File 1

Archive ouverte UNIGE
https://archive-ouverte.unige.ch
Thèse 2008 Open Access
This version of the publication is provided by the author(s) and made available in accordance with the
copyright holder(s).
Motivation, métacognition et aptitudes cognitives chez les apprenants de la

formation professionnelle initiale
Berger, Jean-Louis
How to cite
BERGER, Jean-Louis. Motivation, métacognition et aptitudes cognitives chez les apprenants de la

formation professionnelle initiale. 2008. doi: 10.13097/archive-ouverte/unige:633
This publication URL: https://archive-ouverte.unige.ch//unige:633

Publication DOI: 10.13097/archive-ouverte/unige:633
© This document is protected by copyright. Please refer to copyright holder(s) for terms of use.
UNIVERSITE DE GENEVE FACULTE DE PSYCHOLOGIE ET DES SCIENCES
DE L’EDUCATION
Section de Sciences de l’Education
Sous la direction du Professeur Fredi Büchel
Motivation, métacognition et aptitudes

cognitives chez les apprenants de la formation
professionnelle initiale
Thèse
Présentée à la
Faculté de psychologie et des sciences de l’éducation
de l’Université de Genève
pour obtenir le grade de Docteur en Sciences de l’Education
par
Jean-Louis Berger
de
Oberlangenegg (Berne)
Thèse No 410
GENEVE
Septembre 2008
Membres du jury:
Professeur Fredi Büchel, directeur

Faculté de Psychologie et des Sciences de l’Education
Université de Genève
Professeur Linda Allal

Professeur Michael Eid

Fachbereich Erziehungswissenschaft und Psychologie
Freie Universität Berlin
Professeur Jean-Luc Gurtner

Faculté des lettres - Département des Sciences de l'Education
Université de Fribourg
Docteur Greta Pelgims

Remerciements
Le long cheminement que l’accomplissement de ce travail a constitué n’aurait pas été possible
sans l’aide de nombreuses personnes auxquelles je tiens ici à exprimer ma sincère gratitude.
J’adresse ici mes remerciements :
Au professeur Fredi Büchel pour son encadrement, pour m’avoir fait profiter de son
expérience ainsi que pour la confiance qu’il m’a accordée durant les cinq années de
collaboration.
Aux professeurs Linda Allal, Jean-Luc Gurtner et Michael Eid ainsi qu’au docteur Greta
Pelgrims pour m’avoir fait l’honneur d’être membres du jury, pour leur aide et leurs
commentaires enrichissants.
A mes collègues, Christine Hessels, Mélanie Bosson, Jamila Dorner et Caroline Bruttin pour
leur soutien et leur gentillesse. Un merci particulier à Stella Fontana pour ses excellentes
relectures, à Nadine Kipfer pour son aide notamment dans le travail de mise en page, à
Delphine Rinaldi pour ses corrections relatives aux références bibliographiques et à Marco
Hessels, pour ses conseils statistiques éclairés.
A Monsieur Evéquoz, directeur général de l’Office pour l’orientation, la formation
professionnelle et continue, Monsieur Fischer, directeur du secteur formation professionnelle
de l’Office pour l’orientation, la formation professionnelle et continue ainsi que Madame
Adenmatten Gerber, directrice du service enseignement et formation à la direction générale de
l’enseignement secondaire postobligatoire, pour avoir soutenu ce projet de recherche.
A Monsieur Merat, directeur du centre d’enseignement professionnel et technique de Genève,
ainsi que Monsieur Nydegger, directeur de l’école professionnelle artisanale et industrielle de
Fribourg, pour m’avoir permis d’effectuer les recherches dans les classes.
Aux élèves et enseignants qui ont bien voulu se prêter au jeu de la recherche.
A Annick Morand et Pamela Borgognon pour avoir participé à la récolte des données.
Finalement, ma famille et mon amie m’ont apporté un soutien indispensable ; je leur en suis
infiniment reconnaissant.
Cette thèse est dédiée à mes parents, à mon frère et à Alex
Table des matières
1. INTRODUCTION........................................................................................................................................... 19
2. PROBLÉMATIQUE....................................................................................................................................... 23
2.1. INTRODUCTION ........................................................................................................................................... 23
2.2. LA PERTINENCE DE L’ÉTUDE DE LA MOTIVATION ET DE LA MÉTACOGNITION ............................................. 23
2.3. POURQUOI ÉTUDIER CES SUJETS CHEZ DES APPRENTIS ? ............................................................................. 24
2.4. LA PERTINENCE DES MATHÉMATIQUES ....................................................................................................... 27
2.5. LES NIVEAUX D’ÉTUDES DE LA MOTIVATION ET DE LA COGNITION ............................................................. 28
2.6. QUESTIONNEMENT GÉNÉRAL DE LA THÈSE ................................................................................................. 30
3. LA MÉTACOGNITION ................................................................................................................................ 31
3.1. INTRODUCTION ........................................................................................................................................... 31
3.2. DÉFINIR LA MÉTACOGNITION ..................................................................................................................... 33
3.2.1. Une définition générale ..................................................................................................................... 33
3.2.2. La définition classique en deux composantes .................................................................................... 36
3.2.3. Une définition en trois composantes.................................................................................................. 38
3.2.4. Les distinctions entre cognition et métacognition ............................................................................. 40
3.2.5. Introspection et conscience................................................................................................................ 42
3.2.6. Généralité de la métacognition ......................................................................................................... 45
3.3. LES CONNAISSANCES ET CROYANCES MÉTACOGNITIVES ............................................................................ 46
3.3.1. Perspective générale sur les métaconnaissances .............................................................................. 46
3.3.2. Taxonomie des métaconnaissances ................................................................................................... 47
3.4. LES JUGEMENTS ET SENTIMENTS MÉTACOGNITIFS ...................................................................................... 52
3.4.1. Les jugements métacognitifs ou monitoring ...................................................................................... 52
3.4.2. Le cadre théorique de Nelson et Narens............................................................................................ 53
3.4.3. Les expériences métacognitives selon Flavell ................................................................................... 56
3.4.4. Les travaux d’Efklides sur les expériences métacognitives ............................................................... 58
Mesurer/évaluer les expériences métacognitives................................................................................................. 63
3.5. LE CONTRÔLE MÉTACOGNITIF .................................................................................................................... 65
3.6. LA MÉTACOGNITION EN RÉSOLUTION DE PROBLÈMES MATHÉMATIQUES .................................................... 68
3.6.1. Introduction ....................................................................................................................................... 68
3.6.2. Les connaissances et croyances métacognitives en résolution de problèmes mathématiques........... 72
3.6.3. Les jugements et sentiments métacognitifs en résolution de problèmes mathématiques ................... 74
3.6.4. Le contrôle métacognitif en résolution de problèmes mathématiques............................................... 77
4. LES CROYANCES MOTIVATIONNELLES ............................................................................................. 81
4.1. INTRODUCTION ........................................................................................................................................... 81
4.2. LA PERCEPTION DE SES COMPÉTENCES : CONCEPT DE SOI ET SENTIMENT D’EFFICACITÉ ............................. 83
4.3. VALEUR DE LA TÂCHE : INTÉRÊT ET UTILITÉ PERÇUE DES MATHÉMATIQUES .............................................. 88
4.3.1. Intérêt individuel, intérêt situationnel et état psychologique d’intérêt .............................................. 89
4.3.1.1. Définition des concepts................................................................................................................................ 89
4.3.1.2. L’intérêt et la motivation intrinsèque........................................................................................................... 91
4.3.2. Utilité perçue ou instrumentalité ....................................................................................................... 91
4.3.2.1. Introduction ................................................................................................................................................. 91
4.3.2.2. Les soi possibles .......................................................................................................................................... 92
4.3.2.3. Les travaux empiriques de Lens et ses collaborateurs ................................................................................. 93
4.3.2.4. Travaux empiriques de Miller et ses collaborateurs..................................................................................... 94
4.4. L’ORIENTATION DES BUTS .......................................................................................................................... 96
4.4.1. Introduction ....................................................................................................................................... 96
4.4.2. L’orientation des buts : développement historique et définitions ...................................................... 96
4.4.2.1. Les conceptions originelles.......................................................................................................................... 96
4.4.2.2. Les conceptions actuelles : débats sur la définition de l’orientation des buts ............................................ 101
4.4.2.3. Le modèle trichotomique et le cadre 2x2 d’Elliot...................................................................................... 104
4.4.3. Les antécédents, corrélats et conséquences des orientations des buts ............................................ 109
4.4.3.1. Les croyances et les attitudes..................................................................................................................... 112
4.4.3.2. La perception de l’environnement d’apprentissage et du contexte ............................................................ 114
4.4.3.3. Les motifs d’accomplissement................................................................................................................... 117
4.4.3.4. Affect et motivation................................................................................................................................... 117
4.4.4. L’approche des buts multiples ......................................................................................................... 118
4.5. LIENS ENTRE LES CROYANCES MOTIVATIONNELLES ................................................................................. 120
4.5.1. Liens entre compétence perçue et valeur de la tâche ...................................................................... 120
4.5.2. Liens entre compétence perçue et orientations des buts.................................................................. 122
4.5.3. Liens entre valeur de la tâche et orientations des buts.................................................................... 123
4.6. DES CROYANCES MOTIVATIONNELLES GÉNÉRALES AUX CROYANCES SITUATIONNELLES ......................... 124
5. UNE PERSPECTIVE ÉLARGIE DE L’APPRENANT : ARTICULATION CONCEPTUELLE ET
EMPIRIQUE DES COMPOSANTES DE LA MÉTACOGNITION ET DES CROYANCES
MOTIVATIONNELLES.................................................................................................................................. 127
5.1. INTRODUCTION ......................................................................................................................................... 127
5.2. CRITIQUES DE LA COGNITION FROIDE : LES MODÈLES (MÉTA-)COGNITIFS ET L’IGNORANCE DES FACTEURS
MOTIVATIONNELS ........................................................................................................................................... 127
5.2.1. Les limites des modèles purement cognitifs de l’apprentissage de type scolaire ............................ 128
5.2.2. L’intégration des croyances motivationnelles dans les théories métacognitives............................. 129
5.2.3. Extension des jugements métacognitifs considérés dans l’étude de la métamémoire...................... 134
5.2.4. Expériences métacognitives et attributions causales....................................................................... 135
5.2.5. Limites dans l’articulation métacognition-croyances motivationnelles .......................................... 136
5.3. LES MODÈLES D’APPRENTISSAGE AUTORÉGULÉ ....................................................................................... 137
5.3.1. Le modèle métacognitif de Borkowski orienté vers les processus ................................................... 138
5.3.2. Le modèle d’apprentissage autorégulé de Pintrich ......................................................................... 141
5.4. SYNTHÈSE D’ÉTUDES EMPIRIQUES ARTICULANT MOTIVATION ET FONCTIONNEMENT COGNITIF ............... 147
5.4.1. Métacognition-stratégies d’apprentissage et croyances motivationnelles ...................................... 147
5.4.1.1. Métacognition-stratégies d’apprentissage et perception des compétences................................................. 148
5.4.1.2. Métacognition-stratégies d’apprentissage et valeur de la tâche ................................................................. 150
5.4.1.3. Métacognition-stratégies d’apprentissage et orientations des buts............................................................. 151
5.4.1.4. Métacognition-stratégies d’apprentissage et Anxiété ................................................................................ 153
5.4.2. Le rôle des aptitudes cognitives....................................................................................................... 154
5.5. NOTRE MODÈLE THÉORIQUE ARTICULANT COMPOSANTES MÉTACOGNITIVES, CROYANCES
MOTIVATIONNELLES ET APTITUDES COGNITIVES ............................................................................................. 156
6. MÉTHODE-ÉTUDE 1.................................................................................................................................. 161

6.1. INTRODUCTION ......................................................................................................................................... 161
6.2. QUESTIONS DE RECHERCHE ET HYPOTHÈSES ............................................................................................ 161
6.3. DESCRIPTION DE L’ÉCHANTILLON ............................................................................................................ 164
6.4. INSTRUMENTS .......................................................................................................................................... 166
6.4.1. Questionnaire sur les buts d’accomplissement en mathématiques .................................................. 166
6.4.2. Questionnaire sur le concept de soi en mathématiques................................................................... 167
6.4.3. Problème de mathématiques « La citerne »..................................................................................... 168
6.4.4. Problème de mathématiques « Le réservoir d’essence »................................................................. 175
6.4.5. Test d’aptitude non verbale de Naglieri (NNAT ; Naglieri, 1998) .................................................. 177
6.4.6. Plan de l’administration des instruments ........................................................................................ 178
6.5. LES BIAIS ET LIMITES LIÉS À L’UTILISATION DES QUESTIONNAIRES AUTO-RAPPORTÉS ............................. 179
6.5.1. La désirabilité sociale ..................................................................................................................... 179
6.5.2. La tendance à l’acquiescence.......................................................................................................... 180
6.5.3. La tendance de satisfaction ............................................................................................................. 181
6.5.4. Les limites liées à l’évaluation de la métacognition par des questionnaires auto-rapportés .......... 183
6.6. LES MÉTHODES D’ANALYSES DES DONNÉES ............................................................................................. 184
6.6.1. Les modèles d’équations structurelles............................................................................................. 185
6.6.1.1. Les analyses factorielles confirmatoires .................................................................................................... 185
6.6.1.2. Les analyses en pistes causales et les modèles de structure ....................................................................... 186
6.6.1.3. L’évaluation de l’adéquation des modèles................................................................................................. 187
6.6.1.4. Les limites des SEM .................................................................................................................................. 188
6.6.2. Modéliser l’hétérogénéité de la population ou de l’échantillon...................................................... 191
6.6.2.1. Objectifs .................................................................................................................................................... 191
6.6.2.2. Application et méthodes pour choisir le nombre de groupes ..................................................................... 192
7. RÉSULTATS-ÉTUDE 1............................................................................................................................... 195
7.1. INTRODUCTION ......................................................................................................................................... 195
7.2. ANALYSES FACTORIELLES DES INSTRUMENTS .......................................................................................... 195
7.2.1. Analyses factorielles des items sur les buts d’accomplissement...................................................... 196
7.2.2. Analyses factorielle des items sur le concept de soi ........................................................................ 198
7.2.3. Analyses factorielles des items relatifs aux problèmes de mathématiques ...................................... 199
7.2.3.1. Pré-résolution ............................................................................................................................................ 199
7.2.2.2. Post-résolution........................................................................................................................................... 201
7.3. MODÈLES DE STRUCTURE AU NIVEAU DES PROBLÈMES ............................................................................ 206
7.3.1. Modèle hypothétique........................................................................................................................ 206
7.3.2. Résultats pour le problème « La citerne » ....................................................................................... 208
7.3.3. Commentaires sur le modèle de structure pour le problème « La citerne ».................................... 209
7.3.4. Résultats pour le problème « Le réservoir d’essence » ................................................................... 210
7.3.5. Commentaires sur le modèle de structure pour le problème «le réservoir d’essence» ................... 211
7.4. MODÈLES DE STRUCTURE LIANT VARIABLES GÉNÉRALES ET VARIABLES SPÉCIFIQUES AUX PROBLÈMES .. 212
7.4.1. Modèle hypothétique pour les liens entre les variables générales et les variables spécifiques aux
problèmes .................................................................................................................................................. 212
7.4.2. Résultats des modèles pour les problèmes « La citerne » et « Le réservoir d’essence »................. 215
7.4.3. Commentaires sur les modèles de structure liant les variables générales aux variables spécifiques
aux problèmes............................................................................................................................................ 218
7.6. ANALYSES CENTRÉES SUR LES PERSONNES............................................................................................... 221
7.6.1. Détermination du nombre de profils................................................................................................ 221
7.6.2. Description des profils obtenus et de leur composition................................................................... 222
7.6.3. Liens entre l’appartenance à un profil et les autres variables ........................................................ 224
7.6.4. Commentaires sur l’analyse de profils ............................................................................................ 226
7.7. IMPLICATIONS DES RÉSULTATS POUR LA SECONDE ÉTUDE ........................................................................ 226
8. MÉTHODE-ÉTUDE 2.................................................................................................................................. 231
8.1. INTRODUCTION ......................................................................................................................................... 231
8.2. QUESTIONS DE RECHERCHE ET HYPOTHÈSES ............................................................................................ 231
8.3. ECHANTILLON .......................................................................................................................................... 236
8.4. INSTRUMENTS .......................................................................................................................................... 238
8.4.1. Questionnaire sur l’apprentissage en mathématiques..................................................................... 238
8.4.1.1. Echelles de buts d’accomplissement, version 2 ......................................................................................... 238
8.4.1.2. Echelles de concept de soi en mathématiques............................................................................................ 240
8.4.1.3. Echelle d’anxiété pour l’apprentissage des mathématiques ....................................................................... 241
8.4.1.4. Echelle d’Instrumentalité perçue ............................................................................................................... 242
8.4.1.5. Echelles de théories implicites des capacités ............................................................................................. 243
8.4.1.5.1. Théorie malléable des capacités ........................................................................................................ 243
8.4.1.5.2. Théorie fixiste des capacités.............................................................................................................. 243
8.4.1.6. Echelles de stratégies d’apprentissage ....................................................................................................... 244
8.4.1.6.1 Stratégies d’apprentissage élaborées (SAE) ....................................................................................... 244
8.4.1.6.2. Stratégies de répétition et de traitement en surface............................................................................ 245
8.4.1.6.3. Stratégies métacognitives .................................................................................................................. 246
8.4.2. Tests d’aptitudes cognitives............................................................................................................. 247
8.4.2.1. Test de raisonnement numérique ............................................................................................................... 247
8.4.2.2. NNAT forme G version abrégée................................................................................................................ 248
8.4.2.3. Test de mémoire de travail verbale............................................................................................................ 248
8.4.3. Problèmes de mathématiques .......................................................................................................... 249
8.4.3.1. Problème de mathématiques « le réservoir d’essence » ............................................................................. 249
8.4.3.2. Problème de mathématiques « la guitare » ................................................................................................ 254
8.5. ADMINISTRATION DES INSTRUMENTS ....................................................................................................... 255
9. RÉSULTATS-ÉTUDE 2............................................................................................................................... 257
9.1. INTRODUCTION ......................................................................................................................................... 257
9.2. ANALYSES DES SCORES AUX INSTRUMENTS ............................................................................................. 257
9.2.1. Analyses factorielles du questionnaire sur l’apprentissage en maths ............................................. 258
9.2.1.1. Items évaluant les stratégies d’apprentissage et de résolution ................................................................... 258
9.2.1.2. Items évaluant les buts d’accomplissement ............................................................................................... 261
9.2.1.3. Items évaluant les autres croyances motivationnelles et métacognitives ................................................... 265
9.2.2. Les scores aux trois tests d’aptitudes cognitives ............................................................................. 266
9.2.3. Analyses des items relatifs aux problèmes de mathématiques ......................................................... 267
9.2.3.1. Pré-résolution ............................................................................................................................................ 268
9.2.3.2. Post-résolution........................................................................................................................................... 268
9.3. MODÈLE DE STRUCTURE AU NIVEAU DES PROBLÈMES .............................................................................. 279
9.4. MODÈLE DE STRUCTURE LIANT VARIABLES GÉNÉRALES ET VARIABLES SPÉCIFIQUES AU PROBLÈME ....... 284
9.5. MODÈLE DE STRUCTURE AU NIVEAU DE LA MATIÈRE ............................................................................... 288
9.6. ANALYSES CENTRÉES SUR LES PERSONNES............................................................................................... 293
9.6.1. Détermination du nombre de profils................................................................................................ 293
9.6.2. Description des profils obtenus ....................................................................................................... 294
9.6.3. Liens entre l’appartenance au profil et les autres variables ........................................................... 300
9.6.3.4. Relation entre l’appartenance à un profil et les stratégies d’apprentissage ................................................ 305
9.6.3.5. Relation entre l’appartenance à un profil et les variables liée au problème «le réservoir d’essence» ........ 306
10. DISCUSSION DES RÉSULTATS............................................................................................................. 309
10.1. LES LIENS ENTRE METACOGNITION ET MOTIVATION ............................................................................... 309
10.1.1. Expériences métacognitives, contrôle métacognitif, compétences cognitives spécifiques au
problème et performance dans la résolution d’un problème mathématique ............................................. 310
10.1.1.1. Les informations fournies par les analyses factorielles............................................................................ 310
10.1.1.2. Expériences métacognitives et contrôle métacognitif .............................................................................. 311
10.1.1.3. L’influence du contrôle métacognitif sur les jugements de confiance ..................................................... 314
10.1.1.4. Les bases des jugements de confiance ..................................................................................................... 315
10.1.1.5. L’influence du contrôle métacognitif sur la performance ........................................................................ 315
10.1.2. Croyances motivationnelles, expériences métacognitives et contrôle métacognitif ...................... 317
10.1.2.1. L’influence des buts d’accomplissement sur la métacognition ................................................................ 317
10.1.2.2. L’influence de l’anxiété et de la compétence perçue sur la métacognition .............................................. 320
10.1.3. Croyances motivationnelles et stratégies d’apprentissage au niveau de la matière ..................... 321
10.1.3.1. L’influence des buts d’accomplissement sur les stratégies d’apprentissage ............................................ 322
10.1.3.2. L’influence de la valeur de la tâche sur les stratégies d’apprentissage .................................................... 323
10.1.3.3. L’influence de l’anxiété sur les stratégies d’apprentissage ...................................................................... 324
10.1.4. Profils de buts, métacognition et stratégies d’apprentissage ........................................................ 326
10.1.5. Synthèse des liens entre métacognition et motivation.................................................................... 328
10.2. LES CONSTRUITS D’EXPERIENCES METACOGNITIVES, EXPECTANCY-VALUE ET APPRECIATIONS ............. 329
10.3. THEORIES IMPLICITES ENTRE METACONNAISSANCES ET CROYANCES MOTIVATIONNELLES .................... 330
10.4 CRITIQUE DE L’ADEQUATION DE LA THEORIE DES BUTS D’ACCOMPLISSEMENT AU CONTEXTE DE LA
FORMATION PROFESSIONNELLE ....................................................................................................................... 330
10.5. LIMITES DES ETUDES .............................................................................................................................. 333
10.5.1. Manque d’informations sur les métaconnaissances ...................................................................... 333
10.5.2. Confusions entre mathématiques et calcul professionnel .............................................................. 333
10.5.3. Aspects qualitatifs versus quantitatifs de la métacognition ........................................................... 334
10.5.4. Limites liées au design................................................................................................................... 334
10.5.5. Fidélité et validité.......................................................................................................................... 335
10.6. PISTES POUR DES RECHERCHES FUTURES ................................................................................................ 336
10.6.1. La façon dont les élèves répondent à des questionnaires auto-rapportés ..................................... 337
10.6.2. Les croyances motivationnelles et la métacognition à l’école et sur la place de travail de l’apprenti
................................................................................................................................................................... 337
10.6.3. D’autres aspects des stratégies d’apprentissage : référence aux théories SRL actuelles ............. 338
10.6.4. Explorer les théories implicites ..................................................................................................... 338
11. CONCLUSION............................................................................................................................................ 341
11.1. IMPLICATIONS POUR L’ENSEIGNEMENT ET L’APPRENTISSAGE ................................................................ 341
11.2. IMPLICATIONS POUR LA RECHERCHE EN FORMATION PROFESSIONNELLE ................................................ 342
12. REFERENCES BIBLIOGRAPHIQUES .................................................................................................. 343
13. ANNEXES
Tableaux
Tableau 3.1.
Les composantes de la métacognition en résolution de problèmes mathématiques en fonction des phases définies
par Garofalo & Lester…................................................................................…................................................... 71
Tableau 4.1.
Cadre conceptuel 2x2 des buts d’accomplissement adapté d’Elliot & McGregor (2001) et Pintrich (2000a).. 107
Tableau 4.2.
Les liens hypothétiques et différentiels des quatre types de buts d’accomplissement aux médiateurs et aux
résultats (Adapté de Linnenbrink et Pintrich, 2000, p. 204) …........................................................................... 111
Tableau 5.1.
Les phases et domaines de l’apprentissage autorégulé selon Pintrich (2000b) …............................................. 143
Tableau 6.1.
Description des participants par formation…................................................................................…................. 165
Tableau 6.2.
Codes et libellés des items évaluant les buts de maîtrise-approche…................................................................ 166
Tableau 6.3.
Codes et libellés des items évaluant les buts de maîtrise-évitement…................................................................ 166
Tableau 6.4.
Codes et libellés des items évaluant les buts de performance-approche…......................................................... 167
Tableau 6.5.
Codes et libellés des items évaluant les buts de performance-évitement…........................................................ 167
Tableau 6.6.
Codes et libellés des items du questionnaire d’auto-description évaluant le concept de soi….......................... 168
Tableau 6.7.
Codes et libellés des items évaluant le sentiment d’efficacité personnelle…...................................................... 170
Tableau 6.8.
Codes et libellés des items évaluant le sentiment de difficulté…........................................................................ 170
Tableau 6.9.
Codes et libellés des items évaluant le sentiment de familiarité…...................................................................... 170
Tableau 6.10.
Codes et libellés des items évaluant le sentiment de d’aimer la tâche…............................................................ 170
Tableau 6.11.
Codes et libellés des items évaluant le sentiment de confiance…...................................................................... 174
Tableau 6.12.
Codes et libellés des items évaluant le contrôle continu et final…..................................................................... 174
Tableau 6.13.
Répartition de l’administration des instruments sur les deux périodes….......................................................... 178
Tableau 6.14.
Recommandations pour l’évaluation de modèles : règles de pouce. Adapté de Schermelleh-Engel et al.
(2003)…................................................................................…........................................................................... 188
Tableau 7.1.
Indices d’adéquation des modèles testés pour les buts d’accomplissement (n=195) …..................................... 198
Tableau 7.2.
Indices d’adéquation des modèles testés pour le concept de soi (n=194) …...................................................... 199
Tableau 7.3.
Indices d’adéquation des modèles testés pour la partie pré-résolution du problème «la citerne» (n=192) .... 200
Tableau 7.4.
Indices d’adéquation des modèles testés pour la partie pré-résolution du problème «le réservoir d’essence»
(n=196) …................................................................................…....................................................................... 200
Tableau 7.5.
Indices d’adéquation des modèles testés pour la partie post-résolution du problème «la citerne» (n=196)..... 201
Tableau 7.6.
Indices d’adéquation des modèles testés pour la partie post-résolution du problème «le réservoir d’essence»
(n=200)..........…................................................................................…............................................................... 202
Tableau 7.7.
Statistiques descriptives pour les scores l’échelles................…......................................................................... 203
Tableau 7.8.
Corrélations entre les croyances motivationnelles et l’intelligence non verbale…........................................... 204
Tableau 7.9.
Corrélations entre les croyances motivationnelles, l’intelligence non verbale et les variables spécifiques au
problème « la citerne » / « le réservoir d’essence » …................................................................................…... 205
Tableau 7.10.
Corrélations entre les variables spécifiques au problème « la citerne » (au-dessus de la diagonale) et les
variables spécifiques au problème « le réservoir d’essence » (au-dessous de la diagonale) …........................ 206
Tableau 7.11.
Indices d’adéquation pour le modèle de structure du problème «la citerne» …............................................... 215
Tableau 7.12.
Indices statistiques pour le choix du nombre de profils à retenir….................................................................. 221
Tableau 7.13.
Classification pour solution en deux profils.......................…............................................................................. 222
Tableau 7.14.
Composition des profils........................................................................…........................................................... 223
Tableau 8.1.
Caractéristiques des classes composant l’échantillon…..........,.....…................................................................ .237
Tableau 8.2.
Code et libellé des items évaluant les buts de maîtrise-approche….................................................................. 239
Tableau 8.3.
Code et libellé des items évaluant les buts de performance-approche…........................................................... 240
Tableau 8.4.
Code et libellé des items évaluant les buts de performance évitement…........................................................... 240
Tableau 8.5.
Code et libellé des items évaluant les buts d’évitement du travail/tendance au moindre effort…..................... 240
Tableau 8.6.
Code et libellé des items évaluant la compétence perçue…............................................................................… 241
Tableau 8.7.
Code et libellé des items évaluant l’intérêt
individuel…................................................................................…..................................................................... 241
Tableau 8.8.
Code et libellé des items évaluan l’anxiété......................................................................................................... 242
Tableau 8.9.
Code et libellé des items évaluant l’instrumentalité perçue…............................................................................ 242
Tableau 8.10.
Code et libellé des items évaluant la croyance en la malléabilité des capacités…............................................ 243
Tableau 8.11.
Code et libellé des items évaluant la croyance en la fixité des capacités…....................................................... 244
Tableau 8.12.
Code et libellé des items évaluant l’utilisation de stratégies d’élaboration….................................................... 245
Tableau 8.13.
Code et libellé des items évaluant l’utilisation de stratégies de répétition ou traitement en surface…............. 245
Tableau 8.14.
Code et libellé des items évaluant l’utilisation de stratégies métacognitives d’anticipation et de planification 246
Tableau 8.15.
Code et libellé des items évaluant l’utilisation de stratégies métacognitives de contrôle continu et de contrôle
final…................................................................................…............................................................................... 246
Tableau 8.16.
Code et libellé des items évaluant le sentiment de familiarité…........................................................................ 250
Tableau 8.17
Code et libellé des items évaluant le sentiment de difficulté et d’efficacité….................................................... 250
Tableau 8.18.
Code et libellé des items évaluant le sentiment d’aimer la tâche….................................................................... 250
Tableau 8.19.
Code et libellé des items évaluant l’intention d’engager des efforts…............................................................... 251
Tableau 8.20.
Code et libellé des items évaluant les jugements de confiance…....................................................................... .252
Tableau 8.21.
Code et libellé des items évaluant le contrôle exercé…................................................................................…... 252
Tableau 8.22.
Code et libellé des items évaluant les activités de régulation….......................................................................... 252
Tableau 8.23.
Code et libellé des items évaluant les stratégies cognitives…............................................................................. 253
Tableau 8.24.
Code et libellé des items évaluant les stratégies de surface…............................................................................ 253
Tableau 8.25.
Code et libellé des items évaluant l’estimation des efforts effectués…............................................................... 253
Tableau 8.26.
Code et libellé des items évaluant la persévérance…................................................................................…...... 254
Tableau 8.27.
Répartition de l’administration des instruments sur les trois périodes…........................................................... 255
Tableau 9.1.
Indices d’adéquation des modèles testés pour les stratégies d’apprentissage (n = 268) ….............................. 260
Tableau 9.2.
Matrice de pattern de la solution en six facteurs (n = 268) …........................................................................... 262
Tableau 9.3.
Indices d’adéquation des modèles testés pour les buts d’accomplissement (n = 268) …................................... 265
Tableau 9.4.
Indices d’adéquation des modèles testés pour les autres croyances motivationnelles et métacognitives (n = 268)
…................................................................................…..................................................................................... 266
Tableau 9.5.
Statistiques descriptives pour les trois tests d’aptitudes cognitives................................................................... .267
Tableau 9.6.
Intercorrélations entre les trois tests d’aptitudes cognitives…........................................................................... 267
Tableau 9.7.
Indices d’adéquation des modèles testés pour le questionnaire pré-résolution (n = 253) …............................ 268
Tableau 9.8.
Matrice de pattern de la solution en trois facteurs.................…......................................................................... 269
Tableau 9.9.
Indices d’adéquation des modèles testés pour le questionnaire post-résolution «le réservoir d’essence» (n = 253)
…................................................................................…..................................................................................... 271
Tableau 9.10.
Statistiques descriptives pour toutes les variables mesurée.............................................................................. .272
Tableau 9.10
Statistiques descriptives pour toutes les variables mesurées (suite) .................................................................. 273
Tableau 9.11.
Corrélations entre les aptitudes cognitives et les variables au niveau de la matière ........................................ 274
Tableau 9.12.
Corrélations entre les variables au niveau de la matière (n = 268) ................................................................. 275
Tableau 9.13.
Corrélations entre les variables spécifiques au problème « le réservoir d’essence » ...................................... 277
Tableau 9.14.
Corrélations entre les aptitudes cognitives et les variables spécifiques au problème « le réservoir d’essence »
…................................................................................…..................................................................................... 277
Tableau 9.15.
Corrélations entre les variables au niveau de la matière et les variables spécifiques au problème « le réservoir
d’essence »..............................................................................................................…........................................ 278
Tableau 9.16.
Hypothèses des influences des variables au niveau de la matière sur les variables au niveau du problème…. 285
Tableau 9.17.
Indices statistiques pour le choix du nombre de profils à retenir...................................................................... 293
Tableau 9.18.
Classification pour solution en quatre profils.....................…........................................................................... 294
Tableau 9.19.
Description des élèves appartenant à chacun des profils…............................................................................... 296
Tableau 9.20.
Différences entre profils...................................................................................................................................... 301
Figures
Figure 3.1. Le modèle de la métacognition selon Büchel (1996, p. 184).............................................................. 37
Figure 3.2. Taxonomie adaptée de Pintrich et al. (2000) : Les trois composantes générales de la métacognition
.............................................................................................................................................................................. 39
Figure 3.3. La relation entre les niveaux objet et méta selon Nelson & Narens (1990) ....................................... 53
Figure 4.1. Le modèle théorique de Dweck (adapté de Dweck & Leggett, 1988)................................................. 98
Figure 5.1. Modèle théorique général ................................................................................................................ 157
Figure 6.1. Hypothèse générale pour la question de recherche 1 ...................................................................... 162
Figure 6.2. Hypothèse générale pour la question de recherche 2 ...................................................................... 163
Figure 6.3. Item évaluant la capacité de représentation pour le problème « la citerne » .................................. 172
Figure 6.4. Item évaluant la capacité de représentation pour le problème « le réservoir d’essence » .............. 176
Figure 7.1. Modèle d’hypothèses spécifiques au niveau des problèmes. ............................................................ 207
Figure 7.2. Résultats du modèle de structure du problème «la citerne» (n=200) .............................................. 208
Figure 7.3. Résultats du modèle de structure pour le problème «le réservoir d’essence» (n=200) ................... 210
Figure 7.4. Modèle d’hypothèses de liens entre variables générales et variables au niveau des problèmes...... 214
Figure 7.5. Modèle des liens entre variables générales et variables au niveau du problème «la citerne»......... 216
Figure 7.6. Modèle des liens entre variables générales et variables au niveau du problème «le réservoir
d’essence» ........................................................................................................................................................... 217
Figure 7.7. Moyennes des scores de buts d’accomplissement en fonction des profils ........................................ 223
Figure 7.8. Moyennes (scores z) des variables compétence perçue, intérêt individuel et intelligence non verbale
en fonction des profils ......................................................................................................................................... 224
Figure 7.9. Moyennes (scores z) pour les variables spécifiques au problème « la citerne » fonction des profils225
Figure 7.10. Moyennes (scores z) des variables spécifiques au problème « le réservoir d’essence » en fonction
des profils............................................................................................................................................................ 225
Figure 8.1. Modèle général d’hypothèses pour la question de recherche 1 ....................................................... 232
Figure 9.1. Modèle de mesure pour les variables post-résolution du problème « le réservoir d’essence » ....... 271
Figure 9.2. Modèle de structure hypothétique au niveau du problème............................................................... 281
Figure 9.3. Résultats du modèle de structure au niveau du problème ................................................................ 282

Figure 9.4. Résultats du modèle de structure global .......................................................................................... 286
Figure 9.5. Modèle de structure hypothétique au niveau de la matière.............................................................. 289
Figure 9.6. Résultats du modèle de structure au niveau de la matière ............................................................... 290
Figure 9.7. Moyennes pour chaque but d’accomplissement en fonction des profils........................................... 295
Figure 9.8. Moyennes (scores z) pour les aptitudes cognitives en fonction des profils ...................................... 302
Figure 9.9. Moyennes (scores z) pour les croyances motivationnelles et métacognitives au niveau de la matière
en fonction des profils ......................................................................................................................................... 303
Figure 9.10. Moyennes (scores z) pour les stratégies d’apprentissage au niveau de la matière en fonction des
profils .................................................................................................................................................................. 305
Figure 9.11. Moyennes (scores z) pour les variables liées au problème «le réservoir d’essence» en fonction des
profils .................................................................................................................................................................. 306
1. Introduction Page 19
1. Introduction
Les théories psychologiques de l’apprentissage et de la motivation ont très fortement évolué

depuis la seconde moitié du vingtième siècle, grâce à l’arrivée du paradigme cognitiviste et la
désuétude du béhaviorisme. D’une part, le développement de la psychologie cognitive a
permis une compréhension fine de la façon dont les élèves traitent les informations, mettant
notamment en avant le concept de métacognition. D’autre part, les champs de la psychologie
de la personnalité et de la psychologie sociale ont apporté une compréhension détaillée des
aspects motivationnels (par exemple les motifs, buts et intérêts) de l’apprenant. De multiples
théories ont été développées de manière relativement indépendante dans chacun de ces
domaines. Toutefois, étant donné que tant les aspects cognitifs (par exemple le raisonnement
et la métacognition) que motivationnels jouent un rôle reconnu dans les apprentissages, il est
important de comprendre leurs relations. Ceci est notamment pertinent pour les études
s’attachant à appréhender la façon dont les élèves apprennent en situation naturelle.
Cette thèse porte sur le fonctionnement cognitif et motivationnel des apprenants en formation
professionnelle initiale. A notre connaissance, peu de travaux liant ces deux domaines ont été
réalisés en Suisse sur cette population, bien que plus de la moitié des adolescents choisissent
la voie de la formation professionnelle suite à l’école obligatoire. Au niveau international, si
ce type de recherches a été réalisé principalement depuis le début des années 90 (p. ex.,
Pintrich & DeGroot, 1990), les participants de ce genre d’études sont la plupart du temps des
élèves de l’enseignement obligatoire (primaire, secondaire I) ou universitaire. Rarement, les
études ont porté sur des apprenants en formation professionnelle dont les cours sont
directement liés à l’exercice d’une profession. Notre recherche présente donc ces spécificités.
Nous proposons d’étudier, en référence aux mathématiques appliquées à la profession, les

relations entre le fonctionnement cognitif et le fonctionnement motivationnel. Nous faisons
pour cela appel d’une part à des théories récentes sur la motivation à apprendre et d’autre part
à des théories métacognitives. Deux études empiriques ont été réalisées dans le cadre de cette
thèse. Toutes deux portent sur une même population et sur un même thème. La première étude
a permis de développer des instruments et de tester un certain nombre d’hypothèses. La
seconde étude se base sur les résultats de la première et en constitue une élaboration.
Les chapitres constituant cette thèse débutent, suite à cette introduction, par l’exposition de la
problématique. Ce chapitre présente au lecteur certains arguments généraux sur lesquels se
base cette thèse. En premier lieu, nous présentons brièvement la pertinence de l’étude de la
motivation et de la métacognition. Suivent les raisons pour lesquelles nous les étudions chez
les élèves en formation professionnelle et dans le cadre des mathématiques appliqués à la
profession qu’ils apprennent. Dans un deuxième temps, nous précisons quelques
développements récents dans l’étude de la motivation et de la cognition puis finalement nous
formulons le questionnement général de la thèse.
Suivent ensuite trois chapitres exposant les concepts théoriques qui sont à la base de notre
travail (chapitres 3, 4 et 5). Dans un premier temps, nous abordons le construit de la
métacognition en partant de ses trois composantes : les connaissances et croyances
métacognitives, les jugements et sentiments métacognitifs et le contrôle métacognitif. Ces
concepts sont, tout d’abord, abordés à un niveau général et par la présentation des différents
modèles théoriques qui y sont liés (Efklides, 2001 ; Flavell, 1979, 1987 ; Flavell & Wellman,
1977 ; Nelson & Narens, 1990). Dans une seconde partie, ces composantes sont illustrées par
rapport au domaine de la résolution de problèmes mathématiques. Des études empiriques sont
synthétisées pour ce faire.
Dans un deuxième temps, nous présentons une revue de littérature sur les croyances
motivationnelles dans l’apprentissage selon plusieurs perspectives théoriques. Nous avons
choisi d’aborder la motivation en articulant plusieurs construits car ceci permet une
description plus riche et plus complexe de ce phénomène (Lens, 1996 ; Pintrich, 2000a,
2003). Nous discutons les trois perspectives suivantes : la perception de ses compétences, la
valeur de la tâche et les buts d’accomplissement. Dans un deuxième temps, les liens entre ces
croyances motivationnelles sont discutés. Finalement, nous présentons une synthèse de
travaux ayant étudié les relations entre croyances motivationnelles générales et croyances
motivationnelles en situation d’apprentissage.
Dans le dernier chapitre théorique, nous formulons dans un premier temps différentes
critiques au sujet du traitement indépendant des domaines de la motivation et de la
métacognition et nous relevons des arguments théoriques pour ce faire. Dans un deuxième
temps, nous présentons plusieurs modèles récents de l’apprentissage autorégulé. Ensuite, nous
présentons une revue d’études empiriques en fonction des différentes théories adoptées dans
ce travail. Finalement, nous proposons notre modèle théorique sur lequel seront basées les
études empiriques.
Soulignons que les construits présentés dans la partie théorique ne sont pas tous utiles à la
première étude, mais ils le sont tous pour la seconde étude. En effet, la seconde étude
constituant une élaboration de la première, nous y avons étudié un plus grand nombre de
construits théoriques.
Les deux chapitres suivants concernent la première étude (chapitres 6 et 7). Le premier
chapitre présente d’une part les questions de recherche et hypothèses, les participants, ainsi
que les instruments. D’autre part, ce chapitre présente les limites des instruments de récolte
des données ainsi que les méthodes d’analyses des données (modèles d’équations structurelles
et analyses en profils latents) que nous avons employées. Dans le chapitre 7, les résultats sont
rapportés et les implications de ceux-ci pour une seconde étude sont brièvement discutées.
Les chapitres 8 et 9 concernent la seconde étude réalisée dans le cadre de cette thèse. Le
premier chapitre présente les aspects liés à la méthode, c’est-à-dire les questions de recherche
et les hypothèses, la description des participants, la présentation des instruments ainsi que de
leur administration. Le second chapitre présente nos résultats en détails, ceci de manière
descriptive uniquement. Relevons que nous avons délibérément choisi de rapporter les
résultats sans les discuter théoriquement et de regrouper la discussion des résultats des deux
études dans un chapitre unique.
Le chapitre 10 propose une discussion des résultats en le confrontant aux aspects théoriques
décrits dans les chapitres 3, 4 et 5. De plus, les résultats sont comparés avec les résultats
d’autres études empiriques. Ce chapitre permet de discuter les résultats de nos deux études de
manière conjointe. Nous y relevons également certaines limites ainsi que des pistes pour de
futures recherches.
Le dernier chapitre présentera une brève conclusion de notre travail sous la forme
d’implications des résultats pour l’apprentissage et l’enseignement ainsi que pour la recherche
en formation professionnelle.
2. Problématique Page 23
2. Problématique
2.1. Introduction
Ce chapitre traite de la problématique sur laquelle se base cette thèse. En premier lieu, nous
présentons brièvement la pertinence de l’étude de la motivation et de la métacognition puis les
raisons pour lesquelles nous les étudions chez les élèves en formation professionnelle et dans
le cadre des mathématiques appliquées à la profession qu’ils apprennent. Dans un deuxième
temps, nous précisons quelques développements récents dans l’étude de la motivation et de la
cognition puis finalement nous formulons le questionnement général de la thèse.
2.2. La pertinence de l’étude de la motivation et de la métacognition
Les théories socio-cognitives récentes de l’apprentissage en contexte scolaire mettent l’accent

sur une perspective globale de l’élève. En effet, la première vague de recherches sur le
développement des capacités métacognitives des élèves a montré certaines limites qui ont été
attribuées notamment au fait que les facteurs motivationnels et affectifs, tout comme leur
régulation, n’étaient pas considérés (Brown, Bransford, Ferrara & Campione, 1983). Un grand
nombre de recherches empiriques ont démontré l’importance des variables motivationnelles et
affectives pour l’acquisition et l’application des compétences métacognitives. En outre, les
études d’intervention auprès des élèves en difficultés d’apprentissage, chez qui un large
déficit métacognitif est constatable, ont prouvé que ces élèves ne doivent pas seulement
apprendre de nouvelles stratégies et les métaconnaissances qui y sont liées, mais aussi
modifier leurs croyances motivationnelles telles que leur style attributif (par ex. Borkowski,
Johnston & Reid, 1987).
Selon Pintrich et Garcia (1991), le récent intérêt pour l’intégration des construits
motivationnels (notamment les attributions causales, les buts d’accomplissements et le
sentiment d’efficacité personnelle) avec des construits cognitifs (les connaissances
déclaratives et procédurales, les stratégies d’apprentissage et la métacognition) représente une
nouvelle direction importante en psychologie de l’éducation. Le concept d’apprentissage
autorégulé (self-regulated learning) est ainsi apparu dès les années 80 pour caractériser
l’élève que les systèmes scolaires devraient tendre à former. Les théoriciens de la
métacognition et de la motivation en contexte scolaire ont alors proposé des principes

applicables par les enseignants afin de mener l’élève de l’hétérorégulation à l’autorégulation
(Boekaerts, 1997, 1999a ; Borkowski & Muthukrishna, 1992).
Les avancées technologiques ainsi que les développements sociétaux poussent aujourd’hui les
écoles à former des apprenants qui doivent pouvoir se recycler, apprendre tout au long de la
vie et suivre des formations continues poussées. Selon Boekaerts (1997),
A major goal of formal education should be to teach students self-regulatory skills.

These skills are viewed as vital, not only to guide one’s own learning during formal
schooling but also to educate oneself and up-date one’s knowledge after leaving school
(p. 161).
Ces deux objectifs ou fonctions de l’apprentissage autorégulé sont précisés par Brühwiler et
Biederman (2005) : l’apprentissage autorégulé permet à court terme de favoriser l’acquisition
de compétences et de connaissances spécifiques puisque les élèves présentent de meilleures
dispositions pour cela s’ils sont aptes à gérer eux-mêmes leurs apprentissages. Leurs
croyances motivationnelles facilitent également l’application des connaissances et
compétences ainsi que leur transfert. A long terme, l’apprentissage autorégulé développe une
disposition à l’apprentissage autonome et ceci pour la vie d’adulte et la vie professionnelle.
Ceci a son importance dans la société actuelle. Signalons que nous n’étudierons pas dans cette
thèse le développement des compétences d’autorégulation mais uniquement leur application.
De plus, nous restreignons notre champ d’étude aux construits motivationnels et
métacognitifs, sans considérer les autres aspects de l’autorégulation (voir 5.3.2. pour une
description des domaines de régulation potentielle), raison pour laquelle les chapitres
théoriques n’aborderont que ces deux construits et que nous ne présenterons que brièvement
les théories de l’apprentissage autorégulé par la description d’un modèle théorique.
2.3. Pourquoi étudier ces sujets chez des apprentis ?
En Suisse, deux tiers des adolescents s’engagent, suite à la scolarité obligatoire (niveau
secondaire I), dans une formation professionnelle initiale (niveau secondaire II), ce qui a
représenté plus de 77'000 jeunes débutant un apprentissage en 2006 (OFFT, 2006). En Suisse
romande, ce sont environ 50% des adolescents qui choisissent cette voie de formation plutôt
que la voie dite des écoles de maturités (collège ou gymnase). Leur formation professionnelle
est effectuée pour 30% d’entre eux en école de métiers (à plein temps à l’école avec des cours
pratiques et théoriques) et pour 70% d’entre eux en formation dite duale, c’est-à-dire en partie
en entreprise et en partie à l’école professionnelle (OFFT, 2006). Une partie de ces jeunes ne
peuvent pas accéder à la voie maturité car leurs résultats scolaires sont inférieurs aux seuils
fixés pour l’entrée dans ces écoles.
Par ailleurs, la proportion de jeunes s’engageant dans une maturité professionnelle suite à
l’obtention du Certificat Fédéral de Capacités (CFC) est croissante, ce qui signifie qu’ils
poursuivent des études et ont par conséquent besoin de compétences scolaires élargies (OFFT,
2006). Par exemple dans le cas du canton de Genève, une recherche de Rastoldo, Evrard et
Amos (2007) a récemment étudié l’entrée en formation professionnelle des adolescents. Cette
recherche a montré qu’environ la moitié des jeunes s’orientent, à la sortie du secondaire I
(cycle d’orientation) vers une formation en voie maturité et l’autre moitié vers une formation
professionnelle. 19% de ces derniers sont issus de structures spécialisées (structures
d’insertions, formations élémentaires, classe atelier d’accueil ou formation
préprofessionnelle) et 30% sortent du secondaire I avec des difficultés scolaires moyennes à
grandes. Ceci signifie d’une part que la formation professionnelle est un débouché majeur
pour les jeunes à l’issu du cycle d’orientation et d’autre part qu’une large partie de ces jeunes
présentent un niveau scolaire faible. Il est par conséquent important d’étudier le
fonctionnement cognitif et motivationnel de ces élèves par rapport aux matières enseignées au
centre de formation professionnelle. En effet, la compréhension de ce fonctionnement permet
ensuite de développer ou d’adapter des pratiques pédagogiques.
Nos études porteront sur des apprenants en première année de formation professionnelle
initiale de trois ans (aboutissant à un CFC) selon le modèle dual. Ces élèves fréquentent le
centre de formation professionnelle entre un jour et demi et deux jours par semaine ; les autres
jours, ils sont en entreprise. Ils proviennent des cantons de Berne (francophone), Genève,
Fribourg, Neuchâtel et Vaud. Les professions auxquelles ils se destinent sont très diverses et
concernent les domaines industriels, artisanaux, commerciaux, médicaux ou encore sociaux.
Les recherches dans le domaine de l’apprentissage autorégulé s’intéressent la plupart du
temps aux étudiants universitaires, aux élèves du niveau primaire ou secondaire. Par contre,
dans le domaine de la formation professionnelle, ce sujet est rarement étudié, tant en Suisse
qu’au niveau mondial. En outre, les cadres théoriques ont été développés en se basant sur des
élèves suivant une scolarité à plein temps. Etant donné l’importance des théories de
l’apprentissage autorégulé dans le cadre des réformes scolaires actuelles et futures, son étude
auprès des apprenants de la formation professionnelle est pertinente. D’une part pour
comprendre comment ces élèves se situent par rapport aux théories construites en référence à
d’autres populations d’élèves et d’autre part pour décrire ces élèves et donner des pistes
d’intervention.
Dubs (2006), se basant sur la loi sur la formation professionnelle (LFPr, 2002), distingue
plusieurs objectifs fondamentaux de la formation professionnelle initiale parmi lesquels :
« l’encouragement des capacités permettant de s’adapter et de s’imposer dans le monde du
travail » (employabilité) et « l’aptitude à apprendre de manière autonome » (aptitude à
étudier). Ainsi il ne s’agit pas uniquement d’acquérir des compétences et connaissances
spécifiques à la profession apprise, mais également des dispositions à apprendre tout au long
de la vie afin de s’adapter aux changements et évolutions1. La LFPr (2006 ; article 15, alinéa
2) stipule en effet que la personne en formation doit acquérir, en plus des « qualifications
spécifiques qui lui permettront d’exercer une activité professionnelle avec compétence et en
toute sécurité » et de la « culture générale de base qui lui permettra d’accéder au monde du
travail et d’y rester ainsi que de s’intégrer dans la société », « l’aptitude et la disponibilité à
apprendre tout au long de sa vie, d’exercer son sens critique et de prendre des décisions »2.
Relevons finalement que, depuis 2003, l’Office Fédéral de la Formation professionnelle et de

la Technologie (OFFT) a instauré des leading houses, qui sont des pôles de recherche ayant
pour objectifs d’assurer le développement à long terme de la recherche suisse sur la formation
professionnelle et de créer une nouvelle tradition de recherche (OFFT, 2007). Parmi huit
pôles, représentant autant de champs de recherche différents, l’un est consacré aux stratégies
d’apprentissage, preuve que les recherches dans ce domaine sont en plein développement. Ce
pôle a pour objectif d’enrichir les connaissances sur l’apprentissage dans le domaine de la
formation professionnelle car il s’agit d’une filière clairement sous-étudiée dans cette
perspective.
1
Selon Dubs (2006), « celui qui ne possède pas un large savoir et savoir-faire n’a pas la motivation ni pour se
frotter aux questions complexes de notre époque, ni pour y réfléchir. Il lui manque aussi les préalables
indispensables à l’apprentissage tout au long de la vie, car seuls les individus ayant un large savoir et savoir-faire
peuvent se former leur vie durant » (p. 98).
2
Certaines associations patronales ont inclu, dans le cadre des cours dispensés au centre de formation
professionnelle, des manuels qui ont pour objectif de développer les capacités d’apprentissage, les connaissances
de soi en tant qu’apprenant et les méthodes de travail et d’étude (Association patronale suisse de l’industrie des
machines, 2004).
2.4. La pertinence des mathématiques
Les mathématiques appliquées à la profession constituent notre domaine d’étude dans cette
thèse et ceci pour deux raisons principales : d’une part leur importance dans l’apprentissage
d’une profession et d’autre part leur rôle potentiel dans l’échec en première année.
Les mathématiques sont, pour la plupart des formations professionnelles initiales menant au
CFC, enseignées dans le cadre de cours de calcul professionnel. Ces cours ont pour objectif
l’enseignement de notions mathématiques utiles à l’exercice de la profession. Les notions sont
appliquées à des problèmes faisant référence à des situations du métier. Par exemple pour la
formation de coiffeur3, les problèmes relatifs aux notions de proportions concernent le
mélange de produits pour réaliser une teinture capillaire. Pour certaines formations
professionnelles initiales, des cours nommés « mathématiques » figurent au programme. Pour
d’autres formations, l’enseignement du calcul est mentionné dans le cadre des cours de
culture générale (enseignement de culture générale). Les ordonnances de formation utilisent
des termes et des formulations diverses pour faire référence aux notions mathématiques, ce
qui a pour conséquence qu’il est relativement difficile de déterminer précisément les notions
abordées pour chaque formation.
Les notions mathématiques sont nécessaires dans une plus ou moins grande mesure pour
l’exercice de toutes les professions. Il s’agit donc d’un domaine transversal qui permet de
comparer les élèves issus de différents domaines d’apprentissage. Toutefois, étant donné que
les notions mathématiques enseignées divergent largement en fonction des professions, il
n’est pas possible d’utiliser un type d’exercice issu d’un cours de calcul professionnel qui ait
du sens pour tous les apprenants. Par ailleurs, les apprenants accordent une certaine valeur
instrumentale à l’apprentissage du calcul professionnel, ce qui donne une pertinence
écologique à son étude (Gurtner, 2003 ; Praplan, 2007).
Les élèves qui débutent un apprentissage CFC n’ont généralement pas une attitude favorable
par rapport à la scolarité. La grande majorité est issue des filières de bas niveau au secondaire
I et leur niveau scolaire en mathématiques est par conséquent assez faible. Considérant cette
population, il n’est pas étonnant que les difficultés en mathématiques, notamment les lacunes,
constituent une cause fréquente d’échec en 1ère année d’apprentissage. Ceci se manifeste bien
évidemment de manière plus ou moins forte en fonction des domaines (par exemple dans les
3
Afin d’éviter les lourdeurs qu’entraînerait la répétition systématique des termes masculins et féminins pour
désigner des personnes ou des professions, seul le genre masculin a été retenu comme générique. Les lectrices et
lecteurs voudront bien en tenir compte.
domaines de l’électricité/électronique les échecs sont relativement fréquents pour cette raison
car les exigences y sont élevées). Les recherches sur le sujet de l’apprentissage du calcul
professionnel sont toutefois très rares au niveau Suisse alors qu’elles présenteraient une
grande pertinence au vu des arguments énoncés ci-dessus. Le calcul professionnel est en outre
une branche située entre le domaine scolaire et le domaine professionnel. En cela, elle peut
être sujette à la fois à un certain rejet et à un certain intérêt du fait de son caractère utilitaire.
Par ailleurs, les études PISA ont récemment montré que les adolescents suisses en fin de
scolarité obligatoire présentaient des compétences en mathématiques supérieures à la
moyenne des pays de l’OCDE (Holzer, Zahner Rossier, & Brühwiler, 2004). En comparaisons
intercantonales, les élèves genevois obtiennent les performances les plus faibles alors que les
fribourgeois (francophones) réalisent les résultats les plus élevés (Antonietti & Guignard,
2005).
2.5. Les niveaux d’études de la motivation et de la cognition
Au niveau théorique, cette thèse participe à la compréhension de l’autorégulation de

l’apprentissage d’une part par une centration sur les relations entre croyances motivationnelles
et variables métacognitives et d’autre part par l’intégration des compétences cognitives
(intelligence non-verbale, mémoire de travail et compétences numériques) dans un modèle de
l’apprentissage autorégulé. Récemment, les théories motivationnelles ont subi un mouvement
vers une prise en compte plus forte du contexte. Selon Volet (2001), il est de plus en plus
évident que l’engagement productif dans l’apprentissage se doit d’être compris en relation au
contexte dans lequel il est ancré car celui-ci donne sens aux actions orientées vers cet
apprentissage. D’autre part, les conceptions dynamiques ont pris le pas sur les conceptions
considérant la motivation comme trait stable de l’individu. L’étude de la motivation est
maintenant conduite à différents niveaux : celui de la matière ou de tâches spécifiques par
exemple. Ceci permet d’étudier les interactions entre croyances motivationnelles relatives à
une matière et les indicateurs motivationnels dans l’exécution d’une tâche (notamment les
appréciations4), fournissant ainsi une compréhension plus fine et plus riche. A ce sujet,
Boekaerts (2001) propose d’étudier la motivation en situation et une centration sur deux
niveaux d’études est nécessaire :
4
Traduction du terme appraisals
Theories and models of motivation should reflect both the stable aspects of motivation
(i.e., how general traits and domain-specific traits affect students’ tendency to react
favorably or unfavorably in relation to learning in a subject-matter domain) and a
student’s context sensitivity, given local conditions. (p. 19)
Ainsi, Boekaerts affirme que les croyances motivationnelles spécifiques au domaine doivent
être distinguées des jugements de la situation actuelle (croyances motivationnelles spécifiques
à la situation) et que les chercheurs doivent considérer ces deux niveaux de croyances afin
d’expliquer le comportement des élèves. Selon Volet (2001),
Taking trait-like constructs of motivation in the experiential domain, incorporating

them into the network of concepts needed to capture the reality of real-life learning, and
examining their dynamic interactions with situational dimensions, is expected to
provide a more fine-grained and richer understanding of their relative and conditional
significance. (p. 320)
Plusieurs études de Boekaerts (p. ex. Seegers & Boekaerts, 1993) ont montré que l’influence
des croyances motivationnelles au niveau du domaine sur l’état émotionnel, l’intention
d’apprendre et la performance était complètement médiatisée par les appraisals de la situation
(pertinence perçue, attirance et compétence subjective). Ceci souligne le rôle clé de la
perception de la situation actuelle dans la prédiction des variables dépendantes liées à une
situation d’apprentissage.
Relevons toutefois que les construits motivationnels considérés comme trait (par exemple la
peur de l’échec) ont toujours un rôle important à jouer dans la compréhension du
fonctionnement motivationnel et cognitif des élèves. Finalement, un autre mouvement récent
propose d’adopter une approche centrée sur l’individu (person-centered analysis ; par
exemple par l’utilisation d’analyses de clusters) en plus d’une approche centrée sur les
variables (Niemivirta, 2002). Dans le domaine de l’étude de la cognition et métacognition, les
théories sont également devenues plus fortement « contextualisées » et le mérite de l’étude in
situ est reconnu (Dermitzaki & Efklides, 2001). Ce mouvement vers la contextualisation se
manifesterait, selon Anderman et Anderman (2000) au travers de toute la recherche en
psychologie et en éducation.
2.6. Questionnement général de la thèse
Notre travail s’intéressera d’une manière générale aux liens entre la métacognition, les
croyances motivationnelles et les aptitudes cognitives. Nous étudierons ces liens tant au
niveau de problèmes mathématiques qu’au niveau plus général de l’apprentissage du calcul
professionnel. En outre, nous proposerons une classification des apprenants en fonction de
leurs croyances motivationnelles, ce qui nous permettra d’analyser les liens entre des profils
motivationnels, la métacognition et les aptitudes cognitives.
La métacognition et les croyances motivationnelles étant des construits multidimensionnels,
ceux-ci seront étudiés sous différentes formes. La première sera décomposée en contrôle
métacognitif (Brown, 1978), expériences métacognitives pré-résolution ainsi que expériences
métacognitives post-résolution (Efklides, 2001). La seconde sera abordée en s’appuyant sur
les théories des buts d’accomplissement (Elliot & McGregor, 2001), de la valeur de la tâche
(Eccles, 1983) et de la perception des compétences (Bandura, 1997/2003). Nous nous
appuierons ainsi en particulier sur les travaux d’Efklides dans le domaine de la métacognition
ainsi que sur les travaux relevant d’une perspective socio-cognitive de la motivation à
apprendre.
Nous nous efforcerons de répondre aux questions suivantes : Comment les différentes
composantes de la métacognition sont-elles liées ? Comment les croyances motivationnelles
sont-elles liées au fonctionnement métacognitif ? Quelles sont les influences des aptitudes
cognitives dans ces relations ? Quelles sont les variables les plus importantes/influentes dans
le fonctionnement métacognitif ?
3. La métacognition Page 31
3. La métacognition
3.1. Introduction
Dans le champ d’étude de la métacognition, plusieurs chercheurs (Koriat, 2002 ; Koriat

& Shitzer-Reichert 2002 ; Paris, 2002 ; Son & Schwarz 2002) distinguent deux courants
ou traditions de recherches majeures qui se sont développés historiquement de façon
relativement indépendante. L’un instiguée par Flavell (1971, 1976 ; Flavell, Friedrichs
& Hoyt, 1970 ; Flavell & Wellman, 1977 ; Kreutzer, Leonard & Flavell, 1975) et situé
dans le champ de la psychologie développementale et l’autre, représenté notamment par
Nelson (par ex., Nelson & Narens, 1990, 1994), en psychologie cognitive. Ces deux
courants diffèrent tant au niveau de leurs objectifs qu’au niveau méthodologique. Tous
deux ont étudiés la métacognition dans le domaine de la mémoire avant d’être
généralisés à d’autres domaines, notamment celui des apprentissages scolaires. En
outre, Koriat (2002) mentionne deux autres courants de recherche intéressés par la
métacognition, celui de la psychologie sociale plutôt intéressé par les connaissances
métacognitives (perceptions de soi, attributions causales, humeurs) et celui de la
neuropsychologie cognitive, qui étudie principalement le fonctionnement exécutif.
Selon Koriat (2002), le courant développementaliste s’est plus centré sur les variations
entre individus et entre groupes à propos de différents aspects des connaissances
métacognitives, des capacités, des stratégies et s’est moins attaché à étudier les
processus sous-jacents au monitoring5 et au contrôle métacognitif en soi. Par contre,
l’approche dite cognitiviste de la métacognition s’est quant à elle intéressée avant tout à
la métamémoire procédurale, c’est-à-dire à l’étude des processus et dynamiques
métacognitifs. Le point central actuel dans ce domaine semble être l’étude de la relation
entre le monitoring et le contrôle. Au contraire des développementalistes, les chercheurs
de cette approche ne s’intéressent pas spécifiquement aux différences dues à l’âge ou
aux différences interindividuelles mais en particulier aux variations intra-individuelles.
Au niveau méthodologique, Koriat relève que les différences se sont traduites en
corrélations intra-individuelles (within-individual), comme par exemple entre Feeling-
of-Knowing (FOK ; sentiment de connaître) et performance de rappel ou entre jugement
5
Tous ces termes seront définis dans la suite du texte.
de confiance et exactitude de ce jugement d’un côté et en étude des différences inter-

individuelles d’un autre côté, soit dans une perspective développementale soit dans des
comparaisons inter-groupes. Une distinction supplémentaire entre le courant
développementaliste et le courant cognitiviste concerne le type d’informations sur
lequel se baseraient les jugements métacognitifs (métacognition on-line). En effet, selon
Nelson, Kruglanski et Jost (1998) :
(…) it is possible to distinguish among two different types of information that

provide the basis for metacognitive judgments: momentary feelings and
impressions, and lay or implicit theories that are more enduring. Cognitive
psychologist have usually emphasized the former basis for metacognition and
have tended not to consider the more lasting bases of metacognitive knowledge, in
part because implicit theories are often linked to cultural norms and beliefs that
are assumed to fall outside of the province of cognitive psychology. (p. 71)
Toutefois, précisons que ce que Nelson et al. (1998) nomment momentary feelings and
impressions ne concerne pas des aspects affectifs ou motivationnels (cognitions dites
chaudes ; hot cognitions6) mais des impressions telles que le sentiment de connaître ou
le sentiment que l’apprentissage sera plus ou moins facile. Son et Metcalfe (2000) ont
toutefois récemment introduit le jugement d’intérêt dans leurs travaux, qui est considéré
comme une cognition chaude.
La grande diversité des construits se disant liés au concept de la métacognition nous
oblige à préciser notre champ d’étude afin d’éviter les confusions et de délimiter la
recherche. Après avoir passé en revue des aspects de définition, nous aborderons en
détails et consécutivement les concepts de croyances et connaissances métacognitives,
de jugements et sentiments métacognitifs et de contrôle métacognitif et dans une
perspective de différences interindividuelles principalement. Ces composantes de la
métacognition seront finalement illustrées dans le domaine de la résolution de
problèmes mathématiques par une synthèse des recherches empiriques concernées.
6
Le terme de cognition chaude se réfère à la considération du rôle de l’affect (émotions et motivation)
dans le fonctionnement cognitif. Il est opposé à la cognition froide, qui ne tient compte que de facteurs
purement cognitifs.
3.2. Définir la métacognition

3.2.1. Une définition générale
Dans le domaine de la métacognition, plusieurs chercheurs dénoncent le fait que les

modèles et les définitions soient nombreuses ce qui a pour conséquence que les mêmes
construits sont utilisés pour décrire des phénomènes différents et à l’inverse que des
construits différents sont utilisés pour décrire des phénomènes similaires (p. ex.
Boekaerts, 1999b ; Reder, 1996 ; Veenman, Van Hout-Wolters & Afflerbach, 2006). La
question des différences de définitions de la métacognition et de ses composantes a
souvent été discutée (p. ex. Boekaerts, 1999b ; Cavanaugh & Perlmutter, 1982 ;
Schoenfeld, 1987 ; Schraw, 2000) et s’il a souvent été proposé d’adopter une
terminologie commune, il semble que ce soit encore loin d’être le cas. En outre, sous le
terme de métacognition, des concepts très différents peuvent être traités, par exemple les
théories de l’esprit, l’apprentissage autorégulé, la métamémoire, etc. Dans ce travail,
nous avons choisi une certaine terminologie que nous définirons aussi clairement que
possible et à laquelle nous nous tiendrons.
Une définition de base de la métacognition est proposée par Schraw, Wise et Roos
(2000) : « metacognition refers to thinking about thinking, or more generally, to using
higher-level knowledge and strategies to regulate lower-level performance » (p.223).
La métacognition contribue à l’apprentissage par le fait qu’elle aide l’apprenant à

utiliser ses ressources attentionnelles de façon plus efficace, à traiter l’information à un
niveau plus profond et à guider sa performance de manière plus précise (Schraw et al.,
2000 ; Veenman, Kok & Blöte, 2005). Selon Brown (1978), la métacognition est
l’aspect essentiel du fonctionnement cognitif7. En outre, elle est liée à l’intelligence
mais est plus largement prédictive de l’apprentissage, ce qui signifie qu’elle permettrait
de compenser les limites intellectuelles relatives aux apprentissages. La métacognition
est également liée à l’expertise de l’individu dans le domaine concerné et leurs
7
« (…) the processes described as metacognitive are the important aspects of knowledge, that what is of
major interest is knowledge about one’s own cognitions rather than the cognitions themselves. Just as
fever is a secondary symptom, an epiphenomenon of disease (…), so the outcome of intelligent evaluation
and control of one’s own cognitive processes are secondary symptoms of the basic underlying processes
of metacognition » (Brown, 1978, p. 79).
développements respectifs vont de paire (Sternberg, 1998). Selon Winne (1996), chez
les experts, les compétences métacognitives (le contrôle métacognitif) seraient inclus
dans les connaissances spécifiques au domaine concerné. Hacker (1998) propose une
définition plus large de la métacognition, incluant la notion d’états affectifs en plus de
composantes purement cognitives. Selon lui, une définition de la métacognition inclut
au minimum les notions suivantes :
knowledge of one’s knowledge, processes, and cognitive and affective states; and
the ability to consciously and deliberately monitor and regulate one’s knowledge,
cognitive processes, and cognitive and affective states. (p. 11)
Par ailleurs, Butterfield, Albertson et Johnston (1995) introduisent la distinction entre

mémoire de travail et mémoire à long terme dans la définition de la métacognition et
définissent cette dernière en termes de modèle de la cognition :
Metacognition is cognition about cognition. Cognition involves knowledge of the

world and strategies for using that knowledge to solve problems. Metacognition
concerns understanding, monitoring, and controlling one’s knowledge and
strategies (…) (p. 188). Cognition is use of knowledge and strategies from long-
term memory. Metacognition is monitoring and controlling cognition in working
memory. Monitoring and control are guided by metacognitive understanding and
models of how to use knowledge and strategies, both of which are stored in long-
term memory. Although metacognition is a complex concept, it is no longer poorly
defined. (p. 183)
Paris (2002) distingue les approches dites fonctionnelles des approches dites
structurelles de la métacognition. Les premières s’intéressent au rôle instrumental que
joue la métacognition (comment les processus mentaux opèrent-ils ? qu’accomplissent-
ils ? comment varient-ils en fonction de l’environnement ? etc.), alors que les dernières
examinent la présence ou existence et la qualité des pensées. Sa perspective est
fonctionnaliste et adopte les principes suivants. La métacognition :
• requiert une analyse ancrée théoriquement,

• se développe pendant l’enfance et grâce à l’acquisition de l’expertise,
• est motivée par ses propres actions et celles des autres,
• est influencée par les pratiques socioculturelles,
• a une série de conséquences allant de négative à positive.
Paris (2002) insiste en outre sur la nécessité de considérer les motifs pour lesquels une
personne est poussée à penser à propos de sa cognition. Si l’on ne tient pas compte de
ces motifs, il serait impossible d’examiner les conséquences et de ce fait de déterminer
si les pensées sont fonctionnelles, utiles, adaptée ou valables pour l’individu. Ce sont
par exemple les désirs personnels de donner du sens aux événements, de créer ou de
modifier des représentations de soi qui motiveraient des processus métacognitifs tels
que l’évaluation, la planification et le monitoring. Les théories du développement du
self, telle que celle proposée par Harter (1999) pourraient selon Paris donner une
fondation à la métacognition. Harter postule que les processus liés à soi (les
représentations de soi) réalisent trois fonctions positives, qui sont organisationnelles,
motivationnelles et protectrices. La métacognition pourrait être liée aux théories du
développement de soi car ses propres réflexions, sa conscience et le monitoring cognitif
contribuent tous au concept de soi et à l’identité. En outre, si la métacognition a
généralement été considérée comme bénéfique, Paris (2002) affirme que certains
processus métacognitifs peuvent également produire des effets négatifs pour l’individu.
Il s’agit par exemples des processus d’auto-évaluation lorsque celle-ci est négative, ce
qui détériore l’image de soi, des pensées obsédantes qui peuvent résulter en un long
délai de réponse ou inhiber l’action dans les cas plus graves ainsi que des pensées de
désillusions sur ses capacités qui peuvent mener à des actions inappropriées, telles que
le non-respect des règles sociales par exemple.
3.2.2. La définition classique en deux composantes
On distingue classiquement deux composantes dans la métacognition : la connaissance

de la cognition et le fonctionnement exécutif8. La première est constituée de
connaissances déclaratives, procédurales et conditionnelles sur la cognition, alors que la
seconde est divisée en processus dits de monitoring et de contrôle métacognitif 9 qui
permettent le fonctionnement exécutif (Schraw et al., 2000). Selon Kluwe (1982, p.
202), le préfixe « méta », qu’il soit associé au domaine de la cognition ou à un autre
domaine, se réfère aux attributs suivants :
1. l’individu a certaines connaissances de sa propre pensée et de celle d’autres

personnes,
2. l’individu peut guider et réguler le cours de sa propre pensée, c’est-à-dire agir
comme agent causal de sa propre pensée.
On retrouve dans cette explication les deux composantes classiques de la métacognition.

Le modèle de Büchel (1996 ; voir figure 1) représente la relation entre métacognition et
cognition.
8
La multiplicité des termes pour désigner cette composante est impressionnante : régulation de la
cognition, stratégies métacognitives, compétences métacognitives, fonctions exécutives, processus
exécutifs, connaissances procédurales, autorégulation, etc.
9
Le terme « contrôle métacognitif » désigne une composante de la métacognition alors que le terme
« contrôle continu/final » désigne l’une des activités du contrôle métacognitif (voir Figure 3.2).
Niveau de la métacognition
Les métaconnaissances:
les connaissances par rapport au sujet à apprendre

les connaissances par rapport à soi-même
les connaissances par rapport aux stratégies
nourrissent
Les fonctions exécutives:
Les processus d’anticipation

Les processus de planification
Les processus de contrôle
guident et coordonnent
Niveau des cognitions
Les cognitions:
les processus de décodage

les processus d’auto-répétition
les processus de comparaison et de classification
les processus d’intégration dans la structure des connaissances
les processus de rappel
Figure 3.1. Le modèle de la métacognition selon Büchel (1996, p. 184)
Il distingue deux niveaux : le niveau de la métacognition et le niveau de la cognition.

Au premier niveau, figurent les métaconnaissances, qui sont composées des
connaissances par rapport au sujet à apprendre (la tâche), à soi-même et aux stratégies.
Ces connaissances nourrissent les fonctions exécutives qui sont exemplifiées par
l’anticipation, la planification et le contrôle. A leur tour, ces fonctions guident et
coordonnent les cognitions telles que les processus d’encodage, d’auto-répétition, de
comparaison et classification. Il s’agit bien entendu d’un modèle heuristique, les
influences et dépendances entre les niveaux et les composantes dépendant de nombreux
autres facteurs. En outre, le modèle ne représente que des relations unidirectionnelles et
il n’élabore pas la composante de monitoring que nous allons détailler plus loin. Les
liens sont très forts entre les métaconnaissances et les fonctions exécutives puisque ce
sont ces premières qui rendent possible l’utilisation des secondes et qu’elles se
développent l’une grâce à l’autre (Brown, 1987). Si l’on ne possède pas les
connaissances nécessaires sur une tâche, sur les stratégies et sur son propre
fonctionnement cognitif, on ne sera par exemple pas capable de planifier sa démarche
de résolution de façon appropriée (Büchel, 1995)10. A ce sujet, Swanson (1990) a
montré empiriquement que les connaissances déclaratives sur la cognition facilitent la
régulation dans la résolution de problèmes chez des élèves de cinquième et sixième
degrés primaires.
3.2.3. Une définition en trois composantes
Notre choix de définition se porte sur une distinction en trois composantes, soit a) les
connaissances et croyances métacognitives, b) les jugements et sentiments
métacognitifs et c) le contrôle métacognitif. Chacune d’entre elles a tout d’abord été
étudiée et élaborée dans le champ de la mémoire humaine. Pour discuter des différentes
composantes de la métacognition, nous nous basons sur la taxonomie proposée par
Pintrich, Wolters et Baxter (2000), que nous avons adaptée (voir figure 2). Nous traitons
des composantes sans aborder chaque élément de la taxonomie mais uniquement ceux
qui retiennent notre attention dans le présent travail.
10
Ceci a été formulé par Büchel (1995) sous la forme d’une question : « si je connais les spécificités de la
tâche, les caractéristiques de mon propre fonctionnement cognitif et un certain nombre de stratégies,
comment puis-je anticiper, planifier et contrôler ma démarche d’apprentissage ? » (p. 23-24).
I. Connaissances et croyances métacognitives
A. Sur la cognition en général – les universels de la cognition (théories personnelles sur la

cognition, théories implicites des capacités, etc.) ;
B. Sur les stratégies cognitives :
1) déclaratives sur le quoi, sur quelles types de stratégies sont disponibles pour la
mémoire, la pensée, la résolution de problèmes, etc.,
2) procédurales sur le comment utiliser et mettre en œuvre différentes stratégies
cognitives,
3) conditionnelles sur le quand et le pourquoi utiliser différentes stratégies
cognitives.
C. Sur les tâches et les contextes et comment ils peuvent influencer la cognition ;
D. Sur soi en tant qu’individu pensant– connaissances comparatives des forces et faiblesses
intra individuelles et interindividuelles comme apprenant ou individu pensant ; mieux
interprétées comme croyances sur soi motivationnelles.
II. Jugements et sentiments métacognitifs (expériences métacognitives)
A. Jugements : évaluations ou estimations de type cognitives réalisées en lien avec une

tâche11. Jugement de confiance, jugement de compréhension, jugement d’apprentissage,
estimation des efforts nécessaires, estimation du temps nécessaire, etc.
B. Sentiments : évaluations de type affectives réalisées en lien avec une tâche. Sentiment de
difficulté, Sentiment de familiarité, Sentiment de connaître, Sentiment de satisfaction, etc.
III. Contrôle métacognitif
A. Activités d’anticipation - déterminer ce qui pourrait rendre une tâche difficile, se fixer un
but pour l’apprentissage, déterminer les efforts nécessaires.
B. Activités de planification – déterminer les étapes de résolution d’une tâche, comment
débuter la résolution, ordonner les étapes, déterminer le temps pour résoudre la tâche.
C. Activités de contrôle continu et final– vérifier pendant et après la résolution que celle-ci
suit effectivement son cours, que l’application des stratégies donne les résultats
escomptés. Prendre des décisions relatives au choix des stratégies à utiliser pour une
tâche, ou à quel moment changer de stratégie pendant la réalisation d’une tâche.
Figure 3.2. Taxonomie adaptée de Pintrich et al. (2000) : Les trois composantes générales de
la métacognition
11
Aussi nommés jugements de monitoring dans la théorie de Nelson et Narens (1990)
Pour Schraw et al. (2000), les composantes monitoring et contrôle constituent les deux aspects
de la régulation métacognitive et sont par conséquent interdépendantes comme c’est le cas
dans le modèle de Nelson et Narens (1990 ; présenté plus loin). Pour Schneider et Lockl
(2002), jugements/sentiments métacognitifs et contrôle métacognitif sont regroupés sous le
terme de procedural metaknowledge, les connaissances et croyances métacognitives étant
désignées par le terme declarative metaknowledge. D’après Efklides (2006a), la
métacognition implique trois classes de phénomènes : a) les expériences métacognitives, b)
les compétences métacognitives (skills) qui sont utilisées pour le contrôle explicite de la
cognition et c) les connaissances métacognitives qui codifient les connaissances de la
cognition et sont des connaissances déclaratives qui intègrent notamment les informations
tirées des jugements/sentiments et du contrôle métacognitif. Kluwe (1982) distingue lui les
connaissances cognitives (déclaratives) nommées par d’autres métaconnaissances, les
processus exécutifs de monitoring et les processus exécutifs de régulation (nommés par
d’autres processus de contrôle). On distingue ici un consensus pour classer, sous des termes
différents, les processus et connaissances métacognitives en trois groupes, comme cela est le
cas dans la taxonomie de Pintrich et al. (2000). Nous traiterons les trois composantes de façon
séparées, en sachant qu’elles sont fortement interdépendantes ou en interaction. Cette
interdépendance sera traitée au fil de la discussion des composantes.
3.2.4. Les distinctions entre cognition et métacognition
Nous développons des actions cognitives ou stratégies pour réaliser des progrès cognitifs
(stratégies cognitives) et nous développons également des actions cognitives ou stratégies
pour guider ces progrès cognitifs (c’est-à-dire un contrôle métacognitif) (Flavell, 1981).
Comme exemples, Flavell (1987) cite l’addition comme stratégie cognitive et le fait de refaire
une fois l’addition comme stratégie métacognitive. Dans le domaine de la compréhension de
texte, une distinction similaire est faite entre la lecture lente pour apprendre le contenu d’un
texte et le skimming12 pour se faire une idée de la difficulté d’apprendre le texte (Flavell,
1987).
Kluwe (1982) a également proposé des critères de distinction entre le métacognitif et le
cognitif. Selon lui, les données enregistrées en mémoire à long terme ainsi que les processus
peuvent figurer aux deux niveaux métacognitif et cognitif. Il propose un critère de distinction
des connaissances cognitives et métacognitives. Les données figurant au niveau cognitif
12
Passer en revue rapidement les différentes pages du texte pour se donner une idée de la longueur, du sujet, etc.
consistent en les connaissances spécifiques à un domaine ou les connaissances du domaine

concerné (connaissances mathématiques par exemple) et des processus de résolution simples
(processus dirigés vers la résolution d’un problème spécifique). Au niveau métacognitif,
figurent les processus qui guident la sélection, l’application et les effets des processus de
résolution ; ce sont les sentiments/jugements et le contrôle métacognitif, qui sont appelés
processus exécutifs par Kluwe. Butterfield et al. (1995) proposent de distinguer la cognition
de la métacognition de la façon suivante : la cognition constitue l’utilisation des
connaissances et des stratégies. Tant la connaissance que les représentations du monde ou
encore les stratégies agissent comme connaissances. La métacognition réfère d’une part au
monitoring (jugements et sentiments métacognitifs) et au contrôle de la cognition, guidés par
des modèles miniatures spécifiques à la tâche concernée, et d’autre part à la compréhension
des facteurs qui influencent la cognition. D’autres chercheurs, par exemple Garofalo et Lester
(1985) ont suggéré des critères de distinction plus basiques, en proposant que la cognition est
impliquée dans le faire, alors que la métacognition est impliquée dans le choix et la
planification de ce qu’il faut faire ainsi que le monitoring de ce qui est en train d’être fait.
Dans l’étude des stratégies d’apprentissage, les chercheurs ont distingué des stratégies dites
cognitives et des stratégies dites métacognitives. Weinstein, Husman et Dierking (2000)
définissent les stratégies d’apprentissage comme « any thought, behaviors, beliefs, or
emotions that facilitate the acquisition, understanding, or later transfer of new knowledge and
skills » (p. 727). Ces stratégies sont orientées vers un objectif, intentionnelles et demandent
une certaine quantité d’efforts. L’utilisation de ces stratégies par l’apprenant consiste à
manipuler des informations en recourant à des processus tels que la répétition, l’élaboration
ou la réorganisation de matériel afin qu’il enregistre en mémoire et puisse rappeler ces
informations aux moments opportuns.
Plusieurs taxonomies des stratégies d’apprentissage ont été élaborées depuis les années 70.
Parmi celles-ci, celle de Weinstein et Mayer (1986) distingue cinq catégories de stratégies :
répétition (reheasal), élaboration, organisation, contrôle de la compréhension (comprehension
monitoring) et stratégies affectives. Les trois premières sont des stratégies qui agissent
directement sur les informations à apprendre et facilitent l’acquisition et l’organisation de
celles-ci. Les deux dernières fournissent un support métacognitif et affectif à l’apprentissage.
Les stratégies de répétition consistent à sélectionner et encoder l’information de la même
manière qu’elle est présentée. Il s’agit par exemple de réciter ou d’apprendre « par cœur » les
informations, de les recopier, de prendre des notes ou encore de souligner. Les stratégies
d’élaboration servent à donner du sens aux informations et à établir des connexions entre les
nouvelles informations à apprendre et les pré-connaissances de l’apprenant. Ces stratégies
sont exemplifiées par le fait de créer une image mentale, de paraphraser, de résumer ou de
réaliser des analogies. Les stratégies d’organisation permettent de construire des liens parmi
les nouvelles informations à apprendre. Il peut s’agir notamment de catégoriser les
informations ou de dessiner des diagrammes. Concernant les stratégies de contrôle de la
compréhension, celles-ci sont des stratégies métacognitives qui permettent à l’apprenant
d’évaluer sa compréhension et de contrôler l’exécution des stratégies d’acquisition et
d’organisation. Par exemple, l’apprenant peut réaliser un auto-questionnement ou chercher
des erreurs. Ces stratégies s’apparentent à ce que nous avons nommé « contrôle
métacognitif » dans la figure 3.2. La dernière catégorie de stratégies, les stratégies affectives,
sont utiles à l’apprenant pour maintenir son attention et sa motivation. Par exemple, il peut
s’agir de se parler pour s’encourager, de réduire son anxiété ou de gérer son temps. Chacune
des stratégies peut être appliquée tant pour des tâches d’apprentissage simples que pour des
tâches d’apprentissage complexes.
Comme le discutent Pintrich et Garcia (1994), les stratégies de répétition se montrent
largement efficaces pour certains cours et certaines formes d’évaluation. Par conséquent, il
faut tenir compte du contexte dans l’étude des stratégies d’apprentissage. Les stratégies de
traitement en profondeur, telles que l’élaboration, organisation ou les stratégies
métacognitives ne sont pas toujours plus efficaces que les stratégies de traitement en surface
telles que les stratégies de répétition. Toutefois, d’une manière générale, les élèves qui
utilisent des stratégies de traitement en profondeur obtiennent de meilleurs résultats scolaires.
3.2.5. Introspection et conscience
Chez Piaget (1977), on retrouve notamment sous le concept d’abstraction réfléchissante l’idée
d’une réflexion métacognitive du sujet. Piaget distingue l’abstraction empirique, portant sur
les propriétés d’un objet ou d’une action, de l’abstraction réfléchissante, qui porte notamment
sur les activités cognitives de l’individu. Cette abstraction permet la conceptualisation de
l’action. Selon Piaget (1974), ce serait vers l’âge de 11 ou 12 ans que les enfants deviennent
capables d’abstraction réfléchie, ce qui signifie que leur niveau de conscience leur permet une
réflexion sur leur propre pensée. L’enfant est alors capable d’élaborer des théories et non plus
seulement apte à raisonner de manière concrète. Le contrôle métacognitif est selon une grande
partie des chercheurs (Brown, 1987 ; Reder, 1996 ; Winne, 1996) une activité qui peut être
tant consciente qu’inconsciente, au contraire des connaissances et croyances métacognitives

qui sont par définition des cognitions conscientes. Paris (2002) propose une définition de la
métacognition comme consciente et généralement délibérée, ce qui permet à ce type de
pensées d’être mesurées, vérifiées ou rejetées. Selon lui, si la métacognition ne suit pas ces
caractéristiques, elle ne possède alors pas de pouvoir explicatif, puisqu’elle n’est pas
empiriquement testable. Bien que Paris reconnaisse qu’il existe d’autres formes implicites et
inconscientes (sentiments, rêves et associations sur les cognitions), il pense qu’il faut les
étudier comme une classe de cognitions différentes de la conscience de l’individu de sa propre
pensée. Par ailleurs, il est important selon Paris (2002) de restreindre les définitions de la
métacognition et des stratégies comme explicites, conscientes et souvent délibérées puisque
ceci leur donne un statut différent des autres cognitions et permet plus de recherches et
d’explications. La différence entre processus implicites/inconscients et stratégies explicites est
à ce propos importante car elle porte l’attention sur le rôle de la conscience dans le guidage de
la pensée. Ainsi il serait malvenu, selon ce même chercheur, de confondre dans le terme
unique de métacognition des processus automatisés avec des stratégies appliquées de manière
délibérée pour la résolution d’une tâche ou pour la lecture d’un texte. Il conçoit toutefois que
des processus conscients tels que les stratégies puissent devenir automatisés et de ce fait
appliqués de manière de moins en moins consciente13. Cette position ferme sur le rôle de la
conscience dans la métacognition n’est pas partagée par tous les chercheurs (par ex. Brown,
1987 ; Cary & Reder, 2002 ; Flavell & Wellman, 1977 ; Borkowski et al., 1987). Par
opposition à Paris, Cary et Reder (2002) postulent que les raisons du choix d’une certaine
stratégie ne sont pas forcément conscientes. La conscience de ces raisons serait dépendante de
multiples facteurs, tels que le temps nécessaire à l’exécution de la stratégie ou la facilité avec
laquelle la tâche peut être réalisée. En effet, les processus exécutés très rapidement ne
permettent pas d’introspection pour influencer la réalisation ou le choix de la stratégie, alors
que des tâches plus longues laissent plus de temps à l’individu pour réfléchir sur ce qu’il est
en train de faire14. Au sujet de l’influence de la facilité de la tâche, si les tâches extrêmement
faciles sont associées avec une conscience faible, les tâches les plus difficiles élicitent plus de
conscience car elles sont plus longues à réaliser et les erreurs sont plus probables. Cary et
Reder (2002) proposent ainsi d’une part d’exclure la nécessité de conscience du concept de
13
« (…) metacognition and strategies are special cases of the larger set of mental thoughts and procedure that are
important during learning and then become transformed and embedded in automatic sequences of thinking and
acting » (Paris, 2002, pp. 108-109).
14
Nous ajouterons que certaines activités métacognitives sont plus probablement conscientes que d’autres. Par
exemple, la planification dans un problème de mathématiques est une activité largement consciente alors que le
contrôle continu peut s’effectuer de manière quasi-automatisée et très rapidement.
métacognition et de distinguer entre processus métacognitifs conscients et inconscients (ou

explicites et implicites) et d’autre part de caractériser la conscience des activités
métacognitives selon un continuum plutôt qu’une dichotomie15.
Dans le cadre des recherches sur les jugements et les sentiments métacognitifs, le principal
outil méthodologique pour obtenir des données est constitué du rapport des introspections
réalisées par le sujet. Selon Nelson (1996), les données introspectives constituent des données
à expliquer, l’introspection n’étant pas un conduit qui va à l’esprit mais une source de
données à expliquer par des processus internes postulés. Bien que des auteurs comme Nisbett
et Wilson (1977) aient relevé le caractère biaisé des données issues du monitoring
introspectif, ils n’ont pas mis l’accent sur son rôle, postulé par le modèle de Nelson et Narens,
qui est d’affecter les processus de contrôle. En effet, selon Nelson et Narens (1990), « a
system that monitors itself (even imperfectly) may use its own introspections as input to alter
the system’s behavior » (p. 128). La position de Nelson (1996) est qu’en dépit de
l’imperfection et de l’invalidité supposée de l’introspection, il s’agit d’une composante
importante du système de la mémoire. Pour la compréhension de ce système, il examine les
introspections des individus afin d’obtenir une idée de l’input que les individus utilisent. Ces
introspections sont mises en lien avec certains des processus de contrôle, tels que l’initiation
de l’action, la poursuite de l’action ou l’achèvement de l’action. L’introspection est une
composante critique dans le système de la mémoire. Si l’évaluation de l’introspection d’une
personne donne une idée de l’input qu’elle utilise, le caractère auto-rapporté du monitoring
d’une personne peut, d’une part, dissimuler certains aspects de l’input et d’autre part ajouter
des aspects qui ne sont pas réellement présents. Ce que Nelson et Narens cherchent à
accomplir est de caractériser l’exactitude et la distorsion qui sont présentes dans
15
Le modèle de Schooler (2002 ; Schooler & Schreiber, 2005) apporte une distinction plus fine dans le
fonctionnement de la conscience qui permet d’éclairer selon nous le débat sur le niveau de conscience impliqué
dans les processus métacognitifs. Schooler distingue trois niveaux d’activités afin de caractériser les processus
mentaux. En plus de la division en : 1) processus conscient (ou expériences conscientes) et 2) processus
inconscients, il propose de sous diviser ces derniers en : 2a) conscience dite de base et 2b) méta-conscience.
Cette dernière est définie comme la conscience explicite des contenus de la conscience de base (explicit
awareness of the content of consciousness) et implique une re-représentation de la conscience dans laquelle
l’individu interprète, décrit ou caractérise d’une manière ou d’une autre son état d’esprit. Ceci permet de définir
de manière plus appropriée les comportements automatisés. L’individu est considéré comme faisant l’expérience
de ces derniers (niveau de la conscience de base) mais il manque de méta-conscience, cette dernière étant atteinte
notamment lorsque l’individu rencontre des difficultés. Cette division en trois niveaux permet d’expliquer que
certaines activités soient réalisées et que certaines expériences soient vécues de manière consciente mais sans
reconnaissance explicite de leur apparition. Les processus que nous considérons métacognitifs seraient ainsi tous
conscients mais ils ne se situeraient pas forcément au niveau de la méta-conscience.
l’introspection de la personne et les lier à la fonction de contrôle. Finalement, les croyances et

connaissances métacognitives sont considérées conscientes par définition (Flavell, 1979).
3.2.6. Généralité de la métacognition
D’après certains chercheurs (p. ex. Brown, 1978, 1987), la métacognition dans sa composante
de fonctionnement exécutif, se situerait à un haut niveau d’abstraction et d’une portée
générale, c’est-à-dire non spécifique à un domaine. A ce sujet, Veenman, Elshout et Meijer
(1997) ont étudié les compétences métacognitives (contrôle métacognitif) d’étudiants novices
dans différents domaines (physique et statistiques). Leurs résultats montrent que les
différences inter-individuelles dans les compétences métacognitives sont relativement stables
au travers des domaines. Ce qui est confirmé par les études de Veenman Wilhelm et
Beishuizen (2004) ainsi que Veenman et Beishuizen (2004) en relation avec d’autres
domaines d’apprentissage. Ceci signifie qu’il s’agirait d’une caractéristique générale de
l’apprenant, non dépendante de la tâche ou du domaine d’étude et que les compétences
métacognitives sont applicables dans de multiples domaines. En outre, selon Veenman et
Beishuizen (2004), les compétences métacognitives seraient hautement interdépendantes. Ces
compétences pourraient être générales (c’est-à-dire similaires au travers des domaines) pour
les novices mais spécifiques (c’est-à-dire intégrées aux connaissances du domaine) pour les
experts. Dans les études par questionnaires auto-rapportés (p. ex. le Metacognitive Awareness
Inventory ; [MAI] Schraw & Dennison, 1994 ou le Motivated Strategy for Learning
Questionnaire ; [MSLQ] Pintrich, Smith, Garcia, & McKeachie 1991), les items liés au
contrôle métacognitif saturent un facteur général alors que théoriquement des distinctions
existent entre les différentes activités de contrôle métacognitif. Ceci tendrait à montrer que les
distinctions théoriques seraient trop « fine-grained » par rapport aux mesures auto-rapportées
de ces compétences (Pintrich et al., 2000). Finalement, le caractère général des compétences
métacognitives facilite le transfert lorsque celles-ci sont enseignées. Toutefois, ces
compétences se manifestent dans des comportements ou activités partiellement différentes en
fonction des domaines, ce qui oblige l’apprenant à une certaine abstraction pour transférer ces
compétences. En outre, certains chercheurs tels que Schraw ont démontré que le monitoring
(voir 3.4.1. pour une description) est une capacité générale, c’est-à-dire indépendante des
connaissances sur un domaine (Schraw, Dunkle, Bendixen, & DeBacker Roedel, 1995 ;
Schraw & Nietfeld, 1998 ; Schraw & Roedel, 1994). Finalement, les métaconnaissances
peuvent être tant spécifiques, par exemple concerner une stratégie précise et dont l’étendue
d’application est restreinte, que générales, par exemple concerner des croyances sur l’utilité
de l’application de stratégies pour apprendre.
3.3. Les connaissances et croyances métacognitives

3.3.1. Perspective générale sur les métaconnaissances
Selon Brown (1987), « knowledge about cognition refers to the stable, statable, often fallible,
and often late developing information that human thinkers have about their own cognitive
processes » (pp. 67-68). Les connaissances métacognitives ou métaconnaissances ont été
définies par Flavell à partir des années 70, tout d’abord avec l’étude du développement des
connaissances déclaratives du sujet sur sa propre mémoire. Flavell (1971) soupçonnait ces
connaissances, qui ont été appelées « la métamémoire », d’être responsables du
développement des capacités mnésiques (Cavanaugh & Perlmutter, 1982). Puis Flavell et
Wellman (1977) ont décrit les variables métacognitives qu’ils ont séparées en deux groupes :
1) Sentir si une tâche demande un investissement métacognitif (il s’agit d’un savoir imprécis,
flou, basé sur les préconnaissances) ; 2) Les métaconnaissances qui font référence à la
connaissance et la conscience de la personne par rapport à ses propres processus cognitifs.
Ces connaissances influencent significativement le comportement cognitif de l’individu.
Flavell et Wellman ont proposé trois catégories de métaconnaissances : les métaconnaissances
sur soi (ou sur la personne), sur la tâche et sur les stratégies, des interactions entre ces
catégories étant fréquentes. D’autres auteurs (par ex. Jacobs & Paris, 1987 ; Schraw &
Dennison, 1994) proposent une catégorisation plus fine en distinguant les métaconnaissances
sur les stratégies en connaissances déclaratives, procédurales et conditionnelles, ces dernières
se référant aux connaissances sur le quand et le pourquoi de l’utilisation des connaissances
déclaratives et procédurales. Ce dernier type de connaissances est nécessaire à une utilisation
efficace des stratégies, c’est-à-dire que la connaissance d’une stratégie n’est pas suffisante
pour son application (Kuhn, Garcia-Mila, Zohar, & Andersen, 1995). Pintrich et al. (2000)
reprennent les catégories de métaconnaissances introduites par Flavell et d’autres comme
Paris. Kluwe (1982) propose par contre de ne pas considérer ces connaissances comme
métacognitives mais de les désigner simplement comme cognitives, car ces connaissances sur
la cognition ne seraient pas différentes d’autres connaissances et elles seraient stockées en
mémoire, organisées et traitées de la même façon. Il n’y aurait ainsi pas de différences
qualitatives entre les deux types de connaissances et donc pas de raison de les nommer
différemment. Nous adopterons la position partagée par la grande majorité des chercheurs en
traitant les connaissances et croyances métacognitives comme distinctes des autres cognitions
car elles jouent un rôle important dans l’apprentissage et le fonctionnement cognitif. Ainsi,
comme Paris (2002), nous considérerons que toute cognition peut devenir l’objet d’une autre
cognition et ainsi une métacognition.
3.3.2. Taxonomie des métaconnaissances
Selon Flavell (1976), les métaconnaissances concernent la connaissance des facteurs, des
variables et de la façon dont ils et elles agissent pour modifier la performance d’un individu
dans une tâche de mémoire. Nous élargissons cette définition à tous les domaines de la
cognition. Quatre catégories de connaissances et croyances sont distinguées : sur la cognition
en général, sur les stratégies cognitives, sur les tâches et les contextes et sur soi en tant
qu’individu pensant.
Les connaissances et croyances sur la cognition en général se réfèrent aux théories

personnelles sur la cognition, telles que les théories implicites des capacités (Dweck, 1999) ou
les croyances épistémologiques (Hofer & Pintrich, 1997). Chaque apprenant développe ce
type de connaissances et croyances idiosyncrasiques et naïves qui influencent notamment la
façon dont il aborde les tâches, s’y engage et les stratégies cognitives qu’il emploie (Dahl,
Bals, & Turi, 2005). Ce type de croyances et connaissances est en lien étroit avec les
connaissances et croyances sur soi en tant qu’individu pensant.
Les théories implicites des capacités nous intéressent particulièrement dans le cadre de ce
travail. Dweck a développé, depuis les années 80, un cadre théorique socio-cognitif de la
motivation intégrant des croyances et des buts permettant la prédiction de comportements et
de résultats relatifs à l’apprentissage (Dweck, Chiu, & Hong, 1995a, b ; Dweck & Leggett,
1988 ; Dweck & Molden, 2005 ; Elliot & Dweck, 1988 ; voir aussi 4.4.2.1 pour une
description du modèle complet). L’une des principales distinctions qu’elle a introduite
concerne les croyances des individus en la malléabilité ou fixité de leurs capacités. Bien que
cette distinction soit applicable à tous les attributs humains (Dweck et al., 1995a), ce sont en
particulier les croyances relatives à l’intelligence et leurs conséquences qui ont été explorées.
Deux théories sont distinguées : dans l’une les individus pensent que l’intelligence est un trait
qui ne peut pas changer, qui est en quelque sorte inné (incremental theory ; théorie fixiste16).
Bien que les personnes puissent apprendre, leur intelligence reste la même. Selon l’autre
théorie, l’intelligence pourrait s’accroître et serait par conséquent dépendante notamment des
efforts (entity theory ; théorie malléable). En fonction des attributs (les capacités
intellectuelles, les capacités dans le domaine mathématique ou dans le domaine verbal), les
théories implicites d’un même individu peuvent varier. Ainsi, un certain élève peut croire que
les capacités en mathématiques ne sont pas modifiables mais que les capacités en langue le
sont (Dweck & Molden 2005 ; Stipek & Gralinski, 1996).
Les théories implicites des capacités sont fortement liées aux attributions causales évoquées
suite à un échec ou une réussite. En effet, parmi les élèves rencontrant des difficultés, ceux
qui adoptent une théorie malléable des capacités auront tendance à attribuer leurs difficultés
au fait qu’ils n’ont pas suffisamment travaillé ou qu’ils n’ont pas utilisé des méthodes de
travail efficaces. Au contraire, ceux qui adoptent une théorie fixiste penseront qu’ils ne sont
pas suffisamment intelligents pour réussir. Les croyances relatives aux effets des efforts sont
également fortement prédites par les théories implicites : les efforts sont perçus comme un
moyen de devenir meilleur ou plus intelligent si on adopte une théorie malléable des
capacités. Par contre, si on adopte une théorie fixiste, les efforts révèlent quelles sont ses
capacités : devoir travailler dur pour apprendre ses cours signifie que l’on a relativement peu
de capacités.
Les stratégies adoptées suite à un échec (par exemple dans un test scolaire) peuvent également
différer en fonction de la théorie implicite adoptée par l’individu. Si l’adoption d’une théorie
malléable mène à des intentions telles que travailler plus, l’adoption d’une théorie fixiste
mène quant à elle à des intentions de ne pas trop exposer ses difficultés : passer moins de
temps sur le sujet, ne plus choisir la matière concernée par le test ou même tenter de tricher
(Dweck & Molden, 2005).
Stipek et Gralinski (1996) ont étudié, chez des élèves des troisièmes à sixièmes degrés, les
influences des deux théories implicites définies par Dweck. Elles ont lié ses théories d’une
part aux buts d’accomplissement adoptés par les élèves et d’autre part à leur engagement
cognitif (actif vs superficiel). Leurs résultats montrent que la théorie fixiste prédit
positivement l’adoption de buts de performance mais pas l’adoption de buts de maîtrise. Au
contraire, la théorie malléable prédit l’adoption de buts de maîtrise ainsi que de buts de
16
Nous reprenons les traductions des termes incremental theory et entity theory utilisés par Dupeyrat et Escribe
(2000)
performance17. Concernant l’engagement cognitif, cette dernière théorie est prédictive d’un
engagement actif ; à l’opposé la théorie fixiste prédit un engagement cognitif superficiel.
Concernant la réussite scolaire, une étude de Blackwell, Trzesniewski et Dweck (2007) a
montré que les théories implicites avaient un effet significatif sur les notes en mathématiques.
En effet, si au début de leur septième année scolaire, les élèves adoptant une théorie malléable
de l’intelligence obtenaient des notes équivalentes à celles des élèves adoptant une théorie
fixiste, ce n’est plus le cas lors de l’année suivante. En fin de huitième année, le premier
groupe obtient des notes significativement supérieures à celles du second groupe. Cette
évolution est expliquée par le fait que la théorie malléable encourage l’adoption de buts
d’apprentissage et des croyances positives en l’effort. Ces dernières sont liées à un pattern
mastery-oriented qui est favorable à l’apprentissage (voir 4.4.2.1 pour une description de ce
pattern).
Les processus expliquant l’effet des théories implicites des capacités sur les performances ont
été analysés par Cury, Da Fonseca, Zahn et Elliot (2008). Dans le cadre de performances à un
test d’intelligence, leurs résultats ont révélé que l’adoption d’une théorie fixiste de
l’intelligence favorisait des pensées sur l’implication d’un éventuel échec et que cette
inquiétude menait les élèves à s’entraîner moins longtemps pour le test. Ceci a finalement
pour conséquence un effet négatif sur la performance. Ainsi, des processus médiateurs ont été
mis en lumière. Finalement, les théories implicites des capacités sont également liées à la
motivation intrinsèque (Cury, Elliot, Da Fonseca, & Moller, 2006) ainsi qu’aux stratégies
d’apprentissage (Dupeyrat & Mariné, 2005).
Les connaissances et croyances sur les stratégies cognitives concernent les aspects
déclaratifs (quels types de stratégies sont disponibles pour la mémoire, la pensée, la résolution
de problèmes ?), procéduraux (comment utiliser et mettre en œuvre ces différentes
stratégies ?) et conditionnels (quand et le pourquoi les utiliser ?). La catégorie stratégie
comprend les connaissances « attainable » des différentes choses que l’on peut réaliser
volontairement pour aider son système mnésique à atteindre son but de mémorisation. Les
sous-catégories concernent les stratégies d’enregistrement de l’information et de rappel
(Flavell, 1981). Kuhn et al. (1995) proposent la distinction suivante entre compétence dite
stratégique (soit des connaissances sur les stratégies) et compétence qu’ils nomment
métastratégique (soit des métaconnaissances sur les stratégies) :
17
Les influences des théories implicites sur les buts d’accomplissement sont traitées plus en détails au
paragraphe 4.4.3.1
The distinction between strategic and metastrategic competence is that between

knowing how to execute a strategy and understanding its significance (…).
Metastrategic competence includes understanding of both the value and the limitations
of a strategy – in practical terms, of knowing how, when, and why the strategy should
be used. (p. 109)
Les connaissances et croyances sur les tâches et les contextes. La catégorie tâche comprend
la connaissance des variables de la tâche qui influencent le niveau de difficulté d’un exercice
de mémorisation. La première sous-catégorie est constituée des connaissances qu’une tâche
de mémoire peut être plus difficile ou plus facile en fonction de la quantité et du type
d’information qui doivent être mémorisés. La seconde sous-catégorie dit que les demandes de
certaines tâches de mémoire sont plus difficiles à satisfaire que d’autres, même si la quantité
et le type d’informations sont les mêmes (par ex. il est généralement plus facile de reconnaître
les choses que de les rappeler). Les sous-catégories sont donc relatives à la nature de
l’information à mémoriser et à la nature des demandes de rappel (Flavell, 1981).
Selon Flavell (1976), l’enfant développe une sensibilité (sensitivity) qui lui indique quand la
situation nécessite de sa part un effort volontaire et intentionnel de mémorisation. L’enfant
doit apprendre ce que signifie de faire un effort actif, persistant, lié à un but, que ce soit pour
faire un rappel ou pour mémoriser quelque chose pour un rappel ultérieur. Ce qui se
développe est la reconnaissance du moment auquel l’enfant doit ou ne doit pas s’engager dans
de tels efforts. Selon Flavell (1981), la sensibilité relative au moment où la situation demande
un certain type de traitement cognitif (ou une certaine profondeur de traitement) peut être
définie comme un sous-type de connaissances sur les demandes de la tâche et par conséquent
être considérée comme une métaconnaissance sur la tâche. En 1987, Flavell mentionne que
l’individu doit prendre en considération les demandes de la tâche et agir en fonction s’il veut
atteindre un but. On reconnaît ici la notion de sensibilité auparavant classée à part dans sa
taxonomie.
Les connaissances et croyances sur soi en tant qu’individu pensant sont des connaissances
comparatives des forces et faiblesses intra-individuelles et interindividuelles comme
apprenant ou individu pensant. La catégorie des métaconnaissances sur soi comprend tout ce
qu’un individu peut apprendre ou dont il peut devenir conscient à propos de lui-même ou des
autres en tant qu’individu mémorisant ou pensant. Flavell (Flavell & Wellman, 1977)
mentionne un concept de soi mnésique que l’individu développerait et ce concept de soi
deviendrait de plus de plus élaboré et différencié par rapport aux différentes tâches et
personnes. Comme sous-catégories, Flavell (1976), propose: « (…) knowledge of what the
self and others are generally like as storers and retrievers of information, that is, their
enduring abilities and limitations in this area of cognitive functioning » (p. 2); ainsi que les
expériences métacognitives (“the feeling that something you are trying to memorize still
needs more study”). La première sous-catégorie concerne “general memory traits » et la
seconde « here-and-now memory states ». Cette définition est remaniée par Flavell (1979,
1981, 1987), qui distingue les métaconnaissances sur soi intra-individuelles, inter-
individuelles et universelles (ou les universels de la cognition). Pintrich et al. (2000)
proposent de considérer ces connaissances dans une perspective motivationnelle plutôt que
métacognitive18. D’autres chercheurs, tels que Desoete, Roeyers, Buysse et DeClerq (2002)
ou Simmons (1996), incluent dans leurs modèles conceptuels les croyances et connaissances
sur soi en tant qu’individu pensant (concept de soi, sentiment d’efficacité personnelle, style
attributif et conceptions de l’intelligence et de l’apprentissage) sous le terme général de
croyances métacognitives (metacognitive beliefs).
La plupart des connaissances métacognitives concernerait des interactions ou des

combinaisons entre les types de connaissances et croyances susmentionnées (Flavell, 1979).
Les métaconnaissances peuvent être inexactes, d’où le terme de croyances, ne pas être
activées lorsqu’il le faut, etc. Si une partie des métaconnaissances sont activées suite à un
rappel délibéré et conscient, une autre partie serait inintentionnellement et automatiquement
activée par des indices présents dans la situation. Ces dernières influenceraient le cours de
l’entreprise cognitive sans entrer elles-mêmes dans la conscience. Kluwe (1982) postule que
la quantité et l’exactitude des métaconnaissances ou des connaissances cognitives seraient
fonction de l’expérience avec les situations problèmes dans le domaine concerné. En outre, les
métaconnaissances auraient selon Efklides (2001) une portée générale, c’est-à-dire qu’elles se
réfèrent entre autres à des classes de tâches similaires ou à des modèles de traitement cognitif.
Elles sont stockées en mémoire à long terme.
18
Selon Pintrich (2002b), « in addition to general self-knowledge, individuals also have beliefs about their
motivation. These include judgments of their capability to perform a task (self-efficacy), their goals for
completing a task (learning or just getting a good grade), and the interest and value the task has for them (high
interest and high value versus low interest and low value). Although these motivational beliefs are usually not
considered in cognitive models, there is a fairly substantial body of literature emerging that shows important
links between student’s motivational beliefs and their cognition and learning (…) » (p. 222).
3.4. Les jugements et sentiments métacognitifs
Cette composante de la métacognition repose d’une part sur le modèle théorique proposé par
Nelson (1996 ; Nelson & Narens, 1990, 1994) dans le cadre de la métamémoire et d’autre part
sur le concept d’expériences métacognitives qui incluent des aspects de monitoring cognitif et
affectif (Efklides, 2001 ; Flavell, 1979). Nous allons décrire cette composante en nous
appuyant sur les positions de ces trois chercheurs. Boekaerts (1999b) reproche aux auteurs
d’utiliser des termes différents pour désigner ce qu’elle nomme « awareness of ongoing
process » (p. 572) et ces termes étant très nombreux, la nature précise de cette composante de
la métacognition serait peu claire. Nous tenterons d’y mettre de l’ordre.
3.4.1. Les jugements métacognitifs ou monitoring
En psychologie cognitive, les jugements métacognitifs sont traités sous le terme de

monitoring. Le monitoring concerne la conscience on-line de sa propre compréhension et
réalisation de la tâche, soit une évaluation de ce qui est en train de se dérouler au niveau de
l’action ; la capacité de s’auto-tester au cours d’un apprentissage en serait un bon exemple
(Mazzoni & Kirsch, 2002 ; Pintrich et al., 2000 ; Schraw & Moshman, 1995). Le monitoring
est défini comme la capacité de juger avec succès ses propres processus cognitifs ; le contrôle
étant la capacité d’utiliser ce jugement pour altérer le comportement (Son & Schwartz, 2002).
Ensemble, monitoring et contrôle représentent ce que Borkowski et al. (2000) nomment le
fonctionnement exécutif. Alors que chez Kluwe (1982), on retrouve le terme de monitoring
qui signifie acquérir des informations sur le fonctionnement et le terme régulation qui
correspond au contrôle. Le monitoring ainsi que ses liens avec le contrôle ont été explicités
dans un cadre théorique (Nelson & Narens, 1990) qui fait référence dans l’étude de la
métamémoire.
3.4.2. Le cadre théorique de Nelson et Narens
Nelson et Narens (1990) ont proposé un modèle théorique, illustré dans la figure 3.3, qui a
pour objectif d’expliquer le fonctionnement de la métamémoire. Trois principes sont à la base
de leur conception théorique :
1. Les processus cognitifs sont divisés en deux ou plusieurs niveaux inter-liés : le niveau
nommé « objet » et le ou les niveaux nommés « méta » ;
2. Le niveau méta contient un modèle dynamique du niveau objet19 ;
3. Il existe deux relations de dominance nommées contrôle et monitoring et qui sont définies
en termes de direction du flux d’informations entre les deux types de niveaux : les niveaux
s’informent réciproquement de leurs fonctionnements.
Niveau méta
Contrôle Monitoring
Niveau objet
Figure 3.3. La relation entre les niveaux objet et méta selon Nelson & Narens (1990)
Les niveaux objet et méta
Le niveau méta contient une sorte de modèle spécifiant un but et la façon dont il peut utiliser
le niveau de l’objet pour accomplir ce but (Nelson, 1996). Ainsi, le niveau méta supervise
19
Nelson (1996) fait référence au paradoxe de Comte afin d’expliquer comment quelqu’un peut être en même
temps l’observé et l’observateur. Pour faire cela, Nelson s’inspire de la conception de Tarski (1956, cité in
Nelson, 1996) qui a proposé de distinguer entre différents niveaux d’énoncés pour expliquer le paradoxe du
menteur. Au niveau inférieur, appelé niveau objet se trouvent les phrases concernant les choses ou objets,
exceptés les phrases elles mêmes. Au niveau supérieur, le niveau méta, se trouvent uniquement des phrases
concernant les phrases du niveau objet. Il y a potentiellement plusieurs niveaux additionnels, avec comme
restriction qu’aucune phrase ne peut se référer à elle-même. Ce cadre permet d’expliquer comment il est possible
de parler de la véracité ou de la fausseté des phrases. L’application de ce cadre au paradoxe de Comte mène à un
modèle métacognitif de la conscience et de la cognition. En utilisant cette distinction, les deux processus peuvent
être analysés ensemble. Au niveau objet, il s’agit des cognitions concernant les objets externes. Au premier
niveau méta, les cognitions concernent les cognitions des objets externes.
l’accomplissement de buts en communiquant avec le niveau objet grâce aux flux

d’informations (définis ci-après). Le niveau méta est considéré dynamique car il travaille sur
l’évaluation de la situation présente et est guidé par l’introspection. Le niveau objet inclut les
actions et les comportements du monde externe. Selon Nelson, ce qui distingue le niveau
objet du niveau méta est le caractère introspectif des verbalisations de ce dernier. En outre, les
niveaux objet et méta opéreraient en théorie de façon simultanée sur des aspects différents de
la situation et travailleraient potentiellement à des vitesses différentes. Un modèle proche est
celui de Butterfield, et al. (1995) qui est illustré dans le domaine de la résolution de problème.
Selon eux, le niveau méta (modèle métacognitif du niveau cognitif) inclut les représentations
de ce que peut faire le niveau cognitif (ses stratégies) avec les problèmes et leurs contextes
(ses connaissances). Tant au niveau cognitif qu’au niveau métacognitif, on trouve deux
composantes : le faire et le connaître nommés connaissances et stratégies au niveau cognitif
mais nommés compréhension et modèle du niveau cognitif au niveau métacognitif.
Les flux d’informations
Les flux d’informations qui permettent la communication entre les niveaux objet et méta sont
nommés contrôle et monitoring. La notion fondamentale sous-jacente au contrôle est que le
niveau méta informe (processus top-down) le niveau objet de ce qu’il doit faire ensuite, c’est-
à-dire qu’il modifie le niveau objet, mais ce n’est pas réciproque. L’information transmise du
niveau méta au niveau objet a pour effet soit de changer ou de modifier l’état des processus du
niveau objet (les actions), soit de modifier le processus de niveau objet lui-même. Ceci permet
d’initier, de continuer ou de terminer une action. Le contrôle ne se limite ainsi pas au
lancement ou à l’arrêt d’une action, mais il peut également modifier le processus au niveau
objet, tel que changer de stratégie. Les processus de contrôle sont révélés par les
comportements qu’une personne engage en fonction du monitoring réalisé. Puisque le
contrôle en soi ne fournit pas d’information à propos du niveau objet, une composante
monitoring donnant des informations sur l’état actuel du système et indépendante du contrôle
est nécessaire.
Les processus de contrôle considérés dans le modèle de Nelson et Narens, relatifs à la

métamémoire, sont les suivants :
• Sélection du type de traitement
• Allocation du temps d’étude
• Achèvement de l’étude
• Sélection d’une stratégie de recherche
• Achèvement de la recherche
La notion fondamentale sous-jacente au monitoring est que le niveau méta est informé par le
niveau objet de l’état de celui-ci (data-driven process ; Bobrow & Norman, 1975), grâce à ce
processus. Ceci met à jour l’état du modèle de niveau méta de la situation. Dans le cadre des
recherches sur la métamémoire, deux types de monitoring sont distingués : prospectif (c’est-à-
dire un jugement porté avant de donner la réponse) et rétrospectif (c’est-à-dire un jugement
porté après avoir donné une réponse). Le monitoring prospectif est sous-divisé en trois
catégories par Nelson et Narens (1990) : Ease-of-Learning judgment (évaluation de la facilité
d’apprentissage des items), Judgment of Learning (jugement d’apprentissage ou de rétention)
et Feeling-of-knowing judgment (sentiment de connaître ou de savoir la réponse sans pouvoir
la rappeler). Le seul jugement de monitoring rétrospectif est le Confidence judgment
(jugement de confiance en sa réponse). Ces jugements ont été opérationnalisés sous la forme
de rapports introspectifs (en particulier auto-rapportés sur une échelle de Likert), alors que les
processus de contrôle sont décelés par des observations empiriques (par exemple, le temps
consacré à l’étude des items).
L’exactitude des jugements de monitoring serait fonction de la familiarité avec le domaine, de

l’automaticité du processus et de la difficulté de la tâche (Koriat, 1993 ; Nelson & Narens,
1990, 1994). Il a par exemple été observé que plus la tâche est difficile, moins les jugements
de monitoring sont exacts (Schraw, Dunkle, Bendixen, & Roedel, 1995). En outre, selon
Butterfield et al. (1995), la capacité limitée de la mémoire de travail pourrait interférer avec le
monitoring et le contrôle de la cognition, ce qui limiterait indirectement la cognition.
Signalons encore que le monitoring et le contrôle participent au développement de la
compréhension métacognitive, c’est-à-dire à l’élaboration d’un niveau méta.
En conclusion de cette présentation du modèle de Nelson et Narens (1990), relevons que ce

cadre théorique peut être qualifié de « purement cognitif » ou de modèle de cognition froide et
nous pouvons lui reprocher de ne pas considérer les aspects motivationnels et émotionnels du
fonctionnement intellectuel. Par exemple, dans la prédiction de l’allocation du temps d’étude,
les seules variables prédictives sont les jugements métacognitifs, alors que dans une situation
ordinaire d’apprentissage, de nombreuses autres variables sont influentes, notamment la
valeur attribuée à la tâche.
3.4.3. Les expériences métacognitives selon Flavell
Le concept de monitoring, tel que proposé par Nelson et Narens (1990), était déjà présent
dans la théorie de Flavell sous le nom d’expériences métacognitives. Ce concept
n’apparaissait pas dans le chapitre de 1977, par contre, dans les publications suivantes, il
constitue une entité conceptuelle majeure de la théorie. Les expériences métacognitives sont
définies comme :
conscious experiences that are cognitive and affective. What make them metacognitive
experiences rather than experiences of another kind is that they have to do with some
cognitive endeavor or entreprise, most frequently a current, ongoing one. (…) any kind
of affective or cognitive conscious experience that is pertinent to the conduct of
intellectual life (…). (Flavell, 1987, p. 24, gras ajouté)
En plus des « here-and-now memory states », Flavell (1981) cite comme exemples le
sentiment que l’on n’a pas compris (Judgment of comprehension) ce qui a été dit ou le
sentiment que ce que l’on essayait de dire a finalement été compris par son interlocuteur. Tant
l’apparition des expériences métacognitives que leurs effets peuvent être fortement influencés
par les métaconnaissances. Par exemple, « if we suddenly feel vaguely puzzled when we
encounter a certain sentence in a text, our metacognitive knowledge might automatically lead
us to take that feeling seriously as a possible symptom of noncomprehension, to try to track
down its cause, and to reclarify our understanding of the text insofar as possible » (Flavell,
1981, p. 45). Par ailleurs, une expérience métacognitive peut être une idée explicite tirée de
nos métaconnaissances. Un exemple serait une nouvelle prise de conscience (c’est-à-dire la
formation d’une nouvelle métaconnaissance), alors que l’on realise des additions en colonnes,
que l’on devrait toujours faire les calculs deux fois pour en être sûr. Flavell (1979) postule que
les métaconnaissances et les expériences métacognitives diffèrent les unes des autres
uniquement dans leur contenu et dans leur fonction, mais pas dans leur forme ou leur qualité.
La différenciation entre métaconnaissances et expériences métacognitives ne serait ainsi pas
toujours évidente. Selon Flavell (1987), les expériences métacognitives seraient liées de façon
réciproque aux activités de contrôle, les premières pouvant éliciter les secondes et
inversement. Si par exemple un élève se rend compte qu’il n’a pas compris une phrase, il doit
savoir en tirer les conséquences et éliciter un processus de contrôle (tel que l’application
d’une stratégie de relecture). Ainsi, l’expérience métacognitive sert de base à une activité de
contrôle. A l’inverse, la vérification par un élève des calculs qu’il a effectués lui permet
d’évaluer sa confiance en son résultat.
Finalement, la croyance générale que les expériences métacognitives peuvent être très utiles
pour le fonctionnement cognitif et par consequent qu’il est profitable de les considérer et de
chercher à en réaliser, serait une part importante des métaconnaissances. Flavell (1981) relève
que toutes les expériences métacognitives ne sont pas des métaconnaissances devenues
conscientes (par exemple un sentiment de surprise lorsqu’une information inattendue est
découverte). De plus, certaines métaconnaissances peuvent ne jamais devenir des expériences
métacognitives. Les expériences métacognitives sont souvent en lien avec la progression vers
un but. Par exemple, nous avons l’impression que nous arrivons presque au but, que nous
avons la solution du problème « sur le bout de la langue », que nous avons atteint le but ou
qu’il est inatteignable. Les expériences métacognitives peuvent être de nature émotionnelle
(par exemple se sentir critique, admiratif ou rebuté par certaines informations). Elles peuvent
nous amener à créer un nouveau but, à abandonner un but ou à en changer, ce qui est
manifesté dans les processus de contrôle du modèle de Nelson et Narens (1990). Il est le plus
probable que nous vivions une expérience métacognitive lorsque (Flavell, 1987) :
• La situation les élicite (par exemple, dans le cas où nous devons justifier une
conclusion ou défendre une opinion) ;
• La situation cognitive est nouvelle et non-familière ;
• La situation nécessite de faire des inférences correctes, des jugements et de prendre
des décisions ;
• La situation devient confuse (par exemple contradictoire) ;
• Les ressources attentionelles et mnésiques ne sont pas toutes accaparées par des
expériences subjectives plus « urgentes » telles que l’anxiété, le malheur, etc.
Boekaerts (1999b) affirme que les chercheurs qui ont suivi les idées de Flavell n’ont pas fait
de distinctions claires entre : d’une part les sentiments liés au processus d’apprentissage ou de
résolution de problème lui-même (par exemple, FOK, feeling of understanding, ou feeling of
lack of understanding or incomprehension) et d’autre part les cognitions et affects faisant
référence à soi-même et qui apportent des informations sur la valeur, l’intérêt, l’orientation
des buts et le sentiment d’effficacité relatif à la tâche ou l’activité (par exemple, Feeling of
liking, feeling of being satisfied with the progress being made). Ceci contribuerait au fait que
bon nombre de chercheurs considèrent le construit de la métacognition comme étant flou.
Cette constatation signifie que la conception de Flavell a confondu la conscience de l’élève au
sujet de la façon dont il utilise son système cognitif avec sa conscience au sujet de lui-même
en relation à une tâche actuelle ou à venir (incluant ses propres buts, souhaits, besoins et bien
être). De plus, Boekaerts affirme que l’inclusion des croyances de type motivationnel dans le
concept de métacognition est contre-productif car les recherches montrent que les croyances
motivationnelles sont des entités distinctes qui influencent l’activité d’apprentissage. Efklides
(2001), bien qu’incluant dans les expériences métacognitives des variables considérées
commme motivationnelles par Boekaerts, apporte la distinction entre sentiments
métacognitifs (affects faisant référence à soi-même) et jugements métacognitifs (liés au
processus d’apprentissage ou de résolution) dans sa perspective théorique récente inspirée des
travaux de Flavell.
3.4.4. Les travaux d’Efklides sur les expériences métacognitives
Efklides et ses collaborateurs ont poursuivi les travaux de Flavell dans ce domaine et ils ont
adapté les jugements de monitoring proposés dans les théories de la métamémoire à des
situations de résolutions de problèmes (Efklides, 2002a). Il s’agit d’une perspective élargie du
monitoring classique (tel que décrit par le modèle de Nelson & Narens, 1990), car elle inclut
tant des jugements cognitifs (par exemple l’estimation de l’exactitude de la réponse) que des
jugements à caractère affectif (par exemple le sentiment de satisfaction).
Efklides (2002b) définit les expériences métacognitives de la façon suivante :
the metacognitive feelings and metacognitive judgments or estimates (…) are subjective
experiences that result from the monitoring of cognitive processing and the person’s
appraisals or evaluations regarding the antecedents or outcomes of the processing.
They are experiences that constitute aspects of online metacognition. They are, in other
words, metacognitive experiences. (p. 165)
Les métaconnaissances se différencient des expériences métacognitives sur deux aspects.

Premièrement, les expériences métacognitives sont des produits du monitoring on-line des
cognitions, alors que les métaconnaissances sont des connaissances en mémoire à long terme
et/ou des croyances sur la personne, les tâches et les stratégies. Deuxièmement, les
expériences métacognitives sont spécifiques car elles se référent à des caractéristiques propres
à la tâche ou à son traitement, alors que les métaconnaissances concernent des classes de
tâches similaires ou leurs réponses, des modèles de traitement cognitif, des croyances sur soi
ou sur les autres impliqués dans des tâches, des expériences avec des tâches dans diverses
occasions, des stratégies utilisées, etc. Cela signifie que les métaconnaissances ont une portée
générale.
Les expériences métacognitives ne sont pas non plus équivalentes à l’analyse de la tâche ou à
la perception de la tâche car ces deux phénomènes sont basés sur des processus d’analyses
cognitives alors que les expériences métacognitives (en particulier les sentiments
métacognitifs) sont les produits de processus non-analytiques et inconscients (Efklides, 2001,
2006a, b). En outre, si la recherche dans le domaine de la métamémoire s’est principalement
intéressée aux relations entre la métacognition et la cognition, les situations de résolution de
problèmes impliquent également des buts et des résultats qui sont liés à soi, aux perceptions, à
ses intérêts, etc. Ainsi, selon Efklides (2002a), des expériences métacognitives telles que le
sentiment de difficulté dont l’élève fait l’expérience en cours de résolution pourraient avoir un
effet sur la motivation ou la perception de ses capacités par rapport à la tâche. Les expériences
métacognitives seraient présentes dans toutes les phases de résolution d’un problème et
fourniraient un input pour le control métacognitif ainsi que pour les réactions affectives qui
permettent à la personne de prendre en charge son propre apprentissage (Efklides, 2004). Les
sentiments métacognitifs informent la personne de la fluence ou de l’évolution correcte du
traitement cognitif ainsi que de la correspondance entre les résultats et les objectifs de la
personne (Efklides, 2004, p. 261). Efklides (2002a, p. 21) postule que les expériences
métacognitives impliqueraient plus que les seuls monitoring et contrôle de la cognition : elles
auraient un effet notamment sur l’affect et la volonté.
Les deux types d’expériences métacognitives
Deux types d’expériences métacognitives sont distinguées : les sentiments métacognitifs

(metacognitive feelings) et les jugements ou estimations métacognitifs (metacognitive
judgments) (Efklides, 2002a, p. 21). Le terme de sentiment est défini non pas comme une
émotion mais comme la conscience d’états ou de réponses subjectives qui sont caractérisés
par la qualité de plaisir/déplaisir (Efklides, 2002b). Ainsi, si les sentiments métacognitifs
apportent des informations sur la cognition, ils ont également un caractère affectif, ce qui se
manifeste par leur aspect plaisant ou déplaisant. Le sentiment de familiarité aurait par
exemple une valence positive, au contraire du sentiment de difficulté dont la valence serait
négative. L’information apportée par ces sentiments est caractérisée par une pertinence
personnelle et ceci leur donne leur caractère affectif (Efklides, 2002a). Les sentiments et
jugements considérés comme expériences métacognitives ne fonctionnent pas au même
niveau que les cognitions, mais à un niveau méta, se référant ainsi au modèle de Nelson
(Nelson & Narens, 1990). A ce niveau méta on trouve également les jugements métacognitifs
qui sont de nature cognitive et concernent notamment l’accomplissement d’un travail, la fin
du temps d’études (par exemple est-ce que je connais la matière suffisamment bien pour
pouvoir arrêter de l’étudier ?) ou si le résultat d’un problème résolu est correct (jugement
d’exactitude de la solution ; judgment or estimate of solution correctness appelé confidence
judgment par d’autres chercheurs tels que Nelson & Narens, 1990 ou Schraw et al., 1995). Les
jugements de ce type concernent la qualité ou les caractéristiques de son propre traitement
cognitif mais pas d’un point de vue de pertinence personnelle, donc sans rapport à
l’adéquation aux buts propres par exemple. Notons que lorsqu’il est demandé à l’élève
d’évaluer l’intensité d’un sentiment dont il est conscient, il s’agit également d’un jugement ou
d’une estimation par rapport à un sentiment. Parmi les jugements métacognitifs figurent
également les jugements relatifs aux caractéristiques de la tâche et de son traitement. Par
exemple, dans quelle mesure deux tâches sont similaires en termes de caractéristiques de
surface et de traitement. Ce jugement peut être considéré comme une connaissance on-line
spécifique à la tâche qui s’appuie sur les connaissances métacognitives relatives aux tâches et
à leur traitement.
Efklides (2002a) interprète la distinction entre jugements et sentiments comme les deux
extrémités d’un continuum des expériences métacognitives ; continuum qui irait des
sentiments marqués par des buts pertinents par rapport à soi à des connaissances spécifiques à
la tâche et on-line, guidés principalement par des informations relatives à la tâche. Dans tous
les cas, les expériences métacognitives joueraient le rôle d’interfaces entre la personne et la
tâche, avec des accents différents sur la personne, la cognition ou la tâche en cours. Les
expériences métacognitives considérées par Efklides (sentiment de connaître ; Feeling-of-
Knowing, sentiment de familiarité; Feeling-of-Familiarity, jugement d’apprentissage;
Judgment-of-Learning, sentiment de difficulté; Feeling-of-Difficulty, sentiment de confiance;
Feeling-of-Confidence, estimation de l’exactitude de la solution; Estimate of Solution
Correctness et sentiment de satisfaction; Feeling-of-Satisfaction) sont toutes des expressions
du monitoring du traitement cognitif à partir du moment où la tâche est présentée jusqu’à la
conclusion de son traitement (Efklides, 200420).
Les connaissances spécifiques à la tâche en cours concernent ses caractéristiques ainsi que des
aspects relatifs à l’opération ou la procédure à employer pour la résolution. Ces connaissances
corrèlent positivement avec la performance (Efklides & Demetriou, 1989, cité in Efklides,
2001 ; Efklides, Samara, & Petropoulou, 1999), alors que les expériences métacognitives ne
corrèlent pas systématiquement avec la performance. En outre, la relation entre expérience
métacognitive et performance est plus forte lorsque l’expérience est rapportée après la
résolution plutôt qu’avant la résolution. Ceci montre que les expériences métacognitives ne
fonctionnent pas de la même manière que les connaissances spécifiques à la tâche. Ces
premières seraient basées sur des processus inférentiels (Efklides, 2001) qui ne reflèteraient
pas nécessairement les résultats observables, d’où une faible relation avec la performance. Par
ailleurs, les expériences métacognitives ne sont pas corrélées aux connaissances spécifiques à
la tâche, ce qui signifie que les expériences métacognitives et les connaissances spécifiques à
la tâche sont distinctes bien qu’elles fonctionnent toutes les deux on-line.
Les bases des expériences métacognitives et leurs influences
Les expériences métacognitives seraient formées à travers des processus différents de ceux
sur lesquels se basent les connaissances spécifiques à la tâche. Ces dernières proviennent de
processus analytiques conscients, qui utilisent les caractéristiques de la tâche stockées en
20
Pour une description détaillée de l’influence de chaque expérience sur le traitement cognitif, voir Efklides,
2004
mémoire de travail ou des métaconnaissances évoquées en relation avec la tâche en cours. Par
contre, les jugements et sentiments métacognitifs utiliseraient comme base des informations
données par le concept de soi et d’autres caractéristiques motivationnelles et cognitives de la
personne, par la tâche et son traitement ainsi que par d’autres sentiments conscients à ce
moment là. Les élèves ne sont toutefois généralement pas conscients de ce qui est à la base de
leurs jugements ou sentiments métacognitifs. En outre, le développement des connaissances
spécifiques à la tâche permet aux processus sous-jacents à la formation des expériences
métacognitives de devenir de plus en plus analytiques et précis.
Les expériences métacognitives seraient influencées par trois types de facteurs :
1) des facteurs liés à la tâche, tels que la complexité ou les expériences passées avec le même
type de tâche ;
2) des facteurs personnels, tels que les capacités cognitives, la personnalité, l’humeur
(Efklides & Petkaki, 2003), l’expertise dans le domaine concerné, la motivation (Efklides,
Kourkoulou, Mitsiou, & Ziliaskopoulou, 2006) ou encore le concept de soi (Dermitzaki &
Efklides, 2001) ;
3) des facteurs métacognitifs, tels que les croyances et connaissances métacognitives.
Les recherches empiriques sur les expériences métacognitives ont permis de révéler un certain
nombre de relations entre métacognition et croyances motivationnelles. Par exemple,
Dermitzaki et Efklides (2001) ont montré que le concept de soi et les expériences
métacognitives s’influençaient réciproquement et que tant l’âge que le genre jouaient un rôle
dans ces liens. Efklides (2001) a étudié, avec des élèves de 5ème et 6ème degrés primaires,
l’effet des expériences métacognitives sur le concept de soi et a montré avec une analyse en
pistes causales que les expériences métacognitives concernant la capacité et l’effort
contribuent à la formation du concept de soi par rapport à des tâches de mathématiques. Les
expériences métacognitives influencent également le type d’attributions causales réalisé par
l’élève (Metallidou & Efklides, 2001). Par ailleurs, sur la base de résultats montrant que les
élèves n’utilisent dans le traitement des tâches qu’une part de leurs métaconnaissances sur les
stratégies (en fonction des caractéristiques de la tâche et des capacités cognitives), Efklides
(2001) a fait l’hypothèse que les expériences métacognitives pourraient influencer la relation
entre les métaconnaissances sur les stratégies et l’utilisation effective de ces stratégies.
Toutefois, cette hypothèse n’a pas été testée empiriquement.
Ces travaux menés par Efklides participent à l’élargissement de la théorie métacognitive pour
considérer l’affect et la motivation par rapport à leur rôle dans le fonctionnement
métacognitif. C’est en ceci que les travaux d’Efklides nous intéressent particulièrement.
Les résultats d’Efklides suggèrent que les expériences métacognitives seraient des aspects de
l’expérience subjective qui jouent un rôle significatif dans l’autorégulation, en termes de
monitoring et de contrôle. Efklides (2004) postule que les expériences métacognitives
contribuent aux décisions de contrôle de deux façons : d’une part directement par leur
activation on-line des stratégies cognitives et métacognitives et d’autre part indirectement en
fournissant des informations à la base de connaissances métacognitives par rapport à la tâche,
la personne et les stratégies. Ces métaconnaissances sont ensuite utilisées pour guider
l’utilisation et la sélection des stratégies. La fonction de contrôle est définie de manière très
large par Efklides (2006a) : il s’agit des activités et de l’utilisation des stratégies de manière
consciente et délibérée notamment pour l’allocation des efforts et du temps, la planification
ou la vérification. Relativement peu d’études empiriques se sont toutefois intéressées au lien
entre expériences métacognitives et contrôle métacognitif.
Mesurer/évaluer les expériences métacognitives
Efklides utilise des items sous forme d’échelles de Likert pour découvrir la présence ou
l’absence ainsi que l’intensité du sentiment ou du jugement. Elle a développé un questionnaire
(Metacognitive Experiences Questionnaire [MEQ] ; Efklides, 2002b) mesurant les sentiments
et les jugements métacognitifs ainsi que les idées métacognitives (qui sont selon elle des
connaissances métacognitives). Cet instrument est composé d’une partie prospective (12
items), administrée suite à la lecture de la consigne ou suite à l’établissement d’un plan de
résolution et d’une partie rétrospective (11 items), administrée après la résolution. Certains
items se retrouvent dans les deux parties alors que d’autres sont spécifiques à l’une des deux.
Par exemple l’estimation des efforts nécessaires est demandée de façon prospective et
rétrospective, alors que le sentiment de familiarité figure dans la partie prospective
uniquement.
Les analyses factorielles exploratoires des réponses à ce questionnaire ont montré que les
connaissances métacognitives (mesurées off-line) étaient empiriquement différentes (c’est-à-
dire qu’elles forment un facteur distinct) des expériences métacognitives (mesurées on-line)
(Efklides et al., 1999), mais qu’un facteur d’ordre supérieur expliquait les deux (Metallidou &
Efklides, 2000). Par ailleurs, la métacognition forme un facteur différent de la cognition,

représentée par la performance (Efklides, Pantazi & Yazkoulidou (2000), cités in Efklides,
2002b ; Metallidou & Efklides, 2000). Finalement, des mesures liées aux émotions (par
exemple la peur de l’échec ou l’anxiété) sont saturées par un troisième facteur, distinct des
facteurs « cognition » et « métacognition ». Ceci confirme, selon Efklides, le caractère
métacognitif plutôt qu’émotionnel des sentiments et jugements métacognitifs.
Concernant la fidélité du questionnaire, celle-ci est plus élevée pour les items mesurés dans la
phase rétrospective que pour les items de la phase prospective et plus élevée pour les
expériences métacognitives que pour les métaconnaissances (Efklides, 2002b).
En outre, la difficulté des tâches joue un rôle dans le rapport des expériences métacognitives.
Pour les tâches les plus difficiles par exemple, le sentiment de difficulté est logiquement plus
élevé, alors que les sentiments de familiarité et de satisfaction ainsi que les jugements de
confiance sont moins élevés que pour des tâches faciles (Efklides, 2002b).
Efklides (2002b) conclut que les expériences métacognitives prospectives sont des indicateurs
suffisamment fidèles des évaluations subjectives des demandes de traitement de la tâche mais
qu’elles peuvent être biaisées. Les personnes peuvent considérer une tâche plus ou moins
difficile que ce qu’elle n’est objectivement pour eux en fonction de leur sentiment de
familiarité et de la facilité apparente de traitement. Par conséquent, le rapport ne corrèle pas
toujours avec la performance. Ceci est dû au fait que la métacognition est un modèle de la
cognition et que ce modèle est influencé par des facteurs qui n’affectent pas forcément la
performance. Par exemple, le sentiment de difficulté est non seulement influencé par la
difficulté objective de la tâche mais aussi par les capacités cognitives et des facteurs liés à la
personnalité ou au concept de soi. Le sentiment de difficulté influence d’autres expériences
métacognitives, telles que le jugement de confiance, la satisfaction relative à la réponse,
l’estimation des efforts produits et l’estimation du temps passé sur la tâche. Les expériences
métacognitives sont relatives de nature, c’est-à-dire qu’elles sont influencées par les autres
estimations et sentiments pendant le traitement cognitif. Ceci explique la bonne fidélité du
MEQ, notamment de sa partie rétrospective qui reflète une meilleure cohérence des
interrelations entre expériences métacognitives et traitement actuel.
Nous pourrions conclure que le sentiment de difficulté n’est pas un bon indicateur du
traitement cognitif car il ne corrèle pas très fortement avec la performance. Toutefois, nous le
considérons important pour le traitement cognitif puisque nous sommes intéressés à son
influence on-line sur le traitement cognitif et à l’initiation de processus de contrôle (Efklides,
2002b). Comme cela a déjà été mentionné, les expériences métacognitives ne dépendent pas
uniquement du stimulus ou de la tâche mais également de facteurs personnels. Elles sont une
réponse des caractéristiques perçues de la tâche et de la capacité perçue de la personne de
réaliser la tâche. Elles impliquent non seulement des évaluations cognitives mais aussi
affectives ; cette caractéristique les rend singulières et intéressantes pour notre travail.
3.5. Le contrôle métacognitif
Une autre composante de la métacognition, introduite explicitement par Brown (1978, 1987)
est de type procédural. Elle concerne le contrôle métacognitif21 que l’on nomme aussi
régulation métacognitive ou fonctions exécutives. L’idée des processus de contrôle est tout
d’abord apparue dans le champ d’étude de la mémoire humaine. R.C. Atkinson et Shiffrin
(1968) ont les premiers proposé un modèle incluant, en plus des caractéristiques dites
structurelles de la mémoire, des processus de contrôle sous la direction volontaire de
l’individu (par exemple, la répétition, le codage ou des stratégies de recherche)22. Relevons
que les définitions et classifications du fonctionnement exécutif (Brown, 1978 ; Kluwe, 1982)
ou de la régulation métacognitive ont généralement mélangé contrôle métacognitif et
jugements métacognitifs alors que nous les traitons de manière séparée dans notre cadre
théorique. Selon Schwartz et Perfect (2002), « metacognitive control is the conscious and
non-conscious decisions that we make based on the output of our monitoring processes. » (p.
4, italiques dans l’original). Cette définition introduit explicitement la possibilité que le
contrôle métacognitif puisse être réalisé de manière automatisée par l’individu. Brown (1987)
avait déjà insisté sur ce contrôle inconscient : « These activities are often not statable;
knowing how to do something does not necessarily mean that the activities can be brought to
the level of conscious awareness and reported on to others. » (p. 68).
21
Nous avons choisi d’utiliser ce terme afin d’en limiter le sens à des processus de contrôle, c’est-à-dire d’en
exclure les processus de monitoring. En effet, les fonctions exécutives font souvent référence aux processus de
monitoring et de contrôle (Borkowski, Chan, & Muthukrishna, 2000).
22
« the permanent features of memory (…) include both the physical system and the built-in processes that are
unvarying and fixed from one situation to another. Control processes, on the other hand, are selected,
constructed, and used at the option of the subject and may vary dramatically from one task to another event
though superfically the tasks may appear very similar. » (R. C. Atkinson & Shiffrin, 1968, p. 90)
Brown (1987) distingue les processus métacognitifs de régulation et de monitoring de

l’apprentissage en trois types d’activités :
1. Les activités de planification (prédire les résultats, prévoir les stratégies, différentes
formes d’essai erreur) avant de se lancer dans un problème ;
2. Les activités de contrôle continu (guider, tester, réviser, re-prévoir ses stratégies pour
l’apprentissage) pendant l’apprentissage ;
3. La vérification des résultats (évaluer le résultat d’actions stratégiques par rapport aux
critères d’efficacité) après l’apprentissage.
Des processus d’anticipation, de planification et de contrôle sont des processus qui guident et
dirigent le fonctionnement cognitif/l’exécution d’une tâche. Dans la perspective théorique de
Sternberg (1979), le contrôle métacognitif est réalisé par ce qu’il nomme les méta-
composantes :
Metacomponents are the processes by which subjects determine what components,

representations, and strategies should be applied to various problems. They also determine
the various rates of component executions (including the decision about how rate will be
traded off for accuracy) and the probabilities that various components will be applied at all
in a given situation (p. 226).
Selon les chercheurs, les fonctions exécutives sont définies de manières différentes. Par
exemple, Schraw (1998) ou Brown (1978) proposent de considérer les fonctions de
planification, de monitoring et de contrôle comme étant les trois essentielles23. La régulation
de la cognition concerne une série d’activités qui permettent à l’élève de contrôler son
fonctionnement dans des tâches d’apprentissage ou de résolution de problème. Les recherches
soutiennent l’hypothèse que la régulation métacognitive améliore la performance et
23
Les processus exécutifs qui guident la sélection, l’application et les effets des processus de résolution sont de
type métacognitif selon Kluwe (1982). Ces processus sont de deux types : le monitoring (correspondant dans
notre taxonomie aux jugements métacognitifs) et la régulation (correspondant dans notre taxonomie au contrôle
métacognitif). Ces premiers incluent les processus dirigés vers l’acquisition d’informations au sujet des
processus de pensée de la personne. Il s’agit des décisions de l’individu qui permettent : a) d’identifier la tâche
sur laquelle il travaille actuellement, b) de vérifier que le travail est bien en progression, c) d’évaluer ces progrès
et d) de prédire quel sera le résultat de cette progression. Les processus exécutifs de régulation sont l’autre
composante des fonctions exécutives. Ils sont dirigés vers la régulation du cours de sa propre pensée et
comprennent les décisions qui permettent : a) d’allouer ses ressources à la tâche, b) de déterminer l’ordre des
étapes à suivre pour compléter la tâche, c) de réguler l’intensité, d) de réguler la vitesse à laquelle on travaille.
l’apprentissage de plusieurs façons, dont notamment une meilleure utilisation des ressources
attentionnelles, des stratégies existantes et une plus grande conscience des problèmes de
compréhension (Schraw, 1998). Les fonctions exécutives sont en outre postulées largement
interdépendantes (Veenman et al., 2004) et générales (Brown, 1978 ; Sternberg, 1985), c’est-
à-dire que le recours à l’une des activités rend probable le recours aux autres activités et
qu’elles seraient applicables dans de multiples domaines (voir 3.2.6.). En outre, le contrôle
métacognitif se manifeste relativement tôt dans le développement cognitif de l’enfant. En
effet, selon Kluwe (1980, cité in Kluwe, 1982), les enfants montrent dès l’âge de 4 ans des
signes de régulation de leurs processus de résolution de problème pour s’adapter aux
demandes changeantes de la tâche. De plus, Whitebread, Coltman, Anderson, Mehta, et Pino-
Pasternak (2005) ont montré que les comportements d’enfants de 5 ans révélaient des indices
de contrôle métacognitif dans la mesure où la tâche était compréhensible et les intéressait.
Selon Boekaerts (1999b), la fonction de contrôle (c’est-à-dire le contrôle métacognitif) est

définie de façon largement divergente selon les auteurs et il n’existerait pas d’accord au sujet
de ce que signifie le contrôle et comment il est lié aux autres composantes de la métacognition
et aux croyances motivationnelles. Nous considérerons dans ce travail que le contrôle
métacognitif est constitué des activités d’anticipation (par exemple se demander quelles
pourraient être les difficultés d’une tâche avant de débuter sa résolution), de planification (par
exemple déterminer les étapes de résolution d’une tâche), de contrôle continu (par exemple
vérifier pendant la résolution que nous sommes sur la bonne voie) et de contrôle final (par
exemple vérifier que nous avons réalisé la tâche de manière exhaustive). Ces activités peuvent
prendre des formes diverses en fonction des tâches, des domaines et des situations mais elles
constituent toujours selon nous les activités essentielles du contrôle métacognitif. Bien que
nous distinguions en théorie quatre types d’activités, celles-ci ne sont pas facilement
distinguables empiriquement puisqu’elles peuvent se recouper ou être exécutées de manière
simultanée. Par exemple, les activités d’anticipation et de planification sont souvent peu
différentiables car elles sont réalisées en même temps étant donné qu’elles sont fortement
interdépendantes.
Chacune des composantes de la métacognition est reconnue comme importante dans les
acquisitions et apprentissages scolaires, notamment les mathématiques (De Corte, Verschaffel
& Opt’Eynde, 2000 ; Desoete et al., 2002 ; Focant & Grégoire, 2005 ; Garofalo & Lester,
1985 ; Lucangeli & Cornoldi, 1999 ; Lucangeli, Tressoldi, & Cendron, 1998 ; Schoenfeld,
1992), la lecture et la compréhension de texte (Baker & Brown, 1984 ; Büchel, 1982 ; Garner,
1987 ; Palincsar & Brown, 1984 ; Pressley & Gaskins, 2006 ; Veenman & Beishuizen, 2004),
ainsi que la rédaction textuelle (Allal & Saada-Robert, 1992 ; Graham & Harris, 1997). Etant
donné que nous sommes, dans ce travail, intéressés au domaine de la résolution de problèmes
mathématiques, nous présentons maintenant la pertinence de la métacognition par rapport à ce
domaine.
3.6. La métacognition en résolution de problèmes mathématiques

3.6.1. Introduction
Si les recherches sur la métacognition ont débuté dans le champ d’étude de la mémoire, elles
ont rapidement été adaptées et appliquées à l’étude de la résolution de problèmes notamment
mathématiques. En effet, la métacognition est reconnue comme jouant un rôle clé dans la
résolution de problèmes mathématiques, comme en témoigne un ouvrage récent consacré
spécifiquement à ce sujet (Desoete & Veenman, 2006). Chez des jeunes enfants, une
combinaison des métaconnaissances et des compétences métacognitives expliquerait 37% de
la variance des performances dans ce type de tâches. Les compétences de monitoring
(prédiction et évaluation) expliqueraient à elles seules 16% de la variance des performances
en mathématiques et permettraient de discriminer les élèves avec des troubles
d’apprentissages en mathématiques de leurs pairs dont les performances sont simplement
inférieures à la moyenne (Desoete, Roeyers, & Buysse, 2001) ou les élèves qui réussissent
bien en maths de ceux qui réussissent moins bien (Lucangeli & Cornoldi, 1997). Lucangeli et
Cornoldi (1997) ont trouvé que les compétences métacognitives prédisaient 69% de la
variance de la performance en mathématiques chez des élèves du 3ème degré et 41% chez des
élèves du 4ème degré. En outre, ces compétences expliquent une part de variance plus large
dans les tâches les plus complexes, c’est-à-dire les moins automatisées. Les travaux de
Montague (p. ex. 1992 ; Montague & Bos, 1990) avec des adolescents présentant de grandes
difficultés dans la résolution de problèmes ont montré que leurs lacunes étaient largement
dues à un déficit métacognitif et que l’entraînement de ces compétences leur permettait
d’améliorer considérablement leurs compétences dans ce domaine. Schoenfeld (1985) a
précisément décrit le manque de contrôle métacognitif exercé par des étudiants, en
comparaison d’experts du domaine des mathématiques, lors de la résolution de problèmes
géométriques complexes. En outre, déjà lors du premier degré scolaire, les élèves qui
démontrent des métaconnaissances sur les stratégies en mathématiques se distinguent par leur
plus grande compétence dans l’utilisation de ces stratégies (Carr & Jessup, 1997). Selon
Lucangeli et Cornoldi (1997), un élève compétent en mathématiques a développé tant des
processus métacognitifs (fonctionnement exécutif) de bonne qualité que des compétences
cognitives spécifiques au domaine (par exemple des compétences arithmétiques). Cet élève
est vigilant et attentif dans l’utilisation consciente de ses habiletés cognitives. Finalement,
relevons que les compétences métacognitives sont plus largement prédictives de
l’apprentissage en mathématiques que ne l’est l’intelligence (Veenman, 2006). Etant donné
leur importance, les connaissances et compétences métacognitives se voient attribuer un rôle
central dans les objectifs pédagogiques actuels des programmes d’enseignement des
mathématiques (Op’t Eynde, De Corte & Verschaffel, 2006).
En outre, différents programmes d’entraînement ont été développés afin de combler des
déficits, d’améliorer ou de favoriser la métacognition des élèves, au niveau primaire et
secondaire principalement. Nous en présentons trois ci-dessous pour en donner un aperçu.
Mevarech et Kramarski (1997 ; Kramarski, Mevarech, & Arami, 2002 ; Mevarech & Fridkin,
2006 ; Mevarech, Tabuk & Sinai, 2006) ont développé un programme nommé IMPROVE
(Introducing the new material, Meta-cognitive questioning, Practicing, Reviewing, Obtaining
mastery on higher and lower cognitive processes, Verification, and Enrichment and
remedial), qu’elles présentent comme une méthode d’enseignement dont l’objectif est
d’améliorer la capacité de l’élève d’activer des processus métacognitifs qui auront pour effet
d’améliorer son raisonnement et ses performances en résolution de problèmes mathématiques.
Les élèves apprennent à guider leur résolution par l’utilisation de quatre types de questions
métacognitives qui sont au cœur du programme et qu’ils se posent à eux-mêmes. Ces
questions concernent la compréhension (par exemple quel est le but du problème ?), les
connexions (par exemple en quoi le problème ressemble-t-il ou diffère-t-il de problèmes que
j’ai déjà résolus ?), les stratégies (par exemple quelles sont les stratégies appropriées pour
résoudre ce problème ?) et la réflexion (par exemple la solution fait-elle sens ?).
Le programme Solve it !© de Montague (2003) est destiné à des adolescents présentant des
troubles d’apprentissage en mathématiques, en particulier dans la résolution de problèmes.
Partant de la constatation que ces élèves possèdent typiquement un répertoire limité de
stratégies, des compétences métacognitives immatures et qu’ils ne parviennent pas à guider
leurs apprentissages en détectant et corrigeant spontanément leurs erreurs, Montague (1992,
2006, 2007 ; Montague & Bos, 1990) s’attaque au déficit d’autorégulation de ces élèves. Dans
le cadre d’interventions auprès d’élèves présentant des difficultés d’apprentissage en

résolution de problèmes mathématiques, elle propose l’enseignement de trois stratégies
qu’elle nomme autorégulatrices : auto verbalisation (self-verbalization), auto questionnement
(self-questioning) et auto évaluation (self-evaluation). En outre, cet entraînement a pour effet
indirect d’améliorer les attitudes ainsi que le sentiment d’efficacité personnelle des élèves en
mathématiques.
Van Luit et Kroebergen (2006) proposent le programme MASTER (MAthematics Strategy
Training for Educational Remediation) qui a pour objectif d’enseigner aux enfants avec des
difficultés en mathématiques à adopter une pensée métacognitive sur la résolution de
problèmes de multiplication et de division. De plus, les connaissances de base (par exemple
les tables de multiplication) sont enseignées aux élèves. Bien que ce programme soit
relativement coûteux en temps (48 séances de 45 minutes), il s’avère efficace pour améliorer
les performances des élèves selon les résultats de l’étude de Van Luit et Kroebergen.
Garofalo et Lester (1985) ont proposé un cadre de travail comprenant quatre catégories
d’activités, inspirées des travaux de Polya (1957) et Schoenfeld (1985), impliquées dans la
résolution d’un problème mathématique, mais également dans d’autres types de tâches
mathématiques. Ces quatre catégories sont des phases de la résolution (orientation,
organisation, exécution et vérification) et elles représentent grossièrement les fonctions de
contrôle métacognitif telles que définies dans les modèles métacognitifs (par exemple celui de
Büchel, 1996). Elles permettent de situer l’activité de l’élève et de classer les processus
cognitifs et métacognitifs. Nous avons croisé, pour le domaine de la résolution de problèmes
mathématiques, ces quatre activités avec les trois composantes de la métacognition définies
dans le tableau 1, ce qui est représenté dans le tableau 3.1. Ce tableau donne un aperçu non
exhaustif de la façon dont les composantes de la métacognition pourraient se manifester lors
de la résolution d’un problème mathématique. Soulignons qu’il ne s’agit que d’une tentative
de classification dans un but illustratif. Les connaissances et croyances métacognitives
mentionnées pourraient probablement concerner chacune des phases, au contraire des
jugements qui sont plus facilement attribuables à une phase de résolution.
Tableau 3.1.
Les composantes de la métacognition en résolution de problèmes mathématiques en fonction
des phases définies par Garofalo & Lester
Connaissances et Jugements et
Phase Contrôle
croyances sentiments
Sentiment d’efficacité
Sentiment de difficulté Anticipation des difficultés
personnelle
Stratégies de résolution Sentiment de familiarité Définition du problème

ORIENTATION
Croyances sur l’utilité des
Sentiment d’intérêt Intention de s’engager
maths
Jugement de
compréhension
Croyances sur la résolution Jugement de confiance en Planification des étapes : les

de problèmes maths son plan reconnaître
ORGANISATION
Connaissances sur l’utilité Prédiction du résultat Planification des étapes : les
de la planification (estimation) ordonner
Contrôle continu
Jugement de confiance en
EXÉCUTION son plan Régulation du
comportement cognitif
(vitesse vs précision,
quantité d’efforts, etc.)
Sentiment d’efficacité ses calculs
personnelle Jugement de confiance en
son plan Contrôle final (calcul,
VÉRIFICATION reality testing, etc.)
Croyances sur la résolution sa réponse
de problèmes maths
Sentiment de satisfaction
Lucangeli et al. (1998) proposent un modèle dit « économique » des compétences nécessaires
à la résolution de problèmes arithmétiques textuels. Parmi les composantes figurent tant des
compétences cognitives que métacognitives, ces dernières étant représentées par la
planification (bien que les auteurs ne la désignent pas comme métacognitive) et l’auto-
évaluation de la procédure de résolution employée par l’élève. Dans leur modèle théorique de
départ, Lucangeli et al. (1998) considéraient trois compétences qu’ils estiment possible
d’opérationnaliser afin de les mesurer : l’estimation a priori du résultat, l’auto-évaluation des
calculs et l’auto-évaluation de la procédure. Les deux premières ne figurent pas dans leur
modèle final, car elles n’expliquent pas de variance unique. L’auto-évaluation des calculs est
très fortement corrélée (r = .90) avec l’auto-évaluation de la procédure, il semble ainsi que les
élèves incluraient le jugement relatif à leurs calculs dans le jugement de leur procédure. Les
deux types d’auto-évaluation sont largement corrélés avec les compétences cognitives
mesurées sur la base des mêmes problèmes (entre r = .26 et r = .37 avec la compréhension, la
représentation et la classification). La planification est corrélée fortement avec les
compétences cognitives, tout comme la prédiction (estimation du résultat à priori). La
prédiction est plus faiblement corrélée avec les items d’auto-évaluation qu’avec les
compétences cognitives, ce qui est également le cas de la planification.
3.6.2. Les connaissances et croyances métacognitives en résolution de problèmes

mathématiques
Dans le domaine de la résolution de problèmes mathématiques, les métaconnaissances sur les

stratégies cognitives se traduisent en connaissances sur les opérations arithmétiques, sur leurs
conditions d’application, les erreurs-type que l’on commet dans leur exécution, mais
également en connaissances sur d’autres stratégies telles que faire un schéma ou d’autres
stratégies dites heuristiques. Les connaissances sur les tâches sont relatives aux facteurs de
difficultés d’un problème, à l’attribution du problème à une classe de problèmes, etc. Desoete
et al. (2002) ajouteraient ici les croyances métacognitives relatives à soi (concept de soi,
sentiment d’efficacité, etc.) mais nous les traitons comme variables liées à la motivation plutôt
que comme variables métacognitives. Selon Desoete et al. (2001), les métaconnaissances en
résolution de problèmes mathématiques peuvent consister en la connaissance de la difficulté
d’un problème en comparaison avec un autre (connaissances déclaratives), en les raisons de
cette plus ou moins grande difficulté (connaissances conditionnelles) et en la connaissance de
la façon dont le problème va être traité (connaissances procédurales).
Garofalo et Lester (1985) appliquent les catégories de métaconnaissances décrites par Flavell
et Wellman (1977) à la résolution de problèmes mathématiques. Les métaconnaissances sur la
personne concernent l’évaluation de ses propres capacités et limites (nous préférons pour cela
les termes concept de soi et sentiment d’efficacité) par rapport aux mathématiques en général
et par rapport à des domaines ou des tâches spécifiques. Ces connaissances incluent
également les croyances relatives à la nature des capacités en math, la relation entre la
performance en mathématiques et la performance dans d’autres domaines, ainsi que les effets
des variables affectives telles que la motivation, l’anxiété ou la persévérance. Ces
connaissances sont particulièrement biaisées chez les élèves des degrés primaires qui ont
beaucoup de fausses idées sur les mathématiques. Les métaconnaissances sur les tâches
concernent, toujours selon Garofalo et Lester, les croyances sur les mathématiques en tant que
sujet, les croyances sur la nature des tâches mathématiques, ainsi que la conscience des effets
des caractéristiques de la tâche (contenu, contexte, structure, syntaxe et difficultés). Pour ces
métaconnaissances aussi, les élèves du primaire possèdent des connaissances naïves et en
partie erronées. Les métaconnaissances sur les stratégies incluent les connaissances sur les
algorithmes et heuristiques ainsi que la conscience que les stratégies aident à la
compréhension, à l’organisation des informations, à la planification ou encore à la vérification
des résultats. Ces métaconnaissances concernent également la conscience de l’utilité des
stratégies et la connaissance de leur champ d’application. Comme pour les métaconnaissances
relatives à la mémoire, de nombreuses connaissances résultent d’interactions entre les
catégories et n’appartiennent pas purement à une catégorie ou à une autre.
Lester et Garofalo (1982, cités in Van Haneghan & Baker, 1989) ont comparé les
connaissances sur stratégies de vérification d’élèves des troisième et cinquième degrés
primaires sur la base d’entrevues. Aucune différence développementale n’a été trouvée et les
élèves affirment n’utiliser que la stratégie de vérification empirique des résultats et ceci
lorsqu’ils en ont le temps. Ni l’évaluation de la procédure ni l’évaluation de la plausibilité des
résultats (mentionnés par Van Haneghan et Baker, 1989) ne sont utilisées par ces élèves. Une
recherche de Carr et Jessup (1997) a montré que les élèves qui possèdent des
métaconnaissances procédurales et conditionnelles sur l’utilisation des stratégies en math se
montrent plus capables d’utiliser ces stratégies avec succès en comparaison des élèves qui ne
possèdent pas ces connaissances.
Bien que différenciées par certains (notamment Op’t Eynde et al., 2006) des
métaconnaissances, les croyances que les élèves se sont formées au sujet des mathématiques
peuvent être considérées comme des connaissances métacognitives. Ces croyances ont
clairement un effet sur la façon dont l’élève aborde un problème mais aussi sur la façon dont
il va le résoudre. Plusieurs chercheurs (Schoenfeld, 1985, 1989 ; Lerch, 2004 ; Lester &
Garofalo, 1979 cités in Lucangeli & Cabrele, 2006 ; Lester, Garofalo, & Kroll, 1989 ; Op’t
Eynde et al., 2006) ont identifié des croyances largement répandues chez les élèves et
démontré leur influence notamment sur le fonctionnement exécutif pendant la résolution. Les
mathématiques sont un domaine particulièrement propice à la formation de croyances
erronées par les élèves, comme par exemples que la difficulté dans un problème dépend de la
grandeur des nombres qu’il contient, qu’il existerait une sorte de « bosse des maths », que tout
problème ne peut être résolu que d’une seule et unique façon, qu’il peut être résolu en dix
minutes et que si ce n’est pas le cas, cela signifie que l’on y arrivera pas, ou encore que la
réussite dépend de la mémorisation des formules.
Dans le cadre des mathématiques, Op’t Eynde et al. (2006) ont étudié le système de croyances
d’élèves du secondaire I, qu’ils estiment être l’une des dispositions nécessaires à
l’autorégulation en mathématiques. Ce système comprend notamment ce qui a
traditionnellement été nommé métaconnaissances dont ses aspects motivationnels et sociaux.
Selon eux, les croyances liées aux mathématiques « include the implicitly and explicitly held
subjective conceptions about mathematics education, the self as a (learner of) mathematics,
and the social context of the mathematics classroom » (p. 85). Parmi les croyances liées au
self, Op’t Eynde et al. (2006) incluent des croyances motivationnelles, soit l’orientation des
buts, la valeur de la tâche, la perception de contrôle et le sentiment d’efficacité24. L’analyse en
composantes principales de leur questionnaire Mathematical Related Beliefs Questionnaire
montre que les croyances sur ses compétences et l’intérêt en mathématiques saturent la même
composante que les croyances sur la signification des mathématiques, ce qui montre que les
croyances et connaissances métacognitives en mathématiques sont largement
interdépendantes. Etant donné le lien entre ces métaconnaissances et le fonctionnement
exécutif, ces croyances revêtent une importance certaine.
3.6.3. Les jugements et sentiments métacognitifs en résolution de problèmes

mathématiques
Tobias et Everson (2000) partent du postulat qu’un contrôle efficace sur son apprentissage ne
peut pas se réaliser en l’absence d’un monitoring adéquat, ce qui consiste en la prédiction de
sa réussite. L’élève qui ne peut distinguer entre ce qu’il sait et ce qu’il ne sait pas ne peut pas
exercer de contrôle sur ses activités d’apprentissage ou choisir une stratégie appropriée pour
atteindre ses buts. Par exemple, un élève qui est conscient de ses connaissances n’aura pas
besoin d’étudier ce qu’il sait déjà et pourra consacrer son temps au matériel qui lui est moins
familier ou par rapport auquel il juge ses compétences moins bonnes. Ainsi il peut réguler
l’allocation du temps d’étude (allocation of study time) de façon optimale. Avec l’instrument
24
Ils se basent pour cela sur la proposition de Pintrich et al. (2000) de considérer les métaconnaissances sur soi, à
l’exception des métaconnaissances dites universelles, comme des construits motivationnels plutôt que
métacognitifs. Elles impliquent en effet le self et par conséquent sont considérées comme des hot cognitions par
opposition à des cold cognitions sur les tâches et stratégies.
Knowledge Monitoring Assessment (KMA), Tobias et Everson (2000) montrent qu’une

évaluation inadéquate de sa capacité à réaliser un problème de math est négativement corrélée
à la réussite en mathématiques, c’est-à-dire que capacité de prédiction (nommée monitoring
par Tobias et Everson) et réussite co-varient. Leurs données ne sont toutefois que
corrélationnelles. Cette capacité contribue de façon indépendante à la variance des
performances en mathématiques. En outre, avec des élèves de 4ème, 5ème et 6ème degrés, ils
montrent que la précision (ou calibration) des prédictions augmente avec la compétence en
mathématiques et l’expérience scolaire. Ceci signifie que les élèves qui obtiennent les
meilleurs résultats en mathématiques sont aussi ceux dont les prédictions sont les plus
précises et que la capacité de prédiction s’améliore au fur et à mesure des années scolaires. Le
sentiment de difficulté (qui correspond à l’inverse du jugement ease-of-learning dans les
études sur la métamémoire) influence les idées sur le contrôle de l’élève en cours de
résolution de problèmes mathématiques, comme l’a montré l’étude d’Efklides et al. (1999).
Le sentiment de difficulté varie d’une étape de résolution à une autre et ce sentiment influence
les idées sur le contrôle. En outre, la relation entre le sentiment de difficulté et la performance
est médiatisée par les idées sur le contrôle. Cette recherche montre que les sentiments et
jugements métacognitifs constituent l’une des bases des décisions de contrôle.
Van Haneghan et Baker (1989) définissent le monitoring cognitif dans le domaine des
mathématiques comme les activités des élèves visant à déterminer s’ils ont donné une réponse
correcte, choisi une stratégie correcte pour résoudre un problème ou encore s’ils ont compris
un problème ou concept. Trois niveaux auxquels l’élève doit évaluer sa cognition dans la
résolution de problèmes mathématiques sont définis par ces chercheurs : 1) l’évaluation du
résultat des procédures arithmétiques mises en œuvre, 2) l’évaluation de l’exactitude de la
procédure choisie et 3) le jugement du sens des relations sémantiques du texte. Ces trois
niveaux de monitoring sont interdépendants, puisque si un élève se rend compte d’une erreur
dans ses calculs, cela lui signalera qu’il a peut être mal compris le texte.
Une étude de Slife, Weiss et Bell (1985) a montré que les élèves avec des troubles
d’apprentissage (learning disabled) en mathématiques présentaient un déficit dans leur
capacité à juger s’ils avaient résolu des problèmes de mathématiques de façon correcte ou
incorrecte (c’est-à-dire des jugements de confiance), ceci en comparaison avec des élèves sans
trouble. Pour l’évaluation de la procédure choisie, Van Haneghan et Baker (1989) relèvent
trois difficultés souvent rencontrées par les élèves et qui limitent l’utilité de ce type
d’évaluation. Premièrement, certains élèves se basent sur des mots-clés pour choisir la ou les
opérations à effectuer, alors que certains mots-clés peuvent s’avérer trompeurs (par exemple
le mot « plus » ne signifie pas toujours que l’opération à effectuer est une addition). Ces
élèves pensent que pour évaluer leur procédure il faut se référer aux mots-clés et leur
ambiguïté fait que l’évaluation est inefficace. Deuxièmement, les élèves utilisent des
standards pour l’évaluation qui ne sont pas applicables dans tous les problèmes. Par exemple,
la croyance que « la multiplication produit toujours un nombre plus grand » est correcte pour
les nombres entiers mais pas pour les fractions ou les nombres décimaux. Ces croyances
proviennent d’une sur-généralisation et ne sont pas efficaces pour l’évaluation du choix de la
procédure. Troisièmement, les applications restreintes des opérations dans les problèmes
donnés à l’école limiteraient la capacité des élèves à évaluer la ou les opérations choisie(s)
dans un contexte plus naturel.
L’utilisation de standards sémantiques (monitoring de la compréhension), troisième type de
stratégie d’évaluation selon Van Haneghan et Baker (1989), peut concerner un standard de
consistance interne (les faits énoncés dans le texte sont logiquement liés les uns aux autres) ou
un standard de consistance externe (le problème fait sens par rapport aux connaissances
générales du monde). Leur modèle du monitoring cognitif nécessite qu’un training sur cette
compétence ne soit pas réalisé sans lien avec les connaissances métacognitives. Ces niveaux
requièrent des connaissances sur le quoi, le comment et le quand réaliser du monitoring
(connaissances métacognitives). De ce fait, le monitoring ne peut pas être séparé de la base de
connaissances mathématiques de l’élève (p. 234). Les stratégies de monitoring devraient ainsi
être enseignées explicitement et les élèves devraient apprendre à reconnaître quand une
certaine stratégie est adaptée et quand elle ne l’est pas.
Desoete et ses collègues (2001, 2006 ; Desoete & Roeyers, 2006 ; Desoete et al., 2001 ;
Desoete et al., 2002 ; Desoete, Roeyers & De Clercq, 2003) ont réalisé plusieurs recherches
sur le monitoring, sous la forme de prédiction de la réussite et d’évaluation de la confiance en
ses résultats, avec des élèves présentant des troubles d’apprentissage en mathématiques. Elle
utilise le terme de « metacognitive skills » pour désigner ces deux compétences ainsi que la
planification. Les deux compétences de prédiction et d’évaluation sont groupées sous le terme
de « off-line metacognition » ; la planification étant une composante « on-line ». Dans ce
travail, nous incluons les compétences liées à la prédiction et l’évaluation sous le terme de
sentiments et jugements métacognitifs, alors que les compétences de planification sont inclues
sous le terme de contrôle métacognitif. La métacognition off-line est évaluée par rapport à sa
calibration (c’est-à-dire le degré d’adéquation de la prédiction et de l’évaluation par rapport à
la performance). Les recherches de Desoete ont montré d’une part que les compétences
métacognitives off-line étaient importantes pour l’apprentissage des mathématiques (p. ex.
Desoete & Roeyers, 2006) et d’autre part qu’elles faisaient largement défaut chez les élèves
présentant des troubles d’apprentissage en mathématiques (Desoete, 2001 ; 2006). En outre,
les compétences de prédiction peuvent être améliorées chez des élèves du 3ème degré primaire
même avec une intervention brève et cela améliore leurs performances en mathématiques
(Desoete et al., 2003).
3.6.4. Le contrôle métacognitif en résolution de problèmes mathématiques
Selon Pressley, Johnson et Symons (1987), la réussite dans les tâches de mathématiques en
général est dépendante de la mesure dans laquelle l’élève est capable de lier ses connaissances
procédurales des faits et algorithmes avec un contrôle métacognitif, c’est-à-dire des réflexions
stratégiques à chacune des étapes de résolution. De nombreuses études empiriques ont montré
le rôle majeur du contrôle métacognitif dans la résolution de problèmes mathématiques
(notamment De Corte & Somers, 1982 ; Lester & Garofalo, 1982 ; Schoenfeld, 1983b, 1985).
Pour Schoenfeld (1985), le contrôle en résolution de problèmes mathématiques consiste en
des décisions relatives à un changement d’activité (lecture, analyse, exploration…) et ces
activités correspondent approximativement aux fonctions exécutives. Pour Lester et al.
(1989),
control has to do with the decisions and actions undertaken in analyzing and exploring
problem conditions, planning courses of action, selecting and organizing strategies,
monitoring actions and progress, checking outcomes and results, evaluating plans and
strategies, and reflecting upon all decisions made and actions taken during the course
of working on a problem. (p. 4)
Cette définition rassemble plusieurs aspects de la métacognition que nous avons distingués
dans notre taxonomie. Nous y reconnaissons différents jugements métacognitifs et fonctions
du contrôle métacognitif, mais aussi des activités que nous pourrions simplement considérer
cognitives, telles que l’exploration du problème. Focant et Grégoire (2005 ; Focant, 2004 ;
Focant, Grégoire & Desoete, 2006) ont décrit de manière plus précise le fonctionnement
exécutif en résolution de problèmes mathématiques. Ils distinguent quatre stratégies
d’autorégulation cognitive (c’est-à-dire de contrôle métacognitif) principales :
1. La détermination du but : il s’agit de décider quel est le point d’aboutissement recherché.

Pour cela, le problème doit être défini par exemple à l’aide d’une paraphrase. Le but
déterminé sert ensuite de référence pendant l’exécution du problème ;
2. La planification : il s’agit d’élaborer un plan d’action pour atteindre le but. Pour cela,
l’élève doit choisir et élaborer les étapes qui seront nécessaires ainsi que leur ordre
d’exécution ;
3. Le contrôle : il est divisé en quatre sous-types décrits ci-dessous.
3.1. Réaliser du monitoring : ceci permet de prendre conscience que le cours de notre
activité n’est plus cohérent par rapport à notre but ou que nos résultats
intermédiaires sont inattendus. Ce contrôle se différencierait des autres formes de
contrôle par le fait qu’il signale l’existence d’un problème mais sans le définir
clairement, alors que les autres formes de contrôle concernent une erreur précise.
Carr et Biddlecomb (1998) décrivent un phénomène proche sous le terme de
« perturbation » ;
3.2. Contrôler la poursuite d’un but : ce contrôle est défini comme intentionnel et
généralement conscient lors de sa mise en œuvre. Il s’agirait par ce contrôle de juger
de l’adéquation de ses intentions (par exemple réaliser une certaine opération
arithmétique) par rapport au but poursuivi ;
3.3. Revoir les étapes menées : il s’agit d’un « contrôle périodique basé sur les
connaissances disciplinaires liées à la compréhension du nombre et des opérations,
et aux conditions d’activation des procédures. Il évalue la procédure menée en
s’interrogeant sur la pertinence de la traduction de l’intention (distribuer des jouets)
en opération arithmétique (division écrite) : « Je voulais partager les jouets entre
tous les enfants, était-ce correct de diviser le nombre de jouets par le nombre
d’enfants ? ». Elle ne s’interroge pas de savoir si la procédure a été menée
correctement, mais de savoir si cette même procédure a été menée avec raison. »
(Focant & Grégoire, 2005, pp. 205-206) ;
3.4. Vérifier les résultats : cette vérification est basée sur les connaissances de l’élève au
sujet des procédures arithmétiques. L’élève recherche d’éventuelles erreurs relatives
à l’application des procédures, c’est-à-dire qu’il s’agit de la vérification des calculs
réalisés. Cette forme de contrôle est sous divisée par Focant et Grégoire (2005) en
vérification des résultats et vérification des opérations, qui se distinguent

empiriquement (corrélation nulle à faible). La vérification des résultats peut être
réalisée de deux manière : empirique (l’élève refait le calcul ou fait la preuve) ou
logique (l’élève évalue si sa réponse est plausible). Pour ce dernier type de
vérification, la stratégie d’estimation du résultat est utilisable (Montague & van
Garderen, 2003). Selon Van Haneghan et Baker (1989), cette dernière deviendrait de
plus en plus importante avec le recours de plus en plus fréquent à la machine à
calculer, car l’élève doit être capable de déterminer si le résultat affiché par sa
machine a sens (reality testing ; Brown, 1978) ;
4. La régulation : il s’agit d’adapter ses actions en fonction des résultats donnés par les
stratégies de contrôle.
L’étude de Focant et al. (2006) a montré que chacune des stratégies d’autorégulation était
corrélée à la performance. En outre, les stratégies de contrôle et de planification sont
fortement interdépendantes. Finalement, il serait plus efficace pour la réussite des problèmes
d’exercer ces stratégies de manière bien organisée, c’est-à-dire de manière appropriée mais
rarement, plutôt que de manière désorganisée et fréquemment.
Les travaux de Schoenfeld (1983a, b, 1985, 1987, 1988, 1989, 1992 ; Schoenfeld &
Herrmann, 1982) sont parmi les plus riches dans le domaine de la métacognition en
mathématiques. Schoenfeld s’est intéressé tant aux croyances métacognitives des élèves qu’à
leur fonctionnement exécutif lorsqu’ils résolvaient en paires des problèmes mathématiques
peu structurés. Il a découpé les protocoles verbaux de ces situations en épisodes constituant
différents types d’activité afin de schématiser le processus de résolution suivi par les paires.
De plus, les divers jugements métacognitifs ont été relevés, tout comme les moments où ces
jugements faisaient défaut. Ses analyses (p. ex. Schoenfeld, 1983b) montrent que les décisions
de contrôle ainsi que les jugements métacognitifs sont essentiels pour la résolution de
problèmes. Non seulement les bonnes décisions de contrôle et les bons jugements doivent être
réalisés au moment adéquat, mais le manque ou les mauvaises décisions et jugements doivent
également être évités. Par exemple, les jugements liés à l’évaluation du bon avancement de la
résolution ne sont utiles qu’à certains moments, ceci en fonction de la situation. Il est donc
inutile de les réaliser à chaque changement d’épisode dans la résolution.
Tant les élèves des degrés primaires que les élèves de niveau collège (high school) auraient un
fonctionnement exécutif déficient dans la résolution de problèmes mathématiques. Les élèves
du primaire n’analyseraient pas systématiquement les informations données dans le problème,
ne réaliseraient pas de monitoring des progrès ni d’évaluation de leurs résultats (Lester &
Garofalo, 1982). Les étudiants de niveau collège sont quant à eux inefficaces par rapport à
leurs décisions de contrôle dans des problèmes géométriques complexes, comme l’a montré
l’étude de Schoenfeld (1985).
Lucangeli et Cornoldi (1997) ainsi que Lucangeli, Cornoldi et Tellarini (1998) ont évalué
quatre composantes métacognitives en résolution de problèmes mathématiques : la prédiction
(évaluation de ses chances de réussites, proche du sentiment d’efficacité ou du jugement de
difficulté), la planification, le monitoring (indiquer les stratégies choisies et garder leur
exécution sous contrôle) et l’évaluation (auto-évaluation de la réussite). Leurs participants
étaient des élèves des troisième à cinquième degrés primaires. Leurs résultats montrent que
les compétences métacognitives sont largement liées à la performance dans les tâches de
géométrie (en particulier pour la planification), de résolution de problèmes, mais moins
largement liées à la performance dans les tâches d’arithmétiques (pas un problème à texte).
Les élèves dits faibles se montrent significativement moins bons dans les composantes
métacognitives par rapport aux élèves forts. Ces compétences permettent donc de discriminer
les bons élèves des élèves moins performants. La planification se révèle une composante
métacognitive particulièrement importante pour une variété de tâches mathématiques. Les
composantes métacognitives sont strictement liées à la performance en mathématiques et cette
relation est plus forte pour les tâches qui sont le moins automatisées, c’est-à-dire la résolution
de problèmes et la géométrie, mais pas l’arithmétique.
4. Les croyances motivationnelles Page 81
4. Les croyances motivationnelles

4.1. Introduction
Description du chapitre
Ce chapitre traite des croyances motivationnelles25 impliquées dans l’apprentissage selon
plusieurs perspectives théoriques. Nous avons choisi d’aborder la motivation26 selon une
perspective combinant plusieurs construits car ceci permet une description plus riche et
complexe de ce phénomène (Lens, 1996 ; Pintrich, 2000a, 2003). Suite à une introduction,
nous discuterons les trois perspectives suivantes : a) la perception de ses compétences, b) la
valeur de la tâche et c) l’orientation des buts. Dans un deuxième temps, les liens entre ces
perspectives de la motivation à apprendre seront discutés. Les liens entre ces construits et le
fonctionnement cognitif seront quant à eux examinés dans le chapitre suivant.
Des conceptions dites classiques aux conceptions socio-cognitives de la motivation

Les conceptions dites classiques de la motivation, basées notamment sur la taxonomie des
besoins de Murray (1938) ainsi que sur une procédure projective (le Thematic Aperception
Test), étudiaient celle-ci sous la forme d’un trait de personnalité de l’individu, c’est-à-dire
général et stable (p. ex. J. W. Atkinson, 1957 ; Heckhausen, 1967 ; McClelland, Atkinson,
Clark, & Lowell, 1953). Depuis quelques années, les théories de la motivation s’appuient sur
le modèle socio-cognitif et proposent des modèles tenant compte des facteurs situationnels, de
la fluctuation de la motivation au cours du temps et des différences inter-domaines. Certains
chercheurs, tels que Harter et Jackson (1992), démontrent en effet que, chez des élèves des
troisième à sixième degrés, l’orientation de la motivation (intrinsèque vs extrinsèque) est
spécifique à chaque domaine pour certains élèves alors que pour d’autres, elle est invariante
au travers des domaines. Ceci signifie qu’un élève peut être intrinsèquement motivé pour une
matière mais extrinsèquement motivé pour une autre. Cette distinction pourrait être encore
précisée dans chaque matière par rapport à ses composantes. De plus, l’orientation de la
25
Par le terme « croyances motivationnelles », nous entendons différentes variables ou facteurs qui permettent
de décrire la motivation des élèves. Selon Lens (1996), il n’existerait pas de théorie psychologique capable
d’expliquer de manière exhaustive les divers aspects de la motivation à apprendre. Toutefois, les diverses
perspectives théoriques qui ont été développées permettent chacune d’expliquer certains aspects de la motivation
à apprendre et à réussir à l’école. Ces théories sont comme différentes lentilles au travers desquelles différentes
facettes de la motivation sont révélées.
26
Nous définirons la motivation d’une manière générale comme Pintrich et Schunk (2002) : « Motivation is the
process whereby goal-directed activity is instigated and sustained » (p. 5).
motivation n’est pas forcément invariante dans le temps (situation analogue à la variabilité de
la motivation en fonction des matières), ce qui est une seconde condition pour considérer
l’orientation de la motivation comme un trait de personnalité. En outre, le type d’instrument
dominant est aujourd’hui le questionnaire auto-rapporté, qui a remplacé les procédures
projectives dont la validité a été contestée (Cronbach, 1990)27. Les conceptions actuelles
fortement orientées sur le contexte et les théories sociocognitives ont remplacé les théories
dites classiques28. En particulier, les champs de la psychologie sociale et de la psychologie de
la personnalité ont enrichi l’étude de la motivation à apprendre dans laquelle les théories sont
interdisciplinaires (Snow, Corno & Jackson, 1996). La motivation scolaire est considérée
comme influencée par de multiples facteurs, tant personnels (les croyances métacognitives, le
tempérament, les émotions, l’intelligence, etc.), que contextuels (l’éducation parentale,
l’environnement de la classe, la structure de la classe et de l’école, les pairs, l’enseignant,
etc.). Mais certains traits de personnalité issus du modèle de J. W. Atkinson (1957), tels que la
peur de l’échec, jouent toujours un rôle important dans les perspectives actuelles de la
motivation à apprendre (par exemple dans la théorie de Covington (1992), basée sur le besoin
de self-worth ou celle de Schultheiss et Brunstein (2005) au sujet des motifs implicites).
Nous avons choisi de traiter trois types de croyances motivationnelles issues de la perspective
socio-cognitive et qui représentent trois visions différentes de l’apprenant. La première
perspective se réfère à la perception de ses propres compétences et au contrôle qui pourra être
exercé sur la tâche ou l’apprentissage de la matière. Elle a été traitée théoriquement par les
construits de sentiment d’efficacité personnelle (self-efficacy beliefs) et de concept de soi. La
seconde perspective concerne la valeur de la tâche. Certains auteurs ont distingué différentes
composantes de la valeur (intérêt, utilité, importance et coût) parmi lesquelles nous nous
intéresserons à l’intérêt et à l’utilité ou instrumentalité. La dernière perspective est celle des
buts d’accomplissement qui s’intéresse aux raisons pour lesquelles les élèves s’engagent ou
ne s’engagent pas dans les tâches ou d’une manière plus générale dans les apprentissages. Un
accent fort sera mis sur cette perspective qui nous semble prometteuse. Bien que ces trois
perspectives soient liées, elles donnent chacune une image partiellement différente de la
27
L’avènement des théories purement cognitives de la motivation a également dévalorisé l’utilisation
d’instruments tels que le TAT en faveur de mesures évaluant directement les différences interindividuelles
(McClelland, 1985).
28
Selon Volet (2001), « There is growing support for the view that productive engagement in learning activities
(assumed to provide evidence of motivation) has to be understood in relation to the context in which it is
embedded – since context is assumed to give meaning to task-oriented actions. Situated and experiential
approaches to the study of motivation are therefore prioritised at the expense of decontextualised investigations
of general motivational beliefs and orientations, or both approaches are combined » (p. 319)
motivation de l’apprenant. Ensemble, elles forment une image plus exhaustive de cette
motivation. De ce fait, elles sont toutes trois importantes.
4.2. La perception de ses compétences : concept de soi et sentiment

d’efficacité
La perception de ses compétences est un concept central dans les théories de la motivation29 ;
Elliot et Dweck (2005) proposent même de le placer au cœur de la définition de la motivation
d’accomplissement. En outre, plusieurs théories (par exemple la théorie de
l’autodétermination ; Self Determination Theory [SDT] ; Ryan & Deci, 2000), postulent
l’existence chez les êtres humains d’un besoin de compétence qui doit être satisfait pour le
bien être psychologique de l’individu. Ce besoin donnerait de l’énergie à l’activité humaine
(Deci & Ryan, 2000). La perception de ses compétences revêt par conséquent une importance
toute particulière dans l’étude de la motivation à apprendre. Ce concept est interprété de façon
partiellement différente par plusieurs courants théoriques. Nous aborderons ici les théories
relatives au concept de soi selon les positions de chercheurs tels que Marsh et Shavelson
(Marsh, Byrne, & Shavelson, 1988), ainsi que la théorie du sentiment d’efficacité développée
par Bandura (1977 ; 1997/2003) et ses collaborateurs dans le cadre de sa théorie socio-
cognitive. Relevons que si certains chercheurs incluent le sentiment d’efficacité dans le
concept de soi (par ex. Dermitzaki & Efklides, 2001 ; Schunk & Pajares, 2005), au même titre
par exemple que l’estime de soi, nous choisissons ici de distinguer ces deux concepts selon les
critères proposés par Skaalvik et Bong (2003) énoncés plus bas.
Le sentiment d’efficacité est défini par Bandura (1997/2003) de la façon suivante :

« l’efficacité personnelle perçue concerne la croyance de l’individu en sa capacité d’organiser
et d’exécuter la ligne de conduite requise pour produire des résultats souhaités » (p. 12).
Théoriquement, il est postulé que le sentiment d’efficacité personnelle affecte le choix des
activités, l’effort, la persistance et la réussite. En comparaison avec des élèves dont le
sentiment d’efficacité est faible, ceux qui ont un fort sentiment d’efficacité participeraient
plus intensément, travailleraient plus « dur », persisteraient plus longuement et auraient un
niveau d’accomplissement plus élevé (Bandura, 1997/2003).
29
Dans les théories classiques de la motivation, un concept proche existait sous le nom de probabilité de succès
et jouait déjà un rôle majeur (J. W. Atkinson, 1957).
Le concept de soi est quant à lui définit par Shavelson, Hubner et Stanton (1976) simplement
comme « a person’s perception of himself » (p.411). Ces perceptions sont formées par des
expériences et des interprétations de son propre environnement. Elles sont influencées en
particulier par les évaluations des personnes d’importance, les renforcements et les
attributions de ses propres comportements (Marsh, 2006). En outre, le concept de soi
concerne tant des aspects descriptifs que des aspects évaluatifs : les individus peuvent se
décrire eux-mêmes (par exemple en attribuant une valeur affective au domaine en question)
ou s’évaluer eux-mêmes (Marsh, 2006 ; Shavelson et al., 1976). Marsh (2006) souligne qu’il
est essentiel de mesurer le concept de soi par rapport à un domaine particulier et pas à un
niveau global (auquel cas on mesure alors par exemple l’estime de soi scolaire). Ceci du fait
que de nombreuses études ont démontré la multidimensionnalité du concept de soi et
notamment des corrélations quasi-nulles entre les concepts de soi de différents domaines
(Marsh, 1986).
Le concept de soi fait référence notamment aux capacités et compétences qu’une personne
pense avoir, alors que le sentiment d’efficacité concerne les attentes de résultat d’une
personne en fonction des compétences qu’elle possède. Il s’agit donc, dans le cas de ce
dernier, d’un sentiment lié non seulement à la compétence perçue mais aussi à la perception
d’un contrôle sur la situation. Cette différence conceptuelle a mené à des différences
méthodologiques, en particulier dans la façon d’évaluer ces deux types de perceptions. En
effet, le niveau de spécificité du jugement fait référence à un niveau plus général pour le
concept de soi, qui est mesuré en référence à une matière scolaire (par ex. concept de soi en
mathématiques, au niveau scolaire (concept de soi scolaire), ou même global (on parle dans ce
cas là de concept de soi général). Par contre, le sentiment d’efficacité est mesuré au niveau
d’une tâche précise, bien que de nombreux auteurs le mesurent au niveau d’une matière
scolaire (il s’agit alors de jugement sur la capacité de la personne d’apprendre certains sujets,
par exemple « how well can you learn mathematics ? » ; Zimmerman, Bandura, & Martinez-
Pons, 1992). Ce dernier point permet à Skaalvik et Bong (2003) de postuler que « self-
efficacy for learning […] may not be distinguishable from area-specific self-concept » (p. 72-
73). Ceci est d’ailleurs confirmé par l’étude de Pietsch, Walker et Chapman (2003) selon
laquelle le sentiment d’efficacité et le concept de soi lié à la compétence (et non pas à
l’affect), dans le cas où ils sont mesurés au même niveau de généralité, évaluent le même
construit sous-jacent.
Chacun de ces concepts est lié à une tradition de recherche différente, bien qu’ils partagent de
nombreux points communs. Premièrement, la notion de perception de ses compétences est un
aspect central dans les deux concepts, ce qui peut poser des problèmes de multicollinéarité
dans les recherches mesurant les deux concepts (Marsh, Dowson, Pietsch & Walker, 2004 ;
Marsh, Roche, Pajares & Miller, 1997). Deuxièmement, les individus varient dans leur
sentiment d’efficacité et dans leur concept de soi en fonction des domaines ; ces concepts sont
donc spécifiquement liés à un domaine. Troisièmement, les deux concepts ont montré leur
pouvoir prédictif par rapport à des variables liées à la motivation, les émotions et la
performance, bien qu’ils n’aient pas été liés exactement aux mêmes variables. Skaalvik et
Bong (2003) distinguent le sentiment d’efficacité et le concept de soi sur cinq points :
1) L’orientation temporelle : le sentiment d’efficacité est orienté vers des accomplissements

ou des tâches futures car il représente la confiance d’un individu pour accomplir ces
tâches. Au contraire, le concept de soi repose sur les accomplissements passés et demande
une évaluation de ceux-ci. Ceci peut être expliqué par le concept des self-schemas30 de
Markus (1977). Les informations pertinentes nécessaires à l’évaluation des
accomplissements passés doivent être traitées par ces schémas, qui sont crées à partir des
expériences individuelles passées dans un domaine particulier.
2) Le niveau de spécificité et la référence à la performance ciblée : si les jugements de
sentiment d’efficacité concernent directement la performance à une tâche spécifique, le
concept de soi scolaire concerne généralement, depuis l’introduction des modèles
multidimensionnels du concept de soi, une matière mais les distinctions sont rarement plus
fines (par exemple distinguer le concept de soi en arithmétique du concept de soi en
géométrie).
3) Le cadre de référence sur lequel se base l’évaluation : dans la théorie du concept de soi de
Marsh et Shavelson, (Marsh, 1986 ; Marsh, Byrne & Shavelson, 1988), les individus
basent leur concept de soi dans une certaine matière d’une part sur la comparaison de leurs
résultats ou de leurs performances avec celles de leurs pairs et d’autre part sur leurs
performances dans les autres domaines. Cette théorie a été nommée internal/external
30
« Self-schemata are cognitive generalizations about the self, derived from past experience, that organize and
guide the processing of self-related information contained in the individual’s social experiences (italique dans
l’original). Self-schemata can be viewed as a reflection of the invariances people have discovered in their own
social behavior (…) this organization is a discernible pattern which may be used as a basis for future judgments,
decisions, inferences, or predictions about the self (…)» (Markus, 1977, p. 64).
frame of reference model31. Dans la théorie du sentiment d’efficacité personnelle, Bandura

(1997/2003) postule que les individus utilisent quatre sources d’informations pour évaluer
leur sentiment d’efficacité : « les expériences actives de maîtrise qui servent d’indicateurs
de capacités ; les expériences vicariantes qui modifient les croyances de capacités par la
transmission de compétences et la comparaison avec ce que font les autres ; la persuasion
verbale et des formes proches d’influence sociale soulignant que la personne possède
certaines capacités ; les états physiologiques et émotionnels à partir desquels les gens
évaluent partiellement leurs capacités, leur force et leur vulnérabilité au
dysfonctionnement. Toute influence, selon sa forme, peut agir par l’intermédiaire d’une
ou plusieurs de ces sources d’informations sur l’efficacité » (p. 124). Les expériences
actives seraient la source la plus influente.
4) La séparation ou intégration de l’affect et du cognitif : si les deux aspects sont
généralement mélangés car très fortement liés et difficilement distinguables dans les
théories relatives au concept de soi32, ce n’est pas le cas pour le sentiment d’efficacité qui
se veut avant tout un jugement cognitif de ses compétences mais qui possède bien entendu
des conséquences affectives.33
5) La stabilité et la modificabilité : Le concept de soi est un trait de personnalité dont la
stabilité est postulée et reconnue notamment dans le modèle de Shavelson (Shavelson et
al., 1976). Il est difficilement modifiable (Craven, Marsh & Debus, 1991), en particulier
chez les élèves plus âgés. Toutefois, il varie dans le temps, notamment lors du passage de
l’école primaire à l’école secondaire (par ex. Gurtner, Gulfi, Monnard, & Schumacher,
2006). Au contraire, le sentiment d’efficacité est améliorable (p. ex. Schunk, 1981) et
n’est pas considéré comme un trait stable.
31
« According to the I/E model, Verbal and Math self-concepts are formed in relation to both external and
internal comparisons, or frames of reference, that can be caracterized as : 1. External comparisons. According to
this process, students compare their self-perceptions of their own math and verbal abilities with the perceived
abilities of other students in their frame of reference and use this external, relativistic impression as one basis of
their academic self-concept in each of the two areas (…). 2. Internal comparisons. According to this process,
students compare their self-perceived math ability with their self-perceived verbal ability and use this internal,
relativistic impression as a second basis of their academic self-concept in each of the two areas » (Marsh, 1986,
p. 133).
32
Dans l’instrument Self Description Questionnaire (SDQ) de Marsh (1992a, b), le concept de soi par rapport à
un certain domaine est évalué tant par des items relatifs à la compétence que des items relatifs à l’intérêt pour le
domaine. L’intérêt représente donc la partie affective du concept de soi.
33
En effet, selon Skaalvik et Bong (2003) : « In theory, the critical of efficacy judgment from self-concept
judgment is that, in estimating efficacy, individuals judge their expectations of succeeding at some impending
tasks using information from past experience with similar types of tasks, rather than dwelling on general feelings
of their abilities in the area of question. (…) Thought these judgments may be as potent as feeling of self-concept
in generating positive or negative emotions, the resultant affective responses are treated as correlates and not part
of self-efficacy beliefs. » (p. 81).
Finalement, selon Bandura (1997/2003) les théories du concept de soi présenteraient certaines
faiblesses et leur pouvoir prédictif serait plus faible que celui du sentiment d’efficacité
personnelle :
Analyser les processus autoréférents en termes de concept de soi permet de mieux

comprendre les attitudes des individus envers eux-mêmes et la manière dont elles
peuvent modifier leur conception générale de l’existence. Cependant, plusieurs
caractéristiques de ces théories limitent leur pouvoir explicatif et prédictif du
comportement humain. Ainsi, elles s’intéressent surtout à des images de soi globales.
Or, réunir diverses attitudes en un seul indice crée une certaine confusion sur ce qui est
réellement mesuré et sur le poids accordé à des caractéristiques spécifiques. Même si la
conception globale de soi est liée à certains domaines de fonctionnement, cela ne rend
pas justice de la complexité des croyances d’efficacité, qui varient selon les domaines
d’activité, les niveaux de difficultés dans un même domaine, et les circonstances. Une
image de soi composite peut fournir de faibles corrélations, mais ce n’est pas suffisant
pour prédire, avec un certain degré d’exactitude, les grandes variations de
comportements qui surviennent dans un domaine d’activités sous diverses conditions.
Ces théories n’expliquent pas comment des concepts de soi identiques peuvent produire
des comportements différents. Dans les tests comparatifs de pouvoir prédictif, les
croyances d’efficacité sont hautement prédictives, alors que l’effet du concept de soi est
plus faible et équivoque. Le concept de soi perd la plus grande partie de sa capacité
prédictive, voire toute celle-ci, quand l’influence de la capacité perçue est éliminée. Ces
résultats suggèrent que le concept de soi reflète largement les croyances des individus
dans leur efficacité personnelle. (pp. 23-24)
De nombreuses recherches se sont intéressées aux liens entre la perception de ses

compétences et les performances notamment dans le domaine des mathématiques. Le
sentiment d’efficacité a été étudié en lien avec la résolution de problèmes mathématiques en
particulier par Pajares (par ex., Pajares, 1996 ; Pajares & Graham, 1999 ; Pajares & Miller,
1997) et en lien avec diverses tâches du domaine des mathématiques (par ex., Chen, 2003). Le
concept de soi a également été largement étudié par rapport au domaine des mathématiques
(par ex., Montague & van Garderen, 2003). Finalement, certaines recherchent étudient les
deux types de perceptions en rapport aux mathématiques (par ex., Marsh et al., 1997 ; Pajares
& Miller, 1994 ; Pietsch et al., 2003). L’étude de Pajares et Miller (1994) a montré que le
sentiment d’efficacité d’étudiants universitaires permettait une meilleure prédiction de la

performance sur des problèmes de mathématiques en comparaison notamment avec le concept
de soi ou l’utilité perçue. L’effet du sentiment d’efficacité est tant direct qu’indirect puisqu’il
est lié au concept de soi et à l’utilité perçue qui prédisent une part unique de la performance.
Le sentiment d’efficacité jouerait donc le rôle central selon Pajares et Miller. Ces mêmes
chercheurs (Pajares & Miller, 1997) montrent dans leur étude avec des élèves du 8ème degré
que ceux qui obtiennent les meilleures performances sont ceux qui évaluent leurs
compétences de la manière la plus appropriée (c’est-à-dire qu’ils calibrent mieux leurs
jugements). En outre, le sentiment d’efficacité est directement lié avec la perception de la
difficulté de la tâche en question. Plus la tâche est perçue comme subjectivement facile, plus
le sentiment d’efficacité de l’individu sera élevé, au risque de ne pas investir suffisamment
d’efforts et de subir un échec. Cette relation sera approfondie dans le chapitre suivant, lorsque
nous traiterons de recoupements entre concepts liés à la motivation et concepts liés à la
métacognition.
4.3. Valeur de la tâche : intérêt et utilité perçue des mathématiques
Eccles (1983, 2005 ; Eccles & Wigfield, 1995) conceptualise la valeur de la tâche en quatre
composantes majeures : 1) l’importance, qui concerne le fait de bien réussir par rapport à ses
valeurs personnelles ou à son image de soi ; 2) le coût, qui fait référence à ce qui est perdu,
abandonné ou consacré en conséquence de son engagement ; 3) la valeur intrinsèque ou
l’intérêt, qui se réfère à la joie ou au plaisir que l’on peut prendre à s’engager dans l’activité
(proche de la motivation intrinsèque) ; 4) la valeur utilitaire, qui est liée à l’instrumentalité de
la tâche par rapport aux buts de l’individu tant à court qu’à long terme. Dans ce sous-chapitre,
nous aborderons successivement les deux dernières composantes, à savoir la valeur
intrinsèque (sous le terme d’intérêt) et la valeur utilitaire (sous les termes d’utilité perçue ou
instrumentalité). Nous estimons que ces deux composantes sont les plus pertinentes pour notre
population d’intérêt et qu’elles représentent deux aspects de la valeur de la tâche, c’est-à-dire
la valeur intrinsèque et la valeur extrinsèque.
4.3.1. Intérêt individuel, intérêt situationnel et état psychologique d’intérêt
L’intérêt comme construit psychologique est depuis longtemps exploré par les chercheurs
dans le domaine éducatif (Arnold, 1910 ; Dewey, 1913). Avant que le concept de motivation
ne devienne un concept scientifique, un grand nombre de questions concernant des
phénomènes motivationnels était traité sous le terme d’intérêt (Schiefele, 2001). En outre, si
la période du béhaviorisme avait mis entre parenthèse l’étude de ce construit (comme bien
d’autres), les recherches le concernant sont actuellement très prolifiques.
4.3.1.1. Définition des concepts
Hidi (2006) donne la définition suivante du concept de l’intérêt :
(…) a unique motivational variable, as well as a psychological state that occurs during
interactions between persons and their objects of interest, and is characterized by
increased attention, concentration and affect. The term interest also refers to a
relatively enduring predisposition to (re-)engage with particular content such as
objects, events, and ideas. (p. 70)
L’intérêt se distingue des autres concepts motivationnels par le fait qu’il possède tant un
aspect cognitif qu’un aspect affectif. Au point qu’il est considéré comme une émotion de base
par certains chercheurs (p. ex. Izard, 1977). Toutefois, l’intérêt en tant qu’émotion est
concevable lorsqu’il s’agit d’un état psychologique (c’est-à-dire en situation) mais pas
lorsqu’il est considéré comme une prédisposition relative à un domaine.
Deux types d’intérêts sont classiquement distingués : l’intérêt dit situationnel et l’intérêt dit
individuel ou personnel. Le premier « is environmentally triggered, involves an affective
reaction and focused attention » (Hidi, 2006, p. 72). Ce terme est utilisé pour décrire un
intérêt qui est généré avant tout par certaines conditions et/ou objets concrets (tels que des
textes ou des films) dans l’environnement (Krapp, Hidi & Renninger, 1992).
Au contraire, l’intérêt individuel « develops over time and is a relatively enduring
predisposition to attend to objects, events, ideas, etc. and to reengage with particular content.
It is associated with positive feelings, increased value and knowledge » (Hidi, 2006, p. 72).
Cet intérêt se développe par des engagements répétés qui permettent à l’individu de vivre des
expériences affectives positives, d’améliorer leurs connaissances et de valoriser fortement

l’objet de leur activité (Hidi & Ainley, 2002). Cette double conception du concept d’intérêt
renvoie non seulement à la distinction classique entre état et trait, mais aussi à l’importance de
l’interaction entre la personne et la situation.
L’intérêt individuel qu’un élève démontre pour les mathématiques est conceptualisé comme
une prédisposition. Lorsque cet élève est en train de travailler sur un problème qui l’intéresse,
on parle alors d’un état psychologique d’intérêt3435 qui est généré tant par la tâche que par la
prédisposition. Un autre élève qui n’a pas d’intérêt pour les mathématiques pourrait également
trouver le problème intéressant et ainsi faire l’expérience de l’état psychologique d’intérêt
provoqué par la situation. Il existe ainsi des ambiguïtés dans les différentes notions de
l’intérêt. Hidi (2006) propose de clarifier ceci en considérant que l’intérêt individuel est une
condition suffisante mais non nécessaire pour éliciter l’état psychologique d’intérêt et de
reconnaître que l’intérêt situationnel peut également provoquer cet état. En outre, l’état
psychologique d’intérêt peut fluctuer durant une tâche d’apprentissage. Un élève peut par
exemple se sentir intéressé lorsqu’un texte lui est présenté sur un certain sujet mais son intérêt
peut se dissiper en cours de lecture, tout comme il pourrait s’accroître. Ce phénomène n’est
pas spécifique au concept d’intérêt, comme le relèvent Ainley et Hidi (2004), puisque les
fluctuations dans la motivation de l’élève sont un phénomène reconnu. Finalement, l’état
psychologique d’intérêt se manifeste notamment par une attention accrue, une concentration
accrue, des sentiments plaisants (positifs) par rapport aux efforts réalisés, une persévérance,
une volonté d’apprendre accrue ainsi qu’un fonctionnement cognitif accru/amélioré (Krapp et
al., 1992 ; Silvia, 2006). L’intérêt individuel prédit la qualité de l’apprentissage par les textes,
indépendamment de connaissances du domaine et des compétences cognitives. Ceci démontre
l’effet propre du facteur motivationnel sur l’apprentissage (Schiefele, 2001).Certaines études
ayant testé l’influence de l’intérêt sur divers aspects du fonctionnement cognitif seront
synthétisées au chapitre suivant (voir 5.4.1.2).
34
Cet état psychologique est proche de l’expérience métacognitive de sentiment d’aimer la tâche (feeling of
liking) d’Efklides (Efklides, Korkoulou, Mitsiou & Ziliaskopoulou, 2006) et du jugement d’intérêt proposé par
Son et Metcalfe (2000). Nous considérerons ces trois construits comme équivalents dans ce travail, bien que ces
construits métacognitifs soient sous théorisés.
35
Certains auteurs se réfèrent également au terme d’intérêt individuel pour un état psychologique dit « actualized
individual interest ». Ils voient l’intérêt individuel comme se manifestant dans certains états psychologiques tels
qu’une attention centrée, prolongée et accompagnée de plaisir. Nous ne nous réfèrerons pas à cette perspective
mais différencierons l’intérêt individuel (disposition) et l’état psychologique d’intérêt.
4.3.1.2. L’intérêt et la motivation intrinsèque
Le construit de l’intérêt est conceptualisé de manière fort différente suivant les chercheurs.
Pour certains, l’intérêt équivaut à la motivation intrinsèque (p. ex. Tobias, 1994), il est un
aspect implicite de la motivation intrinsèque (Deci, 1992), il correspond à la motivation
intrinsèque s’il est profond et qu’il dure (Harackiewicz, Durik, & Barron, 2005). Pour
d’autres, l’intérêt est l’une des composantes de la valeur que l’on accorde à une tâche ou un
domaine (sous le terme de « valeur intrinsèque » ; Eccles, 1983). Ainsi, dans de nombreuses
études, le niveau d’intérêt sert de mesure de la motivation intrinsèque ou de la valeur de la
tâche. Hidi et Ainley (2002) relèvent toutefois que la motivation intrinsèque est un concept
plus général que ne l’est l’intérêt et qu’il ne s’agit que de l’un des motifs (en plus des besoins
et des désirs par exemple) qui peuvent résulter en un comportement intrinsèquement motivé.
L’intérêt pour une tâche ou un domaine est dans certaines conceptions théoriques un
indicateur de la motivation intrinsèque, au même titre que le plaisir ou la satisfaction par
exemple (Ryan & Deci, 2000). Nous considérerons, dans ce travail, la notion d’intérêt comme
l’un des aspects représentant la valeur de la tâche.
4.3.2. Utilité perçue ou instrumentalité
4.3.2.1. Introduction
La notion d’utilité perçue se réfère au caractère instrumentale de l’activité (par exemple

l’apprentissage d’une certaines matière) et donc à sa fonction pour le futur. Le futur et son
rôle motivationnel ont été élaborés dans différents cadres théoriques de la psychologie de la
motivation, dont nous aborderons les plus pertinents en psychologie de l’éducation. Nous
définirons, comme Eccles (1983), l’utilité perçue comme la perception subjective de
l’adéquation d’une tâche ou d’un domaine d’étude pour l’atteinte de buts futurs (par exemple
l’entrée dans une certaine école ou l’accès à une certaine profession). Parmi les théories
actuelles, la conceptualisation socio-cognitive de la valeur de la tâche (Eccles, 1983, 2005 ;
Eccles & Wigfield, 1995) considère l’utilité perçue comme l’une des quatre composantes
(voir chapitre 4.3.). Elle est déterminée par le degré d’adéquation d’une tâche (ou d’une
matière) avec les buts actuels ou futurs tels que des buts de carrière. Ainsi, une tâche peut être
positivement valorisée par un individu parce qu’elle facilite l’atteinte de buts futurs
considérés importants. Ceci même si cet individu n’est pas intéressé par la tâche en soi. Selon
Eccles, l’influence de l’utilité perçue se manifesterait notamment dans les choix de cours des
élèves car leurs projets professionnels les amènent à considérer l’utilité des cours pour ces
projets et non pas uniquement leur intérêt personnel.
Différents chercheurs ont développé des théories psychologiques « générales » pour expliquer
l’influence de la perception du futur sur la motivation de l’individu (Gjesme, 1979 ;
Heckhausen, 1977 ; Markus & Nurius, 1986 ; Nuttin, 1980 ; Raynor, 1969). Au niveau
théorique, nous décrirons la théorie des « soi possibles » (possible-selves) (Makus & Nurius,
1986). Au niveau empirique, tant les travaux de Lens que ceux de Miller sur la motivation
instrumentale (p. ex. Lens, Simons, & Dewitte, 2001 ; Miller & Brickman, 2004) ont été
prolifiques dans ce domaine et nous nous attacherons donc à les décrire.
4.3.2.2. Les soi possibles
L’importance du futur dans la motivation est relevée dans le construit des soi possibles de
Markus et Nurius (1986). Les possible-selves représentent les idées de l’individu sur ce qu’il
pourrait devenir dans le futur, ce qu’il désirerait devenir et ce qu’il redouterait devenir. Il
s’agit d’une sorte de concept de soi qui considère le soi non seulement dans le présent mais
également dans le passé et le futur. Les soi possibles servent de cadre pour indiquer à
l’individu ce qui est envisageable qu’il accomplisse et pour guider son comportement vers
ceci. Ainsi, la possibilité de s’imaginer soi-même dans le futur, que ce soit dans une position
enviable (par exemple un emploi désiré) ou peu enviée (par exemple au chômage) influence
notre motivation. Ce n’est donc pas seulement notre soi actuel qui joue un rôle comme
considéré par les théories se limitant au concept de soi présent. La motivation ne doit pas,
selon Markus et Nurius, être examinée comme une disposition générale mais comme une série
de possible selve individualisée. Day, Borkowski, Dietmeyer, Howsepian et Saenz (1992)
postulent que les soi possibles présentent trois caractéristiques qui sont à la base de leur
« pouvoir motivationnel ». Premièrement, ils incluent, de manière anticipée, les expériences
affectives (par exemple la joie) associées avec l’atteinte du but (c’est-à-dire un certain soi
possible). Deuxièmement, ils intègrent les moyens pour atteindre le but, ce qui fournit une
base pour l’action permettant de planifier, exécuter et guider les progrès vers l’atteinte du but
personnel. Finalement, les soi possibles incluent non seulement des images de soi souhaitées
mais également des images de soi redoutées. Ainsi, ce n’est pas une mais deux images de soi
qui fonctionnent comme stimulants pour l’individu.
4.3.2.3. Les travaux empiriques de Lens et ses collaborateurs
Lens et ses collaborateurs se sont intéressés à l’importance motivationnelle des buts futurs
pour l’apprentissage scolaire36, la persévérance et la réussite scolaire (p. ex. Lens et al., 2001 ;
Simons, Dewitte, & Lens, 2004 ; Simons, Vansteenkiste, Lens, & Lacante, 2004). Ils
reprochent aux conceptions des buts d’accomplissements de négliger l’influence des buts
futurs et de trop se concentrer sur l’importance de l’activité pour le présent. En effet, dans ces
théories, la localisation temporelle des buts n’est pas considérée et ce ne sont par conséquent
que les effets immédiats des buts d’accomplissements qui sont étudiés. Par ailleurs, par
rapport à la distinction entre motivation intrinsèque et extrinsèque, considérer
l’instrumentalité des activités ou des apprentissages pour le futur revient à s’intéresser aux
effets positifs de la motivation extrinsèque pour différentes variables de l’apprentissage
scolaire. Dans les théories des buts d’accomplissement, réaliser une tâche comme moyen
d’atteindre des objectifs futurs revient à adopter des raisons extrinsèques ce qui est considéré
comme ayant des conséquences négatives (patterns motivationnels et comportementaux
défavorables) étant donné que cela est associé aux buts de performance37. Lens et ses
collaborateurs cherchent dans leurs travaux à démontrer que toutes les formes de motivation
extrinsèques ne sont pas défavorables à l’apprentissage et que le caractère instrumental des
activités est en particulier un aspect dont le potentiel motivationnel est considérable.
Afin d’expliquer les effets positifs de l’utilité perçue, Simons et al. (2004) ainsi que Lens,
Simons et Dewitte (2002) proposent de croiser le degré d’utilité de l’activité (proximal ou
distal) avec le type de régulation. Le degré d’utilité de l’activité concerne le degré auquel
l’activité est considérée utile pour un futur plus ou moins proche. Le type de régulation se
réfère à une distinction apportée par la théorie de l’autodétermination (Deci & Ryan, 2000)
qui distingue deux types de motivation extrinsèque (c’est-à-dire deux types de raisons
extrinsèques pour lesquelles des buts peuvent être poursuivis). Lorsque le comportement d’un
individu est régulé de manière externe, celui-ci est contrôlé par des contingences externes
(pression, récompense). Ce comportement est donc réalisé pour atteindre une conséquence
36
En effet, selon Lens (2001), « Schooling –almost by definition- is future-oriented (…) schooling is not an end
in itself ; it is also future-oriented. Learning and achieving good grades is fun as such, but also very important to
achieve other, maybe even more challenging, educational and professional goals in the future » (p. 27 (…) p.
32).
37
Toutefois, voir le débat à ce sujet (chapitre 4.4.2.2.)
désirée ou éviter une punition. Au contraire, lorsque le comportement d’un individu est régulé
de manière interne, celui-ci se sent libre de suivre ses intérêts et il s’engage dans les activités
de manière spontanée. Ceci implique que l’activité est réalisée avec volonté et de façon
choisie. Sur cette base, Simons et al. (2004) formulent deux prédictions. D’une part, les élèves
dont le degré d’utilité perçue est distal (c’est-à-dire qu’ils pensent qu’un certain cours est
important pour leur futur emploi) seraient plus motivés et adopteraient des habitudes
d’apprentissage plus favorables en comparaison des élèves dont le degré d’utilité perçue est
proximal (c’est-à-dire qu’ils pensent qu’un certain cours est important uniquement pour leur
formation). D’autre part, les élèves dont la régulation est interne (autonome) devraient
présenter un profil motivationnel (type de buts, persistance) et des habitudes d’apprentissage
meilleures que ceux dont la régulation est externe (contrôlée). Leurs résultats montrent que
tant le degré d’utilité que le type de régulation ont un effet sur les indicateurs de la motivation
(persévérance, excitation) et les habitudes d’apprentissage (surface vs profond). Cet effet est
médiatisé par les buts d’accomplissement. En outre, le profil le plus favorable est une
combinaison d’un degré d’utilité perçue distal (l’activité ou l’enseignement est utile non
seulement pour la formation mais aussi pour la profession) et d’une régulation interne. Etre
orienté vers le futur (percevoir l’utilité d’un cours comme distal) est associé avec des
indicateurs motivationnels favorables uniquement si l’activité (les raisons pour suivre ce
cours) est régulée de manière interne.38
4.3.2.4. Travaux empiriques de Miller et ses collaborateurs
Récemment, Miller et ses collaborateurs (Greene & Miller, 1996 ; Miller & Brickman, 2004 ;
Miller, Greene, Montalvo, Ravindran, & Nichols, 1996) ont proposé un modèle théorique
intégrant la perspective socio-cognitive avec les différentes perspectives sur le rôle de
l’orientation vers le futur dans la motivation (p. ex., Nuttin, 1980). Ils postulent que les
perceptions de l’instrumentalité de la tâche ou du domaine pour l’accomplissement de buts
futurs sont essentielles pour une autorégulation vers ces buts. Se référant au cadre théorique
de l’orientation des buts, ils affirment en outre que la poursuite de buts de maîtrise n’est
envisageable que si la tâche ou le domaine d’activité correspond aux buts futurs des élèves.
38
La régulation de l’activité par des facteurs externes (typiquement une récompense) est généralement
considérée comme défavorable au maintien d’une motivation intrinsèque (Lepper & Greene, 1978, cités in Lens,
2001). Il est ainsi nécessaire que l’activité soit régulée de manière interne pour que l’instrumentalité perçue
puisse exercer un rôle favorable sur le comportement et la motivation.
De ce fait, les élèves poursuivant des buts de maîtrise ne sont pas motivés à apprendre « tout
et n’importe quoi » mais uniquement ce qui leur permettra de développer des compétences ou
des connaissances qui les aideront à atteindre leurs buts futurs. Au niveau empirique,
plusieurs études (DeBacker & Nelson, 1999 ; Greene, DeBacker, Ravindra, & Krows ; 1999 ;
Miller et al., 1996 ; Miller, DeBacker, & Greene, 1999) ont démontré cette relation entre les
perceptions de l’instrumentalité des tâches pour les buts futurs de l’élève et l’adoption de buts
d’apprentissage par ce dernier. Les corrélations étaient toutes modérées à fortes entre les deux
construits. Ce qui est spécifique à la perspective de Miller est que les buts situés dans un futur
relativement éloigné sont considérés comme agissant sur le comportement actuel de l’élève,
c’est-à-dire sur son autorégulation ou sur ses buts à courts termes.
La considération de la perception d’utilité est pertinente pour les élèves qui se sont déjà
formés une perspective d’avenir, par exemple un objectif relatif à leur profession future. Pour
la majorité des élèves plus jeunes, il est probable que cette perception ne joue pas un rôle
majeur car leurs buts à long terme sont relativement peu nombreux, peu précis ou fluctuants.
L’utilité perçue et d’une manière plus générale les perspectives futures sont importantes pour
comprendre le fonctionnement motivationnel et cognitif de l’élève, en particulier à
l’adolescence. En outre, intégrer la notion d’utilité perçue ou d’instrumentalité permet
d’affiner notre compréhension de l’orientation des buts et d’obtenir une image plus complète
des croyances motivationnelles prépondérantes chez l’élève. Relevons que les deux
composantes de la valeur de la tâche que nous considérons sont analogues aux deux formes de
motivation que la théorie de l’autodétermination considère comme menant à des
comportements autodéterminés. En effet, selon Deci et Moller (2005), la motivation
extrinsèque de type intégrée est basée sur l’importance de l’activité pour des buts établis par
l’individu lui-même, ce que nous rapprochons du construit d’utilité perçue. Ainsi, les deux
construits sont considérés comme menant à des comportements favorisant l’apprentissage.
Les liens entre utilité ou instrumentalité perçue et le fonctionnement cognitif (en particulier
l’apprentissage autorégulé) seront traités dans le chapitre suivant.
4.4. L’orientation des buts

4.4.1. Introduction
Dans ce sous-chapitre, nous présentons les théories de l’orientation des buts (goal
orientation), nommées aussi théories des buts d’accomplissements (achievement goals)39, qui
sont actuellement parmi les théories les plus « en vogue » dans le domaine de la motivation.
Après un exposé sur les origines conceptuelles de ces théories, nous présentons les débats
actuels quant à leur définition puis les postulats relatifs aux antécédents, corrélats40 et
conséquences des différentes orientations des buts par rapport aux croyances et attitudes, à
l’environnement, à la personnalité, à l’affect et la motivation et finalement à la cognition.
Finalement, l’approche des buts multiples clos ce sous-chapitre.
4.4.2. L’orientation des buts : développement historique et définitions
4.4.2.1. Les conceptions originelles
Deux chercheurs sont considérés comme étant à l’origine de la théorie de l’orientation des
buts : Dweck (1986) et Nicholls (1984a, b). Selon Dweck (1986 ; Dweck & Elliot, 1983),
l’étude de la motivation traite des raisons de l’activité orientée vers un but. La motivation
d’accomplissement implique un type particulier de buts, ceux qui concernent la compétence.
Ces buts ont été distingués originellement en deux types : les buts d’apprentissage (learning
goals) par lesquels les élèves cherchent à améliorer leurs compétences, à comprendre ou
maîtriser quelque chose de nouveau ; les buts de performance (performance goals) par
lesquels les élèves cherchent à obtenir des jugements favorables de leurs compétences ou
éviter des jugements négatifs de ces compétences. Les buts d’accomplissement seraient
fortement influencés par les théories personnelles de l’intelligence selon Dweck et Leggett
(1988) et par conséquent relativement stables. Pour d’autres chercheurs, les buts sont
sensibles aux facteurs contextuels (Ames, 1992) tels que le type d’enseignement et par
conséquent plus malléables. En outre, il existe un désaccord sur le rôle de la perception des
capacités : celle-ci prédisposerait l’élève à adopter un certain type de buts selon Dweck et
39
Nous utiliserons les termes « orientation des buts » et « buts d’accomplissements » comme synonymes.
40
Par « corrélats », nous entendons les construits psychologiques qui y sont liés.
Leggett (1988). Au contraire, cette perception serait la conséquence des buts pour Nicholls
(1984a)41.
La perspective de Dweck
La théorie des buts d’accomplissements de Dweck (1986 ; Dweck & Elliott, 1983 ; Dweck &
Leggett, 1988) représente une conception plus générale de sa théorie de l’incapacité apprise
(learned helplessness). Nous présentons donc d’abord cette dernière puis ensuite sa théorie
des buts d’accomplissements. Les travaux de Dweck (1975 ; Diener & Dweck, 1978, 1980 ;
Dweck & Repucci, 1973) ont permis de décrire deux types de réactions à l’échec très
contrastés chez des élèves de même niveau de compétences. En effet, suite à une série
d’échecs sur des tâches de raisonnement abstrait, certains élèves adoptent un pattern de
réponses de type incapacité apprise, qui se manifeste par des attributions rapides de leurs
échecs à un manque de capacités, des émotions négatives, l’évitement de tâches offrant un
challenge et une détérioration des performances au fur et à mesure des échecs. Un autre type
d’élèves adopte un pattern de réponses de type mastery-oriented. Par contraste avec le
premier type d’élèves, ils ne se focalisent pas sur l’explication de leurs échecs et persistent, ils
utilisent l’auto instruction, ne semblent pas touchés émotionnellement et améliorent leurs
performances. Le type de buts que poursuit un élève est supposé créer un cadre de référence à
l’aide duquel il interprète et réagit aux événements. Ces buts ont pour conséquences soit de
créer une vulnérabilité aux patterns dits d’incapacité apprise soit de promouvoir des patterns
dits mastery-oriented 42 (Dweck & Leggett, 1988). Cette distinction entre élèves adoptant un
pattern mastery-oriented et élèves adoptant un pattern dit d’incapacité apprise est à la base de
la théorie de l’orientation des buts de Dweck, qui postule que les deux types d’élèves
poursuivraient des buts différents en situation d’accomplissement : les élèves du groupe
incapacité apprise cherchent à évaluer et montrer leurs compétences mais aussi à éviter le cas
échéant de montrer leur manque de compétences ; ils poursuivent ainsi des buts dits de
performance et perçoivent les situations d’accomplissement comme impliquant des mesures
de leurs compétences. Les élèves du groupe mastery-oriented cherchent à améliorer leurs
compétences et recevoir des informations sur la façon de le faire ; ils poursuivent des buts dits
d’apprentissage. Ils perçoivent les situations d’accomplissement comme des opportunités
41
Nicholls postule que les buts mettent en action une approche du succès ou une façon de voir le succès et que
les jugements de compétence, de capacité et l’effort découlent de ces buts.
42
Le pattern mastery-oriented ne doit pas être confondu avec les buts orientés vers la maîtrise. Le premier est un
type de réaction suite à l’échec alors que les seconds sont une orientation de type motivationnel. Dweck utilise
d’ailleurs le terme de buts d’apprentissage et non de buts de maîtrise.
d’améliorer leurs compétences et cherchent à acquérir de nouvelles compétences ou à étendre

leur maîtrise. L’hypothèse centrale de Dweck est que l’adoption de buts de performance, qui
focalisent l’élève sur l’adéquation de ses capacités, combinée avec des doutes sur ses
compétences (c’est-à-dire que la confiance en ses capacités joue un rôle modérateur) rendrait
vulnérable à une réponse de type incapacité apprise suite à l’échec. Ces buts seraient
dépendants de la théorie implicite de l’intelligence adoptée par l’élève. La figure 4.1
représente ces liens théoriques.
Théorie implicite Orientation Pattern de réponse

suite à l’échec
de l’intelligence des buts
Théorie malléable
Buts d’apprentissage Mastery-oriented
de l’intelligence
Forte confiance
en ses capacités
Théorie fixiste
Buts de
de l’intelligence performance
Faible confiance
Incapacité apprise
en ses capacités
Figure 4.1. Le modèle théorique de Dweck (adapté de Dweck & Leggett, 1988)
L’étude d’Elliott et Dweck (1988) confirme que l’adoption de buts de performance, combinée
avec une faible perception de ses compétences, mène à l’incapacité apprise. Les élèves qui
figuraient dans cette condition expérimentale ont en effet montré les divers symptômes
caractéristiques de l’incapacité apprise. Par contre, les élèves poursuivant un but de
performance mais qui ont confiance en leurs capacités se comportent, tout comme les élèves
adoptant des buts d’apprentissage, selon le pattern caractéristique des élèves mastery-
oriented. Ces résultats placent la perception de ses compétences comme modératrice des
effets des buts de performance. En outre, la théorie des buts d’accomplissement permet de
réunir et organiser en un cadre théorique unique plusieurs construits qui ont été proposés et
qui expliquent les améliorations et détériorations de la performance, dont les attributions
causales, les stratégies défensives, l’anxiété ou encore la motivation intrinsèque (Dweck &
Leggett, 1988). Cette réunion de plusieurs construits, d’où le nom « orientation », fournit une
perspective compréhensive sur le rôle des buts d’accomplissement mais elle est toutefois
actuellement critiquée par certains chercheurs pour son manque de clarté (voir la partie des
conceptions actuelles et débats sur les définitions).
Concernant le rôle des théories implicites de l’intelligence comme favorisant l’adoption d’un
certain type de buts, relevons que ces liens ont été observés tant dans des études
corrélationnelles (par ex. Leggett, 1985, cité in Dweck & Leggett, 1988) que dans des études
avec manipulation expérimentale (par ex. Dweck, Tenney & Dinces, 1982, cité in Dweck &
Leggett, 1988). Récemment, des études de Dupeyrat et Mariné (2005) ainsi que de Cury et al.
(2006) ont testé les liens entre théories implicites et buts d’accomplissement auprès de
différentes populations. Si Dupeyrat et Mariné (2005) ont observé, chez des adultes qui
retournent au lycée pour achever leur scolarité, un lien significatif entre théorie malléable et
buts de maîtrise, ils n’ont pas observé de lien significatif entre théorie fixiste et buts de
performance. Au contraire, les résultats de Cury et al. (2006) auprès d’adolescents de 12 à 15
ans, corroborent les associations postulées par Dweck et Leggett (1988), tant dans une étude
corrélationnelle que dans une étude avec manipulation expérimentale.
La conception de Nicholls
Nicholls (1984a) définit la motivation d’accomplissement comme :
(…) that behavior in which the goal is to develop or demonstrate – to self or to others –
high ability, or to avoid demonstrating low ability. This implies that in achievement
situations individuals desire success to the extent that it indicates high ability and seek
to avoid failure to the extent that it indicates low ability. (p. 328)
Selon cette définition, la caractéristique centrale d’un comportement d’accomplissement est

que son but est lié à la compétence ou la perception de la compétence. Les élèves adoptent des
définitions différentes de ce que signifie « être compétent » et leur orientation des buts
diverge par conséquent. Dans la perspective théorique de Nicholls (1984a, b, 1989), la
terminologie est différente, bien que sa conception soit proche de celle de Dweck (1986). Les
buts d’apprentissage sont nommés buts orientés vers la tâche (task orientation), c’est-à-dire le
développement des compétences et les buts de performance sont nommés buts orientés vers
l’ego (ego orientation), c’est-à-dire la démonstration de la compétence. Ce cadre théorique
présente deux spécificités par rapport au modèle de Dweck (1986). La première spécificité est
que les buts sont opérationnalisés et relatifs aux situations dans lesquelles les élèves se sentent
les plus compétents plutôt que comme les raisons ou objectifs que les élèves adoptent
lorsqu’ils approchent une tâche. La seconde spécificité est qu’un troisième type de buts,
relatifs à l’évitement du travail (work avoidance orientation ou academic alienation; Nicholls,
1984a, b, 1989 ; Nicholls, Cheung, Lauer, & Patashnick, 1989) est introduit. Ces derniers sont
adoptés par les élèves qui cherchent à travailler le moins possible et à faire le minimum
d’efforts nécessaires à l’école (voir ci-dessous pour une description détaillée de ces buts). Ils
sont négativement corrélés avec les buts d’apprentissage. Cette troisième orientation proposée
par Nicholls a été explorée empiriquement par Dowson et McInerney (2001). Ces derniers
définissent les buts d’évitement du travail de la façon suivante : « Wanting to achieve
academically with as little efforts as possible. Conversely, avoiding demanding achievement
situations to minimize expended effort » (p. 42).
Dowson et McInerney (2001) ont exploré la façon dont ces buts se manifestaient en classe
chez des adolescents. Les comportements observés typiques de cette orientation sont : le fait
de demander de l’aide à l’enseignant pour compléter une tâche (en particulier si elle est
difficile), demander fréquemment de l’aide à l’enseignant pour des tâches relativement faciles
et s’engager dans des comportements sans lien avec la tâche (parler avec ses camarades,
ranger son bureau, faire semblant de ne pas comprendre, etc.). Au niveau affectif, Dowson et
McInerney ont relevé que les élèves orientés vers l’évitement du travail manifestaient des
sentiments de flemmardise (se sentir fatigué au moment de commencer une tâche), d’ennui ou
de colère (en accusant par exemple l’enseignant de donner trop de devoirs). Finalement, au
niveau cognitif, les auteurs soulignent que ces élèves manifestent un engagement limité dans
leurs apprentissages : ils s’engagent d’une façon inappropriée, mais qui demande moins
d’efforts. Par exemple, ils essayent d’obtenir les réponses de leurs camarades, ne cherchent
pas à clarifier ce qu’ils n’ont pas compris ou encore n’utilisent pas certaines stratégies
appropriées bien qu’elles se soient avérées efficaces par le passé. Cette orientation des buts est
donc liée uniquement à des aspects négatifs et elle est par conséquent inadaptée à
l’apprentissage. Elle prend des formes multiples et variées en fonction des contextes et est
encore insuffisamment explorée et décrite dans les recherches se basant sur le cadre théorique
de l’orientation des buts. En outre, les buts d’évitement du travail ne doivent pas être
confondus avec les stratégies d’évitement que les élèves mettent en place (Covington &
Beery, 1976). Les buts représentent ce que les élèves souhaitent atteindre alors que les
stratégies représentent les moyens qu’ils mettent en œuvre concrètement pour l’atteinte des
buts. Dans le cas des stratégies d’évitement, les élèves mettent en œuvre des stratégies afin
d’éviter de démontrer leur incompétence.
Récemment, les théories de Dweck (1986) et Nicholls (1984a, b) ont été approfondies par
différents groupes de chercheurs. De nouvelles conceptions des théories de l’orientation des
buts se sont ainsi développées, donnant lieu à passablement de débats conceptuels.
4.4.2.2. Les conceptions actuelles : débats sur la définition de l’orientation des

buts
Aujourd’hui, la théorie de l’orientation des buts est devenue l’un des cadres théoriques
majeurs dans les recherches sur la motivation à apprendre. Toutefois, il existe des différences
dans la façon dont les chercheurs définissent les buts d’accomplissement. Il est ainsi
nécessaire de se référer à une certaine approche afin de préciser la conception de l’orientation
des buts que nous adoptons. Dans ce travail, nous suivons les conceptions de Pintrich (p. ex.
2000b, Pintrich et al., 2003) et d’Elliot (p. ex. 1999, Elliot & McGregor, 2001 ; Elliot &
Thrash, 2001). Selon Pintrich (2000b), le terme « goal orientation » est utilisé pour
représenter l’idée que les buts d’accomplissement ne sont pas de simples target goals or more
general goals, mais qu’ils représentent une orientation générale vers la tâche qui inclut
diverses croyances au sujet des objectifs, de la compétence, du succès, des capacités, de
l’effort, des erreurs et des standards. Le type de but ou l’orientation adoptée est supposé créer
un cadre de référence à l’aide duquel les individus interprètent, réalisent des expériences et
agissent dans les situations d’accomplissement (Elliot & Church, 1997). Cette intégration et
organisation des différentes croyances sur la compétence et les objectifs fournissent son utilité
théorique et son pouvoir à ce construit. L’orientation des buts reflète une théorie ou un
schéma d’engagement, d’approche de la tâche et d’évaluation de sa propre performance lors
d’un apprentissage. La théorie des buts d'accomplissement postule que ceux-ci sont des
représentations cognitives de ce que l’individu tente d’accomplir ainsi que de leurs raisons de
réaliser la tâche (Pintrich, 2000b). De ce fait, les buts sont accessibles à la conscience de
l’individu et ainsi mesurables. Mais il ne s’agit pas de traits de personnalité (Pintrich, 2000b),
car l’orientation est sensible notamment au contexte : les buts sont considérés comme des
représentations cognitives ou des structures de connaissances qui sont sensibles à des facteurs
tant contextuels qu’internes ou personnels. Les buts seraient comme toute structure de
connaissances : ils peuvent être activés à priori par l’individu lorsqu’il entre dans une
situation et ils peuvent être influencés par l’information qui lui est disponible dans le contexte.
Ainsi, un même élève peut activer des buts différents dans deux situations relatives à un
même domaine. Les individus accèdent à différentes orientations dans des situations
différentes, comme un individu accède à différentes structures de connaissances dans des
situations différentes. Ceci n’implique toutefois pas qu’il n’existe pas de stabilité
intraindividuelle au travers du temps ou des domaines.
Les conceptualisations des buts d’accomplissement sont en outre généralement composées de
deux parties, c’est-à-dire un motif et un standard pour l’évaluation de ses compétences (Elliot
& Thrash, 2001). Ainsi, les buts de maîtrise sont un motif 43 d’amélioration de soi ou de
développement de ses compétences combiné à un standard lié à la tâche pour l’évaluation de
ses compétences ; les buts de performance sont généralement composés d’un motif lié à la
présentation de soi ou la démonstration de ses compétences combiné à un standard normatif
pour l’évaluation de ses compétences. Certains chercheurs adoptent une conception plus
restreinte (p. ex. Elliot ou Harackiewicz) et reprochent un manque de clarté par rapport à la
nature précise des construits de la théorie des buts d’accomplissement (Elliot & Thrash,
2001). Le manque de précision dans les définitions de l’orientation des buts est critiqué
notamment par Elliot et Thrash (2001), puisque considérer des orientations ne permet pas
d’identifier quelle composante produit certains effets dans les études, par exemple pourquoi
l’orientation des buts vers la performance serait défavorable à la motivation intrinsèque (est-
ce dû à un style attributif incontrôlable, à l’utilisation d’un standard interpersonnel pour
l’évaluation de ses compétences ou à d’autres facettes de l’orientation vers la performance ?).
En outre, encore peu de recherche ont montré comment les différentes variables constituant
une orientation se combinaient ou étaient intégrées de façon cohérente pour former un cadre
de référence. Toutefois, Pintrich (2000b) propose que les différents construits de la motivation
(par exemple l’orientation des buts, le style attributif, le sentiment d’efficacité personnelle)
soient utilisés comme variables partiellement indépendantes les unes des autres ou comme
variables médiatrices ou modératrices et qu’elles ne soient pas regroupées dans un facteur
général nommé « motivation » dans les recherches et développements théoriques futurs.
Concernant leur niveau de généralité, nous pouvons situer les buts d’accomplissement à un
niveau de généralité entre l’approche dite des motifs et les buts-cibles. Par comparaison avec
43
Selon le Petit Robert : mobile d’ordre intellectuel ou raison d’agir.
l’approche dite des motifs de McClelland (1987), qui identifie des classes de buts auxquelles
les individus attribuent des valeurs différentes et qu’ils poursuivent plus ou moins,
l’orientation des buts est une approche plus fine de l’analyse des buts. En effet, un individu
peut poursuivre un but d’affiliation, d’accomplissement ou de pouvoir (selon la terminologie
de McClelland, 1987) pour des raisons différentes. Cette analyse fine des raisons de la
poursuite d’un but serait, selon Dweck et Leggett (1988), nécessaire pour les classer et prédire
leurs conséquences sur le comportement, la cognition et l’affect. Ces buts plus fins
(d’apprentissage ou de performance) entretiennent une relation plus proche avec le
comportement que les motifs. Pour certains (par ex., Elliot & Church, 1997), les motifs
seraient à l’origine des buts d’accomplissement (voir 4.4.3.3.). Par ailleurs, l’approche de
l’orientation des buts se distingue des buts-cibles par son niveau de généralité. Les buts-cibles
représentent le résultat spécifique qu’une personne veut atteindre (par exemple répondre
correctement à un certain nombre de questions dans un test). Par contre, l’orientation des buts
représente bien une « orientation » envers la situation ou la matière, leurs raisons pour
l’accomplir et non l’objectif spécifique qu’ils ont pour une certaine tâche (Pintrich et al.,
2003). Dans les termes de Harackiewicz et Sansone (1991), « target goals guide an
individual’s behavior, and purpose goals [i.e., goal orientation] suggest the reasons for the
behavior » (p. 21). L’orientation des buts est parfois mesurée au niveau spécifique d’une
tâche, parfois au niveau d’une matière ou au niveau de l’école en général mais de plus en plus
on admet une variabilité des buts en fonction des contextes. Par conséquent, la mesure des
buts en relation à l’école en général devrait être de moins en moins courante.
En outre, il pourrait être contre-productif de concevoir tous les buts de performance comme
inadaptés ou en opposition aux buts d’apprentissage (Elliot & Church, 1997). En effet, la
plupart des chercheurs dans les premiers travaux avec cette théorie (p. ex. Ames & Archer,
1988) ont conceptualisé les buts sous la forme dite d’approche. Or les théories classiques de la
motivation (telles que celle de J. W. Atkinson, 1957), comme le soulignent Elliot et Church
(1997), distinguent deux orientations dans l’activité : orientation vers l’atteinte du succès
(approche) et orientation vers l’évitement de l’échec (évitement). Plusieurs chercheurs (par
ex. Harackiewicz, Barron, Pintrich, Elliot & Thrash, 2002 ; Pintrich, 2000b ; Thrash & Elliot,
2001) proposent ainsi de distinguer les buts selon une seconde dimension : l’approche ou
l’évitement44. En effet, selon Elliot & Thrash (2001), « The distinction between approach and
44
Cette dimension évitement ne doit pas être confondue avec les buts d’évitement du travail proposés par
Nicholls (voir 4.4.2.1). Dans le premier cas, il s’agit d’une distinction qui permet de sous-diviser les buts de
maîtrise et les buts de performance selon que l’élève est orienté vers l’approche du succès ou l’évitement de
avoidance motivation is fundamental and basic to an understanding of achievement-motivated

behavior, and the goals themselves » (p. 140). En combinaison avec les buts de performance
et de maîtrise, ceci donne quatre types de buts qui permettent de distinguer plus finement les
buts poursuivis par les élèves. Cependant, cette sous-distinction est encore mal définie
théoriquement (Pintrich, 2000b) et ne se vérifie pas forcément empiriquement (par ex. Galand
& Philippot, 2002). Toutefois, Elliot et McGregor montrent qu’il est possible de distinguer,
par questionnaire auto-rapporté, ce type d’orientation, qu’il s’agit de buts effectivement
adoptés par les étudiants universitaires et qu’ils ont une série d’antécédents et de
conséquences théoriquement et empiriquement cohérents. L’intégration de la distinction entre
motivation d’approche et motivation d’évitement dans le cadre théorique des buts
d’accomplissement a été conceptualisée, par Elliot et ses collaborateurs, dans un premier
temps dans le modèle trichotomique puis dans un second temps dans le modèle dit 2x2 des
buts d’accomplissement.
4.4.2.3. Le modèle trichotomique et le cadre 2x2 d’Elliot
Parmi les conceptions récentes de la théorie des buts d’accomplissement, nous allons
présenter en détail celle d’Elliot (1999 ; Elliot & Church, 1997 ; Elliot & Covington, 2001 ;
Elliot & Harackiewicz, 1994, 1996 ; Elliot & McGregor, 2001 ; Elliot & Thrash, 2001) que
nous jugeons comme l’une des plus élaborées et des plus cohérentes. Dans la perspective
d’Elliot (Elliot & McGregor, 2001), la compétence est au cœur du construit de but
d’accomplissement. La compétence pourrait être différenciée selon deux dimensions : la
façon dont elle est définie et sa valence45. La définition de la compétence selon un individu
peut se référer à trois standards : un standard absolu (les demandes de la tâche), un standard
intra-personnel (ses propres accomplissements passés ou l’atteinte d’un potentiel maximum)
ou un standard normatif (relatif à la performance des autres). Ainsi les individus évaluent
leurs compétences selon des standards différents, ce qui fait partie de leur définition de la
compétence. Les standards absolu et intra-personnel sont toutefois conceptuellement et
empiriquement proches et ils semblent souvent impossible à distinguer. De ce fait, seul deux
définitions de la compétence sont considérées dans le cadre théorique d’Elliot : une définition
absolue/intra-individuelle et une définition normative. Cette distinction de standard se
l’échec. Dans le second cas, il s’agit d’un autre type de buts qui concerne la tendance à réaliser le moins possible
d’efforts pour réussir.
45
Puissance d’attraction (valence positive) ou de répulsion (valence négative) d’une activité
retrouve dès les débuts de la théorie des buts d’accomplissement dans l’opposition entre buts
de maîtrise et buts de performance.
La seconde dimension relative à la compétence est celle de valence qui est soit positive soit
négative. Ainsi la compétence est considérée comme positive ou une possibilité désirable (le
succès) ou comme négative ou une possibilité négative (l’échec). Une valence positive est
associée à une orientation de type approche du succès alors qu’une valence négative est
associée à l’évitement de l’échec. L’opposition approche-évitement était déjà un aspect
central dans les théories classiques de la motivation (par ex. J. W. Atkinson, 1957), selon
lesquelles l’activité en situation d’accomplissement est soit orientée vers l’approche du succès
soit vers l’évitement de l’échec. Selon Zajonc (1998), la discrimination entre l’approche et
l’évitement serait une réaction primaire et parmi les plus élémentaires de l’organisme aux
stimuli de l’environnement, c’est-à-dire une réponse initiale sur laquelle toutes les réponses
subséquentes seraient basées. En outre, l’évaluation d’un stimulus en termes de bien ou de
mal serait automatique et non médiatisée par des processus cognitifs d’ordre supérieur. Les
deux dimensions de définition et de valence étant selon Elliot inhérentes au construit de
compétence, elles doivent être vues comme des composantes nécessaires de toute forme de
régulation basée sur la compétence, telle que les buts d’accomplissement.
La conceptualisation 2x2 d’Elliot est basée sur ces dimensions et inclut chaque combinaison
des deux dimensions (voir tableau 4.1). Dans la première version de ce modèle (le modèle
trichotomique ; Elliot & Church, 1997 ; Elliot & Harackiewicz, 1996), la distinction entre
approche et évitement est introduite pour distinguer deux sous-types de buts de performance :
les buts de performance-approche et les buts de performance-évitement46. Ainsi, les buts
d’apprentissage et de performance-approche sont considérés comme menant à
l’autorégulation selon un résultat potentiel positif (c’est-à-dire que l’élève cherche le succès,
que ce soit par la maîtrise de la tâche ou la démonstration de ses compétences de manière
normative) et ces buts de type approche sont considérés comme promouvant des processus qui
mènent au succès. Par contre, les sous-buts de performance-évitement sont considérés comme
menant à l’autorégulation selon un résultat potentiellement négatif (c’est-à-dire que l’élève
cherche à éviter l’échec) et cette orientation produit des processus tels que l’anxiété ou la
distraction de la tâche qui produisent un pattern notamment qualifié d’incapacité apprise.
Dans une motivation d’approche, le comportement est dirigé par un événement désirable
46
Nicholls avait déjà introduit cette distinction parmi l’orientation des buts qu’il nomme orientation vers l’ego.
En effet, cette orientation était divisée en « ego orientation as showing superiority » et « ego orientation as
avoiding inferiority ». Toutefois, cette distinction ne se vérifiait pas empiriquement dans les analyses factorielles
exploratoires et de ce fait, des items des deux types ont été mélangés sous une orientation unique.
(typiquement la réussite) alors que dans la motivation d’évitement, le comportement est dirigé
par un événement indésirable (typiquement l’échec) (Elliot & Covington, 2001)47. Cette
distinction est présente notamment dans les théories du champ de Lewin (1935)48 ainsi que
dans la théorie des motifs de McClelland (1951) et J. W. Atkinson (1957)49. Elliot et
Covington (2001) affirment que la distinction entre approche et évitement est victime d’un
manque d’attention dans les conceptions actuelles des buts d’accomplissement, ce qui
pénaliserait la théorie, la recherche et la pratique en psychologie de l’éducation. Cette
distinction serait selon eux partie intégrante de la compréhension de la motivation et les
chercheurs dans le champ de la motivation devraient accorder plus d’importance à cette
dichotomie centrale et riche. De plus, cette distinction étant fondamentale et basique, elle
devrait être utilisée comme un fondement conceptuel sur laquelle les autres distinctions
reposeraient. Elliot et Thrash (2001) s’étonnent, à la vue du grand nombre d’études
empiriques sur les buts dans la littérature relative à la motivation d’accomplissement, qu’il y
ait eu si peu de discussions entres les chercheurs au sujet de la nature conceptuelle des
construits concernés. Le modèle trichotomique a toutefois été largement accepté et employé
par les chercheurs conceptualisant la motivation en termes de buts d’accomplissement (p. ex.
Midgley, 2002 ; Skaalvik, 1997).
Suite au modèle trichotomique, Elliot (Elliot, 1999 ; Elliot & McGregor, 2001) et Pintrich
(2000a, b) ont proposé une nouvelle élaboration de la théorie des buts d’accomplissement en
distinguant une dimension approche-évitement également parmi les buts d’apprentissage.
Selon Elliot (Elliot & McGregor, 2001), ces buts opéreraient dans de nombreuses situations et
il serait important d’y être attentif et de réaliser des études empiriques à ce sujet. Les
individus perfectionnistes pourraient adopter de tels buts (être sûr de ne pas faire de fautes ou
ne pas faire une seule réponse fausse).
Une description de chacun des buts d’accomplissement figure dans le tableau 4.1.
47
Cette distinction peut être liée à la philosophie de l’hédonisme qui repose sur le principe que les
comportements des individus sont basés sur la recherche du plaisir et l’évitement de la peine.
48
Lewin (1935) considérait que les stimuli présentent des propriétés qui peuvent être positives/attrayantes ou
négatives/repoussantes, définissant ainsi leurs valences. Ces dernières seraient liées à des tendances d’approche
ou d’évitement (en termes de comportement) des stimuli. Elles proviendraient des besoins de l’organisme et par
conséquent les tendances d’approche ou d’évitement seraient activées afin de satisfaire ces besoins.
49
Ces chercheurs ont popularisé la distinction entre approche et évitement dans les théories de la motivation. Ils
ont distingué deux types de motifs : les motifs d’approche, qui sont des dispositions pour l’acquisition
d’expériences ou d’états positifs/espérés et les motifs d’évitement qui représentent, à l’opposé, une disposition
pour l’évitement d’expériences ou d’états négatifs/redoutés.
Tableau 4.1.
Cadre conceptuel 2x2 des buts d’accomplissement adapté d’Elliot & McGregor (2001) et Pintrich (2000a)
Définition de la compétence
Absolue/intra-personnelle (maîtrise) Normative (performance)
Buts de performance type approche

Buts de maîtrise type approche
Positive L’élève est centré sur l’idée d’être le meilleur
L’élève est centré sur la maîtrise de la tâche, de
dans une tâche en comparaison aux autres, de
(approcher le succès) l’apprentissage et de la compréhension. Il
surpasser les autres, d’être le plus intelligent. Il
utilise des standards intra-personnel afin
utilise des standards normatifs afin d’évaluer
d’évaluer ses compétences, tels que ses progrès
ses compétences, tels qu’obtenir les meilleures
ou sa compréhension.
Valence notes, être le meilleur de la classe.
Buts de maîtrise type évitement Buts de performance type évitement
Négative L’élève est centré sur l’évitement de L’élève est centré sur les fait d’éviter
l’incompréhension, il veut éviter de ne pas l’infériorité, de ne pas paraître moins compétent
(éviter l’échec) apprendre ou de ne pas maîtriser la tâche. Il en comparaison aux autres. Il utilise des
utilise des standards intra-personnel afin standards normatifs afin d’évaluer ses
d’évaluer ses compétences, tels que ne pas faire compétences, tels que ne pas obtenir les plus
faux, ne pas se tromper dans les tâches, ne pas mauvaises notes, ne pas être le moins bon de la
être moins compétent que par le passé. classe.
Note : La définition et la valence représentent les deux dimensions de la compétence. Les critères absolue/intra-personnelle et normative représentent les deux façons dont la
compétence peut être définie ; positive et négative représentent les deux façons dont la valence de la compétence peut être perçue.
Les différentes orientations peuvent être distinguées par une analyse factorielle et certaines
sont intercorrélées. Par exemple, les buts de maîtrise-évitement sont liés aux buts de maîtrise-
approche et aux buts de performance-évitement, car ils partagent une dimension commune. Ils
ne sont par contre pas liés aux buts de performance-approche. En outre, dans l’étude d’Elliot
et McGregor (2001), le modèle à quatre orientations s’ajuste mieux aux données qu’un
modèle à trois orientations. Elliot et Thrash (2001) n’incluent pas dans leur cadre théorique
les buts d’évitement du travail, tels que défini par Nicholls (1989) notamment car ces buts
représentent selon eux l’absence de buts d’accomplissement plutôt que la présence d’un type
particulier de buts. Les buts extrinsèques, tels que recevoir une récompense ou éviter une
punition ne sont pas non plus inclus car ne se centrant pas sur la compétence, ils ne
représentent pas un but d’accomplissement compatible avec leur théorie, tout comme les buts
sociaux5051. L’aspect relativement restrictif du cadre théorique d’Elliot représente une limite
sérieuse étant donné que tous les élèves sont considérés comme cherchant à combler leur
besoin de compétence. En effet, la réussite scolaire peut s’avérer secondaire pour les élèves et
par là leur besoin de compétence dans ce domaine. Ce besoin peut s’avérer plus fort dans
d’autres domaines, par exemple le sport, ce qui signifie que ce cadre théorique n’est peut-être
pas pertinent pour tous les élèves, à tous les niveaux scolaires.
Selon Grant et Dweck (2003) ainsi que Harackiewicz, Barron et al. (2002), les résultats
contradictoires obtenus en relations aux buts de performance-approche seraient dû à leur
opérationnalisation qui diverge en fonction des chercheurs. Par exemple, Elliot (Elliot &
50
D’autres chercheurs proposent des distinctions différentes parmi les buts. Par exemple, Grant et Dweck (2003)
distinguent théoriquement les deux buts classiques (apprentissage et performance) qu’ils divisent en plusieurs
types. Les buts d’apprentissage peuvent être selon elles décomposés en : 1) buts d’apprentissage qui impliquent
un désir d’apprendre et 2) buts de type challenge qui impliquent de maîtriser les challenges. Toutefois, cette
distinction ne se confirme pas dans les analyses factorielles puisque ces deux dimensions ne forment qu’un seul
facteur. L’étude de Dupeyrat, Mariné et Escribe (1999) avait toutefois distingué empiriquement ces deux
dimensions avec un nombre plus grand d’items. Les buts de performances sont divisés par Grant et Dweck
(2003) en buts normatifs et non-normatifs. Ces premiers impliquent la comparaison de l’élève à ses pairs, soit en
référence à son intelligence (habileté normative) soit en référence à ses résultats (résultats normatifs), mais
empiriquement cette distinction ne se confirme pas. Les buts de performance non normatifs sont également
distingués en buts liés aux résultats et buts liés à l’intelligence. Les analyses factorielles confirment dans ce cas
là qu’il s’agit bien de deux dimensions différentes. Les étudiants distinguent donc clairement les deux formes.
Dans l’étude de Grant et Dweck, les liens entre les deux types de buts de performance et les patterns mastery-
oriented et incapacité apprise montrent que, suite à une situation d’échec, les buts normatifs ne sont pas liés à
une diminution de la motivation intrinsèque, ni à des pensées de type rumination, ni à l’attribution de l’échec au
manque de capacité. Par contre, les buts de performance non-normatifs (objectif de confirmation de ses
capacités) sont clairement liés aux patterns définis par Dweck.
51
Bien que les buts de maîtrise, de performance et d’évitement du travail ne représentent pas de manière
exhaustive les raisons pour lesquelles un élève pourrait être amené à s’engager dans une tâche, nous ne
considérons que ces buts et excluons les buts sociaux (Wentzel, 2000) pour lesquels les élèves pourraient être
amenés à étudier. En effet, nous postulons que ce sont les trois types de buts précités qui influencent le plus
significativement l’engagement et le fonctionnement cognitif dans le domaine scolaire.
Church, 1997) insiste sur le caractère normatif des buts de performance et inclut par
conséquent l’idée de comparaison sociale. D’autres définissent les buts de performance en
relation à la présentation de soi, à une inquiétude par rapport à ce que pensent les autres
(Midgley, Kaplan, Middleton, Maehr, Urdan, Anderman et al., 1998). Certains chercheurs
(Dupeyrat et Escribe, 2000 ; Hayamizu & Weiner, 1991) ont d’ailleurs distingué parmi les
buts de performance les sous buts « but de performance d’approbation sociale » et « buts de
performance normatifs ». Harackiewicz, Barron et al. (2002) affirment qu’il est préférable
d’adopter une conception normative des buts de performance car la présentation de soi n’a
rien à faire avec la compétence en soi et que la compétence doit être au cœur d’un construit de
buts d’accomplissement, comme c’est le cas dans le modèle d’Elliot. Harackiewicz, Durik et
Barron (2005) expliquent le caractère adaptatif des buts de performance (qui permettent de
prédire les notes) par le type d’environnement de classe qu’ils étudient. Il s’agit en effet de
cours d’introduction de psychologie pour lesquels les étudiants sont évalués par des tests à
choix multiples et leurs notes sont basées sur des courbes normatives. De ce fait, les étudiants
doivent obtenir un meilleur score que les autres pour obtenir une bonne note et la compétence
est clairement définie en termes de capacités relatives et de comparaison normative. Ainsi une
orientation vers la performance correspond bien à ce type de contexte. Ceci rejoint le postulat
de Harackiewicz et Sansone (1991) selon lequel l’effet des buts dépend du contexte dans
lequel ils sont poursuivis. D’une manière générale, il se pourrait que le contexte universitaire
américain, du moins dans les universités de haut rang, soit orienté vers la performance et il
serait donc bénéfique pour les étudiants de poursuivre ce type de buts.
4.4.3. Les antécédents, corrélats et conséquences des orientations des buts
Il est souvent difficile de distinguer entre les antécédents (ce qui est à l’origine ou la cause des
différentes orientations des buts), les corrélats (ce qui est associé aux différentes orientations
mais qui n’est ni une cause ni une conséquence) et les conséquences (ce qui est provoqué par
l’adoption des différentes orientations des buts) parmi les différentes variables liées à
l’orientation des buts. En effet, en fonction des chercheurs, une même variable peut jouer un
rôle différent et de plus, la grande majorité des recherches étant cross-sectional et de type
corrélationnelles, il n’est pas toujours évident qu’une variable joue effectivement un rôle
d’antécédent et non de corrélat par exemple, si ce n’est selon des arguments théoriques (Cliff,
1983)52. De ce fait, nous avons choisi de présenter les antécédents, corrélats et conséquences
en fonction des thématiques plutôt qu’en fonction de leurs rôles supposés. Nous abordons par
conséquent successivement et en lien avec l’orientation des buts : les croyances
épistémologiques et les attitudes, la perception de l’environnement d’apprentissage et du
contexte, la personnalité, l’affect et la motivation et finalement le fonctionnement cognitif.
Linnenbrink et Pintrich (2000) ont proposé un résumé des liens entre les différents buts
d’accomplissement et des médiateurs motivationnels, affectifs et comportementaux de la
relation entre buts et résultats (voir tableau 4.2.). En effet, selon eux « If there is to be
theoretical and practical significance to the postulation of four different goals, then there
should be different functional relations between these goals and the various mediators and
outcomes » (Linnenbrink & Pintrich, 2000, p. 203). Une partie de ces liens sont décrits ci-
après.
52
Les recherches avec manipulation expérimentale seront mentionnées comme telles.
Tableau 4.2
Les liens hypothétiques et différentiels des quatre types de buts d’accomplissement aux médiateurs et aux résultats (Adapté de Linnenbrink et Pintrich,
2000, p. 204)
Maîtrise-approche Maîtrise-évitement Performance-approche Performance-évitement
Processus motivationnels
Plus centré sur la capacité, Centré sur les capacités,
Croyances sur les efforts et Forte croyance dans le rôle des Attributions causales à l’effort ou
attributions causales des succès attributions causales des échecs
capacités efforts aux capacités
aux capacités aux capacités
Jugements d’efficacité
Sentiment d’efficacité Efficacité plus faible Haute efficacité en cas de succès Faible efficacité
« adaptatifs »
Fort intérêt et valeur de la tâche, Intérêt et valeur de la tâche plus Fort intérêt en cas de succès, Faibles intérêt et valeur de la
Intérêt/valeur forte valorisation de la faibles, faible valorisation de la faible valeur de la tâche, haute tâche, haute valorisation de la
compétence compétence valorisation de la compétence compétence
Processus affectifs
Mixte : haute exaltation en cas de
Affect positif Forte exaltation Faible exaltation Faible exaltation
succès
Affect négatif Faible anxiété Anxiété modérée Anxiété modérée Forte Anxiété
Processus cognitifs
Utilisation de stratégies Traitement plus profond Traitement plus en surface Traitement opportun Traitement plus en surface
Régulation orienté vers ne pas Régulation orientée vers faire Régulation orientée vers ne pas
Métacognition/régulation Régulation orientée vers la tâche
faire faux mieux que les autres paraître stupide
Mémoire de travail et processus Plus disponible, centrés sur la Moins disponibles, soucis de ne Moins disponibles, soucis relatifs Moins disponibles, soucis de
attentionnels tâche pas faire faux aux autres paraître bête
Processus comportementaux
Effort déployés Elevé Modéré/élevé Elevé en cas de succès Faible/modéré
Persistance Elevé Modéré/élevé Elevé en cas de succès Faible/modéré
Résultat d’accomplissements
Performance Modéré/élevé Modéré Modéré/élevé Faible
Apprentissage/changement
Elevé Faible Modéré/faible Faible
conceptuel
4.4.3.1. Les croyances et les attitudes
Les liens entre les buts d’accomplissement et différentes croyances et attitudes ont été
largement étudiés depuis les premières conceptions théoriques de ces buts. Les théories
implicites de l’intelligence sont un exemple de croyances qui sont censées favoriser un certain
type de buts, comme nous l’avons décrit plus haut (voir 4.4.2.1). Les liens avec d’autres
croyances sont exposés ci-dessous.
Le rôle du style attributif
Selon Ames (1992), l’orientation des buts définit un pattern de croyances, d’attributions et
d’affects qui produit les intentions de comportement, qui sont représentées par des façons
différentes d’approcher, de s’engager et de répondre à des activités d’ accomplissement. Les
élèves qui adoptent des buts de maîtrise perçoivent ou croient que les efforts et les résultats
covarient. Ce style attributif (attribution des résultats à des facteurs internes, instables et
contrôlables) favorise le maintien des comportements orientés vers l’accomplissement selon
le point de vue théorique de Weiner (1986). L’orientation vers la maîtrise est liée
positivement aux croyances que les succès sont dus aux efforts et aux stratégies employées et
non à la facilité des tâches (Ames & Archer, 1988). L’élève base son sentiment d’efficacité
personnelle sur la croyance en le lien efforts-résultats. Il cherche à développer ses
compétences et ses connaissances, comprendre en profondeur les matières scolaires,
s’améliorer en se prenant soi-même comme point de référence plutôt que de se juger en se
comparant aux autres.
Par contre, l’orientation vers la performance est associée à une croyance en le lien entre
capacités et résultats (croyance théoriquement négative ; Weiner, 1986) qui guide le
comportement de façon à ce que le self-worth soit déterminé par la perception de ses capacités
à réussir. Ceci a pour conséquence que la réalisation d’efforts peut toucher au concept de soi
lorsque l’élève se donne beaucoup de peine, fait beaucoup d’efforts et que cela ne mène pas
au succès. Ceci provoque l’effet dit double-edged sword53 décrit par Covington et Omelich
(1979).
53
La quantité d’efforts fournis par l’élève est considérée comme un indicateur de ses capacités. Par conséquent,
celui qui réussit sans étudier beaucoup, en particulier si la tâche est difficile améliore l’estimation de ses
capacités. Par contre, l’élève qui travaille beaucoup mais échoue attribuera généralement cet échec au manque de
Nicholls s’est intéressé aux liens entre d’une part les orientations des buts de son cadre
théorique et d’autre part le style attributif ainsi que les perceptions des objectifs de la scolarité
(Nicholls, 1992 ; Nicholls et al., 1989 ; Nicholls, Patashnick, & Nolen, 1985). Nicholls et al.
(1989) rapportent, pour des élèves des 9ème et 12ème degrés que l’orientation vers la tâche (buts
de maîtrise) est liée à la croyance que le succès scolaire dépend de l’intérêt et des efforts. Par
contre, l’orientation vers l’ego (buts de performance) est liée aux croyances que le succès est
dépendant de la compétitivité (notamment avoir des capacités supérieures à celles des autres)
et de stratégies dites extrinsèques, telles que savoir comment impressionner l’enseignant. Les
élèves orientés vers l’évitement du travail ont tendance à penser que si la chance peut être
responsable des succès, les efforts et l’intérêt ne jouent pas un rôle important. Ces mêmes
associations sont observables chez des élèves du 2ème et 5ème degrés (Thorkildsen &
Nicholls, 1998). Par ailleurs, l’étude de Nicholls et al. (1985) a révélé une association entre
l’orientation vers la tâche et la perception de l’école comme un moyen de préparer les
adolescents à des emplois socialement utiles, à être des citoyens informés ainsi qu’à travailler
dur en dépit des obstacles (développer la motivation d’accomplissement). Par opposition,
l’orientation vers l’évitement du travail était associée négativement à ces perceptions et
positivement à l’idée que l’objectif de l’école est de permettre aux élèves de gagner de
l’argent et d’obtenir un statut social désirable dans le futur. Ces études de Nicholls démontrent
donc une interdépendance des orientations des buts avec les croyances liées aux raisons du
succès et les perceptions des objectifs de la scolarité (Nicholls, 1992).
D’autres chercheurs s’intéressent au rôle des croyances épistémologiques comme étant à
l’origine de l’adoption d’une orientation des buts (Braten & Stromso, 2004). Selon les
résultats de l’étude de Braten et Stromso, la croyance que l’apprentissage se produit
rapidement ou ne se produit pas du tout amène l’élève à adopter un but de performance-
évitement et à ne pas adopter de but de maîtrise, tant à court qu’à long terme. En outre, ces
croyances ont, dans leur étude, un pouvoir de prédiction plus important que les théories
implicites de l’intelligence. Hofer et Pintrich (1997) postulent des liens entre les croyances sur
l’apprentissage d’une discipline et le type de buts adopté par l’élève. Toutefois peu d’études
empiriques ont été menées sur ce sujet et par conséquent nous ne connaissons pas encore ces
liens en détails.
capacités. Ce phénomène décrit ainsi le fait que la réalisation d’efforts conséquents est à double tranchant car
elle peut avoir des conséquences différentes suivant qu’elle mène au succès ou à l’échec.
Finalement, dans l’étude de Meece, Blumenfeld et Hoyle (1988), l’attitude à l’égard de la

science est fortement prédictive du type de buts que l’élève adopte lors d’une tâche dans ce
domaine. En effet, une attitude positive est largement liée à l’orientation vers la tâche alors
qu’une attitude négative est liée à l’orientation vers l’ego. L’attitude montre un effet indirect
sur l’engagement cognitif rapporté par les élèves lors des tâches, cet effet étant partiellement
médiatisé par l’orientation des buts. Relevons que la notion d’attitudes se distingue de
l’orientation des buts selon le cadre théorique de Nicholls car il s’agit de la façon dont l’élève
définit la compétence. Par contre, les attitudes se recoupent avec les buts de maîtrise dans les
autres conceptions de l’orientation des buts, par exemple celle de Pintrich (2000b).
4.4.3.2. La perception de l’environnement d’apprentissage et du contexte
La théorie des buts d’accomplissement est particulièrement propice à l’analyse des influences
contextuelles sur la motivation des élèves. Ainsi les chercheurs s’intéressent à décrire et à
évaluer les influences de la structure de classe et du style d’enseignement en distinguant ceux-
ci suivant leur orientation vers la maîtrise, vers la performance ou vers les deux. Ceci signifie
qu’une certaine classe, de par les pratiques de l’enseignant ou de par son climat, peut mettre
l’accent sur un type de but ou l’autre (Meece, E. M. Anderman, & L. H. Anderman, 2006).
Ames (1984, 1992 ; Ames & Ames, 1981 ; Ames & Archer, 1988) s’est particulièrement
intéressée aux influences de la structure de la classe sur l’adoption des orientations de buts. La
structure de la classe met l’accent sur certains buts et influence par là l’adoption de ces buts
par les élèves. Trois composantes liées à la structure de classe sont analysées par Ames : le
type de tâches et d’activités d’apprentissage, les pratiques évaluatives et l’utilisation de
récompenses ainsi que la répartition de l’autorité ou de la responsabilité. Pour favoriser
l’adoption de buts de maîtrise, Ames (1992) propose pour la composante « tâches et
activités » que celles–ci soient centrées sur des aspects significatifs du point de vue de l’élève
(par exemple qu’elles soient perçues comme instrumentales) et qu’elles offrent un challenge
raisonnable pour les élèves. Donner des opportunités de développer des responsabilités et une
certaine indépendance, ainsi que soutenir le développement et l’utilisation de compétences de
gestion de son travail et d’autonomie sont des aspects de la composante « autorité » qui sont
propices à l’adoption de buts de maîtrise. Finalement, dans le domaine de l’évaluation, une
centration sur les progrès individuels (soit une évaluation à caractère informatif par opposition
à une évaluation servant à contrôler), un caractère privé (et non public puisque ce dernier met
l’accent sur la comparaison sociale) des évaluations ainsi que la reconnaissance des efforts
fournis par l’élève sont des aspects qui soutiennent une orientation vers la maîtrise plutôt que
vers la performance (Ames, 1992). Une étude de Ames (1984) a montré que la structure de la
classe (individualiste vs compétitive) était liée à des patterns de cognitions différents suite à
des échecs sur des tâches de type puzzle. Dans la situation de compétition, les élèves réalisent,
en comparaison des élèves en situation dite individualiste, plus d’attributions aux capacités
mais moins d’attributions à l’effort et moins d’auto instruction. Ainsi dans la condition de
compétition, la comparaison sociale devient saillante, ce qui augmente le rôle perçu des
capacités dans la performance. La structure individualiste semble avoir créé une orientation
vers la maîtrise, puisqu’on retrouve non seulement l’association entre efforts et résultats, mais
aussi une centration sur les stratégies pour la maintenance et l’amélioration de la performance,
comme dans la description des élèves orientés vers la maîtrise (p. ex. Diener & Dweck,
1978)54. Ainsi la structure de classe est un facteur important contribuant à l’adoption par les
élèves d’une orientation vers la maîtrise.
Ames et Archer (1988) étudient les liens entre la perception des buts de la classe et des
variables motivationnelles et l’utilisation de stratégies d’apprentissage. Leurs analyses
corrélationnelles montrent que les élèves qui perçoivent leur classe comme mettant l’accent
sur des buts de maîtrise rapportent l’utilisation de plus de stratégies d’apprentissage, préfèrent
des tâches qui offrent un challenge et ont une attitude plus positive envers leur classe. Pour les
buts de performance, ces liens n’existent pas et l’attitude envers la classe et la perception de
ses compétences est même négativement liée à la perception de buts de performance. En
outre, des analyses de régression montrent que l’effet des buts de maîtrise sur les stratégies
d’apprentissage, la préférence pour des tâches représentant un challenge et l’attitude envers la
classe ne dépend pas de la compétence perçue de l’élève. Les caractéristiques de la classe ont
donc une influence modératrice sur les caractéristiques de l’élève. La perception de la classe
comme mettant l’accent sur des buts de performance fait que les élèves ont tendance à se
centrer sur leurs capacités, à juger leurs capacités comme plus faibles et invoquer leurs
capacités comme cause de l’échec. Church, Elliot et Gable (2001) s’intéressent également à
l’influence de l’environnement de la classe tel qu’il est perçu par des étudiants universitaires.
Leurs analyses en pistes causales révèlent que chaque orientation des buts (maîtrise,
54
En effet : « The individualistic structure has been shown as a sharp contrast to the competitive structure in that
the individual settings appears to facilitate a task focus evidenced by a greater use of self-instructions and to
reduce the ego focus that is endogeneous to the competitive structures evidenced by greater ability attributions.
Whereas children in the competitive structure exhibited a strong ability focus, children in the individualistic
structure appeared more achievement or mastery oriented. Besides attributing their performance to effort related
factors, they were focused on how to do the task » (Ames, 1984, p. 486).
performance-approche et performance-évitement) est liée clairement à un profil spécifique

d’antécédents. En effet, l’adoption de buts de maîtrise est positivement liée à la perception
que le professeur rend le cours intéressant ainsi qu’à l’absence de centration sur l’évaluation
et négativement liée à la sévérité ou difficulté de l’évaluation. Les buts de performance-
approche sont liés à une centration forte sur l’évaluation. Finalement les buts de performance-
évitement sont liés à une forte centration sur l’évaluation et une évaluation perçue comme très
difficile. Les études du groupe de Midgley (Kaplan, Middleton, Urdan & Midgley, 2002) se
sont particulièrement intéressées à la structure de classe sous la forme du type de buts sur
lequel l’enseignant met l’accent. En contrastant les classes dans lesquelles les élèves
perçoivent un accent sur les buts de maîtrise et les classes dans lesquelles l’accent est mis sur
les buts de performance, des profils très différents ressortent. En effet, les élèves sont plus
enclins à utiliser des stratégies d’apprentissage efficaces, avoir une bonne estime d’eux-
mêmes et à se sentir plus à l’aise en classe si l’accent est mis sur les buts de maîtrise. De plus,
les élèves du 6ème degré rapportent utiliser significativement moins de stratégies d’évitement
(éviter de se confronter à la nouveauté, éviter de demander de l’aide et recourir à des
stratégies auto-handicapantes) en mathématiques dans les classes perçues comme mettant
l’accent sur l’apprentissage, la compréhension, l’effort et le plaisir, c’est-à-dire un accent sur
les buts de maîtrise (Turner, Midgley, Meyer, Gheen, E. M. Anderman, Kang, & Patrick,
2002). Au contraire, ces indicateurs reconnus favorables à l’apprentissage sont plus faibles
chez les élèves dans les classes où l’accent est mis sur la comparaison normative des capacités
entre élèves (c’est-à-dire sur les buts de performance). En outre, dans les classes perçues
comme mettant l’accent sur des buts de performance, les élèves rapportent plus de stratégies
auto-handicapantes et des réactions affectives négatives suite aux échecs, en comparaison des
classes dont les enseignants favorisent les buts de maîtrise. Mentionnons que le type de buts
sur lequel les parents mettent l’accent et son influence sur le type de buts que les élèves
adoptent est également un thème de recherche en développement (p. ex. Friedel, Cortina,
Turner, & Midgley, 2007 ; Gonzalez, Doan Holbein, & Quilter, 2002), mais nous ne
l’aborderons pas en détails.
4.4.3.3. Les motifs d’accomplissement
Elliot (Elliot & Church, 1997 ; Elliot & Thrash, 2001) a développé et testé un modèle
hiérarchique de l’approche et de l’évitement de la motivation d’accomplissement. Il considère
dans ce modèle les dispositions liées aux motifs (le besoin d’accomplissement (n Ach) et la
peur de l’échec, soit les deux traits de personnalité tirés de la conception dite classique de la
motivation) ainsi que les attentes de compétences comme antécédentes des buts
d’accomplissement. Ces dernières exerceraient une influence directe sur les comportements
liés à l’accomplissement. Des attentes de compétences élevées seraient liées à l’adoption de
buts de type approche (apprentissage ou performance) puisque ces personnes s’attendent à un
succès, alors que des attentes faibles seraient liées à l’adoption de buts de type évitement,
puisque ces personnes s’attendent à l’échec. Par une analyse en pistes causales, Elliot et
Church (1997) montrent que les buts de maîtrise sont liés au besoin d’accomplissement et que
les buts de performance-évitement sont liés à la peur de l’échec. Les buts de performance-
approche sont quant à eux liés aux deux types de motifs. Elliot soutient ainsi son hypothèse
selon laquelle les buts d’accomplissement sont basés en partie sur les dispositions générales
de la personne.
4.4.3.4. Affect et motivation
Les modèles se référant à l’orientation des buts prédisent un pattern adaptatif de résultats
associés aux buts d’apprentissage ou de maîtrise et les associent notamment à une préférence
pour des tâches de difficulté modérée ainsi qu’à la persistance face à l’échec, au contraire des
buts de performance, qui sont associés à une préférence pour des tâches faciles ou difficiles
ainsi que l’abandon face à l’échec. Toutefois, les recherches ont montré que les buts
d’apprentissage et de performance pouvaient être corrélés positivement, négativement ou non
corrélés, ceci étant dû à l’utilisation de différentes mesures, designs et groupes d’âge
(Pintrich, 2000b). Par ailleurs, l’orientation des buts est souvent considérée comme super-
ordonnée aux jugements par rapport à soi (Anderman & Maehr, 1994) dans l’organisation et
l’incitation de l’action. Ses propres jugements de compétence ou de sentiment d’efficacité
personnelle dépendraient partiellement de l’orientation des buts dominante. Pintrich (2000b),
tout comme Murphy et Alexander (2000) souligne l’interdépendance entre les buts, le
sentiment d’efficacité personnelle, l’intérêt et la motivation intrinsèque ; les corrélations entre

ces construits sont positives et d’intensité moyenne à élevée dans la grande majorité des
recherches. Skaalvik (1997) a montré à ce sujet que les buts de performance-approche (qu’il
nomme self-enhancing ego orientation) étaient positivement liés à l’accomplissement, aux
perceptions de soi (un mélange du concept de soi et du sentiment d’efficacité personnelle,
qu’il nomme sentiment de compétence) et à la motivation intrinsèque. Au contraire, les buts
de performance-évitement étaient liés à une forte anxiété et négativement liés à
l’accomplissement et aux perceptions de soi. Cette relation entre buts de performance-
évitement et anxiété est jugée problématique par certains chercheurs (p. ex. Martin, 199855)
car le contenu des items mesurant cette orientation des buts fait dans certaines échelles
référence à la peur ou aux inquiétudes et par conséquent les deux construits sont confondus.
Ce même problème peut être relevé pour les libellés des items mesurant les buts de maîtrise-
évitement.
Harackiewicz, Barron, Tauer, Carter et Elliot (2000) ont montré que, chez les étudiants
universitaires, les buts de maîtrise sont liés à l’intérêt ainsi qu’au choix des cours pour le
semestre suivant ; les buts de performance sont quant à eux liés aux notes et à la performance
académique sur le long terme. Harackiewicz et al. (2005) rapportent qu’ils n’ont pas trouvé de
preuve que les buts de performance-approche affectaient négativement l’intérêt. En outre,
selon eux l’intérêt prédisposerait l’individu à adopter des buts de maîtrise mais il existerait
une influence réciproque car l’adoption de buts de maîtrise prédit l’intérêt subséquent (en fin
de semestre), même après avoir contrôlé pour l’influence de l’intérêt initial (en début de
semestre) (Harackiewicz & Durik, 2003). Il paraît donc difficile d’affirmer le sens de la
causalité entre ces deux construits.
L’étude d’Elliot et Church (1997) a montré que l’adoption d’un but d’apprentissage mène à
une motivation intrinsèque plus élevée, l’adoption d’un but de performance-approche mène à
des notes plus élevées et l’adoption d’un but de performance-évitement mène à une
motivation intrinsèque plus faible et à des notes moins élevées. Les buts d’accomplissement
jouent ainsi clairement un rôle médiateur entre d’une part les dispositions liées aux motifs et
d’autre part (comme conséquences) la motivation intrinsèque et les notes.
4.4.4. L’approche des buts multiples
55
Martin (1998) a démontré que les items mesurant les buts de performance-évitement dans l’échelle d’Elliot et
Church (1997) étaient plus saturés par un facteur anxiété qu’ils ne l’étaient par un facteur nommé évitement.
Cette approche, récemment prônée par les chercheurs, permet de se détacher des analyses de
liens linéaires entre variables et de créer des patterns de buts afin d’analyser les liens entre ces
patterns et des variables dépendantes. Il s’agit de passer d’une approche centrée sur les
variables à une approche centrée sur les personnes56. Les méthodes de median-split, de
clustering ou encore d’analyses en classes latentes (latent variable mixture modeling) utilisées
pour la création de groupes d’élèves avec un pattern de but similaire permettent de découvrir
des résultats potentiellement plus consistants que ce n’est le cas avec des analyses linéaires
qui peuvent masquer différents profils d’élèves ou des relations entre buts qui divergent en
fonction de groupes (Pastor, Barron, Miller & Davis, 2007). Plusieurs arguments, énoncés ci-
après, soutiennent l’approche des buts multiples.
Pintrich et Garcia (1991) ont constaté que caractériser l’orientation des buts comme un
continuum allant des buts de performance (nommés buts extrinsèques dans leur cadre
théorique) aux buts de maîtrise (nommés buts intrinsèques) n’était pas valide. En effet, il
existe différents types d’élèves dont certains adoptent les deux types de buts et d’autres
n’adoptent que l’un des deux types. Ainsi un simple continuum ne caractérise pas
adéquatement les perceptions des raisons pour lesquelles les élèves s’engagent scolairement.
La perspective des buts multiples postule qu’un individu est motivé de façon optimale en
adoptant plus d’une orientation des buts. La combinaison idéale de buts est toutefois
actuellement en débat. Certains chercheurs ont constaté que les buts de performance-approche
avaient des effets positifs (p. ex. Harackiewicz et al., 2000). Par conséquent, considérer les
buts de maîtrise comme favorables à l’apprentissage et les buts de performance comme
défavorables est simpliste et erroné (Barron et Harackiewicz, 2000). Barron et Harackiewicz
(2000 ; Harackiewicz al., 2002) prônent l’adoption d’une perspective multiple goals, c’est-à-
dire l’influence des buts de maîtrise et de performance ensemble, en postulant quatre
combinaisons (additive, interactive, spécialisée ou sélective) afin de représenter la complexité
de cette perspective. Premièrement, l’hypothèse des buts additifs postule que tant les buts de
performance que les buts de maîtrise contribuent de façon indépendante à un certain résultat
éducatif (par exemple à la réussite scolaire). Deuxièmement, l’hypothèse des buts interactifs
suggère qu’au-delà des effets indépendants, les buts de maîtrise et de performance
interagissent de telle façon qu’un élève adoptant fortement les deux types de buts est
notablement avantagé pour la réussite. Troisièmement, l’hypothèse du but spécialisé postule
que les deux types de buts ne favorisent pas les mêmes résultats mais qu’ils ont chacun leurs
56
Nous décrivons plus en détails l’objectif de cette approche au chapitre 6.6.2.
propres effets sur différents résultats. Finalement, l’hypothèse des buts sélectifs propose que,
dans une certaine situation, l’élève choisit de se centrer sur l’un des buts, soit celui qu’il juge
les plus pertinents par rapport à la situation. Relevons que Barron et Harackiewicz ne
considèrent que les buts du type approche alors que le cadre théorique considère actuellement
quatre orientations des buts. Ceci montre la complexité dans l’étude des effets des orientations
selon la perspective des buts multiples.
Un certain nombre d’études empiriques ont déjà été réalisées en considérant la possibilité des
buts multiples. Par exemple, l’étude de Meece et Holt (1993) a montré que l’un des sous-
groupes formés par l’analyse de clusters se distinguait par une forte corrélation entre buts
orientés vers soi et orientés vers la tâche. Au niveau du groupe entier, cette corrélation était
très faible et masquait donc des différences interindividuelles. En outre, aucun sous-groupe
orienté uniquement vers l’ego n’est sorti de leurs analyses, ce qui montre également la
pertinence d’analyser des configurations de buts multiples. L’étude de Bouffard, Boisvert,
Vezeau et Larouche (1995) a comparé différents patterns de buts en les formant par median-
split. Le groupe rapportant la motivation, l’utilisation de stratégies cognitives, l’autorégulation
et la réussite les plus élevés était le groupe buts de maîtrise-élevé/performance-élevé. Un
pattern un peu moins favorable était rapporté par le groupe maîtrise-élevé/performance-faible
suivi par le groupe maîtrise-faible/performance-élevé et le moins favorable était le groupe
maîtrise-faible/performance-faible.
4.5. Liens entre les croyances motivationnelles
Les trois construits motivationnels que nous avons abordés dans ce chapitre sont partiellement
interdépendants. Nous discutons brièvement dans ce sous-chapitre les liens qui les unissent.
4.5.1. Liens entre compétence perçue et valeur de la tâche
Le modèle théorique d’Eccles (1983) prédit une corrélation positive entre la valeur de la tâche
et la compétence perçue. Cette prédiction est d’ailleurs confirmée notamment dans l’étude
d’Eccles et Wigfield (1995). Dans cette étude, la relation entre l’intérêt et la compétence
perçue était plus forte que la relation entre l’utilité perçue et la compétence perçue.
a) Liens entre compétence perçue et intérêt

La recherche de Zimmerman et Kitsansas (1997) a démontré qu’un sentiment d’efficacité
accru était associé à un intérêt accru. Ainsi, ces chercheurs postulent que l’accroissement du
sentiment d’efficacité serait responsable de l’accroissement de l’intérêt. Hidi (2006) et Silvia
(2006) remettent en cause cette interprétation en affirmant que non seulement ce lien de
causalité est possible mais qu’en plus par des activités choisies par intérêt, l’individu peut
modifier de manière positive la façon dont il perçoit ses compétences. Le lien de causalité
pourrait ainsi être réciproque. Dans la théorie du concept de soi, Marsh définit le concept de
soi en termes cognitifs (la perception de ses compétences) et affectifs (l’intérêt individuel
pour un certain domaine). Sa batterie d’instruments Self Description Questionnaire est ainsi
constituée d’items reflétant chacun des deux aspects et tous les items corrèlent au moins
modérément. De ce fait, les deux aspects sont considérés comme formant un facteur unique
dans la plupart des recherches.
Bandura (1997/2003) affirme que « selon la théorie sociocognitive, la croissance de l’intérêt
intrinsèque est stimulée par des réactions émotionnelles et d’efficacité personnelle. Les gens
manifestent un intérêt durable [c’est-à-dire un intérêt individuel] pour des activités où ils se
sentent efficaces et qui leur procurent de l’autosatisfaction » (p. 332). Le sentiment
d’efficacité favoriserait donc l’intérêt dans les activités notamment intellectuelles telles
qu’une matière scolaire. L’étude de Bandura et Schunk (1981) a démontré, dans le cadre de
l’enseignement de stratégies liées aux mathématiques, que les élèves qui avaient développé un
sentiment d’efficacité positif grâce à l’atteinte de sous-buts avaient également développé un
intérêt individuel pour les activités mathématiques. Cet intérêt n’avait pas été directement visé
par l’enseignement.
Bandura (1997/2003) fait en outre référence à une notion de seuil dans la relation entre
sentiment d’efficacité et intérêt. Si l’efficacité perçue doit être au moins modérée afin de
maintenir l’intérêt dans une activité, une trop grande efficacité perçue pourrait entraîner une
diminution de l’intérêt étant donné que l’activité devient trop facile et perd par conséquent
son caractère stimulant. Toutefois, les activités scolaires présentent pour la grande majorité
des élèves des défis croissants car elles deviennent de plus en plus complexes au fur et à
mesure du développement des compétences de l’élève. Dans ce cadre, plus les élèves
possèdent un sentiment d’efficacité élevé pour ces activités, plus leurs défis scolaires seront
importants et plus leur intérêt augmentera. Les croyances d’efficacité personnelle ont
démontré leur pouvoir prédictif quant à l’intérêt tant pour des objectifs professionnels que
scolaires et ceci même lorsque l’influence de l’aptitude dans le domaine concerné est
contrôlée (Bandura, 1997/2003).
b) Liens entre compétence perçue et utilité perçue
Les recherches sur le sentiment d’utilité étant peu nombreuses, nous ne pouvons nous appuyer
que sur quelques postulats théoriques et recherches empiriques afin de discuter ces liens. Dans
l’une de nos recherche (Praplan, 2007) avec des apprentis en formation professionnelle de
deux ans, nous avons observé des corrélations de l’ordre de r = .20 entre utilité perçue (pour
le futur professionnel et la vie courante) de la matière et sentiment d’efficacité pour cette
même matière (pour le français : r = .21, p < .01 et pour les mathématiques : r = .23, p < .01).
Ceci pourrait montrer que les élèves percevant leurs compétences comme faibles ont tendance
à attribuer une utilité moins élevée à la matière concernée que ne le font les élèves dont la
compétence perçue est élevée. En effet, selon Eccles et Wigfield (2002), la diminution de la
valeur (ici la valeur utilitaire) d’une activité considérée difficile serait une manière de
maintenir une estime de soi positive. Par contre, les activités dans lesquelles l’élève rencontre
du succès (par conséquent celles pour lesquelles il développe un sentiment d’efficacité élevé)
seront valorisées car elles permettent de vivre des expériences positives (notamment
émotionnellement) (Eccles & Wigfield, 2002). Dans l’étude de Lens et al. (2002), la
compétence perçue ne différait pas significativement entre les différents types
d’instrumentalités que ces chercheurs ont définies. Ainsi, ces profils sont indépendants de la
perception des compétences.
4.5.2. Liens entre compétence perçue et orientations des buts
Linnenbrink et Pintrich (2000), constatant que les élèves adoptant des buts de maîtrise-
approche rapportaient généralement un sentiment d’efficacité personnelle élevé, postulent que
ce phénomène est dû au fait que leurs standards de comparaison ont été fixés par eux-mêmes.
De ce fait, ils comparent leurs performances actuelles avec leurs propres performances
passées et évaluent leurs progrès. L’utilisation de ce type de standard améliorerait le
sentiment d’efficacité au fur et à mesure des progrès.
Entre sentiment d’efficacité personnelle et buts de maîtrise-approche, Praplan (2007) a
observé des corrélations de r = .45 (p < .01) en français et de r = .41 (p < .01) en
mathématiques. Avec les buts d’évitement du travail, des corrélations négatives ont été
observées : r = -.37 (p < .01) en français et r = -.19 (p < .01) en mathématiques. Toutefois,
d’autres chercheurs, notamment Nicholls et al. (1985), rapportent des corrélations plus faibles,
allant de r = .12 à r = .24, entre la perception des compétences et l’orientation vers la tâche.
Dans d’autres études enfin, la relation entre compétence perçue et orientation vers la
tâche/maîtrise est nulle (par exemple dans l’étude de Dermitzaki et Efklides, 2003).
Les corrélations entre perception des compétences et buts de performance-approche varient
fortement selon les études. Ces corrélations sont nulles dans certaines études (Middleton &
Midgley, 1997 ; Senko & Harackiewicz, 2005), positives dans d’autres (Cury et al., 2006) ou
même parfois négatives. Par contre, des corrélations négatives sont observées de manière
consistante entre la compétence perçue et les buts de performance-évitement.
4.5.3. Liens entre valeur de la tâche et orientations des buts
Wigfield et Eccles (2002) postulent que l’élève qui valorise un domaine pour des raisons
intrinsèques (intérêt individuel) aura tendance à approcher les tâches avec des buts de
maîtrise, alors que l’élève qui valorise un domaine pour des raisons utilitaires pourrait
s’engager dans les tâches avec une orientation vers la performance. Si ce dernier élève pense
qu’il peut réussir les tâches, ses buts de performances seront de type approche alors que si la
tâche lui paraît difficile, il pourrait adopter des buts de performance-évitement. Toutefois,
l’ordre de causalité entre les composantes de la valeur de la tâche et l’orientation des buts n’a
pas été testé empiriquement.
a) Liens entre intérêt et orientation des buts
L’orientation des buts a souvent été choisie comme variable prédictive de l’intérêt (p. ex.
Harackiewicz et al., 2000). Les résultats montrent que les buts de maîtrise-approche sont
fortement liés à l’intérêt alors que les buts de performance-approche et performance-
évitement montrent généralement des corrélations nulles avec l’intérêt (Elliot & Church,
1997). Ceci peut être expliqué par le fait que l’élève adoptant des buts de performance-
évitement se centrera sur sa performance à la tâche et non pas sur le plaisir ou sur ce qu’il
pourra apprendre grâce à la tâche. L’anxiété associée à ce type de buts expliquerait selon
Linnenbrink et Pintrich (2000) cette centration.
b) Liens entre utilité perçue et orientation des buts
A nouveau dans l’étude de Praplan (2007), des corrélations significatives ont été observées
entre utilité perçue de la matière et orientations des buts. Ces corrélations étaient de r = .42
(p < .01) tant pour le français que pour le mathématiques. Avec les buts d’évitement du
travail, ces corrélations étaient largement plus modérées (r = -.11, non significatif, pour le
français et r = -.17, p < .01, pour les mathématiques). Lens et al. (2002) ont également
observé un lien positif entre le degré d’utilité perçue d’un cours et l’adoption de buts de
maîtrise. D’une manière générale, leurs travaux ont démontré que la motivation extrinsèque
sous la forme de l’utilité d’un cours pour le futur professionnel était bénéfique à l’adoption
d’une orientation des buts favorable à l’apprentissage. Ces résultats vont à l’encontre des
prédictions de Wigfield et Eccles (2002).
Cette brève revue des liens entre facteurs motivationnels nous indique que les construits sont
fortement liés même s’ils sont distingués théoriquement et empiriquement. En outre, certains
construits sont utilisé par des chercheurs comme variables indépendantes alors que pour
d’autres chercheurs, ils servent de variables dépendantes. Il est ainsi relativement complexe
de comparer les résultats d’études réalisées par des groupes de chercheurs différents.
4.6. Des croyances motivationnelles générales aux croyances

situationnelles
Différentes études ont analysé l’influence des croyances motivationnelles au niveau d’une
matière sur des croyances de type motivationnel spécifiques à une tâche (notamment
Boekaerts & Seegers, 1993 ; McGregor & Elliot, 2002 ; Pelgrims, 2006 ; Tanaka, 2007).
Boekaerts et Seegers (1993) ont évalué l’effet des buts d’accomplissement sur la pertinence
de la tâche, l’attraction de la tâche et la compétence perçue. En effet, les buts établissent un
cadre d’interprétation pour la perception des situations. Leurs résultats, tout comme ceux de
Tanaka (2007) montrent que les buts de maîtrise prédisent la perception des compétences, tout
comme des aspects de la valeur de la tâche (attraction, intérêt et pertinence). Les buts de
performance-approche sont également liés positivement à la perception des compétences dans
l’étude de Tanaka (2007) mais pas dans l’étude de Boekaerts et Seegers (1993) ; les buts de
performance-évitement sont quant à eux négativement liés à la compétence perçue dans
chacune des deux études. Par contre, les deux buts de performance ne sont pas
significativement liés aux aspects de la valeur de la tâche. Finalement, les buts de

performance-approche prédisent l’intention de ne pas engager des efforts (non task-
involvement) dans l’étude de Tanaka. Concernant l’anxiété, l’étude de McGregor et Elliot
(2002) a montré que les buts de performance-évitement étaient liés à la perception des
situations d’examens comme présentant une menace (représentée par les soucis, la peur et
l’anxiété). Dans l’étude de Tanaka (2007), ce même type de buts prédit l’état d’anxiété durant
la tâche. Au contraire, tant les buts de performance-approche que les buts de maîtrise-
approche sont prédictifs de la perception de la situation comme représentant un challenge
(représenté par l’impatience et l’espoir).
Concernant l’effet de la perception des compétences, tant l’étude de Pelgrims (2006) que celle
de Boekaerts et Seegers (1993) ont montré que cette perception au niveau des mathématiques
prédisait positivement cette perception au niveau d’un problème.
Avec un échantillon d’élèves de classes spécialisées, Pelgrims (2006) a étudié en détails
comment les croyances motivationnelles relatives aux mathématiques influençaient les
croyances motivationnelles, l’évaluation subjective du résultat et la performance sur un
problème mathématique spécifique. Ses résultats ont d’une manière générale soulignés
l’importance des appréciations de la tâche qui est proposée aux élèves. Par exemple, tant
l’intention d’engager de l’effort que la peur de l’échec (rapportée par l’élève avant de
résoudre la tâche) sont prédites par l’attrait de celle-ci. Le sentiment de compétence relatif à la
tâche joue également un rôle dans la prédiction de l’évaluation subjective du résultat et la peur
d’avoir échoué (rapportée après la résolution).
Parmi les croyances motivationnelles relatives au domaine des mathématiques, le contrôle de
l’action joue un rôle clé. D’une part, il influence les appréciations telles que l’attrait de la
tâche et d’autre part, il prédit directement la performance et le contrôle de l’action rapporté
suite à la résolution. Ce dernier prédit la performance, l’évaluation subjective du résultat ainsi
que la peur d’avoir échoué. Par contre, le style attributif des élève (décomposé en impuissance
acquise et en attributions causales nommées « régulatrices ») n’est pas prédictif de leurs
croyances motivationnelles en situation mais uniquement lié à d’autres croyances
motivationnelles relatives aux mathématiques, telles que le contrôle de l’action ou la peur de
l’échec. Ainsi, les résultats de Pelgrims (2006) suggèrent que le style attributif ne joue pas de
rôle significatif dans les croyances motivationnelles spécifiques à une tâche.
5. Articulation conceptuelle et empirique Page 127
5. Une perspective élargie de l’apprenant : articulation

conceptuelle et empirique des composantes de la métacognition et
des croyances motivationnelles
5.1. Introduction
Dans ce chapitre, nous formulons dans un premier temps différentes critiques au sujet du
traitement indépendant des domaines de la motivation et de la métacognition et nous
relevons des arguments théoriques pour ce faire. Dans un deuxième temps, nous présentons
plusieurs modèles récents de l’apprentissage autorégulé qui tentent d’articuler plusieurs
aspects du fonctionnement exécutif et des métaconnaissances avec entre autres différentes
croyances motivationnelles. Ensuite, nous présentons une revue d’études empiriques en
fonction des différentes théories adoptées dans ce travail. Finalement, nous proposons notre
modèle théorique sur lequel seront basées nos études empiriques.
5.2. Critiques de la cognition froide : Les modèles (méta-)cognitifs et

l’ignorance des facteurs motivationnels
La motivation est reconnue comme essentielle dans le domaine de l’apprentissage. Elle

constitue un déterminant important dans la réussite ou l’échec scolaire (par ex. Lens, 1996).
Toutefois, les modèles du fonctionnement intellectuel dans le domaine de l’apprentissage
sont souvent strictement composés d’aspects purement cognitifs57 (par ex. Büchel, 1996 ;
Nelson & Narens, 1990 ; Schraw, 1998 ; Veenman et al., 1997), car seuls ces derniers sont
considérés comme prépondérants58.
57
Ces modèles considèrent par exemple le contrôle métacognitif, les stratégies cognitives ou la mémoire de
travail.
58
Cette perspective sur la cognition a été qualifiée de cognition froide (cold cognition) par opposition à une
cognition chaude, qui se réfère au fait que l’affect accompagne ou qualifie l’information (Zajonc, 1980).
5.2.1. Les limites des modèles purement cognitifs de l’apprentissage de type scolaire
Il y a plus de vingt ans, Brown et al. (1983) soulignaient déjà l’absence des facteurs non-
cognitifs dans les modèles de la cognition scolaire : « academic cognition is cold, in that the
principal concern is with the knowledge and strategies necessary for efficiency, with little
emphasis placed on emotional factors that might promote or impede that efficiency » (p. 78).
Dai et Sternberg (2004) affirment que réduire le fonctionnement et le développement
intellectuel à des phénomènes principalement cognitifs, c’est-à-dire ne pas prendre en
considération les aspects motivationnels et émotionnels, n’est aujourd’hui plus soutenable
tant au niveau théorique qu’à la lumière des preuves empiriques. Ceci est particulièrement
pertinent pour l’étude du fonctionnement d’élèves, indépendamment du cursus suivi, dans
des situations de classe et non pas en laboratoire. En effet, dans ce dernier cas, la situation est
largement contrôlée et l’influence des facteurs affectifs et motivationnels peut être
neutralisée. Tobias et Everson (1997) affirment que :
The paradigm shift to a cognitive orientation in psychology has ushered in a period of

intense research activity devoted to the clarification of the cognitive processes
involved in human behavior. While the shift has been very fruitful in deepening our
understanding of many human activities, progress has come at the expense of
obtaining a clearer understanding of the role played by affective variables in such
activities, and especially of the relationship between affective and cognitive variables.
(p. 59)
Les modèles purement cognitifs sont critiqués également par Pintrich, Marx et Boyle (1993),
qui affirment que ces modèles ne peuvent expliquer de façon adéquate pourquoi les élèves
qui semblent avoir les pré-requis conceptuels dans une certaine matière n’activent pas
forcément ces connaissances pour différentes tâches scolaires (savoir inerte ; Bereiter &
Scardamalia, 1985). Bien que ce problème puisse être attribué à des facteurs purement
cognitifs, tels que l’automatisation, l’encodage ou des processus métacognitifs et
d’autorégulation, il est probable que des facteurs motivationnels et contextuels jouent
également un rôle. Si ce type de modèles est utile pour des situations expérimentales, il est
moins pertinent dans des situations de classe, dans lesquelles les élèves ont une perception
largement subjective des tâches et adoptent des buts et objectifs différents dans leur travail
scolaire. Bandura (1997/2003) ajoute que si l’adjonction des compétences métacognitives a
permis d’élargir la théorie cognitive, les processus motivationnels, affectifs et de référence à

soi sont encore négligés bien qu’ils jouent un rôle primordial dans le développement et le
fonctionnement cognitif. Une différence importante existe en effet entre les compétences
métacognitives et leur utilisation effective, puisque savoir ce qu’il faut faire n’est pas
suffisant en soi. Les échecs dans les performances intellectuelles proviennent souvent de la
mauvaise utilisation ou d’un déficit des aptitudes cognitives et métacognitives plutôt que
d’un manque de connaissances (Bandura, 1986 ; Flavell, 1970). Ceci nécessite la recherche
de facteurs explicatifs et ils se trouvent probablement dans les domaines affectifs et
motivationnels. Selon Bandura (1997/2003), un sentiment d’efficacité personnelle serait
nécessaire aux individus pour appliquer ce qu’ils savent de manière consistante et avec
persistance particulièrement lorsque la résolution de la tâche ne se déroule pas bien et que les
performances amènent des conséquences négatives.
5.2.2. L’intégration des croyances motivationnelles dans les théories métacognitives
Les initiateurs de l’étude de la métacognition ont, dès les années 70, relevé l’interdépendance
de la métacognition et de la motivation. En effet, selon Brown (1978)
[…] because metacognition demands the ability to introspect about one’s own
performance and to differentiate one’s own perspective from that of others, related
areas of study such as social cognition, role-taking, and communication become
directly relevant. In addition, because self-evaluation of one’s own performance
cannot be objective – such self-interrogation is contamined by one’s own feelings of
competence – some previously separate areas of personality development are again of
obvious relevance (e.g. fear of failure, need for achievement, external vs internal
control, learned helplessness, and level of aspiration). (pp. 80-81)
Quant à Flavell (1987), il mentionne, parmi les facteurs de développement de la

métacognition, le developement du sens de soi en tant qu’agent cognitif actif (c’est-à-dire la
notion d’agentivité59) et comme cause centrale de sa propre activité cognitive (soit un locus
de contrôle interne). Ces facteurs seraient promoteurs des jugements et sentiments
métacognitifs ainsi que du contrôle métacognitif de ses « entreprises » cognitives. Quant à
59
L’agentivité se réfère à la perception de nos propres actes comme étant effectivement causés et contrôlés par
nous-mêmes.
Paris et Winograd (1990), ils décrivent la présence de deux composantes dans leur définition
de la métacognition : auto-évaluation (self-appraisal) et auto-direction (self-management).
L’auto-évaluation comprend d’une part les réflexions personnelles des individus au sujet de
l’état de leurs connaissances et capacités et d’autre part leurs états affectifs concernant leurs
connaissances, capacités, motivation et caractéristiques en tant qu’apprenants. De cette
manière, ils intègrent les croyances motivationnelles dans la définition même de la
métacognition. L’auto-direction concerne la métacognition en action, soit les processus
mentaux qui permettent d’orchestrer les aspects de la résolution de problème (contrôle
métacognitif). Ces deux composantes permettent de conceptualiser l’apprenant comme ayant
besoin d’être impliqué activement dans l’orchestration de la construction de ses
connaissances. Notons que le concept d’expérience métacognitive introduit par Flavell
(1979) incluait des sentiments relatifs à la difficulté par exemple ou des sentiments ressentis
par l’élève on-line. On y trouvait déjà un mélange de jugements cognitifs (le jugement de
compréhension par exemple) et motivationnels/affectifs (le sentiment qu’on ne réussira pas à
résoudre la tâche par exemple). Efklides et ses collaborateurs (Efklides, 2001) ont poursuivi
les recherches dans ce domaine et étudié les antécédents et l’influence de nombreuses
expériences métacognitives à la jonction de la cognition et de la motivation/affect (voir 3.4.4
pour une description des positions théoriques d’Efklides). Tant Flavell que Efklides
soulignent que si les sentiments tels que l’état psychologique d’intérêt, le fait qu’une tâche
soit plaisante ou encore la satisfaction ne sont pas considérés comme métacognitifs par
beaucoup de chercheurs, ils constituent des jugements et sentiments sur l’activité cognitive
en cours et cela leur confère un aspect métacognitif. Les expériences métacognitives sont
souvent traitées comme des manifestations de la perception de la tâche.
Malgré ces différentes intégrations d’aspects motivationnels et affectifs dans les théories
métacognitives, ces dernières se sont développées de façon relativement indépendante des
théories psychologiques de la motivation à apprendre. Ce n’est que récemment, avec
l’apparition des modèles d’apprentissage autorégulé, que les chercheurs ont commencé à
adopter effectivement une perspective plus large de l’apprenant.60
Weinert (1987) a également demandé une intégration des théories du domaine de la
motivation aux théories du domaine de la cognition, car selon lui aussi ces deux traditions
ont été jusqu’à ce moment largement indépendantes. Un essai d’intégration impliquerait,
selon Weinert, de lier les concepts suivants : d’un côté des concepts sur les connaissances de
soi, les attentes de performance (soit les connaissances et croyances métacognitives, voir
chapitre 3) et le monitoring de ses propres actions (soit les jugements, les sentiments et le
contrôle métacognitif, voir chapitre 3) tels que définis dans la littérature métacognitive et
d’un autre côté, des concepts tels que la perception de ses propres habiletés (le concept de soi
par exemple), les attentes de succès, la peur de l’échec, ou encore les attributions causales
traditionnellement traités dans les théories de la motivation.
Plusieurs recoupements entre les deux domaines sont relevés par Weinert (1987). Par
exemple, les attributions causales sont en lien dans chacun des domaines avec la prédiction
des performances futures (Weiner, 1979 ; attentes de succès et métaconnaissances sur soi).
Les mêmes concepts seraient ainsi interprétés de façon différente en fonction des théories.
Pintrich et al. (2000) proposent à ce sujet d’interpréter les métaconnaissances sur soi
(exceptées les connaissances et croyances sur la cognition en général) en termes
motivationnels plutôt que métacognitifs. Ceci concerne par exemple le concept de soi
scolaire, les attributions causales ou encore le sentiment d’efficacité personnelle. En effet, les
métaconnaissances par rapport à soi incluent dans leur définition originelle des croyances sur
soi en termes de différences interindividuelles (par exemple penser que son camarade est
plus doué dans un certain domaine que soi-même) et intra-individuelles (par ex. penser que
l’on est plus doué pour l’orthographe que pour l’arithmétique), qui correspondent à des
construits comme le concept de soi. Une même constatation a été rapportée par Kluwe
(1982), qui classe dans sa taxonomie le construit de sentiment d’efficacité personnelle dans
60
Ceci est par exemple le cas dans le modèle de Hartman et Sternberg (1993) qui proposent un modèle
compréhensif comprenant les facteurs qui influencent le fonctionnement intellectuel et son développement en
situation scolaire. Leur modèle est nommé BACEIS (Behavior, Attitudes, Cognition and the Environment
which are viewed as Interacting Systems) et a la particularité de présenter une perspective très large du
fonctionnement intellectuel. Deux composantes (supersystems) sont en interaction : le super-système interne,
qui est constitué du système cognitif (métacognition, cognition, etc.) et du système affectif (motivation,
attitudes et autorégulation affective) et le super-système externe qui est constitué des systèmes contextuels
scolaire (caractéristiques de l’enseignant, méthodes d’enseignement, etc.) et non-scolaire (influences
culturelles, niveau socio-économique, etc.). A l’intérieur de chaque sous-système, les éléments sont en
interaction, tout comme les sous-systèmes entre eux. Ce modèle permet de porter attention à tous les facteurs
qui entrent en jeu dans le fonctionnement intellectuel et ainsi de ne pas se limiter à la considération d’aspects
purement cognitifs du sous-système du même nom.
les métaconnaissances sur soi. En outre, Weinert (1987) relève que si certaines variables des
deux champs concernés sont identiques, leur fonction diffère. Par exemple, les jugements de
la difficulté d’une tâche ou l’évaluation des résultats de l’action produisent des réactions
émotionnelles et leurs conséquences sont prédites par les théories du type motivationnel. Par
contre, dans les recherches métacognitives, ces variables sont liées aux connaissances
métacognitives sur soi-même, la tâche et les stratégies.
Weinert (1987) soulève cependant quelques problèmes relatifs à cette intégration. L’une des
difficultés pour intégrer ces deux domaines, en prenant pour exemple les recherches sur la
mémoire et la métamémoire, est la suivante : l’utilisation de types de tâches différents pour
l’étude de la mémoire, de la métamémoire et de la motivation mène inévitablement à des
conclusions différentes. Ceci a été le cas pour l’importance des connaissances spécifiques à
un domaine, les habiletés procédurales et les facteurs motivationnels pour la prédiction ou
l’explication des différences individuelles dans l’apprentissage et la performance. De plus,
selon Weinert, le rôle des processus motivationnels a rarement été considéré car il n’y a pas
eu d’effort systématique pour étudier la façon dont les personnes avec des caractéristiques
motivationnelles spécifiques se comportent face à différentes tâches dans des situations
qu’elles considèrent importantes. Il existe toutefois suffisamment de recouvrement entre les
tâches et objets dans les champs de la cognition, métacognition et motivation pour
développer des recherches intégrant les trois domaines. Par exemple, Borkowski et ses
collaborateurs ont intégré plusieurs variables du domaine de la motivation dans leur modèle
de la métacognition (voir la description de leur modèle au point 5.3.1.).
En outre, les cognitions faisant référence à soi-même (en particulier la perception du
contrôle) sont considérées par plusieurs chercheurs (notamment Bandura, 1986 ; Skinner,
1996 ; Weiner, 1985) comme de forts motivateurs/inhibiteurs du comportement en général et
de l’apprentissage en particulier. Elles influencent l’évaluation par l’élève et ses
autorégulations cognitives et motivationnelles en donnant du sens et de la valeur aux tâches
et situations d’apprentissage (Boekaerts, 1996). En résumé, se percevoir comme un élève
stratégique et efficace dans l’utilisation de stratégies est considéré comme l’une des
principales sources de motivation à apprendre (Pressley, Borkowski, & Schneider, 1987).
Le concept de soi possibles (décrit au point 4.3.2.2.3.) pourrait également, selon Day et al.
(1992), jouer le rôle de facilitateur ou d’origine de l’autorégulation (contrôle métacognitif).
En effet, les soi possibles sont des buts à long terme et ils sont nécessaires pour donner forme
ou diriger la sélection de stratégies, la planification ou plus généralement l’autorégulation
(Markus, Cross & Wurf, 1990). De cette manière, les soi possibles auraient un effet
énergisant61 sur les processus de contrôle métacognitif plutôt que des comportements
stratégiques d’ordre inférieur. En outre, ces buts ne contiendraient pas seulement des
informations sur les buts finaux mais aussi sur la manière ou les manières de les atteindre. Si
ces informations concernent l’efficacité de différentes stratégies, elles sont par conséquent de
type métacognitif (des connaissances métacognitives). Cette théorie des soi possibles permet
donc de lier le self au fonctionnement métacognitif de l’individu. Elle ne discute toutefois
pas l’effet négatif que pourrait avoir un possible-self redouté ou dévalorisé sur
l’autorégulation. Finalement, aucune étude empirique n’a testé ces hypothèses théoriques à
notre connaissance.
Par ailleurs, des études se sont intéressées aux effets de l’enseignement de stratégies
d’apprentissage et de stratégies métacognitives sur les croyances motivationnelles des élèves
(p. ex. Berger, Kipfer, & Büchel, accepté ; Büchel, Berger, Kipfer, & Frauchiger, accepté).
Nous pourrions attendre de ces entraînements qu’ils aient un effet non seulement sur les
stratégies mais aussi sur certaines composantes de la motivation à apprendre. Toutefois,
comme Zimmerman et Schunk (2004) le relèvent, si les recherches ont montré que ce type
d’entraînement avait un effet sur l’apprentissage, elles ne permettaient pas systématiquement
d’améliorer la motivation, ce qui limite l’impact de ce type d’interventions. A l’inverse, un
entraînement pour améliorer les aspects motivationnels qui n’est pas accompagné d’un
entraînement stratégique n’améliorerait pas les processus d’apprentissage et n’aurait par
conséquent que peu d’influence sur les performances scolaires (Schunk, 1991). Il semble
donc important de travailler sur les deux domaines dans le cadre des entraînements de type
stratégiques. C’est pourquoi les interventions relevant de l’éducation cognitive devraient
s’efforcer d’associer l’entraînement stratégique (enseignement de stratégies d’apprentissage
et de contrôle métacognitif) avec une intervention au niveau motivationnel (par exemple la
modification du style attributif). Les croyances motivationnelles qui font barrière à un
engagement stratégique de l’élève, telles qu’un style attributif de type incontrôlable ou un
faible sentiment d’efficacité, doivent être modifiées et ceci passe non seulement par le fait de
vivre des réussites scolaires mais aussi par la compréhension des raisons qui mènent à ces
réussites.
61
Les mécanismes ou processus précis ne sont pas détaillés par Day et al.
5.2.3. Extension des jugements métacognitifs considérés dans l’étude de la

métamémoire
Les chercheurs en psychologie cognitive, qui se réfèrent généralement au modèle de Nelson

et Narens (1990) pour l’étude de la métamémoire, commencent également à s’intéresser au
rôle des facteurs affectifs et motivationnels dans le fonctionnement métacognitif. L’un des
présupposé du cadre théorique de Nelson et Narens est que les expériences subjectives ne
sont pas un épiphénomène, mais qu’elles modifient et guident les processus contrôlés
cognitivement et le comportement (Koriat, 2002 ; Son & Schwartz, 2002). Les pensées et
sentiments subjectifs jouent ainsi un rôle causal prépondérant dans la régulation des
processus cognitifs (Nelson, 1996). Ceci implique de considérer des aspects conatifs et
émotionnels, car ils font partie des expériences subjectives et ne doivent par conséquent pas
être négligés ou ignorés : « Clearly, one’s general beliefs about memory and the variables
that affect it should contribute to one’s metacognitive judgments in any given situation »
(Koriat, 2002, p. 267).
Une ébauche d’intégration des facteurs motivationnels dans le modèle de Nelson a été
proposée par Son et Metcalfe (2000), qui ajoutent aux habituels jugements de monitoring
(ease-of-learning, judgment-of-learning, feeling-of-knowing et confidence judgment) un
jugement relatif à l’intérêt de la tâche. Ce jugement, combiné au jugement ease-of-learning
est d’ailleurs prédictif du temps d’étude alloué aux items dans une tâche d’apprentissage de
biographies. Ceci leur fait dire que la relation entre monitoring et contrôle serait influencée
par de nombreux facteurs, ce que l’on peut interpréter comme une hypothèse du rôle des
variables motivationnelles et émotionnelles. D’autres chercheurs, tels que Schwartz et
Perfect (2002), citent le concept de memory self-efficacy mais ils ne l’incluent pas parmi les
jugements métacognitifs, alors qu’il est très proche du ease-of-learning, ce dernier étant un
jugement quant à la facilité d’apprentissage d’une certaine tâche. En effet, sentiment
d’efficacité personnelle et jugement de la difficulté d’une tâche sont souvent impossibles à
distinguer empiriquement, comme cela a été observé notamment dans l’étude de Crombach,
Boekaerts et Voeten (2003). Hacker et Bol (2004) soulignent l’importance de considérer le
concept de sentiment d’efficacité personnelle dans la compréhension du fonctionnement de
la métamémoire. Ainsi, les jugements sur ses propres connaissances et processus cognitifs
sont influencés par des facteurs tels que : le sentiment qu’une personne peut se souvenir
d’une connaissance, si elle peut correctement évaluer l’adéquation de cette connaissance en
tant que réponse aux tâches dans lesquelles elle est engagée, ainsi que les croyances sur soi-
même en tant qu’individu capable de mémorisation. En outre, Hacker et Bol (2004),

constatant que les élèves scolairement faibles sont moins précis et trop confiants
(overconfident) dans leurs jugements métacognitifs en comparaison avec des élèves
scolairement doués (underconfident), postulent que cette différence pourrait être due à une
différence de style attributif. L’hypothèse est que les élèves scolairement faibles surestiment
leur performance pour protéger leur image d’eux-mêmes (self-worth) ; ils s’évaluent de
manière à conserver une image d’eux-mêmes comme élèves relativement bons en
comparaison aux autres. Ces auteurs soulignent également l’influence du self privé versus
public dans les jugements métacognitifs. Ce qui signifie que le self-worth ne doit pas être
touché ou détérioré, que ce soit de façon interne ou externe (en public).
5.2.4. Expériences métacognitives et attributions causales
Metallidou et Efklides (2001) ont étudié les effets des expériences métacognitives sur les
attributions causales des élèves suite à la résolution d’un problème mathématique. Elles
s’interrogent sur le rôle de l’expérience subjective de l’élève, sous la forme d’expériences
métacognitives, dans le processus attributif. Il est postulé que les attributions causales
seraient basées sur l’utilisation d’expériences métacognitives et de croyances plus générales
liées notamment au rôle de l’effort et des capacités dans le succès (la perception du contrôle).
Metallidou et Efklides relèvent que les théories actuelles recherchent les origines du
processus attributif dans des facteurs indépendants de la tâche concernée par l’attribution,
alors qu’une des attributions majeure, à savoir la difficulté de la tâche, se réfère directement
à la conception subjective de la tâche ou des attributs de la situation. Ceci signifie que les
expériences métacognitives spécifiques à la tâche pourraient participer au mécanisme de
production d’une attribution causale. Les attributions causales à l’effort seraient également
influencées de cette façon, puisque l’estimation par l’élève de la quantité d’efforts qu’il a
fournit est un indice qui semble pertinent pour expliquer une attribution causale à l’effort.
Les auteurs postulent également que les sentiments de confiance et de satisfaction seraient
liés à l’attribution aux capacités étant donné que ces sentiments informent l’élève à propos de
l’atteinte de ses buts. Tous ces postulats justifient l’hypothèse d’un rôle des expériences
métacognitives dans le processus attributif. Par des analyses en pistes causales, Metallidou et
Efklides montrent que les expériences métacognitives jouent effectivement un rôle médiateur
dans la formation des attributions causales. Si les croyances relatives au contrôle influencent
les attributions causales, leur impact est cependant largement indirect, car les expériences
métacognitives jouent un rôle médiateur. La façon habituelle des élèves d’expliquer leurs
résultats est activée dans chaque nouvelle situation d’accomplissement et influence,
premièrement, leur attitude envers la situation (dans cette étude, si le problème est perçu
comme plaisant et l’intention de le résoudre). L’unique influence directe des croyances de
contrôle sur les attributions causales concerne les attributions à la chance, qui dépendent en
partie des croyances que la chance est responsable du succès scolaire.
Les effets des expériences métacognitives évaluées avant la résolution de la tâche sur les
attributions causales sont limités, alors que les expériences métacognitives pendant et après
la résolution ont des effets plus prononcés. Le sentiment de confiance affecte directement les
attributions aux capacités (la confiance est interprétée comme un indicateur de la capacité de
la personne à répondre aux demandes de la situation). Le sentiment de difficulté est
directement lié aux attributions à la difficulté de la tâche. Toutefois, il n’y a pas de
correspondance une à une des expériences métacognitives avec les attributions, puisque
plusieurs expériences métacognitives peuvent contribuer à la formation d’une attribution. Il
semble ainsi que l’expérience subjective offre un feedback qui permet à l’élève de se juger
par rapport à la tâche en cours en comparant cette expérience avec ce qu’il pense (grâce à son
expérience scolaire) des causes du succès ou de l’échec dans des situations similaires. Cet
exemple illustre l’intégration de construits motivationnels et métacognitifs dans la
compréhension du fonctionnement psychologique de l’élève.
5.2.5. Limites dans l’articulation métacognition-croyances motivationnelles
Les différentes intégrations de variables motivationnelles dans les théories métacognitives

sont critiquées car elles posent des problèmes conceptuels. Boekaerts (1997, 1999b) s’oppose
à l’inclusion de variables motivationnelles dans les modèles métacognitifs pour deux raisons.
Premièrement, pour un problème de nomenclature ou de terminologie qui diffèrent. En effet,
l’élargissement du terme connaissances métacognitives à des aspects de croyances
motivationnelles (concept de soi, sentiment d’efficacité personnelle, orientation des buts,
etc.), à des aspects de la théorie de l’esprit de l’élève, à des théories sur soi, aux théories de
l’apprentissage ou même à l’environnement d’apprentissage, participe à un flou conceptuel.
Or les théories métacognitives sont déjà critiquées pour la trop grande diversité des termes
utilisés pour désigner des construits similaires.62 Par conséquent, Boekaerts (1999b) propose
de limiter les métaconnaissances à des aspects liés aux stratégies et aux tâches. Le second
argument de Boekaerts (1997) est que les perspectives des deux traditions de recherche sont
différentes et qu’elles doivent le rester pour garder leurs pouvoirs explicatifs respectifs. En
effet, les chercheurs dans le champ de la métacognition sont centrés sur des compétences
cognitives et connaissances relatives aux tâches (notamment les jugements des élèves relatifs
aux stratégies qu’ils utilisent ou à la difficulté de la tâche), alors que les chercheurs du
domaine de la motivation seraient centrés sur les caractéristiques du self (notamment la
perception et l’interprétation des activités en fonction de leurs besoins psychologiques). Il
existerait de plus en plus de preuves que les croyances motivationnelles seraient des entités
distinctes qui agissent sur l’activité d’apprentissage mais également sur des activités
concurrentes qui passent par l’esprit de l’élève. En cas de traitement de ces croyances comme
connaissances métacognitives, leur pouvoir explicatif risque d’être réduit. Les chercheurs
dans le cadre socio-cognitif préfèrent ainsi parler d’apprentissage autorégulé lorsqu’il s’agit
de décrire et prédire les effets des croyances motivationnelles et de la métacognition sur
l’apprentissage. Les deux domaines sont considérés comme distincts mais ils sont articulés
dans un cadre théorique, comme le propose par exemple Boekaerts (1996, 1997) ou Pintrich
(2004).
5.3. Les modèles d’apprentissage autorégulé
Nous présentons maintenant deux modèles nord-américains de l’apprentissage autorégulé.

Selon Pintrich (2004), cette conception est dérivée de l’approche dite du traitement de
l’information (information processing approach) qui, suite aux critiques sur les limites de
cette dernière, adopte une perspective plus largement inclusive. En effet, elle traite
l’apprentissage selon des facteurs non seulement cognitifs, mais aussi motivationnels et
affectifs ainsi que sociaux et contextuels. Ainsi, ces modèles offrent une description plus
riche de l’apprentissage et de la motivation des élèves que ce n’était le cas dans les modèles
62
« Some authors regard motivational beliefs, such as goal orientation, interest, attitudes, and self-concept of
ability, as part of metacognitive knowledge. This signifies that the term « metacognitive knowledge » has come
to refer to aspects of students’ theory of mind, theory of self, theory of learning and learning environments. In
my opinion, this inclusion is unwarranted, mainly because it decreases the explanatory power of the various
constructs. » (Boekaerts, 1997, p. 165)
du traitement de l’information63. Nous présentons ici les modèles heuristiques de Borkowski

et de Pintrich, que nous considérons comme les plus pertinents par rapport aux perspectives
adoptées dans ce projet. De nombreux modèles impliquant différents construits et différentes
perspectives ont été développés récemment (par ex. Boekaerts & Niemivirta, 2000 ;
Bouffard-Bouchard, Parent, & Larivée, 1990 ; Butler & Winne, 1995 ; Corno & Mandinach,
1983; De Corte, Verschaffel, & Op’t’ Eynde, 2000; Laveault, Leblanc, & Leroux, 1999 ;
Rheinberg, Vollmeyer, & Rollett, 2000 ; Zimmerman, 1989). Leur intérêt pour ce projet
réside dans l’articulation de variables provenant notamment des domaines cognitifs et
motivationnels.
5.3.1. Le modèle métacognitif de Borkowski orienté vers les processus
Les travaux de Borkowski et ses collaborateurs (par ex. Borkowski & Burke, 1996 ;
Borkowski et al., 2000 ; Borkowski et al., 1987; Borkowski, Reid, & Kurtz, 1984 ;
Borkowski, Weyhing, & Carr, 1988 ; Carr, Borkowski, & Maxwell, 1991 ; Kurtz &
Borkowski, 1987) sur le rôle des variables motivationnelles dans le fonctionnement et le
développement métacognitif ont été essentiels dans l’élargissement de la théorie
métacognitive. Leur modèle de la métacognition est d’une part développemental étant donné
qu’il décrit l’évolution des composantes de la métacognition en lien avec les croyances
motivationnelles. D’autre part, nous considérons ce modèle comme un modèle de
l’apprentissage autorégulé, bien que Borkowski n’emploie pas ce terme. En effet, ce modèle
partage les postulats qui sont selon Pintrich à la base de ces modèles (voir 5.3.2 pour une
description de ces postulats). Soulignons toutefois que les domaines d’autorégulation sont
limités à la cognition et la motivation.
63
Par exemple, dans le cadre de l’apprentissage autorégulé en mathématiques, De Corte, Verschaffel et Op’t’
Eynde (2000) décrivent cinq catégories d’outils cognitifs qui sont caractéristiques de l’élève compétent en
mathématiques : 1. Une base de connaissances spécifiques au domaine des mathématiques qui soit bien
organisée et accessible de manière flexible. Celle-ci inclut des connaissances sur les faits, les symboles, les
algorithmes, les concepts et les règles qui constituent le champ des mathématiques ; 2. Des méthodes
heuristiques qui concernent des stratégies de recherche pour la résolution de problèmes améliorant la
probabilité de trouver des solutions correctes étant donné qu’elles induisent une approche systématique de la
tâche ; 3. Des métaconnaissances, tant sur son propre fonctionnement cognitif que sur ses propres motivations
et émotions. Ces dernières peuvent être utilisées de façon délibérée pour améliorer sa volonté ou son contrôle
de l’action ; 4. Des compétences d’autorégulation, d’une part pour le contrôle métacognitif et d’autre part pour
le contrôle des processus liés à la volition ; 5. Des croyances sur le self en relation à l’apprentissage des
mathématiques et à la résolution de problèmes ainsi que des contextes sociaux dans lesquels ces activités ont
lieu.
Borkowski et ses collaborateurs (Borkowski et al., 2000) introduisent, dans leur théorie de la
métacognition, le concept d’« états personnels et motivationnels » (personal-motivational
states) et y incluent notamment les attributions causales, la motivation d’accomplissement et
la motivation intrinsèque. Leur modèle complet de la métacognition comprend, de plus, des
variables relatives à la connaissance de soi (self-system) : task orientation, self worth, soi
possibles, learning goals. Borkowski a élaboré également un modèle d'intervention se
centrant avant tout sur les stratégies. Celles-ci sont non seulement indispensables pour un
apprentissage efficace, mais elles servent également de base pour l’entraînement explicite
des processus exécutifs (jugements, sentiments et contrôle métacognitifs), la modification du
style attributif et l’amélioration du sentiment d’efficacité personnelle. Il décrit
schématiquement le développement métacognitif qui s'opère chez les élèves qui sont
confrontés à cet enseignement de la façon suivante : tout d’abord, l’élève développe ses
connaissances spécifiques des stratégies (specific strategy knowledge), qui incluent leur
efficacité, leur étendue d’application, ainsi que leur utilisation avec différents types de
tâches. Les processus exécutifs apparaissent ensuite avec le développement de la capacité de
sélectionner les stratégies appropriées et de combler ses déficits de connaissances en utilisant
le monitoring ; ces processus servent à analyser la tâche et à choisir une stratégie appropriée
puis, pendant l’apprentissage, ils sont utiles pour le monitoring et le contrôle. Ensuite,
l’amélioration des processus stratégiques et exécutifs permet à l’élève de prendre conscience
de l’utilité et l’importance d’un comportement stratégique, c’est-à-dire que les connaissances
générales sur les stratégies s’accroissent et le sentiment d’efficacité personnelle se
développe. L’élève apprend à attribuer le succès ou l’échec à l’effort qu’il a fourni dans le
déploiement des stratégies, plutôt qu’à des facteurs incontrôlables. L’élève reçoit ou infère,
après la plupart de ses activités cognitives, un feed-back à propos de la qualité de sa
performance et de ses déterminants. Ce feed-back permet de modifier les états
motivationnels qui influencent à leur tour notamment les fonctions exécutives. Le modèle
intègre donc des activités cognitives (sous la forme d’utilisation des stratégies) avec leurs
causes et leurs conséquences motivationnelles. La connaissance de soi joue quant à elle un
rôle de stimulateur pour le système métacognitif global.
Borkowski et al. (2000) postulent, sur la base de leurs recherches (Borkowski et al., 1988 ;
Carr & Borkowski, 1989 ; Carr et al., 1991 ; Reid & Borkowski, 1987) que les attributions
causales, au même titre que la motivation intrinsèque par exemple, influencent le
fonctionnement exécutif de l’élève. Des modifications à long terme du comportement
stratégique d’un élève seraient dépendantes de relations complexes entre les

métaconnaissances, le fonctionnement exécutif et les croyances motivationnelles, dont les
attributions causales. Les attributions causales des résultats à l’utilisation de stratégies en
particulier joueraient un rôle d’énergisant (ou de « moteur ») important dans l’utilisation des
processus exécutifs et dans le développement de la métacognition.
Selon Borkowski, les élèves qui croient que leurs efforts relatifs aux recours aux stratégies et
à leur utilisation vont leur permettre de réussir les tâches vont probablement être actifs dans
la sélection des stratégies, le monitoring et le contrôle métacognitif, composantes du
fonctionnement exécutif. La perception de contrôle personnel (attributions aux efforts et
stratégies) est positivement liée aux connaissances et à l’utilisation des stratégies (par ex.
Borkowski et al., 1988).
Ce modèle n’a pas été vérifié empiriquement dans sa globalité. Toutefois, une étude avec des
élèves en difficulté d’apprentissage a montré les liens entre une partie des variables
motivationnelles et métacognitives (Carr et al., 1991) considérées dans le modèle de
Borkowski. Les auteurs ont mesuré le style attributif, l’estime de soi, les métaconnaissances
relatives aux stratégies en lecture (notamment l’évaluation des composantes de la tâche, de
ses capacités en lecture, des stratégies de planification pour faciliter la compréhension et des
stratégies de régulation de la compréhension), et la performance en lecture. Ils ont montré
par un modèle d’équations structurelles que les attributions causales jouaient un rôle
essentiel et influençaient de façon indirecte le développement des stratégies et des
métaconnaissances sur la lecture. Un style attributif inapproprié freine l’acquisition des
stratégies et des métaconnaissances puisque les élèves avec un style attributif externe n’ont
pas de raison d’apprendre des stratégies dont ils pensent qu’elles ne les aideront pas. De ce
modèle et de ces études, nous retenons la complexité de relations entre aspects
motivationnels/affectifs et aspects cognitifs/métacognitifs au cours du développement ainsi
que chez les élèves en difficultés d’apprentissage. Par rapport aux constatations de
Zimmerman et Schunk (2004) au sujet des entraînements de type stratégique, le modèle de
Borkowski met l’accent sur le complément ou l’articulation nécessaire des compétences ou
connaissances tant métacognitives que motivationnelles pour améliorer les résultats de ces
entraînements.
5.3.2. Le modèle d’apprentissage autorégulé de Pintrich
Selon Pintrich (2000b, 2004), les modèles d’apprentissage autorégulé partagent quatre
postulats :
1) Les apprenants sont perçus comme des participants actifs dans le processus
d’apprentissage. Il est considéré qu’ils construisent leurs propres significations, buts et
stratégies à partir des informations disponibles tant dans l’environnement que dans leur
propre esprit. Les théories de l’apprentissage autorégulé postulent que l’apprentissage
est de nature constructiviste ;
2) Les apprenants peuvent potentiellement réaliser du monitoring, contrôler et réguler
certains aspects de leur propre cognition, motivation et comportement ainsi que
certaines caractéristiques de leur environnement. Ce qui ne signifie pas que les
apprenants le fassent tout le temps, étant donné les contraintes (notamment
développementales) mais uniquement que c’est une possibilité ;
3) L’apprenant a des buts, des critères ou des standards avec lesquels il réalise des
comparaisons afin d’évaluer si le processus d’apprentissage doit continuer de la même
façon ou si des changements sont nécessaires ;
4) Les activités d’autorégulation jouent le rôle de médiateurs entre les caractéristiques
personnelles ainsi que contextuelles et la performance effective. Ceci signifie que
l’autorégulation dans chacun des domaines (cognitif, motivationnel-affectif,
comportemental et social-contextuel) a un rôle clé.
Les théories de l’apprentissage autorégulé qui se sont développées récemment conçoivent

l’apprentissage autorégulé comme un processus actif et constructif par lequel les apprenants
établissent des buts pour leur apprentissage et essayent de guider, réguler et contrôler leurs
cognitions, motivations et comportements, guidés et contraints par leurs buts et les
caractéristiques contextuelles de l’environnement (Pintrich, 2000b). L’élève qui autorégule
parfaitement son apprentissage se perçoit comme agent de ses comportements, pense que
l’apprentissage est un processus proactif, s’auto-motive et utilise des stratégies qui lui
permettent d’obtenir les résultats scolaires qu’il souhaite. Parmi ces modèles théoriques,
celui de Pintrich (décrit dans Pintrich 2000b, 2004 ; Pintrich & Zusho, 2002) nous intéresse
en particulier car il offre une description large des croyances motivationnelles et des
composantes métacognitives en jeu lors de différentes phases d’un apprentissage. Ce modèle
heuristique a pour objectif de classer et d’analyser les processus de régulation selon une
séquence générale théoriquement suivie dans la résolution d’une tâche (voir tableau 5.1.).
Ces phases ne sont pas forcément ordonnées tel que décrit dans le modèle, elles peuvent être
simultanées, interagir de façon dynamique, ce qui produit des interactions complexes entre
variables. Par ailleurs, ces phases correspondent approximativement aux fonctions exécutives
telles que définies généralement dans la littérature métacognitive (anticipation-planification,
contrôle continu et final). Seule la dernière phase, réaction et réflexion, ne rentre pas dans
cette correspondance. Elles sont, en outre, caractéristiques des processus considérés dans les
modèles de l’apprentissage autorégulé (p. ex. celui de Zimmerman, 2000). Ces quatre phases
sont chacune associée aux quatre domaines de régulation envisagés par Pintrich (2000b,
2004) : cognition, motivation/affect, comportement et contexte. Dans ces quatre domaines,
les apprenants peuvent exercer une certaine régulation.
Tableau 5.1.
Les phases et domaines de l’apprentissage autorégulé selon Pintrich (2000b)
Domaines de régulation
Phases Cognition Motivation/affect Comportement Contexte
Adoption d’une orientation
Etablissement d’un but cible des buts
Jugements de sentiments Planification du temps
Activation des pré- d’efficacité et de l’effort Perceptions de la tâche
Phase 1 : Anticipation,
connaissances Perception de la difficulté
planification et activation
de la tâche Planification de l’auto- Perceptions du contexte
Activation des connaissances Activation de la valeur observation du comportement
métacognitives de la tâche
Activation de l’intérêt
Conscience et monitoring de
l’effort, de l’utilisation du
Monitoring des changements
Conscience métacognitive et Conscience et monitoring de la temps, du besoin d’aide
Phase 2 : Monitoring de tâche et des conditions
monitoring de la cognition motivation et de l’affect
du contexte
Auto-observation du
comportement
Augmentation/diminution
Changement ou renégociation
Sélection et adaptation des Sélection et adaptation des de l’effort
de la tâche
Phase 3 : Contrôle stratégies cognitives pour stratégies pour le management Persistance, abandon,
l’apprentissage et la pensée de la motivation et de l’affect comportement de
Changer ou quitter le contexte
recherche d’aide
Jugements cognitifs Réactions affectives

Phase 4 : Réactions et réflexion Comportements de choix Evaluation de la tâche
Attributions Attributions
Nous nous attacherons à décrire ici les deux premiers domaines (cognition et
motivation/affect) en fonction de chaque phase, étant donné qu’ils sont notre objet d’étude et
que les deux autres sont moins directement étudiés dans ce travail. Les quatre phases du
modèle, ainsi que leur association avec les domaines cognitifs et motivationnel/affectif sont
les suivantes :
1) Anticipation, planification et activation : cette phase concerne la planification,

l’établissement d’un but ainsi que l’activation des perceptions et connaissances de la
tâche, du contexte et de soi en relation à la tâche.
Par rapport au domaine de la cognition, l’élève active ses pré-connaissances de façon

consciente (par exemple en se demandant ce qu’il connaît déjà sur le sujet concerné par la
tâche). Il peut s’agir de connaissances sur des contenus ou de connaissances métacognitives
sur la tâche ou sur les stratégies (voir chapitre 3). Ceci permet de développer une meilleure
représentation de la tâche. En outre, l’élève peut se fixer un but, qui varie potentiellement
pendant l’exécution de la tâche. Nous ajouterons ici la formulation d’un plan d’action, qu’il
soit sommaire ou élaboré. Ce plan peut être formulé sur la base d’habitudes (par conséquent
il n’est pas forcément conscient) ou de façon très explicite (comme pour résoudre un
problème de mathématiques complexe). Par rapport au domaine de la motivation/affect,
l’élève réalise différents jugements, en particulier sur son sentiment d’efficacité personnelle,
la difficulté perçue de la tâche, l’intérêt situationnel, la valeur de la tâche (importance, utilité,
coût). De plus, il adopte une orientation des buts en lien avec ces jugements. Des sentiments
ou émotions négatives peuvent également être activés, tels que l’anxiété ou la peur qui
influencent ensuite le processus d’apprentissage et sa régulation. Tous ces éléments
motivationnels/affectifs peuvent potentiellement être régulés par l’élève et ainsi être modifiés
durant ou après la réalisation de la tâche.
2) Monitoring : cette phase concerne divers aspects des processus de monitoring qui
représentent la conscience métacognitive de différents aspects de soi, de la tâche ou du
contexte.
Par rapport au domaine de la cognition, l’élève réalise des jugements pendant l’exécution de
la tâche (par exemple sur sa compréhension). Ces jugements ont en particulier été traités
dans le modèle théorique de Nelson et Narens (1990 ; voir chapitre 3.4.1). Par conséquent, ils
ne seront pas détaillés ici. Par rapport au domaine de la motivation/affect, il s’agit pour
l’élève de prendre conscience de sa propre motivation et des sentiments/émotions. Afin de
pouvoir les contrôler et réguler, l’élève doit nécessairement en avoir conscience, ce qui n’est
pas forcément le cas. Peu de recherches se sont intéressées à cet aspect de l’autorégulation.
Quant aux expériences métacognitives (sentiments et jugements métacognitifs) définies par
Efklides (2001), elles se situeraient entre monitoring de la cognition et monitoring de la
motivation/affect selon le modèle de Pintrich (2000b).
3) Contrôle et régulation : cette phase concerne les efforts réalisé pour contrôler et réguler
différents aspects de soi, de la tâche ou du contexte.
Par rapport au domaine de la cognition, le contrôle et la régulation sont postulés fortement

liés au monitoring bien que les deux processus soit considérés comme distincts (voir chapitre
sur la métacognition). L’un des aspects centraux est, selon Pintrich (2000b), la sélection et
l’utilisation de stratégies cognitives diverses pour la mémorisation, l’apprentissage, le
raisonnement, la résolution de problème ou la pensée. Ce qui est métacognitif par rapport à
ces stratégies est la décision ou le choix de les utiliser ainsi que la décision d’arrêter de les
utiliser ou d’en changer, de les appliquer plus précisément, etc. Par rapport au domaine de la
motivation/affect, l’élève peut recourir à de multiples stratégies pour contrôler sa motivation
et ses émotions. Parmi ces stratégies, les plus courantes seraient : se parler à soi-même de
manière positive ou encourageante (par exemple « je sais que je peux y arriver »), se
promettre une récompense suite à la réalisation de la tâche, ou encore se répéter les
conséquences positives de son travail (par exemple « grâce au temps que je passe à étudier,
j’aurai de bonnes notes »). Mais il existe également des stratégies pour se protéger en cas
d’échec, c’est-à-dire ne pas toucher l’estime de soi scolaire. Il s’agit notamment de diminuer
la valeur d’une tâche ou du domaine ou valoriser des domaines non-scolaires, des stratégies
dites « auto-handicapantes » (self-handicapping) telles que la procrastination qui permet
d’attribuer un mauvais résultat au manque d’efforts plutôt qu’au manque de capacités, ce qui
protège l’estime de soi.
4) Réaction et réflexion : cette phase concerne différents types de réactions et de réflexions

sur soi, la tâche ou le contexte.
Par rapport au domaine de la cognition, l’élève réalise dans cette phase des jugements et
évaluations de sa performance, de la façon dont il a résolu la tâche et il développe des
attributions causales de sa performance. Les élèves qui s’autorégulent fortement auraient
tendance à évaluer systématiquement leurs performances au contraire des élèves dont
l’autorégulation est faible (Zimmerman, 2000). Par ailleurs, une différence dans le type
d’attributions causales est également observée : les bons autorégulateurs attribuent plus
largement, en comparaison des faibles autorégulateurs, leurs performances à des facteurs sur
lesquels ils ont un contrôle (l’effort et les stratégies) plutôt qu’à des facteurs hors de leur
contrôle. Par rapport au domaine de la motivation/affect, les élèves peuvent réagir
émotionnellement à leurs résultats et les attribuer. Leurs attributions causales peuvent être
biaisées ou contrôlées afin notamment de maintenir leur estime de soi. Ces attributions
causales ont des effets importants sur les émotions ressenties et influencent les attentes
futures de succès ainsi que le sentiment d’efficacité de l’élève (Weiner, 1985, 1986). De cette
manière, les réactions motivationnelles et affectives influencent les pensées dans la phase
d’anticipation, planification et activation lors des prochaines tâches.
Parmi les nombreuses variables associées à chaque phase, on retrouve les
métaconnaissances, les jugements métacognitifs (monitoring), ainsi que la sélection et
l’adaptation des stratégies cognitives. La phase anticipation-planification lie des concepts
tels que les métaconnaissances et l’activation de connaissances antérieures avec l’orientation
des buts et des variables comme le sentiment d’efficacité personnelle, la valeur et l’intérêt
accordés à la tâche. Les phases monitoring et contrôle lient la régulation de la cognition
pendant l’exécution de la tâche avec la régulation de la motivation (contrôle de la volonté).
La phase finale, réaction et réflexion, contient les jugements et évaluations de l’élève par
rapport à son exécution de la tâche, ce qui peut correspondre aux attributions causales.
Bien entendu, tous les apprentissages scolaires ne sont pas autorégulés ou ne suivent pas ces
phases étant donné que de nombreux apprentissages sont réalisés de manière relativement
implicite, tacite ou non intentionnelle sans nécessiter de recours à l’autorégulation (Pintrich,
2000b). En outre, d’autres personnes (enseignants, parents ou pairs) régulent également
l’apprentissage de l’élève dans chacun des domaines considérés, par exemple en lui
demandant de réaliser une tâche d’une certaine façon, à un certain moment, etc.
Nous retenons de ce modèle que l’autorégulation est considérée dans un sens large et qu’elle
n’est pas uniquement dirigée vers des éléments internes à l’élève mais qu’elle concerne aussi
des éléments externes (la régulation du contexte). Les concepts sont très nombreux et la
plupart des études sont réalisée en considérant les régulations de la cognition et de la
motivation/affect. Les études s’intéressant également à la régulation du comportement et du
contexte sont plus rares. Par ailleurs, le rôle des aptitudes cognitives (par exemple
l’intelligence non verbale) est peu abordé dans cette littérature alors qu’il pourrait jouer un
rôle important.
5.4. Synthèse d’études empiriques articulant motivation et

fonctionnement cognitif
5.4.1. Métacognition-stratégies d’apprentissage et croyances motivationnelles
Un certain nombre d’études empiriques réalisées depuis les années 80 ont permis de mettre à
jour passablement de liens entre construits motivationnels et construits
métacognitifs/stratégies d’apprentissage. Nous passons en revue ci-dessous une partie de ces
études empiriques en considérant en particulier les croyances motivationnelles que nous
avons décrites au chapitre précédent.
Avec des étudiants du niveau secondaire II, Pintrich (1989) a montré que les croyances de
contrôle interne étaient positivement liées à l’utilisation de stratégies métacognitives et aux
performances aux examens. Kurtz & Borkowski (1984) ont trouvé que l’attribution des
performances, dans des tâches de mémoire, à des facteurs contrôlables avait une relation
positive avec l’utilisation subséquente de stratégies de mémoire sur des tâches de transfert et
généralisation. Toutefois, toutes les études ne montrent pas des effets positifs du contrôle
interne (par ex. sur les performances mnésiques, l’engagement général ou la performance
scolaire générale). Ces relations varient en fonction de l’âge des élèves, la définition du
construit, le type de mesure employé, et le moment de l’évaluation.
L’amélioration du sentiment d’efficacité personnelle peut mener à une meilleure utilisation
des stratégies cognitives et métacognitives (Bandura, 1997/2003) et à un plus haut niveau
d’accomplissement en mathématiques, en lecture et en écriture (Schunk, 1989). La
perception de leurs compétences par des élèves d’école élémentaire est positivement liée à
leur performance dans une tâche de compréhension de lecture ainsi qu’aux
métaconnaissances sur la lecture notamment (Paris & Oka, 1986).
Les études de Sperling, Howard, Staley et DuBois (2004) auprès d’étudiants universitaires de
première année ont montré que leur mesure auto-rapportée de la métacognition
(Metacognitive Awareness Inventory ; Schraw & Dennison, 1994) était positivement et
significativement corrélée (r = .40 p < .05) à leur mesure auto-rapportée de la motivation
(plusieurs échelles du Motivated Strategy for Learning Questionnaire ; Pintrich et al., 1993).
Toutefois, la composante « métaconnaissances » n’était pas liée significativement aux
échelles précitées. En particulier, la régulation de la cognition était corrélée le plus fortement
avec l’orientation des buts vers l’apprentissage, le sentiment de contrôle (attributions
causales) et le sentiment d’efficacité personnelle pour l’apprentissage et la performance.
5.4.1.1. Métacognition-stratégies d’apprentissage et perception des compétences
La perception de ses compétences est essentielle au monitoring, à l’utilisation des fonctions

exécutives et fait partie des métaconnaissances sur soi. Hacker et Bol (2004) postulent par
exemple que le sentiment d’efficacité par rapport à la mémorisation influence les jugements
de monitoring. Si une personne pense que sa capacité de mémorisation est très faible, elle
aura ainsi tendance à douter fortement de ses réponses dans une tâche de rappel. Au
contraire, un fort sentiment d’efficacité pourrait résulter en de l’optimisme ou une
surestimation de ses performances. Par rapport au fonctionnement exécutif, un sentiment
d’efficacité personnelle est nécessaire pour s’engager cognitivement dans une tâche et
planifier ses actions. Selon Bandura (1997/2003), les individus auraient besoin d’un
sentiment d’efficacité pour appliquer leurs connaissances de façon cohérente et persévérante.
Le manque de ce sentiment pourrait donc expliquer en partie le déficit de production de
certains élèves. En effet, le guidage de l’activité de résolution est une activité qui nécessite
des efforts cognitifs qu’un élève qui ne se perçoit pas compétent aura tendance à ne pas
produire. Pintrich (1999) rapporte, dans une synthèse des recherches ayant utilisé le
Motivated Strategy for Learning Questionnaire, des corrélations faibles à modérées entre le
sentiment d’efficacité et les différentes stratégies d’apprentissages (répétition, élaboration,
organisation et stratégies métacognitives).
Dans la perspective développementale de Borkowski (Borkowski et al., 2000), le sentiment
d’efficacité joue un rôle prépondérant dans le développement métacognitif. Il est lié aux
connaissances spécifiques des stratégies et l’utilisation des stratégies produirait un sentiment
d’efficacité, à son tour nécessaire à leur application. Dans la taxonomie des connaissances
cognitives de Kluwe (1982), il est fait référence aux connaissances des différences
intraindividuelles au sujet des forces et faiblesses de l’individu en fonction des domaines.
Ceci fait en partie référence au sentiment d’efficacité ou au concept de soi.
Selon Bandura (1997/2003), les élèves dont le sentiment d’efficacité est élevé auraient plus
de facilité à développer des stratégies et les utiliseraient de façon plus efficace une fois
acquises. Il existe donc un effet de cette variable du domaine de la motivation sur le
développement et l’utilisation des stratégies cognitives et métacognitives. La perception de
son efficacité personnelle influencerait la réussite scolaire, les choix des individus par
rapport à leurs activités et elle médiatiserait l’effet des capacités de l’individu sur sa réussite
subséquente en influençant la quantité d’efforts qu’ils fournissent, leur persévérance et la
mesure dans laquelle ils persistent face à la difficulté (Bandura et Schunk, 1981 ; Borkowski
et al., 2000 ; Collins, 1982 ; Pajares et Schunk, 2001). Bouffard-Bouchard (1990 ; Bouffard-
Bouchard et al., 1990) a démontré expérimentalement que le sentiment d’efficacité
personnelle est lié à l’efficacité des stratégies employées ainsi qu’à l’exactitude des
jugements de confiance en ses réponses, ceci indépendamment des préconnaissances. En
outre, les sujets qui ont un sentiment d’efficacité élevé ont tendance à rejeter de manière
moins fréquente des hypothèses représentant des réponses correctes.
Les travaux de Schunk (par ex. Schunk, 1984 ; Schunk, Hanson & Cox, 1987 ; Schunk &
Rice, 1984) ont montré que l’enseignement de stratégies et la verbalisation de stratégies sont
bénéfiques au développement du sentiment d’efficacité personnelle chez des élèves faibles
(Schunk & Pajares, 2002). Il existe donc un effet de l’entraînement des stratégies cognitives
et métacognitives sur cette variable du domaine de la motivation. Selon Bandura
(1997/2003), les élèves scolairement faibles et qui apprennent à verbaliser les stratégies
cognitives qu’ils utilisent en résolution de problèmes montrent un accroissement plus fort
dans leur sentiment d’efficacité personnelle perçu et réussissent mieux en mathématiques et
en lecture-compréhension que des élèves qui sont entraînés aux mêmes stratégies mais
n’utilisent pas d’auto-guidage verbal (Schunk, 1982; Schunk & Rice, 1984, 1985). Plus
l’autoguidage (self-guidance) est extensif, plus son impact sur le sentiment d’efficacité
personnelle et sur la performance est fort (Schunk & Cox, 1986). En outre, le sentiment
d’efficacité personnelle d’élèves ayant connu de nombreux échecs en mathématiques peut
être amélioré grâce à un entraînement court des compétences mathématiques, comme l’a
montré Schunk (1981).
5.4.1.2. Métacognition-stratégies d’apprentissage et valeur de la tâche
Pintrich (1999) rapporte des corrélations entre valeur de la tâche (composée de l’importance,
de l’utilité et de l’intérêt pour le cours) de nulles à modérées avec les différentes stratégies
d’apprentissage. Toutefois, les différentes composantes de la valeur de la tâche sont
mélangées dans ces corrélations.
Plusieurs études empiriques de Miller et ses collaborateurs (Brickman & Miller, 1998, 2001 ;
Miller et al., 1996) ont montré que le niveau d’instrumentalité perçue était positivement lié
aux comportements d’apprentissage autorégulé. En effet, l’instrumentalité perçue d’un cours
pour l’atteinte de buts futurs est significativement prédictive des stratégies d’autorégulation
et d’un mode de traitement profond des tâches, même après avoir contrôlé pour l’influence
des buts d’accomplissement et de la compétence perçue. Lens et al. (2002) ont quant à eux
trouvé un effet du type d’instrumentalité perçue (c’est-à-dire si les raisons pour étudier sont
internes ou externes à l’individu) : les élèves qui s’engagent dans un cours pour des raisons
qu’il jugent pertinentes pour eux-mêmes (par exemple leur développement personnel)
rapportent utiliser moins de stratégies dites de surface et plus de stratégies dites profondes
que les élèves qui s’engagent dans un cours pour des raisons telles que l’obtention d’une
récompense.
Le niveau d’intérêt tant individuel que situationnel est lié à la calibration du monitoring
(Tobias, 1994b, 1995). En effet, une recherche de Tobias (1995) utilisant le Knowledge
Monitoring Assessment a démontré que l’intérêt individuel avait un effet faible mais
significatif sur la précision du monitoring, même en contrôlant pour les pré-connaissances.
Par rapport à l’intérêt situationnel, la personnalisation de problèmes de mathématiques
(c’est-à-dire l’inclusion des noms des élèves ou de l’enseignant dans les données des
problèmes) améliore la calibration du monitoring, mais uniquement pour les élèves qui ont
de faibles compétences en mathématiques (Tobias, 1994b). Le mécanisme ou les processus
médiateurs entre l’intérêt et le monitoring restent inexpliqués, bien qu’une augmentation de
l’attention et une plus grande persistance soient postulées comme facteurs explicatifs.
Schiefele (1991) synthétise les relations entre intérêt individuel et stratégies de la façon
suivante : les stratégies de traitement dit profond (élaboration, recherche d’informations
complémentaire et pensée critique) sont positivement et modérément corrélées (.29, p < .05 <
r < .47, p < .01) à l’intérêt individuel, alors que les stratégies de répétition, d’organisation et
de gestion du temps ne sont pas liées à l’intérêt individuel. Ceci signifie un plus grand
investissement en termes de temps et d’efforts pour les élèves avec un intérêt individuel
élevé. Par rapport à la lecture d’un texte, le nombre de soulignements et de mots notés était
modérément lié à l’intérêt individuel (r = .28, p < .05 pour chacune des deux stratégies), alors
que les stratégies d’élaborations auto-rapportées y étaient fortement liées (r = .60, p < .001).
Ces relations sont indépendantes des pré-connaissances et de l’intelligence.
5.4.1.3. Métacognition-stratégies d’apprentissage et orientations des buts
D’une manière générale, les différentes orientations des buts sont liées à la qualité de
l’engagement dans l’apprentissage. Un engagement actif se caractérise selon Ames (1992)
par l’application de stratégies efficaces et l’utilisation de ces stratégies dépend notamment de
la croyance que les efforts mènent au succès et que les échecs peuvent être « remédiés » par
un changement dans les stratégies (Borkowski et al., 2000).
Par rapport à la métacognition, de nombreuses études corrélationnelles (p. ex. Ames &
Archer, 1988 ; Dweck & Leggett, 1988 ; Galland & Phillipot, 2002 ; Schraw, Horn,
Thorndike-Christ, & Bruning, 1995) ont montré que plus les élèves adoptent des buts de
maîtrise/d’apprentissage plus ils rapportent une utilisation fréquente de guidage de leur
cognition et cherchent des manières de prendre conscience de leur compréhension et
apprentissage, comme vérifier leur compréhension et la guider. Pintrich et Garcia (1991) ont
montré avec le MSLQ que les élèves adolescents qui approchent les cours avec une
orientation vers la maîtrise rapportaient être plus planificateurs dans la préparation de leurs
études, guider plus fréquemment leur compréhension ou encore gérer leur temps et leur
environnement d’apprentissage. L’utilisation de stratégies cognitives est également
positivement liée à ce type de buts. Pintrich (1999) rapporte des corrélations relativement
élevées entre l’orientation des buts vers la maîtrise et l’utilisation de stratégies
d’apprentissage. Par contre, les buts extrinsèques sont, dans sa synthèse, négativement
corrélés aux stratégies métacognitives.
Les recherches ayant évalué les effets des buts de performance avant l’introduction de la
dimension approche-évitement dans le cadre théorique des buts d’accomplissement (par ex.
Nolen, 1988 ; Wolters, Yu, & Pintrich, 1996) ont produit des résultats contradictoires, ceci
est souvent expliqué par le fait que les deux types de buts mèneraient à des effets différents.
Dowson (2000) a établi un modèle d’équations structurales et montre que l’adoption de buts
de maîtrise-approche est positivement liée à l’utilisation de stratégies cognitives et
métacognitives, alors que l’adoption de buts de performance-approche est négativement liée

aux stratégies métacognitives.
Dans une autre recherche, Elliot (Elliot, McGregor, & Gable, 1999) a démontré que les
différents buts d’accomplissement sont liés de façon cohérente aux stratégies
d’apprentissage. Les buts de maîtrise prédisent l’utilisation de stratégies impliquant un
traitement profond ; les buts de performance-approche prédisent un traitement de surface et
les buts de performance-évitement prédisent négativement un traitement profond et
positivement un traitement de surface et la désorganisation dans le travail.
Dermitzaki et Efklides (2003) ont lié les orientations des buts définies par Nicholls (1989),
soit l’orientation vers la tâche et l’orientation vers l’ego, avec le concept de soi, les
expériences métacognitives (sentiment de difficulté, estimation de l’exactitude de la réponse
et estimation des efforts) et les stratégies rapportées sur une tâche de résolution de problèmes
mathématiques. Leurs résultats montrent que les effets des aptitudes cognitives (compétences
en raisonnement quantitatif), des performances et du concept de soi sur les expériences
métacognitives sont largement plus forts que les effets des orientations des buts. Un effet
direct à relever est toutefois celui de l’orientation vers la tâche sur les stratégies rapportées,
puisque les élèves les plus orientés vers la tâche rapportent avoir utilisé plus de stratégies au
cours du problème. Leur conclusion est que les orientations des buts sont liées à la
performance scolaire plutôt qu’aux capacités cognitives et exercent leurs effets sur les
expériences métacognitives par l’intermédiaire du concept de soi en mathématiques (la
perception de soi et la perception de soi par les autres).
Meece et al. (1988) ont étudié l’effet de l’orientation des buts sur l’engagement cognitif
d’élèves du 5ème et du 6ème degrés dans le cadre de cours de sciences. Leurs analyses en pistes
causales, qui ne tiennent malheureusement pas compte des buts d’évitement du travail, leur
permettent de conclure que l’orientation vers la tâche est fortement liée à un engagement
cognitif actif. Si l’orientation vers soi (type approche uniquement) est également liée à ce
type d’engagement (bien que faiblement), elle est également liée à un engagement cognitif
de type superficiel, tel que répondre au hasard ou copier les réponses de ses camarades.
Une étude de Nolen (1988) sur le même sujet a démontré, comme celles de Pintrich et ses
collaborateurs, que les croyances motivationnelles entretenaient une relation indirecte avec la
performance scolaire, ceci au travers de leurs liens avec l’utilisation de stratégies cognitives
et métacognitives, c’est-à-dire un engagement cognitif considéré comme plus poussé. Cette
étude a montré que l’orientation vers la tâche (maîtrise-approche), tant à un niveau général
qu’au niveau d’un exercice spécifique, était associée à des stratégies dites de traitement
profond (deep-processing) alors que l’orientation vers l’ego (performance-approche) n’y

était pas associée. En outre, l’orientation vers l’évitement du travail était négativement
corrélée tant à l’utilisation de stratégies dites de traitement profond, qu’à l’utilisation de
stratégies dites de traitement en surface (surface-processing).
Dans le cadre d’une tâche de rappel de paires de mots associés, Graham et Golan (1991) ont
eux aussi montré que l’orientation de la motivation influence le type de traitement (profond
ou de surface). Une orientation vers la performance mène à un traitement dit de surface alors
qu’une orientation vers la maîtrise mène à un traitement dit en profondeur et ainsi une
meilleure performance dans le rappel. Les travaux de Pintrich et ses collaborateurs (par ex.
Wolters et al., 1996) ont notamment montré que des élèves, de 13 à 18 ans, qui adoptaient
des buts orientés vers la maîtrise rapportaient l’utilisation plus fréquente de stratégies de
traitement profond (par ex. élaboration) et plus de stratégies métacognitives et
d’autorégulation (planification, guidage de la compréhension, régulation, etc.) que les élèves
adoptant des buts orientés vers la performance.
5.4.1.4. Métacognition-stratégies d’apprentissage et Anxiété
Les recherches liant l’anxiété à la métacognition sont relativement rares. Toutefois, les
travaux de Tobias et Everson ainsi que ceux de Veenman nous permettent d’éclairer quelque
peu cette relation. Tobias et Everson (2000) rapportent des corrélations entre le KMA et
l’échelle de Fennema-Sherman (anxiété envers les math) et la Worry-Emotionaly scale.
Meilleur est l’élève en monitoring (c’est-à-dire plus il est précis dans sa prédiction à réussir
un problème), moins il est anxieux ou angoissé par rapport aux mathématiques. Au contraire,
les élèves qui sont le moins précis en monitoring sont plus fragiles émotionnellement dans
les tâches de mathématiques.
L’explication suivante est donnée :
It was reasoned that the central representation of anxiety absorbs some proportion of
cognitive capacity, leaving a reduced amount available for allocation to work on
tasks. The further absorption of capacity required by an executive process such as
metacognitive knowledge monitoring was expected to be especially debilitating for
highly anxious students whose cognitive capacity is expected to be reduced by
students’ concerns about their test anxiety. Therefore, a negative relationship between
anxiety and knowledge monitoring was anticipated because « highly test anxious
students can be expected to have less adequate metacognitive abilities than those with
lower anxiety (Tobias, 1992, p. 28). (Tobias & Everson, 2000, p. 191)
Si le matériel demande une forte capacité cognitive, l’anxiété et le monitoring semblent

interagir pour influencer la performance. En outre, les élèves les plus anxieux,
indépendamment de leurs compétences métacognitives, réalisent de moins bonnes
performances dans des tâches de lecture qui demandent un fort investissement cognitif, ce
qui suggère que les angoisses pourraient interférer avec l’utilisation stratégique des aptitudes
métacognitives. L’anxiété et l’angoisse consomment une proportion des capacités cognitives.
Selon l’étude de Veenman, Kerseboom et Imthorn (2000), les compétences métacognitives
jouent un rôle médiateur dans la relation entre l’anxiété en situation de test et la performance.
Une partie des élèves présente un déficit de production dans des tâches mathématiques à
cause de leur état d’anxiété. En effet, ces élèves possèdent des compétences métacognitives
mais leur application est rendue plus difficile à cause de leur état affectif. Pour un autre type
d’élèves, c’est le manque de compétences métacognitives qui crée un état d’anxiété, ce qui
détériore la performance. La relation entre les compétences métacognitives et l’état d’anxiété
serait donc fonctionnellement différente suivant les élèves. L’intérêt de ces résultats est
qu’ils montrent la complexité des interactions entre cognition et affect en situation
d’apprentissage.
5.4.2. Le rôle des aptitudes cognitives
Les aptitudes cognitives pourraient jouer le rôle dans les relations entre croyances
motivationnelles et composantes de la métacognition. D’une part, il se pourrait que ces
aptitudes aient une influence sur le contrôle métacognitif exercé par l’élève lorsqu’il résout
une tâche. D’autre part, ces aptitudes pourraient être à l’origine de certaines croyances
motivationnelles et influencer le contrôle métacognitif par l’intermédiaire de ces dernières.
Concernant les influences directes des aptitudes cognitives sur le contrôle métacognitif,
relevons que, selon Pintrich et Zusho (2002), l’apprentissage autorégulé (notamment la
régulation de la cognition) est un processus complexe qui implique le maintien
d’informations relatives à la tâche pendant la réalisation de celle-ci. De ce fait, le
fonctionnement de la mémoire de travail (MT) devrait être lié à l’apprentissage autorégulé.
Miyake et Shah (1999) affirment à ce sujet que la MT concerne avant tout le contrôle et la
régulation de nos actions cognitives. Ainsi, la capacité de MT limiterait l’application ou la
coordination des stratégies métacognitives pendant la résolution d’un problème. Toutefois,
l’élève peut recourir à des stratégies de mémoire externe pour gérer la complexité des
opérations cognitives ou leur planification, s’il sait qu’il est limité dans cette capacité. De ce
fait, nous ne pouvons pas attendre une simple covariance positive entre la capacité MT et la
qualité/quantité de la régulation cognitive.
Pintrich et Schrauben (1992) ainsi que Linnenbrink et Pintrich (2000) postulent que si la MT
est occupée par différentes pensées relatives à la performance des autres, c’est-à-dire un but
de performance ou par des pensées relatives à la peur de faire des fautes (buts de maîtrise-
évitement), les ressources seront alors diminuées pour se centrer sur la tâche. Au contraire,
les buts de maîtrise-approche devraient résulter en une plus grande quantité de ressources
allouées à la tâche car le but général est alors de maîtriser et comprendre la tâche. Cette
dernière hypothèse a été testée par Linnenbrink, Ryan et Pintrich (2000). Ils ont montré que
les buts de performance approche avaient un effet négatif indirect sur la MT car ils
accroissaient les affects négatifs qui à leur tour diminuent la capacité de la MT. En outre, la
MT était positivement liée aux buts de maîtrise mais l’affect négatif jouait également un rôle
médiateur dans cette relation. Très peu de recherches empiriques ont pour le moment été
conduites à ce sujet.
Concernant les influences, médiatisées par les croyances motivationnelles, des aptitudes
cognitives sur le contrôle métacognitif, plusieurs cas de figure sont envisageables. En effet,
selon plusieurs chercheurs, l’intelligence non verbale ne serait pas directement liée aux
orientations des buts ou aux autres croyances motivationnelles (Dweck, 1986 ; Dermitzaki &
Efklides, 2003 ; Gagné & St Père, 2001). Par contre, les aptitudes cognitives dans le domaine
concerné devraient être sensiblement liées à la perception des compétences dans ce même
domaine. De plus, ces aptitudes pourraient aussi être en lien avec les orientations des buts, la
valeur de la tâche et l’anxiété. Une recherche de Van der Stoep, Pintrich et Fagerlin (1996) a
toutefois montré que les orientations des buts n’étaient pas liées au niveau de performance de
l’élève dans le domaine en question. Finalement, soulignons que les études s’intéressant aux
liens entre les aptitudes cognitives des élèves et l’apprentissage autorégulé sont encore peu
nombreuses.
5.5. Notre modèle théorique articulant composantes métacognitives,

croyances motivationnelles et aptitudes cognitives
Notre modèle théorique est basé principalement sur les positions théoriques de Borkowski,
d’Efklides et de Pintrich ainsi que sur leurs travaux empiriques. Dans ce travail, nous
considérons plusieurs types de variables, synthétisées ci-dessous et dont les relations sont
représentées dans la figure 5.1.
Notre modèle théorique reprend les variables que nous avons présentées dans les chapitres
précédents. Concernant les composantes de la métacognition, nous considérons les
connaissances et croyances métacognitives, les jugements et sentiments ainsi que le contrôle.
Ces variables ont été décrites au chapitre 3 et présentées dans la figure 3.2. Ces variables ont
été articulées avec les croyances motivationnelles au niveau de la matière et les aptitudes
cognitives générales. Finalement, notre modèle considère les compétences cognitives
spécifiques au problème et la performance réalisée sur ce même problème. Nous décrivons
ci-dessous brièvement le rôle de chacune des variables du modèle.
1. Les variables générales
1.1. Les aptitudes cognitives

Les termes « aptitudes cognitives » font référence aux compétences en raisonnement
numérique, à la capacité de mémoire de travail ou encore à l’intelligence non verbale. Les
aptitudes cognitives jouent un rôle important dans notre modèle : elles sont liées au contrôle
métacognitif comme trait, aux compétences cognitives spécifiques au problème ainsi qu’à la
performance sur un problème mathématique précis. En outre, les aptitudes cognitives sont
souvent ignorées dans les études empiriques de l’apprentissage autorégulé ce qui a pour
conséquence que nous ne connaissons pas leur pouvoir explicatif. Nous attendons en
particulier un rôle majeur des compétences en raisonnement numérique.
Variables Croyances Croyances et

Contrôle métacognitif
Aptitudes cognitives motivationnelles connaissances
générales relatives au domaine métacognitives
comme trait
Variables
spécifiques à une
tâche mesurées Expériences méta-
avant la résolution cognitives
pré-résolution
Variables spécifiques Compétences

cognitives Contrôle
à une tâche se
spécifiques au métacognitif in situ
référant à ce qui a été problème
fait durant la
résolution
Variables
spécifiques à une
tâche mesurées Expériences méta-
cognitives post- Performance
après la résolution
résolution
Figure 5.1. Modèle théorique général

1.2. Les croyances et connaissances métacognitives

Ces croyances et connaissances sont des métaconnaissances, telles que les théories implicites
de l’intelligence, qui ont une influence sur les expériences métacognitives ainsi que le
contrôle métacognitif.
1.3. Les croyances motivationnelles relatives au domaine

Ces croyances réfèrent aux buts d’accomplissements, à la valeur de la tâche (intérêt et
instrumentalité), au sentiment de compétence et à l’anxiété. Nous postulons que ces
croyances influencent d’une part le comportement stratégique considéré comme trait et
d’autre part les jugements et sentiments métacognitifs en rapport à un problème de
mathématiques.
1.4. Le contrôle métacognitif comme trait

Il s’agit des habitudes de l’élève en termes de stratégies d’apprentissage de type
métacognitives. Cette variable ne porte pas sur des métaconnaissances sur les stratégies mais
sur l’utilisation de ces stratégies lorsque l’élève doit apprendre ou résoudre des exercices de
type mathématique. Cette variable devrait influencer en particulier le contrôle métacognitif
exercé en résolution de problèmes mathématiques (in situ). Nous postulons que l’élève qui a
pour habitude d’exercer un certain contrôle métacognitif dans cette matière aura tendance à
également exercer ce contrôle dans les problèmes qui lui seront soumis dans nos études.
2. Les variables spécifiques à une tâche
2.1. Les expériences métacognitives pré-résolution

Ces expériences métacognitives portent sur différents sentiments évalués avant la résolution
du problème : le sentiment de familiarité, le sentiment d’aimer la tâche et le sentiment de
difficulté. Nous postulons que ces expériences ont une influence sur le contrôle métacognitif
exercé pendant la résolution.
2.2. Le contrôle métacognitif in situ

Ces termes se réfèrent aux stratégies de contrôle métacognitif exercé pendant la résolution du
problème, notamment le contrôle continu et final. Ces stratégies devraient influencer la
performance, indépendamment de l’influence des compétences cognitives spécifiques au
problème.
2.3. Les expériences métacognitives post-résolution

Ces jugements et sentiments métacognitifs concernent la résolution du problème après avoir
achevé celle-ci. Ils portent notamment sur la confiance relative au processus de résolution ou
sur la quantité d’efforts effectués. Ces expériences métacognitives devraient être liées à la
performance.
2.4. La performance
Il s’agit simplement de la performance réalisée au problème.
Relevons que le qualificatif de modèle d’apprentissage autorégulé n’est que partiellement

adapté à notre modèle étant donné que selon Pintrich et Zusho (2002), ces modèles
s’intéressent aux tentatives de contrôle et régulation non seulement de la cognition, du
comportement et du contexte mais aussi de la motivation et non pas aux croyances
motivationnelles en elles-mêmes. Or notre modèle comprend relativement peu d’aspects de
contrôle et régulation de la motivation. Ce type de limite avait d’ailleurs été relevé par
Boekaerts (1999) selon qui les théories de l’apprentissage autorégulé se sont trop restreintes
à l’étude de la métacognition et n’ont pas suffisamment intégré les autres domaines
nécessitant un contrôle (le contrôle de l’action et le contrôle de l’émotion en particulier).
Les deux études empiriques réalisées dans cette thèse sont basées sur le modèle théorique
général. Nous présenterons les hypothèses spécifiques à chaque étude dans les chapitres
suivants.
6. Méthode-étude 1 Page 161
6. Méthode-étude 1
6.1. Introduction
Ce chapitre décrit les différents aspects liés à notre première étude. Nous y abordons
successivement les questions de recherches et hypothèses y relatives, la description de
l’échantillon et des instruments de récolte de données. Ensuite, nous abordons des aspects
techniques concernant les limites et biais liés à notre méthode de récolte d’information
privilégiée, c’est-à-dire les questionnaires auto-rapportés. Finalement, nous exposons les
objectifs, possibilités et limites de nos méthodes d’analyses des données.
6.2. Questions de recherche et hypothèses
Notre questionnement adopte une double approche :
1) d’une part, une description des liens entre variables réalisée par des modèles d’équations
structurelles (causal modeling). Ceci sera effectué en étudiant dans un premier temps les
liens entre les variables spécifiques à un problème (avant et après la résolution). Dans un
deuxième temps, les liens entre les variables évaluées au niveau de la matière et les
variables spécifiques à un problème seront analysés ;
2) d’autre part, une description de l’échantillon par une division en sous-groupes homogènes
afin de distinguer différents profils d’apprenants puis de les décrire (composition des
sous-groupes et moyennes sur les facteurs).
La première approche vise à répondre aux questions suivantes :
Question de recherche 1
Comment les expériences métacognitives pré-résolution influencent-elles les aspects de
contrôle métacognitif et comment ces derniers sont-ils liés aux expériences métacognitives
post-résolution ? Quels rôles les compétences cognitives spécifiques au problème et la
performance jouent-elles dans ce cadre ?
Hypothèse64
La figure 6.1 représente notre hypothèse qui est basée sur les théories développées par
Efklides (2001) ainsi que par Nelson & Narens (1990). Nous nous intéresserons en particulier
aux liens entre expériences métacognitives et contrôle métacognitif.
Relevons que la prédiction de la performance n’est pas une question centrale dans ce travail
mais qu’elle pourrait apporter des éléments intéressants dans la compréhension des liens entre
variables métacognitives et motivationnelles. Etant donné que deux problèmes seront
administrés aux élèves, deux modèles seront développés ce qui nous permettra de ressortir des
régularités et des différences en fonction du problème concerné.
Compétences
Performance
cognitives
Expériences
métacognitives
pré-résolution
Expériences
Contrôle
métacognitives
métacognitif
post-résolution
Figure 6.1. Hypothèse générale pour la question de recherche 1
Comment les buts d’accomplissement, les croyances motivationnelles (compétence perçue et
intérêt individuel) et l’intelligence non-verbale influencent-ils les expériences métacognitives
et le contrôle métacognitif ?
Hypothèse
En plus des liens postulés dans la première question de recherche, nous postulons les effets
suivants. L’intelligence non-verbale devrait influencer les compétences cognitives relatives au
problème (par conséquent indirectement la performance). Les croyances motivationnelles
64
Les hypothèses que nous formulons le sont à un niveau relativement général, c’est-à-dire que nous ne
considérons pas chacune des variables que nous mesurons (par exemple nous utilisons le terme expériences
métacognitive pré-résolution au lieu de nommer chaque expérience). En effet, ce ne sera que suite aux analyses
factorielles que nous serons en mesure de déterminer exactement quelles variables seront inclues dans les
hypothèses. Par conséquent, nous proposerons des modèles d’hypothèses plus précis suite à ces analyses
factorielles.
devraient influencer les expériences métacognitives ainsi que le contrôle métacognitif. Par
exemple, les buts de maîtrise-approche devraient prédire le sentiment d’aimer la tâche ou la
perception des compétences devrait prédire les jugements de confiance.
Intelligence
non verbale
Performance
Compétences
cognitives
Expériences
métacognitives
pré-résolution
Contrôle Expériences
Croyances métacognitif métacognitives
motivationnelles post-résolution
Figure 6.2. Hypothèse générale pour la question de recherche 2
La seconde approche vise à répondre à la question de recherche suivante :
Combien et quels profils d’apprenants, en termes de buts d’accomplissement, sont
distinguables dans notre échantillon ?
Comment ces différents sous-groupes se différencient-ils les uns des autres par rapport à : leur
intelligence non verbale, leur compétence perçue et intérêt, leurs expériences métacognitives
et leur contrôle métacognitif ?
Quelle est la composition des sous-groupes (niveau d’exigences de la formation, sexe, âge) ?
Ces questions se réfèrent à l’approche des buts multiples de Pastor et al. (2007) ou de Pintrich
(Harackiewicz et al., 2002 ; Linnenbrink & Pintrich, 2000) et permettent d’étudier des
combinaisons de buts, reconnaissant ainsi que l’élève peut adopter plusieurs buts pour une
même matière (voir chapitre 4.4).
Hypothèse
Nous postulons que différents groupes d’élèves existent dans notre échantillon. Ils présentent
des profils distincts en termes de buts d’accomplissements. Par exemple, nous pourrions
trouver un groupe orienté à la fois vers la maîtrise-approche et la performance-approche mais
qui n’adoptent pas de buts d’évitement (maîtrise ou performance). Des profils favorables en
termes de combinaisons de buts devraient être liés notamment à des expériences
métacognitives favorables.
6.3. Description de l’échantillon
200 apprentis en première année de formation professionnelle initiale pour l’obtention d’un
Certificat fédéral de capacité (CFC) ont participé à l’étude. L’échantillon était constitué de
122 hommes (60,7%) et 72 femmes (35,8%), 7 participants n’ont pas rapporté leur sexe
(3,5%). 131 élèves étaient de nationalité suisses (65,2%), 36 de nationalité étrangère (17,9%)
et 34 n’ont pas rapporté leur nationalité (16,9%). L’âge moyen était de 251.51 mois (18 ; 1
ans) avec un écart-type de 34.12 mois (étendue de 15 ; 6 ans à 34 ; 11 ans) au moment des
passations. Ces apprentis fréquentaient des centres de formation professionnelle francophones
dans les cantons de Vaud, Neuchâtel et Berne. Leur quotient d’intelligence non verbale est en
moyenne de 100.77 points. La sélection de l’échantillon a été basée sur deux critères : le type
de formation suivie (CFC) et l’année de formation (première année). Celui-ci est par
conséquent très hétérogène au niveau des professions apprises. Le tableau 6.1 rapporte la
description de l’échantillon par formation.
Le niveau scolaire en mathématiques était très variable en fonction des apprentissages. Nous
avons utilisé la classification de Stalder (2005) afin de catégoriser les apprentissages selon
leur niveau d’exigences intellectuelles. Cette classification a été réalisée sur la base
d’évaluations réalisées par des professionnels de l’orientation du canton de Berne. Ceux-ci
ont estimé sur une échelle allant de 1 (exigences très faibles) à 6 (exigences très élevées) le
niveau d’exigences intellectuelles d’un grand nombre de formations professionnelles initiales
en trois ou quatre ans. L’utilisation de cette classification permet de décrire notre échantillon.
Selon la classification de Stalder (2005), les apprentissages sont de niveaux d’exigences
intellectuelles très variables et les QI moyens par profession corroborent ceci. La corrélation
entre le niveau d’exigences intellectuelles et l’intelligence non verbale est de τ65 = .33
(p < .001) dans notre échantillon.
Tableau 6.1.
Description des participants par formation
gences66
d’élèves
Nombre
Niveau
QI non
verbal
d’exi- Répartition par
Profession apprise Répartition par sexe
nationalité
H F Manq. CH Etr. Manq.
Peintres sur
1 86.18 12 11 1 0 4 8 0
automobiles
Coiffeuses 1 94.88 28 1 27 0 12 3 13
Boulangers –
1 95.46 13 10 2 1 6 2 5
pâtissiers
Bouchers –
1 93.54 14 12 1 1 13 0 2
Charcutiers
Ferblantiers -
Monteurs en 2 93.38 16 16 0 0 11 4 1
chauffage
Cuisiniers 2 99.50 8 5 3 0 6 2 0
Sommeliers 2 86.91 13 3 8 2 3 2 8
Monteurs
4 98.00 14 14 0 0 11 3 0
électriciens
Dessinateurs
5 114.38 16 14 2 0 11 4 1
techniques
Laborantins en
5 108.00 10 6 4 0 10 0 0
biologie / chimie
Opticiens 5 103.80 15 3 10 2 11 2 2
Employés de
6 99.54 13 2 10 1 9 3 1
commerce
Dessinateurs de
6 108.27 15 13 2 0 13 2 0
machines
Informaticiens 6 131.83 13 12 1 0 11 1 1
Totaux - - 201 122 72 7 131 36 34
Note : H = homme(s) ; F = femme(s) ; CH = nationalité suisse ; Etr. = nationalité étrangère ; Manq. = donnée
manquante
65
Tau de Kendall
66
Niveau d’exigences intellectuelles de la formation selon la classification de Stadler (2005). Le niveau 1
correspond à un niveau d’exigences très faible et le niveau 6 à un niveau d’exigences très élevé.
6.4. Instruments
Tous les instruments ont été administrés de manière collective sur deux périodes de 45
minutes chacune, généralement pendant les heures consacrées aux cours de culture générale.
Les enseignants de mathématiques ou de calcul professionnel n’étaient donc pas présents.
6.4.1. Questionnaire sur les buts d’accomplissement en mathématiques
Ce questionnaire comporte 20 items de type Likert à quatre points (Pas du tout d’accord ; Pas
d’accord ; D’accord ; Tout à fait d’accord). Il a été construit sur la base du modèle théorique
des buts d’accomplissement 2x2 de Elliot et de l’instrument Achievement Goal Questionnaire
(AGQ ; Elliot & McGregor, 2001 ; Elliot & Thrash, 2001). Pour chacun des quatre types de
buts (maîtrise-approche, maîtrise-évitement, performance-approche et performance-
évitement), cinq items ont été formulés. Les tableaux 6.2 à 6.5 rapportent les items (codes et
libellés).
Tableau 6.2.
Codes et libellés des items évaluant les buts de maîtrise-approche
Code Libellé de l’item
BUTSMA1 Je veux apprendre autant que possible pendant les cours de maths
BUTSMA2 C’est important pour moi de bien comprendre le cours de maths
BUTSMA3 Je souhaite maîtriser ce qui est enseigné en maths
BUTSMA4 J’apprécie les exercices de math qui me permettent d’apprendre, même si je
fais beaucoup de fautes
BUTSMA5 J’aime apprendre de nouvelles choses en maths
Tableau 6.3.
Codes et libellés des items évaluant les buts de maîtrise-évitement
BUTSME1 Je m’inquiète de ne pas apprendre autant que j’en suis capable en maths
BUTSME2 Parfois je m’inquiète de ne pas avoir compris tout le contenu du cours
BUTSME3 Je me soucie souvent de ne pas apprendre tout ce que le prof souhaiterait que
j’apprenne en maths
BUTSME4 J’ai peur que mes résultats baissent en maths
BUTSME5 Je veux éviter d’être largué (ne rien comprendre) en maths
Tableau 6.4.
Codes et libellés des items évaluant les buts de performance-approche
BUTSPA1 Je suis fier si je réussis mieux que les autres élèves en maths
BUTSPA2 Mon but en math est d’obtenir une meilleure moyenne que la plupart de mes
camarades
BUTSPA3 J’aimerais montrer à mon enseignant que je suis meilleur que mes camarades
BUTSPA4 Je cherche à obtenir les meilleurs résultats de la classe
BUTSPA5 J’aimerais être le seul à savoir répondre aux questions de l’enseignant
Tableau 6.5.
Codes et libellés des items évaluant les buts de performance-évitement
BUTSPE1 Mon but est d’éviter d’être parmi les plus nuls
BUTSPE2 Je veux éviter que mon prof pense que je suis moins bon que les autres
BUTSPE3 Ma peur de faire un mauvais résultat est souvent ce qui me motive à travailler
BUTSPE4 Je redoute que mes collègues pensent que je suis moins bon qu’eux
BUTSPE5 Je crains d’être inférieur aux autres en maths
Pintrich, Conley et Kempler (2003) relèvent que certaines mesures (auto-rapportées)

demandent à l’élève comment il définit la compétence (suivant ainsi la conception de
Nicholls, 1984a, b ; par exemple « je me sens compétent lorsque je réussis mieux que mes
camarades ») alors que d’autres, la majorité, interrogent les raisons de son engagement.
Certaines échelles mélangent même les deux approches. Nos échelles évaluent l’orientation
vers chacun des buts. Les items ne sont pas tous formulés sous la forme de buts ou de raisons
pour s’engager (par exemple l’item BUTSPE4 « Je redoute que mes collègues pensent que je
suis moins bon qu’eux »). Certains sont formulés sous forme de réactions affectives ou de
souhaits liés aux buts. La définition de la compétence n’est pas intégrée aux items que nous
proposons.
6.4.2. Questionnaire sur le concept de soi en mathématiques
Cet instrument (tableau 6.6) est la traduction de l’échelle relative aux mathématiques du Self
Description Questionnaire II [SDQ-II] de Marsh (1992b). Il a été traduit en français et validé
au niveau factoriel par Guérin, Marsh et Famose (2003) avec des lycéens français. Le score de
l’échelle relative aux maths a montré une consistance interne de α = .95. En outre, Pietsch et
al. (2003) ont démontré que deux facteurs pouvaient être distingués dans l’échelle du SDQ-II
relative aux mathématiques : un facteur qu’ils ont nommé affective self-concept (nous le
nommerons « intérêt individuel ») et un facteur qu’ils ont nommé cognitive self-concept (nous
le nommerons « compétence perçue »).
Un item qui demande à l’élève de comparer son niveau à celui des autres a été ajouté, car
l’évaluation de son niveau par la comparaison ne figure pas explicitement dans cette échelle.
Cette échelle est donc constituée de 11 items de type Likert à 6 points (Faux ; Globalement
faux ; Plus faux que vrai ; Plus vrai que faux ; Globalement vrai ; Vrai).
Tableau 6.6.
Codes et libellés des items du questionnaire d’auto-description évaluant le concept de soi
SDQM1 Les maths sont une de mes meilleures matières
SDQM2 J’ai souvent besoin d’aide en mathématiques (R)67
SDQM3 J’attends le cours de mathématiques avec impatience
SDQM4 J’ai du mal à comprendre tout ce qui contient des mathématiques (R)
SDQM5 J’aime étudier les mathématiques
SDQM6 J’ai de mauvaises notes aux contrôles de maths (R)
SDQM7 J’ai de bonnes notes en mathématiques
SDQM8 Je ne veux plus jamais suivre un autre cours de maths (R)
SDQM9 Je me suis toujours bien débrouillé en mathématiques
SDQM10 Je déteste les mathématiques (R)
SDQM11 Je suis meilleur que mes camarades en maths (item ajouté)
6.4.3. Problème de mathématiques « La citerne »
Ce problème est adapté d’un test diagnostic des difficultés en résolution de problèmes de
maths, le Test delle abilità di soluzione dei problemi matematici (test des compétences en
résolution de problèmes mathématiques) de Lucangeli et al. (1998). La consigne a été
légèrement modifiée et de nombreux items ont été ajoutés afin de mesurer plus de variables
que dans le test original. Au contraire du MEQ d’Efklides (2002b), nous avons choisi de
mesurer un nombre plus restreint d’expériences métacognitives mais avec plusieurs items afin
de créer des variables latentes et d’améliorer leur fidélité. Concernant le choix de la tâche,
nous avons sélectionné un problème de type mathématiques scolaires afin qu’il puisse
convenir à tous les élèves de notre échantillon. Un problème spécifique au domaine
professionnel ou à la profession aurait certainement mieux correspondu au type de problème
présenté dans les cours de calcul professionnel. Toutefois, nous aurions ainsi dû choisir des
problèmes différents pour chacun des domaines ou même pour chacune des professions, ce
qui aurait posé des difficultés de comparabilité. La diversité des professions représentées dans
67
Le (R) signifie que le score pour l’item concerné est inversé lorsqu’il s’agit de calculer le score d’échelle.
l’échantillon nous a par conséquent incités à choisir un problème mathématique de type

scolaire. Soulignons que ceci concerne également les choix du second problème de
mathématiques décrit plus bas.
La donnée du problème est la suivante :

Dans une citerne d’une capacité de 15 HL (1 HL = 100 L), qui contient déjà 7 HL d’eau, ont
été versés encore 270 L. Combien de litres peut-on encore verser pour remplir la citerne ?
La résolution de ce problème nécessite la conversion d’hectolitres (HL) en litres (L),

l’utilisation d’opérations arithmétiques de base ainsi que la planification correcte des étapes.
Il correspond approximativement à un niveau 7ème degré.
Cet instrument est composé de deux parties (le problème tel qu’il a été administré aux
apprenants est présenté à l’annexe 1) : une première partie demande à l’élève d’évaluer, suite
à la lecture du problème, mais avant la résolution (la donnée du problème figure au haut de
chaque page) :
• Son sentiment d’efficacité personnelle,

• Son sentiment de difficulté,
• Son sentiment d’aimer la tâche (feeling of liking selon Efklides),
• Son sentiment de familiarité avec l’exercice.
Nous avons choisi de mesurer un grand nombre de variables en relation avec une tâche
spécifique pour la raison suivante. Les tâches mêlant items « mathématiques » et items
métacognitifs ont l’avantage de donner du sens aux items métacognitifs, qui deviennent plus
clairs aux yeux de l’élève et offrent une estimation des processus métacognitifs en situation
concrète (Lucangeli, Cornoldi & Tellarini, 1998). Des items relatifs à la métacognition au
niveau des maths en général ne permettraient pas un ancrage précis, c’est-à-dire que l’on ne
fournirait pas une situation précise à l’élève comme point de référence pour répondre aux
items. Ces items sont toutefois utiles pour évaluer les habitudes des élèves notamment en
termes de stratégies métacognitives.
Trois items de type Likert à quatre points (Oui, tout à fait ; Plutôt oui ; Plutôt non ; Non, pas
du tout) sont proposés à l’élève pour mesurer chaque variable (12 items au total). Relevons
que les construits de sentiment d’efficacité personnelle et de sentiment d’aimer la tâche
peuvent être interprétés respectivement comme des composantes « attentes de succès » et
« valeur » (expectancy-value) mais qu’elles sont considérées ici comme des expériences
métacognitives, notamment parce qu’elles sont mesurées on-line et au niveau d’une tâche
précise. Les items évaluant les quatre sentiments précités figurent ci-dessous (tableau 6.7 à
6.10).
Tableau 6.7.
Codes et libellés des items évaluant le sentiment d’efficacité personnelle
SEF1 D’habitude je réussis bien ce genre d’exercice
SEF2 Je me sens capable de le résoudre correctement
SEF3 Je vais rater cet exercice
Tableau 6.8.
Codes et libellés des items évaluant le sentiment de difficulté
DIF1 Cet exercice est plus difficile que ce que nous faisons d’habitude
DIF2 Je trouve l’exercice difficile
DIF3 La consigne est facile à comprendre (R)
Tableau 6.9.
Codes et libellés des items évaluant le sentiment de familiarité
FAM1 Nous avons déjà fait ce genre d’exercice en classe
FAM2 Ce type d’exercice m’est familier
FAM3 Je fais rarement ce genre d’exercices (R)
Tableau 6.10.
Codes et libellés des items évaluant le sentiment de d’aimer la tâche
VAL1 J’aime résoudre ce type de problèmes
VAL2 L’exercice m’intéresse
VAL3 Pour ma formation, il est important de savoir résoudre ce type d’exercices
Suite à cela, l’élève répond à quatre items qui évaluent :

• La compréhension de la consigne (choix multiples)
« Choisissez la phrase qui correspond le mieux au problème. »

Une citerne contient 15 HL d’eau et on a ajouté 7 L et puis encore 270 HL.
Une citerne peut contenir 15 HL d’eau, on y a versé 270 L.
Une citerne contient 7 HL d’eau, on a versé encore 270 L et en tout elle peut contenir 15
HL.
Pour remplir une citerne qui contient déjà 7 HL, il est nécessaire de verser encore
plusieurs HL d’eau.
L’élève doit choisir parmi quatre alternatives de paraphrase du problème celle qui correspond
le mieux au problème. Une réponse correcte révèle que l’élève est capable de considérer tous
les éléments du problème. Un point est accordé si l’élève a sélectionné la bonne proposition ;
dans le cas contraire le score est de zéro point.
• La capacité de se représenter le problème de façon schématique (choix multiples, figure

6.3)
Cochez, parmi les schémas suivants, celui qui représente le mieux le problème.
15 HL
7 HL
7 HL
15 HL
270 L 15 HL
7 HL
7 HL
270 L
Figure 6.3. Item évaluant la capacité de représentation pour le problème « la citerne »
L’élève doit choisir parmi quatre schémas celui qui représente le mieux le problème. Une
réponse correcte révèle que l’élève est capable de se représenter le problème de manière
figurative et abstraite. Un point est accordé si l’élève a sélectionné la bonne proposition ; dans
le cas contraire le score est de zéro point.
• La capacité de planifier les étapes de résolution (propositions à ordonner)

« Trouvez parmi les 5 étapes proposées ci-dessous les 3 étapes nécessaires pour résoudre le
problème et mettez les ensuite dans le bon ordre (notez les lettres à côté des étapes
numérotées). »
A. Transformer la réponse en hectolitres.

B. Trouver combien de litres ont déjà été versés en tout.
C. Transformer les hectolitres en décilitres.
D. Transformer les hectolitres en litres.
E. Trouver combien de litres peut encore contenir la citerne.
Etape 1 : ………
Etape 2 : ………
Etape 3 : ………
L’élève doit sélectionner, parmi cinq étapes proposées, les trois qui sont nécessaires pour
résoudre le problème et les mettre dans le bon ordre. Une réponse correcte révèle que l’élève
est capable de planifier les étapes de résolution afin d’arriver au résultat. Un point est accordé
pour chaque étape correcte.
Les trois items décrits ci-dessus représentent les compétences cognitives spécifiques au
problème (Lucangeli et al., 1998). Le quatrième item évalue :
• La confiance que l’élève a en son plan (proposé à l’item précédent)
CONPL Indiquez si vous pensez que l’ordre des étapes que vous donnez ( = votre plan) est
juste
La réponse est donnée sur une échelle de Likert à quatre points : Je suis sûr que mon plan est
juste, Je pense que mon plan est juste, Je pense que mon plan est faux, Je suis sûr que mon
plan est faux.
L’élève est ensuite invité à résoudre le problème par écrit en inscrivant clairement tous ses
calculs et la réponse sur un espace prévu à cet effet. La performance au problème est codée
sur la base de ce qu’écrit l’élève dans cet espace (voir le codage à l’annexe 5). Six niveaux
sont distingués en fonction du nombre d’étapes réalisées correctement par l’élève ainsi que de
l’exactitude de ses calculs. Soulignons que le score de performance est distinct du score
représentant ce que nous appelons « compétences cognitives spécifiques au problème ».
La seconde partie de l’instrument est distribuée suite à la résolution du problème et une fois
que les protocoles de la première partie ont été restitués. Est évaluée, avec des items de type
Likert à quatre points (Oui, tout à fait ; Plutôt oui ; Plutôt non ; Non, pas du tout), la
perception que l’élève a des variables suivantes :
• la confiance dans les calculs effectués et la réponse finale (2 items)
Tableau 6.11.
Codes et libellés des items évaluant le sentiment de confiance
CONCA Indiquez si vous pensez que les calculs que vous avez faits sont justes
CONRE Indiquez si vous pensez que votre réponse est juste
• le contrôle continu et final effectué lors de la résolution (3 items)
Tableau 6.12.
Codes et libellés des items évaluant le contrôle continu et final
CTRL1 Pendant la résolution j’ai vérifié au fur et à mesure que mes calculs étaient exacts
CTRL2 J’ai vérifié au fur et à mesure que je faisais bien ce qui était demandé
CTRL3 J’ai vérifié ma réponse finale
• la satisfaction par rapport à la résolution (1 item)
SAT Je suis satisfait de ma résolution
• la persévérance (1 item)
PER J’ai travaillé jusqu’à ce que je trouve la réponse
• les efforts effectués (1 item)
EEE J’ai fait beaucoup d’efforts pour résoudre ce problème

6.4.4. Problème de mathématiques « Le réservoir d’essence »
Cet instrument est construit exactement de la même façon que le problème « la citerne ». Les
items relatifs à ce problème sont donc exactement les mêmes, à l’exception des items évaluant
les compétences cognitives spécifiques au problème. La différence entre les deux problèmes
réside dans le niveau de complexité et de difficulté : ce problème est inspiré d’un problème
proposé dans le programme genevois pour le niveau 8ème degré (section de niveau élevé), il
nécessite (en comparaison du problème « la citerne ») plus d’étapes et des calculs plus
complexes afin d’être résolu (le problème tel qu’il a été administré aux apprenants est
présenté à l’annexe 2).
La donnée du problème était la suivante :

Avant de se mettre en route, un automobiliste constate que son réservoir d’essence est rempli
aux 75%. A son retour, la jauge indique que le réservoir est rempli aux 25%. Sachant que la
voiture consomme 12 litres d’essence aux 100 km et que le compteur kilométrique marquait
12 476 km au départ et 12 726 km au retour, trouvez la capacité totale du réservoir.
Les items évaluant les compétences cognitives spécifiques au problème sont les suivants :
• La compréhension de la consigne (choix multiples)
Choisissez la phrase qui correspond le mieux au problème.

Une voiture qui consomme 12 litres d’essence pour 100 km parcourt une certaine
distance et son réservoir est au trois-quarts vide à l’arrivée.
Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt une certaine
distance et son réservoir se vide.
Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt 12 726 km et son
réservoir est au trois-quarts vide à l’arrivée.
Une voiture qui consomme 100 litres d’essence pour faire 12 476 km revient avec un
réservoir au trois-quarts vide.
• La capacité de se représenter le problème de façon schématique (choix multiples, figure

6.4)
Départ 12476km Æ Arrivée 12726 km

Consommation=12L/100km
%?
75%
25%
Distance=100 km Consommation=12L/100km
75% L?
25%

75% L?
25%

Consommation=12km/100L
%?
75L
25L
Figure 6.4. Item évaluant la capacité de représentation pour le problème « le réservoir

d’essence »
• La capacité de planifier les étapes de résolution (propositions à ordonner)
Trouvez parmi les 6 étapes proposées ci-dessous les 4 étapes nécessaires pour résoudre le
numérotées).
A. Trouver le nombre de litres utilisés pour parcourir 12476 km.

B. Trouver le nombre de litres que peut contenir le réservoir.
C. Trouver le nombre de litres utilisés.
D. Trouver le nombre de mètres parcourus.
E. Trouver la proportion du réservoir utilisée.
F. Trouver le nombre de km parcourus.
Etape 1 : ………
Etape 2 : ………
Etape 3 : ………
Etape 4 : ………
6.4.5. Test d’aptitude non verbale de Naglieri (NNAT ; Naglieri, 1998)
Ce test mesure le raisonnement non verbal avec des items de raisonnement inductif. Il est
constitué de 38 items à choix multiples à résoudre en trente minutes. Dans la forme G (prévue
pour les élèves de niveaux scolaires français seconde, première et terminale), ces items sont
de trois types : raisonnement analogique, raisonnement en série et représentation spatiale.
Ainsi les résultats peuvent être représentés comme trois sous-scores ou un score global. Nous
utiliserons la formule du score global car nous souhaitons un indice d’intelligence non-verbale
et ne sommes pas intéressés aux différents types de raisonnement. Le NNAT donne un indice
que nous interpréterons comme un QI non verbal, basé sur des normes françaises. Les items
ont été sélectionnés afin de ne pas être biaisés par le sexe ou l’appartenance culturelle. Par
rapport à la validité, les résultats d’environ 3000 élèves vivant aux Etats Unis d’Amérique au
NNAT ont été corrélés avec leurs résultats au Matrix Analogies Test (Naglieri, 1985) forme
abrégée, qui est son prédécesseur. Des corrélations entre r = .63 et r = .78 ont été observées,
démontrant une certaine validité convergente.
Concernant la version française, l’étalonnage de la forme G du NNAT, 501 élèves âgés de 14
à 21 ans a servi à constituer les normes. Ces élèves fréquentaient des filières générales ou
technologiques du lycée, mais pas des apprentissages. La fidélité test-retest du score à cette
même forme a été évaluée dans un intervalle de trois à cinq semaines avec 53 élèves de
première année (16-17 ans) et a donné une corrélation de r = .47 entre les deux passations, ce
qui est sensiblement plus faible que pour les autres versions. La consistance interne du score
varie de α = .76 à .81 en fonction du degré scolaire. La validité concourante a été évaluée par
comparaison aux scores obtenus par 125 élèves à un test non verbal d’évaluation des aptitudes
générales (General Aptitude Test) mesurant la classification, les analogies, séries et pattern.
La corrélation est de r = .33, ce qui est justifié selon Naglieri (1998) par le fait que la forme G
du NNAT est composée de 24 items de visualisation spatiale nécessitant notamment des
rotations mentales. Ainsi un facteur spatial serait responsable de la faible corrélation. La
validité critérielle du NNAT forme G n’a pas été évaluée. Concernant la validité de construit,
les pourcentages de réussite moyens aux items par degré scolaire (seconde, première et
terminale) croissent avec la progression dans le cursus scolaire. Ceci signifie que sur la forme
G, les élèves de terminale obtiennent un pourcentage de réussite (71%) supérieur à celui des
élèves de première (67%) et seconde (67%).
Nous avons inclus ce test afin de contrôler l’influence du niveau d’intelligence sur les
relations entre les croyances motivationnelles et les concepts de type cognitif-métacognitifs. Il
contribue également à la description des participants. Dans la suite du texte, il sera fait
référence au score à ce test par les termes « QI non verbal » ou « intelligence non verbale ».
6.4.6. Plan de l’administration des instruments
Les instruments ont été administrés par deux chercheurs (l’auteur et une étudiante en fin de
cursus de licence) selon le plan suivant, en alternant l’ordre des deux problèmes de
mathématiques :
Tableau 6.13.
Répartition de l’administration des instruments sur les deux périodes
Période 1 (35 minutes) Période 2 (55 minutes)
Introduction et explications sur la recherche Problème « Le réservoir d’essence »
10 minutes 20 minutes
Questionnaire sur les buts d’accomplis-
Test NNAT forme G
sement et le concept de soi (31 items)
35 minutes
15 minutes
Problème « La Citerne »
20 minutes
6.5. Les biais et limites liés à l’utilisation des questionnaires auto-

rapportés
Il est largement reconnu que les données récoltées par des questionnaires auto-rapportés sont
sujet à différents biais (Schwarz, 1999). Quatre biais relatifs à notre méthode de récolte
d’informations privilégiée sont abordés ci-dessous : les trois premiers (désirabilité sociale,
tendance à l’acquiescence et tendance de satisfaction) concernent des tendances de réponse
alors que le dernier concerne les limites cognitives du répondant. Paulhus (2002) définit le
biais de réponse comme « any systematic tendency to answer questionnaire items on some
basis that interferes with accurate self-reports » (p. 49). Deux types de biais de réponses sont
distingués : response styles (« biases that are consistent across time and questionnaires », p.
49) et response sets (« short-lived response biases attributable to some temporary distraction
or motivation », p. 49).
6.5.1. La désirabilité sociale
Le biais de désirabilité sociale est défini comme un style ou biais de réponse qui reflète des
tendances à fournir des réponses favorables par rapport aux normes et aux pratiques
(Nederhof, 1985). Ainsi, les attitudes qui sont socialement admirées seront sur-rapportées
alors que les attitudes socialement désapprouvées seront sous-rapportées. Deux types de
désirabilité sociale sont distingués par Paulhus (1984) : premièrement impression
management qui est la tendance à répondre de façon à créer une image, considérée positive,
d’une personne socialement conventionnelle ; deuxièmement, self-deceptive enhancement qui
est la tendance à donner des réponses reflétant une image de soi surévaluée. Les effets de ce
biais sont difficiles à évaluer précisément, mais nous pouvons en tenir compte dans
l’interprétation des résultats68. Dans le cadre de notre recherche, la désirabilité sociale pourrait
avoir un effet notamment sur les buts de maîtrise-approche et sur le contrôle métacognitif car
tous deux sont valorisés socialement et les élèves souhaitent en général présenter une image
d’eux-mêmes positive. Dans le cadre des questionnaires auto-rapportés évaluant des
composantes de la métacognition, Tobias et Everson (2000) soulignent que ce type
68
Par exemple pour les moyennes des buts de maîtrise-approche, qui sont des buts reconnus comme socialement
désirables par les élèves (Dweck, 1999).
d’instrument permet facilement à l’élève de minimiser ou de nier les réponses indiquant ce

qu’il ne souhaite pas ou la façon dont il ne souhaite pas se voir.
6.5.2. La tendance à l’acquiescence
Le biais d’acquiescence est la tendance à accepter toutes les affirmations faites dans les
questions indépendamment de leur contenu (Krosnick, 1999). Ce biais a été discuté en détails
par Krosnick dont nous résumons ci-après les idées principales.
Selon les psychologues, ce biais serait dû à une prédisposition de certaines personnes à se

montrer agréables dans tous les domaines d’interactions sociales. Ces personnes sont
présumées enclines au biais d’acquiescence dans leurs réponses à tous les questionnaires. Les
sociologues expliquent ce phénomène de manière différente. Selon eux, lorsque le chercheur
est perçu comme étant d’un statut social plus élevé que le répondant, ce dernier lui montre son
respect et sa courtoisie, ce qui a pour conséquence une tendance à l’acquiescence. En outre, la
tendance de satisfaction peut aussi expliquer ce biais : lorsque l’on présente une affirmation et
que l’on demande au répondant de déterminer leur accord, les répondants font l’effort de
rechercher dans leur mémoire les raisons pour l’accord ou le désaccord. A cause du bais
confirmatoire dans le test d’hypothèse, la plupart des gens commencent typiquement par
chercher les raisons pour être d’accord plutôt que pour ne pas l’être. Si les capacités
cognitives ou la motivation d’un répondant sont relativement faibles, il peut se fatiguer avant
d’avoir fini de générer les raisons pour ne pas être d’accord avec l’affirmation. Ainsi, le
répondant sera enclin à être d’accord. En outre, les conventions sociales de politesse sont
fortement influentes et être d’accord avec les autres est évidemment plus poli que de ne pas
l’être. De ce fait, dans les conditions favorisant le mode satisfaire, l’acquiescence peut se
manifester sans aucune évaluation de l’affirmation. Les répondants peuvent simplement
choisir d’être d’accord car cela semble l’action demandée et polie qui est attendue.
Finalement, plus deux items sont présentés de manière proches dans le questionnaire, plus il
est probable que les participants y répondront avec le même degré d’acquiescence.
Les individus qui ont le plus tendance à adopter un biais d’acquiescence sont : ceux qui ont
des compétences cognitives plus limitées, ceux qui « n’aiment pas réfléchir » et ceux qui sont
fatigués.
6.5.3. La tendance de satisfaction
Krosnick (1999) propose une distinction entre optimisation (optimizing) et satisfaction

(satisficing) afin d’expliquer les processus cognitifs par lesquels les répondants génèrent des
réponses aux items. Il s’agit en quelque sorte de deux modes de réponses qu’un participant
peut adopter.
Le mode d’optimisation
Les participants qui répondent aux questions de manière optimale suivent théoriquement une
série de processus cognitifs qui vont de la lecture de la question à la sélection d’une réponse.
Les processus cognitifs impliqués, c’est-à-dire les étapes de traitement de l’information,
lorsque les participants répondent à des items auto-rapportés (type échelle de Likert) de
manière optimale, sont les suivants (Krosnick, 1999 ; Karabenick, Wooley, Friedel, Ammon,
Blazevski, Rhee Bonney et al., 2007 ; Tourangeau, Rips, & Rasinski, 2000) :
1) Le participant lit et interprète la signification des mots de l’item ;

2) Il interprète ce que demande l’item et stocke cette interprétation en mémoire de travail ;
3) Il cherche dans sa mémoire des pensées, expériences, sentiments, attitudes, etc. pertinents
par rapport au contenu et au contexte auquel l’item fait référence ;
4) Il lit et interprète les options de réponse liées à l’item ;
5) Il pense simultanément à l’item, à ses souvenirs pertinents et aux options de réponse en
cherchant la réponse qui reflèterait le plus précisément son expérience ;
6) Il sélectionne l’option de réponse qui est la plus congruente avec l’information rappelée de
la mémoire.
Etant donné que, même pour une question unique, une grande quantité de travail cognitif est
nécessaire pour générer une réponse optimale, les efforts cumulés nécessaires pour une longue
série de questions sur différents sujets sont très conséquents. Il ne semble donc pas réaliste
que tous les répondants agissent selon le mode optimisation ou qu’ils le fassent tout au long
d’un questionnaire. En effet, de nombreux répondants sont d’accord de répondre à un
questionnaire soit par complaisance soit parce qu’ils y sont obligés. Ainsi, ils sont d’accord de
donner des réponses mais avec aucune motivation intrinsèque pour que celles-ci soient de
bonne qualité. Ces personnes peuvent par conséquent potentiellement adopter un mode de
réponse de type satisfaction plutôt que optimisation.
Le mode de satisfaction
Lorsque le répondant adopte ce type de stratégie de réponse, il choisi de fournir moins

d’énergie que s’il faisait les efforts nécessaires pour générer des réponses optimales. Ceci
implique un moindre effort qui peut se manifester dans certaines ou dans chacune des étapes
de traitement de l’information décrites ci-dessus. Par exemple, la compréhension peut être
moins profonde car le répondant se soucie moins de la signification des questions ; le rappel
peut être moins élaboré car le répondant cherche dans sa mémoire de manière moins
exhaustive ; les jugements peuvent être moins précis car le répondant intègre les informations
rappelées de manière moins soignée et finalement, le choix de réponse peut être moins exact
car le répondant choisit de manière moins précise sa réponse. Ainsi, si les étapes pour
répondre sont effectuées, elles le sont de manière moins élaborées. Au lieu de générer les
réponses les plus exactes, les répondants choisissent les plus satisfaisantes selon cette
stratégie de réponse.
Les facteurs qui favorisent l’adoption de la stratégie de satisfaction sont les suivants
(Krosnick, 1999) :
Le premier facteur est le niveau de difficulté de la tâche, qui est fonction de la difficulté
d’interpréter la signification d’une question et des choix de réponses, de rappeler et manipuler
les informations en mémoire, etc. Plus un item sera difficile et plus le répondant aura
tendance à répondre selon le mode de satisfaction. Les compétences du répondant (par
exemple en lecture ou les compétences cognitives générales) sont le second facteur. Les
répondants qui aiment réaliser des opérations mentales complexes, qui ont l’habitude de
réfléchir sur le sujet des questions et qui sont équipés avec des jugements pré-formulés sur les
questions auront plus tendance à adopter une stratégie d’optimisation que de satisfaction. Les
limites cognitives des répondants sont décrites au paragraphe suivant. Le troisième facteur est
la motivation du répondant à adopter un mode d’optimisation de ses réponses. Celle-ci dépend
notamment du trait de personnalité nommé need for cognition, de l’importance personnelle du
sujet pour le répondant, des croyances sur l’utilité du questionnaire et sur ses conséquences,
du comportement du chercheur ou encore de la fatigue.
6.5.4. Les limites liées à l’évaluation de la métacognition par des questionnaires auto-
rapportés
Comme nous l’avons vu plus haut, les réponses à certains items des questionnaires auto-
rapportés peuvent s’avérer difficiles à cause de la complexité des processus cognitifs à
engager pour donner les réponses. En effet, certains items, notamment ceux qui portent sur
des aspects métacognitifs ou sur les stratégies d’apprentissage demandent une introspection
qui n’est pas aisée pour tous les élèves, en particulier si ces items portent sur des habitudes au
niveau des études en général. Dans ce cas, l’élève doit réaliser des généralisations en
combinant ses habitudes dans différentes matières en un jugement unique. Toutefois, dans
leur revue de littérature sur la mesure de la métacognition, Baker et Cerro (2000) concluent
que « given the lack of evidence of a general metacognitive ability, it is clear that assessment
instruments must be tailored to the domain or domains of interest, whether for use in research
or practice » (p. 130). Si les questions concernent les habitudes d’études ou les stratégies au
niveau d’une matière, cela est plus aisé mais il est fait appel à la mémoire à long terme de
l’élève qui doit ainsi réaliser des généralisations puisqu’il n’est pas fait référence à une tâche
particulière. Ceci provoque des biais de réponse et rend les informations auto-rapportées
partiellement incorrectes ou imprécises. Pour résoudre ces problèmes, les items peuvent
porter sur un exercice récemment réalisé par l’élève. Néanmoins, il persiste un problème de
manque de conscience de ses propres stratégies (Pintrich et al., 2000 ; Tobias & Everson,
2000 ; Winne & Jamieson-Noel, 2002) et de manque de capacité à verbaliser ses stratégies,
c’est-à-dire à mettre des mots sur la façon dont l’élève étudie. Même dans des échelles à choix
multiples, de larges différences interindividuelles existeraient dans les compétences des
élèves à rapporter correctement leurs stratégies ou métacognitions (Tobias & Everson, 2000).
En outre, les questionnaires évaluant la métacognition avec des items auto-rapportés
proposent des échelles multiples et théoriquement distinctes mais il s’avère que les théories
prédisent plus de composantes ou de facteurs que ce que les données empiriques ne
soutiennent (Mongeau, Lafortune, Pallascio et Allaire, 1998 ; Pintrich et al., 2000 ; Schraw &
Dennison, 1994). Dans le cas du MSLQ, les items évaluant les stratégies métacognitives de
planification, monitoring et contrôle ne sont pas distingués dans les résultats des analyses
factorielles (Pintrich et al., 1993). Les études ayant traité de la validité factorielle du MAI
(Schraw & Dennison, 1994 ; Sperling, Howard, Miller, & Murphy, 2002) ont également
démontré que les items sur les stratégies métacognitives ne formaient qu’un unique facteur.
De plus les items concernant les différents types de métaconnaissances étaient également
saturés par un facteur unique. Dans l’instrument auto-rapporté de mesure de l’autorégulation
métacognitive de Mongeau et al. (1998), les trois dimensions théoriquement postulées, c’est-
à-dire l’attention métacognitive, le guidage métacognitif et la régulation métacognitive ne se
distinguent pas empiriquement puisque les corrélations entre les dimensions sont très élevées.
Les auteurs en concluent que l’instrument peut être utilisé afin de donner un indice unique
mais qu’il ne peut pas servir à évaluer séparément chaque dimension. En outre, Mongeau et al
relèvent qu’ « il est possible que le manque de distinction entre les diverses sous-composantes
de l’autorégulation ne reflète que le manque de précision des perceptions que les sujets ont de
leurs comportements d’autorégulation » (p. 256). Dans un questionnaire (Berger, Büchel,
Kipfer, & Praplan, 2006) évaluant les stratégies d’apprentissage et le fonctionnement exécutif
chez des apprentis en formation professionnelle initiale de deux ans, nous avons même
observé que ces deux construits étaient saturés par un même facteur que nous avons nommé
« comportement stratégique » (Praplan, 2007). Ainsi, des activités distinguées par les théories
psychologiques de l’apprentissage ne seraient pas distinguables par l’apprenant malgré ses
introspections.
Les instruments tels que le MSLQ représenteraient les interprétations de l’étudiant sur sa
façon d’étudier et ne rapporteraient pas de façon exacte ce qu’ils font véritablement quant ils
étudient. En effet, dans les instruments auto-rapportés, nous obtenons par définition
uniquement ce que l’élève dit qu’il fait, mais nous ne savons pas de manière fiable s’il se
conduit véritablement comme il le rapporte (Veenman, 2005 ; Winne & Perry, 2000).
6.6. Les méthodes d’analyses des données
Nous présentons ci-dessous brièvement les méthodes d’analyses que nous utilisons avec leurs
objectifs, possibilités et limites.
6.6.1. Les modèles d’équations structurelles
Kaplan (2000) définit les modèles d’équation structurelles de la façon suivante :
Structural equation modeling can perhaps best be defined as a class of methodologies

that seeks to represent hypotheses about means, variances, and covariances of observed
data in terms of a smaller number of “structural” parameters defined by a hypothesized
underlying model. (p. 1)
Les modèles d’équations structurales (structural equation modeling ; SEM) permettent d’une
part d’analyser la structure factorielle d’un instrument (modèle de mesure, nommé analyse
factorielle confirmatoire) et d’autre part de représenter les relations entre facteurs ou variables
en modélisant les influences des uns sur les autres (modèle de structure). Ils sont dans ce
dernier cas analogues à des séries de régressions multiples.
Depuis les années 80, les SEM sont considérés comme l’une des plus importantes et plus
influentes révolutions statistiques qui aient eu lieu dans les sciences sociales (Bentler, 1980 ;
Cliff, 1983).
6.6.1.1. Les analyses factorielles confirmatoires
Les analyses factorielles confirmatoires (confirmatory factor analyses ; CFA) ont pour
objectif de tester l’adéquation de la structure factorielle postulée par le chercheur. Elles
servent ainsi à évaluer la validité dite de construit et la validité discriminante des facteurs.
Grâce à ces analyses, le chercheur peut comparer l’adéquation de plusieurs solutions
factorielles en variant en particulier le nombre de facteurs. Les saturations des items par les
facteurs qu’ils sont censés mesurer sont estimées et les autres saturations sont fixées à 0. Les
inter-corrélations entre facteurs sont également estimées afin de déterminer la validité
discriminante.
6.6.1.2. Les analyses en pistes causales et les modèles de structure
Parmi les modèles d’équations structurelles, on distingue les modèles avec variables latentes
de ceux qui ne contiennent que des variables manifestes69. Les modèles en pistes causales
permettent l’estimation de relations supposées causales entre variables manifestes. Ces
dernières peuvent avoir été définies sur la base d’une CFA. Généralement, l’analyse avec des
variables manifestes est possible avec un échantillon plus restreint que celui nécessaire avec
des variables latentes. Le désavantage est que l’erreur de mesure n’est pas considérée, comme
c’est le cas avec des variables latentes.
Les covariances constituent les données de base de l’analyse et la qualité d’un modèle est
évaluée par la mesure dans laquelle il explique les covariances observées. Les liens de causes
sont postulés sur la base de positions théoriques ou afin d’évaluer des hypothèses spécifiques.
Deux types d’associations peuvent être postulées : des pistes causales (unidirectionnelles) ou
des covariances (bidirectionnelles, c’est-à-dire sans postuler qu’une variables soit la cause de
l’autre). Si aucun lien n’est postulé, le paramètre est fixé à 0, ce qui implique que les variables
ne sont pas associées. Les modèles testés par le chercheur sont évalués relativement à leur
adéquation par rapport aux données. Pour ceci, un grand nombre d’indices d’ajustement ont
été développés et ils permettent de choisir entre des modèles alternatifs. Soulignons qu’un
modèle dont les indices d’adéquations sont bons n’implique pas que ce modèle soit correct,
c’est-à-dire qu’un bon modèle est simplement un modèle qu’on ne peut pas rejeter70.
Toutefois, Cohen, Cohen, West et Aiken (2003) affirment que « although no model can be
definitively confirmed, the status of a model as « not yet disconfirmed » is often a powerful
one in science » (p. 457).
L’utilisation de modèles à variables latentes offre plusieurs avantages sur les modèles à
variables manifestes (pistes causales) en ce qui concerne la validité et la fidélité. Ces derniers
traitent en effet les variables manifestes comme étant des représentations sans erreur des
construits et de ce fait, l’estimation des effets peut s’avérer biaisée (MacCallum & Austin,
69
Une variable latente est un construit hypothétique qui ne peut pas être mesuré directement (MacCallum &
Austin, 2000). L’utilisation de variables latentes permet de considérer une part d’erreur dans la mesure des
construits. Les variables manifestes sont celles que nous mesurons grâce à un ou plusieurs items qui forment un
score unique. L’analyse de régression multiple classique est basée sur des variables manifestes.
70
Selon Nachtigall et al. (2003) « The best we could expect from SEM is evidence against a poor model but
never a proof of a good model ». (p. 14)
2000). Plus un modèle est complexe, plus la taille d’échantillon doit être grande. Or, avec des
variables latentes, ces modèles sont rapidement complexes. De ce fait, il n’est pas toujours
possible d’inclure des variables latentes et le chercheur doit se contenter de variables
manifestes. Une correction de l’erreur de mesure existe toutefois pour les variables manifestes
(Bollen, 1989).
6.6.1.3. L’évaluation de l’adéquation des modèles
Les logiciels SPSS 16.0 et Mplus 5.0 (Muthén & Muthén, 1998-2007) nous ont permis
d’analyser les structures factorielles des instruments de manière respectivement exploratoire
et confirmatoire et d’établir un modèle en pistes causales. Pour juger de l’adéquation71
(adéquation bonne, acceptable ou inacceptable) des modèles d’analyses factorielles
confirmatoires et de pistes causales, nous avons utilisé plusieurs indices d’adéquation : le khi
carré (χ2)72, le comparative fit index (CFI)73, le Root mean square error of approximation
(RMSEA)74 et lorsque disponibles les indices Akaike Information Criterion (AIC)75 et
Bayesian Information Criterion (BIC). Pour l’interprétation des valeurs des indices, les
recommandations de Schermelleh-Engel, Moosbrugger et Müller (2003) ont été suivies (voir
71
L’adéquation d’un modèle correspond à sa capacité à reproduire les variances et covariances existantes dans
les données.
72
Le khi carré indique le degré de correspondance entre une structure factorielle ou un modèle causal proposé
(le modèle postulé) et les données effectivement récoltées. Pour que le modèle soit jugé adéquat, la p-valeur
associée au χ² doit être non significative, ce qui signifie qu'il n'y a pas de différence significative entre le modèle
postulé par le chercheur et les données. La valeur du χ2 diminue lorsque des paramètres sont ajoutés au modèle.
Ainsi, la valeur χ2 d’un modèle plus complexe (avec beaucoup de paramètres) tend à être plus petite que pour des
modèles plus simples à cause de la réduction des degrés de liberté. Une bonne adéquation du modèle selon le χ2
peut résulter soit d’un modèle correctement spécifié soit d’un modèle dans lequel un trop grand nombre de
paramétrés ont été spécifiés. Le χ² a en outre le désavantage d’être sensible à la taille de l’échantillon.
L’accroissement de la taille d’échantillon, à degrés de libertés égaux fait augmenter la valeur du χ2. De ce fait,
des modèles plausibles peuvent être rejetés sur la base d’un χ2 significatif bien que la distance entre les matrices
de covariances de l’échantillon et du modèle ne soit pas pertinente. De ce fait, on ne devrait pas accorder trop
d’importance à la significativité du χ2 (si l’échantillon est grand).
73
Le CFI compare le modèle postulé par le chercheur avec un modèle dit d’indépendance qui postule que les
variables du modèle ne sont pas corrélées. Ainsi, l’objectif est de démontrer que le modèle spécifié est largement
meilleur qu’un modèle d’indépendance et par conséquent que les liens postulés sont d’intérêt par rapport à la
matrice de covariance empirique. Le CFI a l’avantage d’être l’un des indices les moins influencés par la taille
d’échantillon.
74
Le RMSEA indique l’erreur dite d’approximation en évaluant dans quelle mesure le modèle du chercheur
s’ajuste raisonnablement bien dans la population. Pour cela, les résidus provenant de la différence entre la
matrice de variances-covariances reproduite par le modèle du chercheur et la matrice de variances-covariances
observée dans les données sont utilisés comme base pour évaluer cette erreur. Le RMSEA est relativement
indépendant de la taille de l’échantillon et favorise les modèles parcimonieux.
75
L’AIC évalue l’adéquation d’un modèle dans d’hypothétiques échantillons de réplication ayant la même taille
que l’échantillon du chercheur. Cet indice, tout comme le BIC est utilisé pour choisir parmi plusieurs modèles
non-hiérarchiques mais estimés avec les mêmes données. Un avantage de cet indice est qu’il favorise les
modèles les plus parcimonieux.
tableau 6.16). Nous qualifierons ainsi les modèles évalués selon les trois degrés d’adéquation
précités.
Tableau 6.14.
Recommandations pour l’évaluation de modèles : règles de pouce. Adapté de Schermelleh-
Engel et al. (2003)
Mesure d’adéquation Adéquation bonne Adéquation acceptable
χ2 0 ≤ χ2 ≤ 2 dl 2 dl ≤ χ2 ≤ 3 dl
p-valeur associée au χ2 .05 < p ≤ 1.00 .01 ≤ p ≤ .05
2 2
χ /dl 0 ≤ χ /dl ≤ 2 2 ≤ χ2/dl ≤ 3
RMSEA 0 ≤ RMSEA ≤ .05 .05 < RMSEA ≤ .08
p-valeur pour le test de close fit
.10 < p ≤ 1.00 .05 ≤ p ≤ .10
(RMSEA < .05)
Intervalle de confiance (IC) proche du RMSEA, limite
proche du RMSEA
pour le RMSEA gauche de IC = .00
CFI .97 ≤ CFI ≤ 1.00 .95 ≤ CFI ≤ .97c
AIC La plus petite valeur du AIC indique le modèle le plus adéquat
BIC La plus petite valeur du BIC indique le modèle le plus adéquat
6.6.1.4. Les limites des SEM
Malgré leur potentiel et leur popularité, les SEM sont sujets à divers critiques
méthodologiques, parmi lesquelles certaines portent, à un niveau général, sur les
conséquences néfastes de la complexité de la méthode. Cliff (1983) et Freedman (1987a)
affirment à ce propos que les SEM et leur complexité technique semblent encourager le
chercheur à suspendre ses facultés critiques habituelles. Les conditions nécessaires pour
l’application des SEM (par exemple la linéarité) ne sont souvent pas respectées (Nachtigall,
Kroehne, Funke, & Steyer, 2003). En outre, selon Freedman (1987a), ces méthodes
détournent l’attention des chercheurs des véritables questions en prétendant réaliser ce qui ne
peut pas l’être étant données les limites de nos connaissances sur les processus en question.
Nous discuterons brièvement ci-dessous trois limites qui sont pertinentes dans le cadre de
notre travail : l’inférence de relations causales, les ajustements post-hoc des modèles et la
linéarité des relations.
Premièrement, la causalité est un problème récurrent dans l’utilisation des SEM. En effet, les
chercheurs utilisant les méthodes SEM interpréteraient trop souvent leurs résultats d’étude
cross-sectional comme prouvant des liens causaux76. Toutefois, ces études ne remplissent pas
les conditions empiriques permettant d’inférer une causalité, à savoir qu’une variable X peut
être la cause d’une variable Y si les trois conditions suivantes sont remplies (Bullock, Harlow,
& Mulaik, 1994 ; Cohen, Cohen, West, & Aiken, 2003 ; Kenny, 1979) :
1. Il existe une relation entre X et Y, c’est-à-dire que les deux variables sont corrélées ;
2. Les variables ont un ordre temporel, c’est-à-dire que X précède Y temporellement ;
3. Leur relation n’est pas fallacieuse (spurious), c’est-à-dire que la relation entre X et Y
existe toujours bien que les influences d’autres variables sur cette relation soient éliminées.
On dit alors que l’effet a été isolé.
Plusieurs chercheurs ont critiqué l’utilisation des SEM en rapport avec la question de la
causalité (notamment Cliff, 1983 et Freedman, 1987). Freedman (1987) critique fortement la
tendance des chercheurs rapportant les résultats de leurs SEM a considérer qu’ils ont réalisé
une expérience (modèle qu’il nomme « structural », soit avec manipulation expérimentale)
alors qu’ils n’ont que des données dites d’observation (modèle « descriptif »). En effet, c’est
le design de la recherche et non pas la méthode statistique qui permet de tester de manière
adéquate des hypothèses causales (Bullock et al., 1994).
A ce sujet, Cliff (1983) affirme que
The most satisfactory, almost the only satisfactory, method for demonstrating causality
is the active control of variables, so that the complexity of the relations among them
may be simplified, at least temporarily. With correlational data, it is not possible to
isolate the empirical system sufficiently so that the nature of the relations among the
variables can be unambiguously ascertained. (p. 119)
Il ajoute toutefois que, si les données de nature corrélationnelle ne peuvent pas servir à établir
des relations causales, elles peuvent les suggérer et sont utiles en cela. Dans le même ordre
d’idée, Bollen (1989) souligne que l’objectif des analyses en pistes causales est de déterminer
si les inférences causales d’un chercheur sont consistantes avec les données. Si tel est le cas,
la causalité n’est pas prouvée mais cela montre que les hypothèses ne sont pas contredites et
76
Ces modèles sont d’ailleurs nommés « causal models » (Bentler, 1980 ; Cohen et al., 2003)
pourraient être valides. Toutefois d’autres hypothèses et d’autres modèles pourraient

également correspondre aux données.
Nous retiendrons de cette discussion qu’un SEM basé sur des données d’observation nous
permet de suggérer des liens causales mais que ceux-ci ne sont pas confirmables de manière
stricte. Les positions théoriques doivent bien entendu appuyer les relations postulées ainsi que
les relations observées, c’est-à-dire les paramètres et leurs valeurs.
Deuxièmement, les ajustements dits post-hoc des modèles constituent un problème relatif à
l’utilisation des SEM. Lorsque le premier modèle postulé et testé par le chercheur s’avère ne
pas s’ajuster suffisamment bien aux données, il est fréquent que ce modèle soit modifié en
fonction des données. Les logiciels de SEM proposent en effet une série de modifications au
chercheur (par exemple l’ajout d’une covariance entre deux variables), celles-ci améliorant
l’adéquation du modèle aux données. Le chercheur peut aussi analyser les valeurs résiduelles
pour déterminer les paramètres qu’il pourrait ajouter ou supprimer afin d’améliorer
l’adéquation de son modèle. Cliff (1983) dénonce dans ce cas la tendance de traiter des
analyses ex posto facto comme si elles étaient confirmatoires. Dès lors que des modifications
du modèle original sont réalisées, le modèle perd son statut d’hypothèse et il n’est plus
strictement confirmatoire. Le chercheur capitalise alors sur des associations dues à la chance,
le nouveau modèle doit par conséquent être testé sur de nouvelles données (validation
croisée).
En pratique, l’approche dite de génération de modèles décrite par Jöreskog (1993) est souvent
utilisée. Dans cette approche, le chercheur a spécifié un modèle initial et provisoire, voir
hésitant. Si ce modèle initial n’est pas adéquat par rapport aux données, il est alors modifié et
testé à nouveau en utilisant les mêmes données. Plusieurs modèles peuvent ainsi être testés
dans ce processus. Le but est de trouver un modèle qui non seulement s’ajuste aux données
correctement d’un point de vue statistique mais aussi dont chacun des paramètres puisse être
interprété de manière cohérente77.
77
Cette approche est décrit par Jöreskog (1993) comme une alternative à l’approche dite « strictement
confirmatoire », ainsi qu’à l’approche dite des modèles alternatifs. Dans l’approche strictement confirmatoire, le
chercheur a formulé un modèle unique et obtenu des données empiriques pour le tester. Le modèle doit
simplement être accepté ou rejeté et le processus s’arrête là. Dans l’approche des modèles alternatifs, le
chercheur a spécifié plusieurs modèles alternatifs et doit en sélectionner un sur la base de l’analyse d’un jeu de
données empiriques unique.
Troisièmement, les SEM sont basés sur l’analyse de matrices de covariances et ces dernières
représentent des relations linéaires entre variables. De ce fait, la modélisation de relations
non-linéaires requiert de spécifier par exemple des effets multiplicatifs. Le chercheur doit
donc vérifier que ses données sont appropriées à ce postulat de linéarité et si ce n’est pas le
cas, il doit spécifier les effets, sinon certains paramètres seront biaisés. Dans le cas où des
variables ordinales et non continues sont utilisées, des méthodes d’estimation appropriées
peuvent être appliquées.
6.6.2. Modéliser l’hétérogénéité de la population ou de l’échantillon
6.6.2.1. Objectifs
Dans les sciences humaines, les populations investiguées par les chercheurs sont souvent
hétérogènes. Elles sont constituées de groupes connus par le chercheur (par exemple en
fonction du sexe) ou de groupes inconnus à priori. Dans ce dernier cas, le chercheur peut
recourir à des méthodes qui permettent de découvrir ce qui provoque l’hétérogénéité dans la
population, c’est-à-dire ce qui permet de différencier différents groupes au sein de la
population (Lubke & Muthén, 2005). En d’autres termes, l’objectif est de découvrir une
hétérogénéité inobservée dans une population c’est-à-dire de trouver des groupes de
personnes faisant sens et qui soient similaires dans leurs réponses sur les variables observées.
Les techniques de clustering permettent de découvrir des groupes d’objets partageant des
similarités parmi une série d’observation. Ces méthodes sont un outil utile dans l’exploration
de données multivariées. La perspective adoptée est typologique, par opposition avec une
perspective dimensionnelle comme c’est le cas pour l’analyse factorielle. L’organisation de
ces données en sous-groupes permet au chercheur de découvrir les caractéristiques des
structures ou patterns présents (Everitt, Landau, & Leese, 2001). Ces méthodes aboutissent à
des classifications ou des typologies utiles notamment dans les sciences de l’éducation ou
l’étude des psychopathologies. L’un des intérêts dans la découverte de groupes est de pouvoir
caractériser ceux-ci par des variables démographiques par exemple.
Ce type d’approche est souvent qualifié d’approche centrée sur les personnes par opposition à
une approche centrée sur les variables (Bergman, 2001). Ce sont alors les personnes qui
deviennent les unités conceptuelles et empiriques d’analyse. Les variables n’ont pas de
signification en soi mais c’est la configuration des différentes variables dans un système qui a
du sens. En d’autres termes, les valeurs des variables dans une approche centrée sur les
personnes n’ont pas d’importance en elles-mêmes mais elles prennent du sens en tant que
partie d’une configuration de valeurs de variables. Cette approche fait largement sens en
sciences de l’éducation étant donné que nous sommes intéressés par les personnes (dans notre
cas les apprenants en formation professionnelle initiale) et pas uniquement par les liens entre
variables.
En outre, la découverte de groupes dans un échantillon permet de résoudre certains problèmes
de non-linéarité. En effet, il se peut que la relation entre deux variables soit non-linéaire
lorsque l’échantillon au complet est analysé et qu’elle soit linéaire lorsque celle-ci est
analysée séparément pour chaque groupe. La valeur d’une corrélation peut subir un
phénomène analogue : elle peut s’avérer nulle au niveau du groupe complet mais négative
dans un sous-groupe et positive dans un autre (Muthén, 2001).
6.6.2.2. Application et méthodes pour choisir le nombre de groupes
Afin de réaliser les analyses centrées sur les personnes, nous avons utilisé le logiciel Mplus
5.0 qui permet de faire des analyses en classes latentes, nommées analyses en profils latents
(latent profile analyses ; LPA) dans le cas où les indicateurs des classes sont des variables
continues. Afin de déterminer le nombre de classes existant dans nos données, nous avons
suivi les recommandations de Nylund, Asparouhov et Muthén (2007) qui consistent à
comparer une série de modèles en augmentant d’une unité le nombre de classes à chaque
étape. La comparaison se base dans un premier temps sur les indices d’adéquation nommés
Lo-Mendell-Rubin (LMR)78 et Bayesian Information Criteria (BIC)79 afin de choisir un petit
nombre de modèles plausibles. Dans un deuxième temps, une procédure plus efficace mais
extrêmement coûteuse au niveau du temps pris par le logiciel est appliquée pour déterminer
lequel, parmi les modèles sélectionnés suite à la première étape, est le plus adéquat. Cette
procédure est nommée bootstrap likelihood ratio test (BLRT)80 et elle permet de déterminer
le nombre de classes avec le plus de sureté selon les résultats des simulations effectuées par
Nylund et al. (2007). En outre, le modèle doit également être évalué par rapport à son utilité.
78
Le test LMR compare l’amélioration de l’adéquation d’un modèle avec k classe(s) si nous passons à un
modèle avec k+1 classes. Une p-valeur est fournie afin de déterminer s’il existe une amélioration statistiquement
significative de l’adéquation, justifiant l’inclusion d’une classe supplémentaire.
79
Le BIC est un critère statistique qui permet la sélection d’un modèle parmi plusieurs alternatives. Cet indice
est notamment utilisé pour choisir le nombre de classes présentes dans un jeu de données, en fonction de la
complexité intrinsèque présente. Plusieurs modèles variant dans leurs nombres de classes peuvent être ordonnés
selon leur valeur BIC, celui ayant la valeur la plus faible étant considéré comme le meilleur.
80
Le BLRT utilise la méthode du bootstrap pour estimer empiriquement la distribution des différences de log
likelihood. L’inclusion d’une classe supplémentaire est justifiée de manière analogue au test LMR.
Ceci signifie qu’il doit être interprétable (faire sens) et que la qualité de la classification
résultante du choix du nombre de profils doit aussi être évaluée. Pour ce dernier point, il
existe un indice nommé entropie (entropy) qui résume en un indice unique la qualité de la
classification. Toutefois, il n’existe pas de valeur cut-off pour cet indice et par conséquent
nous ne pouvons pas affirmer qu’il est à un niveau suffisant. En plus de cet indice, le
chercheur est attentif au nombre de personnes dans chaque profil et à la spécificité de chaque
profil. En comparaison de l’analyse de clusters qui assigne chaque personne à un cluster de
manière exclusive (nous ne savons pas pour chaque participant quelle serait la probabilité
qu’il soit attribué à un autre cluster que celui auquel il a été attribué), la LPA donne la
probabilité pour chaque personne d’être attribuée à chacun des profils. Ainsi la classification
offre un résumé des probabilités pour chacun des groupes de personnes d’être confondu avec
un autre groupe. Ceci permet de juger la qualité de la classification.
Dans le domaine des recherches sur les buts d’accomplissements, différentes méthodes ont été
utilisées pour modéliser l’hétérogénéité des populations étudiées (voir Pastor et al., 2007). La
théorie des buts multiples (voir 4.4.4) va d’ailleurs dans ce sens en proposant que les
participants adoptent potentiellement plusieurs buts d’accomplissements et ainsi des types de
participants différents existent. Nous appliquerons la méthode d’analyse en profils latents et
déterminerons un certain nombre de groupes définis sur la base de leurs moyennes aux
échelles de buts d’accomplissements. Ceci nous permettra de comparer nos résultats à ceux
d’études considérant le cadre des buts multiples. En outre, chaque groupe d’élèves sera décrit
sur la base des caractéristiques démographiques et des scores aux autres échelles. Notre
objectif est, par l’application de ce type d’analyses, de compléter les informations obtenues
par les SEM.
7. Résultats-étude 1 Page 195
7. Résultats-étude 1
7.1. Introduction
Ce chapitre rapporte le traitement des données concernant la première étude de ce travail.

Nous présentons dans un premier temps les résultats des analyses factorielles confirmatoires
pour les divers instruments. Ceci nous permet d’extraire les facteurs qui seront utilisés pour la
suite des analyses. Dans un deuxième temps, nous rapportons les modèles de structure pour
les deux niveaux d’étude (liens entre les variables au niveau des problèmes, liens entre
variables générales et variables au niveau du problème) mentionnés dans les questions de
recherche. Ces modèles nous servent de base pour répondre à nos questions de recherche.
Finalement, nous proposons des analyses centrées sur les personnes, c’est-à-dire une
typologie de profils d’apprenants basée sur leurs buts d’accomplissement. L’interprétation des
résultats, sur la base des apports théoriques, est réalisée dans le chapitre de discussion.
7.2. Analyses factorielles des instruments
Les analyses factorielles ont été réalisées de façon exploratoire (méthode d’extraction des
moindres carrés pondérés81 avec rotation oblique direct oblimin) et confirmatoire. Le recours
aux analyses exploratoires nous a permis dans certains cas de formuler des modèles
compatibles avec la structure des covariances ainsi que de déterminer l’adéquation de certains
items avant de les inclure dans des analyses factorielles confirmatoires. Pour les analyses
confirmatoires, nous avons utilisé Mplus 5.0 et choisi l’estimateur WLSMV, adapté au
traitement de variables ordinales. En outre, nous avons détectés les outliers82 multivariés
d’une part par une identification visuelle lors de l’entrée des données (afin de repérer des biais
de réponse du type response set ; par exemple une série de réponses identiques et
incohérentes à plusieurs items consécutifs) et d’autre part, par l’utilisation de la distance de
Mahalanobis et selon les recommandations de Tabachnick et Fidell (2007). Les réponses des
participants qualifiés d’outliers ont été considérées comme des données manquantes pour les
81
Cette méthode d’extraction des facteurs est réputée comme relativement indépendante du postulat de normalité
nécessaire à l’utilisation d’autres méthodes d’analyses factorielles exploratoires (par ex. Maximum Likelihood).
Par conséquent nous avons choisi de l’utiliser pour traiter nos variables qui comptent quatre niveaux.
82
« An outlier is a case (…) with such a strange combination of scores on two or more variables (multivariate
outlier) that it distorts statistics » (Tabachnick & Fidell, 2007, p. 72).
variables concernées. Ce sont jusqu’à quatre participants par instrument qui ont été éliminés
par ces techniques.
Nos données sont de type ordinal. De ce fait, elles nécessitent l’utilisation de corrélations
polychoriques ou polyésriales (Flora & Curran, 2004 ; Panter, Swygert, Dahlstrom & Tanaka,
1997). Mplus permet de se baser sur ce type de corrélations pour estimer les paramètres dans
les analyses factorielles confirmatoires et les modèles de structure avec la méthode dite des
moindres carrés pondérés avec moyennes et variance ajustées (Weighed Least Square Means
and Variance adjusted, WLSMV ; Muthén, 1993). Cette méthode est ainsi plus appropriée au
type de données de notre étude que ne l’est la méthode Maximum Likelihood généralement
employée (Beauducel & Herzberg, 2006) et nous l’avons utilisée dans les analyses
comprenant au minimum une variable ordinale.
7.2.1. Analyses factorielles des items sur les buts d’accomplissement
Nous postulons et comparons quatre modèles factoriels différents afin de sélectionner le plus
adéquat (indices d’adéquation dans le tableau 7.1). Rappelons que nous utilisons les
recommandations de Schermelleh-Engel et al. (2003 ; voir tableau 6.16) afin d’évaluer
l’adéquation des modèles.
Modèle 1 : quatre facteurs : 1. Buts de maîtrise-approche, 2. Buts de maîtrise-évitement, 3.

Buts de performance-approche, 4. Buts de performance-évitement
Il s’agit du modèle postulé théoriquement sur la base des modèles d’Elliot et McGregor
(2001) ainsi que Linnenbrink et Pintrich (2001). Les résultats montrent que le facteur des buts
de performance-évitement est très fortement lié (r > .85) tant au facteur de performance-
approche qu’au facteur de maîtrise-évitement, ce qui révèle un problème de validité
discriminante et suggère que les buts de performance-évitement ne constitueraient pas un
facteur distinct. Cette solution a nécessité l’élimination d’un item faiblement saturé par le
facteur concerné (maîtrise-évitement)83.
83
BUTSME2 Parfois je m’inquiète de ne pas avoir compris tout le contenu du cours
Modèle 2 : trois facteurs : 1. Buts de maîtrise-approche, 2. Buts de maîtrise-évitement,

3. Buts de performance (approche et évitement saturés par un facteur unique).
L’adéquation de ce modèle est quasiment acceptable au regard des différents indices. Ceci
soutient l’idée que les buts de performance-approche et performance-évitement ne sont pas
distingués comme deux dimensions différentes dans les réponses des élèves.
Modèle 3 : trois facteurs : 1. Buts de maîtrise-approche, 2. Buts de maîtrise-évitement,

3. Buts de performance-approche.
Ce modèle démontre le meilleur ajustement (ajustement acceptable selon Schermelleh-Engel

et al., 2003) parmi les quatre modèles que nous avons testés. Cette solution a nécessité
l’élimination du même item que dans le modèle 1. En outre, les items censés évaluer les buts
de performance-évitement ne figurent pas dans ce modèle étant donné qu’ils n’apportent pas
d’information spécifique.
Modèle 4 : deux facteurs : 1. Buts de maîtrise (approche et évitement saturés par un facteur
unique), 2. Buts de performance-approche.
Selon ce modèle, les buts seraient distingués uniquement selon la dimension maîtrise versus
performance. Malgré l’ajout d’une covariance entre résidus, le modèle est loin de s’ajuster et
les possibilités d’amélioration théoriquement cohérentes sont épuisées.
La comparaison des indices d’adéquation des quatre modèles (tableau 7.1) nous permet
d’affirmer que le modèle 3, excluant les buts de performance-évitement, est le plus adéquat et
par conséquent nous retenons ces trois facteurs pour la suite des analyses.
Tableau 7.1.
Indices d’adéquation des modèles testés pour les buts d’accomplissement (n = 195)84
χ2WLSMV dl p-value CFI RMSEA
Modèle 1
4 facteurs sans cov. entre 28.256 11 .0030 .950 .090
résidus
Modèle 2
résidus
Modèle 3
résidus
Modèle 4
2 facteurs avec 1 cov. entre 47.560 10 .0000 .902 .139
résidus
Note : cov signifie covariance
7.2.2. Analyses factorielles des items sur le concept de soi
Nous postulons deux modèles alternatifs décrits ci-dessous (indices d’adéquation dans le
tableau 7.2.).
Modèle 1 : un facteur unique pour représenter le concept de soi comme cela est le cas dans la
plupart des recherches ayant utilisé l’échelle du SDQ-II concernant les
mathématiques (p. ex. Skaalvik, 1997).
Malgré l’ajout de trois covariances entre résidus, le modèle est encore loin de s’ajuster aux
données. En outre, les covariances tendent à grouper les items en deux sous-facteurs.
Modèle 2 : deux facteurs dont l’un représente la compétence perçue et l’autre l’intérêt ou
attrait des mathématiques. Cette solution a été trouvée notamment par Pietsch et
al. (2003). Les libellés des items nous permettent en outre de soupçonner
fortement que deux dimensions distinctes peuvent être trouvées.
Un item a été éliminé (« Je me suis toujours bien débrouillé en mathématiques ») et trois

covariances entre résidus ont été ajoutées afin d’atteindre une solution en deux facteurs dont
l’adéquation soit bonne.
84
Les indices AIC et BIC ne sont pas disponibles avec l’estimateur WLSMV
Tableau 7.2.
Indices d’adéquation des modèles testés pour le concept de soi (n = 194)
Modèle 1
1 facteur avec 3 cov. entre 50.197 5 .0000 .968 .216
résidus
Modèle 2
2 facteurs avec 3 cov. 8.989 5 .1095 .997 .064
entre résidus
7.2.3. Analyses factorielles des items relatifs aux problèmes de mathématiques
7.2.3.1. Pré-résolution
Pour le problème «la citerne», les analyses factorielles exploratoires révèlent qu’une solution
en trois facteurs (sentiment de familiarité, sentiment d’aimer la tâche et sentiment de
difficulté/d’efficacité) semble la plus probable mais qu’il existe des saturations croisées85
pour certains items. En outre, les items concernant le sentiment de difficulté et le sentiment
d’efficacité personnelle saturent clairement un même facteur, même lorsqu’une solution en
quatre facteurs est demandée. Nous désignerons ce dernier facteur par les termes de
« sentiment de difficulté ».
Les analyses factorielles confirmatoires ont permis de tester une solution satisfaisante en trois
facteurs (voir tableau 7.3). Toutefois, ceci a nécessité l’élimination de deux items ainsi que
l’ajout d’une covariance entre résidus. En comparaison, une solution unifactorielle donne une
adéquation moins bonne et les deux covariances entre résidus tendent à reproduire des
facteurs comme ceux qui ont été spécifiés dans le modèle 1. L’ajout de covariances
supplémentaires n’améliorerait pas significativement l’adéquation du modèle.
85
Notre critère pour qualifier un item comme ayant une saturation croisée est qu’il soit saturé par au moins deux
facteurs avec des coefficients supérieurs à .35 (Stevens, 1992)
Tableau 7.3.
Indices d’adéquation des modèles testés pour la partie pré-résolution du problème «la
citerne» (n = 192)
Modèle 1
entre résidus
Modèle 2
résidus
Pour le problème «le réservoir d’essence», les analyses factorielles exploratoires révèlent
qu’une solution en deux ou trois facteurs pourrait être cohérente. Comme pour le problème
«la citerne», nous constatons plusieurs saturations croisées ainsi qu’une interdépendance des
sentiments de difficulté et d’efficacité.
Les analyses factorielles confirmatoires permettent de définir un modèle dont l’adéquation est
acceptable mais ceci a nécessité l’élimination de deux items et l’ajout d’une covariance entre
résidus. Le modèle unifactoriel (modèle 2) nécessite l’ajout de covariances entre résidus
reconstituant les facteurs du modèle 1. Malgré cela, le modèle 2 ne s’ajuste pas aussi bien que
le modèle 1 (voir tableau 7.4).
Tableau 7.4.
Indices d’adéquation des modèles testés pour la partie pré-résolution du problème «le
réservoir d’essence» (n = 196)
Modèle 1
entre résidus
Modèle 2
résidus
Les solutions factorielles issues des analyses factorielles confirmatoires montrent que les
facteurs ne sont pas suffisamment bien définis et que des améliorations seraient possibles sur
ce point là. Notamment, le nombre d’items définissant chaque facteur est trop restreint. Pour
la suite des analyses, nous retenons pour chacun des problèmes la solution en trois facteurs :
sentiment de familiarité, sentiment d’aimer la tâche et sentiment de difficulté.
7.2.2.2. Post-résolution
Pour le problème «la citerne», les analyses factorielles exploratoires révèlent qu’une solution
en trois facteurs est probable (compétences cognitives spécifiques au problème, contrôle
exercé et jugement de confiance). Parmi les compétences cognitives spécifiques au problème,
le score de planification ne serait pas fortement associé aux scores de représentation et
compréhension mais il faut signaler que les distributions sont fortement asymétriques, ce qui
tend à diminuer les corrélations (Goodwin & Leech, 2006). Les items liés à la persévérance et
aux efforts effectués ont été éliminés car ils ne saturaient pas un même facteur. Finalement,
l’item évaluant le sentiment de satisfaction sature fortement le facteur de jugements de
confiance. Par conséquent, ce sont quatre items qui saturent ce facteur (jugements de
confiance en son plan, en ses calculs et en sa réponse ainsi que sentiment de satisfaction).
Les analyses factorielles confirmatoires nous apprennent que le modèle 2, en deux facteurs
(compétences cognitives-confiance et contrôle), s’ajuste aussi bien que le modèle 1 (voir
tableau 7.5). Toutefois, les trois covariances entre résidus qui ont été ajoutés dans le modèle 2
reproduisent le facteur compétences cognitives et de ce fait, le modèle 1 est préférable.
Tableau 7.5.
Indices d’adéquation des modèles testés pour la partie post-résolution du problème «la
citerne» (n = 196)
Modèle 1
résidus
Modèle 2
résidus
Pour le problème «le réservoir d’essence», les analyses factorielles exploratoires révèlent que
des solutions en deux ou trois facteurs sont probables. Les items mesurant les compétences
cognitives sont largement liés aux items évaluant la confiance comme en témoignent les
saturations croisées. Les analyses factorielles confirmatoires, démontrent que les deux
modèles ont un bon ajustement aux données (tableau 7.6). Toutefois, nous retiendrons le
premier car il est plus cohérent avec nos attentes théoriques et il est parallèle au modèle
sélectionné pour le problème «la citerne».
Tableau 7.6.
Indices d’adéquation des modèles testés pour la partie post-résolution du problème «le
réservoir d’essence» (n = 200)
Modèle 1
résidus
Modèle 2
résidus
Pour la suite des analyses, nous retiendrons donc trois facteurs pour chacun des problèmes :
compétences cognitives spécifiques au problème, contrôle exercé et jugements de confiance.
Ceci en plus de la variable représentant la performance au problème.
Le tableau 7.7 présente les statistiques descriptives pour les scores d’échelles (basées sur les
facteurs extraits ci-dessus) ainsi que la performance à chacun des problèmes.
Tableau 7.7.
Statistiques descriptives pour les scores d’échelles
Assy- Vous- Min Max Consist.
échelle # items m sd
métrie sure obs. obs. interne
Variables générales
Buts de maîtrise- 5 3.21 0.55 -4.30 2.97 1 4 .796
approche
Buts de maîtrise- 4 2.83 0.59 -2.75 0.37 1.25 4 .574
évitement
Buts de performance- 5 2.30 0.70 1.74 -1.27 1 4 .829
approche
Compétence perçue 4 4.12 1.27 -3.23 -0.71 1 6 .895
Intérêt individuel 5 3.88 1.36 -2.81 -2.02 1 6 .904
Intelligence non verbale 38 26.57 6.87 -2.43 -2.01 10 38 .900
Problème «la citerne»
Sentiment de familiarité 2 3.05 0.72 -3.34 -0.69 1 4 .595
Sentiment d’aimer la 3 2.55 0.73 -1.97 -1.26 1 4 .643
tâche
Sentiment de difficulté 5 1.8 0.69 4.39 0.24 1 4 .914
Compétences cognitives 3 0.75 0.29 -6.41 1.77 0 1 .498
spécifiques au problème
Contrôle exercé 3 2.93 0.83 -2.89 -1.06 1 4 .794
Jugements de confiance 4 3.28 0.65 -7.77 6.81 1 4 .897
Performance 1 4.37 1.33 -12.70 11.21 0 5 -
Problème «le réservoir d’essence»
Sentiment de familiarité 3 2.53 0.67 -1.66 -0.65 1 4 .671
Sentiment d’aimer la 2 2.39 0.79 -0.12 -1.70 1 4 .551
tâche
Sentiment de difficulté 5 2.30 0.71 0.74 -0.85 1 4 .919
Compétences cognitives 3 0.58 0.33 -1.40 -3.00 1 4 .453
Contrôle exercé 3 2.69 0.86 -1.25 -1.96 1 4 .843
Jugements de confiance 4 2.70 0.89 -2.18 -3.01 1 4 .911
Performance 1 3.38 1.91 -3.46 -3.78 0 5 -
Note : voussure et asymétrie sont standardisées, c’est-à-dire divisées par leurs erreurs standards respectives.
L’analyse de ce tableau révèle différents éléments d’intérêt. Concernant les moyennes, le

problème « la citerne » s’avère avoir été trop facile car les élèves obtiennent en moyenne un
score de 4.37 point sur un maximum de 5 points. Les indices d’asymétrie indiquent que les
élèves de notre échantillon ont tendance à « accepter » facilement les items relatifs aux buts
de maîtrise-approche, ce qui pourrait révéler que ce type de but est socialement désirable,
ainsi qu’à juger leur confiance comme étant pour la plupart d’entre eux haute. Leurs
compétences cognitives spécifiques au problème sont également distribuées de manière
fortement asymétrique, tout comme leurs performances. Par rapport à la consistance interne
des scores, relevons que quatre scores (buts de maîtrise-évitement, sentiment d’aimer la tâche
pour « le réservoir d’essence » et compétences cognitives spécifiques aux deux problèmes)
ont une consistance interne inférieure à .60 et que deux autres (sentiment d’aimer la tâche
pour « la citerne » et sentiment de familiarité pour « le réservoir d’essence ») ont un indice
inférieur à .70.
Le tableau 7.8 rapporte les corrélations entre les croyances motivationnelles et l’intelligence
non verbale.
Tableau 7.8.
Corrélations entre les croyances motivationnelles et l’intelligence non verbale
Variable 1 2 3 4 5 6
1 Buts de maîtrise-approche 1 .33 .14 .39 .67 .22

2 Buts de maîtrise-évitement 1 .36 -.22 .03 -.05
3 Buts de perf-approche 1 .02 .04 .03
4 Compétence perçue 1 .61 .38
5 Intérêt individuel 1 .25
6 Intelligence non verbale 1
Note : les corrélations ≥|.22| sont significatives à p = .01 (2-tailed). Le nombre de sujet varie de n = 187 à n =
195 à cause de données manquantes.
L’analyse du tableau 7.8 permet de relever les observations suivantes. Premièrement, les trois
buts d’accomplissements sont positivement et significativement liés, à l’exception de la
corrélation entre buts de maîtrise-approche et performance-approche, qui est proche du seuil
de significativité (p = .056). Deuxièmement, les liens entre les différents buts
d’accomplissement et les autres variables révèlent que les buts y sont associés de manière
divergente. En effet, la compétence perçue est corrélée positivement avec les buts de maîtrise-
approche, négativement avec les buts de maîtrise-évitement et de façon nulle avec les buts de
performance-approche. Concernant l’intérêt individuel et l’intelligence non verbale, ceux-ci
sont associés positivement aux buts de maîtrise-approche mais de manière nulle avec les deux
autres buts. Ceci suggère que les buts d’accomplissements pourraient avoir chacun des
influences spécifiques étant donné qu’ils ont des liens qui divergent avec la compétence,
l’intérêt et l’intelligence. Finalement, soulignons que la corrélation entre compétence perçue
et intérêt individuel est forte (r = .61, p < .01) mais qu’elle soutient tout de même que deux
construits sont mesurés par l’échelle SDQ-II de Marsh (1992b).
Le tableau 7.9 rapporte les corrélations entres les croyances motivationnelles, l’intelligence
non verbale et les variables relatives à chacun des deux problèmes.
Tableau 7.9.
Corrélations entre les croyances motivationnelles, l’intelligence non verbale et les variables
spécifiques au problème « la citerne » / « le réservoir d’essence »
Sentiment d’aimer la tâche
Compétences cognitives
Sentiment de familiarité
Jugements de confiance
Sentiment de difficulté
Variable
Contrôle exercé
Performance
Buts de maîtrise-approche .02/.24 .35/.32 -.28/-.30 .25/.25 .01/.20 .24/.23 .05/.19
Buts de maîtrise-évitement .02/-.09 .11/.05 .10/.17 .22/.10 -.18/-.18 -.03/-.12 -.12/-.08
Buts de perf-approche .02/.00 .15/.05 -.01/.02 .18/.06 .00/.05 .07/.04 -.06/.04
Compétence perçue .06/.26 .20/.15 -.49/-.50 .11/.22 .22/.38 .26/.38 .16/.37
Intérêt individuel .07/.34 .39/.37 -.44/-.47 .22/.27 .09/.28 .34/.38 .18/.28
Intelligence non verbale .04/.12 .03/.13 -.32/-.30 .05/.26 .41/.45 .31/.41 .25/.52
Note : les corrélations ≥|.16| sont significatives à p = .05 ; les corrélations ≥|.20| sont significatives à p = .01 (2-
tailed). Le nombre de sujet varie de n = 186 à n = 195 à cause de données manquantes.
La lecture du tableau 7.9 nous indique les éléments suivants. Premièrement, une partie des
corrélations est plus élevée pour le problème « le réservoir d’essence » que pour le problème
« la citerne ». Deuxièmement, les buts de performance-approche ne sont quasiment pas
associés aux variables spécifiques au problème ce qui suggère qu’ils n’auraient pas
d’influence sur celles-ci. Troisièmement, les buts de maîtrise-approche, la compétence perçue
et l’intérêt individuel montrent des corrélations toutes positives et de tailles relativement
proches avec les variables spécifiques au problème. Quatrièmement, les compétences
cognitives spécifiques au problème sont principalement liées à la compétence perçue et à
l’intelligence non verbale. Finalement, la performance n’est pas corrélée aux buts
d’accomplissement, à l’exception d’une corrélation de r = .19 (p < .05) entre les buts de
maîtrise-approche et la performance au problème « le réservoir d’essence ».
Concernant les liens entre les variables spécifiques aux problèmes, ceux-ci sont présentés
dans le tableau 7.10.
Tableau 7.10.
Corrélations entre les variables spécifiques au problème « la citerne » (au-dessus de la
diagonale) et les variables spécifiques au problème « le réservoir d’essence » (au-dessous de
la diagonale)
Variable 1 2 3 4 5 6 7
1 Sentiment de familiarité .56 -.33 .23 .10 .10 .25 .09
2 Sentiment de difficulté -.58 .70 -.33 -.25 -.28 -.61 -.21
3 Sentiment d’aimer la tâche .48 -.45 .57 -.02 .27 .21 .02
4 Compétences cognitives spécifiques au problème .18 -.43 .16 .39 .11 .32 .22
5 Contrôle exercé .22 -.44 .20 .36 .51 .42 .25
6 Jugements de confiance .37 -.69 .25 .58 .58 .64 .46
7 Performance .34 -.47 .12 .56 .42 .74 .35
Note : Sur la diagonale figurent en italique les corrélations entre les deux problèmes. Les corrélations = |.16| sont
significatives à p = .05 ; les corrélations ≥ |.20| sont significatives à p = .01 (2-tailed). Le nombre de sujet varie
de n = 188 à n = 199 à cause de données manquantes.
Les corrélations entre une même variable mesurée en relation avec chacun des deux
problèmes sont comprises entre r = .35 et r = .70. La grande majorité des corrélations est
significative. D’une manière générale, les expériences métacognitives sont significativement
inter-corrélées. Le contrôle exercé est significativement corrélé à toutes les autres variables, à
l’exception du sentiment de familiarité pour le problème « la citerne ».
7.3. Modèles de structure au niveau des problèmes

7.3.1. Modèle hypothétique
La spécification et les résultats de ces modèles constituent des éléments de réponse à la

première question de recherche. Celle-ci concerne les influences entre expériences
métacognitives, contrôle métacognitif, ainsi que les liens avec la performance. Nos
hypothèses étaient d’une part que les expériences métacognitives avant la résolution
(sentiment de familiarité, sentiment de difficulté et sentiment d’aimer la tâche) étaient
positivement liées et d’autre part qu’elles seraient prédictives du contrôle exercé ainsi que des
compétences cognitives. Les jugements de confiance devraient être prédits par le sentiment de
difficulté, ainsi que le contrôle exercé. Nous ne postulons pas une influence des jugements de
confiance sur la performance mais une corrélation positive entre ces deux variables. En effet,
la confiance est évaluée après avoir donné la réponse et par conséquent les premiers
n’influencent pas la seconde86. Ainsi, une corrélation devrait représenter plus correctement le
86
Toutefois si l’élève réalise spontanément des jugements de confiance pendant la résolution, ceci pourra bien
évidemment avoir un effet sur sa performance. Le design de notre étude ne permet cependant pas d’étudier ce
point. Par conséquent, nous considérons que les jugements de confiance sont réalisés au moment où cela est
demandé à l’élève c’est-à-dire lorsque les items concernés lui sont présentés.
lien entre ces variables. Au contraire, le contrôle exercé est postulé comme étant prédictif des
jugements de confiance et de la performance. Nous postulons que plus l’élève aura contrôlé
pendant et après la résolution, plus sa performance sera élevée87. En outre, plus il aura
contrôlé et plus il aura confiance en sa résolution. Toutefois nous n’attendons pas des
influences fortes étant donné que le fait de contrôler peut aussi informer l’élève qu’il a fait des
erreurs et ainsi produire des corrélations négatives entre contrôle et performance. Nos
hypothèses sont présentées dans la figure 7.1. Le même modèle hypothétique est formulé pour
chacun des deux problèmes.
Avant la résolution Pendant et après la résolution
Compétences
+ cognitives
Sentiment de
familiarité
-
Performance
-
+
Sentiment de +
+
difficulté -
Jugements
+ de confiance
+
-
Sentiment +
d’aimer Contrôle
la tâche
Figure 7.1. Modèle d’hypothèses spécifiques au niveau des problèmes.

Note : les variables sous forme de cercle sont des variables latentes (facteurs) et celles qui sont sous forme
rectangulaire sont manifestes. Les indicateurs des variables latentes ainsi que les covariances entre résidus ne
figurent pas dans la figure pour des raisons de lisibilité. Les coefficients des pistes non spécifiées sont fixés à 0.
Les signes + et – représentent la valence attendue du coefficient concerné.
Pour l’évaluation de l’adéquation de nos modèles d’hypothèse, nous avons procédé de la

manière suivante. Premièrement nous avons spécifié le modèle tel que proposé. Sur la base de
ces résultats, nous avons étudié les indices d’ajustement du modèle, les indices de
modification, ainsi que la significativité des pistes spécifiées. Sur cette base, nous avons dans
87
Dans une recherche avec des apprenants en formation professionnelle initiale de deux ans (Berger, Büchel, &
Kipfer, 2008a), nous avons observé des corrélations positives allant de r = .38 à r = .43 (p < .01) entre le contrôle
auto-rapporté par l’élève (sous la forme d’items du même type que ceux de la présente étude) et la performance
au problème Citerne et deux versions parallèles de ce problème.
un premier temps libéré les pistes proposées par les indices de modification pour estimation88
si elles étaient théoriquement cohérentes. Dans un deuxième temps, nous avons fixé à zéro les
coefficients des pistes statistiquement non-significatives (p < .05). Ces modifications ont été
réalisées une par une en considérant d’abord les pistes offrant les indices de modification les
plus conséquents, de manière à observer les changements dans les indices d’adéquation et les
divers coefficients à chaque étape. L’objectif est d’obtenir un modèle qui ne soit pas rejetable
sur la base des indices d’adéquation (c’est-à-dire compatible avec les données) et qui fasse
théoriquement sens. Notre approche n’a donc pas été strictement confirmatoire mais
correspond à l’approche de génération de modèles décrite par Jöreskog (1993) (voir 6.6.1).
7.3.2. Résultats pour le problème « La citerne »
Les résultats du modèle de structure pour ce problème sont présentés dans la figure 7.2. Ce
modèle démontre une adéquation bonne (χ2WLSMV = 46.561, dl = 32, p = .0464, CFI = .962,
RMSEA = .048). Les différences entre ce modèle et notre modèle d’hypothèse (figure 7.1)
sont discutées ci-dessous.

R2=.24
Compétences
cognitives
Sentiment de
familiarité
R2=.24
-.47
Performance
Sentiment de
.25
R2=.58
difficulté -.62
Jugements
de confiance
-.27
R2=.20
Sentiment .28
d’aimer Contrôle
la tâche
Figure 7.2. Résultats du modèle de structure du problème «la citerne» (n = 200)

Notes : seules les pistes statistiquement significatives (p < .05) figurent dans le modèle. Les indices R2
correspondent au pourcentage de variance expliquée.
88
C’est-à-dire des influences ou des covariances fixées à zéro dans un premier temps car postulées comme étant
nulles dans nos hypothèses
7.3.3. Commentaires sur le modèle de structure pour le problème « La citerne »
Nous résumons ci-dessous les constations basées sur les résultats du modèle. Elles ne sont que
brièvement présentées car elles seront discutées de manière plus élaborées et en lien avec la
théorie dans le chapitre de discussion.
En comparaison de notre modèle hypothétique, les résultats révèlent les différences suivantes.
Premièrement, le sentiment de familiarité n’est pas prédictif des compétences cognitives
malgré une corrélation positive et significative entre les deux facteurs (r = .232). En effet,
c’est uniquement le sentiment de difficulté (évalué avant la résolution) qui prédit les
compétences cognitives (-.49, effet moyen)89. Le sentiment de familiarité est toutefois associé
à ce dernier sentiment. Deuxièmement, le sentiment de difficulté prédit négativement le
contrôle exercé (effet moyen), ce qui signifie que plus le problème est perçu comme étant
difficile et donc l’élève pense ne pas être capable de le résoudre correctement, moins cet élève
aura tendance à contrôler ce qu’il fait pendant et après la résolution. Ce résultat est surprenant
et contraire à nos hypothèses.
Les résultats confirment les points suivants de notre modèle d’hypothèse. Premièrement, les
expériences métacognitives avant la résolution sont effectivement positivement associées.
Plus le problème est perçu comme étant facile, plus le sentiment d’aimer la tâche sera fort. En
outre, le sentiment de familiarité est positivement lié à la difficulté mais aussi au sentiment
d’aimer la tâche. Deuxièmement, les expériences métacognitives pré-résolution (sentiment de
difficulté et sentiment d’aimer la tâche) prédisent directement ou indirectement positivement
le contrôle exercé (effets moyens). Ceci confirme l’existence de liens entre les expériences
métacognitives et le contrôle métacognitif. Troisièmement, les compétences cognitives et le
contrôle exercé jouent effectivement un rôle médiateur entre les expériences métacognitives
pré-résolution et la performance. En effet, aucune des expériences métacognitives évaluées
avant la résolution ne prédit directement la performance. Leurs effets sont médiatisés.
Quatrièmement, les jugements de confiance sont prédits non seulement par le sentiment de
difficulté (-.62, effet large) mais aussi par le contrôle exercé (.27, effet moyen). Ainsi, les
élèves qui ont le plus vérifié leur processus de résolution pendant et après avoir donné la
réponse ont tendance à rapporter une confiance plus élevée en ce qu’ils ont réalisé. Relevons
qu’une influence non-significative (.18, p = .06) des compétences cognitives sur les
89
En suivant la proposition de Kline (2005), qui se base sur les standards proposés par Cohen (1988) dans le
cadre des corrélations, les tailles d’effets peuvent être interprétées selon les coefficients standardisés de la façon
suivante : < .10 indique un effet de petite taille, entre .10 et .50 effet de taille moyenne et ≥50 : effet de grande
taille.
jugements de confiance n’a pas été retenue dans le modèle final mais qu’elle indique qu’il
pourrait exister un lien entre ces deux variables.
7.3.4. Résultats pour le problème « Le réservoir d’essence »
Le même modèle d’hypothèses a été testé avec les données du problème « le réservoir
d’essence ». Ce modèle démontre une bonne adéquation (χ2WLSMV = 48.996, dl = 36, p =
.0728, CFI = .979, RMSEA = .042).

R2=.36
Compétences
cognitives
Sentiment de
familiarité
R2=.79
Performance
-.83
Sentiment de
.76
R2=.79
difficulté -.24
Jugements
de confiance
-.73
R2=.23
Sentiment .28
d’aimer Contrôle
la tâche
Figure 7.3. Résultats du modèle de structure pour le problème «le réservoir d’essence»
(n = 200)
7.3.5. Commentaires sur le modèle de structure pour le problème «le réservoir

d’essence»
Les résultats confirment les points suivants de notre modèle d’hypothèse. Premièrement, il
existe des corrélations significatives entre expériences métacognitives avant la résolution.
Relevons toutefois que celles-ci sont largement plus élevées que pour le problème « la
citerne ». Deuxièmement, les compétences cognitives médiatisent les influences des
expériences métacognitives pré-résolution sur la performance. Ces deux observations
corroborent les résultats du modèle de structure pour le problème « la citerne ».
En comparaison de notre modèle hypothétique, les résultats révèlent les différences suivantes.
Premièrement, le sentiment de familiarité n’est pas prédictif des compétences cognitives.
C’est le sentiment de difficulté qui prédit ces compétences, comme cela était le cas dans le
problème « la citerne ». Deuxièmement, la performance n’est pas associée aux jugements de
confiance, alors que cette relation avait été constatée pour le problème « la citerne ».
Troisièmement, le contrôle exercé ne prédit pas la performance, alors que cette relation avait
été confirmée pour le problème « la citerne ». Il semble que le fait d’avoir contrôlé ne soit pas
aussi important pour la réussite que ce n’était le cas pour le premier problème. Par contre, ce
sont les compétences cognitives spécifiques au problème qui sont essentielles (.89, effet fort).
Finalement, comme cela était le cas dans le problème «la citerne», le sentiment de difficulté
prédit négativement le contrôle exercé (-.48, effet moyen). Ceci confirme cette relation
inattendue.
Par rapport aux résultats du modèle de structure obtenu pour le problème « la citerne », nous
observons les différences suivantes. Premièrement, les compétences cognitives sont largement
plus prédictives de la performance que ce n’était le cas dans le premier problème. Ceci
suggère que les compétences de compréhension, de représentation et de planification sont
plus largement liées et donc nécessaires à la réussite du problème que ce n’était le cas pour le
problème « la citerne ». Ce dernier était sans doute trop facile. Deuxièmement, les variances
expliquées des variables performance et jugements de confiance sont largement plus élevées.
Finalement, le contrôle ne médiatise pas les influences des expériences métacognitives pré-
résolution sur la performance. Ces différences pourraient s’expliquer principalement par le
niveau de difficulté des problèmes.
7.4. Modèles de structure liant variables générales et variables

spécifiques aux problèmes
La spécification et les résultats de ces modèles constituent des éléments de réponse à la

seconde question de recherche. Celle-ci concerne les influences d’une part des croyances
motivationnelles mesurées en référence aux mathématiques (buts d’accomplissement,
compétence perçue et intérêt individuel) et d’autre part de l’intelligence non-verbale sur les
variables spécifiques aux problèmes (expériences métacognitives, contrôle exercé,
compétences cognitives spécifiques au problème et performance ; modélisées dans la
première question de recherche). Nos hypothèses sont, comme pour la première question de
recherche, présentées sous la forme d’un modèle spécifiant les pistes que nous prédisons
comme significatives ainsi que la valence des coefficients. Soulignons que la partie du modèle
contenant les variables spécifiques au problème est reprise des résultats que nous avons
observés dans les figures 7.2 et 7.3. Etant donnée la complexité des modèles, des différences
entre nos attentes et les résultats empiriques sont largement probables. Nous les présenterons
dans ce chapitre et elles seront théoriquement interprétées dans le chapitre de discussion.
7.4.1. Modèle hypothétique pour les liens entre les variables générales et les variables
spécifiques aux problèmes
Nous faisons l’hypothèse qu’il n’existerait aucune influence directe, mais uniquement des
influences indirectes, des variables générales sur la performance ou sur les jugements de
confiance.
Nous prédisons les influences des buts d’accomplissement suivantes. Les buts de maîtrise-
approche prédiraient positivement d’une part le sentiment d’aimer la tâche (Wigfield &
Eccles, 2002) et d’autre part le contrôle exercé (Wolters et al., 1996). Les buts de maîtrise-
évitement prédiraient négativement les compétences cognitives spécifiques au problème mais
positivement le contrôle exercé. En effet, plus la peur de ne pas comprendre le domaine des
mathématiques est grande, plus l’élève devrait avoir tendance à contrôler ce qu’il fait pendant
la résolution du problème. En outre, plus l’élève a cette peur, moins il devrait posséder les
compétences cognitives postulées comme nécessaires à la résolution du problème. Concernant
les buts de performance-approche, nous postulons qu’ils ne seront directement prédictifs
d’aucune des variables spécifiques au problème. Ces buts devraient être positivement corrélés
aux buts de maîtrise-approche (Elliot & McGregor, 2001).
L’intérêt individuel devrait prédire le sentiment d’aimer la tâche tout en étant fortement
corrélé aux buts de maîtrise-approche et à la compétence perçue. La compétence perçue
devrait être négativement prédictive du sentiment de difficulté (Bandura, 1997/2003).
Finalement, l’intelligence non-verbale devrait logiquement prédire positivement les
compétences cognitives spécifiques au problème.
Toutes ces hypothèses sont représentées dans la figure 7.4.
Niveau général Avant la résolution Pendant et après la résolution
Buts de
performance-
approche Sentiment de
familiarité Compétences
+
cognitives
Buts de maitrise-
approche
+
+
Performance
Buts de maitrise-
évitement Sentiment de
difficulté
+
+
+
Jugements
Intelligence
- de confiance
non verbale
+
-
-
+
+
Intérêt individuel +
+
Sentiment
d’aimer Contrôle exercé
+
- la tâche
Compétence
perçue
Figure 7.4. Modèle d’hypothèses de liens entre variables générales et variables au niveau des problèmes
7.4.2. Résultats des modèles pour les problèmes « La citerne » et « Le réservoir

d’essence »
La même procédure que celle utilisée pour la modification et l’évaluation des modèles
spécifiques aux problèmes a été utilisée pour les modèles liant variables générales et variables
spécifiques aux problèmes. Les indices d’adéquation des modèles présentés sont les suivants
(tableau 7.11).
Tableau 7.11.
Indices d’adéquation pour le modèle de structure du problème «la citerne»
χ2MLR dl p-value CFI RMSEA
Modèle pour le problème
45.040 52 .7419 1 0
« la citerne »
Modèle pour le problème
56.123 41 .0580 .980 .043
« le réservoir d’essence »
Etant donné que les résultats des deux modèles sont proches, nous présentons ci-dessous leurs
résultats successivement et sous la forme de figures puis les commentons ensemble par la
suite. Ceci permettra d’aborder les convergences et divergences de manière synthétique.
R2=.54
Sentiment de
Buts de maitrise-
familiarité Compétences
approche
cognitives
.47 R2=.20
R2=.30 Performance
.29
Buts de maitrise-
.36
difficulté
R2=.57
Jugements
.47
de confiance
Intelligence
-.39
non verbale
-.32
.42
R2=.25
R2=.27
Contrôle exercé
.38
Sentiment
d’aimer
la tâche
Compétence
perçue
Figure 7.5. Modèle des liens entre variables générales et variables au niveau du problème «la citerne»

R2=.14
R2=.62
Buts de maitrise- .42 Sentiment de
approche familiarité Compétences
cognitives
.50
R2=.62
R2=.29 Performance
.29
Buts de maitrise-
.50
difficulté
R2=.76
.48
Jugements
de confiance
Intelligence
-.62
-.30
non verbale
.78
R2=.30
R2=.18
Contrôle exercé
.42
Sentiment
d’aimer
la tâche
Compétence
perçue
Figure 7.6. Modèle des liens entre variables générales et variables au niveau du problème «le réservoir d’essence»
7.4.3. Commentaires sur les modèles de structure liant les variables générales aux
variables spécifiques aux problèmes
La description des relations entre variables spécifiques à chacun des problèmes ayant fait
l’objet du paragraphe 7.3, celles-ci ne seront pas reprises ici. Toutefois, certaines différences,
dues à l’inclusion des variables générales, seront soulignées.
Dans aucune des deux figures représentant les résultats de nos modèles ne figurent les
variables intérêt individuel et buts de performance-approche. Dans le cas de l’intérêt
individuel, nous avons renoncé à introduire cette variable dans les modèles car elle ne
prédisait aucune variable spécifique au problème. Ceci s’explique par le fait qu’elle est
hautement corrélée à la variable buts de maîtrise-approche (r = .80). Cette dernière s’avère
offrir une meilleure prédiction des variables spécifiques au problème. La variable buts de
performance-approche a quant à elle été introduite dans les modèles mais elle ne prédit
absolument aucune variable spécifique au problème. De ce fait, elle n’apparaît pas afin de ne
pas complexifier la lecture de la figure. Relevons que les buts de performance-approche sont
corrélés non seulement aux buts de maîtrise-approche (.16 et .1790, effet faible) mais
également aux buts de maîtrise-évitement (.51 et .49 effet moyen ou fort).
Les buts d’accomplissement ont montré les influences suivantes. Les buts de maîtrise-
approche ont un effet large sur le sentiment d’aimer la tâche (.52 et .43) ; il s’agit du seul effet
direct observé dans les deux modèles. Dans le modèle relatif au problème « le réservoir
d’essence », les buts de maîtrise-approche sont prédictifs du sentiment de familiarité par
rapport au problème ; cette relation n’est pas significative pour l’autre problème.
Contrairement aux hypothèses, aucun effet de ces buts n’est observé, que ce soit directement
ou indirectement sur le contrôle exercé. Les buts de maîtrise-évitement n’ont pas d’effet direct
sur les expériences métacognitives mais ils prédisent négativement les compétences
cognitives de l’élève sur le problème (-.30 pour chacun des deux problèmes). Ce résultat doit
être interprété en tenant compte de l’effet de l’intelligence non verbale et du fait que ces buts
sont corrélés à la compétence perçue. Il est ainsi intéressant et étonnant de constater d’une
part que les buts de maîtrise-évitement prédisent les compétences cognitives spécifiques au
problème bien que nous ayons tenu compte de l’intelligence non verbale. D’autre part, la
90
Lorsque nous mentionnons deux coefficients successivement, le premier fait référence au modèle incluant les
variables du problème « la citerne » (figure 7.5) et le second fait référence au modèle incluant les variables du
problème « le réservoir d’essence » (figure 7.6).
compétence perçue ne prédit pas les compétences cognitives. Ces résultats sont constatés pour
les deux problèmes. L’élève qui adopte des buts de maîtrise-évitement tend à être moins
compétent sur le problème et il se sent également moins compétent dans la matière
(corrélation négative entre la compétence perçue et les buts de maîtrise-évitement). Les buts
de maîtrise-évitement ont également un effet moyen et positif sur le contrôle rapporté, comme
nous en avions fait l’hypothèse. Par conséquent, les buts de maîtrise-évitement influencent de
manière indirecte négativement la performance via les compétences cognitives spécifiques au
problème (-.11 et -.2291) ; ils influencent par contre positivement la performance via le
contrôle exercé (.09 et .03). En outre, ces buts influencent également les jugements de
confiance de manière indirecte, via les compétences cognitives (-.07 et -.22) et via le contrôle
(.12 et .07). Ces buts ont donc des conséquences tant négatives que positives.
La compétence perçue a comme attendu un effet positif et moyen à élevé (-.43 et -.54) sur le
sentiment de difficulté. De ce fait, elle affecte indirectement les compétences cognitives
(uniquement pour le problème « le réservoir d’essence » ; .23), le contrôle exercé (.17 et .25),
les jugements de confiance (.27 pour chacun des problèmes92) ainsi que la performance (.04 et
.21). Elle est associée aux deux buts de maîtrise : positivement aux buts d’approche (.47 et
.48) mais négativement aux buts de maîtrise-évitement (-.32 et -.30). Ainsi, parmi les élèves
s’orientant vers la maîtrise, il semble que l’approche ou l’évitement dépende partiellement de
la perception qu’ils ont de leurs compétences.
L’intelligence non-verbale a plusieurs effets directs. D’une part un effet moyen sur le
sentiment de difficulté (uniquement pour le problème « la citerne » ; -.22) ; d’autre part un
effet sur les compétences cognitives relatives au problème (.67 et .57). Ce dernier effet est
large comme attendu. L’intelligence non-verbale a également un effet direct positif sur le
contrôle exercé dans le cadre du problème « le réservoir d’essence » (.19). Dans le cadre du
problème « la citerne », cet effet est indirect (-.09 via le sentiment de difficulté).
L’intelligence non-verbale a donc une influence indirecte sur la performance (.27 et .44) et sur
les jugements de confiance (.29 et .30).
91
Les effets indirects sont le produit des effets menant de la variable indépendante à la variable dépendante. Par
exemple, dans le cas de l’influence indirecte des buts de maîtrise-évitement sur la performance pour le problème
« la citerne », les effets indirects sont -.30 x .37 = -0.111 (via les compétences cognitives) et .37 x .25 = 0.0925
(via le contrôle). En tout, les buts de maîtrise-évitement ont donc un effet indirect sur la performance de -0.111 +
0.0925 = -0.0185.
92
Pour « la citerne » : -.43 x -.48 (via sentiment de difficulté) + -.43 x -.39 x .33 (via sentiment de difficulté puis
contrôle exercé) = .27. Pour « le réservoir d’essence » : -.54 x -.35 (via sentiment de difficulté) + -.54 x -.46 x
.31 (via sentiment de difficulté puis contrôle exercé) = .27
La majorité des influences des variables générales sur les variables spécifiques aux problèmes
sont cohérentes au travers des deux problèmes. Toutefois, soulignons certaines différences
constatées. Premièrement, si les buts de maîtrise-approche et maîtrise-évitement exercent les
mêmes influences, ces deux types de buts sont également prédictifs du sentiment de
familiarité dans le problème «le réservoir d’essence». Ces influences sont difficilement
explicables. Au regard des larges inter-corrélations entre les expériences métacognitives pré-
résolution dans le cadre du problème « le réservoir d’essence », nous pouvons nous interroger
sur l’indépendance du sentiment de familiarité par rapport aux sentiments de difficulté et de
valeur. Il se peut en effet, que nous mesurions autre chose qu’un pur sentiment de familiarité,
mais plutôt un sentiment incluant affect et sentiment de compétence. Ceci expliquerait aussi le
manque de liens avec les compétences cognitives et la performance.
L’intelligence non-verbale n’influence pas le sentiment de difficulté dans le problème «le

réservoir d’essence» alors que c’était le cas pour le problème «la citerne». Cette piste n’est
donc pas confirmée. En outre, l’intelligence non-verbale prédit, avec un effet moyen, le
contrôle exercé. Plus le niveau de raisonnement non-verbal de l’élève est élevé, plus il
rapportera avoir réalisé de contrôle lors de la résolution du problème «le réservoir d’essence».
Ceci n’était pas le cas pour le problème «la citerne».
Le sentiment de difficulté garde son rôle central et il est, parmi les expériences
métacognitives, le plus largement affecté par les variables générales. Les sentiments de
familiarité et sentiment de valeur ne jouent pas de rôle médiateur entre les variables générales
et les variables mesurées pendant et après la résolution du problème (compétences cognitives,
performance et jugements de confiance).
Finalement, signalons que la corrélation entre jugements de confiance et performance n’était

pas significative lorsque seules les variables spécifiques au problème « le réservoir
d’essence » étaient modélisées. Cette corrélation est de .50 lorsque les variables générales
sont inclues dans le modèle.
7.6. Analyses centrées sur les personnes
Afin de répondre à notre troisième question de recherche, nous avons procédé à des analyses
en profils latents. Notre objectif était de découvrir des sous-groupes parmi notre échantillon.
Ceux-ci se distingueraient par des profils spécifiques en termes de buts d’accomplissement.
Etant donné que trois facteurs représentant les buts d’accomplissement (maîtrise-approche,
maîtrise-évitement et performance-approche) ont été extraits dans les analyses factorielles,
nous avons utilisé ces trois variables afin de déterminer dans un premier temps le nombre de
profils vraisemblablement présents dans les données.
7.6.1. Détermination du nombre de profils
La détermination du nombre de profils, comme discuté dans le chapitre 6 (voir 6.6.2.2), se

base d’une part sur des indices statistiques et d’autre part sur le sens que le chercheur peut
donner aux différents profils (Nylund et al., 2007). Nous avons estimé plusieurs modèles en
augmentant successivement le nombre de classes. Les indices d’adéquation figurent dans le
tableau 7.12.
Tableau 7.12.
Indices statistiques pour le choix du nombre de profils à retenir93
Nombre de LMR ajusté LBRT
BIC Entropie
profils (p-value) (p-value)
2 1089.608 55.962 (.0042) 57.478 (.0000) .712
3 1094.533 31.143 (.2428) 31.986 (.2353) .775
4 1122.812 8.404 (.3639) - .700
5 1142.604 14.055 (.3425) - .732
6 Pas de convergence94
Les deux indices statistiques comparant chaque modèle avec un modèle comprenant une
classe de moins (LMR ajusté et LBRT) favorisent une solution en deux profils. De plus,
l’indice BIC indique que ce modèle est le plus adéquat parmi ceux que nous avons testés. De
93
Les nombres d’élèves par profils étaient les suivants : solution en 2 profils : 30/165 ; solution en 3 profils :
24/139/32 ; solution en 4 profils : 34/18/15/131 ; solution en 5 profils : 44/5/17/18/111.
94
Le logiciel n’a pas pu trouver une solution valide probablement à cause de la complexité due au grand nombre
de classes demandé.
ce fait, nous sélectionnons cette solution. Au regard des indices d’entropie des différents
modèles estimés, la qualité de la solution en deux profils n’est pas la meilleure étant donné
que son indice est de .712 alors que pour la solution en trois profils, cet indice est de .775.
Toutefois, la probabilité d’appartenir à un profil plutôt qu’à l’autre est supérieure à 80% pour
chacun des profils, ce qui parait soutenir la qualité de la solution en deux profils (tableau
7.13). En outre, le profil 1 ne compte que 30 élèves alors que le profil 2 en compte la grande
majorité, soit 165.
Tableau 7.13
Classification pour solution en deux profils
Profil 1 2 n %
1 .809 .191 30 15.4
2 .064 .936 165 84.6
Total 195 100
Les profils paraissent, de ce point de vue, suffisamment distincts l’un de l’autre. Nous
remarquons que les élèves attribués au profil 1 ont une probabilité de 19.1% d’appartenir à
l’autre profil. Par contre, les élèves du profil 2 n’ont qu’une probabilité de 6.4% d’appartenir
au profil 1. Ainsi, Les indices statistiques favorisent une solution en deux profils.
7.6.2. Description des profils obtenus et de leur composition
Les deux groupes se distinguent par le fait que les moyennes de chacun des trois buts sont
significativement plus élevées95 dans le profil 2 (voir figure 7.7) qui est majoritaire en termes
de nombre d’élèves (n = 165). Les apprenants du profil 1 ont des scores suggérant qu’ils
adoptent tant des buts de maîtrise-approche que des buts de maîtrise-évitement. Par contre, ils
n’adoptent que moyennement des buts de performance-approche. Les apprenants du profil 2
ont des scores qui tendent à montrer qu’ils n’adoptent que moyennement les buts de maîtrise-
approche et qu’ils adoptent très faiblement les buts de maîtrise-évitement et performance-
approche.
95
Pour les buts de maîtrise-approche : F1,194 = 43.013, p < .001, η2 = .182 ; Pour les buts de maîtrise-évitement :
F1,194 = 110.667, p < .001, η2 = .364 et pour les buts de performance-approche : F1,194= 37.652, p < .001,
η2 = .163.
3.5
Profil 1
2.5
Profil 2
1.5
1
Buts de maîtrise-approche Buts de maîtrise-évitement Buts de performance-approche
Figure 7.7. Moyennes des scores de buts d’accomplissement en fonction des profils
L’analyse de la composition des profils (tableau 7.14) en termes de niveaux d’exigence de la

formation, de sexe, de nationalité et d’âge révèle que les deux profils ne se distinguent
significativement sur aucune des variables précitées96. Il semble ainsi que l’appartenance à un
profil ne soit pas liée aux caractéristiques des participants, du moins pas à celles auxquelles
nous sommes intéressés.
Tableau 7.14.
Composition des profils
Niveau exigence de
n (%) Sexe Nationalité Age
la formation
Faible Fort F H CH Etr.
19 11 10 18 20 3
Profil 1 30 17 ; 4
(18.8%) (11.7%) (13.9%) (15.3%) (15.6%) (8.6%)
82 83 62 100 108 32
Profil 2 165 18 ; 2
(81.2%) (88.3%) (86.1%) (84.7%) (84.4%) (91.4%)
Total 195 101 94 72 118 128 35 18 ; 1
Note : les pourcentages totaux ne sont pas toujours égaux à 100 car il y a des données manquantes. CH =
nationalité suisse ; Etr. = nationalité étrangère
96
Associations non-significatives entre l’appartenance à un profil et 1) le niveau d’exigence de la formation :
χ2(1) = 1.891, p = .169 ; 2) le sexe : χ2(1) = .066, p = .836 ; 3) la nationalité : χ2(1) = 1.128, p = .413 ; 4) l’âge :
F1,163 =1.856, p = .175, η2 = .011.
7.6.3. Liens entre l’appartenance à un profil et les autres variables
Concernant les scores moyens de chacun des profils sur les variables compétence perçue,
intérêt individuel et intelligence non-verbale (voir figure 7.8), nous constatons que les élèves
du profil 1 ont une moyenne sensiblement moins élevée que les élèves du profil 2 sur la
variable intérêt individuel. Les différences ne sont significatives que pour cette variable et la
taille d’effet est faible (F1,191 = 6.868, p < .01, η2 = .035).
0.2
0.1
-0.1
Profil 1
Profil 2
-0.2
-0.3
-0.4
-0.5
Compétence perçue Interêt individuel Intelligence non verbale
Figure 7.8. Moyennes (scores z) des variables compétence perçue, intérêt individuel et
intelligence non verbale en fonction des profils
Concernant les variables spécifiques aux problèmes « la citerne » (voir figure 7.9), nous
constatons que le profil 1 obtient des moyennes plus faibles sur les variables sentiment de
familiarité, sentiment d’aimer la tâche et contrôle exercé. Au contraire, ses moyennes sont
plus élevées pour le sentiment de difficulté, les compétences cognitives spécifiques au
problème et la performance. Ces différences sont significatives uniquement pour les variables
sentiment d’aimer la tâche (F1,191 = 14.601, p < .001, η2 = .074) et contrôle exercé (F1,191 =
5.862, p = .016, η2 = .031).
0.3
0.2
0.1
-0.1
Profil 1
-0.2
Profil 2
-0.3
-0.4
-0.5
-0.6
-0.7
Sentiment de Sentiment de Sentiment Compétences Contrôle exercé Jugements de Performance
familiarité difficulté d'aimer la tâche cognitives confiance
spécifiques
Figure 7.9. Moyennes (scores z) pour les variables spécifiques au problème « la citerne »
fonction des profils
Pour les variables spécifiques au problème « le réservoir d’essence » (voir figure 7.10), le
profil 1 se distingue du profil 2 par des moyennes inférieures sur toutes les variables, à
l’exception du sentiment de difficulté. Les différences sur les variables sentiment de
familiarité (F1,191 = 5.530, p = .02, η2 = .028) et sentiment d’aimer la tâche (F1,190 = 9.712, p =
.002, η2 = .049) sont significatives. Pour le contrôle exercé, nous trouvons une différence
tendant vers la significativité (F1,193 = 3.751, p = .054, η2 = .019).
0.2
0.1
-0.1
Profil 1
-0.2
Profil 2
-0.3
-0.4
-0.5
-0.6
Sentiment de Sentiment de Sentiment Compétences Contrôle exercé Jugements de Performance
familiarité difficulté d'aimer la tâche cognitives confiance
spécifiques
Figure 7.10. Moyennes (scores z) des variables spécifiques au problème « le réservoir

d’essence » en fonction des profils
7.6.4. Commentaires sur l’analyse de profils
En résumé, cette analyse en profils latents nous indique que les deux groupes se distinguent
au niveau de leurs buts d’accomplissement par des moyennes différentes mais des profils
« parallèles ». En effet, dans chacun des profils, les buts les plus fortement adoptés sont les
buts de maîtrise-approche, les buts de maîtrise-évitement sont un peu moins adoptés et les
buts de performance-approche sont les buts que les élèves adoptent les moins fortement. Nous
aurions attendu des distinctions plus significatives au niveau théorique, par exemple avec un
groupe adoptant fortement des buts de performance-approche et l’autre n’en adoptant pas.
Concernant la composition des profils, nous n’avons pas observé de différences quant au
niveau d’exigence de la formation, au sexe, à la nationalité ou à l’âge des apprenants en
fonction de leur profil d’appartenance.
La comparaison des moyennes sur les autres variables nous a permis de constater que ce qui
distingue ces deux groupes est principalement l’intérêt qu’ils portent aux mathématiques. Le
profil avec les moyennes les plus faibles obtient en effet des moyennes significativement
inférieures pour l’intérêt individuel ainsi que le sentiment d’aimer la tâche pour chacun des
deux problèmes proposés. En outre, ils se distinguent également par le fait qu’ils rapportent
exercer moins de contrôle pendant et après la résolution des problèmes. Ce lien n’est pas
étonnant étant donné que nous avons trouvé une influence significative et modérée du
sentiment d’aimer la tâche sur le contrôle exercé. Sauf exception (le sentiment de familiarité
pour le problème « le réservoir d’essence »), aucune autre variable ne distingue les deux
profils.
7.7. Implications des résultats pour la seconde étude
Nous ne confrontons pas ici nos résultats avec les théories car nous discuterons les résultats
des deux études ensemble après la présentation de tous les résultats empiriques. Toutefois,
nous présentons les implications des résultats et des propositions d’extension des variables
étudiées pour la seconde étude.
Révision du questionnaire sur les buts d’accomplissement

L’analyse factorielle du questionnaire sur les buts d’accomplissement a démontré que seuls
trois buts pouvaient être extraits, ce qui limite l’étude des influences de ce construit. En outre,
ceci limite également la description des élèves dans l’analyse de profils. Pour la seconde
étude, nous élargirons notre perspective sur les buts d’accomplissement en incluant
premièrement les buts d’évitement du travail ou de tendance au moindre effort définis par
Nicholls (1989) ainsi que Dowson et McInerney (2001) et deuxièmement en incluant la
perspective de Dweck (Grant & Dweck, 2003) sur les buts de maîtrise-approche, c’est-à-dire
l’idée de recherche de challenge. En outre, les résultats de cette première étude nous indiquent
que les buts de maîtrise-évitement jouent un rôle important puisqu’ils sont prédictifs de
plusieurs variables dont le contrôle exercé pendant et après la résolution des problèmes.
Jusqu’à aujourd’hui, les conséquences de ces buts ont encore été peu étudiées empiriquement.
En nous interrogeant sur les raisons de ces influences, nous en arrivons à postuler que ce
serait plutôt une variable affective proche de l’anxiété qui serait mesurée par nos items de
maîtrise-évitement. En effet, les libellés des items comprennent les termes « s’inquiéter »,
« se soucier », ou encore « avoir peur ». Ainsi, nous pouvons formuler, comme Martin (1998)
ou Middleton et Midgley (1997) l’avaient fait à l’égard des buts de performance-évitement,
l’hypothèse que nos items de maîtrise-évitement mesureraient l’anxiété plutôt que de
véritables buts. Pour ces raisons, nous ne mesurerons plus les buts de maîtrise-évitement dans
la seconde étude mais nous proposerons une échelle d’anxiété relative à l’apprentissage des
maths. Finalement, les buts de maîtrise-approche ont été en moyenne très largement acceptés
par les élèves, ce qui pourrait être dû à la désirabilité sociale de ces buts (Dweck, 1999).
L’inclusion de la notion de recherche de challenge dans les buts de maîtrise-approche pourrait
restreindre l’effet de désirabilité sociale dans les réponses des apprenants.
Modification du test d’intelligence non-verbale

Des observations lors de l’administration du test d’intelligence non-verbale ont suggéré à
plusieurs reprises que ce test était trop long en particulier pour les élèves les plus faibles
scolairement. En effet, un certain nombre d’apprenant s’arrêtaient de résoudre les items après
quinze à vingt minutes alors que trente minutes étaient à leur disposition. Ces apprenants
manifestaient une certaine lassitude due à la difficulté du test et avaient de la peine à se
concentrer de manière continue. Ainsi, leurs scores pourraient être biaisés par ce manque de
persévérance. Par conséquent, nous réaliserons une version écourtée de ce test pour la seconde
étude, ce qui devrait permettre de ne pas rencontrer les problèmes précités.
Extension des variables considérées au niveau de la matière et des aptitudes cognitives

Afin d’étudier de manière plus complexe les liens entre croyances motivationnelles et
variables métacognitives, nous proposons de mesurer un certain nombre de variables
supplémentaires. Concernant les croyances motivationnelles, en plus de l’élaboration des buts
d’accomplissement, nous mesurerons l’instrumentalité perçue car cette variable est apparue
comme permettant de prédire largement les buts d’accomplissement et l’utilisation de
stratégies d’apprentissage dans l’étude de Praplan (2007). Pour les variables métacognitives,
nous mesurerons les théories implicites des capacités en maths (Dweck, 1999) car celles-ci
sont d’une part à l’origine des buts d’accomplissement (Cury et al., 2006 ; Dweck & Leggett,
1988) et d’autre part elles font le lien entre métacognition et motivation (voir 3.3.2 et 4.4.2.1).
Afin d’étudier les habitudes stratégiques des élèves au niveau de la matière, nous inclurons
des échelles mesurant les stratégies d’apprentissage de trois types : stratégies de
mémorisation, d’élaboration et métacognitives. Ceci permettra d’une part d’étudier les liens
entre les croyances motivationnelles et les stratégies au niveau de la matière et d’autre part
d’utiliser ces échelles de stratégies d’apprentissage afin de prédire l’application de stratégies
que les élèves rapportent au sujet des problèmes qui leur sont proposés. Finalement,
concernant les aptitudes cognitives, nous mesurerons les compétences dans le domaine des
mathématiques (le raisonnement numérique) car celles-ci devraient être plus fortement liées
aux variables relatives aux problèmes que ne l’est l’intelligence non verbale. En outre, nous
proposerons un test de mémoire de travail afin de compléter le profil des apprenants en termes
d’aptitudes cognitives.
Au niveau des problèmes, nous avons constaté que le sentiment de familiarité jouait un rôle
mineur (il est lié au sentiment de difficulté) alors que nous postulions qu’il aurait une
influence sur les compétences cognitives spécifiques au problème. Le rôle du sentiment de
familiarité est donc remis en question. Les travaux d’Efklides (2001) accordent pourtant un
rôle important au sentiment de familiarité. En effet, le sentiment de familiarité contribuerait,
selon Efklides (2002b), à la formation du sentiment d’aimer la tâche (nos résultats corroborent
cette hypothèse étant donné qu’il existe des corrélations modérées à élevées entre ces deux
construits) et à l’intention de s’engager ou d’abandonner.
Nos observations lors de la passation des instruments ont révélé que si certains élèves avaient
joué le « jeu » de la recherche et avaient tenté de résoudre les problèmes et de répondre aux
items avec application, d’autres ne l’avaient pas fait. Par conséquent, les résultats pourraient
être biaisés. Nous postulons ainsi qu’une variable non mesurée dans cette étude pourrait avoir
un rôle important au niveau des problèmes. Il s’agit de l’intention d’engager des efforts ou
intention d’apprendre (Boekaerts, 2001 ; Boekaerts, Crombach, & Voeten, 1998 ; Pelgrims,
2006 ; Seegers & Boekaerts, 1993). Selon Boekaerts (2001), « learning intentions can be
viewed as context specific commitments pathways (…), or students’ decisions to engage in a
specific activity, given local conditions » (p. 21). En effet, nous faisons l’hypothèse que cette
intention pourrait expliquer d’une part le contrôle métacognitif que l’élève exerce et d’autre
part sa performance, que ce soit de manière directe ou médiatisée. Il se peut que nos résultats
soient modifiés par l’inclusion de cette variable, ce qui indiquerait que celle-ci joue
effectivement un rôle. En outre, nous mesurerons une expérience métacognitive
supplémentaire après la résolution du problème. Il s’agira de l’estimation des efforts effectués
(Boekaerts, 2002 ; Efklides, 2001) qui devrait logiquement être prédite par l’intention
d’engager des efforts et avoir un effet sur la performance. L’ajout de ces deux variables
relatives aux efforts de l’élève a pour objectif d’enrichir les analyses au niveau des problèmes.
8. Méthode-étude 2
8.1. Introduction
Ce chapitre présente les questions de recherche et hypothèses, l’échantillon ainsi que les
instruments utilisés pour la seconde étude. Les méthodes d’analyses des données sont
identiques à celles utilisées dans le cadre de la première étude. De ce fait, leur description,
leurs avantages et leurs limites ne sont pas décrites à nouveau dans ce chapitre. En ce qui
concerne les limites liées aux instruments auto-rapportés, celles-ci ne sont pas non plus
reprises ici. Le lecteur est invité à se référer au chapitre 6 concernant la méthode pour l’étude
1.
8.2. Questions de recherche et hypothèses
Pour cette seconde étude, nos questions de recherche sont parallèles à celles que nous avions
formulées pour la première étude. Ces questions portent sur différents niveaux d’analyses : le
problème, la matière et les liens entre les deux. Toutefois, les variables considérées sont plus
nombreuses (voir 7.7 ainsi que la description des instruments ci-après) et permettront
d’approfondir les résultats de la première étude. Nous pourrons en outre corroborer certains
résultats observés dans la première étude. L’approche est à nouveau double : d’une part une
description des liens entre variables (méthodes basées sur l’analyse des corrélations) et
d’autre part une description des apprenants (analyses en profils latents).
Comment les expériences métacognitives pré-résolution influencent-elles l’utilisation de
stratégies (cognitives et métacognitives), les variables liées à l’effort et comment toutes ces
variables sont-elles liées aux expériences métacognitives post-résolution ? Quel rôle les
compétences cognitives spécifiques au problème jouent-elles dans ce cadre ? Quelles
variables prédisent la performance ?
Hypothèses
Nos hypothèses sont représentées dans la figure 8.1. Nous postulons que les expériences
métacognitives pré-résolution seront directement liées d’une part aux compétences cognitives
spécifiques au problème et d’autre part aux stratégies utilisées par l’élève. Les stratégies, tout
comme les compétences cognitives sont prédictives de la performance et liées aux
expériences métacognitives post-résolution. L’intention d’engager des efforts pourrait prédire
l’utilisation de stratégies ainsi que les expériences métacognitives post-résolution liées à
l’effort.
Compétences
Expériences Performance
cognitives
métacognitives
pré-résolution
Expériences
Stratégies
métacognitives
Cognitives et
post-résolution
métacognitives
Intention
d’engager des
efforts
Figure 8.1. Modèle général d’hypothèses pour la question de recherche 1
Comment les croyances motivationnelles, le contrôle métacognitif comme trait et les aptitudes
cognitives influencent-elles les expériences métacognitives et le contrôle métacognitif lors de
la résolution d’un problème ?
Hypothèses
Nos hypothèses sont représentées dans la figure 8.2. En plus des liens postulés dans la
première question de recherche, nous postulons que les aptitudes cognitives97 et les croyances
motivationnelles ont des effets sur diverses variables spécifiques au problème. Les croyances
motivationnelles influenceraient les expériences métacognitives pré-résolution, les stratégies
cognitives et métacognitives ainsi que les expériences métacognitives post-résolution. Les
aptitudes cognitives influenceraient principalement les compétences cognitives spécifiques au
97
Rappelons que nous désignons par les termes « aptitudes cognitives » des variables telles que l’intelligence
non-verbale ; les termes « compétences cognitives spécifiques au problème » font quant à eux référence à des
variables mesurées en relation à un problème mathématique spécifique (compréhension et représentation du
problème ainsi que planification de la résolution).
problème ainsi que les expériences métacognitives pré-résolution. Finalement, le contrôle

métacognitif comme trait influencerait les stratégies cognitives et métacognitives utilisées
pendant la résolution du problème. Relevons que nous n’inclurons pas, dans les modèles que
nous testerons, toutes les variables représentant les croyances motivationnelles ni les aptitudes
cognitives car elles sont trop nombreuses et les modèles seraient fort peu parcimonieux. De ce
fait, seules les variables les plus importantes en terme d’influence seront inclues.
Aptitudes
cognitives
Compétences
Expériences Performance
cognitives
métacognitives
pré-résolution
Croyances
motivationnelles Expériences
Stratégies
métacognitives
Cognitives et
post-résolution
métacognitives
Intention
d’engager des
efforts
Contrôle
métacognitif
comme trait
Par rapport à l’apprentissage des mathématiques professionnelles, comment les aptitudes
cognitives (raisonnement numérique, intelligence non verbale et mémoire de travail), les
croyances motivationnelles et les stratégies d’apprentissage/résolution sont-elles liées ?
Comment les croyances motivationnelles influencent-elles les stratégies ? Quel est le rôle des
aptitudes cognitives ?
Hypothèses
Nous postulons que les variables des trois types sont sensiblement corrélées. Des croyances
motivationnelles favorables devraient être associées à des stratégies d’apprentissage/
résolution menant théoriquement à un traitement des informations plus en profondeur, c’est-à-
dire l’utilisation de stratégies d’élaboration et de stratégies métacognitives (contrôle
métacognitif comme trait) (Pintrich, 1999). Les compétences cognitives devraient jouer un
rôle en particulier par rapport aux croyances motivationnelles. Nous proposons un rôle
médiateur des buts d’accomplissement comme déterminant les plus proximaux des stratégies
(voir figure 8.3).
Croyances
Stratégies
Aptitudes motivationnelles Buts
d’apprentissage
cognitives (perceptions de la d’accomplissement
et de résolution
matière et de soi)
Ce rôle médiateur est justifié par le présupposé théorique selon lequel les buts
d’accomplissement seraient, parmi les croyances motivationnelles que nous considérons, les
variables explicatives les plus proximales des processus d’apprentissage et de résolution.
Selon Elliot (1999 ; Elliot & Thrash, 2001), ces buts serviraient de médiateur aux effets des
variables liées au self (par exemple la perception de ses compétences), à la perception des
tâches (notamment la valeur attribuée à la tâche) et à l’affect (par exemple l’anxiété). Selon
Elliot et Thrash (2001),
Although they [antecedents of goals; e.g., desires, concerns, needs, and motives]
provide the energization for behavior, they do not provide specific guidelines for how
one may accomplish the desire, concern, need or motive that has been activated. As
such, individuals commonly adopt more concrete aims or goals that help guide and
direct their behavior toward more specific competence-based possibilities. (…) the
reason that is activated in the achievement setting prompts the adoption of achievement
goals, which serve as the direct regulators of achievement behavior. (p.147)
Les travaux d’Elliot s’intéressent particulièrement à la psychologie de la personnalité et par

conséquent ils proposent des traits de personnalité comme étant à l’origine de l’adoption des
buts. Les variables que nous considérons comme menant à l’adoption des buts
d’accomplissement sont sensiblement différentes. Elles concernent la perception de la matière
(valeur de la tâche) et de soi par rapport à cette matière (la perception de ses compétences et
de son anxiété). Nos données permettront de tester le postulat du rôle médiateur des buts
d’accomplissement entre perceptions de la matière et stratégies d’apprentissage. Ce postulat
implique notamment que les buts d’accomplissement permettent la prédiction des stratégies
d’apprentissage (Elliot, McGregor, & Gable, 1999).
Quels profils d’apprenants, en termes de buts d’accomplissement, sont distinguables dans
notre échantillon ?
Quelles sont les caractéristiques démographiques de chaque profil ?
Comment ces différents sous-groupes se différencient-ils les uns des autres par rapport à :
leurs aptitudes cognitives, leurs croyances motivationnelles autres que les buts
d’accomplissement, leurs stratégies d’apprentissage, leurs expériences métacognitives et leur
contrôle métacognitif en situation de résolution de problème mathématique ?
Hypothèses
Bien que cette question soit de type exploratoire, nous formulons tout de même l’hypothèse
générale suivante. Nous postulons l’existence de profils différents allant des élèves dont les
buts sont largement défavorables à l’apprentissage (fort évitement du travail et tendance au
moindre effort ainsi que faibles buts de maîtrise) à des élèves adoptant des buts théoriquement
très favorables (fort buts de maîtrise et éventuellement de performance-approche), en passant
par des élèves à profils mixtes. Etant donné que nous élargissons les buts d’accomplissement
que nous considérons, nous devrions pouvoir distinguer un nombre plus grand de profils et
d’une plus grande complexité que cela n’a été le cas dans la première étude. Un lien entre les
caractéristiques démographiques des élèves (par exemple le sexe) ou le niveau d’exigences
intellectuelles de la formation et l’appartenance à un certain profil est probable. En ce qui
concerne la différenciation des groupes, nous postulons de manière générale que : plus le
profil du groupe est favorable, plus les expériences métacognitives relatives aux problèmes
seront positives. En outre, nous n’attendons pas de grandes différences dans les aptitudes
cognitives. Les croyances motivationnelles autres que les buts d’accomplissement, tout
comme les stratégies d’apprentissage, devraient être plus favorables pour les groupes dont le
profil en termes de buts d’accomplissement est théoriquement favorable.
8.3. Echantillon
281 apprenants en formation professionnelle initiale de type duale ont participé à l’étude. Les
participants fréquentaient des centres de formation professionnelle dans les cantons de
Genève (n = 222) et de Fribourg (n = 59), en première (n = 240) ou deuxième année de
formation (n = 41). L’échantillon était constitué de 94 femmes (33,5%) et 181 hommes
(64,4%) ; 6 participants (2,1%) n’ont pas rapporté leur sexe. 190 participants étaient de
nationalité suisse (67,6%) et 84 (29,9%) de nationalité étrangère ; 7 participants (2,5%) n’ont
pas rapporté cette information. Concernant la langue parlée à domicile, 244 participants
(86,8%) ont rapporté qu’il s’agissait du français et 31 participants (11,0%) ont rapporté qu’il
s’agissait d’une autre langue ; 6 participants (2,1%) n’ont pas répondu. L’âge moyen est de
222.83 mois (18 ; 7 ans) avec un écart type de 30,92 mois (2 ; 7 ans) et une étendue de 189
mois à 432 mois (15 ; 9 ans à 36 ; 0 ans). Concernant le niveaux d’exigences intellectuelles
des formations, nous observons la répartition suivante : 103 apprenants (36,7%) fréquentaient
des formations de niveau 1, 21 apprenants (7,5%) des formations de niveau 2, 92 apprenants
(32,7%) des formations de niveau 3, 15 apprenants (5,3%) des formations de niveau 4, 12
apprenants (4,3%) des formations de niveau 5 et 38 apprenants (13,5%) des formations de
niveau 6. 24 apprenants (8,5%) avaient suivi une formation du niveau le plus faible au
secondaire (regroupement C pour le cycle d’orientation genevois et section pratique pour le
cycle d’orientation fribourgeois), 128 (45,6%) avaient suivi une formation de type
regroupement B (pour le canton de Genève) ou section générale (pour le canton de Fribourg)
et 81 (28,8%) avaient suivi une formation de type regroupement C ou section pré-
gymnasiale ; 48 participants (17,1%) avaient suivi d’autres types de formations (par exemple
en France) ou n’ont pas répondu à cette question. Les professions apprises, le nombre
d’apprenants dans chaque classe, le niveau d’exigences intellectuelles de la formation, le
centre de formation professionnelle que ces apprenants fréquentaient, ainsi que diverses
informations démographiques sont rapportés dans le tableau 8.1.
Toutes ne seront pas utilisées dans les analyses rapportées dans ce travail. Par exemple, étant
donné que la grande majorité des élèves était en première année de formation et que nous
n’avons pas de raison de postuler de différences dues à cette variable, nous n’utiliserons pas
cette dernière dans les analyses.
Tableau 8.1.
Caractéristiques des classes composant l’échantillon
de la formation
professionnelle
Langue parlée
intellectuelles
Numéro de la
(F/H/manq.)
d’exigences
au domicile
Age moyen
Nationalité
formation
formation
Centre de
(CH/Etr.)
Année de
d’élèves
Nombre
(Fr/étr.)
Niveau
classe
Sexe
Profession apprise
10 Maçons et carreleurs 16 1 0/16 14/2 CEPTA 7/9 19 ;11 1

11 Dessinateurs en bâtiment 12 5 2/10 10/2 CEPTA 6/6 18 ;10 1
12 Boulangers – pâtissiers – confiseurs 16 1 6/10 14/2 EPAI 14/2 17 ;3 1
13 Boulangers – pâtissiers – confiseurs 18 1 4/14 15/3 EPAI 13/5 17 ;3 1
14 Electriciens de montage 10 2 0/10 7/3 CEPTA 4/5/1 18 ;9 1
15 Monteurs électriciens 15 4 0/15 13/2 CEPTA 8/7 19 ;2 1
16 Assistant-e-s en pharmacie 16 3 11/0/5 9/2/5 ECEG 5/6/5 20 ;10 2
17 Assistant-e-s en pharmacie 14 3 12/2 11/3 ECEG 7/7 21 ;0 2
18 Coiffeuses 11 1 10/1 11/0 EPAI 9/2 19 ;2 2
19 Assistant-e-s en pharmacie 14 3 14/0 14/0 EPC 11/3 18 ;10 1
20 Horlogers 14 3 3/11 13/1 CEPTA 12/2 18 ;3 1
21 Horlogers 15 3 1/14 15/0 CEPTA 12/3 17 ;3 1
22 Gestionnaires en logistique 19 3 1/17/1 16/2/1 CEPTA 13/5/1 18 ;9 1
23 Cuisiniers 11 2 2/9 10/1 CEPTA 10/1 19 ;7 1
24 Boulangers 8 1 2/6 7/1 CEPTA 6/2 18 ;4 1
25 Confiseurs 12 1 4/8 12/0 CEPTA 11/1 18 ;1 1
26 Coiffeuses 10 1 8/2 8/2 CEPTA 4/6 19 ;0 1
27 Coiffeuses 12 1 11/1 10/2 CEPTA 9/3 18 ;2 1
28 Informaticiens 11 6 1/10 9/2 CEPTA 9/2 17 ;9 1
29 Informaticiens 10 6 1/9 9/1 CEPTA 6/4 16 ;9 1
30 Electroniciens 17 6 1/16 17/0 CEPTA 14/3 17 ;10 1
Note : F=femme, H=homme, Manq.= information manquante ; ECEG= Ecole de commerce Emilie-Gourd (Genève) ; CEPTA= Centre d’Enseignement Professionnel
Technique et Artisanal (Genève) ; EPAI= Ecole Professionnelle Artisanale et Industrielle (Fribourg) ; EPC= Ecole professionnelle de commerce (Fribourg)
La corrélation entre le niveau d’exigences intellectuelles et le score au test d’intelligence non

verbale est de τ = .33 (p < .01).
8.4. Instruments
Suite à la première étude, les instruments ont été retravaillés et nous avons ajouté plusieurs
variables (voir 7.7).
8.4.1. Questionnaire sur l’apprentissage en mathématiques
Pour tous les items des échelles décrites ci-dessous les élèves devaient inscrire leurs réponses
en se situant sur une échelle de Likert à sept points (Tout à fait faux ; Faux ; Plutôt faux ;
Autant faux que vrai ; Plutôt vrai ; Vrai ; Tout à fait vrai). Les items des différentes échelles
étaient mélangés.
8.4.1.1. Echelles de buts d’accomplissement, version 2
Cet instrument est une version retravaillée du questionnaire sur les buts d’accomplissement
utilisé dans la première étude. Les buts de maîtrise-évitement ont été éliminés car nous avons
jugé qu’ils représentaient une mesure de l’anxiété plutôt qu’une mesure de buts. Martin
(1998) a démontré, dans le cas des buts de performance-évitement dans l’Achievement Goal
Questionnaire d’Elliot, que ceux-ci mesuraient effectivement l’anxiété. Nous faisons
l’hypothèse que les items que nous avions utilisé dans la première étude afin de mesurer les
buts de maîtrise-évitement évaluaient également l’anxiété plus qu’ils n’évaluaient des buts.
Ceci est dû au fait que les libellés des items contiennent des mots tels que « peur »,
« redouter », « craindre » qui font référence plutôt à un état émotionnel qu’à un but
d’accomplissement. Ils ne sont pas orientés vers le futur. En outre, nous avions observé que
ces items jouaient un rôle prédictif dans nos modèles. Par conséquent, une échelle mesurant
l’anxiété a été formulée. Les buts de maîtrise-approche ont été complétés par une seconde
dimension, l’attrait des tâches qui représentent un challenge (Dupeyrat, Mariné, & Escribe,
1999 ; Dweck, 1999). Nous espérons ainsi qu’ils seront un peu moins facilement acceptés par
les participants, au risque de scinder les buts de maîtrise-approche en deux facteurs. En ce qui
concerne les buts de performance-approche, si ce n’est l’adjonction de quelques items, leur

définition conceptuelle n’a pas été modifiée. Les buts de performance-évitement ont été
reformulés afin de ne pas inclure des termes faisant référence aux émotions et qu’ils
représentent effectivement un but. Nous avons ajouté des items destinés à mesurer les buts
d’évitement du travail ou de tendance au moindre effort. Nous pensons, sur la base de
discussions avec des enseignants lors des passations de la première étude, que les participants
sont largement susceptibles de les accepter et que ces buts manquaient dans la première étude.
Deux dimensions sont sous-jacentes à ces buts : la tendance de choisir les tâches faciles et la
tendance d’en faire le minimum (Dowson & McInerney, 2001). Le Questionnaire des Buts en
Contexte Scolaire (QBCS) de Bouffard, Vezeau, Romano, Chouinard, Bordeleau et Fillion
(1998) nous a servi de source d’inspiration pour le développement des items, en plus de
l’instrument Questions sur l’Apprentissage (Büchel, 2006). En outre, une plus grande
diversité de buts d’accomplissement pourrait enrichir les profils d’élèves que nous avons
basés sur ces buts. Les items concernant les buts d’accomplissement figurent dans les
tableaux 8.2 à 8.5.98
Tableau 8.2.
Code et libellé des items évaluant les buts de maîtrise-approche
Code Libellé
BMA1 Je veux apprendre autant que possible pendant les cours de maths
BMA2 C’est important pour moi de bien comprendre le cours de maths
BMA3 Je souhaite maîtriser ce qui est enseigné en maths
BMA4 J’apprécie les exercices de maths qui me permettent d’apprendre, même si je fais
beaucoup de fautes
BMA5 En maths, j’aime les exercices qui sont plutôt difficiles pour moi
BMA6 Je veux être confronté à des problèmes difficiles en maths
BMA7 En maths, j’aime les exercices difficiles s’ils me permettent d’apprendre quelque
chose
Les trois items BMA5 à BMA7 ont été développés afin de représenter la conception des buts
d’apprentissage de Dweck (1999).
98
Les items qui sont repris à l’identique de la première étude sont en italique
Tableau 8.3.
Code et libellé des items évaluant les buts de performance-approche
Code Libellé
BPA1 Mon but en maths est d’obtenir une meilleure moyenne que la plupart de mes
camarades
BPA2 J’aimerais montrer à mon enseignant que je suis meilleur que mes camarades
BPA3 Je cherche à obtenir les meilleurs résultats de la classe
BPA4 En maths, je suis en compétition avec les autres élèves pour obtenir des notes
élevées
BPA5 C’est important pour moi d’être meilleur que les autres en maths
BPA6 Je me sens compétent lorsque je réussis mieux que les autres en maths
Tableau 8.4.
Code et libellé des items évaluant les buts de performance évitement
Code Libellé
BPE1 Mon but est d’éviter d’être parmi les plus nuls
BPE2 Je veux éviter que mon prof pense que je suis moins bon que les autres
BPE3 Je redoute que mes collègues pensent que je suis moins bon qu’eux
BPE4 Mon but est de ne pas paraître stupide en maths
BPE5 Mon but est de ne pas avoir la moins bonne note de la classe en maths
BPE6 Je veux éviter d’être inférieur aux autres
BPE7 Mon but est d’éviter qu’on pense que je suis nul en maths
Tableau 8.5.
Code et libellé des items évaluant les buts d’évitement du travail/tendance au moindre effort
Code Libellé
BET1 Je souhaite avoir le moins de travail possible en maths
BET2 En maths, je veux faire le strict minimum pour obtenir une note (évaluation)
suffisante
BET3 Mon but est de travailler juste ce qu’il faut pour avoir la moyenne
BET4 En maths, je préfère faire des exercices que je suis sûr de réussir
BET5 Obtenir une note largement supérieure à la moyenne en maths est inutile
BET6 Je préfère les exercices de maths faciles plutôt que ceux qui demandent de réfléchir
beaucoup
BET7 Je fais mon travail en maths uniquement parce que j’y suis obligé.
8.4.1.2. Echelles de concept de soi en mathématiques
Les mêmes items du Self-Description Questionnaire II (SDQ-II) ont été utilisés que dans la
première étude (voir la description de l’instrument au point 6.4.2), excepté l’item SDQM11
que nous avions ajouté mais qui s’était avéré non pertinent. Une partie des items est destinée à
mesurer la compétence perçue (tableau 8.6) et l’autre partie l’intérêt individuel (tableau 8.7).
Tableau 8.6.
Code et libellé des items évaluant la compétence perçue
Code Libellé
COM1 J’ai souvent besoin d’aide en mathématiques (R)99
COM2 J’ai du mal à comprendre tout ce qui contient des mathématiques (R)
COM3 J’ai de mauvaises notes aux contrôles de maths (R)
COM4 J’ai de bonnes notes en mathématiques
COM5 Je me suis toujours bien débrouillé en mathématiques
COM6 Les maths sont une de mes meilleures matières100
Tableau 8.7.
Code et libellé des items évaluant l’intérêt individuel
Code Libellé
INT1 J’aime étudier les mathématiques
INT2 J’attends le cours de mathématiques avec impatience
INT3 Je ne veux plus jamais suivre un autre cours de maths (R)
INT4 Je déteste les mathématiques (R)
8.4.1.3. Echelle d’anxiété pour l’apprentissage des mathématiques
Les items de cette échelle sont inspirés d’échelles de différents chercheurs (échelles de l’étude
PISA de l’OECD, 2003 ; Fennema-Sherman mathematics attitudes scales de Fennema &
Sherman, 1976 ; Academic Emotion Questionnaire de Pekrun, Goetz, & Perry, 2005). Trois
facettes de l’anxiété sont considérées : cognitive (par exemple se faire du souci, s’inquiéter,
penser à l’échec ; items ANX1 et ANX4), affective (par exemple avoir peur, être mal à l’aise ;
items ANX5 et ANX6) et physiologique (par exemple être nerveux ou agité, avoir le cœur qui
bat plus rapidement ; items ANX2 et ANX3). Nous évaluons ainsi ce construit de manière
relativement exhaustive. Les items ont tous été formulés pour faire référence à l’anxiété
comme un trait et non en relation à une situation de test (test anxiety).
99
Le (R) signifie que le score pour l’item concerné est inversé lorsqu’il s’agit de calculer le score d’échelle.
100
Cet item est saturé par les deux facteurs de l’image de soi (compétence et intérêt), mais nous le reprenons tout
de même afin d’administrer les dix items originaux de l’échelle.
Tableau 8.8.
Code et libellé des items évaluant l’anxiété
Code Libellé
ANX1 Je m’inquiète souvent en pensant que j’aurai des difficultés en cours de
mathématiques
ANX2 Je suis très tendu quand j’ai un devoir de mathématiques à faire
ANX3 Je deviens très nerveux quand je travaille à des problèmes de mathématiques
ANX4 Je me fais du souci à l’idée d’avoir de mauvaises notes en mathématiques
ANX5 J’ai peur de ne pas tout comprendre en maths
ANX6 Je me sens mal à l’aise quand je dois faire des mathématiques
8.4.1.4. Echelle d’Instrumentalité perçue
Quatre items issus de l’instrument Evaluation des Stratégies d’Apprentissage en Contexte

(ESAC ; Berger, Büchel, Kipfer, & Praplan, 2006) ayant montré une structure unifactorielle
ainsi qu’une haute consistance interne du score (Praplan, 2007) sont utilisés pour mesurer
l’utilité perçue (tableau 8.9). Des observations lors de l’administration de ces items ont
suggéré qu’ils avaient été correctement compris par des élèves en formation initiale de deux
ans101 dans l’étude de Praplan. Par conséquent, ils ne devraient pas poser de problèmes avec
des élèves en formation professionnelle initiale de trois ans.
Tableau 8.9.
Code et libellé des items évaluant l’instrumentalité perçue
Code Libellé
INS1 Pour moi, cela vaut la peine d’étudier les mathématiques, car cela m’aide dans le
métier que j’apprends
INS2 Pour moi, cela vaut la peine d’étudier les mathématiques, car cela améliore mes
perspectives de carrière professionnelle
INS3 En mathématiques, je vais apprendre beaucoup de choses qui m’aideront à trouver
du travail après l’apprentissage
INS4 En mathématiques, je vais apprendre beaucoup de choses qui m’aideront dans la
vie de tous les jours
101
Il s’agit de formations remplaçant les formations élémentaires. Elles sont sanctionnées par une attestation de
formation professionnelle reconnue au niveau fédérale. Les élèves fréquentant ce type de formation ont des
aptitudes cognitives et verbales inférieures à celles des élèves fréquentant les formations professionnelles
initiales en trois ans (Kipfer, Berger, & Büchel, 2008).
8.4.1.5. Echelles de théories implicites des capacités
Ces échelles mesurent les croyances relatives à la modificabilité des capacités en

mathématiques. Les items sont inspirés des échelles de Dweck (1999), Martin (1998) et
Stipek et Gralinski (1996). Sur la base de la théorie développée par Dweck et Leggett (1988),
des items ont été formulés pour chacune des deux théories. Toutefois, il est probable que tous
les items représentent un construit unique (il s’agirait d’un continuum et non d’une
dichotomie) et non pas deux construits distincts (Dweck, Chiu, & Hong, 1995b).
8.4.1.5.1. Théorie malléable des capacités
Selon cette théorie, les capacités ne seraient pas innées et les efforts et actions de la personne
pourraient potentiellement les modifier. Un élève faible aurait donc, dans la matière
concernée, la possibilité de développer ses capacités s’il produit les efforts nécessaires. Les
items figurant dans le tableau 8.10 ont permis d’évaluer le degré d’adoption de cette théorie.
Tableau 8.10.
Code et libellé des items évaluant la croyance en la malléabilité des capacités
Code Libellé
TIM1 Un élève qui étudie beaucoup pourrait devenir l’un des meilleurs de la classe en
mathématiques
TIM2 Tous les élèves peuvent améliorer leurs capacités en maths s’ils travaillent
beaucoup
TIM3 Un élève faible en mathématiques pourrait devenir fort s’il s’en donne la peine
TIM4 Chacun peut devenir un élève fort en mathématiques s’il le veut vraiment
8.4.1.5.2. Théorie fixiste des capacités
Par opposition à la théorie malléable, cette théorie propose que les capacités en maths seraient
immuables ou invariantes. Les capacités seraient un trait fixe et même en faisant des efforts,
elles ne seraient pas modifiables : l’élève faible n’aurait pas la possibilité de devenir un élève
fort. Il pourrait toutefois apprendre de nouvelles choses mais ses capacités ne changeraient
pas. Les items figurant dans le tableau 8.11 ont permis d’évaluer le degré d’adoption de cette
théorie.
Tableau 8.11.
Code et libellé des items évaluant la croyance en la fixité des capacités
Code Libellé
TIF1 Certains élèves ne seront jamais forts en mathématiques, même s’ils étudient
beaucoup
TIF2 Certains élèves ne seront jamais forts en mathématiques, peu importe ce qu’ils font
TIF3 Les élèves qui ne sont pas forts en mathématiques ne peuvent rien faire pour
changer cela
TIF4 La capacité d’un élève en mathématiques ne change pas
8.4.1.6. Echelles de stratégies d’apprentissage
Ces échelles évaluent les habitudes stratégiques des élèves pour l’apprentissage des
mathématiques. Sur la base du modèle de Weinstein (Weinstein et al., 2000 ; Weinstein &
Mayer, 1986), nous avons choisi trois types de stratégies (stratégies de répétition et de
traitement en surface, stratégies d’élaboration, stratégies métacognitives) qui paraissent
écologiquement valides pour l’apprentissage de cette matière. Par exemple, les stratégies
d’organisation (Weinstein & Mayer, 1986) nous ont semblées moins pertinentes pour
l’apprentissage des mathématiques en formation professionnelle et n’ont par conséquent pas
été incluses. Soulignons que nous interrogeons l’apprenant sur ce qu’il fait habituellement
quand il étudie les mathématiques ou résout des problèmes et non pas sur ses
métaconnaissances au sujet des stratégies. Il est toutefois évident que le fait de répondre à de
tels items sollicite le type de métaconnaissances que nous avons nommées « connaissances et
croyances sur soi-même en tant qu’individu pensant ».
8.4.1.6.1 Stratégies d’apprentissage élaborées (SAE)
Cette échelle évalue la tendance de l’apprenant à créer des liens entre ses connaissances, à
s’aider de ses pré-connaissances pour résoudre des problèmes nouveaux ou encore à chercher
des compléments d’information. Les items (tableau 8.12) sont en partie adaptés de l’étude
PISA (OECD, 2003) (SAE1, 2, 3 et 5) et en partie créés pour cette étude.
Tableau 8.12.
Code et libellé des items évaluant l’utilisation de stratégies d’élaboration
Code Libellé
SAE1 Quand j’apprends des choses en mathématiques, j’essaie d’établir des relations
avec des choses apprises dans d’autres matières
SAE2 Quand je résous un problème de mathématiques, je réfléchis à la façon dont on
pourrait appliquer la solution à d’autres problèmes
SAE3 Quand je ne comprends pas quelque chose en mathématiques, je cherche un
complément d’information pour mieux cerner le problème
SAE4 Je m’aide avec des exemples pour effectuer des nouveaux exercices de
mathématiques
SAE5 J’essaie de comprendre de nouveaux sujets de mathématiques en les mettant en
relation avec des choses que je connais déjà
SAE6 Quand je résous un problème de mathématiques, je cherche des liens avec d’autres
problèmes
SAE7 Quand je résous un problème de mathématiques, je réfléchis comment il pourrait
me servir en pratique
8.4.1.6.2. Stratégies de répétition et de traitement en surface
Les items constituant cette échelle ont été repris pour quatre d’entre eux (SAM1 à SAM4) de
l’étude PISA (OECD, 2003) et nous en avons formulé trois supplémentaires qui sont des
stratégies d’apprentissage dites de surface. Ces derniers concernent le fait de deviner certaines
réponses plutôt que de réfléchir, de passer les exercices qui semblent difficiles et d’essayer de
copier ce que font les autres.
Tableau 8.13.
Code et libellé des items évaluant l’utilisation de stratégies de répétition ou traitement en
surface
Code Libellé
SAM1 Quand j’étudie les mathématiques, j’apprends le plus possible de choses par cœur
SAM2 Je refais certains problèmes de mathématiques si souvent que j’ai l’impression de
pouvoir les résoudre les yeux fermés
SAM3 Pour bien retenir la méthode à suivre pour résoudre un problème de
mathématiques, je revois les exemples encore et encore
SAM4 Pour apprendre les mathématiques, j’essaie de retenir toutes les étapes de la
procédure
SAM5 Quand j’étudie les mathématiques, je devine certaines réponses plutôt que de
réfléchir
SAM6 Lorsque je fais des mathématiques, je saute les exercices qui me semblent difficiles
SAM7 Lorsque je fais des mathématiques, j’essaye de copier ce que font les autres
8.4.1.6.3. Stratégies métacognitives
Ces items concernent diverses composantes du contrôle métacognitif : l’anticipation, la

planification, le contrôle continu et le contrôle final. Nous proposons sept items afin de
mesurer les stratégies d’anticipation et de planification (tableau 8.14) ainsi que sept items afin
de mesurer des stratégies de contrôle continu et final (tableau 8.15). Trois items (SMA4 à
SMA6) sont tirés de l’étude PISA (OECD, 2003) alors que les autres sont issus du
questionnaire ESAC (Berger et al., 2006) ou ont été créés pour cette étude. Les scores de ces
échelles représenteront ce que nous nommons « le contrôle métacognitif comme un trait ».
Tableau 8.14.
Code et libellé des items évaluant l’utilisation de stratégies métacognitives d’anticipation et
de planification
Code Libellé
SMA1 Avant de faire un calcul, j’essaie d’estimer le résultat que je vais trouver
SMA2 Avant de faire un exercice de mathématiques, je me demande quelles pourraient
être les difficultés éventuelles
SMA3 Avant de faire un exercice de maths, je fais un plan pour savoir comment je vais
faire
SMA4 Quand j’étudie les mathématiques, je commence par déterminer exactement ce
qu’il faut que j’apprenne
SMA5 Quand j’étudie les mathématiques, j’essaie de déterminer ce que je n’ai pas encore
compris
SMA6 Quand j’étudie les mathématiques pour un contrôle, j’essaie de déterminer quels
sont les points les plus importants à apprendre
SMA7 Je prends le temps de réfléchir à la façon de résoudre un problème de maths avant
de commencer
Tableau 8.15.
Code et libellé des items évaluant l’utilisation de stratégies métacognitives de contrôle
continu et de contrôle final
Code Libellé
SMC1 Lorsque je fais un long exercice de mathématiques, je vérifie mes calculs au fur et
à mesure
SMC2 Quand j’ai terminé un exercice de mathématiques, je vérifie mes calculs
SMC3 En mathématiques, je me demande si mes réponses ont du sens, si elles sont
logiques
SMC4 Quand j’étudie les mathématiques, je m’oblige à vérifier si j’ai bien retenu les
points sur lesquels j’ai déjà travaillé
SMC5 Quand j’ai terminé un exercice, je cherche si j’ai fait des erreurs
SMC6 Pendant que je fais un exercice de maths, je vérifie que je fais bien ce qui est
demandé
SMC7 Après avoir résolu un problème de maths, je me demande si j’ai vraiment répondu
à la question
8.4.2. Tests d’aptitudes cognitives
8.4.2.1. Test de raisonnement numérique
Il s’agit d’un sous-test de la batterie de Tests Différentiels d’Aptitudes (5ème édition, forme
abrégée), qui est une traduction du Differential Aptitude Test (Bennett, Seashore, & Wesman,
1990/2002). Ce sous-test mesure « la capacité de raisonner avec des nombres, de manipuler
des relations numériques et de traiter intelligemment un matériel quantifié » (p. 6). Le sous-
test est constitué de 25 items à résoudre en vingt minutes. Il est facilement administrable en
groupe. Les consignes à l’attention de l’élève ainsi que deux exemples de familiarisation sont
inscrits sur la première page du cahier et de ce fait, l’examinateur demande simplement aux
élèves de lire attentivement les consignes et il leur indique le temps qu’ils ont à disposition.
Les participants répondent aux 25 items à choix multiple en cochant leurs choix sur une
feuille de réponse (donnée à part). L’étalonnage pour la version française du sous-test de
raisonnement numérique a été réalisé avec 807 élèves dont 166 en enseignement
professionnel. Le score moyen observé de ce dernier groupe était de 11.2 (écart type de 3.6)
sur la version courte de 25 items (maximum 25 points). Aucune différence de moyenne entre
hommes et femmes n’a été constatée. Concernant la fidélité du sous-test de raisonnement
numérique, la consistance interne du score pour l’échantillon d’étalonnage complet est de
KR20 = .74 et de KR20 = .64 pour l’échantillon des élèves en enseignement professionnel.
Pour ces derniers, le coefficient de corrélation split/half de Spearman/Brown est de r = .69 et
la corrélation test-retest est de r = .73. La validité du sous-test a été évaluée par plusieurs
méthodes. Premièrement, le score au sous-test de raisonnement numérique montre des
corrélations de r = .56 avec les sous-tests de raisonnement verbal et de r = .53 avec le sous-
test de raisonnement abstrait (raisonnement inductif). L’analyse de la validité critérielle a
montré, sur un échantillon de 72 élèves, que le score au sous-test est lié aux notes moyennes
des élèves en mathématiques (r = .63). L’étalonnage en onze classes existant pour
l’échantillon en enseignement professionnel ne sera pas utilisé car il n’apporte pas
d’information pertinente dans le cadre de notre recherche. Nous utiliserons le score brut.
8.4.2.2. NNAT forme G version abrégée
Il s’agit d’une version écourtée du NNAT forme G (voir 6.4.5 pour une description du test).
Suite à nos observations lors de l’administration des tests pour la première étude ainsi que
d’autres recherches, nous avons décidé de réaliser une version abrégée du NNAT forme G
afin de pallier aux problèmes observés (voir 7.7). Cette version écourtée a été réalisée par
l’utilisation du modèle de Rasch strict sur des données provenant de la première étude ainsi
que d’une autre étude auprès d’apprentis de première année en Suisse (Berger et al., 2008b).
Une description expliquant le développement de la version courte figure à l’annexe 7. Le
temps d’administration de ce test a été limité à 15 minutes étant donné qu’il ne contient que
18 des 38 items de la version originale (cette dernière durait 30 minutes). Nous ferons
référence à ce score par les termes « intelligence non verbale ».
8.4.2.3. Test de mémoire de travail verbale
Ce test a été construit notamment grâce aux conseils de T. Alloway (communication

personnelle, 10 janvier 2007) et T. Lecerf (communication personnelle, 22 février 2007). Il
est destiné à une passation collective, en classe entière. Sa durée est de 12 minutes et il est
enregistré sur un CD diffusé aux élèves. Les élèves doivent réaliser une double tâche : juger la
véracité de phrases et mémoriser des mots. Premièrement, ils déterminent si chacune des
phrases qui leur sont énoncées est correcte (par exemple « on met des oiseaux en cage ») ou
incorrecte (par exemple « pour dormir on garde ses skis »). Ils cochent leurs réponses sur la
première page du protocole au fur et à mesure des phrases. Le temps entre deux phrases est
très court. A la fin de chaque série, les élèves doivent écrire le dernier mot de chacune des
phrases de la série sur une autre page du protocole. Une voix féminine annonce les numéros
de série puis énonce les phrases à un rythme constant. Suite à cela, une voix masculine
annonce que les élèves sont invités à répondre. Un temps proportionnel au nombre de mots à
inscrire est alors disponible pour que les élèves aient le temps d’écrire leurs réponses (par
exemple huit secondes si la série contenait deux phrases). Deux exemples sont donnés
oralement par l’expérimentateur afin de familiariser les élèves avec la procédure qui est
relativement complexe. Les élèves peuvent alors poser des questions sur la procédure.
Ensuite, le CD est mis en route et les élèves complètent le test en silence. Les items ont été
repris de la version française du reading span (Daneman & Carpenter, 1980) de l’équipe de
deRibaupierre (deRibaupierre, Atzeni, Fagot, Jouffray, Lecerf, & Ludwig, 2004). Nous avons
modifié deux ou trois phrases qui nous semblaient pouvoir poser problème. Les items vont de
la classe deux à la classe six (c’est-à-dire des séries de deux à six phrases). Il y a trois items
par classe, soit 60 phrases au total. Nous postulons que les séries à six phrases ne seront
réussies que par un petit nombre d’élèves et par conséquent représentent les items dont la
difficulté est la plus grande dans le test. Au contraire, tous devraient réussir les séries à deux
phrases. Finalement, afin que les élèves ne puissent pas prédire le nombre de mots à rappeler,
les items sont donnés dans le désordre (c’est-à-dire pas d’ordre par classe). Le score à ce test
est donné par le nombre de mots correctement rappelé et ceci dans le bon ordre. Ceci signifie
que si un élève écrit le dernier mot de la première phrase à la seconde place, il n’obtient pas
de point. Nous ferons référence à ce score par les termes « mémoire de travail verbale ».
8.4.3. Problèmes de mathématiques
8.4.3.1. Problème de mathématiques « le réservoir d’essence »
Il s’agit du même problème que dans la première étude. Toutefois, les items à compléter avant
et après la résolution ont été partiellement modifiés. D’une part nous avons éliminé certains
items sur la base des résultats des analyses factorielles réalisées dans la première étude.
D’autre part, nous avons ajouté des items pour mesurer un plus grand nombre de construits (le
problème tel qu’il a été administré aux apprenants est présenté à l’annexe 3).
Avant de résoudre le problème, l’élève est invité à répondre aux items destinés à mesurer les
construits figurant dans les tableaux 8.16 à 8.19. Pour chacun des items, l’apprenant répond
sur une échelle de Likert à sept points identique à celle utilisée pour le questionnaire sur
l’apprentissage en mathématiques.
Sentiment de familiarité (3 items)
Deux des trois items utilisés pour la première étude ont été repris et nous en avons ajouté un
nouveau indiquant un manque de familiarité avec le problème (tableau 8.16).
Tableau 8.16.
Code et libellé des items évaluant le sentiment de familiarité
Code Libellé
FAM1 Nous avons déjà fait ce type d’exercices en classe (cette année ou les années
précédentes)
FAM2 Ce type d’exercices m’est familier
FAM3 Ce type d’exercices est complètement nouveau pour moi. (R)
Sentiment de difficulté et d’efficacité (4 items)
Les deux construits ont été mélangés étant donné que la première étude a démontré qu’ils
n’étaient pas empiriquement distinguables. Les items figurent dans le tableau 8.17.
Tableau 8.17.
Code et libellé des items évaluant le sentiment de difficulté et d’efficacité
Code Libellé
DIF1 Je trouve l’exercice difficile
DIF2 Cet exercice est plus difficile que ce que nous faisons d’habitude
DIF3 D’habitude je réussis bien ce genre d’exercices (R)
DIF4 Je me sens capable de le résoudre correctement (R)
Sentiment d’aimer la tâche (4 items)
Afin d’évaluer ce sentiment, nous avons repris deux des trois items de la première étude et
nous en avons ajouté deux nouveaux (tableau 8.18).
Tableau 8.18.
Code et libellé des items évaluant le sentiment d’aimer la tâche
Code Libellé
INT1 J’aime résoudre ce type de problèmes
INT2 L’exercice m’intéresse
INT3 Ce problème est ennuyeux(R)
INT4 Cet exercice me plaît
Intention d’engager des efforts (5 items)
Les items (tableau 8.19) sont destinés à mesurer, avant que l’élève ne résolve le problème, le
construit proposé par Boekaerts (2001).
Tableau 8.19.
Code et libellé des items évaluant l’intention d’engager des efforts
Code Libellé
IEE1 Je compte essayer de résoudre ce problème
IEE2 Je vais faire tout mon possible pour résoudre ce problème
IEE3 Je ferai les efforts nécessaires pour résoudre ce problème
IEE4 Je n’ai pas envie de me donner de la peine pour résoudre ce problème. (R)
IEE5 Ca m’est égal de résoudre correctement ou non ce problème. (R)
Avant de résoudre, l’élève répond aux items mesurant les compétences cognitives spécifiques
au problème (voir 6.4.3 pour des explications sur ces items) :
• compréhension (un item à choix multiple),
• représentation (un item à choix multiple),
• planification (un item dans lequel les étapes doivent être ordonnées)
Après la résolution, l’élève répond aux items mesurant les construits figurant dans les
tableaux 8.20 à 8.26 :
Jugements de confiance (4 items)
Etant donné que l’item évaluant le sentiment de satisfaction est très largement corrélé aux
items évaluant la confiance, celui-ci est considéré comme mesurant le même construit. Les
items (tableau 8.20) sont presque les mêmes que ceux utilisés dans la première étude. En
effet, nous avons éliminé le début de phrase « Indiquez si vous pensez » qui ne faisait que
compliquer inutilement l’item.
Tableau 8.20.
Code et libellé des items évaluant les jugements de confiance
Code Libellé
CON1 Je pense que l’ordre des étapes que j’ai donné (=mon plan) est juste
CON2 Je pense que les calculs que j’ai faits sont justes (même si ce ne sont pas les
calculs que vous deviez faire)
CON3 Je pense que ma réponse est juste
CON4 Je suis satisfait de ma résolution
Contrôle rapporté (3 items)
Ces items (tableau 8.21) sont exactement les mêmes que ceux utilisés dans la première étude.
Tableau 8.21.
Code et libellé des items évaluant le contrôle exercé
Code Libellé
CTRL1 Pendant la résolution, j’ai vérifié au fur et à mesure que mes calculs étaient exacts
CTRL2 J’ai vérifié au fur et à mesure que je faisais bien ce qui était demandé
CTRL3 J’ai vérifié ma réponse finale
Stratégies métacognitives autre que le contrôle (5 items)
Les items suivants (tableau 8.22) ont été formulés afin d’évaluer les stratégies métacognitives
de manière plus large que ce n’était le cas dans la première étude. Ils représentent des activités
métacognitives courantes dans la résolution de problèmes mathématiques (Montague &
Applegate, 2000).
Tableau 8.22.
Code et libellé des items évaluant les activités de régulation
Code Libellé
REG1 J’ai essayé d’estimer certains résultats avant de faire les calculs
REG2 J’ai cherché si j’avais fait des erreurs
REG3 J’ai réfléchi à nouveau à mon plan pendant que je l’exécutais
REG4 Je me suis demandé quelles pourraient être les difficultés dans ce problème
REG5 Je me suis assuré que j’avais bien compris le problème avant de commencer
Stratégies cognitives (4 items)
Ces items (tableau 8.23) ont pour objectif de mesurer l’utilisation de stratégies cognitives qui
sont potentiellement utiles à la résolution d’un problème mathématique. Ces activités
concernent principalement des aspects de traitement de la donnée.
Tableau 8.23.
Code et libellé des items évaluant les stratégies cognitives
Code Libellé
COG1 J’ai écrit certaines informations tirées de la consigne
COG2 J’ai entouré/souligné les informations importantes
COG3 J’ai répété la consigne dans mes propres mots
COG4 J’ai fait un petit schéma (dessin) pour m’aider
Stratégies de traitement en surface (3 items)
Ces items (tableau 8.24) ont pour objectif d’évaluer des comportements qui révèlent un
traitement en surface des problèmes.
Tableau 8.24.
Code et libellé des items évaluant les stratégies de surface
Code Libellé
SUR1 J’ai essayé de copier la réponse chez un(e) collègue
SUR2 J’ai deviné la réponse
SUR3 J’ai sauté ce qui me semblait difficile
Estimation des efforts effectués (4 items)
Les items suivants (tableau 8.25), développés spécifiquement pour cette étude, évaluent
l’expérience métacognitive post-résolution d’estimation des efforts effectués. Celle-ci
complète les informations données par les jugements de confiance ou les stratégies
employées.
Tableau 8.25.
Code et libellé des items évaluant l’estimation des efforts effectués
Code Libellé
EEE1 J’ai fais tout mon possible pour résoudre ce problème
EEE2 J’ai fait beaucoup d’efforts pour résoudre ce problème
EEE4 Je me suis bien concentré pendant l’exercice
EEE5 Je me suis donné de la peine pour résoudre ce problème
Persévérance (4 items)
Ces items ont été développés spécifiquement pour cette étude. Ils évaluent dans quelle mesure
l’élève a été capable de persévérer, c’est-à-dire contrôler sa motivation. Ces items devraient
être positivement associés aux items concernant les efforts : l’expérience métacognitive
d’estimation des efforts effectués ainsi que l’intention d’engager des efforts.
Tableau 8.26.
Code et libellé des items évaluant la persévérance
Code Libellé
PER1 J’ai travaillé jusqu’à ce que je trouve la réponse
PER2 Je suis resté concentré jusqu’à la fin
PER3 Pendant la résolution, je me suis dit que c’était trop difficile (R)
PER4 J’ai arrêté de travailler avant de trouver la réponse (R)
8.4.3.2. Problème de mathématiques « la guitare »
Etant donné la trop grande facilité du problème « la citerne », nous avons décidé de proposer
un autre problème pour cette étude : « la guitare ». Ce problème nécessite l’utilisation de
fractions. Il faut notamment réaliser le produit de deux fractions. Les mêmes items que pour
le problème « le réservoir d’essence » y sont liés (le problème tel qu’il a été administré aux
apprenants est présenté à l’annexe 4).
Donnée du problème
La classe de Monsieur Dubois compte dix-huit filles et douze garçons, tous en
neuvième année. Ils sont en dernière année du cycle d’orientation. Dans cette classe,
exactement un cinquième des élèves ont pour passe-temps la musique et jouent donc
d’un instrument. Parmi ceux-ci, deux tiers ont choisi de jouer de la guitare. Les autres
ont opté pour le piano, le violon ou encore la flûte. Combien d’élèves jouent de la
guitare ?
8.5. Administration des instruments
Les différents instruments ont été administrés sur trois périodes consécutives (sauf
exceptions) et de manière collective par deux chercheurs (l’auteur ainsi qu’une étudiante en
fin de cursus de maîtrise). Les enseignants étaient la plupart du temps absents. L’ordre des
deux problèmes de maths était alterné. Les autres instruments étaient donnés toujours dans le
même ordre. Pour certaines classes, des restrictions imposées par les écoles ont eu pour
conséquence que tous les instruments n’ont pas été administrés. Ceci ne concerne toutefois
qu’un faible nombre d’élèves.
Tableau 8.27.
Répartition de l’administration des instruments sur les trois périodes
Période 1 (35 minutes) Période 2 (55 minutes) Période 3 (45 minutes)
Introduction et explications Problème de maths Test de raisonnement

sur la recherche « Le réservoir d’essence » numérique
10 minutes 20 minutes 25 minutes
Questionnaire sur
l’apprentissage en Test NNAT forme G version
Test de mémoire de travail
mathématiques ou calcul abrégée
15 minutes
professionnel 20 minutes
25 minutes
Problème de maths
« La guitare »
20 minutes
La majorité des élèves se sont montrés appliqués pour compléter les divers instruments, sans
pour autant se montrer passionnés. Dans une classe en particulier, une partie des élèves (six)
ont clairement complété les tests et questionnaires sans aucun sérieux. Les réponses de ces
élèves ont par conséquent été considérées comme données manquantes.
9. Résultats-étude 2
9.1. Introduction
Ce chapitre rapporte le traitement des données concernant la seconde étude de ce travail. Les
questions de recherche, hypothèses et instruments ont été exposés dans le chapitre précédent.
Nous présentons dans un premier temps les résultats des analyses factorielles exploratoires et
confirmatoires pour les divers instruments. Dans un deuxième temps, nous rapportons les
modèles de structures afin de répondre aux trois premières questions de recherche.
Finalement, afin de répondre à la quatrième question de recherche, nous proposons des
analyses centrées sur les personnes, c’est-à-dire une typologie de profils d’apprenants basée
sur leurs buts d’accomplissement. Ainsi, les analyses permettant de répondre aux quatre
questions de recherche sont présentées successivement. L’interprétation théorique des
résultats est réalisée dans le chapitre de discussion, en intégrant également les résultats de la
première étude.
9.2. Analyses des scores aux instruments
Les mêmes techniques que pour l’étude 1 ont été appliquées afin de repérer les outliers
multivariés. Les réponses avant et après le problème « le réservoir d’essence » de deux
participants ont été considérées comme données manquantes car elles présentaient clairement
un biais de réponse et étaient définis statistiquement comme outliers multivariés selon la
distance de Mahalanobis (Tabachnick & Fidell, 2007).
Les échelles de Likert utilisées pour cette étude sont à sept points (Tout à fait faux (1) ; Faux
(2) ; Plutôt faux (3) ; Autant faux que vrai (4) ; Plutôt vrai (5) ; Vrai (6) ; Tout à fait vrai(7)),
ce qui provoque des styles de réponses. Une partie des répondants ont eu tendance à répondre
en utilisant uniquement trois points de l’échelle, c’est-à-dire deux points extrêmes (par
exemple les points 1 et 7 ou 2 et 6) ainsi que le point central. D’autres répondants ont eu
tendance à concentrer leurs réponses autour du point central (par exemple les points 3, 4 et 5)
pour exprimer leurs accords et désaccords avec les propositions émises dans les items.
Toutefois, ce type d’échelle a l’avantage d’avoir permis aux répondants de nuancer leurs
réponses, ce qui n’était pas autant possible dans les échelles à quatre points utilisées dans
l’étude première. Etant donné que le nombre de points est maintenant de sept, nous
considérons ces variables comme continues.
9.2.1. Analyses factorielles du questionnaire sur l’apprentissage en maths
Nous avons procédé aux analyses factorielles (toutes confirmatoires mais parfois en
conjonction avec des analyses exploratoires) en plusieurs étapes. Dans un premier temps,
nous avons traité les items évaluant les stratégies d’apprentissage et de résolution, puis les
items évaluant les buts d’accomplissement et finalement les items évaluant les autres
croyances motivationnelles et métacognitives. Ceci nous a permis de déterminer à chaque
étape le nombre de facteurs à retenir. En effet, traiter tous les items du questionnaire en même
temps aurait rendu les analyses factorielles plus difficiles et moins claires. Nous procédons
par comparaison de plusieurs modèles théoriquement plausibles afin de déterminer le plus
adéquat, qui sera retenu dans la suite des analyses. Nous avons dans certains cas utilisé des
parcelles (moyenne de plusieurs items représentant un même construit) à la place des items
comme indicateurs des facteurs. Ceci a pour avantage de synthétiser les informations et par
conséquence de réduire le nombre de paramètres dans les modèles. Ainsi un modèle correct a
plus de chance de s’ajuster aux données.
9.2.1.1. Items évaluant les stratégies d’apprentissage et de résolution
Nous postulons et comparons quatre modèles factoriels différents :
Modèle 1 : Les stratégies se répartissent en quatre facteurs, comme cela est postulé dans le
développement des items et sur la base des théories : 1. Stratégies de répétition-
surface, 2. Stratégies d’élaboration, 3. Stratégies métacognitives d’anticipation-
planification et 4. Stratégies métacognitives de contrôle.
Ce modèle distingue les quatre types de stratégies que nous avons postulées pour la rédaction
des items.
Modèle 2 : Les stratégies sont représentées par trois facteurs : 1. Stratégies de répétition-
surface, 2. Stratégies d’élaboration, 3. Stratégies métacognitives (anticipation-
planification et contrôle ensemble)
Les deux types de stratégies métacognitives ne formeraient qu’un seul facteur car elles sont
théoriquement dépendantes et empiriquement généralement non distinguables dans les
questionnaires de ce type (voir 6.5.4).
Modèle 3 : Les stratégies sont groupées en seulement deux facteurs : 1. Stratégies de

répétition-surface et d’élaboration, 2. Stratégies métacognitives (anticipation-
planification et contrôle ensemble).
Ce modèle se base sur la distinction entre stratégies cognitives et stratégies métacognitives

(cf. 3.2.4). Il est théoriquement cohérent car les stratégies de répétition-surface et
d’élaboration pourraient saturer un facteur de stratégies cognitives par opposition au second
facteur qui serait saturé par les items de stratégies métacognitives.
Modèle 4 : Les stratégies forment deux facteurs : 1. Stratégies de répétition-surface, 2.

Stratégies métacognitives (anticipation-planification et contrôle ensemble) et
d’élaboration
Ce modèle postule que les stratégies considérées les moins efficaces seraient saturées par un
facteur et les stratégies théoriquement plus efficaces seraient saturées par un autre facteur.
Cette hypothèse n’est pas basée sur une théorie mais sur un raisonnement logique.
Modèle 5 : les stratégies forment un facteur unique : toutes les stratégies satureraient ce
facteur, c’est-à-dire un facteur général de stratégies.
Ce modèle postule que les élèves ne distingueraient pas différents types de stratégies dans
leurs réponses. Il n’existerait pas différents types de stratégies mais une simple distinction
entre l’utilisation et la non-utilisation de stratégies.
Ces modèles ont été testés avec des parcelles au lieu des items comme indicateurs des
facteurs102. Les indices de l’adéquation de chacun des modèles figurent dans le tableau 9.1. Le
modèle 2 a subi une modification, c’est-à-dire l’ajout d’une covariance entre résidus pour les
items évaluant le contrôle, ce qui a permis d’obtenir un modèle dont l’adéquation est bonne.
Si l’adéquation du modèle 4 avec l’ajout de quatre covariances entre résidus est acceptable,
ceci a nécessité l’ajout d’un plus grand nombre de covariances et par conséquent nous
retenons le modèle 2, avec sa modification, qui est plus parcimonieux. Signalons finalement
que parmi les items mesurant les stratégies de répétition-surface, nous avons éliminé les trois
items faisant référence aux stratégies de surface103 car leurs saturations étaient faibles.
Tableau 9.1.
Indices d’adéquation des modèles testés pour les stratégies d’apprentissage (n = 268)
χ2MLR dl p-value CFI RMSEA AIC BIC
Modèle 1 82.982 48 .0013 .951 .053 9515.963 9532.992
Modèle 2 108.649 51 .0000 .919 .065 9547.569 9563.381
Modèle 2
avec 1 covariance 68.238 50 .0441 .974 .037 9496.058 9512.275
pour contrôle
Modèle 3 132.385 53 .0000 .889 .075 9572.955 9587.957
Modèle 4 139.314 53 .0000 .879 .079 9585.485 9600.487
Modèle 4
Avec 4 covariances
71.280 49 .0205 .969 .042 9496.926 9513.549
pour contrôle et
élaboration
Modèle 5 155.975 54 .0000 .857 .085 9605.266 9619.862
Sur la base du modèle que nous avons désigné comme le plus adéquat, nous retenons les
facteurs suivants pour la suite des analyses : stratégies de répétition, stratégies d’élaboration et
stratégies métacognitives. Ces dernières seront appelées « contrôle métacognitif comme trait »
afin de les distinguer des stratégies métacognitives spécifiques au problème (cf. 9.2.3.2.).
102
Les modèles avec les items comme indicateurs des facteurs ne s’ajustent pas à cause du trop grand nombre
d’informations qui les rend trop complexes.
103
Il s’agit des items SAM5 « Quand j’étudie les mathématiques, je devine certaines réponses plutôt que de
réfléchir », SAM6 « Lorsque je fais des mathématiques, je saute les exercices qui me semblent difficiles » et
SAM7 « Lorsque je fais des mathématiques, j’essaye de copier ce que font les autres ».
9.2.1.2. Items évaluant les buts d’accomplissement
En nous basant sur la discussion théorique présentée au point 4.4, nous postulons et
comparons quatre modèles factoriels différents :
Modèle 1 : quatre facteurs de buts d’accomplissement : 1. Buts de maîtrise, 2. Buts de

performance-approche, 3. Buts de performance-évitement et 4. Buts d’évitement
du travail ;
Il s’agit du modèle postulé théoriquement. Malgré l’ajout de quatre covariances entre résidus,
le modèle s’ajuste mal et il faudrait ajouter encore de nombreuses covariances, ce qui n’est
pas souhaitable. Suite au test de ce modèle, nous avons recouru à des analyses factorielles
exploratoires. Celles-ci ont révélé qu’une solution en six facteurs rendait le mieux compte des
données. Cette solution explique 63.98% de la variance. Le tableau 9.2 rapporte la matrice de
pattern de cette solution factorielle.
Tableau 9.2
Matrice de pattern de la solution en six facteurs (n = 268)
Buts d’évitement du travail
Buts d’évitement du travail

Buts de maîtrise-challenge
Buts de maîtrise-approche
Buts de performance-
(notes minimales)
Code Libellé
évitement
approche
bma1 Je veux apprendre autant que possible pendant les cours de maths .061 .103 -.731 .036 -.012 -.081
bma2 C’est important pour moi de bien comprendre le cours de maths -.038 -.109 -.534 .039 -.156 .126
bma3 Je souhaite maîtriser ce qui est enseigné en maths .134 -.121 -.345 -.175 -.057 .166
bma4 J’apprécie les exercices de maths qui me permettent d’apprendre,
.002 -.008 -.516 -.034 .030 .006
même si je fais beaucoup de fautes
bma5 En maths, j’aime les exercices qui sont plutôt difficiles pour moi .113 -.784 -.007 -.039 .026 .043
bma6 Je veux être confronté à des problèmes difficiles en maths .140 -.686 -.034 .039 .158 .108
bma7 En maths, j’aime les exercices difficiles s’ils me permettent
-.034 -.763 -.121 -.063 -.067 .205
d’apprendre quelque chose
bpa1 Mon but en maths est d’obtenir une meilleure moyenne que la plupart
.747 -.041 .002 -.032 -.140 .005
de mes camarades
bpa2 J’aimerais montrer à mon enseignant que je suis meilleur que mes
.699 -.019 -.047 .127 -.167 -.031
camarades
bpa3 Je cherche à obtenir les meilleurs résultats de la classe .914 -.054 -.055 .028 .043 .005
bpa4 En maths, je suis en compétition avec les autres élèves pour obtenir
.608 -.163 .037 -.058 -.176 .120
des notes élevées
bpa5 C’est important pour moi d’être meilleur que les autres en maths .932 -.018 .013 .029 .038 -.076
bpa6 Je me sens compétent lorsque je réussis mieux que les autres en maths .472 .126 -.059 -.184 -.120 .045
bpe1 Mon but est d’éviter d’être parmi les plus nuls -.038 .074 .033 -.113 -.914 -.047
bpe2 Je veux éviter que mon prof pense que je suis moins bon que les
.172 -.020 .000 -.107 -.588 -.024
autres
bpe3 Je redoute que mes collègues pensent que je suis moins bon qu’eux .107 -.059 .167 .066 -.532 -.010
bpe4 Mon but est de ne pas paraître stupide en maths .044 .099 -.079 .062 -.669 .113
bpe5 Mon but est de ne pas avoir la moins bonne note de la classe en maths -.041 .003 -.061 .045 -.534 -.016
bpe6 Je veux éviter d’être inférieur aux autres .055 -.021 -.144 .002 -.628 .019
bpe7 Mon but est d’éviter qu’on pense que je suis nul en maths .334 .101 -.061 .114 -.577 -.018
bet1 Je souhaite avoir le moins de travail possible en maths .092 .305 .334 .146 -.009 .316
bet2 En maths, je veux faire le strict minimum pour obtenir une note
-.055 .020 .053 .686 .000 .174
(évaluation) suffisante
bet3 Mon but est de travailler juste ce qu’il faut pour avoir la moyenne -.132 -.026 -.050 .832 -.058 .051
bet4 En maths, je préfère faire des exercices que je suis sûr de réussir .053 .578 -.120 .097 .003 .321
bet5 Obtenir une note largement supérieure à la moyenne en maths est
.101 .034 .015 .343 .010 -.111
inutile
bet6 Je préfère les exercices de maths faciles plutôt que ceux qui
.069 .690 .036 .012 .019 .279
demandent de réfléchir beaucoup
bet7 Je fais mon travail en maths uniquement parce que j’y suis obligé. -.069 .215 .385 .119 -.044 .264
Note : Méthode unweighted least square, rotation direct oblimin. Les saturations ≥.30 sont en gras.
bma = buts de maîtrise-approche, bpa = buts de performance-approche, bpe = buts de performance-évitement, bet = buts
d’évitement du travail.
L’analyse de cette matrice nous permet de constater les faits suivants. Premièrement, les items
de buts de performance-approche sont unidimensionnels (six items). Deuxièmement, les items
de buts de performance-évitement sont unidimensionnels (sept items) et se distinguent
clairement des buts de performance-approche car nous n’observons pas de saturations croisées
(≥.30). Troisièmement, les items de buts de maîtrises sont divisés en deux facteurs : chercher
le challenge (trois items) et maîtriser les savoirs (quatre items). Quatrièmement, les items de
buts d’évitement du travail sont divisés en deux facteurs : le premier sature les items faisant
référence au minimalisme pour les notes (trois items) et le second sature deux items liés au
fait de faire le moins de travail possible et de faire des exercices que l’on est sûr de réussir
(deux items). Ce dernier facteur est sous-déterminé. Finalement, relevons que les buts
d’évitement du travail sont également saturés par d’autres facteurs et qu’ils ne constituent pas
un facteur aussi bien défini que les buts de performance-approche par exemple.
Modèle 2 : six facteurs de buts d’accomplissement : 1. Buts de maîtrise-approche (maîtriser

les savoirs), 2. Buts de maîtrise-challenge, 3. Buts d’évitement du travail (éviter le travail ou
l’effort), 4. Buts de performance-approche, 5. Buts de performance-évitement et 6. Buts
d’évitement du travail (minimalisme pour les notes).
Ce modèle est basé sur les résultats de l’analyse factorielle exploratoire. Il postule qu’il
existerait deux dimensions dans les buts de maîtrise, l’une qui concernerait des buts de
compréhension et d’apprentissage (maîtrise-approche) et l’autre qui concernerait des buts liés
à un challenge, soit la réussite de tâches difficiles (maîtrise-challenge ; Grant & Dweck,
2003). Parmi les buts d’évitement du travail, deux dimensions seraient également
distinguables : éviter le challenge (c’est-à-dire choisir la facilité) et éviter le travail ou l’effort.
L’estimation de ce modèle ne converge probablement pas à cause des items d’évitement du
travail (éviter le travail ou l’effort). Ceux-ci seraient très fortement liés aux buts de maîtrise-
challenge. Par conséquent, seuls les items concernant les buts d’évitement du travail (notes
minimales) pourraient constituer un facteur spécifique.
Modèle 3 : Un modèle en cinq facteurs de buts d’accomplissement a été postulé : 1. Buts de

maîtrise-approche, 2. Buts de maîtrise-challenge, 3. Buts de performance-
approche, 4. Buts de performance-évitement et 5. Buts d’évitement du travail
(minimalisme pour les notes)
Parmi les items évaluant les buts d’évitement du travail, ceux qui concernent l’évitement du
travail ou de l’effort seraient saturés également par le facteur des buts de maîtrise-challenge ;
ceux qui concernent l’évitement du travail (notes minimales) constitueraient un facteur
spécifique. Si l’ajustement de ce modèle est meilleur que celui du modèle 1, ceci nécessite
toutefois l’ajout de trois covariances entre résidus. Nous avons également dû éliminer trois
items (bet4, bet6 et bet7) car ils ne saturaient largement ni le facteur de maîtrise-challenge ni
le facteur d’évitement du travail (minimalisme pour les notes).
Modèle 4 : quatre facteurs de buts d’accomplissement : 1. Buts de maîtrise-approche ; 2.

Buts de maîtrise-challenge ; 3. Buts de performance-approche et évitement ; 4.
Buts d’évitement du travail (notes minimales)
Ce modèle postule que les buts de performance approche et de performance évitement ne

représenteraient qu’un facteur unique, comme nous l’avions constaté dans l’étude 1.
Malgré l’ajout de cinq covariances entre résidus, le modèle s’ajuste mal et il faudrait ajouter
encore de nombreuses covariances, ce qui n’est pas souhaitable. Les indices de modifications
proposent d’ajouter des covariances pour spécifier les liens entre les items de buts de
performance-approche, ce qui signifierait qu’il s’agit bien d’une dimension distincte des buts
de performance-évitement.
En résumé, le modèle le plus adéquat se révèle être le modèle 3 avec cinq facteurs (voir
tableau 9.3). Toutefois, les buts d’évitement du travail sont réduits à l’idée d’ambitions
minimalistes pour les notes et ne contiennent plus l’idée de préférer les tâches faciles ou
celles que l’on est sûr de réussir. Cette idée est intégrée aux buts de maîtrise-challenge.
Relevons que nous n’avons pas utilisé de parcelles pour ces analyses confirmatoires car les
buts d’évitement du travail et de maîtrise ne représentaient pas des facteurs unidimensionnels.
Ainsi, les indices χ2 sont élevés et les p-valeurs qui y sont associées sont difficilement
significatives. Par contre, les indices CFI et RMSEA, AIC et BIC nous permettent de
sélectionner, parmi les modèles testés, le plus adéquat.
Tableau 9.3.
Indices d’adéquation des modèles testés pour les buts d’accomplissement (n = 268)
Modèle 1
4 facteurs avec 4
581.755 314 .0000 .899 .058 23843.468 23876.520
covariances entre
résidus
Modèle 2
Ne converge pas
6 facteurs
Modèle 3
5 facteurs avec 3
354.582 238 .0000 .951 .043 22270.498 22579.323
covariances entre
résidus
Modèle 4 avec 5
covariances entre 479.178 240 .0000 .900 .061 22407.11 22708.754
résidus
Pour la suite des analyses, nous retenons les facteurs suivants : buts de maîtrise, buts de
maîtrise-challenge (aussi nommés simplement buts de challenge), buts de performance-
approche, buts de performance-évitement et évitement du travail (minimalisme pour les
notes).104
9.2.1.3. Items évaluant les autres croyances motivationnelles et métacognitives
Modèle 1 : cinq facteurs comme postulé théoriquement lors de la rédaction des items : 1.
Compétence perçue ; 2. Intérêt individuel ; 3. Anxiété ; 4. Instrumentalité perçue ; 5. Théories
implicites des capacités.
Dans ce premier modèle, nous utilisons les items comme indicateurs des facteurs. Les indices
d’adéquation (tableau 9.4) montrent que le modèle est relativement inadéquat (p-valeur < .01
et CFI < .95). Afin de réduire la complexité du modèle, nous utilisons dans le modèle suivant
des parcelles.
104
Nous avons demandé aux enseignants de compléter une échelle de 15 items concernant des comportements
d’engagement pour chacun de leurs élèves (voir l’annexe 6 pour cette échelle telle qu’elle a été présentée aux
enseignants). Etant donné que cette échelle a été complétée pour seulement 61 apprenants, nous ne l’avons pas
exploitée dans nos analyses. L’analyse des corrélations montre que les différents buts d’accomplissement sont
associés de manière cohérente à l’engagement de l’élève rapporté par son enseignant de mathématiques : buts de
maîtrise-approche-engagement r = .26, p < .05 ; buts de maîtrise-challenge-engagement r = .42, p < .01 ; buts de
performance-approche-engagement r = .01, ns ; buts de performance-évitement-engagement r = -.14, ns ; buts
d’évitement du travail-engagement r = -.53, p < .001). Ces indications apportent des informations quant à la
validité de nos échelles de buts d’accomplissement.
Modèle 2 : identique au modèle 1 mais avec l’utilisation de parcelles au lieu des items comme
indicateurs.
Dans un premier temps, nous avons vérifié l’unidimensionnalité de chacun des facteurs par
des analyses factorielles exploratoires. Si la première valeur propre était très élevée par
rapport à la seconde, nous avons considéré le facteur comme unidimensionnel. Etant donné
que chacun des facteurs s’est révélé unidimensionnel105, nous avons développé deux
indicateurs pour chacun d’entre eux en prenant la moyenne de plusieurs items les
constituant106. Le modèle montre une bonne adéquation aux données. Relevons que nous
n’avons pas comparé ce modèle à un modèle unidimensionnel car cela ne faisait pas de sens
théoriquement.
Tableau 9.4.
Indices d’adéquation des modèles testés pour les autres croyances motivationnelles et
métacognitives (n = 268)
Modèle 1
Avec 3
547.752 286 .0000 .895 .061 21584.498 21614.280
covariances entre
résidus
Modèle 2
Avec parcelles et
28.338 25 .2925 .998 .022 7713.654 7857.294
sans covariance
entre résidus
Pour la suite des analyses, nous retenons les facteurs suivants : compétence perçue, intérêt
individuel, instrumentalité perçue, anxiété et théories implicites des capacités.
9.2.2. Les scores aux trois tests d’aptitudes cognitives
Selon nos observations lors des passations, les tests d’intelligence non-verbale, de mémoire de
travail et de raisonnement numérique ont été complétés consciencieusement par la grande
majorité des élèves. Les statistiques descriptives pour chacun des tests figurent dans le tableau
105
Concernant les théories implicites des capacités, l’analyse factorielle exploratoire a révélé un premier facteur
dont la valeur propre était de 4.357 (49,33% de variance expliquée), alors que l’inclusion d’un second facteur
(valeur propre de 0.955) ne permettait d’expliquer que 7,48% de variance supplémentaire. Par conséquent, nous
considérons que les items mesurant les théories implicites sont unidimensionnels et que les deux théories (fixiste
vs malléable) représentées dans les items peuvent être considérées comme les deux extrémités d’un continuum.
106
La répartition des items dans les parcelles a été réalisée sur la base des saturations.
9.5. Nous remarquons que l’étendue des scores observés est large et que certains élèves
obtiennent des scores très faibles au test d’intelligence non-verbale et de raisonnement
numérique, ce qui pourrait révéler qu’ils n’ont pas fait de leur mieux.
Tableau 9.5.
Statistiques descriptives pour les trois tests d’aptitudes cognitives
Assy- Vous- Min Max Consist.
test # items m sd
métrie sure obs. obs interne
Intelligence non-verbale 18 9.39 3.98 0.63 -2.92 1 18 .789
(n = 273)
Raisonnement 25 12.27 4.62 -0.01 -1.07 1 24 .778
numérique (n = 278)
Mémoire de travail 60 35.95 10.99 -3.54 -0.73 7 58 .862
verbale (n = 242)
Les scores aux trois tests sont largement et positivement liés comme nous l’attendions
(tableau 9.6).
Tableau 9.6.
Intercorrélations entre les trois tests d’aptitudes cognitives
Intelligence Raisonnement Mémoire de
non-verbale numérique travail verbale
Intelligence non-verbale 1 .61 .39
Raisonnement numérique 1 .46
Mémoire de travail verbale 1
Note : Toutes les corrélations sont significatives à p < .01
9.2.3. Analyses des items relatifs aux problèmes de mathématiques
Etant donné que la grande majorité des élèves ont complété le problème «le réservoir
d’essence» (n = 253), les facteurs extraits pour ce problème seront considérés pour les
modèles de structure afin de répondre aux questions de recherche. Par contre, étant donné que
seuls 80 élèves ont complété le problème «la guitare», nous utiliserons ces données pour
corroborer les structures factorielles observées pour le problème «le réservoir d’essence». Des
modèles de structure ne seraient pas raisonnables avec un si petit échantillon.
9.2.3.1. Pré-résolution
Pour le problème «le réservoir d’essence», les analyses factorielles exploratoires ont révélé
très clairement une solution en quatre facteurs, telle que postulée en théorie : sentiment de
familiarité, sentiment de difficulté et d’efficacité, sentiment d’aimer la tâche et intention
d’engager de l’effort. Cette même solution factorielle est révélée pour le problème «la
guitare».
Les analyses factorielles confirmatoires (tableau 9.7) ont permis de confirmer que cette
structure factorielle en quatre facteurs (modèle 1) était plus adéquate qu’une solution
unifactorielle (modèle 2). Dans cette dernière, les indices de modification les plus
conséquents reproduisaient les facteurs spécifiés dans le modèle 1.
Tableau 9.7.
Indices d’adéquation des modèles testés pour le questionnaire pré-résolution (n = 253)
Adjusted
χ2MLR dl p-value CFI RMSEA AIC
BIC
Modèle 1
4 facteurs avec 2 31.216 19 .0382 .985 .050 6947.772 6960.484
cov. entre résidus
Modèle 2
1 facteur avec 4 74.202 22 .0000 .936 .097 6996.872 7008.494
cov. entre résidus
9.2.3.2. Post-résolution
Problème «le réservoir d’essence»
Etant donné le grand nombre d’items dans le questionnaire post-résolution (27 items), nous
avons passablement exploré les données de ce questionnaire par des analyses factorielles
exploratoires afin d’évaluer dans quelle mesure les construits mesurés étaient distinguables.
Nous avons réalisé les constatations suivantes. Les items prévus pour évaluer les stratégies
cognitives ainsi que les items censés évaluer les stratégies de surfaces n’ont pas été traités par
des analyses factorielles. En effet, les corrélations inter-items pour chacun de ces deux
construits étaient trop faibles (la majorité r < .20), ce qui implique que les données sont
inadaptées pour des analyses factorielles (Floyd & Widaman, 1995). Il semble que
l’utilisation de chacune des stratégies soit relativement indépendante de l’utilisation d’une

autre. Au contraire, les stratégies de contrôle métacognitif (contrôle et régulation
métacognitive autre que le contrôle) ont démontré une structure unifactorielle. Les deux
construits n’ont pas pu être distingués dans les analyses factorielles exploratoires. Le tableau
9.8 rapporte la matrice de pattern pour les items concernant les jugements de confiance, le
contrôle, la régulation métacognitive autre que le contrôle, l’estimation des efforts effectués
ainsi que la persévérance.
Tableau 9.8.
Matrice de pattern de la solution en trois facteurs
Code Libellé CON EEE META
CON1 Je pense que l’ordre des étapes que j’ai donné (=mon plan) est juste .432 -.015 .340
CON2 Je pense que les calculs que j’ai faits sont justes .579 .215 .093
CON3 Je pense que ma réponse est juste .814 -.009 .112
CON4 Je suis satisfait de ma résolution .906 .092 -.016

Pendant la résolution, j’ai vérifié au fur et à mesure que mes calculs
CTRL1 -.026 -.045 .794
étaient exacts
J’ai vérifié au fur et à mesure que je faisais bien ce qui était
CTRL2 -.008 .236 .565
demandé
CTRL3 J’ai vérifié ma réponse finale .183 -.190 .813
REG1 J’ai essayé d’estimer certains résultats avant de faire les calculs -.034 .065 .416
REG2 J’ai cherché si j’avais fait des erreurs .101 -.077 .762
REG3 J’ai réfléchi à nouveau à mon plan pendant que je l’exécutais -.066 .120 .448
EEE1 J’ai fait tout mon possible pour résoudre ce problème .291 .676 .053
EEE2 J’ai fait beaucoup d’efforts pour résoudre ce problème -.194 .712 .082
EEE3 Je me suis bien concentré pendant l’exercice .289 .660 .121
EEE4 Je me suis donné de la peine pour résoudre ce problème .170 .763 .042
PER1 J’ai travaillé jusqu’à ce que je trouve la réponse .567 .348 .121
PER2 Je suis resté concentré jusqu’à la fin .361 .550 .146
PER3 Pendant la résolution, je me suis dit que c’était trop difficile-recode .708 -.139 .010
PER4 J’ai arrêté de travailler avant de trouver la réponse-recode .532 .346 -.003
Note : Méthode d’extraction unweighted least square, rotation direct oblimin. CON = jugements de confiance,
EEE = estimation des efforts effectués, META = stratégies métacognitives. En gras figurent toutes les
saturations supérieures à .30.
Les construits estimations des efforts effectués et persévérance ne sont pas distinguables sur la
base de leurs corrélations. Ce sont en particulier les items évaluant la persévérance qui ne
forment pas un construit en soi. Certains items sont saturés par le facteur jugements de
confiance (ex : PER1 « J’ai travaillé jusqu’à ce que je trouve la réponse ») et d’autres par le
facteur estimation des efforts effectués (PER2 « Je suis resté concentré jusqu’à la fin »). Ainsi,
nous ne spécifierons pas de facteur persévérance dans les analyses factorielle confirmatoires
mais nous répartirons les items comme indicateurs des facteurs estimations des efforts
effectués et jugements de confiance.
Ainsi, ce sont trois facteurs qui se dégagent du questionnaire post-résolution : jugements de

confiance, stratégies métacognitives et efforts effectués. Les items évaluant les stratégies
cognitives et de surface ne seront pas utilisés dans la suite des analyses.
Pour réaliser les analyses factorielles confirmatoires, nous avons groupé les items en parcelles
afin de réduire le nombre d’indicateur (figure 9.1). Dans le cas des items prévus pour mesurer
la persévérance, nous avons pris la moyenne des trois items (PER1, PER3 et PER4) saturés
par le facteur jugements de confiance comme un indicateur de ce dernier facteur. L’item
saturé par le facteur estimation des efforts effectués (PER2) a quant à lui servi d’indicateur
pour ce dernier facteur. La moyenne des items évaluant le contrôle exercé a été utilisée
comme indicateur d’un facteur nommé stratégies métacognitives, alors qu’un second
indicateur de ce facteur était constitué par la moyenne des items évaluant la régulation
métacognitive. Finalement, un facteur compétences cognitives spécifiques au problème a été
défini comme saturant les trois items à choix multiple mesurant la compréhension du
problème, sa représentation et la planification.
Econ1-2-3 R2=.78
Jugements de .86
Eper1-3-4 R2=.75
confiance
.69
Ectrl1-2-3 R2=.73
Stratégies
.78
méta- .78
Ereg1-2-3 R2=.60
cognitives
.76
.77
.85 Eeeee1-4 R2=.72
Estimation des
efforts .93
.42
Eper2 R2=.87
effectués
.51
Compréhension R2=.32
.56
Compétences .29
Représentation R2=.09
cognitives
.70
Planification R2=.49
Figure 9.1. Modèle de mesure pour les variables post-résolution du problème « le réservoir
d’essence »
Les analyses factorielles confirmatoires ont permis de confirmer que cette structure factorielle
en quatre facteurs (modèle 1) était plus adéquate qu’une solution unifactorielle (modèle 2).
Dans cette dernière, les indices de modification proposaient de reproduire exactement les
facteurs spécifiés dans le modèle en quatre facteurs. Les indices d’adéquation des deux
modèles figurent dans le tableau 9.9.
Tableau 9.9.
Indices d’adéquation des modèles testés pour le questionnaire post-résolution «le réservoir
d’essence» (n = 253)
Modèle 1
14.247 9 .1138 .964 .048
4 facteurs sans cov. entre résidus
Modèle 2
68.427 13 .0000 .615 .130
1 facteur sans cov. entre résidus
Note : Nous avons utilisé la méthode pour variables catégorielles (WLSMV) car les variables mesurant les
compétences cognitives sont des données catégorielles
Problème «la guitare»
Pour les items mesurant les stratégies cognitives et les stratégies de surface, nous avons
observés, comme cela était le cas pour le problème « le réservoir d’essence », des corrélations
trop faibles entre les items pour les soumettre à des analyses factorielles.
Les stratégies de contrôle et les autres stratégies métacognitives semblent former un facteur
unique, bien que l’item REG4 « Je me suis demandé quelles pourraient être les difficultés
dans ce problème » soit complètement inexpliqué par le facteur unique. Les items de
persévérance sont expliqués par les facteurs jugements de confiance et estimation des efforts
effectués. Finalement, les trois items (compréhension, représentation et planification)
présentent des inter-corrélations aussi élevées que c’était le cas pour le problème «le réservoir
d’essence».
En résumé, les analyses factorielles exploratoires sur ce questionnaire corroborent les résultats
des analyses du même type sur le questionnaire donné suite au problème «le réservoir
d’essence». Toutefois, la petite taille d’échantillon ne permet pas d’obtenir des résultats aussi
stables que pour ce dernier problème.
Les statistiques descriptives pour chacun des facteurs extraits sont rapportées dans le tableau
9.10.
Tableau 9.10.
Statistiques descriptives pour toutes les variables mesurées
# Asy- Vous- Min Max Consist.
Variable m sd
items métrie sure obs. obs interne
Variables spécifiques à la matière
Stratégies de répétition 4 4.10 0.97 -2.03 1.37 1 7 .607
Stratégies d’élaboration 7 4.02 1.02 0.01 -1.87 1.57 6.57 .756

Stratégies
14 4.51 0.86 -1.39 1.16 1.57 6.93 .824
métacognitives trait
Buts de maîtrise-
4 4.98 0.99 -3.02 0.45 1.50 7 .664
approche
Buts de maîtrise-
4 3.43 1.34 1.73 -1.11 1 7 .807
challenge
6 3.23 1.46 5.03 -0.26 1 7 .902
approche
7 3.82 1.42 0.38 -2.95 1 6.71 .865
évitement
Buts d’évitement du
3 3.04 1.23 4.11 0.48 1 7 .648
travail
Compétence perçue 5 4.57 1.45 -2.01 -1.49 1 7 .883
Intérêt individuel 3 3.74 1.36 -0.53 -1.71 1 7 .774
Instrumentalité perçue 4 4.82 1.18 -2.85 -0.10 1.25 7 .773
Anxiété 6 3.48 1.30 2.22 -0.43 1 7 .825

Théories implicites des
8 2.85 1.19 4.29 0.51 1 7 .877
capacités (fixistes)
Tableau 9.10.
Statistiques descriptives pour toutes les variables mesurées (suite)
# Asy- Vous- Min Max Consist.
Variable m sd
items métrie sure obs. obs interne
Variables d’aptitudes cognitives

Intelligence non-verbale 18 9.39 3.98 0.63 -2.92 1 18 .789
Raisonnement
25 12.27 4.62 -0.01 -1.07 1 24 .778
numérique
Mémoire de travail
60 35.95 10.99 -3.54 -0.73 7 58 .862
verbale
Variables spécifiques au problème « le réservoir d’essence »
Sentiment de familiarité 3 5.01 1.09 -4.02 0.87 1 7 .651
Sentiment d’aimer la
4 3.62 1.50 0.57 -2.35 1 7 .894
tâche
Sentiment de difficulté 4 3.53 1.22 1.55 0.19 1 7 .822
Intention d’engager des
5 4.76 1.22 -5.47 3.04 1 7 .880
efforts
3 1.63 0.89 -1.00 -2.90 0 3 .365
Stratégies
8 3.80 1.19 -0.47 -0.99 1 6.75 .813
métacognitives
Estimation des efforts
5 4.08 1.52 -2.61 -1.91 1 7 .906
effectués
Jugements de confiance 7 4.53 1.52 -2.47 -2.50 1 7 .902
Performance 1 2.97 1.97 -1.80 -4.94 0 5 -

Les statistiques descriptives (tableau 9.10) nous apprennent que la consistance interne du
score compétences cognitives spécifiques au problème est très insatisfaisante (α < .40). Ce
score contient donc une large part d’erreur. Quatre variables (sentiment de familiarité,
stratégies de répétition, buts de maîtrise et buts d’évitement du travail) présentent des scores
dont la consistance interne est acceptable (α entre .60 et .70). Toutes les autres variables
présentent des scores dont la fidélité est bonne voir excellente.
Les distributions de plusieurs variables montrent une asymétrie négative (la distribution des
scores est plus dense vers le haut de l’échelle). Ceci est notamment le cas des buts de maîtrise,
de l’instrumentalité perçue ainsi que de l’intention d’engager des efforts ; la grande majorité
des élèves rapportent adopter ce type de buts, trouver que la matière est utile pour leur futur et
avoir l’intention de réaliser les efforts nécessaires à la résolution du problème. Nous
soupçonnons en particulier un effet de désirabilité sociale.
Les corrélations entre les variables impliquées dans les modèles de structure sont présentées
dans les tableaux 9.11 à 9.15. Rappelons que ces corrélations constituent nos informations de
base pour répondre à nos trois premières questions de recherche, étant donné que les modèles
de structure sont basés sur l’analyse des covariances. Nous relevons dans ces tableaux les
éléments intéressants pour la suite des analyses.
Tableau 9.11.
Corrélations entre les aptitudes cognitives et les variables au niveau de la matière
Raisonnement
Intelligence non Mémoire de travail
Variable numérique
verbale (n = 266) verbale (n = 241)
(n = 268)
Buts d’accomplissement
Buts de maîtrise-approche -.04 -.06 .07
Buts de maîtrise-challenge .16 .25 .06
Buts de performance-approche .01 -.06 -.04
Buts de performance-évitement -.10 -.17 .01
Buts d’évitement du travail -.27 -.23 -.28
Autres croyances motivationnelles et métacognitives
Compétence perçue .38 .37 .19
Intérêt individuel .16 .14 .03
Anxiété -.39 -.34 -.20
Instrumentalité perçue .00 .04 .01
Théories implicites des capacités
.01 .01 -.02
(fixistes)
Stratégies d’apprentissage et de résolution
Stratégies de répétition -.18 -.22 -.03
Stratégies d’élaboration -.11 -.10 -.06
Stratégies métacognitives trait -.14 -.10 -.02
tailed)
Le tableau 9.11 nous informe que les croyances motivationnelles et métacognitives sont
associées de manière cohérente aux aptitudes cognitives. D’une part, l’anxiété montre des
corrélations négatives et modérées avec les scores aux tests d’aptitudes cognitives et d’autre
part, la compétence perçue et l’intérêt ont des corrélations positives avec les aptitudes.
L’instrumentalité perçue et les théories implicites des capacités ne sont pas significativement
liées aux aptitudes. Concernant les buts d’accomplissement, relevons que les buts de
challenge sont associés positivement avec les aptitudes cognitives. Au contraire, les buts de
performance-évitement ainsi que les buts d’évitement du travail sont négativement associés à
ces aptitudes. Quant aux buts de maîtrise et aux buts de performance-approche, ils ne
montrent aucune corrélation significative avec les aptitudes. Finalement, les stratégies
d’apprentissage sont toutes négativement liées aux aptitudes cognitives même si la majorité
des corrélations n’est pas significative. Ce sont en particulier les stratégies de répétition qui
sont négativement associées aux aptitudes en raisonnement numérique et intelligence non
verbale. Relevons également la corrélation négative entre l’utilisation de stratégies
métacognitives et les aptitudes en raisonnement numérique. D’une manière générale, les
variables au niveau de la matière sont plus largement corrélées aux aptitudes en raisonnement
numérique et en intelligence non verbale qu’elles ne le sont au score du test de mémoire de
travail verbale.
Les corrélations entre variables mesurées au niveau de la matière figurent dans le tableau
9.12.
Tableau 9.12
Corrélations entre les variables au niveau de la matière (n = 268)
Variable 1 2 3 4 5 6 7 8 9 10 11 12 13
1 Anxiété 1 -.70 -.32 .04 .02 .14 -.31 .09 .36 .34 .34 .24 .29
2 Compétence perçue 1 .56 .05 -.08 .09 .53 .13 -.18 -.33 -.19 -.03 -.07
3 Intérêt individuel 1 .37 -.29 .51 .66 .33 .16 -.29 .12 .29 .25
Instrumentalité
4 1 -.32 .50 .29 .19 .23 -.11 .16 .42 .31
perçue
Théo. impl. des
5 1 -.31 -.26 -.10 -.13 .17 -.21 -.28 -.24
Buts de maîtrise-
6 1 .39 .26 .27 -.23 .29 .43 .46
approche
Buts de maîtrise-
7 1 .16 -.06 -.32 -.03 .36 .19
challenge
Buts de perf-
8 1 .65 -.06 .21 .20 .21
approche
Buts de perf-
9 1 .04 .31 .24 .31
évitement
Buts d’évitement du
10 1 .22 -.02 -.03
travail
Stratégies de
11 1 .42 .43
répétition
Stratégies
12 1 .58
d’élaboration
Stratégies
13 1
métacognitives trait
tailed) ; théo. impl. des capacités = théories implicites des capacités
Les buts de maîtrise-approche et de maîtrise-challenge se distinguent dans leurs corrélations

avec l’anxiété, la compétence perçue et l’instrumentalité perçue. Le premier type de buts est
en effet associé positivement avec l’anxiété (r = .14, p < .05), il montre une corrélation nulle
avec la compétence perçue (r = .09, ns) et une association forte avec l’instrumentalité perçue
(r = .50, p < .01). Au contraire, le second type de buts est associé négativement avec l’anxiété
(r = -.31, p < .01), montre une corrélation positive et forte avec la compétence perçue (r = .53,
p < .01) ainsi qu’une relation positive mais modérée avec l’instrumentalité perçue (r = .29, p <
.01). En effet, les buts de performance-approche sont, parmi les cinq types de buts, ceux qui
sont le moins fortement associés aux autres croyances motivationnelles.
Les buts de performance-approche et de performance-évitement sont fortement corrélés (r =
.65, p < .01). Toutefois, ils présentent des différences dans leurs corrélations avec les
croyances motivationnelles. Les buts de performance-approche sont liés positivement aux
buts de maîtrise-challenge (r = .16, p < .05) alors que ce n’est pas le cas des buts de
performance-évitement (r = -.06, ns). Relevons que contrairement au postulat de Dweck
(1999), les buts de performance tant approche (r = -.10, ns) qu’évitement (r = -.13, p < .05)
sont corrélés négativement avec la conception fixiste des capacités. Ce ne sont que les buts
d’évitement du travail qui sont liés positivement à ces croyances sur les capacités (r = .17,
p < .01).
Buts de performance-approche et performance-évitement, bien que distinguables par l’analyse
factorielle, sont fortement associés (r = .65, p < .01). Les buts d’évitement du travail montrent
des corrélations négatives avec les buts de maîtrise (r = -.23, p < .01) et maîtrise-challenge (r
= -.32, p < .01) mais des corrélations nulles avec les deux buts de performance.
Les trois types de stratégies d’apprentissage sont positivement et relativement fortement
corrélés (r de .42 à .58). Les stratégies de répétition se distinguent des stratégies d’élaboration
et métacognitives par leurs corrélations avec les croyances motivationnelles. En effet, ces
stratégies sont, au contraire des deux autres, corrélées positivement aux buts d’évitement du
travail (r = .22, p < .01), négativement à la compétence perçue (r = -.19, p < .01) et elles ne
sont pas liées aux buts de maîtrise-challenge ni à l’intérêt individuel. En outre, soulignons que
l’anxiété, l’instrumentalité, les buts de maîtrise, les buts de performance-approche et
performance-évitement ainsi que les théories implicites des capacités sont liés de manière
similaires avec les trois types de stratégies d’apprentissage.
Tableau 9.13.
Corrélations entre les variables spécifiques au problème « le réservoir d’essence »
Variable 1 2 3 4 5 6 7 8 9
1 Sentiment de familiarité 1 .11 -.41 .16 .15 .11 .21 .20 .16
2 Sentiment d’aimer la tâche 1 -.48 .66 .45 .43 .10 .49 .30
3 Sentiment de difficulté 1 -.30 -.27 -.17 -.20 -.51 -.35
4 Intention d’engager des efforts 1 .55 .67 .18 .48 .29
5 Stratégies métacognitives 1 .64 .19 .58 .39
6 Estimation des efforts effectués 1 .27 .64 .43
7 Compétences cognitives
1 .46 .51
8 Jugements de confiance 1 .74
9 Performance 1
Note : les corrélations =|.15| sont significatives à p = .05 ; les corrélations ≥|.16| sont significatives à p = .01 (2-
L’analyse du tableau 9.13 nous apprend que les variables spécifiques au problème sont
largement inter-corrélées. Seules trois corrélations ne sont pas significatives. Ceci suggère
que nous mesurons des construits proches bien que distinguables (la corrélation la plus élevée
est de r = .74 entre les jugements de confiance et la performance). Relevons que les stratégies
métacognitives sont fortement associées au sentiment d’aimer la tâche, à l’intention d’engager
des efforts, à l’estimation des efforts effectués et aux jugements de confiance.
Tableau 9.14.
Corrélations entre les aptitudes cognitives et les variables spécifiques au problème « le
réservoir d’essence »
Mémoire de
Raisonnement Intelligence non
Variable travail verbale
numérique (n = 268) verbale (n = 266)
(n = 241)
Sentiment de familiarité .25 .25 .18
Sentiment d’aimer la tâche .14 .19 .07
Sentiment de difficulté -.29 -.32 -.11
Intention d’engager des efforts .21 .25 .17
Stratégies métacognitives .22 .20 .20
Estimation des efforts effectués .26 .23 .21
.51 .40 .40
Jugements de confiance .48 .43 .27
Performance .52 .44 .33
L’analyse du tableau 9.14 révèle que toutes les variables spécifiques au problème « le
réservoir d’essence » sont significativement associées aux aptitudes cognitives, à l’exception
de deux corrélations non significatives avec la mémoire de travail verbale. Les corrélations les
plus fortes concernent les compétences cognitives spécifiques au problème, les jugements de
confiance ainsi que la performance.
Tableau 9.15.
Corrélations entre les variables au niveau de la matière et les variables spécifiques au
problème « le réservoir d’essence »
Intention d’engager des efforts

Sentiment d’aimer la tâche
Stratégies métacognitives
Sentiment de familiarité
Jugements de confiance
Sentiment de difficulté
Estimation des efforts

Variable
Performance
effectués
Buts d’accomplissement
Buts de maîtrise .12 .24 -.05 .35 .27 .15 -.05 .05 -.06
Buts de challenge .13 .49 -.37 .34 .27 .14 .10 .27 .19
Buts de perf-approche .08 .23 -.18 .20 .19 .17 -.06 .18 .00
Buts de perf-évitement .00 .15 .03 .16 .14 .18 -.12 .03 -.11
Buts d’évitement du travail -.16 -.06 .21 -.20 -.20 -.17 -.16 -.30 -.27
Compétence perçue .13 .39 -.43 .26 .22 .18 .23 .50 .41
Intérêt individuel .09 .49 -.29 .40 .29 .20 .01 .33 .15
Anxiété -.15 -.23 .43 -.14 -.10 -.08 -.29 -.47 -.41
Instrumentalité perçue .09 .24 -.06 .21 .17 .10 -.02 .12 .02
Théories implicites des
.08 -.15 .07 -.10 -.13 -.03 .02 -.03 .01
Stratégies de répétition -.10 .09 .17 .15 .14 .04 -.19 -.19 -.22
Stratégies d’élaboration -.01 .23 .01 .23 .28 .11 -.07 -.02 -.08
Stratégies métacognitives trait -.01 .21 .00 .32 .41 .17 -.11 .00 -.10
Les corrélations présentées dans le tableau 9.15 nous informent des associations entre les
variables mesurées en référence à la matière (les mathématiques) et les variables mesurées en
référence au problème « le réservoir d’essence ». Les buts de maîtrise et les buts de challenge
se différencient dans leurs associations avec le sentiment d’aimer la tâche, le sentiment de
difficulté, les jugements de confiance et la performance. En effet, les buts de challenge sont
plus fortement corrélés avec chacune de ces variables, ce qui suggère qu’ils ont une influence
plus prépondérante que les buts de maîtrise. Les variables instrumentalité perçue, théories
implicites des capacités et buts de performance-évitement sont peu liées aux variables
relatives au problème. De ce fait, elles devraient jouer un rôle mineur dans l’explication de
celles-ci. Concernant les stratégies d’apprentissage, les stratégies métacognitives trait sont les
stratégies les plus fortement associées (r = .41, p < .01) à l’utilisation de stratégies
métacognitives après la résolution du problème. De ce fait, nous utiliserons uniquement cette
variable pour la prédiction des stratégies utilisées pour la résolution du problème.
Nous présentons dans la suite du texte les différents modèles de structure réalisés afin de
répondre aux questions de recherche formulées dans le chapitre précédent. Pour chaque
modèle, ce sont tout d’abord les hypothèses qui sont exposées (en reprenant les variables
extraites des analyses factorielles puis les modèles présentant les paramètres). Ensuite les
résultats (paramètres) du modèle sont présentés. Dans un premier temps, nous présentons un
modèle de structure au niveau du problème (question de recherche 1), puis un modèle de
structure englobant les variables au niveau du problème ainsi que les variables au niveau de la
matière (question de recherche 2) et finalement un modèle de structure comprenant toutes les
variables mesurées au niveau de la matière (question de recherche 3). Les résultats sont
décrits relativement brièvement et ils seront confrontés aux théories et aux résultats d’autres
recherches empiriques dans le chapitre de discussion.
9.3. Modèle de structure au niveau des problèmes
De la même manière que nous l’avons fait dans la première étude, nous procédons tout
d’abord à l’établissement d’un modèle liant les variables mesurées en lien avec le problème
de maths. Toutefois, au contraire de ce qui a été réalisé dans l’étude 1, nous n’étudierons de
cette manière qu’un seul problème («le réservoir d’essence») car le nombre d’élèves ayant
complété le problème «la guitare» n’est pas suffisant pour réaliser un modèle de structure. Les
relations que nous postulons ainsi que leur valence attendue figurent dans le modèle 9.1. Dans
un deuxième temps, le modèle final (c’est-à-dire après l’ajout de pistes pour améliorer
l’adéquation des modèles ainsi que la suppression des pistes non significatives) issu des
analyses statistiques sera présenté et commenté. Toutes les variables ont été corrigées en
fonction de leur fidélité (Bollen, 1989)107.
Par rapport aux résultats de la première étude, nous souhaitons répliquer les résultats suivants.
Premièrement, le sentiment de familiarité a-t-il un effet sur les compétences cognitives
107
Nous avons utilisé l’indice de consistance interne afin de tenir compte de l’erreur de mesure. La correction
appliquée est (1- α) x variance.
spécifiques au problème ? Les résultats de la première étude ont montré que ce sentiment
n’était pas prédictif des compétences cognitives mais que c’était le sentiment de difficulté
(nommé sentiment de facilité/efficacité dans la première étude) qui pouvait expliquer la
variance des scores de compétences cognitives spécifiques au problème. Deuxièmement, le
sentiment de difficulté est-il prédictif des stratégies métacognitives ainsi que des jugements de
confiance tels que les résultats de la première étude l’avaient révélé ? Finalement, par rapport
aux stratégies métacognitives, nous pourrons d’une part confirmer qu’il existe bien une
relation négative entre le sentiment de difficulté et ces stratégies. Ceci permettra de corroborer
l’étonnant résultat de la première étude. D’autre part, le sentiment d’aimer la tâche prédit-il
l’utilisation de stratégies métacognitives ? Ce lien avait été trouvé dans la première étude
(effet moyen pour chacun des deux problèmes). Toutefois, suite à l’introduction des variables
au niveau général, cette piste n’était plus significative. Par ailleurs, peut-on confirmer le fait
que les stratégies métacognitives influencent effectivement les jugements de confiance et la
performance de manière positive ?
Il est clair que l’ajout de la variable intention d’engager des efforts pourrait avoir un effet sur
les relations entre expériences métacognitives pré-résolution et les variables mesurées pendant
et après la résolution. En outre, l’élargissement des stratégies métacognitives (qui ne
concernaient que le contrôle continu et final dans la première étude) pourrait également
produire des différences. Nous porterons attention à cette éventualité. En plus des relations
constatées dans l’étude 1, nous postulons les influences suivantes. L’intention d’engager des
efforts devrait exercer un effet direct et positif sur les efforts exercés ainsi que sur les
stratégies métacognitives employées (une plus grande tendance à s’activer stratégiquement).
L’estimation des efforts effectués devrait influencer la performance mais expliquer une part
de la variance différente de celle expliquée par les stratégies ou les compétences cognitives.
Nous faisons donc l’hypothèse que chacune des trois variables aura une influence
significative et positive. Le sentiment de difficulté devrait jouer le même rôle que dans l’étude
1, c’est-à-dire un rôle central. Il devrait en outre influencer les efforts effectués positivement.
Finalement, les stratégies métacognitives devraient exercer un effet positif tant sur la
performance que sur les jugements de confiance. La première hypothèse suggère que
l’utilisation de stratégies métacognitives permet de réaliser une meilleure performance au-delà
de l’influence des compétences cognitives et des efforts effectués (Focant et al., 2006 ;
Lucangeli & Cornoldi, 1997 ; Schoenfeld, 1985 ; Veenman, 2006) ; la seconde hypothèse
suggère que l’utilisation de stratégies métacognitives, notamment de contrôle continu et final
est liée avec une confiance plus élevée (Efklides, 2004). Notre modèle hypothétique est
présenté dans la figure 9.2.
Sentiment + Compétences
de familiarité cognitives +
+
-
- Performance
Sentiment ? +
+ Stratégies
de difficulté
+ métacognitives + +
-
-
+ Jugements
de confiance
Sentiment
+ +
-
d’aimer la tâche
Estimation des
efforts
+ effectués
+ +
Intention
d’engager
des efforts
Figure 9.2. Modèle de structure hypothétique au niveau du problème
Lors du test de ce modèle, un problème de multicollinéarité est apparu. En effet, trois

variables, soit compétences cognitives, jugement de confiance et performance sont largement
inter-corrélées (r entre .74 et .93) ce qui provoque des résultats biaisés et notamment une
corrélation fortement négative (r = -.68) entre la performance et les jugements de confiance,
alors que cette corrélation bivariée est fortement positive (r = .70). Considérant ce problème
de multicollinéarité ainsi que la faible consistance interne de la variable compétences
cognitives (alpha de Cronbach = .365), nous avons résolu le problème en éliminant cette
dernière de notre modèle. Ceci a eu pour effet que la corrélation entre performance et
jugements de confiance est redevenue positive comme attendu. Toutefois, nous avons perdu
une partie des informations. Dans le modèle de structure global, les aptitudes en raisonnement
numérique seront introduites, ce qui permettra de considérer ces aptitudes à défaut des
compétences cognitives spécifiques au problème.
La figure 9.3 rapporte les paramètres du modèle final. Ce modèle montre une adéquation
acceptable (χ2MLR = 21.244, dl = 11, p = .0309, n = 253, CFI = .988, RMSEA = .061).
Sentiment
de familiarité
R2=.44
Stratégies
métacognitives R2=.27
-.54
Performance
Sentiment
de difficulté
.73
.20
-.56
R2=.69
Jugements
.57
de confiance
-.34
Sentiment
d’aimer la tâche R2=.57
Estimation des
efforts
effectués
.74
Intention
d’engager
des efforts
Figure 9.3. Résultats du modèle de structure au niveau du problème
Plusieurs points sont d’intérêt dans ces résultats. Premièrement, les corrélations entre les
expériences métacognitives pré-résolution (variables exogènes dans le modèle) diffèrent de
celles observées dans la première étude. En effet, la corrélation entre sentiment de familiarité
et sentiment d’aimer la tâche est nulle alors qu’elle était de r = .76 pour le même problème
dans l’étude 1. Chacune des trois expériences métacognitives pré-résolution est
significativement liée à l’intention d’engager des efforts. L’intention d’engager des efforts est
liée fortement au sentiment d’aimer la tâche (r = .74) et modérément au sentiment de
difficulté (r = -.34) ainsi qu’au sentiment de familiarité (r = .20). Ainsi cette intention est
fortement liée aux expériences métacognitives ; ceci est tout à fait cohérent avec le modèle
des appréciations de Boekaerts (2001).
Deuxièmement, le sentiment de difficulté joue un rôle clé à nouveau. Il est non seulement
prédictif de la performance (-.25) et des jugements de confiance (-.42) mais également des
stratégies métacognitives (-.14). Ceci signifie que plus le problème est perçu comme difficile,
moins l’élève recourt à des stratégies métacognitives. Ce résultat bien que faible est inattendu
car nous n’avions pas postulé d’influence du sentiment de difficulté sur l’utilisation de
stratégies métacognitives. Nous y reviendrons dans la discussion.
Troisièmement, le sentiment de familiarité n’est à nouveau prédictif d’aucune autre variable,
comme c’était le cas dans les modèles de la première étude. Ce sentiment est toutefois
fortement lié au sentiment de difficulté (r = -.54) et modérément à l’intention d’engager des
efforts (r = .20).
Quatrièmement, l’intention d’engager des efforts joue un rôle important car elle influence
directement les efforts effectués (.86) ainsi que les stratégies métacognitives (.60). Il semble
que ce soit cette intention plutôt que le sentiment de difficulté qui joue un rôle majeur dans la
prédiction de l’utilisation des stratégies métacognitives. Nous nous interrogeons toutefois sur
l’effet considérable de cette intention sur l’utilisation de stratégies métacognitives : est-ce
parce que l’élève a déclaré ses « bonnes intentions » qu’il se sent obligé de rapporter des
activités cognitives qu’il sait valorisées ?
Cinquièmement, le sentiment d’aimer la tâche joue un rôle faible par son influence directe (-
.16) sur l’estimation des efforts effectués. Ce résultat pourrait être expliqué par le fait que les
élèves qui rapportent le plus fort sentiment d’aimer la tâche sont également ceux qui
nécessitent d’exercer le moins d’efforts pour la réussir. En effet, le sentiment d’aimer la tâche
est lié négativement au sentiment de difficulté. Cette interprétation est toutefois peu solide
étant donné que le sentiment de difficulté n’est pas significativement prédictif de l’estimation
des efforts effectués. En outre, le sentiment d’aimer la tâche n’est pas significativement
prédictif de l’utilisation de stratégies métacognitives. Il est probable que ceci soit dû à
l’introduction de l’intention d’engager des efforts.
Sixièmement, les stratégies métacognitives sont positivement prédictives de la performance
(.38) ainsi que des jugements de confiance (.30), comme nous l’avions postulé dans notre
modèle d’hypothèses.
Septièmement, l’estimation des efforts effectués prédit la confiance. Ainsi les jugements de
confiance des élèves se basent simultanément sur plusieurs perceptions : la difficulté du
problème, les efforts qu’ils ont effectués pour le résoudre ainsi que les stratégies
métacognitives qu’ils ont mis en œuvre. Presque 40% de la variance dans ces jugements est
expliquée par ces trois perceptions.
Finalement, relevons que ces résultats sont à interpréter en considérant que les compétences
cognitives spécifiques au problème ne figurent pas dans le modèle. Ces observations nous
permettront de formuler une réponse à notre première question de recherche dans le chapitre
de discussion.
9.4. Modèle de structure liant variables générales et variables

Nous postulons que les variables mesurées au niveau de la matière auront les influences
directes reportées dans le tableau 9.16. Nous n’avons pas représenté l’ensemble des liens
postulé sur une figure car cela était difficilement réalisable et lisible. Les liens postulés ne
seront sans aucun doute pas tous confirmés étant donné le grand nombre de variables et par
conséquent la complexité des relations. Par exemple, plusieurs variables sont censées
influencer le sentiment de difficulté mais il s’avérera probablement que seule une partie
d’entre elles exerceront une influence significative. En plus de ces liens, le modèle de
structure global reprend les liens du modèle de structure au niveau du problème.
Tableau 9.16.
Hypothèses des influences des variables au niveau de la matière sur les variables au niveau
du problème
Variable au niveau de la matière Æ Variable au niveau du problème
Sentiment d’aimer la tâche (+)

Intention d’engager des efforts (+)
Buts de maîtrise-approche Æ
Stratégies métacognitives (+)
Estimation des efforts effectués (+)
Sentiment de difficulté (-)

Buts de maîtrise-challenge Æ Intention d’engager des efforts (+)
Stratégies métacognitives (+)
Estimation des efforts effectués (+)
Buts de performance-approche Æ Aucune influence
Sentiment de difficulté (+)
Sentiment d’aimer la tâche (-)
Buts de performance-évitement Æ
Intention d’engager des efforts (-)
Estimation des efforts effectués (-)
Sentiment de difficulté (+)
Sentiment d’aimer la tâche (-)
Buts d’évitement du travail Æ Intention d’engager des efforts (-)
Stratégies métacognitives (-)
Estimation des efforts effectués (-)
Anxiété Æ Sentiment de difficulté (+)
Compétence perçue Æ Sentiment de difficulté (-)
Instrumentalité Æ
Intention d’engager des efforts (+)
Théories implicites des capacités
Æ Aucune influence
(fixistes)
Stratégies métacognitives trait Æ Stratégies métacognitives (+)
Sentiment de difficulté (-)
Raisonnement numérique Æ
Performance (+)
Note : les signes + et – indiquent la valence de la relation attendue
La figure 9.4 représente le modèle de structure final, suite à l’ajout des pistes significatives et
théoriquement cohérentes ainsi qu’à la suppression des pistes non significatives au seuil de p
= .05. Ce modèle montre une bonne adéquation (χ2MLR = 67.626, dl = 53, p = .0852, n = 253,
CFI = .991, RMSEA = .031). Les buts de performance et les théories implicites des capacités
n’ont, comme nous l’avions postulé, aucune influence significative sur les variables
spécifiques au problème. En outre, les influences de l’instrumentalité perçue sur le sentiment
d’aimer la tâche et sur l’intention d’engager des efforts ne sont pas confirmées par les
données. Par conséquent, ces trois variables au niveau de la matière ont été éliminées du
modèle. Signalons encore que les compétences spécifiques au problème ne figurent pas dans
le modèle pour les mêmes raisons que celles évoquées dans le modèle de structure au niveau
du problème.
Général Avant la résolution Pendant et après la résolution

Stratégies .33
métacognitives
trait
-.22
Anxiété
- .2 6
Stratégies
- .2
Buts de 6 métacognitives
-.29 . 41 Performance
maîtrise 4
challenge -.2
-.11
.6
2 Sentiment
Buts de
performance- .15 de difficulté
.61
0
évitement
.3
.23
-.21
-
-.43
- .3 1
Buts
d’évitement .29
Jugements
.67
du travail Sentiment de confiance
d’aimer
8
.5
Buts de -.22 la tâche
Estimation des
maîtrise-
efforts
approche
effectués
.4 7
.77
.4 7
.18
Compétence
0
.8
.17
.36
perçue
Intention
.19 d’engager
Raisonnement des efforts
numérique
Figure 9.4. Résultats du modèle de structure global

Note : tous les paramètres figurant dans le modèle sont significatifs à p < .05. Les corrélations entre variables
exogènes ne sont pas représentées pour des raisons de lisibilité. Ces corrélations sont similaires à celles figurant
dans les tableaux 9.10 et 9.11.
Les influences significatives sont très nombreuses ce qui rend la description du modèle
complexe. Nous exposons dans un premier temps les effets directs et les comparons aux
hypothèses formulées dans le tableau 9.16. Dans un deuxième temps, nous présentons les
effets indirects.
Premièrement, concernant les influences des buts d’accomplissement, celles-ci se révèlent
significatives sur les trois variables pré-résolution. En effet, le sentiment de difficulté est
prédit, comme attendu, par les buts de maîtrise-challenge (-.29). Le sentiment d’aimer la tâche
est également prédit par les buts de maîtrise-challenge (.62) mais aussi (positivement) par les
buts de performance-évitement (.23) et d’évitement du travail (.29). Ceci est surprenant dans
la mesure où nous avions prédit que ces deux buts seraient négativement liés à cette
expérience métacognitive. L’intention d’engager de l’effort est quant à elle prédite par les
buts de maîtrise (.47) mais pas par les autres buts. Les buts d’accomplissement n’ont aucune
influence directe sur les stratégies métacognitives utilisées mais ils ont des influences
indirectes : les buts de maîtrise challenge ont un effet sur les stratégies métacognitives via le
sentiment de difficulté (.07) et les buts de maîtrise ont un effet via l’intention d’engager des
efforts (.22). L’estimation des efforts effectués est prédite directement par les buts de
performance-évitement (.15) et les buts de maîtrise (-.22). Ainsi, ces derniers buts mènent
d’une part largement à l’intention d’engager des efforts et d’autre part à une estimation plus
faible des efforts effectués. L’effet indirect des buts de maîtrise sur l’estimation des efforts
effectués est conséquent (.38)108. Finalement, la performance et les jugements de confiance ne
sont prédits qu’indirectement par les buts d’accomplissement109, ce que nous avions postulé.
Ceci corrobore de plus les résultats de la première étude.
Deuxièmement, la compétence perçue et surtout l’anxiété jouent des rôles importants dans la
prédiction des variables spécifiques au problème. Cette première a un effet direct sur
l’intention d’engager des efforts (.17). Nous avions formulé l’hypothèse qu’elle aurait un effet
sur le sentiment de difficulté ce qui n’est pas le cas. En effet, c’est l’anxiété qui exerce l’effet
majeur sur ce sentiment (.41). L’anxiété et la compétence perçue étant fortement corrélées (r
= -.70, p < .01), il est probable que si nous n’avions pas introduit la variable anxiété, la
compétence perçue aurait alors eu une influence directe sur le sentiment de difficulté.
Concernant les autres effets directs de l’anxiété, ceux-ci portent sur le sentiment d’aimer la
tâche (-.26), les jugements de confiance (-.26) ainsi que la performance (-.22)110. Ainsi il
semble que l’anxiété relative à la matière soit prépondérante tant dans les expériences
métacognitives pré-résolution et post-résolution que dans la performance. Relevons que
l’anxiété n’est directement et significativement liée ni aux variables relatives à l’effort
(intention d’engager des efforts et estimation des efforts exercés) ni à l’utilisation de
stratégies métacognitives. Elle exerce toutefois un effet indirect sur ces stratégies via le
sentiment de difficulté (-.10)111. L’anxiété est ainsi l’un des principaux construits prédictifs
des expériences métacognitives.
108
L’effet total est donc de (-.22) + (.38) = .16
109
Buts de maîtrise challenge Æ peformance : (-.29) x (.11) = -.03 ; Buts de performance-évitement Æ
performance : (.15) x (.30) = .05 ; Buts de maîtrise Æ peformance : [(-.22) x (.30)] + [(.47) x (.80) x (.30)] = .05
110
L’anxiété prédit également indirectement la performance via le sentiment de difficulté : (.41) x (-.11) = -.05.
Son effet total sur la performance est donc de (-.22) + (-.05) = -.27.
111
(.41) x (-.24)
Troisièmement, les stratégies métacognitives comme trait sont prédictives de l’utilisation de

stratégies métacognitives durant le problème (.33). Elles n’exercent aucune autre influence
directe ou indirecte.
Quatrièmement, les aptitudes en raisonnement numérique ont des influences d’une part sur la
performance (.36) et d’autre part sur les jugements de confiance (.18). Ce dernier résultat est
relativement inattendu car nous aurions plutôt attendu que ce soit la compétence perçue qui
prédise les jugements de confiance et non les aptitudes. Toutefois, ce résultat est cohérent
théoriquement.
En comparaison avec nos hypothèses du tableau 9.15, un grand nombre de pistes ne sont pas
confirmées. Les résultats sont toutefois, sauf exceptions, théoriquement cohérents.
9.5. Modèle de structure au niveau de la matière
Nos hypothèses sont représentées dans la figure 9.5. Nous postulons, premièrement, que les
aptitudes en raisonnement numérique112 ont une influence positive sur la compétence perçue
(Bandura, 1997/2003 ; Eccles & Wigfield, 1995) et l’intérêt individuel ainsi qu’une influence
négative sur l’anxiété. Deuxièmement, nous faisons l’hypothèse que les buts
d’accomplissement jouent un rôle médiateur dans la relation entre d’une part les croyances
motivationnelles et métacognitives liées à la valeur de la tâche, aux perceptions de soi et aux
croyances sur la malléabilité des capacités (instrumentalité perçue, intérêt individuel,
compétence perçue, anxiété et théories implicites des capacités) et d’autre part les différents
types de stratégies (élaboration, métacognitives et répétition) (Elliot & Thrash, 2001).
Soulignons que la variable théories implicites des capacités ne figure pas sur le modèle
hypothétique (figure 9.5) pour rendre le graphique plus lisible. Nous postulons que cette
variable, pour laquelle un score élevé représente une tendance à adopter une théorie fixiste des
capacités, aura un effet négatif sur les buts de maîtrise-approche et maîtrise-challenge ainsi
qu’un effet positif sur les buts de performance-approche, performance-évitement et évitement
du travail (Dweck, 1999 ; Dweck & Leggett, 1988). Troisièmement, sur la base de notre revue
de littérature concernant les liens entre buts d’accomplissement et stratégies d’apprentissage
(voir 5.4.1.3), nous postulons que les buts de maîtrise et maîtrise-challenge auront un effet
112
Etant donné que les corrélations entre le score au test de raisonnement numérique et les variables en référence
à la matière étaient similaires aux corrélations entre le score au test d’intelligence non verbale et ces mêmes
variables, nous n’utiliserons que la variable « raisonnement numérique ». Ceci répond également à un souci de
parcimonie.
positif sur les stratégies d’élaboration et métacognitives. Les buts de performance-évitement

et d’évitement du travail auront par contre un lien positif avec les stratégies de répétition
(Elliot et al., 1999 ; Dowson, 2000 ; Linnenbrink & Pintrich, 2000 ; Pintrich, 1999). Les buts
d’évitement du travail pourraient même être liés négativement avec les stratégies
d’élaboration et les stratégies métacognitives (Dowson & McInerney, 2001).
Concernant la figure 9.5, les covariances entre résidus n’y sont pas représentées pour des
raisons de lisibilité. Nous postulons des covariances à chaque niveau du modèle, c’est-à-dire
entre les différentes croyances motivationnelles, entre les différents buts d’accomplissement
et entre les différents types de stratégies. Ces covariances entre résidus ne sont toutefois pas
notre point d’intérêt majeur puisque nous sommes principalement intéressés par la
significativité et les poids de régressions des pistes causales.
Instrumentalité
perçue +
+
+ Stratégies
Buts de maîtrise
d’élaboration
+
Intérêt
+
individuel +
+
Buts
de maîtrise- + Stratégies
+
challenge métacognitives
+
Raisonnement + Compétence
numérique perçue - Buts de
performance- +
approche
Stratégies de
-
-
+
répétition
Buts de
performance-
+ évitement
Anxiété +
Buts
d’évitement du
travail
Figure 9.5. Modèle de structure hypothétique au niveau de la matière
Nous avons procédé de la même manière que pour les problèmes précédents, c’est-à-dire que
nous avons ajouté les pistes théoriquement cohérentes qui permettaient au modèle de mieux
s’ajuster aux données. Suite à cela, nous avons supprimé les pistes non significatives
statistiquement. La figure 9.6 représente notre modèle final. Son adéquation aux données est
jugée bonne (χ2MLR = 63.268, dl = 52, p = .1361, n = 253, CFI = .991, RMSEA = .028).
Instrumentalité .26
perçue .31
R2=.42 R2=.30
Stratégies .36
Buts de maîtrise
d’élaboration
.39
. 47
R2=.03
Intérêt
.31
individuel . 53
Buts R2=.46 R2=.25

. 16
.16 Stratégies .33

de maîtrise-
métacognitives
challenge
R2=.14 . 23
Raisonnement .38 Compétence
. 23
.28
numérique perçue
2
Buts deR =.21 R2=.22
.21
.12 Stratégies de
-.38
performance-
répétition
. 29
évitement
. 47
-. 2 1
R2=.14 .2 0
Anxiété .19
ButsR2=.17
d’évitement du
travail
-.17
Figure 9.6. Résultats du modèle de structure au niveau de la matière

Note : tous les paramètres sont significatifs à p < .05. Les covariances entre résidus ne sont pas représentées dans
la figure pour des raisons de lisibilité.
Deux variables, c’est-à-dire les facteurs buts de performance-approche et les théories

implicites des capacités ont été exclues du modèle car elles n’étaient significativement
prédictives d’aucune variable et ne jouaient donc qu’un rôle très mineur. Les variables sont
fortement liées dans ce modèle, les construits sont relativement proches, en particulier les
construits liés aux croyances motivationnelles autres que les buts d’accomplissement.
Concernant les aptitudes en raisonnement numérique, nous remarquons d’une part qu’elles
sont prédictives de l’intérêt individuel (.16), de la compétence perçue (.38) ainsi que de
l’anxiété (-.38). Ceci confirme les hypothèses que nous avions formulées à ce sujet. D’autre
part, ces aptitudes jouent un rôle indirect : elles influencent les diverses stratégies
d’apprentissage par l’intermédiaire des croyances motivationnelles et des buts. La seule piste
significative entre le niveau en raisonnement numérique et les buts d’accomplissement est une
relation négative (-.17) avec les buts d’évitement du travail.
Comment est prédit chacun des buts ?
Les buts d’accomplissement sont prédits de façon différente par les variables liées à la valeur
de la tâche, par la compétence perçue et par l’anxiété. En effet, les buts de maîtrise sont
significativement prédits par l’instrumentalité perçue (.31), l’intérêt individuel (.47) ainsi que
l’anxiété (.29). C’est ainsi 42% de la variance qui est expliquée. Les buts de maîtrise-
challenge sont également fortement prédits par l’intérêt individuel (.53) mais ils sont aussi
influencés par la perception des compétences (.23). Ces deux variables expliquent 46% de la
variance dans ces buts. Les buts de performance-évitement sont comme attendu fortement
prédits par l’anxiété (.47) (Martin, 1998). Toutefois ils sont aussi étonnamment influencés
positivement par l’intérêt (.28). Au contraire, les buts d’évitement du travail sont influencés
négativement par l’intérêt (-.21) et positivement par l’anxiété (.19). Les parts de variance
expliquées pour ces deux derniers buts sont respectivement de 21% et 17%. Cette dernière
observation laisse supposer que d’autres facteurs jouent un rôle important dans l’adoption des
buts de performance-évitement et d’évitement du travail. En outre, la compétence perçue
n’influence l’adoption que d’un seul type de buts : les buts de maîtrise-challenge. Il semble
que ces buts soient liés à la conjonction de la compétence perçue et de l’intérêt individuel. En
comparaison, les buts de maîtrise ne sont pas dépendants de la perception des compétences
mais de l’intérêt individuel, l’instrumentalité perçue ainsi que de l’anxiété.
Comment les buts prédisent-ils chacune des stratégies ?
Les buts de maîtrise sont prédictifs de l’utilisation de stratégies métacognitives (.31) ainsi que
de stratégies de répétition (.23) mais ils ne prédisent pas significativement l’utilisation de
stratégies d’élaboration. Ce sont les buts de maîtrise-challenge qui influencent le recours aux
stratégies d’élaboration (.39), mais également aux stratégies métacognitives (.16). Tant les
buts de performance-évitement que les buts d’évitement du travail sont prédictifs de
l’utilisation de stratégies de répétition pour l’apprentissage de la matière (.12 et .20
respectivement).
En plus des buts d’accomplissement, d’autres variables ont, dans nos résultats, des influences
sur les stratégies d’apprentissage. En effet, chacune des stratégies est prédite par l’anxiété et
ceci de manière positive. Par conséquent, cette dernière exerce non seulement une influence
indirecte sur les stratégies d’apprentissage par l’intermédiaire des buts d’accomplissement
mais aussi une influence directe. L’anxiété joue ainsi un rôle central dans le modèle, ce qui
n’était pas attendu. En outre, l’instrumentalité joue un rôle en soi. Non seulement elle n’est
pas significativement liée au niveau de raisonnement numérique mais en plus, elle a un lien
direct, c’est-à-dire non médiatisé par les buts d’accomplissement, avec les stratégies
d’élaboration (.26). Ce dernier résultat suggère que d’une part cette perception n’est pas
dépendante du niveau d’aptitudes des élèves dans le domaine et d’autre part que le
développement de ce sentiment chez les élèves pourrait les inciter à utiliser des stratégies
d’élaboration reconnues efficaces pour l’apprentissage.
Les stratégies de répétition sont liées non seulement aux buts théoriquement les plus
défavorables (performance-évitement et évitement du travail) mais aussi aux buts de maîtrise.
Ce résultat conduit à penser que les élèves orientés vers la maîtrise utilisent les stratégies de
répétition mais pas les stratégies d’élaboration. Par contre, ce sont les élèves orientés vers la
maîtrise-challenge qui rapportent recourir aux stratégies d’élaboration et pas aux stratégies de
répétition. Ainsi ces deux types de buts de maîtrise diffèrent-ils dans leurs conséquences.
Qu’en est-il du rôle médiateur des buts ?
Le rôle médiateur des buts d’accomplissement que nous avons postulé n’est que partiellement
confirmé. En effet, les aptitudes en raisonnement numérique, l’intérêt individuel et la
compétence perçue n’ont aucun effet direct sur les stratégies d’apprentissage mais uniquement
des effets indirects médiatisés par les différents buts d’accomplissement. Au contraire,
l’instrumentalité perçue et surtout l’anxiété montrent des effets directs et relativement
conséquents (entre .21 et .36) sur les stratégies d’apprentissage. Ces constations seront
reprises et discutées en lien avec les théories dans le chapitre suivant.
9.6. Analyses centrées sur les personnes
Afin de répondre à la quatrième question de recherche, portant sur l’identification de

différents sous-groupes (profils) d’apprenants en termes de buts d’accomplissement et de leur
description, nous avons utilisé des analyses en profils latents.
Les cinq scores des échelles de buts d’accomplissements (maîtrise-approche, maîtrise-
challenge, performance-évitement, performance-approche et évitement du travail) ont permis
de déterminer les profils d’apprenants.113
9.6.1. Détermination du nombre de profils
Afin de déterminer le nombre de profils à retenir, nous avons estimé cinq modèles en
augmentant successivement le nombre de classes. Les indices d’adéquation figurent dans le
tableau 9.17.
Tableau 9.17.
Indices statistiques pour le choix du nombre de profils à retenir
Nombre de LMR ajusté BLRT
BIC Entropie
profils (p-valeur) (p-valeur)
2 4209.699 58.452 (.2532) - .606
3 4264.036 89.448 (.1129) 90.907 (.0000) .748
4 4251.254 72.887 (.0096) 74.077 (.0000) .759
5 4275.551 36.403 (.3487) - .751
6 Pas de convergence
L’indice BIC favorise une solution en deux profils en comparaison des autres solutions
estimées. Toutefois, le LMR favorise une solution en 3 ou plus fortement une solution en 4
profils. L’indice entropie est sensiblement équivalent pour les modèles en 3, 4 et 5 profils. Par
contre, il est plus faible pour le modèle en deux profils, ce qui signifie que la qualité de la
113
Le score d’échelle a été utilisé comme indicateur unique pour chacun des buts. Les moyennes et variances ont
été libres de varier entre les classes. Par contre, les corrélations entre les cinq buts ont été contraintes à être
identiques au travers des classes. Ceci pour les raisons suivantes : d’une part nous n’avons pas de raisons
théoriques de postuler que les corrélations puissent varier entre les classes et d’autre part, l’estimation des
modèles en profils latents est facilitée par cette restriction. Au niveau technique, nous avons utilisé 200 valeurs
de départs et 10 valeurs d’optimisation (option Start = 200 10) puis ce premier nombre a été augmenté au fur et à
mesure de l’augmentation du nombre de profils et selon les demandes formulées dans les outputs.
classification des élèves est plus médiocre pour ce modèle en 2 profils qu’elle ne l’est pour les
autres modèles estimés. Finalement, en suivant les conseils de Nylund et al. (2007), nous
avons utilisé le BLRT afin de comparer les deux modèles que nous avons jugés les plus
plausibles. Pour chacun des modèles, la p-valeur est significative, ce qui signifie qu’un
modèle en 3 profils est plus adéquat qu’un modèle en 2 profils et qu’un modèle en 4 profils
est plus adéquat qu’un modèle en 3 profils. Considérant les arguments ci-dessus ainsi que la
valeur inférieure du BIC et la valeur supérieure de l’entropie, nous choisissons le modèle en 4
profils.
Tableau 9.18.
Classification pour solution en quatre profils
Profil 1 2 3 4 n %
1 .850 .075 .068 .007 57 21.7
2 .057 .851 .026 .066 88 33.5
3 .032 .098 .870 .000 68 25.8
4 .009 .096 .000 .895 50 19.0
Total 263 100
Cette classification est jugée comme adéquate car il n’existe pas de large probabilité (moins
de 10%) qu’un élève soit assigné à un profil autre que le plus probable (tableau 9.18). Ceci
signifie que les profils sont suffisamment distincts. En outre, chaque groupe représente un
pourcentage substantiel du nombre total d’élèves, ce qui soutient l’idée que cette solution
n’est pas biaisée par un petit groupe d’élèves ayant répondu aux items d’une manière
spécifique.
9.6.2. Description des profils obtenus
La figure 9.7 représente les moyennes de chacun des profils à chacune des échelles de buts
d’accomplissement. La description verbale de chaque profil en termes des buts
d’accomplissement qu’il adopte ou n’adopte pas est réalisée en conjonction avec la
description de la composition de ces profils.
6.5
5.5
4.5 Profil 1
Profil 2
4
Profil 3
3.5 Profil 4
3
2.5
1.5
1
Buts de maîtrise- Buts de maîtrise- Buts de performance- Buts de performance- Buts d'évitement du
approche challenge approche évitement travail
Figure 9.7. Moyennes pour chaque but d’accomplissement en fonction des profils
Le tableau 9.19 rapporte la composition de chacun des profils en termes de niveau

d’exigences de la formation, de filière suivie au secondaire, de sexe, de langue parlée au
domicile et d’âge. Il existe des différences dans la composition des profils. En effet, la
répartition des apprenants dans les profils est dépendante du niveau d’exigence de la
formation (χ2 (6) = 19.701, p = .003, V114 = .194), de la filière suivie au secondaire I (χ2 (6) =
18.499, p = .005, V = .204), du sexe (χ2 (3) = 26.929, p < .001, V = .320). Par contre, cette
répartition est indépendante de la langue parlée à domicile (χ2 (3) = .995, p = .802) et de l’âge
(F3,256 = .963, p = .411).
114
Il s’agit de la statistique V de Cramer, qui mesure le degré d’association (la taille de l’effet) entre variables
nominales. Cette statistique est au minimum de 0 et au maximum de 1.
Tableau 9.19.
Description des élèves appartenant à chacun des profils
Niveau d’exigence de la Langue parlée à
n (%) Filière suivie au secondaire I Sexe âge
formation domicile
Faible Moyen Élevé Pratique Générale Maturité F H Français Autre

(%) (%) (%) (%) (%) (%) (%) (%) (%) (%)
28 22 7 3 36 13 35 22 51 6
Profil 1 57 (21.7%) 18;5
(23.7%) (23.2%) (14.0%) (13.0%) (29.5%) (16.9%) (38.0%) (12.9%) (21.9%) (20.0%)
36 36 16 8 40 22 30 58 79 9
Profil 2 88 (33.5%) 18;8
(30.5%) (37.9%) (32.0%) (34.8%) (32.8%) (28.6%) (32.6%) (33.9%) (33.9%) (30.0%)
21 26 21 3 24 30 19 49 58 10
Profil 3 68 (25.8%) 18;10
(17.8%) (27.4%) (42.0%) (13.0%) (19.7%) (39.0%) (20.7%) (28.7%) (24.9%) (33.3%)
33 11 6 9 22 12 8 42 45 5
Profil 4 50 (19.0%) 18;1
(28.0%) (11.6%) (12.0%) (39.1%) (18.0%) (15.6%) (8.7%) (24.6%) (19.3%) (16.7%)
118 95 50 23 122 77 92 171 233 30

Total 263 18;7
(44.9%) (36.1%) (19.0%) (10.4%) (55.0%) (34.6%) (35%) (65.0%) (88.6%) (11.4%)
Note : Le total n’atteint pas 263 élèves pour certaines variables car une partie de données est manquante. Les pourcentages arrivent à un total de 100% lorsqu’ils sont lus en
colonne. Notre intérêt est de discuter par exemple dans quelle mesure le niveau d’exigences de la formation est lié à l’adoption de chacun des profils
Description du profil 1 : le « minimalisme »

Ce profil est adopté par 21.7% des élèves de l’échantillon, soit 57 élèves. Ces élèves adoptent
modérément des buts de maîtrise-approche (m = 4.11), de performance-évitement (m = 3.52)
et d’évitement du travail (m = 3.94). Ils n’adoptent que très peu les buts de maîtrise-challenge
(m = 1.85) et de performance-approche (m = 2.32). Nous avons nommé cette configuration de
buts d’accomplissement par les termes « le minimalisme » car les apprenants de ce profil
n’ont d’une part pas des buts de maîtrise élevés et d’autre part ils adoptent, bien que
modérément, des buts d’évitement du travail. Ils montrent une combinaison de buts
théoriquement peu favorables pour l’apprentissage de la matière. Concernant les niveaux
d’exigences de leurs formations et les filières qu’ils ont suivies au secondaire I, l’analyse des
fréquences permet de réaliser les constatations suivantes. Si environ un quart des élèves
suivant des formations de niveaux d’exigences faibles (23,7%) ou modérés (23.3%) adoptent
ce profil, seuls 14% des élèves suivant une formation à niveau d’exigences élevé l’adoptent.
En outre, ce type de profil est plus fortement adopté par des élèves ayant suivi une filière
générale au secondaire I (29.5%) que par ceux qui ont suivi une formation pratique (13%)115
ou en voie maturité (16.9%)116. Concernant la composition de ce profil en termes de sexe,
langue parlée au domicile et âge, il est le plus adopté par les élèves de sexe féminin (38%),
mais relativement peu adopté par les hommes de notre échantillon (12.9%). En outre, une
proportion quasiment égale d’élèves parlant français à domicile (21.9%) ou une autre langue
(20%) l’adoptent. Finalement, l’âge moyen des élèves dans ce profil est de 18 ans et 5 mois,
ce qui est très proche de l’âge moyen dans l’échantillon au complet (18;7 ans).
Description du profil 2 : « la maîtrise des savoirs »

Ce profil est adopté par 33.5% des élèves de l’échantillon, soit 88 élèves sur les 263 de
l’échantillon complet. Ces élèves adoptent fortement des buts de maîtrise-approche (m =
5.19), et modérément des buts de performance-évitement (m = 4.09). Leurs moyennes sur les
buts de maîtrise-challenge (m = 3.47) et de performance-approche (m = 3.57) sont légèrement
au-dessous de la moyenne de l’échelle. Ils n’adoptent que très peu les buts d’évitement du
travail (m = 2.80). Nous avons désigné cette configuration des buts d’accomplissement par les
termes « la maîtrise des savoirs ». Ces apprenants montrent une combinaison de buts
théoriquement relativement favorable mais pas optimale étant donné qu’ils adoptent des buts
115
Signalons qu’étant donné la faible proportion (n = 23, soit 8,7%) d’élèves ayant suivi cette filière dans notre
échantillon, nous ne pouvons tirer que des indications et pas de conclusions solides concernant ces élèves.
116
Le niveau d’exigence de la formation est bien évidemment corrélé avec la filière suivie au secondaire I
(τ = .43, p < .000).
de performance-évitement. Concernant les niveaux d’exigences de leurs formations et les

filières qu’ils ont suivies au secondaire I, l’analyse des fréquences permet de réaliser les
constatations suivantes. Environ un tiers des élèves suivant des formations de chacun des
niveaux d’exigences adoptent ce profil (respectivement 30.5%, 37.9% et 32% pour les
niveaux d’exigences faible, moyen et élevé). Par ailleurs, ce type de profil est adopté par près
d’un tiers des élèves ayant suivi chacune des filières au secondaire I (respectivement 34.8%,
32.8% et 28.6% pour les filières pratique, générale et maturité). Concernant la composition de
ce profil en termes de sexe, langue parlée au domicile et âge, il apparaît qu’environ la même
proportion de femmes (32.6%) que d’hommes (33.9%) de notre échantillon l’adoptent,
qu’environ un tiers tant des élèves parlant le français que des élèves parlant une autre langue
au domicile y appartiennent et que l’âge moyen est quasiment identique à l’âge moyen de
l’échantillon au complet.
Description du profil 3 : « la maîtrise des savoirs et la recherche du challenge »

Ce profil est adopté par 25.8% des élèves de l’échantillon, soit 68 élèves. Ces élèves adoptent
fortement des buts de maîtrise-approche (m = 5.09), modérément des buts de maîtrise-
challenge (m = 4.32). Par contre, ils adoptent faiblement les trois autres types de buts, à savoir
les buts de performance-approche (m = 1.99), de performance-évitement (m = 2.38) et
d’évitement du travail (m = 2.56). Nous avons nommé cette configuration de buts par les
termes « la maîtrise des savoirs et la recherche du challenge ». Les apprenants de ce profil
montrent une combinaison de buts théoriquement favorables pour l’apprentissage de la
matière. Concernant les niveaux d’exigences de leurs formations et les filières qu’ils ont
suivies au secondaire I, l’analyse des fréquences permet de réaliser les constatations
suivantes. Il s’agit du profil le plus adopté par les élèves dans des formations à niveaux
d’exigences élevés (42%). Ce profil est par contre relativement peu adopté par les élèves
suivant des formations à niveaux d’exigences modérés (27.4%) et surtout à niveaux
d’exigences faibles (17.8%). Ainsi il semble exister une relation entre le niveau d’exigences
de la formation et l’adoption de ce profil. Logiquement, il existe également une relation entre
la filière suivie au secondaire I et ce profil : une plus grande proportion d’élève provenant
d’une filière maturité (39%) adopte ce profil en comparaison avec les élèves provenant de la
filière générale (19.7%) ou pratique (13%). Concernant la composition de ce profil en termes
de sexe, langue parlée au domicile et âge, il est adopté par plus d’un quart des élèves de sexe
masculin (28.7%) et environ un cinquième des élèves de sexe féminin (20.7%). Au niveau de
la langue parlée au domicile, les proportions sont légèrement différentes entre élèves
francophones (24.9%) et élèves allophones (33.3%). Finalement, l’âge moyen des élèves dans
ce profil est de 18 ans et 10 mois, ce qui est légèrement supérieur à l’âge moyen dans
l’échantillon au complet.
Description du profil 4 : « la maîtrise, le challenge et la performance »

Ce profil est adopté par 19% des élèves de l’échantillon, soit 50 élèves. Ces élèves adoptent
fortement des buts de maîtrise-approche (m = 5.49), de performance-approche (m = 5.40) et
de performance-évitement (m = 5.62). Les buts de maîtrise-challenge sont modérément
adoptés (m = 4.07). Finalement, ces élèves n’adoptent que faiblement des buts d’évitement du
travail (m = 2.98). Nous avons nommé cette configuration de buts d’accomplissement par les
termes « la maîtrise, le challenge et la performance117 ». Les élèves de ce profil sont ceux qui
adoptent le plus fortement les buts de performance. Ils montrent par conséquent une
combinaison de buts peu décrite dans la littérature, car souvent les buts de maîtrise-approche
sont combinés aux buts de performance-approche mais pas aux buts de performance-
évitement. Il sera donc intéressant de connaître les moyennes de ces élèves sur les autres
variables que nous avons mesurées afin de connaître un peu mieux les caractéristiques de ce
groupe. Concernant les niveaux d’exigences de leurs formations et les filières qu’ils ont
suivies au secondaire I, l’analyse des fréquences permet de réaliser les constatations
suivantes. Ce profil est plus adopté par les élèves suivant des formations à niveau d’exigences
faibles (28%) que par ceux qui suivent des formations de niveau d’exigences moyen (11.6%)
ou élevé (12%). Logiquement, ce type de profil est plus fortement adopté par des élèves ayant
suivi une filière pratique au secondaire I (39.1%) que par ceux qui ont suivi une formation
générale (18%) ou en voie maturité (15.6%). Concernant la composition de ce profil en
termes de sexe, langue parlée au domicile et âge, il est plus fortement adopté par les élèves de
sexe masculin (24.6%) que par les élèves de sexe féminin (seulement 8.7% des femmes de
notre échantillon adoptent ce profil). Par ailleurs, ce sont 19.3% des élèves parlant français au
domicile et 16.7% de ceux parlant une autre langue à la maison qui adoptent ce profil de buts
d’accomplissement. Finalement, l’âge moyen des élèves dans ce profil est de 18 ans et 1 mois,
ce qui est plus jeune que l’âge moyen dans l’échantillon au complet (18;7) et plus jeune que
l’âge moyen des élèves du profil « la maîtrise des savoirs et la recherche du challenge »
(18;10).
117
Afin de ne pas donner un nom très long à ce profil, nous avons abrégé les termes « la maîtrise des savoirs »
par le terme « maîtrise » ainsi que les termes « la recherche du challenge » par le terme « challenge ».
En résumé, nous avons extrait de l’analyse en profils latents quatre profils :
1) Le profil « le minimalisme » est théoriquement défavorable à l’apprentissage. Si ces

élèves souhaitent maîtriser suffisamment les savoirs, ils aimeraient le faire avec le
moindre effort ;
2) Le profil « la maîtrise des savoirs » ne semble ni favorable ni défavorable à
l’apprentissage. En outre, il regroupe le plus grand nombre d’élèves et il ne présente
pas de spécificité quant à sa composition. Il s’agit en quelque sorte d’un profil
standard ou classique ;
3) Le profil « la maîtrise des savoirs et la recherche du challenge » est théoriquement
favorable à l’apprentissage car il combine l’adoption des deux buts de maîtrise ;
4) Le profil « la maîtrise, le challenge et la performance » est également théoriquement
favorable pour l’apprentissage mais étant donné les hautes moyennes sur les deux buts
de performance, il sera intéressant de le comparer au profil précédent.
Nous porterons par conséquent une attention particulière aux différences entre le profil « le
minimalisme » et les profils « la maîtrise des savoirs et la recherche du challenge »- « la
maîtrise, le challenge et la performance », ainsi qu’aux différences entre ces deux derniers
profils en ce qui concerne leurs stratégies d’apprentissage, expériences métacognitives et
stratégies métacognitives exercées durant le problème «le réservoir d’essence». Des tests
post-hoc118 pour comparaisons multiples des moyennes ont été réalisés afin d’évaluer la
significativité des différences de moyennes (sur les variables susmentionnées) entre les
profils.
9.6.3. Liens entre l’appartenance au profil et les autres variables
Le tableau 9.20 rapporte les valeurs du test F, la significativité ainsi que les pourcentages de
variance expliquée par la variable de classification en profils. Afin de décrire l’ampleur des
différences entre profils, nous utilisons les valeurs proposées par Cohen (1988) pour
l’interprétation de la taille d’effet, des valeurs η2 de .01, .09 et .25 représentent des tailles
d’effets respectivement petites, moyennes et grandes. Nous remarquons premièrement que
l’appartenance à un profil est significativement liée à toutes les variables mesurées à
118
La procédure Gabriel a été utilisée si le postulat d’homogénéité des variances était respecté ; dans le cas
contraire, la procédure de Games-Howell a été appliquée.
l’exception de la mémoire de travail verbale et du sentiment de familiarité. Deuxièmement, la

majorité des effets sur les variables spécifiques au problème et sur les aptitudes cognitives
sont faibles (à l’exception du sentiment d’aimer la tâche, η2 = .140). Les tailles d’effets sont
moyennes sur les autres croyances motivationnelles et métacognitives au niveau de la matière.
Concernant les stratégies d’apprentissage et de résolution, les effets sont faibles à modérés.
L’effet le plus fort concerne l’intérêt individuel (η2 = .393), ce qui signifie que cette variable
est celle qui varie le plus en fonction des profils.
Tableau 9.20.
Différences entre profils
Variable F p-valeur η2
Compétence perçue 17.878 < .001 .172
Intérêt individuel 55.867 < .001 .393
Anxiété 10.150 < .001 .105
Instrumentalité perçue 13.681 < .001 .137
Théories implicites des capacités 9.771 < .001 .102
Stratégies de répétition 7.212 < .001 .077
Stratégies d’élaboration 8.753 < .001 .092
Stratégies métacognitives trait 7.110 < .001 .076
Aptitudes cognitives
Raisonnement numérique 2.840 .038 .032
Intelligence non verbale 4.056 .008 .045
Mémoire de travail .713 .545 -
Variables spécifiques au problème « le réservoir d’essence »
Sentiment de familiarité .658 .579 -
Sentiment d’aimer la tâche 12.945 < .001 .140
Sentiment de difficulté 5.110 .002 .060
Intention d’engager des efforts 7.088 < .001 .081
Compétences cognitives 3.886 .010 .046
Estimation des efforts effectués 3.228 .023 .040
Stratégies métacognitives utilisées 5.293 .002 .064
Jugements de confiance 5.175 .002 .063
Performance 4.584 .004 .054
Nous décrivons ci-dessous les profils par rapport à leurs moyennes sur les différentes
variables d’aptitudes cognitives, de croyances motivationnelles (excepté bien entendu les buts
d’accomplissement), de stratégies d’apprentissage et de variables spécifiques au problème.

Les moyennes du profil « la maîtrise des savoirs » étant relativement peu intéressantes, nous
décrivons avant tout les trois autres profils. Les différences de moyennes entre le profil « la
maîtrise des savoirs » et chacun des autres profils sont mentionnées dans les descriptions de
ces derniers. Afin de ne pas alourdir le texte, nous désignons les profils par leur numéro plutôt
que par leur nom.
9.6.3.2. Relation entre l’appartenance à un profil et les aptitudes cognitives

0.8
0.6
0.4
0.2
Profil 1 "le minimalisme"
0
Profil 2 "la maîtrise des savoirs"
-0.2
Profil 3 "la maîtrise des savoirs et
-0.4
la recherche du challenge"
-0.6 Profil 4 "la maîtrise, le challenge et
la performance"
-0.8
-1
-1.2
-1.4
Raisonnement numérique Intelligence non verbale Mémoire de travail
Figure 9.8. Moyennes (scores z) pour les aptitudes cognitives en fonction des profils
Les moyennes de chaque profils pour les tests d’aptitudes cognitives sont rapportées sous
forme de score z dans la figure 9.8. Les élèves du profil 1 sont ceux qui obtiennent les scores
moyens les plus bas pour chacun des trois tests. Au contraire, les élèves du profil 3 obtiennent
les scores moyens les plus élevés pour chacun des trois tests. La seule différence significative
révélée par les tests post-hoc se situe entre les moyennes au test d’intelligence non verbale des
profils 1 et 3. Ce dernier obtient un score moyen significativement plus élevé que ce premier
(p = .024, différence de moyenne = -.522119, ES120 = .180). Pour les tests de raisonnement
numérique et de mémoire de travail, aucune différence significative n’a été trouvée.
9.6.3.3. Relation entre l’appartenance à un profil et les autres croyances motivationnelles
119
Les différences de moyennes entre deux scores z sont interprétables comme des tailles d’effet similaire au
coefficient d de Cohen (1988). Des coefficients d = .2, .5 et .8 correspondent respectivement à un effet petit,
moyen et large.
120
Erreur standard
0.8
0.6
0.4
0.2
0
-0.2
-0.4 Profil 3 "la maîtrise des savoirs et la

recherche du challenge"
-0.6 Profil 4 "la maîtrise, le challenge et la
performance"
-0.8
-1
-1.2
-1.4
Anxiété Compétence perçue Interêt individuel Instrumentalité perçue Théories implicites
des capacités
(fixistes)
Figure 9.9. Moyennes (scores z) pour les croyances motivationnelles et métacognitives au

niveau de la matière en fonction des profils
Les moyennes de chaque profils pour les croyances motivationnelles et métacognitives sont
rapportées sous forme de score z dans la figure 9.9.
Les élèves composant le profil 1 présentent le profil le plus défavorable en termes de
croyances motivationnelles autres que les buts d’accomplissement : ils obtiennent d’une part
les moyennes les plus élevées sur les échelles d’anxiété, de théories implicites des capacités
(ce qui signifie qu’ils adoptent le plus une théorie fixiste) et d’autre part, les moyennes les
plus faibles sur les échelles de compétence perçue, intérêt individuel et instrumentalité perçue.
Ils présentent le plus haut niveau d’anxiété, significativement plus élevé que celui du profil 3
(p = .000 différence de moyenne = -.522, ES = .180). Leur compétence perçue est
significativement moins élevée que celle des trois autres profils (respectivement p = .000,
différence de moyenne = -.637, ES = .155 ; p = .000, différence de moyenne = -1.155, ES =
.164 ; p = .000 différence de moyenne = -.924, ES = .177 pour les profils 2, 3 et 4). L’intérêt
individuel des élèves de ce profil est également significativement inférieur à celui de chacun
des trois autres profils (respectivement p = .000, différence de moyenne = -1.265, ES = .116 ;
p = .000, différence de moyenne = -1.410, ES = .138 ; p = .000 différence de moyenne = -
1.820, ES = .153 pour les profils 2, 3 et 4). Concernant l’instrumentalité perçue, la moyenne
des élèves de ce profil est significativement inférieure à celles de chacun des trois autres
profils (respectivement p = .000, différence de moyenne = -0.690, ES = .158 ; p = .000,
différence de moyenne = -0.701, ES = .167 ; p = .000 différence de moyenne = -1.123, ES =
.180 pour les profils 2, 3 et 4). Finalement, ils adoptent plus fortement une théorie fixiste des
capacités que chacun des trois autres profils (respectivement p = .000, différence de moyenne
= 0.733, ES = .163 ; p = .000, différence de moyenne = 0.844, ES = .172 ; p = .000 différence
de moyenne = 0.733, ES = .186 pour les profils 2, 3 et 4).
Les élèves composant le profil 3 présentent d’une part les plus faibles moyennes sur les
échelles d’anxiété et de théories implicites des capacités (ils adoptent le plus une théorie
malléable des capacités) et d’autre part la plus haute moyenne sur l’échelle de compétence
perçue. Ces élèves obtiennent une moyenne significativement moins élevée que les élèves du
profil 1 et du profil 4 sur l’échelle d’anxiété (p = .000, différence de moyenne = -0.757, ES =
.176). En ce qui concerne la compétence perçue, ils présentent non seulement une moyenne
plus élevée que les élèves du profil 1 mais aussi plus élevée que ceux du profil 2 (p = .003,
différence de moyenne = -0.518, ES = .148). Pour l’intérêt individuel, l’instrumentalité et les
théories implicites des capacités, les élèves du profil 3 se distinguent significativement
uniquement de ceux du profil 1 mais pas de ceux des autres profils (voir ci-dessus la
description du profil 1).
Les élèves du profil 4 obtiennent les moyennes les plus élevées sur les échelles d’intérêt
individuel et d’instrumentalité perçue. Ils se révèlent significativement plus anxieux que ceux
du profil 3 mais aucune autre différence significative au seuil de p = .05 n’existe entre ces
deux profils121. Il semble donc que ce soit principalement le niveau d’anxiété pour
l’apprentissage de la matière qui distingue ces deux profils.
121
Pour l’intérêt individuel, il existe une tendance non significative (p = .068, différence de moyenne = 0.410,
ES = .165), tout comme pour l’instrumentalité (p = .087, différence de moyenne = 0.422, ES = .173). Ainsi le
profil 4 obtient des moyennes supérieures sur ces deux échelles.
9.6.3.4. Relation entre l’appartenance à un profil et les stratégies d’apprentissage
0.8
0.6
0.4
0.2
0
-0.2
-0.4 Profil 3 "la maîtrise des savoirs et la

-0.6 Profil 4 "la maîtrise, le challenge et la
performance"
-0.8
-1
-1.2
-1.4
Stratégies de répétition Stratégies d'élaboration Stratégies métacognitives
Figure 9.10. Moyennes (scores z) pour les stratégies d’apprentissage au niveau de la matière
en fonction des profils
Les moyennes de chaque profils pour les échelles de stratégies d’apprentissage sont
rapportées sous forme de score z dans la figure 9.10.
Le profil 1 est celui qui rapporte utiliser le moins les stratégies d’élaboration et les stratégies
métacognitives. En comparaison, ils utilisent plus de stratégies de répétition que les deux
autres types de stratégies. Leur moyenne sur l’échelle de stratégies de répétition est
significativement moins élevée que celle du profil 4 (p = .047, différence de moyenne = -
0.515, ES = .195). Ils obtiennent également un score significativement moins élevé que les
élèves du profil 2 (p = .011, différence de moyenne = -0.513, ES = .164) et du profil 4 (p =
.000, différence de moyenne = -0.948, ES = .187) sur l’échelle des stratégies d’élaboration.
Concernant les stratégies métacognitives, les élèves du profil 1 obtiennent un score
significativement moins élevé que ceux du profil 4 uniquement (p = .000, différence de
moyenne = -0.770, ES = .188).
Les élèves du profil 3 sont ceux qui utilisent le moins de stratégies de répétition. Ils utilisent
significativement moins ce type de stratégies que les élèves du profil 2 (p = .048, différence
de moyenne = -0.410, ES = .157) mais également significativement moins que ceux du profil
4 (p = .001, différence de moyenne = -0.832, ES = .204). Concernant les stratégies
d’élaboration et métacognitives, les élèves du profil 3 en utilisent moins que les élèves du
profil 4 (p = .017, différence de moyenne = -0.538, ES = .179 pour les stratégies
d’élaboration ; p = .001, différence de moyenne = -0.715, ES = .180 pour les stratégies

métacognitives).
Les élèves du profil 4 ont les scores les plus élevés sur chacune des trois échelles. En plus des
différences significatives avec les moyennes des profils 1 et 3 sur les différentes échelles, ces
élèves se distinguent de ceux du profil 2 en utilisant plus de stratégies métacognitives (p =
.047, différence de moyenne = 0.454, ES = .171).
9.6.3.5. Relation entre l’appartenance à un profil et les variables liées au

problème «le réservoir d’essence»
0.8
0.6
0.4
0.2
0 Profil 1 "le minimalisme"
-0.2
-0.4
Profil 3 "la maîtrise des savoirs et la
-0.6
Profil 4 "la maîtrise, le challenge et la
-0.8 performance"
-1
-1.2
-1.4
Sentiment de Sentiment de Compétences Stratégies Performance
familiarité difficulté cognitives métacognitives
specifiques au
problème
Figure 9.11. Moyennes (scores z) pour les variables liées au problème «le réservoir
d’essence» en fonction des profils
Les moyennes de chaque profils pour les variables liées au problème « le réservoir
d’essence » sont rapportées sous forme de score z dans la figure 9.11.
Le profil 1 est celui dont les moyennes sont les plus défavorables : moyennes les plus faibles
sur le sentiment d’aimer la tâche, l’intention d’engager des efforts, estimation des efforts
effectués, stratégies métacognitives appliquées, jugement de confiance et performance. De
plus, le sentiment de difficulté est le plus élevé des quatre profils. Ils obtiennent des
moyennes significativement inférieures à celles des trois autres profils sur le sentiment
d’aimer la tâche (respectivement p = .002, différence de moyenne = -0.569, ES = .151 ; p =
.001, différence de moyenne = -0.755, ES = .189 ; p = .000 différence de moyenne = -1.128,
ES = .205 pour les profils 2, 3 et 4). Les élèves de ce profil rapportent un sentiment de
difficulté significativement plus élevé que les élèves des profils 3 et 4 (respectivement
p = .012, différence de moyenne = 0.576, ES = .185 ; p = .003, différence de moyenne =
0.693, ES = .194). Concernant l’intention d’engager des efforts, ces élèves obtiennent des
moyennes significativement plus faibles que le profil 2 et le profil 4 (respectivement p = .003,
différence de moyenne = -0.600, ES = .166 ; p = .001, différence de moyenne = -0.841,
ES = .215 ; pour les profils 2 et 4). Pour l’estimation des efforts effectués, le profil 1 ne se
distingue que du profil 4 et ceci par une moyenne significativement inférieure (p = .017,
différence de moyenne = -0.596, ES = .198). Concernant les stratégies métacognitives
appliquées, les élèves de ce profil ont une moyenne significativement inférieure aux élèves
des profils 2 et 4 (respectivement p = .018, différence de moyenne = -0.510, ES = .171 ; p =
.001, différence de moyenne = -0.753, ES = .197 pour les profils 2 et 4). Les jugements de
confiance moyens de ce profil sont significativement inférieurs à ceux des trois autres profils
(respectivement p = .043, différence de moyenne = -0.461, ES = .171 ; p = .005, différence de
moyenne = -0.637, ES = .188 ; p = .006 différence de moyenne = -0.660, ES = .197 pour les
profils 2, 3 et 4). Finalement concernant leur performance moyenne, ces élèves obtiennent une
performance significativement moins élevée que ceux du profil 3 (p = .003, différence de
moyenne = -0.643, ES = .183)122. Toutefois, ils ne se différencient pas au niveau des
compétences cognitives relatives au problème.
Les élèves du profil 3 obtiennent les scores les plus élevés dans les compétences cognitives
spécifiques au problème ainsi que la performance. En plus des différences significatives avec
le profil 1 mentionnées précédemment, ce profil se distingue du profil 2 car ils rapportent un
sentiment de difficulté significativement plus faible (p = .012, différence de moyenne = -
0.577, ES = .185). Une seconde différence significative concerne les compétences cognitives
relatives au problème qui sont significativement supérieures à celles du profil 4 (p = .012,
différence de moyenne = 0.607, ES = .195).
122
Différence non significative avec le profil 2 (p = .057, différence de moyenne = -0.435, ES = .168)
Les élèves du profil 4 ont un profil très favorable : ils ont les moyennes les plus élevées sur le
sentiment d’aimer la tâche, l’intention d’engager des efforts et les stratégies métacognitives
employées. En outre, ils sont ceux qui jugent le problème comme étant le moins difficile.
Toutefois ce ne sont pas ceux qui obtiennent la meilleure performance ni ceux qui ont les
meilleures compétences cognitives spécifiques au problème. En plus des différences
significatives susmentionnées par rapport aux profils 1 et 3, les élèves du profil 4 se
distinguent de ceux du profil 2 par un plus grand sentiment d’aimer la tâche (p = .015,
différence de moyenne = 0.559, ES = .181).
Concernant le sentiment de familiarité, relevons qu’aucune différence de moyenne
significative n’a été trouvée.
Les résultats de ces analyses en profils latents révèlent des différences de moyennes
nombreuses et cohérentes entre les différents profils. Ceci soutient, au-delà des indices
statistiques, le bien-fondé de ces analyses. Par ailleurs, les résultats sont largement plus riches
et intéressants que ce n’était le cas dans notre première étude. Ces résultats seront discutés, au
niveau théorique, dans le chapitre suivant.
10. Discussion des résultats Page 309
10. Discussion des résultats
Ce travail traite des liens entre motivation et métacognition chez des apprenants en formation
professionnelle initiale de type duale. Nous avons étudié à plusieurs niveaux et selon
différentes perspectives ces liens dans le domaine des mathématiques, matière souvent traitée
dans le cadre de cours de calcul professionnel. Nos études empiriques ont considéré un large
éventail de variables ce qui a pour conséquence que les résultats sont riches et complexes.
Nous discuterons ci-après des résultats en reprenant dans un premier temps les questions de
recherche afin de formuler des réponses à celles-ci. Les résultats seront confrontés aux
théories ainsi qu’à d’autres études empiriques. Dans un deuxième temps, nous discuterons
plusieurs points théoriques : le construit d’expériences métacognitives et comment il se
distingue d’autres construits ; les théories implicites des capacités comme étant à la jonction
de la métacognition et de la motivation ; puis nous discuterons de l’adéquation de la théorie
des buts d’accomplissement (théorie qui est centrale dans ce travail) au contexte de la
formation professionnelle. En effet, nos études apportent des informations sur l’adéquation de
ce cadre théorique dans le contexte de la formation professionnelle. Nous aborderons dans un
troisième temps les limites tant théoriques que méthodologiques de ce travail. Finalement,
nous esquisserons des pistes pour de futures recherches.
10.1. Les liens entre métacognition et motivation
Une double approche méthodologique, uniquement quantitative, a été choisie afin de tester
empiriquement les liens entre motivation et métacognition : d’une part nous avons réalisé des
modèles d’équations structurelles afin de modéliser les liens linéaires entre les variables ;
d’autre part, nous avons réalisé des analyses en profils latents afin de distinguer différents
groupes d’élèves dont les configurations de buts d’accomplissement se distinguaient l’une de
l’autre. Ce dernier type d’analyse a permis de décrire chacun des profils selon leurs moyennes
dans les variables métacognitives. Ci-après, nous discutons les réponses à nos questions de
recherche en considérant ensemble les résultats des deux études.
10.1.1. Expériences métacognitives, contrôle métacognitif, compétences cognitives

spécifiques au problème et performance dans la résolution d’un problème
mathématique123
En prenant comme base les travaux d’Efklides (2001, 2002a, 2006a) et de Nelson (1996 ;
Nelson & Narens, 1990, 1994), nous nous sommes interrogés sur les liens entre différents
aspects de la métacognition mesurés on-line (jugements, sentiments et contrôle métacognitifs)
et des aspects de compétence cognitive spécifiques au problème et de performance. Les
expériences métacognitives ont été définies comme étant des expériences subjectives à la
jonction de la cognition et de l’affect. Elles représentent des formes de ce que Nelson (1996)
nomme le monitoring, c’est-à-dire des expériences subjectives on-line qui sont basées sur des
évaluations relatives au traitement de la tâche (Efklides, 2001). Les sentiments d’aimer la
tâche, de familiarité, de difficulté ont été étudiés comme expériences métacognitives pré-
résolution alors que les jugements de confiance et l’estimation des efforts effectués ont été
considérés comme des expériences métacognitives post-résolution. Nous nous sommes basés
sur le postulat que les expériences métacognitives fourniraient un input pour le contrôle
métacognitif et qu’il existerait des influences réciproques entre ces deux composantes de la
métacognition.
10.1.1.1. Les informations fournies par les analyses factorielles
Dans le cadre de l’étude 1, les analyses factorielles que nous avons réalisées dans un premier
temps ont révélé que les items qui devaient évaluer l’estimation des efforts (efforts effectués
et persévérance) n’étaient que faiblement inter-corrélés et ne formaient par conséquent pas un
facteur. Nous avons par ailleurs observé que le sentiment de satisfaction était très largement
corrélé aux items évaluant les jugements de confiance. Par conséquent, nous avons considéré
ce sentiment comme un indicateur de la confiance et non comme une expérience
métacognitive indépendante tel que le suggère Efklides (2001). Relevons que dans ses
travaux, Efklides (2002b) utilise le Metacognitive Experiences Questionnaire (voir 3.4.3) qui
propose de mesurer chacun des construits par un unique item. Nous avons au contraire
proposé plusieurs items pour mesurer chacun des construits afin d’améliorer la fidélité et la
validité de ces mesures. Le contrôle métacognitif a formé un facteur distinct du facteur
123
Premières questions de recherche des études 1 et 2
jugements de confiance et du facteur de compétences cognitives spécifiques au problème.

Dans la seconde étude, nous avons élargi le construit de contrôle métacognitif à celui de
stratégies métacognitives.
Finalement, nous avons constaté que le sentiment d’efficacité personnelle (Bandura,
1997/2003) et l’expérience métacognitive de sentiment de difficulté formaient un facteur
unique. En effet, ces deux sentiments sont si fortement associés qu’il ne ferait pas de sens de
les distinguer dans les analyses factorielles. Crombach et al. (2003) avaient également
constaté que ces deux construits étaient fortement et négativement corrélés. Ils les ont réunis
en un construit unique qu’ils ont nommé « attentes de succès ». De plus, mentionnons que la
perception de la difficulté d’une matière est parfois utilisée comme indicateur du sentiment
d’efficacité de l’élève pour cette matière, notamment dans le MSLQ (Pintrich et al., 1991).
Les modèles structuraux que nous avons réalisés avec les variables spécifiques au problèmes
nous ont permis de réaliser un certain nombre de constatations concernant les relations entre
les construits métacognitifs (expériences et contrôle). Ces constatations sont discutées ci-
après.
10.1.1.2. Expériences métacognitives et contrôle métacognitif
Le rôle central du sentiment de difficulté

Premièrement, le sentiment de difficulté prédit négativement, de manière consistante au
travers des trois problèmes analysés, le contrôle métacognitif (pour l’étude 1) ou les stratégies
métacognitives (pour l’étude 2) rapportées par l’élève. Ceci signifie que plus l’élève perçoit le
problème comme difficile, moins il exercera de contrôle métacognitif pendant et après la
résolution. Nous avions fait l’hypothèse que cette relation serait à l’inverse. Relevons que les
tailles d’effet de cette relation sont moyennes pour les deux problèmes de l’étude 1 mais
qu’elle est plus faible dans l’étude 2. L’ajout de la variable « intention d’engager des efforts »
semble responsable de cette différence. En effet, celle-ci se montre fortement prédictive de
l’utilisation des stratégies métacognitives. Nous pourrions donc conclure de ces résultats que
le lien entre sentiment de difficulté et utilisation de stratégies métacognitives est expliqué, du
moins partiellement, par le fait que la difficulté décourage l’élève, qui n’a alors pas l’intention
de réaliser des efforts (la corrélation entre sentiment de difficulté et intention d’engager des
efforts est négative et de taille moyenne). Par conséquent il ne s’active pas stratégiquement
pendant la résolution. Ce résultat remet en cause la relation supposée positive entre la
difficulté perçue et le contrôle métacognitif. Si des tâches trop faciles ne demandent que peu
de contrôle métacognitif, des tâches jugées trop difficiles semblent décourager l’exercice du
contrôle métacognitif. Nous postulons en outre que notre population d’intérêt peut être
partiellement responsable de cette conclusion car il s’agit d’élèves en majorité peu scolaires or
nous leur avons proposé un problème typiquement scolaire qui, s’il a été perçu comme
représentant une difficulté, a pu provoquer des réactions de rejet. Une interprétation
alternative est basée sur les travaux de Bandura (1997/2003) selon qui un sentiment
d’efficacité personnelle élevé (inverse du sentiment de difficulté) serait nécessaire pour
l’utilisation de stratégies métacognitives et l’utilisation de jugements métacognitifs. Tant
Pintrich (1999) que Borkowski (Borkowski et al., 2000) partagent ce postulat. Ainsi, ces
chercheurs suggèrent une relation négative entre sentiment de difficulté et utilisation de
stratégies métacognitives. Ceci pourrait expliquer notre résultat.
Par ailleurs, le lien fort entre intention d’engager des efforts et stratégies métacognitives que
nous avons observé dans la seconde étude pourrait comprendre un biais : le fait que, de par
leurs réponses, certains élèves aient déclaré qu’ils avaient l’intention de faire des efforts a pu
les inciter à rapporter, après la résolution, qu’ils en avaient effectivement fait. Ceci se
manifesterait non seulement par un fort lien entre l’intention d’engager des efforts et
l’estimation des efforts effectués, mais aussi par un fort lien entre cette intention et les
stratégies métacognitives rapportées par l’élève. Ainsi, l’élève se doit d’être cohérent dans ses
réponses et peut par conséquent surestimer ses activités pour répondre à ce besoin de
cohérence.
En comparaison aux résultats de Seegers et Boekaerts (1993), nous constatons que comme
cela était le cas dans leur étude, c’est le sentiment d’aimer la tâche (nommé attrait de la tâche
dans leur modèle) qui prédit l’intention d’engager des efforts (nommé intention d’apprendre
chez eux) et dans une moindre mesure la difficulté perçue (équivalent de la compétence
subjective dans leur modèle). Dans l’étude de Seegers et Boekaerts (1993), la compétence
subjective prédisait indirectement l’intention d’apprendre, l’effet étant médiatisé par l’attrait
de la tâche. Les résultats de Pelgrims (2006) ont également montré que l’intention d’engager
des efforts était prédite par l’attraction du contenu plus que par le sentiment de compétence.
Le rôle du sentiment d’aimer la tâche

Au niveau des problèmes, une deuxième expérience métacognitive s’est montrée prédictive
du contrôle métacognitif : le sentiment d’aimer la tâche. Toutefois, cette variable a montré
une influence inconsistante au travers des deux études. Dans les deux problèmes proposés lors
de la première étude, le sentiment d’aimer la tâche s’est révélé positivement prédictif du

contrôle métacognitif alors que dans le problème proposé pour la seconde étude, ce sentiment
ne prédit pas significativement les stratégies métacognitives. Ceci est peut-être dû à
l’introduction de la variable « intention d’engager des efforts », qui est fortement corrélée
avec le sentiment d’aimer la tâche et fortement prédictive des stratégies métacognitives.
Ainsi, bien que nous constations une différence, les résultats ont tout de même une certaine
cohérence. Relevons que dans les travaux basés sur le modèle de Boekaerts, l’attrait de la
tâche est à la base de l’intention d’engager des efforts ; cette dernière influençant ensuite les
processus de résolution de la tâche. En outre, si Schiefele (2001) a montré que l’intérêt
situationnel avait une influence sur les stratégies employées au cours d’un exercice, nous
pouvons soupçonner que cet intérêt serait fortement lié à l’intention précitée.
Le rôle incertain du sentiment de familiarité

Le sentiment de familiarité est la troisième expérience métacognitive pré-résolution que nous
avons considérée dans chacune des deux études. Ce sentiment joue un rôle important dans les
travaux d’Efklides et nous avions fait l’hypothèse qu’il prédirait directement les compétences
cognitives spécifiques au problème mais pas le contrôle métacognitif. Nous avons constaté
que cette variable n’était prédictive d’aucune variable dans nos modèles de structure. Elle est
uniquement corrélée aux deux autres expériences métacognitives pré-résolution. Selon
Efklides (2002b), le sentiment de familiarité contribuerait à la formation du sentiment d’aimer
la tâche ainsi qu’à l’intention de s’engager (proche de l’intention d’engager des efforts) ou
d’abandonner. Nous avons observé des corrélations entre sentiment de familiarité et sentiment
d’aimer la tâche nulle, positive et de taille moyenne ainsi que positive de taille grande en
fonctions des problèmes et des études. En effet, dans les problèmes « la citerne » et « le
réservoir d’essence » proposés dans le cadre de la première étude, nous avons observé des
corrélations de r = .25 (p < .01) et r = .76 (p < .01) respectivement. Dans la seconde étude,
toujours pour le problème « le réservoir d’essence », cette corrélation était non significative.
Avec l’intention d’engager des efforts, la corrélation était de r = .20 (p < .01). Ceci révèle que
le rôle du sentiment de familiarité pourrait être variable en fonction des problèmes. En outre,
il se peut que les items que nous avons utilisés pour mesurer ce sentiment ne soient pas les
plus adéquats. En effet, dans le cadre de la première étude et du problème « le réservoir
d’essence », les corrélations entre les sentiments de familiarité, de difficulté et d’aimer la
tâche se sont révélées très élevées (entre .73 et .83). Ceci révèle un manque de validité
discriminante et suggère que le sentiment de familiarité pourrait être constitué en partie des
deux autres sentiments. De plus, nous pouvons nous interroger sur ce que signifie la
familiarité avec une tâche : s’agit-il de la fréquence à laquelle nous avons été confrontés à une
tâche similaire par le passé ou l’impression que nous avons appris en cours les compétences
requises pour la résolution ? Les élèves parviennent-ils à prendre de la distance et ainsi à ne
pas évaluer la familiarité sur des attributs de surface mais bien sur la base des compétences
mathématiques nécessaires à la résolution du problème concerné ? Ces constations et ce
questionnement suggèrent que le sentiment de familiarité mériterait d’être mieux défini et
opérationnalisé pour être mesuré. En outre, il est probable que ce sentiment n’ait
effectivement aucun rôle majeur une fois que les sentiments de difficulté et d’aimer la tâche
sont pris en compte. Une autre possibilité serait que ce sentiment soit un précurseur des deux
autres sentiments (Efklides, 2002b), ce qui signifierait que l’élève réaliserait en premier une
évaluation de sa familiarité avec la tâche, ce qui lui donnerait une base pour ensuite évaluer la
difficulté et dans quelle mesure il apprécie la tâche. Ainsi, notre choix de placer les trois
expériences métacognitives pré-résolution à un même niveau pourrait être responsable du
faible rôle du sentiment de familiarité que nous avons constaté.
10.1.1.3. L’influence du contrôle métacognitif sur les jugements de confiance
Nous avons également étudié la relation entre le contrôle métacognitif et les jugements de
confiance qui sont une expérience métacognitive post-résolution. Ceci représente une relation
inverse de celles que nous avons traitées précédemment, c’est-à-dire que le contrôle
métacognitif influencerait les sentiments et jugements métacognitifs. Notre hypothèse était
celle d’une relation positive entre ces deux variables, que nous avons modélisée comme une
influence du contrôle sur les jugements de confiance. En effet, la confiance est évaluée après
que l’élève ait rendu sa résolution du problème. Par contre, le contrôle, bien que mesuré au
même moment que la confiance, se réfère à ce que l’élève a fait pendant ainsi qu’à la fin de la
résolution du problème. De ce fait nous avons postulé une relation directionnelle. De manière
consistante, nous avons observé un effet positif et de taille moyenne, confirmant ainsi notre
hypothèse. De plus, cette prédiction tient également compte de l’influence du sentiment de
difficulté sur les jugements de confiance. Ce lien entre contrôle métacognitif et expérience
métacognitive est ainsi l’un des mieux établi dans notre travail.
En situation d’apprentissage ou de résolution de problème, ce lien n’est toutefois pas aussi
simple. En effet, l’élève peut réaliser des jugements de confiance plusieurs fois au cours d’un
exercice et recourir au contrôle métacognitif également plusieurs fois ; une interaction entre
les deux processus ainsi que leur évaluation à différentes étapes de la résolution serait donc
plus représentative de la réalité.
10.1.1.4. Les bases des jugements de confiance
Comme nous l’avions déjà relevé dans les résultats de la seconde étude, les jugements de
confiance semblent basés sur plusieurs perceptions simultanément. En effet, ce n’est pas
seulement le fait d’avoir exercé des stratégies métacognitives (contrôle métacognitif dans
l’étude 1) qui explique la variance dans ces jugements mais également le sentiment de
difficulté ainsi que l’estimation des efforts effectués. Ces résultats ont été observés pour les
trois problèmes de mathématiques administrés. L’estimation des efforts n’a cependant été
considérée que dans la deuxième étude. Les jugements de confiance sont en outre
certainement déterminés partiellement par d’autres indices moins conscients (Koriat, 2007)124.
Ces indices sont notamment relatifs à l’impression d’aisance avec laquelle le problème a été
résolu ou à la facilité avec laquelle les informations du problème ont été traitées. Par ailleurs,
relevons que nous ne connaissons pas l’adéquation (calibration) des jugements de confiance
mais uniquement leur niveau en termes quantitatifs. La question de la calibration présenterait
un intérêt certain comme objet d’étude des liens entre motivation et métacognition (Tobias &
Everson, 2000 ; voir 10.5.3). Il serait intéressant d’observer si l’utilisation de stratégies
métacognitives mène effectivement à des jugements mieux calibrés.
10.1.1.5. L’influence du contrôle métacognitif sur la performance
Bien que cette question ne soit pas centrale dans notre objet d’étude, nous pouvons réaliser
quelques constations par rapport à l’influence du contrôle métacognitif sur la performance. En
effet, nous avons observé des influences significatives dans deux des trois problèmes
proposés sur les deux études. Le contrôle métacognitif n’était pas lié à la performance pour le
problème « le réservoir d’essence » dans le cadre de la première étude. Nous postulons que
124
Dans le cadre des études sur la métamémoire, Koriat (2007) distingue deux types d’informations à la base des
jugements métacognitifs : theory-based monitoring (what one knows or think) et experience based monitoring
(what on feels and senses). Le premier type d’informations est constitué notamment des métaconnaissances, des
croyances motivationnelles ou d’autres croyances. Ces informations sont qualifiées de conscientes. Le second
type d’informations réfère à des aspects de la qualité du traitement de l’information qui sont qualifiés de
processus heuristiques et non-analytiques opérant hors de la conscience.
ceci est dû au fait que les compétences cognitives spécifiques au problème exercent une
influence extrêmement forte sur la variable performance. Par conséquent, elles expliquent
79% de la variance dans les performances et aucune part de variance ne peut être expliquée
par le contrôle métacognitif. Au contraire, dans la première étude, un effet de taille moyenne a
été observé dans le cadre du problème « la citerne » ; dans la seconde étude, un effet de taille
similaire a été observé pour le problème « le réservoir d’essence ». Plusieurs chercheurs
(DeCorte & Somer, 1982 ; Focant et al., 2006 ; Lucangeli & Cornoldi, 1997 ; Lucangeli et al.,
1998 ; Schoenfeld, 1983b ; Veenman et al., 2005) ont constaté empiriquement que les
stratégies métacognitives étaient liées à la performance en résolution de problèmes
mathématiques. Bien que nous réalisions un constat similaire, nous pensons que les
compétences cognitives jouent également un grand rôle (Lucangeli et al., 1998), comme l’ont
démontrés nos résultats.
Toutefois, au niveau de la mesure des compétences cognitives spécifiques à chacun des
problèmes, nous avons mélangé des compétences catégorisées comme cognitives (la
compréhension et la représentation du problème) avec une compétence habituellement
considérée métacognitive (la planification). Ce mélange ne nous permet d’une part pas de
distinguer entre compétences cognitives et métacognitives et d’autre part, il s’avère que nous
avons demandé explicitement (sous la forme d’un item) à l’élève de réaliser une planification
des étapes avant de commencer la résolution. Ainsi, ce qui pourrait être considéré comme une
stratégie métacognitive (au même titre que celles que mesurent les items auto-rapportés après
la résolution du problème) a été considéré comme un indicateur des compétences cognitives
spécifiques au problème.
Par ailleurs, concernant les liens entre expériences métacognitives et performance, cette
dernière est liée directement et de manière consistante uniquement aux jugements de
confiance. Dans le cadre de la seconde étude, nous avons observé un lien significatif et négatif
entre sentiment de difficulté et performance mais ce lien n’apparaissait pas pour les problèmes
de la première étude. Par conséquent, ceci ne corrobore que partiellement le postulat
d’Efklides (2001) selon lequel les expériences métacognitives pré-résolution ne sont pas liées
de manière systématique à la performance.
10.1.2. Croyances motivationnelles, expériences métacognitives et contrôle

métacognitif125
10.1.2.1. L’influence des buts d’accomplissement sur la métacognition
Les influences des croyances motivationnelles sur les expériences ainsi que sur le contrôle
métacognitif en résolution de problèmes mathématiques ont été analysées dans les deux
études. Nous avons en particulier étudié le rôle des buts d’accomplissement, mais aussi les
rôles de la compétence perçue, de l’intérêt individuel ainsi que, dans la seconde étude, les
rôles notamment de l’anxiété et de l’instrumentalité perçue.
Par rapport aux buts d’accomplissement, trois facteurs ont été extraits du questionnaire dans
la première étude ; nous les avons nommés maîtrise-approche, maîtrise-évitement et
performance-approche. Dans la seconde étude, nous avons extrait cinq facteurs de notre
questionnaire révisé : buts de maîtrise-approche, buts de maîtrise-challenge, buts de
performance-approche, buts de performance-évitement et buts d’évitement du travail. Nous
discutons ci-après l’influence de ces buts sur les expériences métacognitives puis sur le
contrôle métacognitif consécutivement.
L’influence des buts d’accomplissement sur les expériences métacognitives

Les buts de maîtrise-approche influencent les expériences métacognitives pré-résolution de la
manière suivante. Ils ont, au travers des deux problèmes présentés dans la première étude, une
influence modérée à forte sur le sentiment d’aimer la tâche. Par contre, dans la deuxième
étude, ces buts ne s’avèrent plus prédictifs de ce sentiment, sans doute parce que les buts de
maîtrise-challenge ont été introduits. Ces résultats peuvent être rapprochés de ceux de Seegers
et Boekaerts (1993) ainsi que McGregor et Elliot (2002).
Seegers et Boekaerts (1993) ont également étudié l’influence des buts sur l’attrait de la tâche,
un sentiment proche du sentiment d’aimer la tâche. Ils ont observé une influence positive des
buts de maîtrise-approche sur ce sentiment, mais pas d’influence des buts de performance
(que ce soit de type approche ou évitement). McGregor et Elliot (2002) ont observé que les
buts de maîtrise-approche prédisaient dans quelle mesure des émotions liées à un challenge
(excitation, impatience et espoir) étaient ressenties avant un examen. Au contraire, l’adoption
de ces buts n’était pas liée au fait de ressentir des émotions relatives à une menace (soucis,
125
Deuxièmes questions de recherche des études 1 et 2
peur et anxiété). Ceci signifie que la tâche évoquait des émotions positives plutôt que des
craintes. Ces dernières sont prédites par les buts de performance-évitement. Nous constatons
l’inverse, c’est-à-dire que les buts de performance-évitement sont, dans notre seconde étude,
positivement liés au sentiment d’aimer la tâche, tout comme les buts d’évitement du travail.
Nous avions postulé des relations négatives entre ces deux buts et le sentiment d’aimer la
tâche. Les corrélations présentées avant l’établissement des modèles d’équation structurelles
révélaient des corrélations positives et significatives entre le sentiment d’aimer la tâche et
chacun des buts d’accomplissement à l’exception des buts d’évitement du travail (corrélation
non significative). Si la relation entre buts de performance-évitement et sentiment d’aimer la
tâche est compréhensible (les problèmes que nous avons proposés ne constituent pas un enjeu
au même titre qu’une épreuve et par conséquent pas de raison de s’inquiéter), la relation entre
buts d’évitement du travail et ce même sentiment est plus incompréhensible. Nous n’avons
ainsi pas d’explication à proposer pour cette relation.
Les buts de maîtrise-challenge prédisent également négativement le sentiment de difficulté.
Efklides et al. (2006) n’avaient pas observé de lien entre les buts d’accomplissements et ce
sentiment mais ils avaient inclus uniquement les buts de maîtrise-approche, performance-
approche et performance-évitement. Nos résultats corroborent les leurs étant donné que dans
nos études ces mêmes buts ne prédisent pas le sentiment de difficulté. Il semble que ce ne soit
que les buts que nous avons nommés maîtrise-challenge qui réduisent la perception de la
difficulté. Ce résultat tient en outre compte de l’effet des aptitudes en raisonnement
numérique, de la compétence perçue et de l’anxiété. Ceci suggère que les buts de maîtrise-
challenge sont solidement prédictifs de cette expérience métacognitive.
Le sentiment de difficulté est aussi significativement influencé par l’anxiété, mais il ne l’est
pas par la compétence perçue, contrairement à nos hypothèses. Ceci est potentiellement dû à
la forte corrélation entre anxiété et compétence perçue. Le sentiment de familiarité n’est
prédit par les buts de maîtrise-approche que dans le cadre d’un seul problème. Nous n’avons
pas trouvé d’explication théoriquement cohérente pour interpréter ce résultat. Par ailleurs, les
buts de maîtrise-approche prédisent substantiellement l’intention d’engager des efforts ; ce
sont les seuls buts d’accomplissement qui prédisent cette intention.
Concernant les influences des buts d’accomplissement sur les expériences métacognitives
post-résolution, nous avons réalisé les constatations suivantes. Les jugements de confiance ne
sont expliqués que de manière indirecte par les buts. Les influences sont médiatisées par le
sentiment de difficulté, l’estimation des efforts effectués, le contrôle exercé ou encore les
compétences cognitives spécifiques au problème. Ces résultats sont conformes à nos
hypothèses. La seconde expérience métacognitive post-résolution, l’estimation des efforts

effectués est par contre directement expliquée par les buts d’accomplissement. Cette
expérience a été étudiée uniquement dans la deuxième étude. Nous avons observé des liens
directs avec les buts de maîtrise et les buts de performance-évitement. Ces liens étaient
toutefois les deux dans les directions opposées à nos hypothèses. En effet, nous avions prédit
une influence positive des buts de maîtrise-approche ainsi qu’une influence négative des buts
de performance-évitement sur l’estimation des efforts effectués. Nos résultats révèlent au
contraire que les premiers buts ont une influence négative et que les seconds ont une influence
positive. Notre interprétation est la suivante : l’élève rapporte une estimation de la quantité
d’efforts qu’il pense avoir effectuée et par conséquent cette quantité n’est pas objective (une
mesure objective serait par exemple le temps passé à être orienté vers la tâche). Il se pourrait
que les élèves adoptant des buts de maîtrise sous-estiment cette quantité alors que les élèves
adoptant des buts de performance-évitement la surestiment. Ainsi les buts donneraient,
comme le soutient Pintrich (2000b), un cadre pour l’interprétation notamment des efforts. Un
certain effort pourrait ainsi être perçu comme plus ou moins conséquent en fonction des buts
adoptés. En outre, la conception que l’élève a de l’effort pourrait également jouer un rôle,
comme le suggèrent Efklides et al. (2006) en introduisant le construit de métaconnaissances
sur les efforts.
L’influence des buts d’accomplissement sur le contrôle métacognitif

Concernant la prédiction du contrôle métacognitif, Dermitzaki et Efklides (2003) avaient
observé dans leur étude que les buts de maîtrise-approche avaient une influence positive et de
taille moyenne sur l’utilisation auto-rapportée de stratégies dans le cadre d’un problème
mathématique. Par contre, les buts de performance-approche n’avaient pas d’influence
significative. Nos résultats montrent que les buts de maîtrise-évitement prédisent positivement
le contrôle exercé dans les deux problèmes de la première étude. Notre interprétation est que
l’élève qui redoute de faire des fautes ou de ne pas bien réussir un problème va vérifier ce
qu’il réalise afin de s’assurer qu’il n’a pas fait de fautes et qu’il a effectivement trouvé la
réponse correcte. Pour répondre à ses doutes, il pourrait être amené à vérifier à plusieurs
reprises et ceci en utilisant plusieurs stratégies de contrôle (Focant & Grégoire, 2005). Par
conséquent, cet élève rapporte une plus grande quantité de contrôle métacognitif suite à la
résolution des problèmes. Les buts de maîtrise-approche ne sont quant à eux pas directement
prédictifs du contrôle métacognitif, que ce soit dans la première ou la seconde étude. Ils
prédisent de manière indirecte le contrôle de par leur influence sur l’intention d’engager des
efforts. Cet effet est tout de même de taille moyenne, c’est-à-dire non négligeable. Les trois
autres buts n’exercent aucune influence que ce soit directe ou indirecte sur le contrôle.
Finalement, il s’avère que les deux buts de performance (que ce soit de type approche ou
évitement) n’ont qu’une influence minime sur la métacognition. En effet, les buts de
performance-évitement ne prédisent que faiblement le sentiment d’aimer la tâche et
l’estimation des efforts effectués alors que les buts de performance-approche ne prédisent
aucune variable spécifique aux problèmes. Ainsi le contrôle métacognitif n’est pas lié aux
buts de performance.
10.1.2.2. L’influence de l’anxiété et de la compétence perçue sur la métacognition
L’anxiété, considérée uniquement dans la seconde étude, s’est révélée une variable qui permet
de prédire substantiellement les expériences métacognitives. En effet, elle influence
directement, et ceci avec des tailles d’effets moyennes, le sentiment de difficulté et le
sentiment d’aimer la tâche. L’anxiété est en outre prédictive des jugements de confiance. De
façon indirecte, médiatisée par le sentiment de difficulté, l’anxiété influence également les
stratégies métacognitives (effet faible). Ainsi il s’agit d’une variable clé qui est encore
relativement peu étudiée par rapport à la métacognition (Tobias & Everson, 1997). Nos
résultats suggèrent toutefois que l’anxiété devrait être considérée dans la compréhension de la
métacognition on-line. Il s’agit en effet d’un trait qui, comme le suggérait Brown (1978),
influence les jugements subjectifs tels que l’auto-évaluation.
La compétence perçue a permis de prédire de manière conséquente (effet moyen à fort) le
sentiment de difficulté pour chacun des deux problèmes de la première étude (Dermitzaki &
Efklides, 2001). Ceci était attendu étant donné que ces deux construits concernent le
sentiment de compétence (Bandura, 1997/2003 ; Skaalvik & Bong, 2003). Toutefois, dans la
seconde étude, la compétence perçue ne s’est avérée prédictive que de manière indirecte (par
l’intermédiaire de l’intention d’engager des efforts) des variables métacognitives. La
perception des compétences prédit ainsi, avec des tailles d’effets faibles, les stratégies
métacognitives, l’estimation des efforts effectués ainsi que les jugements de confiance. Au
contraire des conclusions de Dermitzaki et Efklides (2003), nous concluons de nos résultats
que les buts d’accomplissement ont un rôle tout aussi important que la compétence perçue
dans les processus métacognitifs. Toutefois, la compétence perçue joue un rôle uniquement
lorsqu’elle est mesurée au niveau du problème (sous la forme du sentiment de difficulté dans
nos études).
10.1.3. Croyances motivationnelles et stratégies d’apprentissage au niveau de la
matière126
Dans le cadre de la seconde étude, nous avons analysé les liens entre croyances
motivationnelles, stratégies d’apprentissage et aptitudes cognitives au niveau de la matière,
c’est-à-dire en faisant référence aux cours de mathématiques ou calcul professionnel.
Les analyses factorielles ont révélé que les deux types de stratégies métacognitives (stratégies
d’anticipation-planification et stratégies de contrôle) que nous avions postulées formaient un
facteur unique. Ceci corrobore d’une part les résultats rapportés par d’autres chercheurs au
sujet d’instruments similaires (Mongeau et al., 1998 ; Pintrich et al., 2000 ; Schraw &
Dennison, 1994) et d’autre part, le fait que les différentes activités de contrôle métacognitif
sont fortement interdépendantes (Veenman et al., 2004). Le modèle théorique semble ainsi
plus fin que ce que nous pouvons mesurer auprès des élèves avec des questionnaires
autorapportés. Toutefois, ceci n’exclut pas la possibilité que l’utilisation d’autres instruments
permette de différencier ces deux catégories de contrôle métacognitif dans les réponses de
l’élève. Deux autres facteurs de stratégies d’apprentissage ont été extraits dans les analyses
factorielles : stratégies d’élaboration et stratégies de répétition.
Les analyses en pistes causales ont apporté des informations au sujet de l’influence des
croyances motivationnelles sur les stratégies d’apprentissage. De plus, le rôle médiateur des
buts d’accomplissement dans la relation entre les aptitudes cognitives, certaines croyances
motivationnelles (liées à la valeur de la tâche, à la perception de soi et à l’anxiété) et les
stratégies d’apprentissage a également été étudié.
Nos résultats révèlent que les stratégies d’apprentissage (stratégies d’élaboration, stratégies
métacognitives et stratégies de répétition) sont prédites de manière différentielle par les
croyances motivationnelles. En effet, les trois types de stratégies ne sont pas influencés par les
mêmes croyances motivationnelles. Ces dernières permettent d’expliquer au total entre 22%
et 30% de la variance dans les stratégies.
126
Troisième question de recherche de l’étude 2
10.1.3.1. L’influence des buts d’accomplissement sur les stratégies

d’apprentissage
Les buts d’accomplissement ont chacun des effets spécifiques sur les stratégies. Les buts de
maîtrise-approche prédisent significativement les stratégies métacognitives et les stratégies de
répétition. Si cette première prédiction n’est pas étonnante étant donné qu’elle a été observée
dans de nombreuses études (Ames & Archer, 1988 ; Galand & Phillipot, 2002 ; Schraw et al.,
1995 ; Pintrich & Garcia, 1991), la seconde prédiction est inattendue. En effet, celle-ci
suggère que l’adoption des buts de maîtrise-approche peut mener à l’utilisation de stratégies
de répétition quant il s’agit d’apprendre ou de réviser des mathématiques. Nous formulons
l’interprétation suivante pour expliquer ces résultats. Etant donné que la très grande majorité
des élèves de nos études adoptent ce type de buts, il est probable que ces derniers ne
discriminent pas véritablement les élèves dont les buts sont favorables à l’apprentissage de
ceux dont les buts ne sont pas favorables. Ce serait les buts de maîtrise-challenge qui
permettraient cette discrimination. Ainsi, les buts de maîtrise-approche ne seraient pas
seulement liés à l’utilisation de stratégies théoriquement efficaces mais également à des
stratégies théoriquement moins efficaces. Il s’agirait donc d’une différence due à notre
population d’intérêt, qui adopte largement des buts de maîtrise-approche étant donné que ces
élèves sont en formation par choix et non en scolarité obligatoire.
Les buts de maîtrise-challenge sont significativement prédictifs d’une part des stratégies
d’élaboration et d’autre part des stratégies métacognitives. Ces deux liens étaient attendus car
nous avions fait l’hypothèse que l’adoption de ces buts mènerait à l’utilisation de stratégies
d’apprentissage en théorie efficaces. En comparaison des buts de maîtrise-approche, les buts
de maîtrise-challenge semblent donc, dans notre échantillon, plus favorables à
l’apprentissage. Relevons que ces buts sont partiellement dépendants de la compétence
perçue127 mais indépendants de l’anxiété ; à l’inverse, les buts de maîtrise-approche sont
indépendants de la compétence perçue mais dépendants de l’anxiété. Ceci suggère que pour
adopter les buts qui ressortent comme étant les plus favorables, il faut non seulement ressentir
un intérêt individuel pour la matière mais également se sentir compétent et ne pas ressentir de
l’anxiété pour cette même matière. Nous manquons malheureusement d’éléments théoriques
127
Cependant, ils ne sont que faiblement dépendants du niveau d’exigences intellectuelles de la formation (F2,265
= 3.217, p = .042, η2 = .024)
et de possibilités de comparaisons avec d’autres études empiriques pour discuter plus en

détails l’influence des buts de maîtrise-challenge.
Les buts de performance-approche n’ont pas été retenus dans notre modèle de résultats parce
qu’ils n’étaient prédictifs d’aucun des trois types de stratégies d’apprentissage. Il semble
d’une part que ces buts soient relativement peu adoptés par les élèves de notre population
d’intérêt et d’autre part qu’ils ne soient pas liés à l’utilisation de stratégies pour étudier. Il se
pourrait que ces buts prédisent d’autres aspects liés à l’apprentissage tels que le fait de
demander de l’aide de manière opportune ou la procrastination (Elliot & Moller, 2003) mais
ces variables ne faisaient pas partie de notre champ d’étude.
L’adoption de buts de performance-évitement est faiblement prédictive de l’utilisation de
stratégies de répétition uniquement. Ceci corrobore les liens fréquemment observés entre ces
buts et les stratégies (Elliot & Moller, 2003 ; Elliot et al., 1999). Ainsi les buts de
performance-évitement ne sont pas liés au recours à des stratégies d’apprentissage réputées
plus efficaces. Un rôle similaire est joué par les buts d’évitement du travail, qui prédisent
également les stratégies de répétition. Ainsi, ces deux types de buts, bien que n’étant pas
basés sur des perceptions similaires, ont des influences proches. En effet, les buts de
performance-évitement sont positivement liés à l’intérêt individuel, alors que les buts
d’évitement du travail y sont négativement liés. En outre, les aptitudes en raisonnement
numériques prédisent uniquement et négativement ce dernier type de buts. Les deux buts sont
par ailleurs positivement prédits par l’anxiété.
10.1.3.2. L’influence de la valeur de la tâche sur les stratégies d’apprentissage
Au-delà des effets directs des buts d’accomplissement, l’instrumentalité perçue a un effet
direct sur l’utilisation de stratégies d’élaboration. Ce résultat est intéressant car
l’instrumentalité n’est pas liée à la compétence (que ce soit la compétence perçue ou les
aptitudes en raisonnement numérique). Ainsi, cette perception pourrait être développée chez
les élèves indépendamment de leurs compétences, ce qui serait profitable à la façon dont ils
abordent la matière. Tant Lens et al. (2002) que Miller et al. (1996) avaient observé, chez des
adolescents, des liens similaires entre l’instrumentalité et les stratégies d’apprentissage. Nos
résultats confirment ainsi ces liens. Par rapport à notre population d’intérêt, il est probable que
parmi les composantes de la valeur de la tâche définies par Eccles (1983), l’instrumentalité
perçue soit la plus pertinente. En effet, les cours donnés en école professionnelles sont en
général valorisés par les apprenants uniquement s’ils ont un lien avec leur réalité
professionnelle. Au niveau pédagogique, la façon dont les notions mathématiques sont
présentées, les exercices d’applications proposés ainsi que d’autres pratiques pédagogiques
peuvent relativement facilement renforcer la perception d’instrumentalité. Ceci offre des
implications pratiques intéressantes pour ce résultat. Au contraire, il se pourrait que l’intérêt
individuel, autre composante de la valeur de la tâche qui joue un rôle important dans la
prédiction des stratégies d’apprentissage, soit plus difficilement modifiable chez les
apprenants en formation professionnelle car leur motivation est largement extrinsèque puisque
orientée vers l’apprentissage de savoirs applicables.
10.1.3.3. L’influence de l’anxiété sur les stratégies d’apprentissage
Un résultat inattendu concerne le rôle important que joue la variable anxiété pour
l’apprentissage. Ce construit est significativement et positivement prédictif tant directement
qu’indirectement des stratégies d’apprentissage. Les relations directes suggèrent que c’est
l’anxiété et non la compétence perçue qui serait liée à l’utilisation des stratégies
d’apprentissage, ce qui ne corrobore par les observations de Pintrich (1999) ni les positions
théoriques de Borkowski et al. (2000). Il apparaît dans nos résultats que l’anxiété est
prédictive directement de chacun des trois types de stratégies et ceci avec des tailles d’effet
moyennes pour chacune des stratégies128. Ainsi l’anxiété ne prédit pas un type de stratégies
plus qu’un autre. Nous pouvons proposer deux pistes d’interprétation de ces résultats.
Premièrement, il pourrait s’agir d’un biais dans les réponses : l’élève anxieux se doit de
déclarer, dans ses réponses aux items, qu’il fait effectivement des efforts (sous la forme de
l’application de stratégies pour apprendre) pour réussir ou pour combler ses difficultés. Ainsi,
cet élève surestime son utilisation de stratégies afin de donner l’image d’un élève qui cherche
à surmonter ses difficultés. Une seconde interprétation serait que l’élève anxieux est
effectivement plus actif dans son utilisation de stratégies d’apprentissage mais nous ne
connaissons alors pas la manière dont il applique les stratégies concernées. Nous ne
connaissons en outre pas son niveau de métaconnaissances sur les stratégies. Ces deux
128
En comparaison, une analyse de corrélations (que nous avons réalisée) sur les données de l’étude PISA
(OECD, 2003) pour la Suisse (n = 20735) a révélé des corrélations allant de r = -.13 (p < .01) à r = .11 (p < .01)
entre anxiété et le même type de stratégies d’apprentissage. Dans notre étude, ces corrélations sont de r = .24
(p < .01) à r = .34 (p < .01).
interprétations suggèrent que le lien positif entre anxiété et chacun des trois types de stratégies
d’apprentissage ne serait pas révélateur d’un effet bénéfique de l’anxiété.
De manière indirecte, c’est-à-dire médiatisée par les buts d’accomplissement, l’anxiété exerce
également une influence. En effet, elle prédit d’une part l’adoption de buts de performance-
évitement et de buts d’évitement du travail qui à leur tour prédisent l’utilisation de stratégies
de répétition. Ces liens étaient attendus car la notion d’évitement est liée à l’anxiété, comme
l’ont discuté plusieurs chercheurs (Elliot & Pekrun, 2007 ; Linnenbrink & Pintrich, 2000) et
comme cela a été démontré dans plusieurs études empiriques (Martin, 1998 ; Elliot et al.,
1999 ; Middleton & Midgley, 1997 ; Niemivirta, 2002 ; Pekrun, Elliot, & Maier, 2006 ;
Skaalvik, 1997). D’autre part, l’anxiété prédit l’adoption de buts de maîtrise-approche qui
sont quant à eux prédictifs des stratégies de répétition et des stratégies métacognitives. Ce
dernier lien entre anxiété et buts de maîtrise-approche est inattendu et nous ne connaissons
pas de recherche ayant révélé une telle association. En effet, ces buts sont théoriquement et
empiriquement associés à des émotions positives (Pekrun et al., 2006, Elliot & Pekrun, 2007).
Relevons que la corrélation entre ces deux construits est, bien que significative, relativement
faible (r = .14, p < .05).
Soulignons que nous n’avions pas, dans la première étude, mesuré l’anxiété. Toutefois, nous
avions à postériori rapproché les buts de maîtrise-évitement (tels que nous les avions mesurés)
du construit d’anxiété de par leurs libellés ainsi que leurs effets. Ces buts jouaient un rôle
important par rapport aux variables spécifiques aux problèmes.
N’ayant pas anticipé l’importance du rôle de l’anxiété, nous n’avons pas élaboré directement
au niveau théorique les liens entre anxiété et métacognition ou anxiété et stratégies
d’apprentissage. Ceci limite malheureusement quelque peu la profondeur de notre discussion
sur ce point. Relevons toutefois que d’autres chercheurs ont observé des corrélations
négatives entre l’anxiété et l’utilisation de stratégies d’apprentissage (Wolters, 2003 ; Pekrun,
2006). Pekrun (2006) postule par rapport aux liens entre émotions et stratégies
d’apprentissage que l’activation d’émotions positives devrait faciliter une utilisation flexible
et créative de stratégies d’apprentissage alors que l’activation d’émotions négatives telles que
l’anxiété provoquerait l’utilisation de stratégies plus rigides telles que la répétition. En outre,
il postule que les émotions négatives seraient négativement liées aux stratégies
d’autorégulation (dont le contrôle métacognitif) car l’élève se reposerait sur les autres pour
réguler son apprentissage.
Finalement, nos résultats ont révélé que les aptitudes en raisonnement numérique prédisaient
une part significative de la variance de l’intérêt individuel, de la compétence perçue, de
l’anxiété et des buts d’évitement du travail. Ces aptitudes n’étaient pas liées directement aux
stratégies d’apprentissage ni aux buts de maîtrise et performance. Ainsi, leur effet sur les
stratégies d’apprentissage est médiatisé par les croyances motivationnelles.
10.1.4. Profils de buts, métacognition et stratégies d’apprentissage129
Dans le cadre de chacune des deux études, nous avons formulé une question de recherche
concernant les liens entre des profils motivationnels, sous la forme de configurations de buts
d’accomplissement, et les composantes de la métacognition. Nous avons utilisé la méthode
d’analyses en profils latents afin de déterminer le nombre de profils et ainsi former des
groupes qui se distinguent quant à leurs buts d’accomplissements. Ceci a permis d’étudier les
liens entre motivation et métacognition en prenant une perspective différente des liens
linéaires entre variables, que nous avons adoptée pour les autres questions de recherche.
Ainsi, nous prenons les apprenants comme unité conceptuelle d’analyse et non pas les
variables. Les analyses ont révélé l’existence probable de deux profils d’apprenants pour la
première étude et de quatre profils d’apprenants pour la seconde étude.
Pour la première étude, un groupe minoritaire (n = 30) se distingue d’un groupe largement
majoritaire (n = 165) par le fait que ses moyennes sur chacun des trois buts
d’accomplissement (maîtrise-approche, maîtrise-évitement et performance-approche) sont
significativement plus faibles. Ce groupe minoritaire montre des aptitudes intellectuelles
égales et se perçoit comme tout aussi compétent que l’autre groupe en mathématiques. Ce qui
les différencie est l’intérêt individuel qu’ils portent aux mathématiques. Le groupe minoritaire
se montre effectivement significativement moins intéressé. Dans le cadre des problèmes de
mathématiques, ce dernier groupe rapporte des valeurs moyennes inférieures sur la plupart des
variables. Toutefois, seul le sentiment d’aimer les tâches et le contrôle métacognitif qu’ils
rapportent sont significativement inférieurs. Ils obtiennent par ailleurs des performances aux
problèmes équivalentes. Cette analyse de profils ne s’est pas avérée très riches en
enseignements. Nous aurions attendus des profils de buts plus contrastés, par exemple un
groupe adoptant fortement des buts de maîtrise-évitement et un autre groupe les adoptant
faiblement.
129
Troisième question de recherche de l’étude 1 et quatrième question de recherche de l’étude 2
Les analyses de profils de la seconde étude ont au contraire révélé des configurations de buts
d’accomplissements plus riches et auxquelles plus de sens a pu être attribué. En effet, les
quatre profils extraits sont largement contrastés dans leurs buts et chacun présente une
configuration de buts théoriquement cohérente. Soulignons que les quatre groupes adoptent
des buts de maîtrise-approche comme l’indiquent leurs moyennes supérieures au point central
de l’échelle. En fonction de leurs moyennes sur chacun des buts, les profils ont été nommés
de la façon suivante : « le minimalisme », « la maîtrise des savoirs », « la maîtrise des savoirs
et la recherche du challenge » et « la maîtrise, le challenge et la performance ». Relevons que
ce dernier profil a été observé dans d’autres recherches (Bouffard et al., 1995 ; Harackiewicz
et al., 2000) et qu’il a été décrit comme étant favorable à l’apprentissage. Ces recherches ne
considéraient toutefois pas les buts de maîtrise-challenge mais uniquement des buts de
maîtrise-approche classiques. Les élèves du profil « la maîtrise, le challenge et la
performance » sont les seuls qui adoptent considérablement des buts de type performance
dans notre échantillon. Ceci suggère que les buts de performance ne sont valorisés que par
une minorité des élèves en formation professionnelle. Les trois autres profils n’ont pas à notre
connaissance été décrits dans d’autres recherches empiriques. Nous discutons ici uniquement
les liens entre les différents profils, les composantes de la métacognition et les stratégies
d’apprentissage. Le profil « le minimalisme» » s’avère être le plus défavorable pour les
aspects métacognitifs. En effet, au niveau de la matière, les apprenants adoptant ce profil
croient le moins en la malléabilité des capacités en mathématiques et ils ont tendance à
utiliser des stratégies de répétition plutôt que des stratégies d’élaboration ou des stratégies
métacognitives. Au niveau du problème, ils rapportent un sentiment d’aimer la tâche faible
ainsi qu’un sentiment de difficulté élevé en comparaison avec les apprenants des autres
profils. Concernant l’estimation des efforts effectués, les stratégies métacognitives et les
jugements de confiance, leurs moyennes sont les plus faibles et significativement différentes
des autres groupes dans la plupart des cas. Ainsi, les apprenants de ce groupe se caractérisent
par des croyances, des stratégies et des expériences métacognitives les moins favorables de
l’échantillon.
Les profils « la maîtrise des savoirs et le recherche du challenge » ainsi que « la maîtrise, le
challenge et la performance » sont tous les deux des profils favorables. Les élèves de ces
profils se distinguent par les stratégies d’apprentissage qu’ils rapportent utiliser : les
apprenants du premier profil utilisent peu de stratégies de répétition mais plus de stratégies
d’élaboration ou de stratégies métacognitives. Au contraire, les apprenants du second profil,
combinant les buts de maîtrise (approche et challenge) avec les buts de performance, sont
ceux qui rapportent appliquer le plus chacune des stratégies. Les élèves de ce profil utilisent
en outre autant les trois types de stratégies. Le profil « la maîtrise des savoirs et la recherche
du challenge » se distingue par des compétences cognitives spécifiques au problème
significativement plus élevées que l’autre groupe ainsi que par des aptitudes cognitives
supérieures bien que ces différences ne soient pas significatives. Ainsi, le profil « la maîtrise
des savoirs et la recherche du challenge » est constitué d’élèves dont les compétences
cognitives sont les plus élevées ; ils recourent de manière différenciée aux stratégies
d’apprentissage, appliquent moins de stratégies métacognitives lors de la résolution du
problème mais réalisent néanmoins les performances les meilleures. Le profil « la maîtrise, le
challenge et la performance » est quant à lui constitué d’élèves dont les capacités cognitives
sont moyennes (du moins par rapport aux élèves de notre échantillon), qui rapportent utiliser
le plus des stratégies d’apprentissage et qui, dans le cadre du problème, rapportent des
expériences métacognitives les plus favorables (sentiment d’aimer la tâche et estimation des
efforts effectués les plus élevés) et une plus grande application de stratégies métacognitives.
Toutefois, ils obtiennent la performance la plus faible.
Coupler buts de maîtrise et buts de performance est ainsi un profil favorable aux aspects
métacognitifs. Coupler buts de maîtrise-approche et buts de maîtrise-challenge est moins
favorable à la métacognition mais il s’agit d’une configuration de buts qui est adoptée par des
élèves en formation professionnelle avec de bonnes aptitudes cognitives. Ces résultats sont
quelque peu surprenants, étant donné que les buts de performance, en particulier performance-
évitement, sont considérés comme peu propices à l’utilisation de stratégies d’apprentissage
d’élaboration ou métacognitives (Pintrich, 1999). Il semble que des buts de performance-
approche ou -évitement adoptés seuls puissent être peu profitables pour les stratégies
d’apprentissage et la métacognition mais que s’ils sont adoptés en conjonction avec des buts
de maîtrise-approche et maîtrise-challenge, ils ont alors un effet bénéfique.
10.1.5. Synthèse des liens entre métacognition et motivation
En résumé, nous avons observé des liens entre composantes de la métacognition et croyances
motivationnelles au niveau des problèmes mathématiques, au niveau de la matière (les
mathématiques) ainsi que dans les analyses de profils. Les buts d’accomplissements se sont
révélés prédictifs d’une part de plusieurs sentiments et jugements métacognitifs et d’autre part
du contrôle métacognitif. Ces résultats tenaient compte des aptitudes cognitives, ce qui
signifie que ces dernières ne sont pas responsables des liens entre aspects métacognitifs et
motivationnels. Par ailleurs, l’intention d’engager des efforts, le sentiment de difficulté (ou
d’efficacité personnelle) ainsi que l’anxiété se sont avérés des variables très importantes, ce
qui suggère qu’elles devraient être considérées dans les recherches portant sur notre thème
d’intérêt. Finalement, nous avons suggéré que les élèves adoptant tant des buts de maîtrise-
approche que des buts de maîtrise-challenge pourraient nécessiter moins de contrôle
métacognitif car leurs aptitudes cognitives sont élevées et leur permettent de réaliser les
meilleures performances dans notre échantillon. Cette dernière piste mérite toutefois d’être
explorée plus en profondeur.
10.2. Les construits d’expériences métacognitives, expectancy-value et

appréciations
Nous pouvons nous interroger sur notre choix de considérer les sentiments de difficulté et
d’aimer la tâche comme des variables métacognitives. En effet, ces deux sentiments peuvent
être considérés comme analogues respectivement aux composantes expectancy (attentes) et
value (valeur) issues des modèles de la motivation tels que celui d’Eccles et Wigfield (Eccles,
1983 ; Wigfield & Eccles, 2000) ou encore aux appréciations (attrait de la tâche et
compétence subjective) selon le modèle de Boekaerts (2001). Dans notre modèle et nos
analyses, nous avons considéré au niveau de la matière une variable proche des attentes (la
perception des compétences) ainsi que des variables de type valeur (instrumentalité perçue et
intérêt individuel). Par contre, au niveau des problèmes, nous avons interprété les sentiments
étudiés comme des expériences métacognitives qui sont liées au contrôle métacognitif. Cette
possibilité de double interprétation, d’une part métacognitive et d’autre part motivationnelle,
révèle que l’étude de ces phénomènes a été, dans la littérature scientifique, abordée par
différentes perspectives et que phénomènes motivationnels et métacognitifs ont une part
commune (Weinert, 1987).
Par rapport à la notion d’appréciations de Boekaerts, nous réalisons également que des
phénomènes similaires sont traités sous des termes différents de ceux proposés par Efklides
(2001) dans son modèle de la métacognition. Les appréciations spécifiques à la situation
considérées dans le modèle de Boekaerts (2001) sont en effet définies comme des croyances
motivationnelles et non pas métacognitives. Le modèle d’Efklides était toutefois plus cohérent
par rapport à notre objet d’étude étant donné qu’il faisait notamment le lien entre les
composantes du modèle de la métacognition « jugements et sentiments métacognitifs » et
« contrôle métacognitif », que nous avons présenté au chapitre 3. Pour cette raison, nous
l’avons préféré aux théories expectancy-value ainsi qu’aux appréciations.
10.3. Théories implicites entre métaconnaissances et croyances

motivationnelles
Nous avons classé les théories implicites des capacités de Dweck (Dweck & Leggett, 1988)
parmi les métaconnaissances car elles représentent des croyances sur la cognition. Ce
construit constitue selon Dweck (Dweck et al., 1995a) une croyance au même titre que les
croyances attributionnelles. Il s’agit dans les deux cas de croyances qui font partie de théories
de la motivation et qui sont à l’origine de processus motivationnels ou affectifs. En effet,
selon Dweck et Molden (2005), « a major part of understanding achievement motivation is
understanding people’s theories about competence – what competence is and what it means
about the self » (p. 122). Dans le cas des théories implicites, celles-ci sont à l’origine des buts
d’accomplissements selon Dweck (Dweck & Leggett, 1988). Nos données ont toutefois
révélé, tout comme l’avaient observé Dupeyrat et Mariné (2005), des corrélations modestes
(faibles à modérées) entre théories implicites et les différents buts d’accomplissement extraits
des analyses factorielles. De plus, nous n’avons pas observé de corrélation positive entre les
buts de performance (que ce soit sous leur forme d’approche ou leur forme d’évitement) et le
degré d’adoption d’une théorie fixiste des capacités. En outre, ces théories n’ont démontré
aucun pouvoir prédictif dans les modèles de structure comprenant les variables mesurées au
niveau du problème ou de la matière. Ces deux arguments remettent en cause la généralité de
la théorie formulée par Dweck. Il se peut que les théories implicites des capacités jouent un
rôle plus important dans certaines situations, par exemple suite à un échec ou dans d’autres
contextes d’apprentissage (par exemple dans la scolarité obligatoire).
10.4 Critique de l’adéquation de la théorie des buts d’accomplissement

au contexte de la formation professionnelle
Les deux études empiriques que nous avons réalisées se sont basées notamment sur la théorie
des buts d’accomplissement. Cette théorie est relativement peu appliquée auprès de la
population des apprenants en formation professionnelle (à l’exception notamment des travaux
de Gurtner, 2003). Par conséquent, nous avons réalisé quelques observations concernant
l’adéquation de cette théorie au contexte de la formation professionnelle initiale. Nous
constatons, au sujet de cette adéquation, les limites suivantes.
Premièrement, la théorie des buts d’accomplissements restreint sa perspective de la
motivation extrinsèque aux buts de performance-approche et performance-évitement. Cette
restriction implique que certains buts poursuivis par les apprenants ont pu être occultés. Ces
derniers pourraient par exemple avoir pour but simplement de faire ce qui leur est demandé
afin de satisfaire aux critères d’évaluation (Brophy, 2005 ; Lemos, 1996), sans chercher
véritablement la progression de leurs connaissances ou la comparaison de leurs résultats avec
leurs camarades. L’étude de Lemos (1996) a révélé que les élèves du sixième degré primaire
ne mentionnaient spontanément aucun but se rapprochant des buts de performance-approche.
Par contre, la moitié des buts mentionnés concernait le fait de simplement faire son travail ou
d’obtenir des bonnes notes, sans comparaison avec les pairs.
En formation professionnelle, les buts de performance sont peu adoptés par les apprenants.
Les élèves se rendent un à deux jours par semaine au centre de formation professionnelle. Ils
connaissent leurs camarades de cours moins bien que les élèves fréquentant l’école à plein
temps. Par conséquent, les comparaisons sont moins fréquentes. En outre, le système de notes
n’est pas basé sur une comparaison des scores, c’est-à-dire que le barème qu’applique
l’enseignant n’est pas basé sur une comparaison entre les résultats des élèves comme cela est
le cas dans les universités américaines réputées les plus compétitives. Ainsi, l’aspect normatif
des buts de performance pourrait être inadéquat (Harackiewicz et al., 2005) en rapport au
contexte de la formation professionnelle initiale. Ce manque d’adéquation des buts de
performance à la réalité des écoles a été souligné par Brophy (2005) qui affirme que dans des
conditions naturelles de classe les buts de performance sont un phénomène rare. Il propose
d’introduire des buts dits « buts de résultat » (outcome goals) qui concerneraient le fait de
vouloir bien réussir les épreuves ou examens car les résultats sont associés avec des
récompenses, punitions, ainsi que des possibilités d’études et d’emplois futurs. Dans le
contexte de la formation professionnelle, cette perspective pourrait avoir une validité externe
supérieure à celle des buts de performance.
En outre, les motifs sous-jacents à l’engagement sont limités au besoin de compétence (Elliot
& McGregor, 2001) et ne représentent pas les diverses raisons pour lesquelles les adolescents
poursuivent une formation. En effet, tous ces buts sont censés répondre au besoin de
compétence de l’élève dans le domaine des apprentissages. Or il existe des différences
interindividuelles dans ce besoin ainsi que dans la valorisation de la compétence (competence
valuation), c’est-à-dire dans quelle mesure il est important pour l’élève de se sentir compétent
scolairement.
Nous avons, suite à la première étude, inclu des buts de maîtrise-challenge ainsi que des buts
d’évitement du travail. Ceci a permis d’enrichir quelque peu les types de buts étudiés mais
ceux-ci restent tout de même trop restrictifs à notre sens. Les buts de maîtrise-challenge ont
permis de distinguer les élèves qui souhaitent uniquement apprendre, comprendre et
progresser de ceux qui souhaitent être confrontés à des exercices difficiles, représentant des
challenges. Ce sont ainsi des buts adoptés par des élèves de niveau fort qui ont été ajoutés.
Les buts d’évitement du travail avaient pour objectif de représenter des buts adoptés par les
élèves peu ambitieux en mathématiques, qui souhaitaient réaliser le moins possible d’efforts.
Nous avons formulé des items englobant plusieurs conceptions de ces buts (Dowson &
McInerney, 2001). Toutefois, nos analyses n’ont permis de distinguer qu’une seule forme de
ces buts, représentant l’ambition d’obtenir la moyenne sans trop faire d’efforts. Les buts
d’évitement du travail doivent encore être définis plus clairement pour le domaine de la
formation professionnelle : s’agit-il d’une préférence pour les tâches faciles ou pour lesquelles
l’élève ne risque pas de se retrouver en échec, d’une tendance à vouloir produire le moins
possible d’efforts ou encore d’une ambition scolaire minimale (le moindre effort nécessaire
pour satisfaire les standards fixés par les enseignants) ?
La théorie de l’autodétermination (Deci & Ryan, 1985, 2000) pourrait éventuellement être
plus riche et plus prometteuse par rapport à la compréhension de la motivation des
adolescents en formation professionnelle. Cette théorie considère trois besoins comme
fondamentaux : le sentiment de compétence, le sentiment d’autonomie et le sentiment
d’appartenance. Elle donne ainsi une image plus complète des éléments à la base de la
motivation de l’adolescent que ne le fait la théorie des buts d’accomplissement qui se limite
au besoin de se sentir compétent (Elliot & McGregor, 2001). En outre, elle considère quatre
types de motivations extrinsèques et est en cela plus représentative de cette motivation que ne
le sont les seuls buts de performance. Le recours à cette théorie dans de futures recherches sur
des apprenants en formation professionnelle duale pourrait ainsi s’avérer fructueux. Son
adéquation à cette population reste toutefois à évaluer empiriquement.
10.5. Limites des études
Nos études présentent évidement un certains nombre de limites que nous synthétisons ci-
dessous en cinq points : 1) le manque de considération des métaconnaissances ; 2) des
difficultés quant au choix de tâches écologiquement valides ; 3) la considération d’aspects
uniquement quantitatifs de la métacognition ; 4) des limites liées au design et finalement 5)
des aspects liés à la validité et à la fidélité.
10.5.1. Manque d’informations sur les métaconnaissances
Concernant l’application auto-rapportée des stratégies d’apprentissage, nous ne pouvons pas

déterminer si les élèves qui obtiennent des scores faibles dans ces échelles n’appliquent pas
les stratégies à cause de croyances motivationnelles défavorables à l’apprentissage ou s’ils ne
connaissent simplement pas ces stratégies et manquent de métaconnaissances. En effet, nous
avons considéré, comme variables prédictives des stratégies d’apprentissage, uniquement les
capacités en raisonnement numérique, les théories implicites des capacités et une série de
croyances motivationnelles. Si nous avions également considéré les métaconnaissances sur les
stratégies, nous aurions pu mieux isoler l’effet des croyances motivationnelles.
D’une manière générale, nous avons relativement peu considéré les métaconnaissances dans
nos études, à l’exception des théories implicites des capacités. Leur rôle relatif au contrôle
métacognitif ainsi qu’aux sentiments et jugements métacognitifs étant reconnu (Büchel,
1996 ; Efklides, 2001), nous aurions pu peut-être obtenir des résultats plus riches en les
incluant.
10.5.2. Confusions entre mathématiques et calcul professionnel
Nous avons, dans la présentation des instruments, justifié notre choix d’un problème de type
mathématiques scolaires par la diversité des formations professionnelles inclues dans les
échantillons. Afin de se centrer sur le calcul professionnel au lieu des mathématiques scolaires
et de correspondre plus précisément au type de tâches présentées aux apprenants, une solution
serait de restreindre les formations inclues dans l’échantillon. Il s’agirait par exemple de
limiter les formations à celles qui concernent l’électricité et de constituer un échantillon avec
des élèves en formation de monteur électricien ou d’électricien de montage. Ainsi, les
problèmes pourraient être inspirés ou tirés directement du programme qu’ils suivent au centre
de formation professionnelle. Ceci aurait pour avantages d’une part une plus grande validité
écologique et d’autre part que les apprenants pourraient attribuer plus de sens et de valeur aux
problèmes.
10.5.3. Aspects qualitatifs versus quantitatifs de la métacognition
Bien que nous ayons défini plusieurs types d’expériences métacognitives et étudié l’influence
de chacune, d’autres composantes métacognitives n’ont été étudiées qu’à un niveau
quantitatif. Ceci est particulièrement le cas pour le contrôle métacognitif ou stratégies
métacognitives ainsi que pour les jugements de confiance. Le contrôle métacognitif n’a pas
été évalué par rapport à son adéquation. En effet, l’élève peut réaliser un grand nombre de
vérifications mais de manière inefficace. Il peut en outre utiliser une procédure de contrôle au
mauvais moment ou ne pas la réaliser jusqu’au terme (Schoenfeld, 1985). Ainsi, connaître la
quantité de contrôle ne donne pas d’information sur l’adéquation des processus métacognitifs
exercés par l’apprenant. En outre, les jugements de confiance ont été évalués en termes de
degré de confiance en sa résolution et en sa réponse. De ce fait, nous avons pu déterminer un
indice quantitatif de la confiance mais pas un indice qualitatif. Cette information sur la
confiance concernerait dans quelle mesure le jugement de confiance correspond à la situation
réelle (calibration). Ceci aurait permis de déterminer un degré d’adéquation du jugement
(Tobias & Everson, 2000) qui offre la possibilité de juger de la qualité de la métacognition.
Une perspective en termes de qualité de la métacognition nécessite toutefois des instruments
différents des nôtres.
10.5.4. Limites liées au design
Au niveau méthodologique, la principale limite de nos études est que les modèles structuraux
que nous avons développés sont basés sur des données corrélationnelles (Cliff, 1983). Ceci
implique que nous ne pouvons pas affirmer que les relations observées sont causales. Nous
avons ainsi évité d’utiliser les termes de « relation causale » et avons caractérisé les relations
comme étant prédictives ou explicatives. Toutefois, nous avons certains arguments liés au
moment auquel les variables ont été mesurées (variables mesurées avant la résolution Æ
variables mesurées après la résolution), au niveau de généralité des variables (variables faisant
référence à la matière Æ variables faisant référence à un problème spécifique), ainsi que des
fondements théoriques qui permettent de soutenir le bien-fondé des influences que nous avons
postulées puis testées. Le modèle structural réalisé avec uniquement les variables mesurées au
niveau de la matière (deuxième étude, modèle de structure au niveau de la matière) est quant à
lui moins soutenu et il est évident que d’autres modèles pourraient s’ajuster tout aussi bien si
ce n’est mieux aux données. Pour le type d’études que nous avons effectuées, il serait
profitable de mettre en place un design longitudinal afin de fournir des bases plus solides pour
tester la causalité. Ce type de design est toutefois également sujet à certaines limitations
(Marsh & Hau, 2007).
10.5.5. Fidélité et validité
Fortes intercorrélations au niveau du problème

Dans le cadre de la seconde étude, nous avons rencontré un problème de multicollinéarité
entre trois variables : les compétences cognitives spécifiques au problème, la performance et
les jugements de confiance. Ce problème a été résolu par l’élimination de la première
variable. Nous pouvons toutefois nous interroger sur la grande proximité des variables
lorsqu’elles sont mesurées au niveau d’une tâche précise. Ce problème est également apparu
dans le cadre du problème « le réservoir d’essence » de la première étude. En effet, d’une part
les trois expériences métacognitives pré-résolution se sont révélées très fortement corrélées
(r = .73 à .83) et d’autre part les compétences cognitives étaient très fortement prédictives de
la performance. Ce type de problème de multicollinéarité peut potentiellement introduire des
biais dans les coefficients (Marsh et al., 2004). Soulignons toutefois que nous avons vérifié
que les erreurs standards des paramètres étaient raisonnables. Nous concluons de ce dernier
résultat que le problème concerné nécessitait le plus fortement les compétences cognitives
spécifiques au problème et moins de contrôle métacognitif que le problème « la citerne ».
Un construit tel que le contrôle métacognitif est difficilement mesurable étant donné qu’il ne
se manifeste pas systématiquement en un comportement observable. En effet, une partie des
activités de contrôle restent « internes ». La méthode de pensée à haute voix (thinking aloud)
permet alors d’observer ce type d’activités, même si elle rencontre également certaines limites
notamment en fonction des populations et de leurs capacités verbales. Nous avons choisi
d’évaluer le contrôle métacognitif par des items du type échelles de Likert énonçant des
comportements précis. Nous avons observé des associations cohérentes entre d’une part les
réponses des élèves quant aux stratégies métacognitives qu’ils avaient utilisées et d’autre part
leurs habitudes en matière de contrôle métacognitif, leurs croyances motivationnelles ainsi

que leurs expériences métacognitives (notamment les jugements de confiance et l’intention
d’engager des efforts). Nous manquons toutefois d’indications supplémentaires sur la validité
des réponses des élèves, notamment quant à la précision des réponses des élèves. En effet, il
est probable qu’une partie des élèves ait sous-estimé leur application de stratégies
métacognitives durant la résolution du problème (par exemple par manque de conscience de
son propre fonctionnement cognitif) alors qu’une autre partie des élèves pourrait avoir
surestimé cette application (par exemple par une tendance à la satisfaction). Ce manque
d’information concernant la validité des réponses constitue l’une des limites de nos études.
Manque de fidélité du score représentant les compétences cognitives

Nous avons rencontré des difficultés pour mesurer les compétences cognitives spécifiques au
problème. En effet, nous avons utilisé trois items qui mesuraient en théorie des compétences
importantes pour la résolution de problèmes mathématiques : la compréhension et la
représentation du problème ainsi que la planification des étapes de résolution. Il s’est avéré
que les scores pour chacun de ces items n’étaient pas aussi fortement corrélés que nous le
pensions. Nous avons tout de même utilisé ces items comme indicateur d’un facteur de
compétences cognitives mais celui-ci a donné un score peu fidèle pour chacun des trois
problèmes. En outre, une partie des élèves n’a pas complété l’item demandant de planifier les
étapes selon nous car il demandait un effort cognitif considérable. De plus, les élèves ne sont
pas habitués à résoudre des problèmes mathématiques en formulant d’abord explicitement les
étapes. Par conséquent, ils passent directement à la réalisation de calculs.
10.6. Pistes pour des recherches futures
Nous esquisserons, en lien avec notre discussion des résultats, quatre pistes d’intérêt pour de
futures recherches. La première concerne un aspect lié aux méthodes d’évaluation tant des
croyances motivationnelles que des composantes de la métacognition. La seconde concerne la
question de la spécificité de notre population d’intérêt et des propositions pour mieux tenir
compte du contexte de la formation professionnelle. La troisième piste est liée à l’étude des
stratégies d’apprentissage des élèves. Finalement, notre dernière piste concerne le rôle des
théories implicites des capacités dans l’apprentissage.
10.6.1. La façon dont les élèves répondent à des questionnaires auto-rapportés
Dans ce travail, nous avons utilisé principalement des informations auto-rapportées afin
d’évaluer les aspects métacognitifs et motivationnels. Comme nous l’avons discuté au
chapitre 6, ce type de données est sujet à de multiples biais et contesté par certains chercheurs
pour un manque de validité (Winne, Jamieson-Noel, & Muis, 2002). Dans le domaine de la
métacognition et des stratégies d’apprentissage, il existe actuellement un débat sur la validité
des mesures par des questionnaires auto-rapportés. D’une part, ces instruments montrent de
bonnes qualités psychométriques ainsi qu’une validité prédictive certaine. D’autre part, leur
validité convergente est peu étudiée et plusieurs chercheurs (Veenman, 2005 ; Winne et al.,
2002) soupçonnent que les participants ne peuvent pas répondre aux items de manière valide.
Afin d’apporter des informations quant à la validité de ce type d’items, une méthode
d’entrevue standardisée (nommée cognitive pretesting) peut être appliquée (Karabenick et al.,
2007). Celle-ci permet une compréhension précise de la façon dont les répondants traitent les
items. Ainsi, elle permet d’évaluer la validité dite cognitive des items auto-rapportés. Dans le
cadre d’un projet postdoctoral, nous avons proposé de tester la validité cognitive des items du
Motivated Strategy for Learning Questionnaire évaluant les stratégies d’apprentissage. Nous
souhaitons déterminer dans quelle mesure la façon dont les élèves interprètent les énoncés et
les souvenirs auxquels ils se réfèrent correspond au construit que le chercheur à l’intention de
mesurer. De plus, la pertinence du choix d’une réponse à l’item par rapport aux souvenirs
rappelés par le répondant constitue un troisième aspect d’évaluation de la validité cognitive de
l’item. Cette étude devrait apporter des informations quant à l’adéquation de la mesure des
stratégies d’apprentissage par questionnaire auto-rapporté.
10.6.2. Les croyances motivationnelles et la métacognition à l’école et sur la place de

travail de l’apprenti
Nos études ont concerné le contexte des mathématiques en formation professionnelle. Nous
avons fait référence à des compétences qui sont développées dans le cadre du centre de
formation professionnelle pour être applicables sur la place de travail de l’apprenant. Pour
continuer dans l’étude du fonctionnement métacognitif et motivationnel de cette population, il
serait enrichissant d’observer comment les composantes de la métacognition ainsi que les
croyances motivationnelles se manifestent lorsque l’apprenant recourt à des notions
mathématiques sur sa place de travail. Les quelques questions suivantes seraient d’intérêt :
Quels contenus des cours de calcul professionnels l’apprenant transfert-il à son travail en
entreprise ? Quels rôles jouent ses croyances motivationnelles dans l’application des contenus
appris au centre de formation professionnelle ? Quels sont les contenus de cours
effectivement applicables sur la place de travail de l’apprenant ?
Réaliser le lien entre le contexte du centre de formation professionnelle et la place de travail
augmenterait la validité écologique de nos études, ainsi que ses implications pour la formation
professionnelle initiale.
10.6.3. D’autres aspects des stratégies d’apprentissage : référence aux théories SRL
actuelles
Dans ce travail, nous avons adopté une perspective restreinte des stratégies d’apprentissage.
En effet, nous avons limité celles-ci aux stratégies de répétition, d’élaboration et
métacognitives. De futures recherches pourraient s’intéresser à une plus grande variété de
stratégies d’apprentissage afin d’enrichir par exemple les liens entre les buts
d’accomplissement et ces stratégies. La dernière version du Motivated Strategy for Learning
Questionnaire (Garcia Duncan & McKeachie, 2005) distingue neuf types de stratégies
d’apprentissage dont la gestion du temps et de l’environnement d’étude, la régulation des
efforts, l’apprentissage collaboratif ou encore la demande d’aides. Tous ses aspects ont une
influence sur la réussite dans un certain cours et l’étude de leurs liens avec diverses
configurations de buts d’accomplissement apporterait probablement des informations
intéressantes pour la compréhension des liens entre le fonctionnement cognitif et les
croyances motivationnelles.
10.6.4. Explorer les théories implicites
Les théories implicites sont intéressantes car elles ne sont liées ni aux aptitudes cognitives ni à
la perception des compétences. Elles sont donc adoptées par l’élève indépendamment de son
niveau de compétence réelle ou perçue. En outre, elles sont liées à la valeur de la tâche ainsi
qu’aux buts d’accomplissement et aux stratégies d’apprentissage. C’est une piste à explorer
car plusieurs études ont montré que ces croyances pouvaient être modifiées (Blackwell et al.,
2007 ; Dweck et al., 1995a). En outre, le fait qu’elles soient prédictives des stratégies
d’apprentissage (plus l’élève adopte une théorie fixiste des capacités en maths, moins il
rapporte utiliser de stratégies d’apprentissage de répétition, élaboration et métacognitives)
suggère qu’elles peuvent constituer un facilitateur (si l’élève adopte une théorie malléable) ou
une barrière (si l’élève adopte une théorie fixiste) pour l’activité stratégique de l’élève.
L’étude de l’influence des théories implicites des capacités n’a été à notre connaissance que
très peu étudiée dans le cadre de la formation professionnelle et en particulier dans
l’apprentissage des connaissances et compétences professionnelles. Il s’agirait d’un champ
d’investigation qui pourrait apporter des informations utiles pour la compréhension du
fonctionnement cognitif dans l’apprentissage.
Finalement, relevons que les effets de l’âge, du genre, du niveau d’exigences intellectuelles de
la formation ainsi que de la profession apprise ont été très peu explorés. Ceci sera l’objet
d’analyses à venir.
11. Conclusion Page 341
11. Conclusion
En conclusion, nous présentons quelques implications de ce travail d’une part pour

l’enseignement et l’apprentissage et d’autre part pour les recherches en formation
professionnelle.
11.1. Implications pour l’enseignement et l’apprentissage
Dans leur pratique, les enseignants peuvent agir sur les croyances motivationnelles de leurs
élèves. Nous suggérons qu’ils s’intéressent d’une part aux croyances sur l’instrumentalité et
d’autre part à l’anxiété relative à l’apprentissage des notions mathématiques.
Premièrement, nos résultats conduisent à penser qu’il serait bénéfique que les enseignants
soulignent la valeur instrumentale des tâches et contenus qu’ils transmettent à leurs élèves car
cette valeur a selon nos résultats un effet sur les stratégies d’apprentissage par élaboration.
Ceci pourrait être réalisé d’une part sous forme de discussion avec les apprenants au sujet de
l’application des notions mathématiques sur leur place de travail, et d’autre part par la
transmission d’expériences professionnelles qui ont nécessité les notions en questions. Ainsi,
les apprenants pourraient attribuer une valeur instrumentale au domaine, celle-ci semble
primordiale pour ces élèves par rapport aux autres aspects de valeur de la tâche.
Deuxièmement, l’anxiété pour l’apprentissage de la matière est ressortie comme une variable
jouant un rôle important dans nos résultats. Par conséquent, il serait bénéfique de considérer
les aspects émotionnels comme contribuant aux résultats des apprenants en formation
professionnelle. L’anxiété étant selon nos résultats fortement liée à la perception de ses
compétences, il pourrait s’avérer profitable de travailler à renforcer cette perception ainsi que
de donner aux élèves des outils pour gérer leur anxiété relative à l’apprentissage. Dans le
même ordre d’idée, nous avons observé que le sentiment de difficulté ressenti avant de
résoudre un problème jouait un rôle clé dans le recours au contrôle métacognitif. Par
conséquent, travailler sur le sentiment d’efficacité personnelle pourrait amener les élèves à
réaliser plus de contrôle et favoriser ainsi leurs apprentissages.
11. Conclusion Page 342
11.2. Implications pour la recherche en formation professionnelle
Nous avons déjà discuté dans le chapitre précédant de certaines implications pour la recherche
sous la forme de pistes pour de futures recherches. Nous retenons en particulier que l’étude de
la motivation en formation professionnelle nécessite un cadre théorique considérant plus en
profondeur la motivation extrinsèque que ne le fait la théorie des buts d’accomplissement. En
outre, les buts de maîtrise-approche sont adoptés par la très grande majorité des apprenants et
n’ont ainsi pas de pouvoir discriminant. Les spécificités du contexte de la formation
professionnelle et des apprenants qui choisissent cette voie appellent à l’utilisation d’un cadre
théorique plus valide écologiquement.
Ayant observé les influences des croyances motivationnelles sur le fonctionnement cognitif
des apprenants, il est important de comprendre quels facteurs favorisent et quels facteurs
défavorisent les croyances motivationnelles que nous avons identifiées comme importantes.
Ceci signifie que l’étude du contexte scolaire, notamment au niveau du mesosystème (par
exemple les attitudes de l’enseignant) et au niveau du macrosystème (hors école, par exemple
le soutien familial) constitue un complément nécessaire pour la compréhension de l’origine
des croyances motivationnelles des apprenants (Gurtner, Monnard, & Genoud, 2001).
Finalement, ces premiers travaux, ainsi que ceux que nous avons réalisés dans le cadre d’un
projet concernant les apprenants de la formation professionnelle en deux ans, ont développé
notre curiosité et notre intérêt pour approfondir l’étude du fonctionnement motivationnel et
cognitif de ces élèves.
12. Références bibliographiques Page 343
12. Références bibliographiques

Aiken, L R. (1970). Attitudes toward mathematics. Review of Educational Research, 40, 551-596.
Ainley, M., & Hidi, S. (2004). Dynamic measures of studying interest and learning. In P. R.
Pintrich & M. L. Maehr (Eds.), Advances in motivation and achievement: Vol. 12. New
directions in measures and methods (pp. 43-76). Greenwich, CT: JAI.
Allal, L., & Saada-Robert, M. (1992). La métacognition: cadre conceptuel pour l'étude des
régulations en situation scolaire. Archives de Psychologie, 60, 265-296.
Ames, C. (1984). Achievement attributions and self-instructions under competitive and
individualistic goal structures. Journal of Educational Psychology, 76(3), 478-487.
Ames, C. (1992). Classrooms: Goals, structures, and student motivation. Journal of Educational
Psychology, 84(3), 261-271.
Ames, C., & Ames, R. (1981). Competitive versus individualistic goal structures: The salience of
past performance information for causal attributions and affect. Journal of Educational
Psychology, 73(3), 411-418.
Ames, C., & Archer, J. (1988). Achievement goals in the classroom: Students' learning strategies
and motivation processes. Journal of Educational Psychology, 80(3), 260-267.
Anderman, L. H. Y., & Anderman, E. M. (2000). Considering contexts in educational psychology:
Introduction to the special issue. Educational Psychologist, 35(2), 67-68.
Anderman, E. M., & Maehr, M. L. (1994). Motivation and schooling in the middle grades. Review
of Educational Research, 64(2), 287-309.
Antonietti, J.-P., & Guignard, N. (2005). Mathématiques. In C. Zahner Rossier (Ed.), PISA 2003:
Compétences pour l'avenir. Deuxième rapport national (pp. 17-33). Neuchâtel/Berne:
OFS/CDIP.
Arnold, F. (1910). Attention and interest: A study in psychology and education. New York:
Macmillan.
Association patronale suisse de l’industrie des machines (2004). Power work. Apprendre et
travailler de manière professionnelle (4ème édition). Zürich : Swissmem.
Atkinson, J. W. (1957). Motivational determinants of risk-taking behavior. Psychological Review,
64(6), 359-372.
Atkinson, R. C., & Shiffrin, R. M. (1968). Human memory: A proposed system and its control
processes. In K. W. Spence & J. T. Spence (Eds.), The psychology of learning and motivation
(Vol. 26, pp. 89-195). New York: Academic Press.
Baker, L., & Brown, A. L. (1984). Metacognitive skills of reading. In P. D. Pearson (Ed.),
Handbook of reading research (pp. 353-394). New York: Longman.
Baker, L., & Cerro., L. C. (2000). Assessing metacognition in children and adults. In G. Schraw &
J. C. Impara (Eds.), Issues in the measurement of metacognition (pp. 99-145). Lincoln, NE:
Buros Institute.
Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological
Review, 84(2), 191-215.
Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory.
Englewood Cliffs, NJ: Prentice Hall.
Bandura, A. (1997/2003). Auto-efficacité. Le sentiment d'efficacité personnelle (J. Lecomte, Trans.).
Bruxelles: DeBoeck.
Bandura, A., & Schunk, D. H. (1981). Cultivating competence, self-efficacy, and intrinsic interest
through proximal self-motivation. Journal of Personality and Social Psychology, 41(3), 586-
598.
Barron, K. E., & Harackiewicz, J. M. (2000) Achievement goals and optimal motivation: A
multiple goals approach. In C. Sansone & J. M. Harackiewicz (Eds.), Intrinsic and extrinsic
motivation: The search for optimal motivation and performance (pp. 229-254). San Diego, CA:
Academic Press.
Beauducel, A., & Herzberg, P. Y. (2006). On the performance of maximum likelihood versus mean
and variance adjusted weighted least square estimation in CFA. Structural Equation Modeling,
13(2), 186-203.
Belmont, J. M., & Borkowski, J. G. (1988). A group-administered test of children’s metamemory.
Bulletin of the Psychonomic Society, 26, 206-208.
Belmont, J. M., & Butterfield, E. C. (1977). The instructional approach to developmental cognitive
research. In R. V. Kail & J. W. Hagen (Eds.), Perspectives on the development of memory and
cognition (pp. 437-481). Hillsdale, NJ: Erlbaum.
Bennett, G. K., Seashore H. G., Wesman, A. G. (1990/2002). Tests Différentiels d’Aptitudes (5th
ed.). Paris: Editions du Centre de Psychologie Appliquée.
Bentler, P. M. (1980). Multivariate analysis with latent variables: Causal modeling. Annual Review
of Psychology, 31, 419-456.
Bereiter, C. & Scardamalia, M. (1985). Cognitive coping strategies and the problem of "inert
knowledge". In S. F. Chipman, J. W. Segal, & R. Glaser (Eds.), Thinking and learning skills:
Research and open questions (Vol. 2, pp. 65-80). Hillsdale, NJ: Erlbaum.
Berger, J.-L., Büchel, F. P., Kipfer, N., & Praplan, T. (2006). Evaluation des stratégies
d’apprentissage en contexte (ESAC). Questionnaire non publié. Genève : Faculté de
Psychologie et des Sciences de l’Education.
Berger, J.-L., Büchel, F., & Kipfer, N. (2008a). Part II: Evaluation of the collective training effects.
Document non publié, Rapport final du projet « Encadrement individuel spécialisé des apprentis
de la formation professionnelle initiale de deux ans avec attestation fédérale » pour l’Office
Fédérale de la Formation Professionnelle et de la Technologie. Université de Genève, Faculté de
Berger, J.-L., Büchel, F., & Kipfer, N. (2008b). Part IV: The Questionnaire about Learning (QaL)
and its practical use. Document non publié, Rapport final du projet « Encadrement individuel
spécialisé des apprentis de la formation professionnelle initiale de deux ans avec attestation
fédérale » pour l’Office Fédérale de la Formation Professionnelle et de la Technologie.
Université de Genève, Faculté de Psychologie et des Sciences de l’Education.
Berger, J.-L., Kipfer, N., & Büchel, F. P. (accepté). Un modèle d’intervention métacognitive pour
les apprenants en formation professionnelle initiale de deux ans: Principes d’application
collective et efficacité. In M. G. P. Hessels & C. Hessels-Schlatter (Eds.), Evaluation et
intervention auprès des élèves en difficultés d’apprentissage. Berne, Peter Lang.
Bergman, L. R. (2001). A person approach in research on adoelscence: Some methodological
challenges. Journal of Adolescence Research, 16(1), 28-53.
Blackwell, L. S., Trzesniewski, K. H., & Dweck, C. S. (2007). Implicit theories of intelligence
predict achievement across an adolescent transition: A longitudinal study and an intervention.
Child Development, 78(1), 246-263.
Bobrow, D. G., & Norman, D. A. (1975). Some principles of memory schemata. In D. G. Bobrow
& A. G. Collins (Eds.), Representations and understanding: Studies in cognitive sciences (pp.
131-149). New York: Academic Press.
Boekaerts, M. (1996). Self-regulated learning at the junction of cognition and motivation. European
Psychologist, 1(2), 100-112.
Boekaerts, M. (1997). Self-regulated learning: A new concept embraced by researchers, policy

makers, educators, teachers, and students. Learning and Instruction, 7(2), 161-186.
Boekaerts, M. (1999a). Self-regulated learning: Where we are today. International Journal of
Educational Research, 31, 445-457.
Boekaerts, M. (1999b). Metacognitive experiences and motivational state as aspects of self-
awareness: Review and discussion. European Journal of Psychology of Education, 14(4), 571-
584.
Boekaerts, M. (2001). Context sensitivity: Activated motivational beliefs, current concerns and
emotional arousal. In S. Volet & S. Järvelä (Eds.), Motivation in contexts: Theoretical advances
and methodological implications (pp. 17-31). Amsterdam: Pergamon/Elsevier.
Boekaerts, M., Crombach, M. J., & Voeten, M. J. M. (1998). Task attraction as a determinant of
intended effort on curricular tasks. Scientia Paedagogica Experimentalis, 35, 493-512.
Boekaerts, M., & Niemivirta, M. (2000). Self-regulated learning. Finding a balance between
learning goals and ego-protective goals. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.),
Handbook of self-regulation (pp. 417-450). San Diego, CA: Academic Press.
Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley.
Borkowski, J. G., & Burke, J. E. (1996). Theories, models, and measurements of executive
functioning. An information processing perspective. In G. R. Lyon & N. A. Krashegor (Eds.),
Attention, memory, and executive function (pp. 235-261). London: Paul H. Brooks.
Borkowski, J. G., Chan, L. K. S., & Muthukrishna, N. (2000). A process-oriented model of
metacognition: Links between motivation and executive functioning. In G. Schraw & J. C.
Impara (Eds.), Issues in the measurement of metacognition (pp. 1-41). Lincoln, NE: Buros
Institute.
Borkowski, J. G., Johnston, M. B., & Reid, M. K. (1987). Metacognition, motivation, and
controlled performance. In S. J. Ceci (Ed.), Handbook of cognitive, social, and
neuropsychological aspects of learning disabilities (Vol. 2, pp. 147-173). Hillsdale, NJ:
Erlbaum.
Borkowski, J. G., & Muthukrishna, N. (1992). Moving metacognition into the classroom: "Working
models" and effective strategy teaching. In M. Pressley & K. R. Harris (Eds.), Promoting
academic competence and literacy in school (pp. 477-501). San Diego, CA: Academic Press.
Borkowski, J. G., Reid, M. K., & Kurtz, B. E. (1984). Metacognition and retardation: Paradigmatic,
theoretical, and applied perspectives. In P. H. Brooks, R. Sperber, & C. McCauley (Eds.),
Learning and cognition in the mentally retarded (pp. 55-75). Hillsdale, NJ: Erlbaum.
Borkowski, J. G., Weyhing, R. S., & Carr, M. (1988). Effects of attributional retraining on strategy-
based reading comprehension in learning-disabled students. Journal of Educational Psychology,
80(1), 46-53.
Bouffard, T., Boisvert, J., Vezeau, C., Larouche, C. (1995). The impact of goal orientation on self-
regulation and performance among college students. British Journal of Educational Psychology,
65, 317-329.
Bouffard, T., Vezeau, C., Romano, G., Chouinard, R., Bordeleau, L., & Filion, C. (1998).
Elaboration du Questionnaire des buts en contexte scolaire (QBCS). Revue canadienne des
sciences du comportement, 30(3), 203-206.
Bouffard-Bouchard, T. (1990). Influence of self-efficacy on performance in a cognitive task.
Journal of Social Psychology, 130, 353-363.
Bouffard-Bouchard, T., Parent, S., & Larivée, S. (1990). Capacité cognitive, sentiment d'auto-
efficacité et autorégulation. European Journal of Psychology of Education, 5(3), 355-364.
Bereiter, C., & Scardamalia, M. (1985). Cognitive coping strategies and the problem of 'inert
knowledge'. In S. F. Chipman, J. W. Segal, & R. Glaser (Eds.), Thinking and Learning Skills:
Vol. 2. Research and open questions (pp. 65-80). Hillsdale, NJ: Erlbaum.
Braten, I., & Stromso, H. I. (2004). Epistemological beliefs and implicit theories of intelligence as
predictors of achievement goals. Contemporary Educational Psychology, 29, 371-388.
Brickman, S. J., & Miller, R. B. (1998, March). Valuing of future goals and instrumentality as
predictors of cognitive engagement. Paper presented at the 6th Workshop on Achievement and
Task Motivation, Thessaloniki, Greece.
Brickman, S. J., & Miller, R. B. (2001), The impact of sociocultural knowledge on future goals and
self-regulation. In D. McInerney & S. Van Etten (Eds.), Research on sociocultural influences on
motivation and learning (pp. 119-137). Greenwich, CT: Information Age Publishing.
Brophy, J. (2005). Goal theorists should move on from performance goals. Educational
Psychologist, 40, 167–176.
Brown, A. L. (1978). Knowing when, where, and how to remember: A problem of metacognition.
In R. Glaser (Ed.), Advances in instructional psychology (Vol. 1, pp. 77-165). Hillsdale, NJ:
Erlbaum.
Brown, A. L. (1987). Metacognition, executive control, self-regulation, and other more mysterious
mechanisms. In F. E. Weinert & R. H. Kluwe (Eds.), Metacognition, motivation, and
understanding (pp. 65-116). Hillsdale, NJ: Erlbaum.
Brown, A. L., Bransford, J. D., Ferrara, R. A., & Campione, J. C. (1983). Learning, remembering,
and understanding. In J. H. Flavell & E. M. Markman (Eds.), Handbook of child psychology:
Vol. 3. Cognitive development (pp. 77-166). New York: Wiley & Sons.
Brühwiler, C., & Biederman, H. (2005). L’apprentissage autodirigé : condition pour réussir
l’apprentissage des mathématiques. In C. Zahner Rossier (Ed.), PISA 2003: Compétences pour
l'avenir. Deuxième rapport national (pp. 57-73). Neuchâtel/Berne: OFS/CDIP.
Büchel, F. P. (1982). Metacognitive and strategic variables in the comprehension of written text. In
A. Flammer & W. Kintsch (Eds.), Discourse processing (pp. 352-359). Amsterdam: North
Holland.
Büchel, F. P. (1995). De la métacognition à l'éducation cognitive. In F. P. Büchel (Ed.), L’éducation
cognitive. Le développement de la capacité d'apprentissage et son évaluation (pp. 9-44).
Neuchâtel: Delachaux et Niestlé.
Büchel, F. P. (1996). DELF - un programme métacognitif destiné à la formation professionnelle des
adolescents et jeunes adultes ayant des difficultés d'apprentissage. In A.-M. Besse & K. Bernath
(Eds.), Quelles chances sur le marché du travail? A propos de la formation des formateurs de
jeunes et adultes handicapés (pp. 183-213). Lucerne: SZH-SPC.
Büchel, F. P. (2006). Fragen zum Lernen (FzL). Ein Instrument zur pädagogischen Diagnostik in
der beruflichen Ausbildung. Université de Genève, Faculté de Psychologie et des Sciences de
l'Education. Retrieved from http://www.pfm.ehb-
schweiz1.ch/fileadmin/Projekte/FI2_Fredi/Texte_fredi_01.pdf
Büchel, F. P., Berger, J.-L., Kipfer, N., & Frauchiger, V. (accepté). Intervention métacognitive chez
des adolescents avec retard mental modéré. In M. G. P. Hessels & C. Hessels-Schlatter (Eds.),
Evaluation et intervention auprès des élèves en difficultés d’apprentissage. Berne, Peter Lang.
Bullock, H. E., Harlow, L. L., & Mulaik, S. A. (1994). Causation issues in structural equation
modeling research. Structural Equation Modeling, 1, 253-267.
Butler, D. L., & Winne, P. H. (1995). Feedback and self-regulated learning: A theoretical synthesis.
Review of Educational Research, 65(3), 245-281.
Butterfield, E. C., Albertson, L. R., & Johnston, J. C. (1995). On making cognitive theory more
general and developmentally pertinent. In F. E. Weinert & W. Schneider (Eds.), Memory
performance and competencies: Issues in growth and development (pp. 181-205). Mahwah, NJ:
Erlbaum.
Carr, M., & Biddlecomb, B. (1998). Metacognition in mathematics from a constructivist
perspective. In D. J. Hacker, J. Dunlosky, & A. C. Graesser (Eds.), Metacognition in
educational theory and practice (pp. 69-91). Mahwah, NJ: Erlbaum.
Carr, M., Borkowski, J. G., & Maxwell, S. E. (1991). Motivational components of
underachievement. Developmental Psychology, 27(1), 108-118.
Carr, M., & Jessup, D. (1997). Gender differences in first grade mathematics strategy use: Social,
metacognitive, and attributional influences. Journal of Educational Psychology, 89, 318-328.
Cary, M., & Reder, L. M. (2002). Metacognition in strategy selection: Giving consciousness too
much credit. In P. Chambres, M. Izaute, & P.-J. Marescaux, (Eds.), Metacognition: Process,
function and use (pp. 63-77). Boston, MA: Kluwer.
Cavanaugh, J. C., & Perlmutter, M. (1982). Metamemory: A critical examination. Child
Development, 53, 11-28.
Chen, P. P. (2003). Exploring the accuracy and predictability of the self-efficacy beliefs of seventh-
grade mathematics students. Learning and Individual Differences, 14, 79-92.
Church, M. A., Elliot, A. J., & Gable, S. L. (2001). Perceptions of classroom environment,
achievement goals, and achievement outcomes. Journal of Educational Psychology, 93(1), 43-
54.
Cliff, N. (1983). Some cautions concerning the application of causal modeling methods.
Multivariate Behavioral Research, 18, 115-126.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ:
Erlbaum.
Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation
analysis for the behavioral sciences (3rd ed.). Mahwah, NJ: Erlbaum.
Cole, D. A., Ciesla, J. A., & Steiger, J. H. (2007). The insidious effects of failing to include design-
driven correlated residuals in latent-variable covariance structure analysis. Psychological
Methods, 12(4), 381-398.
Collins, J. L. (1982, March). Self-efficacy and ability in achievement behavior. Paper presented at
the Annual Meeting of the American Educational Research Association, New York.
Corno, L., & Mandinach, E. B. (1983). The role of cognitive engagement in classroom learning and
motivation. Educational Psychologist, 18(2), 88-108.
Covington, M. V. (1992). Making the grade: A self-worth perspective on motivation and school
reform. New York: Cambridge University Press.
Covington, M. V., & Beery, R. G. (1976). Self-worth and school learning. New York: Holt.
Covington, M. V., & Omelich, C. L. (1979). Effort: The double-edged sword in school
achievement. Journal of Educational Psychology, 71(2), 169-182.
Craven, R. G., Marsh, H. W., & Debus, R. (1991). Effects of internally focused feedback and
attributional feedback on enhancement of academic self-concept. Journal of Educational
Psychology, 83(1), 17-27.
Crombach, M. J., Boekaerts, M., & Voeten, M. J. M. (2003). Online measurements of appraisals of
students faced with curricular tasks. Educational and Psychological Measurement, 63(1), 96-
111.
Cronbach, L. J. (1990). Essentials of psychological testing. New York: Harper & Row.
Cury, F., Da Fonseca, D., Zahn, I., & Elliot, A. J. (2008). Implicit theories and IQ test performance:
A sequential mediational analysis. Journal of Experimental Social Psychology, 44, 783-791.
Cury, F., Elliot, A. J., Da Fonseca, D., & Moller, A. C. (2006). The social-cognitive model of
achievement motivation and the 2x2 achievement goal framework. Journal of Personality and
Social Psychology, 90(4), 666-679.
Dahl, T. I., Bals, M., & Turi, A. L. (2005). Are students' beliefs about knowledge and learning
associated with their reported use of learning strategies? British Journal of Educational
Psychology, 75, 257-273.
Dai, D. Y., & Sternberg, R. J. (2004). Beyond cognitivism: Toward an integrated understanding of
intellectual functioning and development. In D. Y. Dai & R. J. Sternberg (Eds.), Motivation,
emotion, and cognition. Integrative perspectives on intellectual functioning and development
(pp. 3-38). Mahwah, NJ: Erlbaum.
Daneman, M., & Carpenter, P. A. (1980). Individual differences in working memory and reading.
Journal of Verbal Learning and Verbal Behavior, 19, 450-466.
Day, J. D., Borkowski, J. G., Dietmeyer, D. L., Howsepian, B. A., & Saenz, D. S. (1992). Possible
selves and academic achievement. In L. T. Winegar & J. Valsiner (Eds.), Children's
development within social context: Research and methodology (Vol. 2, pp. 181-201). Hillsdale,
NJ: Erlbaum.
DeBacker, T. K., & Nelson, R. M. (1999). Variations on an Expectancy-Value model of motivation
in science. Contemporary Educational Psychology, 24, 71-94.
Deci, E. L. (1992). The relation of interest to the motivation of behavior: A self-determination
theory perspective. In K. A. Renninger, S. Hidi, & A. Krapp (Eds.), The role of interest in
learning and development (pp. 43-70). Hillsdale, NJ: Erlbaum.
Deci, E. L., & Moller, A. C. (2005). The concept of competence: A starting place for understanding
intrinsic motivation and self-determined extrinsic motivation. In A. J. Elliot & C. S. Dweck
(Eds.), Handbook of competence and achievement motivation (pp. 579-597). New York:
Guilford.
Deci, E. L., & Ryan, R. M. (1985). Intrinsic motivation and self-determination in human behavior.
New York: Plenum Publishing.
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.
De Corte, E., & Somers, R. (1982). Estimating the outcome of a task as a heuristic strategy in
arithmetic problem solving: A teaching experiment with six graders. Human Learning: A
Journal of Practical Research and Applications, 1, 105-121.
De Corte, E., Verschaffel, L., & Op't Eynde, P. (2000). Self-regulation. A characteristic and a goal
of mathematics education. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of
self-regulation (pp. 687-726). San Diego, CA: Academic Press.
de Ribaupierre, A., Atzeni, T., Fagot, D., Jouffray, C., Lecerf, T., & Ludwig, C. (2004).
Dimensionalité de l'inhibition cognitive au travers du lifespan. Présentation des tâches et des
résultats (analyses univariées). Requêtes FNRS n°1114-42565.97 et 1213-065020.01. Genève:
Faculté de Psychologie et des Sciences de l'Education.
Dermitzaki, I., & Efklides, A. (2001). Age and gender effects on students’ evaluations regarding the
self and task-related experiences in mathematics. In S. E. Volet & S. Järvelä (Eds.), Motivation
in learning context: Theoretical advances and methodological implications (pp. 271-293).
Amsterdam: Pergamon/Elsevier.
Dermitzaki, I., & Efklides, A. (2003). Goal orientations and their effect on self-concept and
metacognition in adolescence. Psychology: The Journal of the Hellenic Psychological Society,
10(2-3), 214-227.
Desoete, A. (2001). Off-line metacognition in children with mathematics learning disabilities.

Unpublished PhD thesis. University of Gent, Faculteit Psychologie en Pedagogische
Wetenschappen, Belgique.
Desoete, A. (2006). Are mathematical learning disabilities a special kind of metacognitive
disabilities? In A. Desoete & M. V. J. Veenman (Eds.), Metacognition in mathematics
education (pp. 135-156). New York: Nova Science.
Desoete, A., & Roeyers, H. (2006). Metacognitive macroevaluations in mathematical problem
solving. Learning and Instruction, 16(1), 12-25.
Desoete, A., Roeyers, H., & Buysse, A. (2001). Metacognition and mathematical problem solving
in grade 3. Journal of Learning Disabilities, 34, 435-449.
Desoete, A., Roeyers, H., Buysse, A., & De Clerq, A. (2002). Dynamic assessment of
metacognitive skills in young children with mathematics-learning disabilities. In D. G. M. Van
der Aalsvoort, W. C. M. Resing, & A. J. J. M. Ruijssenaars, (Eds.), Learning potential
assessment and cognitive training. Actual research and perspectives in theory building and
methodology (pp. 307-333). Greenwich: JAI Press.
Desoete, A., Roeyers, H., & De Clercq, A. (2003). Can offline metacognition enhance mathematical
problem solving? Journal of Educational Psychology, 95(1), 188-200.
Desoete, A., & Veenman, M. V. J. (Eds.). (2006). Metacognition in mathematics education. New
York: Nova Science.
Dewey, J. (1913). Interest and effort in education. Boston, MA: Riverside.
Diener, C. I., & Dweck, C. S. (1978). An analysis of learned helplessness: Continuous changes in
performance, strategy, and achievement cognitions following failure. Journal of Personality and
Social Psychology, 36(5), 451-462.
Diener, C. I., & Dweck, C. S. (1980). An analysis of learned helplessness: II. The processing of
success. Journal of Personality and Social Psychology, 39(5), 940-952.
Dowson, M. (2000). Relations between student's academic motivation, cognition, and achievement
in australian school settings. Unpublished PhD thesis. University of Western Sydney, Faculty
of Education.
Dowson, M., & McInerney, D. M. (2001). Psychological parameters of students' social and work
avoidance goals: A qualitative investigation. Journal of Educational Psychology, 93(1), 35-42.
Dubs, R. (2006). Rapport d'expertise sur les questions concernant la formation professionnelle en
Suisse. Berne: HEP.
Dupeyrat, C., & Escribe, C. (2000). Orientation des buts: validation du questionnaire de Hayamizu
et Weiner et relations avec les conceptions de l'intelligence. Revue Européenne de Psychologie
Appliquée, 50(1), 73-79.
Dupeyrat, C., & Mariné, C. (2005). Implicit theories of intelligence, goal orientation, cognitive
engagement, and achievement: A test of Dweck's model with returning to school adults.
Contemporary Educational Psychology, 30, 43-59.
Dupeyrat, C., Mariné, C., & Escribe, C. (1999). Mastery and challenge seeking: Two dimensions
within learning goals? Swiss Journal of Psychology, 58(1), 22-30.
Dweck, C. S. (1975). The role of expectations and attributions in the alleviation of learned
helplessness. Journal of Personality and Social Psychology, 31(4), 674-685.
Dweck, C. S. (1986). Motivational processes affecting learning. American Psychologist, 41(10),
1040-1048.
Dweck, C. S. (1999). Self-theories: Their role in motivation, personality, and development.
Philadelphia, PA: Taylor & Francis.
Dweck, C. S., Chiu, C.-Y., & Hong, Y.-Y. (1995a). Implicit theories and their role in judgments
and reactions: A world from two perspectives. Psychological Inquiry, 6(4), 267-287.
Dweck, C. S., Chiu, C.-Y., & Hong, Y.-Y. (1995b). Implicit theories: Elaboration and extension of
the model. Psychological Inquiry, 6(4), 322-333.
Dweck, C. S., & Elliot, E. S. (1983). Achievement motivation. In J. H. Flavell & E. M. Markman
(Eds.), Handbook of child psychology: Vol. 4. Cognitive development (pp. 643-691). New York:
Wiley.
Dweck, C. S., & Leggett, E. L. (1988). A social-approach to motivational and personality.
Psychological Review, 95(2), 256-273.
Dweck, C. S., & Molden, D. C. (2005). Self-Theories: Their impact on competence motivation and
acquisition. In A. J. Elliot & C. S. Dweck (Eds.), Handbook of competence and achievement
motivation (pp. 122-140). New York: Guilford.
Dweck, C. S., & Reppucci, N. D. (1973). Learned helplessness and reinforcement responsibility in
children. Journal of Personality and Social Psychology, 25(1), 109-116.
Eccles, J. S. (1983). Expectancies, values, and academic behaviors. In J. T. Spence (Ed.),
Achievement and achievement motives. Psychological and sociological approaches (pp. 75-
146). San Fransisco, CA: W.H. Freeman.
Eccles, J. S. (2005). Subjective task value and the Eccles et al. model of achievement-related
choices. In A. J. Elliot & C. S. Dweck (Eds.), Handbook of competence and achievement
motivation (pp. 106-121). New York: Guilford.
Eccles, J. S., & Wigfield, A. (1995). In the mind of the actor: The structure of adolescents'
achievement task values and expectancy-related beliefs. Personality and Social Psychology
Bulletin, 21(3), 215-225.
Eccles, J. S., & Wigfield, A. (2002). Motivational beliefs, values, and goals. Annual Review of
Efklides, A. (2001). Metacognitive experience in problem solving. In A. Efklides, J. Kuhl, & R.M.
Sorrentino (Eds), Trends and prospects in motivation research (pp. 297-323). Dordrecht, The
Netherlands: Kluwer.
Efklides, A. (2002a). The systemic nature of metacognitive experiences: Feelings, judgments, and
their interrelations. In P. Chambres, M. Izaute, & P.-J. Marescaux, (Eds.), Metacognition:
Process, function and use (pp. 19-34). Boston, MA: Kluwer.
Efklides, A. (2002b). Feelings and judgments as subjective evaluations of cognitive processing:
How reliable are they? Psychology: The Journal of the Hellenic Psychological Society, 9(2),
163-184.
Efklides, A. (2004). The multiple roles of metacognitive experiences in the learning process. In M.
Wosnitza, A. Frey & R. S. Jädes (Eds.), Lernprozess, Lernumgebung, und Lerndiagnostik:
Wissenschaftliche Beiträge zum lernen in 21. Jahrhundert (pp. 256-266). Landau, Germany:
Verlag Empirische Pädagogik.
Efklides, A. (2006a). Metacognition and affect: What can metacognitive experiences tell us about
the learning process? Educational Research Review, 1(1), 3-14.
Efklides, A. (2006b). Metacognitive experiences: The missing link in the self-regulated learning
process. A rejoinder to Ainley and Patrick. Educational Psychology Review, 18, 287-291.
Efklides, A., & Demetriou. (1989). Image of cognitive self, task-knowledge and cognitive
performance. Unpublished manuscript, Aristotle University of Thessaloniki, Greece.
Efklides, A., Kourkoulou, A., Mitsiou, F., & Ziliaskopoulou, D. (2006). Metacognitive knowledge
of effort, personality factors, and mood state: Their relationship with effort-related
metacognitive experiences. Metacognition and Learning, 1(1), 33-49.
Efklides, A., Pantazi, M., & Yazkoulidou, E. (2000). Factors influencing the formation of feeling of
familiarity for words. Psychology: The Journal of the Hellenic Psychological Society, 7, 207-
222.
Efklides, A., & Petkaki, C. (2003, August). Effects of the affective context on students’
metacognitive experiences. In A. Efklides, S. Volet (Chair), Feelings and emotions in the
learning process. EARLI SIG Motivation and Emotion invited symposium conducted at the 10th
EARLI Conference, Padova, Italy.
Efklides, A., Samara, A., & Petropoulou. (1999). Feeling of difficulty: An aspect of monitoring that
influences control. European Journal of Psychology of Education, 14(4), 461-476.
Elliot, A. J. (1999). Approach and avoidance motivation and achievement goals. Educational
Elliot, A. J., & Church, M. A. (1997). A hierarchical model of approach and avoidance achievement
motivation. Journal of Personality and Social Psychology, 72(1), 218-232.
Elliot, A. J., & Covington, M. V. (2001). Approach and avoidance motivation. Educational
Psychological Review, 13(2), 73-92.
Elliot, A. J., & Dweck, C. S. (2005). Competence and motivation: Competence as the core of
achievement motivation. In A. J. Elliot & C. S. Dweck (Eds.), Handbook of competence and
achievement motivation (pp. 3-12). New York: Guilford.
Elliot, A. J., & Harackiewicz, J. M. (1994). Goal setting, achievement motivation, and intrinsic
motivation: A mediational analysis. Journal of Personality and Social Psychology, 66(5), 968-
980.
Elliot, A. J., & Harackiewicz, J. M. (1996). Approach and avoidance achievement goals and
intrinsic motivation: A mediational analysis. Journal of Personality and Social Psychology,
70(3), 461-475.
Elliot, A. J., & McGregor, H. A. (2001). A 2 X 2 achievement goal framework. Journal of
Personality and Social Psychology, 80(3), 501-519.
Elliot, A. J., McGregor, H. A., & Gable, S. (1999). Achievement goals, study strategies, and exam
performance: A mediational analysis. Journal of Educational Psychology, 91, 549-563.
Elliot, A. J., & Moller, A. C. (2003). Performance-approach goals: Good or bad forms of
regulation? International Journal of Educational Research, 39, 339-356.
Elliot, A. J., & Pekrun, R. (2007). Emotion in the hierarchical model of approach-avoidance
achievement motivation. In P. A. Schutz & R. Pekrun (Eds.), Emotion in education (pp. 57-73).
Amsterdam: Elsevier.
Elliot, A. J., & Thrash, T. M. (2001). Achievement goals and the hierarchical model of achievement
motivation. Educational Psychological Review, 13(2), 139-156.
Elliott, E. S., & Dweck, C. S. (1988). Goals: An approach to motivation and achievement. Journal
of Personality and Social Psychology, 54(1), 5-12.
Everitt, B. S., Landau, S., & Leese, M. (2001). Cluster analysis (4th ed.). London: Arnold.
Fennema, E., & Sherman, J. A. (1976). Fennema-Sherman mathematics attitudes scales: Instrument
designed to measure attitudes toward the learning of mathematics by females and males.
Journal for Research in Mathematics Education, 7, 324-326.
Flavell, J. H. (1971). First Discussant's comments: What is memory development the development
of? Human Development, 14, 272-278.
Flavell, J. H. (1976). Metacognitive aspects of problem solving. In L. B. Renick (Ed.), The nature
of intelligence (pp. 231-235). Hillsdale, NJ: Erlbaum.
Flavell, J. H. (1979). Metacognition and cognitive monitoring. A new area of cognitive-
developmental inquiry. American Psychologist, 34(10), 906-911.
Flavell, J. H. (1981). Cognitive monitoring. In W. P. Dickson (Ed.), Children's oral communication
skills (pp. 35-60). New York: Academic Press.
Flavell, J. H. (1987). Speculations about the nature and development of metacognition. In F. E.

Weinert & R. H. Kluwe (Eds.), Metacognition, motivation, and understanding (pp. 21-30).
Hillsdale, NJ: Erlbaum.
Flavell, J. H., Friedrichs, A. G., & Hoyt, J. D. (1970). Developmental changes in memorization
processes. Cognitive Psychology, 1(1), 324-340.
Flavell, J. H., & Wellman, H. M. (1977). Metamemory. In R. V. Kail & J. W. Hagen (Eds.),
Perspectives on the development of memory and cognition (pp. 3-33). Hillsdale, NJ: Erlbaum.
Flora, D. B., & Curran, P. J. (2004). An empirical evaluation of alternative methods of estimation
for confirmatory factor analysis with ordinal data. Psychological Methods, 9(4), 466-491.
Floyd, F. J., & Widaman, K. F. (1995). Factor analysis in the development and refinement of
clinical assessment instruments. Psychological Assessment, 7(3), 286-299.
Focant, J. (2004). Stratégies d'autorégulation d'élèves de cinquième primaire en situation de
résolution de problèmes arithmétiques. Thèse de doctorat [non publiée]. Université Catholique
de Louvain, Faculté de Psychologie et des Sciences de l’Education, Belgique.
Focant, J., & Grégoire, J. (2005). Les stratégies d’autorégulation cognitive : une aide à la résolution
de problèmes arithmétiques. In M. Crahay, L. Verschaffel, E. De Corte, & J. Grégoire (Eds.).
Enseignement et apprentissage des mathématiques. Que disent les recherches
psychopédagogiques? (pp. 201-221). Bruxelles: De Boeck.
Focant, J., Grégoire, J., & Desoete, A. (2006). Goal-setting, planning and control strategies and
arithmetical problem solving at grade 5. In A. Desoete & M. V. J. Veenman (Eds.),
Metacognition in mathematics education (pp. 51-71). New York: Nova Science.
Freedman, D. A. (1987). As others see us: A case study in path analysis. Journal of Educational
Statistics, 12(2), 101-128.
Friedel, J. M., Cortina, K. S., Turner, J. C., & Midgley, C. (2007). Achievement goals, efficacy
beliefs and coping strategies in mathematics: The role of perceived parent and teacher goal
emphases. Contemporary Educational Psychology, 32(3), 434-458.
Gagné, F., & St Père, F. (2001). When IQ is controlled, does motivation still predict achievement?
Intelligence, 30(1), 71-100.
Galland, B., & Philippot, P. (2002). Style motivationnel des élèves du secondaire: développement
d'un instrument de mesure et relations avec d'autres variables pédagogiques. Revue canadienne
des sciences du comportement, 34(4), 261-275.
Garcia Duncan, T., & McKeachie, W. J. (2005). The making of the Motivated Strategies for
Learning Questionnaire. Educational Psychologist, 40(2), 117-128.
Garner, R. (1987). Metacognition and reading comprehension. Norwood, NJ: Ablex.
Garofalo, J., & Lester, F. K. (1985). Metacognition, cognitive monitoring, and mathematical
performance. Journal for Research in Mathematics Education, 16(3), 163-176.
Gjesme, T. (1979). Future time orientation as a function of achievement motives, ability, delay of
gratification, and sex. The Journal of Psychology, 101, 173-188.
Gonzalez, A. R., Doan Holbein, M. F., & Quilter, S. (2002). High school students' goal orientations
and their relationship to perceived parenting style. Contemporary Educational Psychology, 27,
450-470.
Goodwin, L. D., & Leech, N. L. (2006). Understanding correlation: Factors that affect the size of r.
The Journal of Experimental Education, 74(3), 251-266.
Graham, S., & Golan, S. (1991). Motivational influences on cognition: Task involvement, ego
involvement, and depth of information processing. Journal of Educational Psychology, 83(2),
187-194.
Graham, S., & Harris, K. R. (1997). Self-regulation and writing: Where do we go from here?
Grant, H., & Dweck, C. S. (2003). Clarifying achievement goals and their impact. Journal of
Personality and Social Psychology, 85(3), 541-553.
Greene, B. A., & DeBacker, T. K. (2004). Gender and orientation toward the future: Links to
motivation. Educational Psychology Review, 16(2), 91-120.
Greene, B. A., DeBacker, T. K., Ravindran, B., & Krows, A. J. (1999). Goals, values, and beliefs as
predictors of achievement and effort in high school mathematics classes. Sex Roles, 40(5/6),
421-458.
Greene, B. A., & Miller, R. B. (1996). Influences on achievement: Goals, perceived ability, and
cognitive engagement. Contemporary Educational Psychology, 21, 181-192.
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.
Gurtner, J.-L. (2003). Evolution comparée de la motivation pour le travail scolaire et le travail en
entreprise chez les apprentis. Document non publié, Rapport final pour le Fond National Suisse
de la Recherche Scientifique, n°1113-061971.00. Université de Fribourg, Département des
Sciences de l'éducation.
Gurtner, J.-L., Gulfi, A., Monnard, I., & Schumacher, J. (2006). Est-il possible de prédire
l'évolution de la motivation pour le travail scolaire de l'enfance à l'adolescence? Revue française
de pédagogie, 155, 21-33.
Gurtner, J.-L., Monnard, I., & Genoud, P. A. (2001). Towards a multilayer model of context and its
impact on motivation. In S. E. Volet & S. Järvelä (Eds.), Motivation in contexts: Theoretical
advances and methodological implications (pp. 189-208). Amsterdam: Pergamon/Elsevier.
Hacker, D. J. (1998). Definitions and empirical foundations. In D. J. Hacker, J. Dunlosky, & A. C.
Graesser (Eds.), Metacognition in educational theory and practice (pp. 1-23). Mahwah, NJ:
Erlbaum.
Hacker, D. J., & Bol, L. (2004). Metacognitive theory: Considering the social-cognitive influences.
In D. M. McInerney & S. Van Etten (Eds.), Research on sociocultural influences on motivation
and learning: Vol. 4. Big theories revisited (pp. 275-297). Greenwich, CO: Information Age
Publishing.
Harackiewicz, J. M., Barron, K. E., Pintrich, P. R., Elliot, A. J., & Thrash, T. M. (2002). Revision
of achievement goal theory: Necessary and illuminating. Journal of Educational Psychology,
94(3), 638-645.
Harackiewicz, J. M., Barron, K. E., Tauer, J. M., Carter, S. M., & Elliot, A. J. (2000). Short-term
and long-term consequences of achievement goals: Predicting interest and performance over
time. Journal of Educational Psychology, 92(2), 316-330.
Harackiewicz, J. M., Durik, A. M. (2003). Task value in the college classroom: Predicting goals,
interest, and performance. Paper presented at the Conference of the European Association for
Research on Learning and Instruction, Padova, Italy.
Harackiewicz, J. M., Durik, A. M., & Barron, K. E. (2005). Multiple goals, optimal motivation, and
the development of interest. In J. P. Forgas, K. D. Williams, & S. M. Laham (Eds.), Social
motivation: Conscious and unconscious processes (pp. 21-39). New York: Cambridge
University Press.
Harackiewicz, J. M., & Sansone, C. (1991). Goals and intrinsic motivation: You can get there from
here. In M. L. Maehr & P. R. Pintrich (Eds.), Advances in motivation and achievement (Vol. 7,
pp. 21-49). Greenwich, CT: JAI.
Harter, S. (1999). The construction of the self: A developmental perspective. New York: Guilford.
Harter, S., & Jackson, B. K. (1992). Trait vs. nontrait conceptualizations of intrinsic/extrinsic
motivational orientation. Motivation and Emotion, 16(3), 209-230.
Hartman, H., & Sternberg, R. J. (1993). A broad BACEIS for improving thinking. Instructional
Science, 21, 401-425.
Hayamizu, T., & Weiner, B. (1991). A test of Dweck's model of achievement goals as related to
perceptions of ability. Journal of Experimental Education, 59(3), 226-234.
Heckhausen, H. (1967). The anatomy of achievement motivation (K. F. Butler, R. C. Birney & D. C.
McClelland, Trans.). New York: Academic Press.
Heckhausen, H. (1977). Achievement motivation and its constructs: A cognitive model. Motivation
and Emotion, 1(4), 283-329.
Hidi, S. (2006). Interest: A unique motivational variable. Educational Research Review, 1(2), 69-
82.
Hidi, S., & Ainley, M. (2002). Interest and adolescence. In F. Pajares & T. Urdan (Eds.), Academic
motivation of adolescents (pp. 247-275). Greenwich, CT: Information Age Publishing.
Hofer, B. K., & Pintrich, P. R. (1997). The development of epistemological theories: Beliefs about
knowledge and knowing and their relation to learning. Review of Educational Research, 67(1),
88-140.
Holzer, T., Zahner Rossier, C., & Brühwiler, C. (2004). Compétences en mathématiques. In C.
Zahner Rossier, S. Berweger, C. Brühwiler, T. Holzer, M. Mariotta, U. Moser, et al. (Eds.),
PISA 2003:compétences pour l'avenir. Premier rapport national (pp. 15-27). Neuchâtel/Berne:
OFS/CDIP.
Husman, J., & Lens, W. (1999). The role of the future in student motivation. Educational
Izard, C. E. (1977). Human emotions. New York: Plenum Press.
Jacobs, J. E., & Paris, S. G. (1987). Children's metacognition about reading: Issues in definition,
measurement, and instruction. Educational Psychologist, 22(3-4), 255-278.
Jöreskog, K. G. (1993). Testing structural equation models. In K. A. Bollen & J. S. Long (Eds.),
Testing structural equation models (pp. 294-316). Newbury Park, CA: Sage.
Kaplan, A., Middleton, M., Urdan, T., & Midgley, C. (2002). Achievement goals and goal
structures. In C. Midgley (Ed.). Goals, goal structures, and pattern of adaptive learning (pp. 21-
53). Mahwah, NJ: Erlbaum.
Kaplan, D. (2000). Structural equation modeling. Thousand Oaks, CA: Sage.
Karabenick, S. A., Wooley, M. E., Friedel, J. M., Ammon, B. V., Blazevski, J., Rhee Bonney, C., et
al. (2007). Cognitive processing of self-report items in educational research: Do they think what
we mean? Educational Psychologist, 42(3), 139-151.
Kenny, D. A. (1979). Correlation and causality. New York: Wiley-Interscience.
Kipfer, N., Berger, J.-L., & Büchel, F. P. (2008). Part I: A training module for 2-years initial
professional training students (it-2 students). Document non publié, Rapport final du projet
« Encadrement individuel spécialisé des apprentis de la formation professionnelle initiale de
deux ans avec attestation fédérale » pour l’Office Fédérale de la Formation Professionnelle et de
la Technologie. Université de Genève, Faculté de Psychologie et des Sciences de l’Education.
Kline, R. B. (2005). Principles and practice of structural equation modeling (2nd ed.). New York:
Guilford.
Kluwe, R. H. (1980). Metakognition : Komponenten einer Theorie zur Kontrolle und Steuerung
eigenen Denkens. Munich : University of Munich.
Kluwe, R. H. (1982). Cognitive knowledge and executive control: Metacognition. In D. R. Griffin
(Ed.), Animal mind – human mind (pp. 201-224). New York: Springer-Verlag.
Koriat, A. (1993). How do we know that we know? The accessibility model of the feeling of
knowing. Psychological Review, 100, 609-639.
Koriat, A. (2002). Metacognition research: An interim report. In T. J. Perfect & B. L. Schwartz

(Eds.), Applied metacognition (pp. 261-286). Cambridge, UK: University Press.
Koriat, A. (2007). Metacognition and consciousness. In P. D. Zelazo, M. Moscovitch, & E.
Thompson (Eds.), The Cambridge handbook of consciousness (pp. 289-325). Cambridge, UK:
Cambridge University Press.
Koriat, A., & Shitzer-Reichert, R. (2002). Metacognitive judgments and their accuracy. In P.
Chambres, M. Izaute, & P.-J. Marescaux (Eds.), Metacognition: Process, function and use (pp.
1-17). Boston, MA: Kluwer.
Kramarski, B., Mevarech, Z. R., & Arami, M. (2002). The effects of metacognitive instruction on
solving mathematical authentic tasks. Educational Studies in Mathematics, 49, 225-250.
Krapp, A., Hidi, S., & Renninger, K. A. (1992). Interest, learning, and development. In K. A.
Renninger, S. Hidi, & A. Krapp (Eds.), The role of interest in learning and development (pp. 3-
25). Hillsdale, NJ: Erlbaum.
Kreutzer, M. A., Leonard, S. C., & Flavell, J. H. (1975). An interview study of children's
knowledge about memory. Monographs of the Society for Research in Child Developement, 40,
1-57.
Krosnick, J. A. (1999). Survey research. Annual Review of Psychology, 50, 537-567.
Kuhn, D., Garcia-Mila, M., Zohar, A., & Andersen, C. (1995). Strategies of knowledge acquisition.
Monographs of the Society for Research in Child Developement, 60(4), Serial No. 245.
Kurtz, B. E., & Borkowski, J. G. (1987). Development of strategic skills in impulsive and reflective
children: A longitudinal study of metacognition. Journal of Experimental Child Psychology, 43,
129-148.
Laveault, D., Leblanc, R., & Leroux, J. (1999). Autorégulation de l'apprentissage scolaire:
interaction entre processus métacognitifs et déterminants de la motivation. In C. Depover & B.
Noël (Eds.), L'évaluation des compétences et des processus cognitifs. Modèles, pratiques et
contextes (pp. 81-98). Bruxelles: De Boeck.
Lemos, M. (1996). Students and teachers' goals in the classroom. Learning and instruction, 6, 151-
171.
Lens, W. (1996). Motivation and learning. In E. De Corte & F. E. Weinert (Eds.), International
encyclopedia of developmental and instructional psychology (pp. 445-451). Oxford, UK:
Elsevier.
Lens, W. (2001). How to combine intrinsic task-motivation with the motivational effects of the
instrumentality of present tasks for future goals. In A. Efklides, J. Kuhl, & R. M. Sorrentino
(Eds.), Trends and prospects in motivation research (pp. 23-36). Dordrecht, The Netherlands:
Kluwer.
Lens, W., Simons, J., & Dewitte, S. (2001). Student motivation and self-regulation as a function of
future time perspective and perceived instrumentality. In S. E. Volet & S. Järvelä (Eds.),
Motivation in learning contexts. Theoretical advances and methodological implications (pp.
233-248). Amsterdam: Pergamon.
Lens, W., Simons, J., & Dewitte, S. (2002). From duty to desire: The role of students’ future time
perspective and instrumentality perceptions for study motivation and self-regulation. In F.
Pajares & T. Urdan (Eds.), Academic motivation of adolescents (pp. 221-245). Greenwich, CT:
Information Age Publishing.
Lerch, C. M. (2004). Control decisions and personal beliefs: Their effect on solving mathematical
problems. Journal of Mathematical Behavior, 23(1), 21-36.
Lester, F. K., & Garofalo, J. (1982, March). Metacognitive aspects of elementary school students’
performance on arithmetic tasks. Paper presented at the Annual Meeting of the American
Educational Research Association, New York..
Lester, F. K., Garofalo, J., & Kroll, D. L. (1989). Self-confidence, interest, beliefs, and
metacognition: Key influences on problem-solving behavior. In D. B. McLeod & V. M. Adams
(Eds.), Affect and mathematical problem solving: A new perspective (pp. 75-88). New York:
Springer-Verlag.
Lewin, K. (1935). A dynamic theory of personality. New York: McGraw-Hill.
Linnenbrink, E. A., & Pintrich, P. R. (2000). Multiple pathways to learning and achievement: The
role of goal orientation in fostering adaptive motivation, affect, and cognition. In C. Sansone &
J. M. Harackiewicz (Eds.), Intrinsic and extrinsic motivation: The search for optimal motivation
and performance (pp. 195-227). San Diego, CA: Academic Press.
Linnenbrink, E. A., & Pintrich, P. R. (2001). Multiple goals, multiple contexts: The dynamic
interplay between personal goals and contextual goal stresses. In S. E. Volet & S. Järvelä (Eds.),
Motivation in learning context: Theoretical advances and methodological implications (pp.
251-269). Amsterdam: Pergamon/Elsevier.
Linnenbrink, E. A., Ryan, A. M., & Pintrich, P. R. (2000). The role of goals and affect in working
memory functioning. Learning and Individual Differences, 11(2), 213-230.
Loi fédérale sur la formation professionnelle du 13 décembre 2002. Confédération helvétique.
Accès: http://www.admin.ch/ch/f/rs/c412_10.html
Lubke, G. H., & Muthén, B. O. (2005). Investigating population heterogeneity with factor mixture
models. Psychological Methods, 10(1), 21-39.
Lucangeli, D. & Cabrele, S. The relationship of metacognitive knowledge, skills and beliefs in
children with and without mathematics learning disabilities. In A. Desoete & M. V. J. Veenman
(Eds.), Metacognition in mathematics education (pp. 103-133). New York: Nova Science.
Lucangeli, D., & Cornoldi, C. (1997). Mathematics and metacognition: What is the nature of the
relationship? Mathematical Cognition, 3(2), 121-139.
Lucangeli, D., & Cornoldi, C. (1999). Métacognition et mathématiques. In P.-A. Doudin, D. Martin,
& O. Albanese (Eds.), Métacognition et éducation. Aspects transversaux et disciplinaires (pp.
303-332). Berne : Peter Lang.
Lucangeli, D., Cornoldi, C., & Tellarini, M. (1998). Metacognition and learning disabilities in
mathematics. In T. E. Scruggs & M. A. Mastropieri (Eds.), Advances in learning and behavioral
disabilities (Vol. 12, pp. 219-244). Greenwich: JAI.
Lucangeli, D., Tressoldi, P. E., & Cendron, M. (1998). Cognitive and metacognitive abilities
involved in the solution of mathematical word problems: Validation of a comprehensive model.
MacCallum, R. C., & Austin, J. T. (2000). Applications of structural equation modeling in
psychological research. Annual Review of Psychology, 51, 201-226.
Markus, H. (1977). Self-schemata and processing information about the self. Journal of Personality
and Social Psychology, 35(2), 63-78.
Markus, H., Cross, S., & Wurf, E. (1990). The role of self-system in competence. In R. J. Sternberg
& J. Kolligian, Jr. (Eds.), Competence considered (pp. 205-225). New Haven, CT: Yale
University Press.
Markus, H., & Nurius, P. (1986). Possible selves. American Psychologist, 41(9), 954-969.
Marsh, H. W. (1986). Verbal and math self-concepts: An internal/external frame of reference
model. American Educational Research Journal, 23(1), 129-149.
Marsh, H. W. (1992a). Self Description Questionnaire (SDQ) I: A theoretical and empirical basis
for the measurement of multiple dimensions of adolescent self-concept. A test manual and
research monograph. Macarthur, New South Wales, Australia: University of Western Sydney,
Faculty of Education.
Marsh, H. W. (1992b). Self Description Questionnaire (SDQ) II: A theoretical and empirical basis
for the measurement of multiple dimensions of adolescent self-concept. A test manual and
research monograph. Macarthur, New South Wales, Australia: University of Western Sydney,
Faculty of Education.
Marsh, H. W. (2006). Self-concept theory, measurement and research into practice: The role of self-
concept in educational psychology. In The 25th Vernon-Wall lecture presented at the Annual
Meeting of the Education Section of the British Psychological Society. Durham, UK: British
Psychological Society.
Marsh, H. W., Byrne, B. M., & Shavelson, R. J. (1988). A multifaceted academic self-concept: Its
hierarchical structure and its relation to academic achievement. Journal of Educational
Psychology, 80(3), 366-380.
Marsh, H. W., Dowson, M., Pietsch, J., & Walker, R. (2004). Why multicollinearity matters: A
reexamination of relations between self-efficacy, self-concept, and achievement. Journal of
Educational Psychology, 96(3), 518-522.
Marsh, H. W., & Hau, K.-T. (2007). Applications of latent-variable models in educational
psychology: The need for methodological-substantive synergies. Contemporary Educational
Marsh, H. W., Roche, L. A., Pajares, F., & Miller, D. (1997). Item-specific efficacy judgments in
mathematical problem solving: The downside of standing too close to trees in a forest.
Martin, A. J. (1998). Self-handicapping and defensive pessimism: Predictors and consequences
from a self-worth motivation perspective. Unpublished PhD thesis. University of Western
Sydney, Faculty of Education.
Mazzoni, G., Kirsch, I. (2002). Autobiographical memories and beliefs: A preliminary
metacognitive model. In T. J. Perfect & B. L. Schwartz (Eds.), Applied metacognition (pp. 121-
145). Cambridge, UK: University Press.
McClelland, D.C. (1951). Personality. New York : Henry Holt.
McClelland, D. C., Atkinson, J. W., Clark, R. A., & Lowell, E. L. (1953). The achievement motive.
New York: Appleton-Century-Crofts.
McGregor, H. A., & Elliot, A. J. (2002). Achievement goals as predictor of achievement-relevant
processes prior to task engagement. Journal of Educational Psychology, 94(2), 381-395.
Meece, J. L., Anderman, E. M., & Anderman, L. H. (2006). Classroom goal structure, student
motivation, and academic achievement. Annual Review of Psychology, 57, 487-503.
Meece, J. L., Blumenfeld, P. C., & Hoyle, R. H. (1988). Students' goal orientations and cognitive
engagement in classroom activities. Journal of Educational Psychology, 80(4), 514-523.
Meece, J. L., & Holt, K. (1993). A pattern analysis of students' achievement goals. Journal of
Metallidou, P., & Efklides, A. (2000). Metacognitive aspects of self, cognitive ability, and affect:
Their interplay and specificity. Psychology: The Journal of the Hellenic Psychological Society,
7(3), 369-385.
Metallidou, P., & Efklides, A. (2001). The effects of general success-related beliefs and specific
metacognitive experiences on causal attributions. In A. Efklides, J. Kuhl, & R.M. Sorrentino
(Eds), Trends and prospects in motivation research (pp. 325-347). Dordrecht, The Netherlands:
Kluwer.
Mevarech, Z. R., & Fridkin, S. (2006). The effects of IMPROVE on mathematical knowledge,
mathematical reasoning and meta-cognition. Metacognition and Learning, 1(1), 85-97.
Mevarech, Z. R., & Kramarski, B. (1997). IMPROVE: A multidimensional method for teaching
mathematics in heterogeneous classrooms. American Educational Research Journal, 34, 365-
394.
Mevarech, Z. R., Tabuk, A., & Sinai, O. (2006). Meta-cognitive instruction in mathematics
classroom. In A. Desoete & M. V. J. Veenman (Eds.), Metacognition in mathematics education
(pp. 73-81). New York: Nova Science.
Middleton, M., & Midgley, C. (1997). Avoiding the demonstration of lack of ability: An
unexplored aspect of goal theory. Journal of Educational Psychology, 89(4), 710-718.
Midgley, C. (Ed.). (2002). Goals, goal structures, and pattern of adaptive learning. Mahwah, NJ:
Erlbaum.
Midgley, C., Kaplan, A., Middleton, M., Maehr, M. L., Urdan, T. C., Anderman, L. H., et al.
(1998). The development and validation of scales assessing students' achievement goal
orientations. Contemporary Educational Psychology, 23, 113-131.
Miller, R. B., & Brickman, S. J. (2004). A model of future-oriented motivation and self-regulation.
Educational Psychology Review, 16(1), 9-33.
Miller, R. B., DeBacker, T. K., & Greene, B. A. (1999). Perceived instrumentality and academics:
The link to task valuing. Journal of Instructional Psychology, 26, 250-260.
Miller, R. B., Greene, B. A., Montalvo, G. P., Ravindran, B., & Nichols, J. D. (1996). Engagement
in academic work: The role of learning goals, future consequences, pleasing others, and
perceived ability. Contemporary Educational Psychology, 21, 388-422.
Miyake, A., & Shah, P. (1999). Towards unified theories of working memory: Emerging general
consensus, unresolved theoretical issues, and future research directions. In A. Miyake & P. Shah
(Eds.), Models of working memory: Mechanisms of active maintenance and executive control
(pp. 442-481). New York: Cambridge University Press.
Mongeau, P., Lafortune, L., Pallascio, R., & Allaire, R. (1998). Indice et structure de
l'autorégulation métacognitive. In L. Lafortune, P. Mongeau & R. Pallascio (Eds.),
Métacognition et compétences réflexives (pp. 245-259). Montréal: Les Editions Logiques.
Montague, M. (1992). The effects of cognitive and metacognitive strategy instruction on the
mathematical problem solving of middle school students with learning disabilities. Journal of
Learning Disabilities, 25(4), 230-248.
Montague, M. (2003). Solve it: A mathematical problem solving instructional program. Reston,
VA: Exceptional Innovations.
Montague, M. (2006). Self-regulation strategies for better math performance in middle school. In
M. Montague & A. K. Jitendra (Eds.), Teaching mathematics to middle school students with
learning disabilities (pp. 89-107). New York: Guilford.
Montague, M. (2007). Self-regulation and mathematics instruction. Learning Disabilities Research
& Practice, 22(1), 75-83.
Montague, M., & Applegate, B. (2000). Middle school students' perceptions, persistence, and
performance in mathematical problem solving. Learning Disability Quarterly, 23, 215-227.
Montague, M., & Bos, C. S. (1990). Cognitive and metacognitive characteristics of eight grade
students' mathematical problem solving. Learning and Individual Differences, 2(3), 371-388.
Montague, M., & van Garderen, D. (2003). A cross-sectional study of mathematics achievement,
estimation skills, and academic self-perception in students of varying ability. Journal of
Learning Disabilities, 36(5), 437-448.
Murphy, P. K, & Alexander, P. A. (2000). A motivated exploration of motivation terminology.
Contemporary Educational Psychology, 25(1), 3-53.
Murray, H. A. (1938). Explorations in personality: A clinical and experimental study of fifty men of
college age. New York: Oxford University Press.
Muthén, B. O. (1993). Goodness of fit with categorical and other non-normal variables. In K. A.
Bollen & J. S. Long (Eds.), Testing structural equation models (pp. 205-243). Newbury Park,
CA: Sage.
Muthén, B. O. (2001). Latent variable mixture modeling. In G. A. Marcoulides & R. E. Schumacker
(Eds.), New developments and techniques in structural equation modeling (pp. 1-33). Mahwah,
NJ: Erlbaum.
Muthén, L. K., & Muthén, B. O. (1998-2007). Mplus User's Guide. Fourth Edition. Los Angeles,
CA: Muthén & Muthén.
Nachtigall, C., Kroehne, U., Funke, F., & Steyer, R. (2003). (Why) should we use SEM? Pros and
cons of structural equation modeling. Methods of Psychological Research Online, 8(2), 1-22.
Naglieri, J. A. (1985). Matrix analogies test – short form. San Antonio, TX: Psychological
Corporation.
Naglieri, J. A. (1998). Test d’aptitude non verbale de Naglieri. Paris: Editions du Centre de
Psychologie Appliquée.
Nederhof, A. (1985). Methods of coping with social desirability bias: A review. European Journal
of Social Psychology, 15, 263-280.
Nelson, T. O. (1996). Consciousness and metacognition. American Psychologist, 51 (2), 102-116.
Nelson, T. O., Kruglanski, A. W., & Jost, J. T. (1998). Knowing thyself and others: Progress in
metacognitive social psychology. In V. Y. Yzerbyt, G. Lories, & B. Dardenne (Eds.),
Metacognition: Cognitive and social dimensions (pp. 69-89). London: Sage.
Nelson, T. O., & Narens, L. (1990). Metamemory: A theoretical framework and new findings. In G.
H. Bower (Ed.), The psychology of learning and motivation (Vol. 26, pp. 125-173). New York:
Academic Press.
Nelson, T. O., & Narens, L. (1994). Why investigate metacognition? In J. Metcalfe & A. P.
Shimamura (Eds.), Metacognition: Knowing about knowing (pp. 1-25). Cambridge, MA: MIT
Press.
Nicholls, J. G. (1984a). Achievement motivation: Conceptions of ability, subjective experience,
task choice, and performance. Psychological Review, 91(3), 328-346.
Nicholls, J. G. (1984b). Conceptions of ability and achievement motivation. In R. Ames & C. Ames
(Eds.), Research on motivation in education: Vol. 1. Student motivation (pp. 39-73). Orlando,
FL: Academic Press.
Nicholls, J. G. (1989). The competitive ethos and democratic education. Cambridge, MA: Harvard
University Press.
Nicholls, J. G. (1992). Students as educational theorists. In D. H. Schunk & J. L. Meece (Eds.),
Student perceptions in the classroom (pp. 267-286). Hillsdale, NJ: Erlbaum.
Nicholls, J. G., Cheung, P. C., Lauer, J., & Pataschnick, M. (1989). Individual differences in
academic motivation: Perceived ability, goals, beliefs, and values. Learning and Individual
Differences, 1(1), 63-84.
Nicholls, J. G., Pataschnick, M., & Nolen, S. B. (1985). Adolescent's theories of education. Journal
of Educational Psychology, 77(6), 683-692.
Niemivirta, M. (2002). Individual differences and developmental trends in motivation: Integrating
person-centered and variable-centered methods. In P. R. Pintrich & M. L. Maehr (Eds.).
Advances in Motivation and Achievement (Vol. 12, pp. 241-275). Amsterdam: JAI Press.
Nisbett, R. E., & Wilson, T. (1977). Telling more than we can know: Verbal reports on mental
processes. Psychological Review, 84(3), 231-259.
Nolen, S. B. (1988). Reasons for studying: Motivational orientations and study strategies. Cognition
and Instruction, 5(4), 269-287.
Nuttin, J. (1980). Motivation et perspectives d’avenir. Louvain, Belgique: Presses Universitaires de

Louvain.
Nylund, K. L., Asparouhov, T., & Muthén, B. O. (2007). Deciding on the number of classes in
latent class analysis and growth mixture modeling: A monte carlo simulation study. Structural
Equation Modeling, 14(4), 535-569.
OECD (2003). Test PISA : questionnaire aux élèves. Retrieved from
http://www.pisa.admin.ch/bfs/pisa/fr/index/05/02/02.Document.90720.pdf
Office Fédéral de la Formation et de la Technologie (OFFT). (2006). La formation professionnelle
en Suisse en 2006. Faits et données chiffrées. Berne : OFFT.
Office Fédéral de la Formation et de la Technologie (OFFT). (2007). Recherches sur la formation
professionnelle en Suisse. Le programme d’encouragement de l’OFFT. Berne : OFFT.
Op’t Eynde, P., De Corte, E., & Verschaffel, L. (2006). Beliefs and metacognition: An analysis of
junior-high students’ mathematics-related beliefs. In A. Desoete & M. V. J. Veenman (Eds.),
Metacognition in mathematics education (pp. 83-101). New York: Nova Science.
Pajares, F. (1996). Self-efficacy beliefs and mathematical problem-solving of gifted students.
Pajares, F., & Graham, L. (1999). Self-efficacy, motivation constructs, and mathematics
performance of entering middle school students. Contemporary Educational Psychology, 24,
124-139.
Pajares, F., & Miller, M. D. (1994). Role of self-efficacy and self-concept beliefs in mathematical
problem solving: A path analysis. Journal of Educational Psychology, 86(2), 193-203.
Pajares, F., & Miller, M. D. (1997). Mathematics self-efficacy and mathematical problem solving:
Implications of using different forms of assessment. Journal of Experimental Education, 65(3),
213-228.
Pajares, F., & Schunk, D. H. (2001). Self-beliefs and school success: Self-efficacy, self-concept,
and school achievement. In R. Riding & S. Rayner (Eds.), Perception (pp. 239-266). London:
Ablex Publishing.
Palincsar, A. S., & Brown, A. L. (1984). Reciprocal teaching of comprehension-fostering and
comprehension-monitoring activities. Cognition and Instruction, 1(2), 117-175.
Panter, A. T., Swygert, K. A., Dahlstrom, W. G., & Tanaka, J. S. (1997). Factor analytic approaches
to personality item-level data. Journal of Personality Assessment, 68(3), 561-589.
Paris, S. G. (2002). When is metacognition helpful, debilitating, or benign? In P. Chambres, M.
Izaute, & P.-J. Marescaux (Eds.), Metacognition: Process, function and use (pp. 105-120).
Boston, MA: Kluwer.
Paris, S. G., & Oka, E. R. (1986). Children's reading strategies, metacognition, and motivation.
Developmental Review, 6, 25-56.
Paris, S.G., & Winograd, P. (1990). How metacognition can promote academic learning and
instruction. In B.F. Jones & L. Idol (Eds.), Dimensions of thinking and cognitive instruction (pp.
15-51). Hillsdale, NJ: Erlbaum.
Pastor, D. A., Barron, K. E., Miller, B. J., & Davis, S. L. (2007). A latent profile analysis of college
students' achievement goal orientation. Contemporary Educational Psychology, 32(1), 8-47.
Paulhus, D. L. (1984). Two-component models of socially desirable responding. Journal of
Personality and Social Psychology, 46, 598-609.
Paulhus, D. L. (2002). Socially desirable responding: The evolution of a construct. In H. I. Braun,
D. N. Jackson, & D. E. Wiley (Eds.), The role of constructs in psychological and educational
measurement (pp. 49-69). Mahwah, NJ: Erlbaum.
Pekrun, R. (2006). The control-value theory of achievement emotions: Assumptions, corollaries,

and implications for educational research and practice. Educational Psychology Review, 18,
315-341.
Pekrun, R., Elliot, A. J., & Maier, M. A. (2006). Achievement goals and discrete achievement
emotions: A theoretical model and prospective test. Journal of Educational Psychology, 98,
583-597.
Pekrun, R., Goetz, E. T., & Perry, R. P. (2005). Achievement emotions questionnaire (AEQ). User's
manual. Munich, Germany: University of Munich.
Pelgrims, G. (2006). Intention d'apprendre, peur de l'échec et persévérance des élèves en classes
spécialisées: des composantes générales aux dimensions situationnelles de la motivation à
apprendre. Thèse de doctorat [non publiée] soutenue à l’Université de Genève, Faculté de
Piaget, J. (1974). La prise de conscience. Paris: Presses Universitaires de France.
Piaget, J. (1977). Recherches sur l'abstraction réfléchissante. L'abstraction des relations logico-
arithmétiques. In J. Piaget (Ed.), L'abstraction réfléchissante. Paris : Presses Universitaires de
France.
Pietsch, J., Walker, R., & Chapman, E. (2003). The relationship among self-concept, self-efficacy,
and performance in mathematics during secondary school. Journal of Educational Psychology,
95(3), 589-603.
Pintrich, P. R. (1989). The dynamic interplay of student motivation and cognition in the college
classroom. In C. Ames & M. L. Maehr (Eds.), Advances in motivation and achievement: Vol. 6.
Motivation-enhancing environments (pp. 117-160). Greenwich, CT: JAI Press.
Pintrich, P. R. (1999). The role of motivation in promoting and sustaining self-regulated learning.
International Journal of Educational Research, 31, 459-470.
Pintrich, P. R. (2000a). An achievement goal theory perspective on issue in motivation terminology,
theory, and research. Contemporary Educational Psychology, 25, 92-104.
Pintrich, P. R. (2000b). The role of goal orientation in self-regulated learning. In M. Boekaerts, P.
R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 451-502). San Diego, CA:
Academic Press.
Pintrich, P. R. (2002). The role of metacognitive knowledge in learning, teaching, and assessing.
Theory into Practice, 41(4), 219-225.
Pintrich, P. R. (2003). A motivational science perspective on the role of student motivation in
learning and teaching contexts. Journal of Educational Psychology, 95, 667-686.
Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning
in college students. Educational Psychology Review, 16(4), 385-407.
Pintrich, P. R., Conley, A. M., & Kempler, T. M. (2003). Current issues in achievement goal theory
and research. International Journal of Educational Research, 39, 319-337.
Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning components of
classroom academic performance. Journal of Educational Psychology, 82(1), 33-40.
Pintrich, P. R., & Garcia, T. (1991). Student goal orientation and self-regulation in the college
classroom. In M. L. Maehr & P. R. Pintrich (Eds.), Advances in motivation and achievement
(Vol. 7, pp. 371-402). Greenwich, CT: JAI.
Pintrich, P. R., & Garcia, T. (1994). Self-regulated learning in college students: Knowledge,
strategies, and motivation. In P. R. Pintrich, D. R. Brown, & C. E. Weinstein (Eds.), Student
motivation, cognition, and learning. Essays in honor of Wilbert J. McKeachie (pp. 113-133).
Hillsdale, NJ: Erlbaum.
Pintrich, P. R., Marx, R. W., & Boyle, R. A. (1993). Beyond cold conceptual change: The role of
motivational beliefs and classroom contextual factors in the process of conceptual change.
Review of Educational Research, 63(2), 167-199.
Pintrich, P. R., & Schrauben, B. (1992). Students' motivational beliefs and their cognitive
engagement in classroom academic tasks. In D. H. Schunk & J. L. Meece (Eds.), Student
perceptions in the classroom (pp. 149-183). Hillsdale, NJ: Erlbaum.
Pintrich, P. R., & Schunk, D. H. (2002). Motivation in education. Theory, research, and
applications (2nd ed.). Englewood Cliffs, NJ: Prentice Hall Merrill.
Pintrich, P. R., Smith, D. A. F., Garcia, T., & McKeachie, W. J. (1991). A manual for the use of the
Motivated Strategy for Learning Questionnaire (MSLQ). University of Michigan: NCRIPTAL.
Pintrich, P. R., Wolters, C. A., & Baxter, G. P. (2000). Assessing metacognition and self-regulated
learning. In G. Schraw & J. C. Impara (Eds.), Issues in the measurement of metacognition (pp.
43-97). Lincoln, NE: Buros Institute.
Pintrich, P. R., & Zusho, A. (2002). The development of academic self-regulation: The role of
cognitive and motivational factors. In A. Wigfield & J. S. Eccles (Eds.), Development of
achievement motivation (pp. 249-284). San Diego, CA: Academic Press.
Polya, G. (1957). How to solve it? (2nd ed.). Princeton, NJ: Princeton University Press.
Praplan, T. (2007). Les liens entre différentes composantes de la motivation et le comportement
stratégique des élèves en formations professionnelles de deux ans. Mémoire de licence [non
publié] soutenu à l’Université de Genève, Faculté de Psychologie et des Sciences de
l’Education.
Pressley, M., Borkowski, J. G., & Schneider, W. (1987). Cognitive strategies: Good strategy users
coordinate metacognition and knowledge. In R. Vasta & G. Whitehurst (Eds.), Annals of child
development (Vol. 5, pp. 89-129). Greenwich, CT: JAI Press.
Pressley, M., & Gaskins, I. W. (2006). Metacognitively competent reading comprehension is
constructively responsive reading: How can such reading be developed in students?
Metacognition and Learning, 1(1), 99-113.
Pressley, M., Johnson, C. J., & Symons, S. (1987). Elaborating to learn and learning to elaborate.
Journal of Learning Disabilities, 20, 76-91.
Rastoldo, F., Evrard, A., & Amos, J. (2007). Les jeunes en formation professionnelle. Rapport I :
entrée en formation professionnelle et parcours de formation des diplômés. Genève : Service de
la Recherche en Education.
Raynor, J. O. (1969). Future orientation and motivation of immediate activity: An elaboration of the
theory of achievement motivation. Psychological Review, 76(6), 606-610.
Reder, L. M. (1996). Different research programs on metacognition: Are the boundaries imaginary?
Learning and Individual Differences, 8(4), 383-390.
Reid, M. K., & Borkowski, J. G. (1987). Causal attributions of hyperactive children: Implications
for teaching strategies and self-control. Journal of Educational Psychology, 79(3), 296-307.
Rheinberg, F., Wollmeyer, R., & Rollett, W. (2000). Motivation and action in self-regulated
learning. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp.
503-529). San Diego, CA: Academic Press.
Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic
motivation, social development, and well-being. American Psychologist, 55(1), 68-78.
Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural
equation models: Test of significance and descriptive goodness-of-fit measures. Methods of
Psychological Research Online, 8(2), 23-74.
Schiefele, U. (1991). Interest, learning, and motivation. Educational Psychologist, 26(3-4), 299-
323.
Schiefele, U. (2001). The role of interest in motivation and learning. In J. M. Collis & S. Messick
(Eds.), Intelligence and personality. Bridging the gap in theory and measurement (pp. 163-193).
Mahwah, NJ: Erlbaum.
Schneider, W., & Lockl, C. (2002). The development of metacognitive knowledge in children and
adolescents. In T. J. Perfect & B. L. Schwartz (Eds.), Applied metacognition (pp. 224-257).
Cambridge, UK: University Press.
Schoenfeld, A. H. (1983a). Beyond the purely cognitive: Belief systems, social cognitions, and
metacognitions as driving forces in intellectual performance. Cognitive Science, 7, 329-363.
Schoenfeld, A. H. (1983b). Episodes and executive decisions in mathematical problem-solving. In
R. Lesh & M. Landau (Eds.), Acquisition of mathematics concepts and processes (pp. 345-395).
New York: Academic Press.
Schoenfeld, A. H. (1985). Mathematical problem solving. San Diego, CA: Academic Press.
Schoenfeld, A. H. (1987). What's all the fuss about metacognition? In A. H. Schoenfeld (Ed.),
Cognitive science and mathematics education (pp. 189-215). Hillsdale, NJ: Lawrence Erlbaum.
Schoenfeld, A. H. (1988). When good teaching leads to bad results: The disaster of "well-taught"
mathematics courses. Educational Psychologist, 23(2), 145-166.
Schoenfeld, A. H. (1989). Explorations of students' mathematical beliefs and behavior. Journal for
Research in Mathematics Education, 20(4), 338-355.
Schoenfeld, A. H. (1992). Learning to think mathematically: Problem solving, metacognition, and
sense making in mathematics. In D. A. Grouws (Ed.), Handbook of research on mathematics
teaching and learning: A project of the National Council of Teachers of Mathematics (pp. 334-
370). New York: MacMillan.
Schoenfeld, A. H., & Herrmann, D. J. (1982). Problem solving and knowledge structure in expert
and novice mathematical problem solvers. Journal of Experimental Psychology: Learning,
Memory, and Cognition, 8, 484-494.
Schooler, J. W. (2002). Re-representing consciousness: Dissociations between experience and meta-
consciousness. Trends in Cognitive Sciences, 6(8), 339-344.
Schooler, J. W., & Schreiber, C. A. (2005). To know or not to know: Consciousness, meta-
consciousness, and motivation. In J. P. Forgas, K. D. Williams, & S. M. Laham (Eds.), Social
motivation: Conscious and unconscious processes (pp. 351-372). New York: Cambridge
University Press.
Schraw, G. (1998). Promoting general metacognitive awareness. Instructional Science, 26, 113-125.
Schraw, G. (2000). Assessing metacognition: Implications of the Buros symposium. In G. Schraw
& J. C. Impara (Eds.), Issues in the measurement of metacognition (pp. 297-321). Lincoln, NE:
Buros Institute.
Schraw, G., & Dennison, R. S. (1994). Assessing metacognitive awareness. Contemporary
Educational Psychology, 19, 460-475.
Schraw, G., Dunkle, M. E., Bendixen, L. D., & DeBaker Roedel, T. (1995). Does a general
monitoring skill exist? Journal of Educational Psychology, 87(3), 433-444.
Schraw, G., Horn, C., Thorndike-Christ, T., & Bruning, R. (1995). Academic goal orientations and
student classroom achievement. Contemporary Educational Psychology, 20, 359-368.
Schraw, G., & Moshman, D. (1995). Metacognitive theories. Educational Psychological Review, 7,
351-371.
Schraw, G., & Nietfeld, J. (1998). A further test of the general monitoring skill hypothesis. Journal
of Educational Psychology, 90(2), 236-248.
Schraw, G., & Roedel, T. D. (1994). Test difficulty and judgment bias. Memory & Cognition, 22,
63-69.
Schraw, G., Wise, S. L., & Roos, L. L. (2000). Metacognition and computer-based testing. In G.
Schraw & J. C. Impara (Eds.), Issues in the measurement of metacognition (pp. 223-260).
Lincoln, NE: Buros Institute.
Schultheiss, O. C., & Brunstein, J. C. (2005). An implicit motives perspective on competence. In A.
J. Elliot & C. S. Dweck (Eds.), Handbook of competence and achievement motivation (pp. 31-
51). New York: Guilford.
Schunk, D. H. (1981). Modeling and attributional effects on children's achievement: A self-efficacy
analysis. Journal of Educational Psychology, 73(1), 93-105.
Schunk, D. H. (1982). Verbal self-regulation as a facilitator of children’s achievement and self-
efficacy. Human Learning, 1, 265-277.
Schunk, D. H. (1984). Self-efficacy perspective on achievement behavior. Educational
Psychologist, 19, 48-58.
Schunk, D. H. (1989). Self-efficacy and cognitive skill learning. In C. Ames & R. Ames (Eds.),
Research on motivation in education: Vol. 3. Goals and cognitions (pp. 13-44). San Diego, CA:
Academic Press.
Schunk, D. H. (1991). Self-efficacy and academic motivation. Educational Psychologist, 26, 207-
231.
Schunk, D. H., & Cox, P. D. (1986). Strategy training and attributional feedback with learning
disabled students. Journal of Educational Psychology, 78(3), 201-209.
Schunk, D. H., Hanson, A. R., & Cox, P. D. (1987). Peer-model attributes and children’s
achievement behavior. Journal of Educational Psychology, 79(1), 54-61.
Schunk, D. H., & Pajares, F. (2002). The development of academic self-efficacy. In A. Wigfield &
J. S. Eccles (Eds.), Development of achievement motivation (pp. 15-31). San Diego, CA:
Academic Press.
Schunk, D. H., & Pajares, F. (2005). Competence perceptions and academic functioning. In A. J.
Elliot & C. S. Dweck (Eds.), Handbook of competence and achievement motivation (pp. 85-
104). New York: Guilford.
Schunk, D. H., & Rice, J. M. (1984). Strategy self-verbalization during remedial listening
comprehension instruction. Journal of Experimental Education, 53(1), 49-54.
Schunk, D. H., & Rice, J. M. (1985). Verbalization of comprehension strategies: Effects on
children’s achievement outcomes. Human Learning, 4, 1-10.
Schwartz, B. L., & Perfect, T. J., (2002). Introduction: Toward an applied metacognition. In T. J.
Perfect & B. L. Schwartz (Eds.), Applied metacognition (pp. 1-11). Cambridge, UK: University
Press.
Schwarz, N. (1999). Self-reports: How the questions shape the answers. American Psychologist,
54(2), 93-105.
Seegers, G., & Boekaerts, M. (1993). Task motivation and mathematics achievement in actual task
situations. Learning and Instruction, 3, 133-150.
Senko, C., & Harackiewicz, J. M. (2005). Regulation of achievement goals: The role of competence
feedback. Journal of Educational Psychology, 97(3), 320-336.
Shavelson, R. J., Hubner, J. J., & Stanton, G. C. (1976). Self-concept: Validation of construct
interpretations. Review of Educational Research, 46(3), 407-441.
Silvia, P. J. (2006). Exploring the psychology of interest. New York: Oxford University Press.
Simmons, P. R. J. (1996). Metacognition. In E. De Corte & F. E. Weinert (Eds.), International
encyclopedia of developmental and instructional psychology (pp. 436-441). Oxford, UK:
Elsevier.
Simons, J., Dewitte, S., & Lens, W. (2004). The role of different types of instrumentality in
motivation, study strategies, and performance: Know why you learn, so you'll know what you
learn! British Journal of Educational Psychology, 74, 343-360.
Simons, J., Vansteenkiste, M., Lens, W., & Lacante, M. (2004). Placing motivation and future time
perspective theory in a temporal perspective. Educational Psychology Review, 16(2), 121-139.
Skaalvik, E. M. (1997). Self-enhancing and self-defeating ego orientation: Relations with task and
avoidance orientation, achievement, self-perceptions, and anxiety. Journal of Educational
Skaalvik, E. M., & Bong, M. (2003). Self-concept and self-efficacy revisited: A few notable
differences and important similarities. In H. W. Marsh, R. G. Craven, & D. M. McInerney
(Eds.), International advances in self research (pp. 67-89). Greenwich, CT: Information Age
Publishing.
Skinner, E. A. (1996). A guide to constructs of control. Journal of Personality and Social
Psychology, 71(3), 549-570.
Slife, B. D., Weiss, J., & Bell, T. (1985). Separability of metacognition and cognition: Problem
solving in learning disabled and regular students. Journal of Educational Psychology, 77(4),
437-445.
Snow, R. E., Corno, L., & Jackson III, D. (1996). Individual differences in affective and conative
functions. In D. C. Berliner & R. C. Calfee (Eds.), Handbook of educational psychology (pp.
243-310). New York: Macmillan.
Son, L. K., & Metcalfe, J. (2000). Metacognitive and control strategies in study-time allocation.
Journal of Experimental Psychology: Learning, Memory, and Cognition, 26, 204-221.
Son, L. K., & Schwartz, B. L. (2002). The relation between metacognitive monitoring and control.
In T. J. Perfect & B. L. Schwartz (Eds.), Applied metacognition (pp. 15-38). Cambridge, UK:
University Press.
Sperling, R. A., Howard, B. C., Miller, L. A., & Murphy, C. (2002). Measures of children's
knowledge and regulation of cognition. Contemporary Educational Psychology, 27, 51-79.
Sperling, R. A., Howard, B. C., Staley, R., & DuBois, N. (2004). Metacognition and self-regulated
learning constructs. Educational Research and Evaluation, 10(2), 117-139.
Stalder, B. E. (2005). Das intellektuelle Anforderungsniveau von 105 Berufslehren. Internes
Arbeitspapier, Bern: TREE.
Sternberg, R. J. (1979). The nature of mental abilities. American Psychologist, 34(3), 214-230.
Sternberg, R. J. (1985). Beyond IQ: A triarchic theory of human intelligence. New York:
Cambridge University Press.
Sternberg, R. J. (1998). Metacognition, abilities, and developing expertise: What mades an expert
student? Instructional Science, 26, 127-140.
Stevens, J. (1992). Applied multivariate statistics for the social sciences (2nd ed.). Hillsdale, NJ:
Erlbaum.
Stipek, D. J., & Gralinski, J. H. (1996). Children's beliefs about intelligence and school
performance. Journal of Educational Psychology, 88(3), 397-407.
Swanson, H. L. (1990). Influence of metacognitive knowledge and aptitude on problem solving.
Journal of Educational Psychology, 82(2), 306-314.
Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Boston, MA:
Allyn & Bacon.
Tanaka, K. (2007). Relations between general goal orientations and task-specific self-appraisals.
Japanese Psychological Research, 49(4), 235-247.
Tarski, A. (1956). The concept of truth in formalized languages. In A. Tarski (Ed.), Logic, semantic,
metamathematics (pp. 152-178). Oxford, England: Clarendon Press.
Thorkildsen, T. A., & Nicholls, J. G. (1998). Fifth graders' achievement orientations and beliefs:
Individual and classroom differences. Journal of Educational Psychology, 90(2), 179-201.
Thrash, T. M., & Elliot, A. J. (2001). Delimiting and integrating achievement motive and goal
constructs. In A. Efklides, J. Kuhl, & R.M. Sorrentino (Eds), Trends and prospects in
motivation research (pp. 3-21). Dordrecht, The Netherlands: Kluwer.
Tobias, S. (1994). Interest, prior knowledge, and learning. Review of Educational Research, 64(1),
37-54.
Tobias, S. (1995). Interest and metacognitive word knowledge. Journal of Educational Psychology,
87(3), 399-405.
Tobias, S., & Everson, H. T. (1997). Studying the relationship between affective and metacognitive
variables. Anxiety, Stress, and Coping, 10(1), 59-81.
Tobias, S., & Everson, H. T. (2000). Assessing metacognitive knowledge monitoring. In G. Schraw
& J. C. Impara (Eds.), Issues in the measurement of metacognition (pp. 147-222). Lincoln, NE:
Buros Institute.
Tourangeau, R., Rips, L. J., & Rasinski, K. A. (2000). The psychology of survey response. New
York: Cambridge University Press.
Turner, J. C., Midgley, C., Meyer, D. K., Gheen, M., Anderman, E. M., Kang, Y., et al. (2002). The
classroom environment and students' reports of avoidance strategies in mathematics: A
multimethod study. Journal of Educational Psychology, 94(1), 88-106.
Van der Stoep, S. W., Pintrich, P. R., & Fagerlin, A. (1996). Disciplinary differences in self-
regulated learning in college students. Contemporary Educational Psychology, 21, 345-362.
Van Haneghan, J. P., & Baker, L. (1989). Cognitive monitoring in mathematics. In C. B.
McCornick, G. E. Miller, & M. Pressley (Eds.), Cognitive strategy research. From basic
research to educational applications (pp. 215-239). New-York: Springer-Verlag.
Van Luit, J. E. H., & Kroesbergen, E. H. (2006). Teaching metacognitive skills to students with
mathematical disabilities. In A. Desoete & M. V. J. Veenman (Eds.), Metacognition in
mathematics education (pp. 177-190). New York: Nova Science.
Veenman, M. V. J. (2005). The assessment of metacognitive skills: What can be learned from
multi-method designs? In C. Artlet & B. Moschner (Eds.), Lernstrategien und metakognition:
Implikationen für forschung und praxis (pp. 77-99). Berlin: Waxmann.
Veenman, M. V. J. (2006). The role of intellectual and metacognitive skills in math problem
solving. In A. Desoete & M. V. J. Veenman (Eds.), Metacognition in mathematics education
(pp. 35-50). New York: Nova Science.
Veenman, M. V. J., & Beishuizen, J. J. (2004). Intellectual and metacognitive skills of novices
while studying texts under conditions of text difficulty and time constraint. Learning and
Instruction, 14, 621-640.
Veenman, M. V. J., Elshout, J. J., & Meijer, J. (1997). The generality vs domain-specificity of
metacognitive skills in novice learning across domains. Learning and Instruction, 7(2), 187-
209.
Veenman, M., Kerseboom, L., & Imthorn, C. (2000). Test anxiety and metacognitive skillfulness:
Availability versus production deficiencies. Anxiety, Stress, and Coping, 13, 391-412.
Veenman, M. V. J., Kok, R., & Blöte, A. W. (2005). The relationship between intellectual and
metacognitive skills in early adolescence. Instructional Science, 33, 193-211.
Veenman, M. V. J., Van Hout-Wolters, B. H. A. M., & Afflerbach, P. (2006). Metacognition and
learning: Conceptual and methodological considerations. Metacognition and Learning, 1(1), 3-
14.
Veenman, M. V. J., Wilhelm, P., & Beishuizen, J. J. (2004). The relation between intellectual and
metacognitive skills from a developmental perspective. Learning and Instruction, 14, 89-109.
Volet, S. E. (2001). Emerging trends in recent research on motivation in learning contexts. In S. E.

Volet & S. Järvelä (Eds.), Motivation in contexts: Theoretical advances and methodological
implications (pp. 319-334). Amsterdam: Pergamon/Elsevier.
Weiner, B. (1979). A theory of motivation for some classroom experiences. Journal of Educational
Weiner, B. (1985). An attributional theory of achievement motivation and emotion. Psychological
Review, 92(4), 548-573.
Weiner, B. (1986). An attributional theory of motivation and emotion. New-York: Springer-Verlag.
Weinert, F. E. (1987). Introduction and overview: Metacognition and motivation as determinants of
effective learning and understanding. In F. E. Weinert & R. H. Kluwe (Eds.), Metacognition,
motivation, and understanding (pp. 1-16). Hillsdale, NJ: Erlbaum.
Weinstein, C. E., Husman, J., & Dierking, D. R. (2000). Self-regulation interventions with a focus
on learning strategies. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-
regulation (pp. 727-747). San Diego, CA: Academic Press.
Weinstein, C. E., & Mayer, R. E. (1986). The teaching of learning strategies. In M. C. Wittrock
(Ed.), Handbook of research on teaching (3rd ed., pp. 315-327). New York: Macmillan.
Wentzel, K. R. (2000). What is it I’m trying to achieve? Classroom goals from a content
perspective. Contemporary Educational Psychology, 25, 105-115.
Whitebread, D., Coltman, P., Anderson, H., Mehta, S., & Pino-Pasternak, D. (2005, August).
Metacognition in young children: Evidence from a naturalistic study of 3-5 year olds. Paper
presented at the Conference of the European Association for Research on Learning and
Instruction. Nicosia, Cyprus.
Wigfield, A., & Eccles, J. S. (2002). The development of competence beliefs, expectancies for
success, and achievement values from childhood through adolescence. In A. Wigfield & J. S.
Eccles (Eds.), Development of achievement motivation (pp. 91-120). San Diego, CA: Academic
Press.
Winne, P. H. (1996). A metacognitive view of individual differences in self-regulated learning.
Learning and Individual Differences, 8(4), 327-353.
Winne, P. H., & Jamieson-Noel, D. (2002). Exploring students' calibration of self reports about
study tactics and achievement. Contemporary Educational Psychology, 27, 551-572.
Winne, P. H., Jamieson-Noel, D., & Muis, K. R. (2002). Methodological issues and advances in
researching tactics, strategies, and self-regulated learning. In P. R. Pintrich & M. L. Maehr
(Eds.), Advances in Motivation and Achievement: Vol. 12. New directions in measures and
methods (pp. 121-155). Amsterdam: JAI.
Winne, P. H., & Perry, N. E. (2000). Measuring self-regulated learning. In M. Boekaerts, P. R.
Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 531-566). San Diego, CA:
Academic Press.
Wolters, C. A. (2003). Regulation of motivation: Evaluating an underemphasized aspect of self-
regulated learning. Educational Psychologist, 38(4), 189-205.
Wolters, C. A., Yu, S. L., & Pintrich, P. R. (1996). The relation between goal orientation and
student's motivational beliefs and self-regulated learning. Learning and Individual Differences,
8(3), 211-238.
Zajonc, R. B. (1980). Feeling and thinking: Preferences need no inferences. American Psychologist,
35(2), 151-175.
Zajonc, R. B. (1998). Emotion. In Gilbert, D., Fiske, S., & Lindzey, G. (Eds.), The Handbook of
social psychology (4th ed., pp. 591-632). New York: McGraw-Hill.
Zimmerman, B. J. (1989). A social cognitive view of self-regulated academic learning. Journal of
Zimmerman, B. J. (2000). Attaining self-regulation. A social cognitive perspective. In M.

Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13-39). San
Diego, CA: Academic Press.
Zimmerman, B. J., Bandura, A., & Martinez Pons, M. (1992). Self-motivation for academic
attainment: The role of self-efficacy beliefs and personal goal setting. American Educational
Research Journal, 29(3), 663-676.
Zimmerman, B. J., & Kitsantas, A. (1997). Developmental phases in self-regulation: Shifting from
process goals to outcome goals. Journal of Educational Psychology, 89(1), 29-36.
Zimmerman, B. J., & Schunk, D. H. (2004). Self-regulating intellectual processes and outcomes: A
social cognitive perspective. In D. Y. Dai & R. J. Sternberg (Eds.), Motivation, emotion, and
cognition. Integrative perspectives on intellectual functioning and development (pp. 323-349).
Mahwah, NJ: Erlbaum.
13. Annexes
Liste des annexes
Annexe 1 : Problème « La Citerne » (étude 1) 2
Annexe 2 : Problème « Le réservoir d’essence » (étude 1) 9
Annexe 3 : Problème « Le réservoir d’essence » (étude 2) 16
Annexe 4 : Problème « La Guitare » (étude 2) 23
Annexe 5 : Codage de la performance aux problèmes mathématiques 30
Annexe 6 : Echelle d’engagement adressée aux enseignants (étude 2) 31
Annexe 7 : Développement de la version courte du NNAT forme G (étude 2) 32

Annexe 1 : Problème « La Citerne » (étude 1) page 2
NOM : PRÉNOM :
Donnez toujours une seule réponse par ligne s’il vous plaît
Problème 1 : La Citerne
Dans une citerne d’une capacité de 15 HL (1 HL=100 L), qui contient déjà 7 HL
d’eau, ont été versés encore 270 L. Combien de litres peut-on encore verser pour
remplir la citerne ?
AVANT LA RESOLUTION
1. Nous avons déjà fait ce type d’exercices en classe.
Oui, tout à fait Plutôt oui Plutôt non Non, pas du tout

2. Cet exercice est plus difficile que ce que nous faisons d’habitude.

3. D’habitude je réussis bien ce genre d’exercices.

4. J’aime résoudre ce type de problèmes.

5. Je me sens capable de le résoudre correctement.

6. L’exercice m’intéresse.

7. Je trouve l’exercice difficile.

8. Ce type d’exercices m’est familier.

9. Pour ma formation, il est important de savoir résoudre ce type d’exercices.

10. Je fais rarement ce genre d’exercices.

11. Je vais rater cet exercice.

12. La consigne est facile à comprendre.

13. Choisissez la phrase qui correspond le mieux au problème.

Une citerne contient 15 HL d’eau et on a ajouté 7 L et puis encore 270 HL.
Une citerne peut contenir 15 HL d’eau, on y a versé 270 L.
Une citerne contient 7 HL d’eau, on a versé encore 270 L et en tout elle peut contenir 15
HL.
Pour remplir une citerne qui contient déjà 7 HL, il est nécessaire de verser encore
plusieurs HL d’eau.
14. Cochez, parmi les schémas suivants, celui qui représente le mieux le problème.
15 HL
7 HL
7 HL
15 HL
270 L 15 HL
7 HL
7 HL
270 L
15. Trouvez parmi les 5 étapes proposées ci-dessous les 3 étapes nécessaires pour
résoudre le problème et mettez les ensuite dans le bon ordre (notez les lettres à côté
des étapes numérotées).
A. Transformer la réponse en hectolitres.

B. Trouver combien de litres ont déjà été versés en tout.
C. Transformer les hectolitres en décilitres.
D. Transformer les hectolitres en litres.
E. Trouver combien de litres peut encore contenir la citerne.
Etape 1 : ………
Etape 2 : ………
Etape 3 : ………
16. Indiquez si vous pensez que l’ordre des étapes que vous donnez (=votre plan) est
juste.
Je suis sûr que mon Je pense que mon Je pense que mon Je suis sûr que mon
plan est juste plan est juste plan est faux plan est faux

Résolvez le problème. Inscrivez clairement tous vos calculs et la réponse s’il vous plaît.
NOM : PRÉNOM :
APRES LA RESOLUTION
17. Indiquez si vous pensez que les calculs que vous avez faits sont justes (même si ce ne
sont pas les calculs que vous deviez faire).
Je suis sûr d’avoir Je pense avoir fait Je pense avoir fait Je suis sûr d’avoir
fait juste juste faux fait faux

18. Indiquez si vous pensez que votre réponse est juste.

Je suis sûr que ma Je pense que ma Je pense que ma Je suis sûr que ma
réponse est juste réponse est juste réponse est fausse réponse est fausse

19. Pendant la résolution, j’ai vérifié au fur et à mesure que mes calculs étaient exacts.
Oui, tout à fait Plutôt oui Plutôt non Non, Pas du tout

20. J’ai vérifié au fur et à mesure que je faisais bien ce qui était demandé.

21. J’ai vérifié ma réponse finale.


22. Je suis satisfait de ma résolution.


23. J’ai travaillé jusqu’à ce que je trouve la réponse.


24. J’ai fait beaucoup d’efforts pour résoudre ce problème.


25. Pensez-vous avoir bien réussi ou mal réussi ce problème ?

J’ai bien réussi J’ai mal réussi

Si vous pensez avoir bien réussi ce problème, répondez à la question 26.

Si vous pensez avoir mal réussi ce problème, répondez à la question 27.
Mais ne répondez pas aux deux questions.
26. J’ai bien réussi ce problème Oui, tout Plutôt Plutôt Non, pas
parce que… à fait oui non du tout
Je me suis donné de la peine
J’ai utilisé de bonnes stratégies
Je suis de toutes façons fort dans ce

genre d’exercices
J’ai eu de la chance
Je savais comment m’y prendre
L’exercice était facile
27. J’ai mal réussi ce problème parce Oui, tout Plutôt Plutôt Non, pas
que… à fait oui non du tout
Je ne me suis pas donné de peine
J’ai utilisé de mauvaises stratégies
Je suis de toutes façons mauvais dans

ce genre d’exercices
Je n’ai pas eu de chance
Je ne savais pas comment m’y prendre
L’exercice était trop difficile
MERCI BEAUCOUP POUR VOS REPONSES !

Annexe 2 : Problème « Le réservoir d’essence » (étude 1) Page 9
NOM : PRÉNOM :
Problème 2 : Le réservoir d’essence

Avant de se mettre en route, un automobiliste constate que son réservoir d’essence est
rempli aux 75%. A son retour, la jauge indique que le réservoir est rempli aux 25%.
Sachant que la voiture consomme 12 litres d’essence aux 100 km et que le compteur
kilométrique marquait 12 476 km au départ et 12 726 km au retour, trouvez la capacité
totale du réservoir.
AVANT LA RESOLUTION
1. Nous avons déjà fait ce type d’exercices en classe.

2. Cet exercice est plus difficile que ce que nous faisons d’habitude.

3. D’habitude je réussis bien ce genre d’exercices.

4. J’aime résoudre ce type de problèmes.

5. Je me sens capable de le résoudre correctement.

6. L’exercice m’intéresse.

7. Je trouve l’exercice difficile.

8. Ce type d’exercices m’est familier.

9. Pour ma formation, il est important de savoir résoudre ce type d’exercices.

10. Je fais rarement ce genre d’exercices.

11. Je vais rater cet exercice.

12. La consigne est facile à comprendre.

13. Choisissez la phrase qui correspond le mieux au problème.

Une voiture qui consomme 12 litres d’essence pour 100 km parcourt une certaine distance
et son réservoir est au trois-quarts vide à l’arrivée.
Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt une certaine
Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt 12 726 km et son
réservoir est au trois-quarts vide à l’arrivée.
Une voiture qui consomme 100 litres d’essence pour faire 12 476 km revient avec un
réservoir au trois-quarts vide.
14. Cochez, parmi les schémas suivants, celui qui représente le mieux le problème.
%?
75%
25%
75% L?
25%

75% L?
25%

%?
75L
25L
Avant de se mettre en route, un automobiliste constate que son réservoir

d’essence est rempli aux 75%. A son retour, la jauge indique que le réservoir est
rempli aux 25%. Sachant que la voiture consomme 12 litres d’essence aux 100
km et que le compteur kilométrique marquait 12 476 km au départ et 12 726 km
au retour, trouvez la capacité totale du réservoir.
15. Trouvez parmi les 6 étapes proposées ci-dessous les 4 étapes nécessaires pour
résoudre le problème et mettez les ensuite dans le bon ordre (notez les lettres à côté
des étapes numérotées).

Etape 1 : ………
Etape 2 : ………
Etape 3 : ………
Etape 4 : ………
16. Indiquez si vous pensez que l’ordre des étapes que vous donnez (=votre plan) est
juste.
Je suis sûr que mon Je pense que mon Je pense que mon Je suis sûr que mon
plan est juste plan est juste plan est faux plan est faux

Avant de se mettre en route, un automobiliste constate que son réservoir

d’essence est rempli aux 75%. A son retour, la jauge indique que le réservoir est
rempli aux 25%. Sachant que la voiture consomme 12 litres d’essence aux 100
km et que le compteur kilométrique marquait 12 476 km au départ et 12 726 km
au retour, trouvez la capacité totale du réservoir.
NOM : PRÉNOM :
APRES LA RESOLUTION
17. Indiquez si vous pensez que les calculs que vous avez faits sont justes (même si ce ne
sont pas les calculs que vous deviez faire).
Je suis sûr d’avoir Je pense avoir fait Je pense avoir fait Je suis sûr d’avoir
fait juste juste faux fait faux

18. Indiquez si vous pensez que votre réponse est juste.

Je suis sûr que ma Je pense que ma Je pense que ma Je suis sûr que ma
réponse est juste réponse est juste réponse est fausse réponse est fausse

19. Pendant la résolution, j’ai vérifié au fur et à mesure que mes calculs étaient exacts.

20. J’ai vérifié au fur et à mesure que je faisais bien ce qui était demandé.

21. J’ai vérifié ma réponse finale.


22. Je suis satisfait de ma résolution.


23. J’ai travaillé jusqu’à ce que je trouve la réponse.


24. J’ai fait beaucoup d’efforts pour résoudre ce problème.


25. Pensez-vous avoir bien réussi ou mal réussi ce problème ?

J’ai bien réussi J’ai mal réussi

Si vous pensez avoir bien réussi ce problème, répondez à la question 26.

Si vous pensez avoir mal réussi ce problème, répondez à la question 27.
Mais ne répondez pas aux deux questions.
26. J’ai bien réussi ce problème Oui, tout Plutôt Plutôt Non, pas
parce que… à fait oui non du tout
Je me suis donné de la peine
J’ai utilisé de bonnes stratégies
Je suis de toutes façons fort dans ce

genre d’exercices
J’ai eu de la chance
Je savais comment m’y prendre
L’exercice était facile
27. J’ai mal réussi ce problème parce Oui, tout Plutôt Plutôt Non, pas
que… à fait oui non du tout
Je ne me suis pas donné de peine
J’ai utilisé de mauvaises stratégies
Je suis de toutes façons mauvais dans

ce genre d’exercices
Je n’ai pas eu de chance
Je ne savais pas comment m’y prendre
L’exercice était trop difficile
MERCI BEAUCOUP POUR VOS REPONSES !

NOM : PRÉNOM :
1. Lisez le problème
2. Entourez le chiffre qui correspond le mieux à votre opinion avant de
résoudre le problème SVP
Problème « Le réservoir d’essence »
Sachant que la voiture consomme douze litres d’essence aux 100 km et que le
compteur kilométrique marquait 12 476 km au départ et 12 726 km au retour, trouvez
la capacité totale du réservoir.
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Faux
Vrai
vrai
Avant de résoudre le problème
1 L’exercice m’intéresse 1 2 3 4 5 6 7
Ca m’est égal de résoudre correctement ou non ce

2 1 2 3 4 5 6 7
problème
Ce type d’exercices est complètement nouveau

3 1 2 3 4 5 6 7
pour moi
4 Cet exercice me plaît 1 2 3 4 5 6 7
5 Je trouve l’exercice difficile 1 2 3 4 5 6 7
Je ferai les efforts nécessaires pour résoudre ce

6 1 2 3 4 5 6 7
problème
7 Ce problème est ennuyeux 1 2 3 4 5 6 7
Cet exercice est plus difficile que ce que nous

8 1 2 3 4 5 6 7
faisons d’habitude
Je n’ai pas envie de me donner de la peine pour

9 1 2 3 4 5 6 7
résoudre ce problème
10 D’habitude je réussis bien ce genre d’exercices 1 2 3 4 5 6 7

Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Faux
Vrai
vrai
Avant de résoudre le problème
11 Ce type d’exercices m’est familier 1 2 3 4 5 6 7
12 Je me sens capable de le résoudre correctement 1 2 3 4 5 6 7
13 J’aime résoudre ce type de problèmes 1 2 3 4 5 6 7
14 Je compte essayer de résoudre ce problème 1 2 3 4 5 6 7
Nous avons déjà fait ce type d’exercices en classe

15 1 2 3 4 5 6 7
(cette année ou les années précédentes)
Je vais faire tout mon possible pour résoudre ce

16 1 2 3 4 5 6 7
problème
□ Une voiture qui consomme 12 litres d’essence pour 100 km parcourt une certaine distance
et son réservoir est aux trois-quarts vide à l’arrivée.
□ Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt une certaine
□ Une voiture consomme 12 litres d’essence pour 100 km, elle parcourt 12 726 km et son
réservoir est aux trois-quarts vide à l’arrivée.
□ Une voiture qui consomme 100 litres d’essence pour faire 12 476 km revient avec un
réservoir aux trois-quarts vide.

%?
75%
25%
75% L?
25%

75% L?
25%

75L %?
25L
numérotées).

Etape 1 : ………
Etape 2 : ………
Etape 3 : ………
Etape 4 : ………
NOM : PRÉNOM :
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Après avoir résolu le problème
Faux
Vrai
vrai
« Le réservoir d’essence »
1 J’ai écrit certaines informations tirées de la consigne 1 2 3 4 5 6 7
2 J’ai sauté ce qui me semblait difficile 1 2 3 4 5 6 7
J’ai réfléchi à nouveau à mon plan pendant que je

3 1 2 3 4 5 6 7
l’exécutais
4 J’ai fait un petit schéma (dessin) pour m’aider 1 2 3 4 5 6 7
Je me suis demandé quelles pourraient être les

5 1 2 3 4 5 6 7
difficultés dans ce problème
6 J’ai travaillé jusqu’à ce que je trouve la réponse 1 2 3 4 5 6 7
7 J’ai vérifié ma réponse finale 1 2 3 4 5 6 7
Je pense que l’ordre des étapes que j’ai donné (=mon

8 1 2 3 4 5 6 7
plan) est juste
9 Je me suis bien concentré pendant l’exercice 1 2 3 4 5 6 7
10 Je suis satisfait de ma résolution 1 2 3 4 5 6 7
11 J’ai cherché si j’avais fait des erreurs 1 2 3 4 5 6 7
12 Je suis resté concentré jusqu’à la fin 1 2 3 4 5 6 7
13 J’ai deviné la réponse 1 2 3 4 5 6 7
Je me suis assuré que j’avais bien compris le problème

14 1 2 3 4 5 6 7
avant de commencer
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Faux
Vrai
vrai
« Le réservoir d’essence »
15 J’ai arrêté de travailler avant de trouver la réponse 1 2 3 4 5 6 7
16 J’ai entouré/souligné les informations importantes 1 2 3 4 5 6 7
17 J’ai fais tout mon possible pour résoudre ce problème 1 2 3 4 5 6 7
Je pense que les calculs que j’ai faits sont justes (même
18 1 2 3 4 5 6 7
si ce ne sont pas les calculs que vous deviez faire)
19 J’ai essayé de copier la réponse chez un(e) collègue 1 2 3 4 5 6 7
Pendant la résolution, j’ai vérifié au fur et à mesure que

20 1 2 3 4 5 6 7
mes calculs étaient exacts
J’ai essayé d’estimer certains résultats avant de faire les

21 1 2 3 4 5 6 7
calculs
22 J’ai fait beaucoup d’efforts pour résoudre ce problème 1 2 3 4 5 6 7
23 Je pense que ma réponse est juste 1 2 3 4 5 6 7
J’ai vérifié au fur et à mesure que je faisais bien ce qui

24 1 2 3 4 5 6 7
était demandé
25 Je me suis donné de la peine pour résoudre ce problème 1 2 3 4 5 6 7
26 J’ai répétée la consigne dans mes propres mots 1 2 3 4 5 6 7
Pendant la résolution, je me suis dit que c’était trop

27 1 2 3 4 5 6 7
difficile
MERCI POUR VOS REPONSES

Annexe 4 : Problème « La Guitare » (étude 2) Page 23
NOM : PRÉNOM :
1. Lisez le problème
2. Entourez le chiffre qui correspond le mieux à votre opinion avant de
résoudre le problème SVP
Problème « La guitare »
guitare ?
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Avant de résoudre le problème « La
Faux
Vrai
vrai
guitare »
1 L’exercice m’intéresse 1 2 3 4 5 6 7
Ca m’est égal de résoudre correctement ou non ce

2 1 2 3 4 5 6 7
problème
Ce type d’exercices est complètement nouveau

3 1 2 3 4 5 6 7
pour moi
4 Cet exercice me plaît 1 2 3 4 5 6 7
5 Je trouve l’exercice difficile 1 2 3 4 5 6 7
Je ferai les efforts nécessaires pour résoudre ce

6 1 2 3 4 5 6 7
problème
7 Ce problème est ennuyeux 1 2 3 4 5 6 7
Cet exercice est plus difficile que ce que nous

8 1 2 3 4 5 6 7
faisons d’habitude
Je n’ai pas envie de me donner de la peine pour

9 1 2 3 4 5 6 7
résoudre ce problème
10 D’habitude je réussis bien ce genre d’exercices 1 2 3 4 5 6 7

Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Avant de résoudre le problème « La
Faux
Vrai
vrai
guitare »
11 Ce type d’exercices m’est familier 1 2 3 4 5 6 7
12 Je me sens capable de le résoudre correctement 1 2 3 4 5 6 7
13 J’aime résoudre ce type de problèmes 1 2 3 4 5 6 7
14 Je compte essayer de résoudre ce problème 1 2 3 4 5 6 7
Nous avons déjà fait ce type d’exercices en classe

15 1 2 3 4 5 6 7
(cette année ou les années précédentes)
Je vais faire tout mon possible pour résoudre ce

16 1 2 3 4 5 6 7
problème

guitare ?
□ Il y a douze garçons et dix-huit filles et un cinquième de ceux-ci jouent un instrument de

musique.
□ Les élèves qui jouent la guitare sont trop peu nombreux par rapport au total des élèves.
□ Il y a douze garçons et dix-huit filles dans la classe, un cinquième des élèves jouent d’un
instrument et deux tiers de ceux-ci jouent de la guitare.
□ Il y a douze garçons et dix-huit filles dans la classe et deux tiers de ceux-ci jouent de la
guitare.

guitare ?
A = élèves de la classe
B = élèves qui jouent d’un

instrument de musique
C = élèves qui jouent de

la guitare
B = élèves qui jouent

d’un instrument de
musique
A = élèves qui jouent d’un

B = élèves qui jouent de la

guitare
B = élèves qui jouent d’un

C = élèves qui jouent de

la guitare

guitare ?
numérotées).
A. Trouver combien d’élèves jouent du piano, du violon ou de la flûte.

B. Trouver le nombre d’élèves qui jouent de la guitare.
C. Trouver le nombre d’élèves en dernière année du cycle d’orientation.
D. Trouver le nombre d’élèves qui jouent un instrument de musique.
E. Trouver combien de garçons jouent de la guitare.
F. Trouver combien d’élèves il y a dans la classe au total.
Etape 1 : ………
Etape 2 : ………
Etape 3 : ………

guitare ?
NOM : PRÉNOM :
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Faux
Vrai
vrai
« La guitare »
1 J’ai écrit certaines informations tirées de la consigne 1 2 3 4 5 6 7
2 J’ai sauté ce qui me semblait difficile 1 2 3 4 5 6 7
J’ai réfléchi à nouveau à mon plan pendant que je

3 1 2 3 4 5 6 7
l’exécutais
4 J’ai fait un petit schéma (dessin) pour m’aider 1 2 3 4 5 6 7
Je me suis demandé quelles pourraient être les

5 1 2 3 4 5 6 7
difficultés dans ce problème
6 J’ai travaillé jusqu’à ce que je trouve la réponse 1 2 3 4 5 6 7
7 J’ai vérifié ma réponse finale 1 2 3 4 5 6 7
Je pense que l’ordre des étapes que j’ai donné (=mon

8 1 2 3 4 5 6 7
plan) est juste
9 Je me suis bien concentré pendant l’exercice 1 2 3 4 5 6 7
10 Je suis satisfait de ma résolution 1 2 3 4 5 6 7
11 J’ai cherché si j’avais fait des erreurs 1 2 3 4 5 6 7
12 Je suis resté concentré jusqu’à la fin 1 2 3 4 5 6 7
13 J’ai deviné la réponse 1 2 3 4 5 6 7
Je me suis assuré que j’avais bien compris le problème

14 1 2 3 4 5 6 7
avant de commencer
Autant faux que

Tout à fait faux
Tout à fait vrai

Plutôt faux
Plutôt vrai
Faux
Vrai
vrai
« La guitare »
15 J’ai arrêté de travailler avant de trouver la réponse 1 2 3 4 5 6 7
16 J’ai entouré/souligné les informations importantes 1 2 3 4 5 6 7
17 J’ai fais tout mon possible pour résoudre ce problème 1 2 3 4 5 6 7
Je pense que les calculs que j’ai faits sont justes (même
18 1 2 3 4 5 6 7
si ce ne sont pas les calculs que vous deviez faire)
19 J’ai essayé de copier la réponse chez un(e) collègue 1 2 3 4 5 6 7
Pendant la résolution, j’ai vérifié au fur et à mesure que

20 1 2 3 4 5 6 7
mes calculs étaient exacts
J’ai essayé d’estimer certains résultats avant de faire les

21 1 2 3 4 5 6 7
calculs
22 J’ai fait beaucoup d’efforts pour résoudre ce problème 1 2 3 4 5 6 7
23 Je pense que ma réponse est juste 1 2 3 4 5 6 7
J’ai vérifié au fur et à mesure que je faisais bien ce qui

24 1 2 3 4 5 6 7
était demandé
25 Je me suis donné de la peine pour résoudre ce problème 1 2 3 4 5 6 7
26 J’ai répétée la consigne dans mes propres mots 1 2 3 4 5 6 7
Pendant la résolution, je me suis dit que c’était trop

27 1 2 3 4 5 6 7
difficile
MERCI POUR VOS REPONSES

Annexe 5 : Codage de la performance aux problèmes Page 30
Instructions pour le codage de la résolution des problèmes de maths
Afin de distinguer différents niveaux dans la performance des élèves aux problèmes de maths,
nous leur attribuons un score allant de 0 à 5 points selon les critères décrits ci-dessous.
A) Si rien n’est inscrit (l’élève n’a pas essayé de résoudre ou il n’a pas du tout su comment
résoudre) Æ 0 points
B) Si la réponse inscrite est correcte Æ 5 points
C) Si la réponse est correcte mais pas dans la bonne unité de mesure (ex : 5,3 HL)Æ 4 points
D) Si des calculs sont inscrits mais que la réponse finale est incorrecte : 1 point est attribué
pour chaque étape attendue, indépendamment de l’ordre dans lequel elles ont été
exécutées.
La citerne
• Faire les conversions nécessaires de HL à L (les deux conversions, c’est-à-dire

7HLÆ700L et 15HLÆ1500L)
• Soustraire la quantité d’eau que contient déjà la citerne (même si la quantité n’est pas
correcte)
• Multiplier le nombre de récipients versés (1 point même si le nombre de récipient
n’est pas correct : inattention)
• Soustraire le nombre de litres que contient déjà la citerne de la capacité totale.
Le réservoir d’Essence
• Calculer la différence entre km au départ et km à l’arrivée (12726-12476)

• Calculer la proportion du réservoir utilisé (75% - 25%)
• Calculer le nombre de litres utilisés (30L pour 250km)
• Calculer la capacité totale du réservoir
La guitare
Le score attribué est au maximum de 4 points pour ce problème étant donné que seules trois
étapes sont nécessaires.
• Calculer le nombre total d’élèves dans la classe (18 filles + 12 garçons)

• Calculer la proportion d’élèves jouant d’un instrument de musique (1/5 x 30)
• Calculer la proportion d’élèves jouant de la guitare (6 x 2/3)
Annexe 6 : Echelle d’engagement adressée aux enseignants (étude 2) Page 31
Echelle d’évaluation de l’engagement des élèves par les enseignant-e-s de

calcul professionnel/mathématiques/
Ce questionnaire a pour objectif de déterminer l’engagement de chacun de vos élèves durant

les cours de calcul professionnel/mathématiques. Entourez le chiffre correspondant à la
fréquence à laquelle l’élève effectue les actions/réflexions suivantes. Ne donnez toujours
qu’une seule réponse par question s’il vous plaît. Vous pouvez y répondre assez
rapidement, selon votre première impression. Merci pour votre participation.
Nom de l’enseignant : Classe :
Nom de l’élève : Prénom de l’élève :

Très Très
Jamai Raremen Occasionnellemen Fréquemmen Toujour
raremen fréquemmen
s t t t s
t t
1 2 3 4 5 6 7
En calcul professionnel ou en mathématiques, cet/cette élève…
1. Paraît enthousiaste. 1 2 3 4 5 6 7
2. Contrôle son travail à la fin de celui-ci. 1 2 3 4 5 6 7
3. Evite de faire les tâches difficiles. 1 2 3 4 5 6 7
4. Travaille aussi dur qu’il le peut. 1 2 3 4 5 6 7
5. Donne l’impression de s’ennuyer. 1 2 3 4 5 6 7
6. Travaille de manière désorganisée. 1 2 3 4 5 6 7
7. Donne l’impression d’être intéressé. 1 2 3 4 5 6 7
8. Sait distinguer à l’avance les exercices difficiles des exercices faciles. 1 2 3 4 5 6 7
9. Semble mécontent. 1 2 3 4 5 6 7
10. Rend ses travaux sans les avoir vérifiés. 1 2 3 4 5 6 7
11. Vient en classe sans être préparé. 1 2 3 4 5 6 7
12. Semble heureux. 1 2 3 4 5 6 7
13. En fait le minimum pour avoir la moyenne. 1 2 3 4 5 6 7
14. Est capable de dire à l’avance comment il/elle va résoudre une tâche. 1 2 3 4 5 6 7
15. Ecoute attentivement. 1 2 3 4 5 6 7
Développement d’une version courte du NNAT forme G
L’objectif est de raccourcir le test d’aptitudes non verbales de Naglieri (forme G ; Naglieri, 1998)
qui est constitué de 38 items. En effet, ce test dure 30 minutes et nous avons constaté lors de son
administration en classes à des apprenants CFC et Fpi2 que ceci était trop long. Ainsi, une majorité
des apprenants arrêtaient de travailler après environ 15 à 20 minutes. De ce fait, les scores au test
sont selon nous dépendants du contrôle de l’action de l’apprenant (Kuhl, 1984), c’est-à-dire la
capacité de persévérance suite à des difficultés, de contrôle de l’attention et de ne pas ressasser suite
à un item non résolu. Une version courte devrait durer 15 à 20 minutes afin d’être adaptée à la
population des apprenants.
Pour réaliser cette version courte, nous avons utilisé le modèle de Rasch strict (à un paramètre) et
nous l’avons appliqué aux réponses de 481 apprenants issus de nos recherches précédentes
(Morand, 2006 ; Berger, Kipfer, & Büchel, 2007).
Le logiciel OPLM 3.0 (Verhelst, Glas, & Verstralen, 1995) a été utilisé pour les analyses. Nous
avons éliminé successivement les items qui ne s’ajustaient pas au modèle selon le test de χ2 et les
indices liés à la calibration (les paramètres de discrimination M1, M2 et M3) et ceci jusqu’à obtenir
un modèle pour lequel tous les items restant présentent une calibration adéquate et un indice
d’adéquation global satisfaisant. Les items que nous avons éliminés sont les suivants : items 1, 2, 4,
7, 9, 10, 11, 13, 14, 17, 25, 26, 28 à 33 et 35. Les indices d’adéquation du modèle global sont :
R1c = 59.626; df = 51; p = .1907. Pour l’item 16, deux des quatre tests sont significatifs à p < .01
(M1 et M2 > 2.54), mais cet item a été gardé car les deux autres tests ne sont pas significatifs.
L’output du modèle final figure en annexe.
Références
Berger, J.-L., Kipfer, N., & Büchel, F. P. (2007). Base de données du Fragen zum Lernen. Data
Base.
Kuhl, J. (1984). Volitional aspects of achievement motivation and learned helplessness: Toward a
comprehensive theory of action control. In B. A. Maher & W. B. Maher (Eds.), Progress in
experimental personality research (Vol. 13, Normal personality processes, pp. 99-171).
Orlando, FL: Academic Press.
Morand, A. (2006). La motivation en mathématiques sous l’angle de l’orientation des buts : liens
entre orientation des buts, concept de soi et variables métacognitives. Mémoire de licence
[non publié] soutenu à l’Université de Genève, Faculté de Psychologie et des Sciences de
l’Education.
Naglieri, J. A. (1998). Test d’aptitude non verbale de Naglieri. Paris: Editions du Centre de
Psychologie Appliquée.
Verhelst, N. D., Glas, C. A. W., & Verstralen, H. H. F. M. (1995). OPLM: One Parameter Logistic
Model (Version 3.0). Arnhem, www.cito.nl.
Output du modèle final
NNATG1 7e analyse sans item 1,2,4,7,9,10,11,13,14,17,25,26,28-33,35
Jobname = NNATG17 OPLM, Version 3.0
Control flow, options and defaults.

-----------------------------------
The data are read from D:\STATS\OPLM\NNATG.DAT
With FORMAT
(I1,5X,38I1)
Number of (legal) records skipped = 0

Number of illegal records (skipped) = 0
OPPRE is called with argument D:\STATS\OPLM\NNATG17.SCR
Logical variables:
Classical item-analysis: T
Subject-parameters: F
Output covariance-matrix: F
Make log-file: T
Output parameter-file: T
Datafile in expanded form: T
Compute full information matrix: T
Tests use information matrix: T
Each category is observed at least once: T
IEP and DIAGONAL IEP and COMPLETE N-R

Stop-criterion: .5000E-06 .5000E-02 .1000E-07
Max #iterations: 50 20 10
NREFRESH = 5
KEEPPRE = 1
Size of output = standard
Number of columns in tables = 2
Creation date .SCR-file : 3-28-2007 at 17:43
Creation date .PRE-file : 3-28-2007 at 17:43
Item analysis for booklet 1
item p-value rit(u) rit(w) | item p-value rit(u) rit(w)

|
3 .827 .309 .309 | 20 .466 .464 .464
5 .748 .371 .371 | 21 .499 .394 .394
6 .541 .496 .496 | 22 .551 .410 .410
8 .709 .488 .488 | 23 .547 .502 .502
12 .636 .467 .467 | 24 .418 .468 .468
15 .493 .421 .421 | 27 .349 .402 .402
16 .447 .525 .525 | 34 .235 .350 .350
18 .580 .487 .487 | 36 .252 .335 .335
19 .347 .399 .399 | 37 .148 .290 .290
Number of observations = 481
Results based on raw (unweighted) scores

Mean = 8.792
S.D. = 3.575
Alpha = .732
Results based on weighted scores

Mean = 8.792
S.D. = 3.575
Alpha = .732
Corr(u,w) = 1.000
Distribution of responses across booklets for marginal population 1:
Booklets: 1
item label a N P 0 1
3 Item_3 1 481 .827 83 398
5 Item_5 1 481 .748 121 360
6 Item_6 1 481 .541 221 260
8 Item_8 1 481 .709 140 341
12 Item_12 1 481 .636 175 306
15 Item_15 1 481 .493 244 237
16 Item_16 1 481 .447 266 215
18 Item_18 1 481 .580 202 279
19 Item_19 1 481 .347 314 167
20 Item_20 1 481 .466 257 224
21 Item_21 1 481 .499 241 240
22 Item_22 1 481 .551 216 265
23 Item_23 1 481 .547 218 263
24 Item_24 1 481 .418 280 201
27 Item_27 1 481 .349 313 168
34 Item_34 1 481 .235 368 113
36 Item_36 1 481 .252 360 121
37 Item_37 1 481 .148 410 71
RESULTS CALIBRATION.
nr label A B SE(B) S DF P M M2 M3
----------------------------------------------------------------------------
3 Item_3 1 -1.875 .124 2.203 4 .699 -.364 2.460 .841

5 Item_5 1 -1.335 .110 .886 4 .927 .851 1.065 .889
6 Item_6 1 -.253 .097 5.010 5 .415 -.515 -.320 -1.111
8 Item_8 1 -1.105 .105 8.070 5 .152 -1.708 -1.728 -1.919
12 Item_12 1 -.719 .100 2.418 5 .789 -.781 .085 -.924
15 Item_15 1 -.027 .097 7.725 5 .172 .722 1.374 .970
16 Item_16 1 .189 .097 7.544 5 .183 -2.547 -2.587 -2.190
18 Item_18 1 -.442 .098 4.372 5 .497 -1.396 -.881 -1.343
19 Item_19 1 .677 .100 10.058 5 .074 -.222 -1.045 .456
20 Item_20 1 .101 .097 1.799 5 .876 -.347 .559 -.807
21 Item_21 1 -.056 .097 3.850 5 .571 1.760 1.444 1.102
22 Item_22 1 -.302 .097 3.238 5 .663 1.311 .941 1.557
23 Item_23 1 -.282 .097 4.797 5 .441 -1.723 -2.165 -.855
24 Item_24 1 .328 .098 1.854 5 .869 -.709 -.939 -.280
27 Item_27 1 .666 .100 5.903 5 .316 1.210 .577 .636
34 Item_34 1 1.302 .111 11.805 5 .038 -.930 .738 .611
36 Item_36 1 1.200 .109 5.685 5 .338 1.146 1.005 1.837
37 Item_37 1 1.932 .130 .910 4 .923 .425 .639 1.349
----------------------------------------------------------------------------
log-likelihood = -3853.70 (-.3853695181D+04)

-2*log-likelihood = 7707.39 ( .7707390362D+04)
Number of parameters estimated = 17
Geometric mean of discrimination indices = 1.000
Distribution of p-values for S-tests.
0.--/---/---.1-----.2-----.3-----.4-----.5-----.6-----.7-----.8-----.9-----1.
0/ 1/ 1 3 0 2 3 1 2 1 2 2
Total: 18
D:\STATS\OPLM\NNATG17.PAR created.
SUMMARY OF R1c-STATISTICS
booklet #items #groups #deviates sum sq. R1c

-------------------------------------------------------------
1 18 4 68 62.83 59.63
R1c = 59.626; df = 51; p = .1907
Number of deviates for nonzero categories = 72

number of cells with expected frequency < 5 = 1 ( 1.4%)
number of cells with expected frequency < 1 = 0 ( .0%)
Number of deviates for zero categories = 72

Number of deviates for all categories = 144

R1c-components of item categories

---------------------------------
nr label cat sum of sq. #terms average #dev>2
3 Item_3 1 2.030 4 .507 0

5 Item_5 1 2.032 4 .508 0
6 Item_6 1 2.421 4 .605 0
8 Item_8 1 5.638 4 1.410 0
12 Item_12 1 1.409 4 .352 0
15 Item_15 1 .623 4 .156 0
16 Item_16 1 6.740 4 1.685 0
18 Item_18 1 2.211 4 .553 0
19 Item_19 1 2.190 4 .548 0
20 Item_20 1 3.825 4 .956 0
21 Item_21 1 3.486 4 .872 0
22 Item_22 1 1.796 4 .449 0
23 Item_23 1 1.490 4 .372 0
24 Item_24 1 1.341 4 .335 0
27 Item_27 1 5.151 4 1.288 1
34 Item_34 1 11.705 4 2.926 1
36 Item_36 1 6.824 4 1.706 0
37 Item_37 1 1.922 4 .480 0

File 1

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

File 1

Transféré par

Droits d'auteur :

Formats disponibles

Archive ouverte UNIGE

Thèse 2008 Open Access

Motivation, métacognition et aptitudes cognitives chez les apprenants de la

BERGER, Jean-Louis. Motivation, métacognition et aptitudes cognitives chez les apprenants de la

This publication URL: https://archive-ouverte.unige.ch//unige:633

Sous la direction du Professeur Fredi Büchel

Motivation, métacognition et aptitudes

Professeur Fredi Büchel, directeur

Professeur Linda Allal

Professeur Michael Eid

Professeur Jean-Luc Gurtner

Docteur Greta Pelgims

6. MÉTHODE-ÉTUDE 1.................................................................................................................................. 161

Figure 3.1. Le modèle de la métacognition selon Büchel (1996, p. 184).............................................................. 37

Figure 5.1. Modèle théorique général ................................................................................................................ 157

Figure 6.1. Hypothèse générale pour la question de recherche 1 ...................................................................... 162

Figure 6.2. Hypothèse générale pour la question de recherche 2 ...................................................................... 163

Figure 9.2. Modèle de structure hypothétique au niveau du problème............................................................... 281

Figure 9.3. Résultats du modèle de structure au niveau du problème ................................................................ 282

Figure 9.5. Modèle de structure hypothétique au niveau de la matière.............................................................. 289

Figure 9.6. Résultats du modèle de structure au niveau de la matière ............................................................... 290

Les théories psychologiques de l’apprentissage et de la motivation ont très fortement évolué

Nous proposons d’étudier, en référence aux mathématiques appliquées à la profession, les

2.2. La pertinence de l’étude de la motivation et de la métacognition

Les théories socio-cognitives récentes de l’apprentissage en contexte scolaire mettent l’accent

métacognition et de la motivation en contexte scolaire ont alors proposé des principes

A major goal of formal education should be to teach students self-regulatory skills.

2.3. Pourquoi étudier ces sujets chez des apprentis ?

Relevons finalement que, depuis 2003, l’Office Fédéral de la Formation professionnelle et de

2.4. La pertinence des mathématiques

2.5. Les niveaux d’études de la motivation et de la cognition

Au niveau théorique, cette thèse participe à la compréhension de l’autorégulation de

Taking trait-like constructs of motivation in the experiential domain, incorporating

2.6. Questionnement général de la thèse

Dans le champ d’étude de la métacognition, plusieurs chercheurs (Koriat, 2002 ; Koriat

de confiance et exactitude de ce jugement d’un côté et en étude des différences inter-

(…) it is possible to distinguish among two different types of information that

3.2. Définir la métacognition

Dans le domaine de la métacognition, plusieurs chercheurs dénoncent le fait que les

La métacognition contribue à l’apprentissage par le fait qu’elle aide l’apprenant à

Par ailleurs, Butterfield, Albertson et Johnston (1995) introduisent la distinction entre

Metacognition is cognition about cognition. Cognition involves knowledge of the

• requiert une analyse ancrée théoriquement,

3.2.2. La définition classique en deux composantes

On distingue classiquement deux composantes dans la métacognition : la connaissance

1. l’individu a certaines connaissances de sa propre pensée et de celle d’autres

On retrouve dans cette explication les deux composantes classiques de la métacognition.

les connaissances par rapport au sujet à apprendre

Les fonctions exécutives:

Les processus d’anticipation

Niveau des cognitions

les processus de décodage

Figure 3.1. Le modèle de la métacognition selon Büchel (1996, p. 184)

Il distingue deux niveaux : le niveau de la métacognition et le niveau de la cognition.

I. Connaissances et croyances métacognitives

A. Sur la cognition en général – les universels de la cognition (théories personnelles sur la

II. Jugements et sentiments métacognitifs (expériences métacognitives)

A. Jugements : évaluations ou estimations de type cognitives réalisées en lien avec une

III. Contrôle métacognitif

3.2.4. Les distinctions entre cognition et métacognition

consistent en les connaissances spécifiques à un domaine ou les connaissances du domaine

3.2.5. Introspection et conscience

tant consciente qu’inconsciente, au contraire des connaissances et croyances métacognitives