander si la spécificité des
motivations tend à augmenter à mesure que les élèves grandissent, et si cette augmentation de
la spécificité concerne particulièrement la motivation autonome plutôt que la motivation
contrôlée. Nos études s’étant focalisées sur des élèves de l’école secondaire et des étudiants de
l’université, des études pourraient être menées auprès d’élèves de l’école primaire. Il semble en
effet, comme l’ont montré Guay, Chanal, et al (2010) que c’est entre l’âge de 6 à 8 ans, que la
différenciation inter-matière scolaire commence à être présente, il serait intéressant de voir si
cela coïncide également avec une augmentation de la spécificité des motivations.
Deuxièmement, les recherches réalisées dans le cadre de ce travail doctoral se sont
focalisées sur l’étude des liens entre les régulations autonomes et contrôlées et différents
207
construits évalués au niveau situationnel mais nous n’avons pas examiné les liens qui pourraient
exister entre les trois sources de variances des régulations motivationnelles et des construits
évalués à différents niveaux hiérarchiques. Evaluer les liens entre les motivations et différentes
variables au niveau situationnel, nous a permis de démontrer que les régulations autonomes
étaient plus reliées à leurs antécédents et conséquences que les motivations contrôlées. Nous
avons d’ailleurs mis en évidence que le concept de soi et le climat instauré dans une discipline
influençaient les régulations autonomes mais qu’ils impactaient peu les régulations contrôlées.
De futures recherches pourraient donc être menées afin de déterminer quels antécédents
influenceraient la motivation contrôlée et plus particulièrement ses trois sources de variance.
Nous avons vu que les motivations contrôlées étaient moins spécifiques au niveau situationnel
dans lequel elles étaient mesurées car elles étaient plus reliées au facteur relatif à l’item. Comme
expliqué précédemment, ces résultats suggèrent que les motivations contrôlées seraient plus en
lien avec des antécédents globaux. La variance partagée relative à l’item fait référence à la
manière dont les individus répondent au même item évalué envers les différentes matières
scolaires et envers l’école de manière générale et se révèle donc transversal au niveau
situationnel et contextuel. Cette manière de répondre peut donc être expliquée par une
orientation de l’individu à répondre d’une certaine manière à différentes questions et pourrait
refléter des facteurs individuels globaux, comme des traits de personnalité. De futures études
pourraient donc examiner l’influence des traits de personnalité et d’autres construits globaux
sur les régulations contrôlées. Ainsi, alors que nous avons montré que le concept de soi
situationnel influençait la motivation autonome situationnelle, nous pourrions évaluer si le
concept de soi global, qui se réfère à l’estime de soi, influencerait particulièrement les
régulations contrôlées. Cette hypothèse est particulièrement pertinente pour la régulation
introjectée car celle-ci se réfère aux comportements réalisés dans le but de maintenir une bonne
estime de soi. Aussi, nos résultats relatifs au climat motivationnel, ont montré que lorsque
208
l’enseignant soutenait l’autonomie des élèves dans une discipline scolaire, leur motivation
autonome envers cette discipline était élevée. La motivation contrôlée n’étant pas spécifique
aux matières scolaires, et étant encore plus globale que le niveau scolaire, nous pourrions
évaluer, par exemple, l’effet du soutien à l’autonomie et aux autres besoins dans d’autres
sphères de vie que le contexte académique, notamment le soutien donné par les parents ou les
amis. Guay et Bureau (2018) ont d’ailleurs émis l’hypothèse que les motivations contrôlées des
élèves puissent être influencées par leurs relations avec leurs parents ou leurs amis. Le même
questionnement s’applique également aux conséquences des motivations contrôlées. En effet,
alors que les différentes études réalisées dans le cadre de cette thèse ont montré la faible
influence des régulations contrôlées situationnelles sur la réussite et les émotions académiques
évaluées au niveau situationnel, des recherches pourraient examiner si les motivations
contrôlées situationnelles ont un impact sur des conséquences plus globales (e.g., satisfaction
de vie).
Troisièmement, les résultats obtenus dans le cadre de cette thèse nous ont permis de
mettre en évidence que la chaine causale décrite par le modèle HMIEM (Vallerand, 1997)
semblait exister, au niveau situationnel pour les motivations autonomes mais pas pour les
motivations contrôlées. Cependant nous n’avons pas testé cette chaine causale dans son
intégralité. En effet, les travaux que nous avons réalisés ont étudié les associations différenciées
entre les motivations autonomes et contrôlées avec leurs conséquences (i.e., réussite, émotions
académiques), mais concernant les liens entre les motivations et leurs antécédents, nous nous
sommes focalisés seulement sur le concept de soi (qui est un concept proche de la perception
de compétence) mais pas sur les perceptions d’autonomie et d’affiliation. De futures études
pourraient donc être menées dans le but de tester la potentielle influence différenciée des trois
perceptions (besoins) sur les motivations autonomes et contrôlées mesurées au niveau
situationnel. Les résultats de la récente méta-analyse réalisée par Bureau et al. (2022) dans le
209
domaine scolaire indiquent d’ailleurs des associations différenciées entre la satisfaction des
besoins et les différentes régulations motivationnelles, bien que les construits n’aient pas été
mesurés au même niveau hiérarchique dans les études considérées. Plus spécifiquement, leurs
résultats ont montré que la satisfaction de chacun des trois besoins psychologiques était reliée
positivement à la motivation intrinsèque et aux régulations identifiée et introjectée, mais aucun
lien significatif n’a été trouvé pour la régulation externe. Plus important encore, la satisfaction
des trois besoins psychologiques expliquait une plus grande part de variance des régulations
autonomes (38% et 30%, respectivement pour la motivation intrinsèque et la régulation
identifiée) que des régulations contrôlées (6% et 0.4%, respectivement pour les régulations
introjectée et externe). Aussi, afin de répondre au questionnement relatif aux antécédents de la
motivation contrôlée, de futures études pourraient envisager d’examiner si la satisfaction des
besoins psychologiques au niveau global (i.e., dans la vie de manière générale) influence la
motivation contrôlée situationnelle.
Finalement, les résultats obtenus dans ce travail doctoral pourraient avoir des
implications pour le développement de programmes de formation pour les enseignants. Dans le
cadre de la SDT, plusieurs programmes de formation pour les enseignants ont ainsi été
développés et testés en s’appuyant sur les nombreuses recherches ayant mis en évidence les
bénéfices d’un climat soutenant l’autonomie sur la motivation, le comportement et le bien-être
des élèves (e.g., Guay et al., 2008; Jeno et al., 2021; Niemiec & Ryan, 2009; Yu et al., 2016).
Ces programmes visent à promouvoir les comportements soutenant les besoins psychologiques
des élèves. Etant donné que nous avons montré que le climat instauré par l’enseignant dans une
discipline influence la motivation autonome des élèves dans cette discipline mais qu’il n’a que
peu d’impact sur leur motivation contrôlée, les programmes de formation réalisés dans le cadre
d’une matière scolaire spécifique devraient influencer seulement la motivation autonome des
élèves envers cette matière scolaire mais pas forcément leur motivation contrôlée. Des résultats
210
allant dans le sens de cette hypothèse ont été observés par Guay et al. (2016). Ces auteurs ont
étudié les effets d’un programme de formation pour les enseignants visant à augmenter leurs
comportements soutenant les besoins des élèves en écriture. Leurs résultats ont montré que le
programme d’intervention avait augmenté la motivation intrinsèque des élèves envers l’écriture
mais qu’il n’avait pas eu d’effet sur les autres régulations motivationnelles. En raison des
nombreuses conséquences positives qui découlent de la mise en place d’un climat soutenant les
besoins des élèves mais également des motivations autonomes, il est crucial de mieux
comprendre les rôles différenciés des motivations autonomes et contrôlées dans ces processus.
Alors que nous avons mis en évidence que le climat soutenant augmentait les motivations
autonomes, et qu’à leur tour elles menaient à une plus grande réussite et des affects plus positifs,
et cela dans différentes matières, le rôle des motivations contrôlées dans cette chaine causale
reste à investiguer. Bien que nous ayons mis en évidence des influences moindres de la
motivation contrôlée sur la réussite, il serait intéressant d’examiner les antécédents qui pourrait
permettre de la diminuer, afin de pouvoir mettre en place des programmes d’interventions
focalisés à la fois sur l’augmentation des motivations autonomes mais également sur la
diminution des motivations contrôlées des élèves.
211
IV. RÉFÉRENCES
Amoura, C., Berjot, S., Gillet, N., Caruana, S., Cohen, J., & Finez, L. (2015). Autonomy-
Supportive and Controlling Styles of Teaching: Opposite or Distinct Teaching Styles?
Swiss Journal of Psychology, 74(3), 141–158. https://doi.org/10.1024/1421-
0185/a000156
Arens, A. K., Jansen, M., Preckel, F., Schmidt, I., & Brunner, M. (2021). The Structure of
Academic Self-Concept: A Methodological Review and Empirical Illustration of
Central Models. Review of Educational Research, 91(1), 34–72.
https://doi.org/10.3102/0034654320972186
Arens, A. K., Marsh, H. W., Pekrun, R., Lichtenfeld, S., Murayama, K., & vom Hofe, R. (2017).
Math self-concept, grades, and achievement test scores: Long-term reciprocal effects
across five waves and three achievement tracks. Journal of Educational Psychology,
109(5), 621–634. https://doi.org/10.1037/edu0000163
Assor, A., Vansteenkiste, M., & Kaplan, A. (2009). Identified versus introjected approach and
introjected avoidance motivations in school and in sports: The limited benefits of self-
worth strivings. Journal of Educational Psychology, 101(2), 482–497.
https://doi.org/10.1037/a0014236
Bailey, T. H., & Phillips, L. J. (2016). The influence of motivation and adaptation on students’
subjective well-being, meaning in life and academic performance. Higher Education
Research & Development, 35(2), 201–216.
https://doi.org/10.1080/07294360.2015.1087474
Bandura, A. (1997). Self-Efficacy: The Exercise of Control (1st edition). Freeman.
Barkoukis, V., Taylor, I., Chanal, J., & Ntoumanis, N. (2014). The relation between student
motivation and student grades in physical education: A 3-year investigation: Motivation
212
and grades in PE. Scandinavian Journal of Medicine & Science in Sports, 24(5), e406–
e414. https://doi.org/10.1111/sms.12174
Baumeister, R. F., & Leary, M. R. (1995). The need to belong: Desire for interpersonal
attachments as a fundamental human motivation. Psychological Bulletin, 117(3), 497–
529. https://doi.org/10.1037/0033-2909.117.3.497
Behzadnia, B., Adachi, P. J. C., Deci, E. L., & Mohammadzadeh, H. (2018). Associations
between students’ perceptions of physical education teachers’ interpersonal styles and
students’ wellness, knowledge, performance, and intentions to persist at physical
activity: A self-determination theory approach. Psychology of Sport and Exercise, 39,
10–19. https://doi.org/10.1016/j.psychsport.2018.07.003
Black, A. E., & Deci, E. L. (2000). The effects of instructors’ autonomy support and students’
autonomous motivation on learning organic chemistry: A self-determination theory
perspective. Science Education, 84(6), 740–756. https://doi.org/10.1002/1098-
237X(200011)84:6<740::AID-SCE4>3.0.CO;2-3
Blais, M. R., Vallerand, R. J., Brière, N. M., Gagnon, A., & Pelletier, L. G. (1990). Significance,
structure, and gender differences in life domains of college students. Sex Roles, 22(3),
199–212. https://doi.org/10.1007/BF00288192
Blanchard, C., Pelletier, L. G., Otis, N., & Sharp, E. (2004). Rôle de l’autodétermination et des
aptitudes scolaires dans la prédiction des absences scolaires et l’intention de décrocher.
Revue Des Sciences de l’éducation, 30(1), 105–123. https://doi.org/10.7202/011772ar
Boiché, J., Sarrazin, P., Grouzet, F. M. E., Pelletier, L. G., & Chanal, J. P. (2008). Students’
motivational profiles and achievement outcomes in physical education: A self-
determination perspective. Journal of Educational Psychology, 100(3), 688–701.
https://doi.org/10.1037/0022-0663.100.3.688
213
Bong, M. (2001). Between- and within-domain relations of academic motivation among middle
and high school students: Self-efficacy, task value, and achievement goals. Journal of
Educational Psychology, 93(1), 23–34. https://doi.org/10.1037/0022-0663.93.1.23
Bong, M., Cho, C., Ahn, H. S., & Kim, H. J. (2012). Comparison of Self-Beliefs for Predicting
Student Motivation and Achievement. The Journal of Educational Research, 105(5),
336–352. https://doi.org/10.1080/00220671.2011.627401
Botnaru, D., Orvis, J., Langdon, J., Niemiec, C. P., & Landge, S. M. (2021). Predicting final
grades in STEM courses: A path analysis of academic motivation and course-related
behavior using self-determination theory. Learning and Motivation, 74, 101723.
https://doi.org/10.1016/j.lmot.2021.101723
Breva, A., & Galindo, M. P. (2020). Types of motivation and eudemonic well‐being as
predictors of academic outcomes in first‐year students: A self‐determination theory
approach. PsyCh Journal, 9(5), 609–628. https://doi.org/10.1002/pchj.361
Brunet, J., Gunnell, K. E., Gaudreau, P., & Sabiston, C. M. (2015). An integrative analytical
framework for understanding the effects of autonomous and controlled motivation.
Personality and Individual Differences, 84, 2–15.
https://doi.org/10.1016/j.paid.2015.02.034
Brunner, M., Keller, U., Dierendonck, C., Reichert, M., Ugen, S., Fischbach, A., & Martin, R.
(2010). The structure of academic self-concepts revisited: The nested Marsh/Shavelson
model. Journal of Educational Psychology, 102(4), 964–981.
https://doi.org/10.1037/a0019644
Bureau, J. S., Howard, J. L., Chong, J. X. Y., & Guay, F. (2022). Pathways to Student
Motivation: A Meta-Analysis of Antecedents of Autonomous and Controlled
Motivations. Review of Educational Research, 92(1), 46–72.
https://doi.org/10.3102/00346543211042426
214
Calsyn, R. J., & Kenny, D. A. (1977). Self-concept of ability and perceived evaluation of others:
Cause or effect of academic achievement? Journal of Educational Psychology, 69(2),
136–145. https://doi.org/10.1037/0022-0663.69.2.136
Carbonneau, N., Vallerand, R. J., & Lafrenière, M.-A. K. (2012). Toward a Tripartite Model of
Intrinsic Motivation: A Tripartite Model of Intrinsic Motivation. Journal of Personality,
80(5), 1147–1178. https://doi.org/10.1111/j.1467-6494.2011.00757.x
Chanal, J. (2005). La formation du concept de soi en éducation physique et sportive: Les
différents antécédents et le rôle des visions de soi. [Thèse de doctorat, Université Joseph
Fournier]. Archive ouverte HAL. https://tel.archives-ouvertes.fr/tel-00011395.
Chanal, J., Cheval, B., Courvoisier, D. S., & Paumier, D. (2019). Developmental relations
between motivation types and physical activity in elementary school children.
Psychology of Sport and Exercise, 43, 233–242.
https://doi.org/10.1016/j.psychsport.2019.03.006
Chanal, J., & Guay, F. (2015). Are autonomous and controlled motivations school-subjects-
specific? PLoS ONE, 10(8), 1–21. https://doi.org/10.1371/journal.pone.0134660
Chanal, J., & Paumier, D. (2020). The school-subject-specificity hypothesis: Implication in the
relationship with grades. PLOS ONE, 15(4), e0230103.
Chemolli, E., & Gagné, M. (2014). Evidence against the continuum structure underlying
motivation measures derived from self-determination theory. Psychological
Assessment, 26(2), 575–585. https://doi.org/10.1037/a0036212
Chen, F. F. (2007). Sensitivity of Goodness of Fit Indexes to Lack of Measurement Invariance.
Structural Equation Modeling: A Multidisciplinary Journal, 14(3), 464–504.
https://doi.org/10.1080/10705510701301834
215
Chen, S.-K., Yeh, Y.-C., Hwang, F.-M., & Lin, S. S. J. (2013). The relationship between
academic self-concept and achievement: A multicohort–multioccasion study. Learning
and Individual Differences, 23, 172–178. https://doi.org/10.1016/j.lindif.2012.07.021
Claver, F., Martínez-Aranda, L. M., Conejero, M., & Gil-Arias, A. (2020). Motivation,
Discipline, and Academic Performance in Physical Education: A Holistic Approach
From Achievement Goal and Self-Determination Theories. Frontiers in Psychology, 11,
1808. https://doi.org/10.3389/fpsyg.2020.01808
Cokley, K. O., Bernard, N., Cunningham, D., & Motoike, J. (2001). A psychometric
investigation of the Academic Motivation Scale using a United States sample.
Measurement and Evaluation in Counseling and Development, 34(2), 109–119.
https://doi.org/10.1080/07481756.2001.12069027
Craven, R. G., Marsh, H. W., & Debus, R. L. (1991). Effects of internally focused feedback
and attributional feedback on enhancement of academic self-concept. Journal of
De Bilde, J., Vansteenkiste, M., & Lens, W. (2011). Understanding the association between
future time perspective and self-regulated learning through the lens of self-
determination theory. Learning and Instruction, 21(3), 332–344.
https://doi.org/10.1016/j.learninstruc.2010.03.002
De Naeghel, J., Van Keer, H., Vansteenkiste, M., & Rosseel, Y. (2012). The relation between
elementary students’ recreational and academic reading motivation, reading frequency,
engagement, and comprehension: A self-determination theory perspective. Journal of
Educational Psychology, 104(4), 1006–1021. psyh. https://doi.org/10.1037/a0027800
DeCharms, R. (1968). Personal causation: The internal affective determinants of behavior.
Academic Press.
216
Deci, E. L., & Ryan, R. M. (1985). Intrinsic Motivation and Self-Determination in Human
Behavior. Plenum.
Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and
the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.
https://doi.org/10.1207/S15327965PLI1104_01
Deci, E. L., & Ryan, R. M. (2008a). Facilitating optimal motivation and psychological well-
being across life’s domains. Canadian Psychology/Psychologie Canadienne, 49(1), 14–
23. https://doi.org/10.1037/0708-5591.49.1.14
Deci, E. L., & Ryan, R. M. (2008b). Self-determination theory: A macrotheory of human
motivation, development, and health. Canadian Psychology/Psychologie Canadienne,
49(3), 182–185. https://doi.org/10.1037/a0012801
Deci, E. L., Ryan, R. M., & Williams, G. C. (1996). Need satisfaction and the self-regulation
of learning. Special Issue: A Symposium on Self-Regulated Learning, 8(3), 165–183.
https://doi.org/10.1016/S1041-6080(96)90013-8
Eccles, J., Wigfield, A., Harold, R. D., & Blumenfeld, P. (1993). Age and gender differences
in children’s self‐and task perceptions during elementary school. Child Development,
64(3), 830–847. https://doi.org/10.2307/1131221
Eid, M., Lischetzke, T., Nussbeck, F. W., & Trierweiler, L. I. (2003). Separating trait effects
from trait-specific method effects in multitrait-multimethod models: A multiple-
indicator CT-C(M-1) model. Psychological Methods, 8(1), 38–60.
http://dx.doi.org/10.1037/1082-989X.8.1.38
Fairchild, A. J., Horst, S. J., Finney, S. J., & Barron, K. E. (2005). Evaluating existing and new
validity evidence for the Academic Motivation Scale. Contemporary Educational
Psychology, 30(3), 331–358. https://doi.org/10.1016/j.cedpsych.2004.11.001
217
Filak, V. F., & Sheldon, K. M. (2008). Teacher support, student motivation, student need
satisfaction, and college teacher course evaluations: Testing a sequential path model.
Educational Psychology, 28(6), 711–724. https://doi.org/10.1080/01443410802337794
Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical
Transactions of the Royal Society of London. Series A, Containing Papers of a
Mathematical or Physical Character, 222(594–604), 309–368.
https://doi.org/10.1098/rsta.1922.0009
Fortier, M. S., Vallerand, R. J., & Guay, F. (1995). Academic motivation and school
performance: Toward a structural model. Contemporary Educational Psychology,
20(3), 257–274. https://doi.org/10.1006/ceps.1995.1017
Gagné, M., Chemolli, E., & Forest, J. (2015). Les méthodologies associées à la TAD. In Y.
Paquet, N. Carbonneau, & R. J. Vallerand (Eds.), Théorie de l’autodétermination:
Aspects théoriques et appliqués (pp. 33–58). De Boeck.
Gagné, M., Forest, J., Vansteenkiste, M., Crevier-Braud, L., van den Broeck, A., Aspeli, A. K.,
Bellerose, J., Benabou, C., Chemolli, E., Güntert, S. T., Halvari, H., Indiyastuti, D. L.,
Johnson, P. A., Molstad, M. H., Naudin, M., Ndao, A., Olafsen, A. H., Roussel, P.,
Wang, Z., & Westbye, C. (2015a). The Multidimensional Work Motivation Scale:
Validation evidence in seven languages and nine countries. European Journal of Work
and Organizational Psychology, 24(2), 178–196.
https://doi.org/10.1080/1359432X.2013.877892
Gagné, M., Forest, J., Vansteenkiste, M., Crevier-Braud, L., van den Broeck, A., Aspeli, A. K.,
Bellerose, J., Benabou, C., Chemolli, E., Güntert, S. T., Halvari, H., Indiyastuti, D. L.,
Johnson, P. A., Molstad, M. H., Naudin, M., Ndao, A., Olafsen, A. H., Roussel, P.,
Wang, Z., & Westbye, C. (2015b). The Multidimensional Work Motivation Scale:
Validation evidence in seven languages and nine countries. European Journal of Work
218
and Organizational Psychology, 24(2), 178–196.
https://doi.org/10.1080/1359432X.2013.877892
Goetz, T., Frenzel, A. C., Pekrun, R., Hall, N. C., & Lüdtke, O. (2007). Between- and within-
domain relations of students’ academic emotions. Journal of Educational Psychology,
99(4), 715–733. https://doi.org/10.1037/0022-0663.99.4.715
Gottfried, A. E. (1985). Academic intrinsic motivation in elementary and junior high school
students. Journal of Educational Psychology, 77(6), 631–645.
https://doi.org/10.1037//0022-0663.77.6.631
Gottfried, A. E. (1990). Academic intrinsic motivation in young elementary school children.
Journal of Educational Psychology, 82(3), 525–538. https://doi.org/10.1037/0022-
0663.82.3.525
Govaerts, S., & Grégoire, J. (2008). Development and Construct Validation of an Academic
Emotions Scale. International Journal of Testing, 8(1), 34–54.
https://doi.org/10.1080/15305050701808649
Graef, R., Csikszentmihalyi, M., & McManama Gianinno, S. (1983). Measuring intrinsic
motivation in everyday life. Leisure Studies, 2(2), 155–168.
https://doi.org/10.1080/02614368300390121
Green, J., Martin, A. J., & Marsh, H. W. (2007). Motivation and engagement in English,
mathematics and science high school subjects: Towards an understanding of
multidimensional domain specificity. Learning and Individual Differences, 17(3), 269–
279. https://doi.org/10.1016/j.lindif.2006.12.003
Grolnick, W. S., & Ryan, R. M. (1987). Autonomy in children’s learning: An experimental and
individual difference investigation. Journal of Personality and Social Psychology,
52(5), 890–898. https://doi.org/10.1037//0022-3514.52.5.890
219
Grolnick, W. S., & Ryan, R. M. (1989). Parent styles associated with children’s self-regulation
and competence in school. Journal of Educational Psychology, 81(2), 143–154.
https://doi.org/10.1037/0022-0663.81.2.143
Grolnick, W. S., Ryan, R. M., & Deci, E. L. (1991). Inner resources for school achievement:
Motivational mediators of children’s perceptions of their parents. Journal of
Guay, F., & Bureau, J. S. (2018). Motivation at school: Differentiation between and within
school subjects matters in the prediction of academic achievement. Contemporary
Educational Psychology, 54, 42–54. https://doi.org/10.1016/j.cedpsych.2018.05.004
Guay, F., Chanal, J., Ratelle, C. F., Marsh, H. W., Larose, S., & Boivin, M. (2010). Intrinsic,
identified, and controlled types of motivation for school subjects in young elementary
school children. British Journal of Educational Psychology, 80(4), 711–735.
https://doi.org/10.1348/000709910X499084
Guay, F., Lessard, V., & Dubois, P. (2016). How Can We Create Better Learning Contexts for
Children? Promoting Students’ Autonomous Motivation as a Way to Foster Enhanced
Educational Outcomes. In W. C. Liu, J. C. K. Wang, & R. M. Ryan (Eds.), Building
Autonomous Learners (pp. 83–106). Springer Singapore. https://doi.org/10.1007/978-
981-287-630-0_5
Guay, F., Ratelle, C. F., & Chanal, J. (2008). Optimal learning in optimal contexts: The role of
self-determination in education. Canadian Psychology/Psychologie Canadienne, 49(3),
233–240. https://doi.org/10.1037/a0012758
Guay, F., Ratelle, C. F., Roy, A., & Litalien, D. (2010). Academic self-concept, autonomous
academic motivation, and academic achievement: Mediating and additive effects.
Learning and Individual Differences, 20(6), 644–653.
https://doi.org/10.1016/j.lindif.2010.08.001
220
Guay, F., Ratelle, C., Larose, S., Vallerand, R. J., & Vitaro, F. (2013). The number of
autonomy-supportive relationships: Are more relationships better for motivation,
perceived competence, and achievement? Contemporary Educational Psychology,
38(4), 375–382. https://doi.org/10.1016/j.cedpsych.2013.07.005
Guay, F., & Vallerand, R. J. (1997). Social context, student’s motivation, and academic
achievement: Toward a process model. Social Psychology of Education, 1(3), 211–233.
https://doi.org/10.1007/bf02339891
Guay, F., Valois, P., Falardeau, É., & Lessard, V. (2016). Examining the effects of a
professional development program on teachers’ pedagogical practices and students’
motivational resources and achievement in written French. Learning and Individual
Differences, 45, 291–298. https://doi.org/10.1016/j.lindif.2015.11.014
Guérin, F., Marsh, H. W., & Famose, J.-P. (2003). Construct validation of the Self-Description
Questionnaire II with a French sample. European Journal of Psychological Assessment,
19(2), 142–150. https://doi.org/10.1027//1015-5759.19.2.142
Haerens, L., Aelterman, N., Vansteenkiste, M., Soenens, B., & Van Petegem, S. (2015). Do
perceived autonomy-supportive and controlling teaching relate to physical education
students’ motivational experiences through unique pathways? Distinguishing between
the bright and dark side of motivation. Psychology of Sport and Exercise, 16(3), 26–36.
Hansford, B. C., & Hattie, J. A. (1982). The Relationship Between Self and
Achievement/Performance Measures. Review of Educational Research, 52(1), 123–
142. https://doi.org/10.3102/00346543052001123
Hardre, P. L., & Reeve, J. (2003). A motivational model of rural students’ intentions to persist
in, versus drop out of, high school. Journal of Educational Psychology, 95(2), 347–356.
https://doi.org/10.1037/0022-0663.95.2.347
221
Hattie, J., Hodis, F. A., & Kang, S. H. K. (2020). Theories of motivation: Integration and ways
forward. Contemporary Educational Psychology, 61, 101865.
https://doi.org/10.1016/j.cedpsych.2020.101865
Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical Mediation Analysis in the New
Millennium. Communication Monographs, 76(4), 408–420.
https://doi.org/10.1080/03637750903310360
Helmke, A., & van Aken, M. A. G. (1995). The causal ordering of academic achievement and
self-concept of ability during elementary school: A longitudinal study. Journal of
Hesterberg, T. (2015). What Teachers Should Know About the Bootstrap: Resampling in the
Undergraduate Statistics Curriculum. The American Statistician, 69(4), 371–386.
https://doi.org/10.1080/00031305.2015.1089789
Hesterberg, T., Moore, D. S., Monaghan, S., Clipson, A., & Epstein, R. (2005). Bootstrap
Methods and Permutation Tests. In D. S. Moore & G. McCabe (Eds.), Introduction to
the Practice of Statistics (2nd ed.). Freeman.
Hornstra, L., van der Veen, I., & Peetsma, T. (2016). Domain-specificity of motivation: A
longitudinal study in upper primary school. Learning and Individual Differences, 51,
167–178. https://doi.org/10.1016/j.lindif.2016.08.012
Howard, J. L., Bureau, J., Guay, F., Chong, J. X. Y., & Ryan, R. M. (2021). Student Motivation
and Associated Outcomes: A Meta-Analysis From Self-Determination Theory.
Perspectives on Psychological Science, 16(6), 1300–1323.
https://doi.org/10.1177/1745691620966789
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis:
Conventional criteria versus new alternatives. Structural Equation Modeling: A
Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
222
Huang, C. (2011). Self-concept and academic achievement: A meta-analysis of longitudinal
relations. Journal of School Psychology, 49(5), 505–528.
https://doi.org/10.1016/j.jsp.2011.07.001
Jeno, L. M., Danielsen, A. G., & Raaheim, A. (2018). A prospective investigation of students’
academic achievement and dropout in higher education: A Self-Determination Theory
approach. Educational Psychology, 38(9), 1163–1184.
https://doi.org/10.1080/01443410.2018.1502412
Jeno, L. M., Nylehn, J., Hole, T. N., Raaheim, A., Velle, G., & Vandvik, V. (2021).
Motivational Determinants of Students’ Academic Functioning: The Role of
Autonomy-support, Autonomous Motivation, and Perceived Competence.
Scandinavian Journal of Educational Research, 1–18.
https://doi.org/10.1080/00313831.2021.1990125
Khalaila, R. (2015). The relationship between academic self-concept, intrinsic motivation, test
anxiety, and academic achievement among nursing students: Mediating and moderating
effects. Nurse Education Today, 35(3), 432–438.
https://doi.org/10.1016/j.nedt.2014.11.001
Kusurkar, R. A., Croiset, G., Galindo-Garré, F., & Ten Cate, O. (2013). Motivational profiles
of medical students: Association with study effort, academic performance and
exhaustion. BMC Medical Education, 13(1). https://doi.org/10.1186/1472-6920-13-87
Kusurkar, R. A., ten Cate, Th. J., Vos, C. M. P., Westers, P., & Croiset, G. (2013). How
motivation affects academic performance: A structural equation modelling analysis.
Advances in Health Sciences Education, 18(1), 57–69. https://doi.org/10.1007/s10459-
012-9354-3
223
Lavigne, G. L., Vallerand, R. J., & Miquelon, P. (2007). A motivational model of persistence
in science education: A self-determination theory approach. European Journal of
Psychology of Education, 22(3), 351–369. https://doi.org/10.1007/bf03173432
Leroy, N., & Bressoux, P. (2016). Does amotivation matter more than motivation in predicting
mathematics learning gains? A longitudinal study of sixth-grade students in France.
Contemporary Educational Psychology, 44–45, 41–53.
https://doi.org/10.1016/j.cedpsych.2016.02.001
Levesque, C., Zuehlke, A. N., Stanek, L. R., & Ryan, R. M. (2004). Autonomy and competence
in German and American university students: A comparative study based on self-
determination theory. Journal of Educational Psychology, 96(1), 68–84.
https://doi.org/10.1037/0022-0663.96.1.68
Litalien, D., & Guay, F. (2015). Dropout intentions in PhD studies: A comprehensive model
based on interpersonal relationships and motivational resources. Contemporary
Educational Psychology, 41, 218–231. https://doi.org/10.1016/j.cedpsych.2015.03.004
Litalien, D., Guay, F., & Morin, A. J. S. (2015). Motivation for PhD studies: Scale development
and validation. Learning and Individual Differences, 41, 1–13.
https://doi.org/10.1016/j.lindif.2015.05.006
Locher, F. M., Becker, S., Schiefer, I., & Pfost, M. (2021). Mechanisms mediating the relation
between reading self-concept and reading comprehension. European Journal of
Psychology of Education, 36(1), 1–20. https://doi.org/10.1007/s10212-020-00463-8
Lohbeck, A. (2018). Self-concept and self-determination theory: Math self-concept,
motivation, and grades in elementary school children. Early Child Development and
Care, 188(8), 1031–1044. https://doi.org/10.1080/03004430.2016.1241778
Lohbeck, A., von Keitz, P., Hohmann, A., & Daseking, M. (2021). Children’s Physical Self-
Concept, Motivation, and Physical Performance: Does Physical Self-Concept or
224
Motivation Play a Mediating Role? Frontiers in Psychology, 12, 669936.
https://doi.org/10.3389/fpsyg.2021.669936
Magson, N. R., Bodkin-Andrews, G. H., Craven, R. G., Nelson, G. F., & Yeung, A. S. (2013).
Questioning New Directions in Understanding Student Motivation: An Investigation
Into the Domain Specificity of Motivational Goals. The Australian Educational and
Developmental Psychologist, 30(2), 171–190. https://doi.org/10.1017/edp.2013.11
Marsh, H. W. (1986). Verbal and Math Self-Concepts: An Internal/External Frame of Reference
Model. American Educational Research Journal, 23(1), 129–149.
https://doi.org/10.3102/00028312023001129
Marsh, H. W. (1990). Causal ordering of academic self-concept and academic achievement: A
multiwave, longitudinal panel analysis. Journal of Educational Psychology, 82(4), 646–
656. https://doi.org/10.1037/0022-0663.82.4.646
Marsh, H. W. (1992). Content specificity of relations between academic achievement and
academic self-concept. Journal of Educational Psychology, 84(1), 35–42.
https://doi.org/10.1037/0022-0663.84.1.35
Marsh, H. W., Byrne, B. M., & Yeung, A. S. (1999). Causal ordering of academic self-concept
and achievement: Reanalysis of a pioneering study and... Educational Psychologist,
34(3), 155–167. https://doi.org/10.1207/s15326985ep3403_2
Marsh, H. W., Chanal, J. P., & Sarrazin, P. G. (2006). Self-belief does make a difference: A
reciprocal effects model of the causal ordering of physical self-concept and gymnastics
performance. Journal of Sports Sciences, 24(1), 101–111.
https://doi.org/10.1080/02640410500130920
Marsh, H. W., & Craven, R. G. (2006). Reciprocal Effects of Self-Concept and Performance
From a Multidimensional Perspective: Beyond Seductive Pleasure and Unidimensional
225
Perspectives. Perspectives on Psychological Science, 1(2), 133–163.
https://doi.org/10.1111/j.1745-6916.2006.00010.x
Marsh, H. W., Hau, K.-T., & Grayson, D. (2005). Goodness of Fit in Structural Equation
Models. In A. Maydeu-Olivares & J. J. McArdle (Eds.), Multivariate applications book
series. Contemporary psychometrics: A festschrift for Roderick P. McDonald (pp. 275–
340). Lawrence Erlbaum Associates Publishers.
Marsh, H. W., & Martin, A. J. (2011). Academic self-concept and academic achievement:
Relations and causal ordering: Academic self-concept. British Journal of Educational
Psychology, 81(1), 59–77. https://doi.org/10.1348/000709910X503501
Marsh, H. W., Martin, A. J., Yeung, A., & Craven, R. (2017). Competence self-perceptions. In
A. J. Elliot, C. S. Dweck, & D. S. Yeager (Eds.), Handbook of competence and
motivation: Theory and application (2nd ed.) (pp. 85–115). The Guilford Press.
Marsh, H. W., Pekrun, R., Murayama, K., Arens, A. K., Parker, P. D., Guo, J., & Dicke, T.
(2018). An integrated model of academic self-concept development: Academic self-
concept, grades, test scores, and tracking over 6 years. Developmental Psychology,
54(2), 263–280. https://doi.org/10.1037/dev0000393
Marsh, H. W., Seaton, M., Dicke, T., Parker, P. D., & Horwood, M. S. (2019). The Centrality
of Academic Self-Concept to Motivation and Learning. In K. A. Renninger & S. E. Hidi
(Eds.), The Cambridge Handbook of Motivation and Learning (pp. 36–62). Cambridge
University Press; Cambridge Core. https://doi.org/10.1017/9781316823279.004
Marsh, H. W., & Shavelson, R. (1985). Self-Concept: Its Multifaceted, Hierarchical Structure.
Educational Psychologist, 20(3), 107–123.
https://doi.org/10.1207/s15326985ep2003_1
Marsh, H. W., Trautwein, U., Lüdtke, O., Köller, O., & Baumert, J. (2005). Academic Self-
Concept, Interest, Grades, and Standardized Test Scores: Reciprocal Effects Models of
226
Causal Ordering. Child Development, 76(2), 397–416. https://doi.org/10.1111/j.1467-
8624.2005.00853.x
Marsh, H. W., Trautwein, U., Ludtke, O., Koller, O., & Baumert, J. (2006). Integration of
Multidimensional Self-Concept and Core Personality Constructs: Construct Validation
and Relations to Well-Being and Achievement. Journal of Personality, 74(2), 403–456.
https://doi.org/10.1111/j.1467-6494.2005.00380.x
Marsh, H. W., & Yeung, A. S. (1997). Causal effects of academic self-concept on academic
achievement: Structural equation models of longitudinal data. Journal of Educational
Psychology, 89(1), 41–54. https://doi.org/10.1037/0022-0663.89.1.41
McEown, M. S., Noels, K. A., & Saumure, K. D. (2014). Students’ self-determined and
integrative orientations and teachers’ motivational support in a Japanese as a foreign
language context. System, 45, 227–241. https://doi.org/10.1016/j.system.2014.06.001
Michou, A., Matsagouras, E., & Lens, W. (2014). Dispositional achievement motives matter
for autonomous versus controlled motivation and behavioral or affective educational
outcomes. Personality and Individual Differences, 69, 205–211.
https://doi.org/10.1016/j.paid.2014.06.004
Miserandino, M. (1996). Children who do well in school: Individual differences in perceived
competence and autonomy in above-average children. Journal of Educational
Möller, J., Pohlmann, B., Köller, O., & Marsh, H. W. (2009). A Meta-Analytic Path Analysis
of the Internal/External Frame of Reference Model of Academic Achievement and
Academic Self-Concept. Review of Educational Research, 79(3), 1129–1167.
https://doi.org/10.3102/0034654309337522
Muthén, L. K., & Muthén, B. O. (2012). Mplus Version 7 [statistical software].
227
Niemiec, C. P., & Ryan, R. M. (2009). Autonomy, competence, and relatedness in the
classroom: Applying self-determination theory to educational practice. Theory and
Research in Education, 7(2), 133–144. https://doi.org/10.1177/1477878509104318
Noels, K. A., Clément, R., & Pelletier, L. G. (1999). Perceptions of teachers’ communicative
style and students’ intrinsic and extrinsic motivation. Modern Language Journal, 83(1),
23–34. https://doi.org/10.1111/0026-7902.00003
Noels, K. A., Clément, R., & Pelletier, L. G. (2001). Intrinsic, extrinsic, and integrative
orientations of French Canadian learners of English. Canadian Modern Language
Review, 57(3), 424–442. https://doi.org/10.3138/cmlr.57.3.424
O’Mara, A. J., Marsh, H. W., Craven, R. G., & Debus, R. L. (2006). Do Self-Concept
Interventions Make a Difference? A Synergistic Blend of Construct Validation and
Meta-Analysis. Educational Psychologist, 41(3), 181–206.
https://doi.org/10.1207/s15326985ep4103_4
Orsini, C. A., Binnie, V. I., & Jerez, O. M. (2019). Motivation as a Predictor of Dental Students’
Affective and Behavioral Outcomes: Does the Quality of Motivation Matter? Journal
of Dental Education, 83(5), 521–529. https://doi.org/10.21815/JDE.019.065
Orsini, C., Binnie, V., Wilson, S., & Villegas, M. J. (2017). Learning climate and feedback as
predictors of dental students’ self-determined motivation: The mediating role of basic
psychological needs satisfaction. European Journal of Dental Education, 22(2), e228–
e236. https://doi.org/10.1111/eje.12277
Otis, N., Grouzet, F. M. E., & Pelletier, L. G. (2005). Latent Motivational Change in an
Academic Setting: A 3-Year Longitudinal Study. Journal of Educational Psychology,
97(2), 170–183. https://doi.org/10.1037/0022-0663.97.2.170
Paumier, D., & Chanal, J. (2018). Motivation autodéterminée, conséquences motivationnelles
et hypothèse de spécificité en contexte scolaire: État des lieux, implications et
228
perspectives. Revue Française de Pédagogie, 203, 111–130.
https://doi.org/10.4000/rfp.8160
Pelletier, L. G., & Vallerand, R. J. (1993). Une perspective humaniste de la motivation: Les
théories de la compétence et de l’autodétermination. In E. Thill & R. J. Vallerand (Eds.),
Introduction à la psychologie de la motivation (pp. 234–281). Editions Etudes vivantes.
Pintrich, P. R. (2003). A Motivational Science Perspective on the Role of Student Motivation
in Learning and Teaching Contexts. Journal of Educational Psychology, 95(4), 667–
686. https://doi.org/10.1037/0022-0663.95.4.667
Pinxten, M., Fraine, B., Damme, J., & D’Haenens, E. (2010). Causal ordering of academic self-
concept and achievement: Effects of type of achievement measure. British Journal of
Educational Psychology, 80(4), 689–709. https://doi.org/10.1348/000709910X493071
Pinxten, M., Marsh, H. W., De Fraine, B., Van Den Noortgate, W., & Van Damme, J. (2014).
Enjoying mathematics or feeling competent in mathematics? Reciprocal effects on
mathematics achievement and perceived math effort expenditure. British Journal of
Educational Psychology, 84(1), 152–174. https://doi.org/10.1111/bjep.12028
Ratelle, C. F., Guay, F., Vallerand, R. J., Larose, S., & Senécal, C. (2007). Autonomous,
controlled, and amotivated types of academic motivation: A person-oriented analysis.
Journal of Educational Psychology, 99(4), 734–746. https://doi.org/10.1037/0022-
0663.99.4.734
Ratelle, C. F., Larose, S., Guay, F., & Senécal, C. (2005). Perceptions of Parental Involvement
and Support as Predictors of College Students’ Persistence in a Science Curriculum.
Journal of Family Psychology, 19(2), 286–293. https://doi.org/10.1037/0893-
3200.19.2.286
229
Reeve, J. (2006). Teachers as Facilitators: What Autonomy‐Supportive Teachers Do and Why
Their Students Benefit. The Elementary School Journal, 106(3), 225–236.
https://doi.org/10.1086/501484
Reeve, J., & Cheon, S. H. (2021). Autonomy-supportive teaching: Its malleability, benefits, and
potential to improve educational practice. Educational Psychologist, 56(1), 54–77.
https://doi.org/10.1080/00461520.2020.1862657
Reeve, J., & Jang, H. (2006). What teachers say and do to support students’ autonomy during
a learning activity. Journal of Educational Psychology, 98(1), 209–218.
https://doi.org/10.1037/0022-0663.98.1.209
Rosenberg, M. (1979). Conceiving the self. Basic Books.
Rosseel, Y. (2012). Lavaan: An R Package for Structural Equation Modeling. Journal of
Statistical Software, 48(2). https://doi.org/10.18637/jss.v048.i02
Ryan, R. M., & Connell, J. P. (1989). Perceived locus of causality and internalization:
Examining reasons for acting in two domains. Journal of Personality and Social
Psychology, 57(5), 749–761. http://dx.doi.org/10.1037/0022-3514.57.5.749
Ryan, R. M., Connell, J. P., & Deci, E. L. (1985). A motivational analysis of self-determination
and self-regulation in education. In C. Ames & R. E. Ames (Eds.), Research on
motivation in education: The classroom milieu (pp. 13–51). Academic Press.
Ryan, R. M., & Deci, E. L. (2000a). Intrinsic and extrinsic motivations: Classic definitions and
new directions. Contemporary Educational Psychology, 25(1), 54–67.
https://doi.org/10.1006/ceps.1999.1020
Ryan, R. M., & Deci, E. L. (2000b). Self-determination theory and the facilitation of intrinsic
motivation, social development, and well-being. American Psychologist, 55(1), 68–78.
https://doi.org/10.1037/0003-066X.55.1.68
230
Ryan, R. M., & Deci, E. L. (2002). Overview of self-determination theory: An organismic-
dialectical perspective. In E. L. Deci & R. M. Ryan (Eds.), Handbook of self-
determination research. (pp. 3–33). University of Rochester Press.
Ryan, R. M., & Deci, E. L. (2009). Promoting self-determined school engagement: Motivation,
learning, and well-being. In K. R. Wenzel & A. Wigfield (Eds.), Handbook of
motivation at school. (pp. 171–195). Routledge/Taylor & Francis Group.
Ryan, R. M., & Deci, E. L. (2017). Self-determination theory: Basic psychological needs in
motivation, development, and wellness. Guilford Press.
Sarrazin, P., Pelletier, L. G., Deci, E. L., & Ryan, R. M. (2011). Nourrir une motivation
autonome et des conséquences positives dans différents milieux de vie: Les apports de
la théorie de l’autodétermination. In C. Martin-Krumm & C. Tarquinio (Eds.), Traité
de psychologie positive (pp. 273–312). De Boeck Université.
Schmidt, I., Brunner, M., Keller, L., Scherrer, V., Wollschläger, R., Baudson, T. G., & Preckel,
F. (2017). Profile formation of academic self-concept in elementary school students in
grades 1 to 4. PLOS ONE, 12(5), e0177854.
Shavelson, R. J., Hubner, J. J., & Stanton, G. C. (1976). Self-concept: Validation of construct
interpretations. Review of Educational Research, 46(3), 407–441.
https://doi.org/10.2307/1170010
Sheldon, K. M., Osin, E. N., Gordeeva, T. O., Suchkov, D. D., & Sychev, O. A. (2017).
Evaluating the Dimensionality of Self-Determination Theory’s Relative Autonomy
Continuum. Personality and Social Psychology Bulletin, 43(9), 1215–1238.
https://doi.org/10.1177/0146167217711915
231
Skaalvik, E. M., & Skaalvik, S. (2006). Self-Concept and Self-Efficacy in Mathematics:
Relation with Mathematics Motivation and Achievement. In The concept of self in
education, family and sports. (pp. 51–74). Nova Science Publishers.
Soenens, B., & Vansteenkiste, M. (2005). Antecedents and Outcomes of Self-Determination in
3 Life Domains: The Role of Parents’ and Teachers’ Autonomy Support. Journal of
Youth and Adolescence, 34(6), 589–604. https://doi.org/10.1007/s10964-005-8948-y
Sparks, C., Dimmock, J., Lonsdale, C., & Jackson, B. (2016). Modeling indicators and
outcomes of students’ perceived teacher relatedness support in high school physical
education. Psychology of Sport and Exercise, 26, 71–82.
Taylor, G., Jungert, T., Mageau, G. A., Schattke, K., Dedic, H., Rosenfield, S., & Koestner, R.
(2014). A self-determination theory approach to predicting school achievement over
time: The unique role of intrinsic motivation. Contemporary Educational Psychology,
39(4), 342–358. https://doi.org/10.1016/j.cedpsych.2014.08.002
Timo, J., Sami, Y.-P., Anthony, W., & Jarmo, L. (2016). Perceived physical competence
towards physical activity, and motivation and enjoyment in physical education as
longitudinal predictors of adolescents’ self-reported physical activity. Journal of
Science and Medicine in Sport, 19(9), 750–754.
https://doi.org/10.1016/j.jsams.2015.11.003
Trautwein, U., & Möller, J. (2016). Self-Concept: Determinants and Consequences of
Academic Self-Concept in School Contexts. In A. A. Lipnevich, F. Preckel, & R. D.
Roberts (Eds.), Psychosocial Skills and School Systems in the 21st Century (pp. 187–
214). Springer International Publishing. https://doi.org/10.1007/978-3-319-28606-8_8
232
Valentine, J. C., DuBois, D. L., & Cooper, H. (2004). The Relation Between Self-Beliefs and
Academic Achievement: A Meta-Analytic Review. Educational Psychologist, 39(2),
111–133. https://doi.org/10.1207/s15326985ep3902_3
Valenzuela, R., Codina, N., & Pestana, J. V. (2018). Self-determination theory applied to flow
in conservatoire music practice: The roles of perceived autonomy and competence, and
autonomous and controlled motivation. Psychology of Music, 46(1), 33–48.
https://doi.org/10.1177/0305735617694502
Vallerand, R. J. (1997). Toward a hierarchical model of intrinsic and extrinsic motivation. In
M. P. Zanna (Ed.), Advances in experimental social psychology, Vol. 29. (pp. 271–360).
Academic Press. https://doi.org/10.1016/S0065-2601(08)60019-2
Vallerand, R. J. (2000). Deci and Ryan’s Self-Determination Theory: A View from the
Hierarchical Model of Intrinsic and Extrinsic Motivation. Psychological Inquiry, 11(4),
312–318.
Vallerand, R. J., & Bissonnette, R. (1990). Construction et validation de l’Échelle de
Satisfaction dans les Études (ESDE). Canadian Journal of Behavioural Science/Revue
Canadienne Des Sciences Du Comportement, 22(3), 295–306.
https://doi.org/10.1037/h0078987
Vallerand, R. J., Blais, M. R., Brière, N. M., & Pelletier, L. G. (1989). Construction et validation
de l’échelle de motivation en éducation (EME) [Construction and validation of the
Motivation toward Education Scale]. Canadian Journal of Behavioural Science / Revue
Canadienne Des Sciences Du Comportement, 21(3), 323–349.
http://dx.doi.org/10.1037/h0079855
Vallerand, R. J., Fortier, M. S., & Guay, F. (1997). Self-determination and persistence in a real-
life setting: Toward a motivational model of high school dropout. Journal of Personality
233
and Social Psychology, 72(5), 1161–1176. https://doi.org/10.1037/0022-
3514.72.5.1161
Vallerand, R. J., & Grouzet, F. M. E. (2001). Pour un Modèle hiérarchique de la motivation
intrinsèque et extrinsèque dans les Pratiques sportives et l’activité physique. In F. Cury
& P. Sarrazin (Eds.), Théories de la motivation et pratiques sportives (pp. 57–95).
Presses Universitaires de France. https://doi.org/10.3917/puf.sarr.2001.01.0057
Vallerand, R. J., & Miquelon, P. (2008). Le Modèle Hiérarchique: Une analyse integrative des
déterminants et conséquences de la motivation intrinsèque et extrinsèque [The
Hierarchical Model: An integrative analysis of the determinants and consequences of
intrinsic and extrinsic motivation]. In R.-V. Joule & P. Huguet (Eds.), Bilans et
perspectives en Psychologie Sociale (pp. 163–203). University of Grenoble Press.
Vallerand, R. J., & Miquelon, P. (2016). Le modèle hiérarchique de la motivation intrinsèque
et extrinsèque: Une analyse des déterminants et conséquences motivationnels. In Y.
Paquet, N. Carbonneau, & R. J. Vallerand (Eds.), Théorie de l’autodétermination:
Aspects théoriques et appliqués (pp. 89–117). De Boeck Supérieur.
Vallerand, R. J., Pelletier, L. G., & Koestner, R. (2008). Reflections on self-determination
theory. Canadian Psychology/Psychologie Canadienne, 49(3), 257–262.
https://doi.org/10.1037/a0012804
Vallerand, R. J., & Thill, E. (1993). Introduction à la psychologie de la motivation.
Vansteenkiste, M., Lens, W., & Deci, E. L. (2006). Intrinsic versus extrinsic goal contents in
self-determination theory: Another look at the quality of academic motivation.
Educational Psychologist, 41(1), 19–31. https://doi.org/10.1207/s15326985ep4101_4
Vansteenkiste, M., Sierens, E., Goossens, L., Soenens, B., Dochy, F., Mouratidis, A.,
Aelterman, N., Haerens, L., & Beyers, W. (2012). Identifying configurations of
perceived teacher autonomy support and structure: Associations with self-regulated
234
learning, motivation and problem behavior. Learning and Instruction, 22(6), 431–439.
https://doi.org/10.1016/j.learninstruc.2012.04.002
Vansteenkiste, M., Sierens, E., Soenens, B., Luyckx, K., & Lens, W. (2009). Motivational
profiles from a self-determination perspective: The quality of motivation matters.
Journal of Educational Psychology, 101(3), 671–688.
https://doi.org/10.1037/a0015083
Vansteenkiste, M., Simons, J., Lens, W., Sheldon, K. M., & Deci, E. L. (2004). Motivating
learning, performance, and persistence: The synergistic effects of intrinsic goal contents
and autonomy-supportive contexts. Journal of Personality and Social Psychology,
87(2), 246–260. https://doi.org/10.1037/0022-3514.87.2.246
Vansteenkiste, M., Zhou, M., Lens, W., & Soenens, B. (2005). Experiences of Autonomy and
Control Among Chinese Learners: Vitalizing or Immobilizing? Journal of Educational
White, R. W. (1959). Motivation reconsidered: The concept of competence. Psychological
Review, 66(5), 297–333. https://doi.org/10.1037/h0040934
Wigfield, A., & Eccles, J. S. (2000). Expectancy–Value Theory of Achievement Motivation.
Contemporary Educational Psychology, 25(1), 68–81.
https://doi.org/10.1006/ceps.1999.1015
Williams, G. C., & Deci, E. L. (1996). Internalization of biopsychosocial values by medical
students: A test of self-determination theory. Journal of Personality and Social
Psychology, 70(4), 767–779. http://dx.doi.org/10.1037/0022-3514.70.4.767
Wu, H., Guo, Y., Yang, Y., Zhao, L., & Guo, C. (2021). A Meta-analysis of the Longitudinal
Relationship Between Academic Self-Concept and Academic Achievement.
Educational Psychology Review, 33(4), 1749–1778. https://doi.org/10.1007/s10648-
021-09600-1
235
Xia, Y., & Yang, Y. (2019). RMSEA, CFI, and TLI in structural equation modeling with
ordered categorical data: The story they tell depends on the estimation methods.
Behavior Research Methods, 51(1), 409–428. https://doi.org/10.3758/s13428-018-
1055-2
Yamauchi, H., & Miki, K. (2003). Longitudinal analysis of the relations between perceived
learning environment, achievement goal orientations and learning strategies: Intrinsic-
extrinsic regulation as a mediator. Psychologia : An International Journal of
Psychology in the Orient, 46(1), 1–18. https://doi.org/10.2117/psysoc.2003.1
Yu, C., Li, X., Wang, S., & Zhang, W. (2016). Teacher autonomy support reduces adolescent
anxiety and depression: An 18‐month longitudinal study. Journal of Adolescence, 49(1),
115–123. https://doi.org/10.1016/j.adolescence.2016.03.001
Zhao, X., Lynch, J. G., & Chen, Q. (2010). Reconsidering Baron and Kenny: Myths and Truths
about Mediation Analysis. Journal of Consumer Research, 37(2), 197–206.
https://doi.org/10.1086/651257
236
V. ANNEXE
13 Article 110
10
Cette partie est une reproduction de l’article : Paumier, D., & Chanal, J. (2018). Motivation autodéterminée,
conséquences motivationnelles et hypothèse de spécificité en contexte scolaire: État des lieux, implications et
perspectives. Revue Française de Pédagogie, 203, 111–130. https://doi.org/10.4000/rfp.8160
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257

Unige 161937 Attachment01

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

Unige 161937 Attachment01

Transféré par

Droits d'auteur :

Formats disponibles

Thesis

Structure de la motivation en contexte académique dans une

Cette thèse a comme ambition d'étudier la motivation autodéterminée académique en

Sous la direction du Dr. Julien Chanal

STRUCTURE DE LA MOTIVATION EN CONTEXTE ACADEMIQUE DANS

confiance, et de m’avoir transmis ta passion pour la recherche.

d’avoir accepté de faire partie de mon jury de thèse.

précieuse pour les analyses réalisées dans l’article 5.

de vos attentions, et de votre soutien le jour J !

soutien et les bons moments passés ensemble.

Un grand merci à mes parents, mon frère et ma grand-maman de m’avoir toujours

et de votre amour inconditionnel.

I. CADRE THÉORIQUE ................................................................................................................. 6

1.1 L’approche dialectique organismique et les besoins psychologiques fondamentaux ............ 6

1.2 Les différentes régulations motivationnelles.......................................................................... 8

1.3 Le modèle hiérarchique de la motivation intrinsèque et extrinsèque .................................. 14

2 LES CONSÉQUENCES COMPORTEMENTALES, AFFECTIVES ET COGNITIVES DE LA MOTIVATION ... 18

2.1 Les conséquences comportementales de la motivation ........................................................ 19

2.2 Les conséquences affectives de la motivation ...................................................................... 24

2.3 Les conséquences cognitives de la motivation ..................................................................... 26

2.4 En résumé ............................................................................................................................ 27

3 LE RÔLE MÉDIATEUR DE LA MOTIVATION DANS LA RELATION ENTRE LE CONCEPT DE SOI ET LA

3.1 Définition et modèles du concept de soi............................................................................... 30

3.2 Multidimensionnalité et spécificité des concepts de soi académiques ................................. 32

4 L’ÉTUDE DE LA MULTIDIMENSIONNALITÉ ET DE LA SPÉCIFICITÉ DE LA MOTIVATION

4.1 Multidimensionnalité et motivation scolaire........................................................................ 43

4.2 Multidimensionnalité et SDT ............................................................................................... 45

4.3 L’hypothèse de spécificité .................................................................................................... 47

4.4 Premières évidences concernant l’hypothèse de spécificité ................................................ 49

5 OBJECTIFS DE CETTE THÈSE....................................................................................................... 52

II. PARTIE EMPIRIQUE ............................................................................................................... 57

6 ARTICLE 2 : THE SCHOOL-SUBJECT-SPECIFICITY HYPOTHESIS: IMPLICATION IN THE

RELATIONSHIP WITH GRADES ............................................................................................................................ 57

6.2 The present study ................................................................................................................. 62

6.3 Method ................................................................................................................................. 64

6.4 Results .................................................................................................................................. 68

6.5 Discussion ............................................................................................................................ 73

6.6 Conclusion ........................................................................................................................... 77

7 ARTICLE 3 : THE ANTECEDENTS AND CONSEQUENCES OF AUTONOMOUS AND CONTROLLED

7.1 Introduction ......................................................................................................................... 82

7.2 The present study ................................................................................................................. 95

7.3 Method ................................................................................................................................. 97

7.4 Results ................................................................................................................................ 102

7.5 Discussion .......................................................................................................................... 109

7.6 Conclusion ......................................................................................................................... 116

8 ARTICLE 4 : THE DIFFERENTIATED MEDIATION EFFECT OF ACADEMIC AUTONOMOUS AND

8.1 Introduction ....................................................................................................................... 123

8.2 The present study ............................................................................................................... 133

8.3 Method ............................................................................................................................... 135

8.4 Results ................................................................................................................................ 141

8.5 Discussion .......................................................................................................................... 149

9 ARTICLE 5 : MODÉLISATION STATISTIQUE DE LA MOTIVATION ET SON IMPACT SUR LES LIENS

UNISSANT LA MOTIVATION À SES ANTÉCÉDENTS ET CONSÉQUENCES .............................................................. 155

9.1 Méthode ............................................................................................................................. 156

9.2 Résultats............................................................................................................................. 168

9.3 Discussion .......................................................................................................................... 183

III. DISCUSSION GÉNÉRALE ..................................................................................................... 191

10 SYNTHÈSE DES RÉSULTATS...................................................................................................... 191

10.1 Synthèse des résultats relatifs à l’objectif 1 .................................................................. 191

10.2 Synthèse des résultats relatifs à l’objectif 2 .................................................................. 194

11 DISCUSSION ET IMPLICATIONS ................................................................................................. 200

12 PERSPECTIVES ......................................................................................................................... 207

IV. RÉFÉRENCES .......................................................................................................................... 212