John AndersonTodd Rogers Don Klinger Université de VictoriaUniversité de l’Alberta Université Queen’s Charles UngerleiderBarry Anderson Victor Glickman Université de la Colombie-BritanniqueMinistère de l’Éducation Edudata Canada de la Colombie-Britannique Subventionné par le Conseil des statistiques canadiennes de l’éducation Conseil de recherches en sciences humaines

But du projet Modéliser les rapports entre les caractéristiques de l’école, de l’élève et du foyer et la réalisation de résultats en matière de rendement scolaire dans les domaines de la lecture, de l’écriture, des mathématiques et des sciences  en utilisant la modélisation hiérarchique linéaire et le Programme d’indicateurs du rendement scolaire le programme de l’Office de la qualité et de la responsabilité en éducation les tests provinciaux de rendement en arts du langage et en mathématiques de l’Alberta le programme d’évaluation des compétences de base de la C.-B. ensembles de données

Résultats Problématique des données Recherche au niveau des cycles supérieurs Constatations Prochaines étapes

Problématique des données Complexité des ensembles de données Résolution de problèmes – 13 ans Résolution de problèmes – 16 ans Contenu en mathématiques – 13 ans Contenu en mathématiques – 16 ans Test de rendement scolaire Questionnaires pour les élèves Questionnaires pour les enseignants Questionnaires pour les directions d’école

Problématique des données Organisation du programme d’évaluation Dans les écoles

Il faut d’abord noter que pour les arts du langage et aussi pour les mathématiques, la variation du rendement se produisait surtout au niveau des élèves : 77,1 p. 100 pour les arts du langage 75,1 p. 100 pour les mathématiques au niveau de la classe : 15,3 p. 100 pour les arts du langage 15,7 p. 100 pour les mathématiques au niveau de l’école : 10,1 p. 100 pour les arts du langage 11,3 p. 100 pour les mathématiques L’étude de l’Alberta

__________________________________________________ Test ρ _________________________________________________ PIRS mathématiques 2001 Résolution de problèmes – 13 ans0,18 Résolution de problèmes – 16 ans0,15 Contenu en mathématiques – 13 ans0,19 Contenu en mathématiques – 16 ans0,15 TPCL Lecture0,13 Écriture0,10 __________________________________________________ La moyenne du PISA est de 0,34 et l’étendue est de 0,04 à 0,63.

Problématique des données Intégrité des données Répartition des élèves selon le sexe Sexe : Dans le cadre du questionnaire Sexe / couverture GarçonsFillesTotal Garçons Filles Total

Problématique des données Données manquantes PIRS mathématiques Niveau de scolarité des parents (points 24 a et b) 34 p. 100 manquantes pour la mère 36 p. 100 manquantes pour le père Profession des parents (points 25 a et b) 53 p. 100 manquantes pour la mère 40 p. 100 manquantes pour le père

Problématique des données Grand nombre de variables

Croyances des élèves au sujet des mathématiques Les mathématiques sont plus difficiles que les autres matières. Les mathématiques ne m’intéressent pas beaucoup. Les mathématiques m’apprennent bien des choses nouvelles. Les mathématiques sont des matières importantes. Les mathématiques sont importantes pour mes études futures. Beaucoup d’emplois intéressants exigent des connaissances en mathématiques. Variables dérivées du questionnaire pour les élèves

Soutiens pédagogiques utilisés par les élèves Vos parents et vous-même travaillez sur vos devoirs de mathématiques. Vos parents et vous-même travaillez sur vos autres devoirs. Dans le cours de mathématiques, nous travaillons à deux ou en petits groupes. Dans le cours de mathématiques, nous utilisons des livres et des revues consacrés à ce sujet. Dans le cours de mathématiques, nous avions entendu des conférenciers ou des experts invités. Dans le cours de mathématiques, nous utilisons des ordinateurs. Dans le cours de mathématiques, nous utilisons l’Internet. Dans le cours de mathématiques, nous utilisons le laboratoire informatique. Variables dérivées du questionnaire pour les élèves

Pratiques pédagogiques Dans les cours de mathématiques de cette année.... L’enseignant nous donne des notes. L’enseignant nous montre comment résoudre des problèmes. Nous participons à des projets de mathématiques. On nous enseigne différentes méthodes pour résoudre des problèmes. L’enseignant nous donne des devoirs. Nous discutons des tests et des interrogations. Nous travaillons seuls sur le travail qui nous est assigné. Nous travaillons sur des exercices tirés d’un manuel. Nous étudions le manuel. L’enseignant nous lit des extraits du manuel. L’enseignant pose beaucoup de questions aux élèves. Les élèves posent des questions à l’enseignant. Variables dérivées du questionnaire pour les élèves

Causes du rendement en mathématiques Pour réussir en mathématiques, il faut travailler fort. Pour réussir en mathématiques, on a besoin d’encouragement de la part des enseignants. Pour réussir en mathématiques, on a besoin d’encouragement de la part des parents. Pour réussir en mathématiques, on a besoin d’un bon enseignement. Variables dérivées du questionnaire pour les élèves

Climat disciplinaire Dans les cours de mathématiques de cette année... Il y a beaucoup de bruit et de désordre dans la salle de classe. Nous perdons 5 à 10 minutes à cause des interruptions. Variables dérivées du questionnaire pour les élèves

Recherche au niveau des cycles supérieurs SCÉÉ 2004 Le potentiel et les pièges des analyses secondaires des données du PIRS Todd Rogers et Teresa Dawber, Université de l’Alberta SCÉÉ 2005 : Colloque des chercheurs des cycles supérieurs sur le projet CRA 2005 Indices relatifs aux écoles et aux élèves dans les questionnaires du PIRS Carmen Gress et Shelley Ross, Université de Victoria Corrélation du rendement en mathématiques : une métasynthèse Margot English, Shelley Ross, Carmen Gress, Université de Victoria Enjeux et résultats découlant de l’analyse HLM du Test provincial de compétences linguistiques de l’Ontario Chloe Soiblelman, Jinyan Huang, Cheryl Poth et Don Klinger, Université Queen’s Facteurs qui influencent le rendement en écriture Jiawen Zhou, Université de l’Alberta Stabilité de l’analyse factorielle du PIRS : Résultats obtenus par rapport à des points du questionnaire pour les écoles Ally Feng, Université de l’Alberta

Constatations On n’a pas trouvé de grands modèles d’application générale.

Coefficients de niveau élève (niveau 1) _______________________________________________________________________ Corrélation CONTENU PROBLÈME _______________________________________________________________________ Croyances des élèves au sujet des mathématiques,36,33,38,37 Soutiens pédagogiques -,18 -,22 -,22 -,29 Pratiques pédagogiques,03,08,04,10 Causes du rendement en mathématiques -,08 0 -,06 0 Climat disciplinaire Sexe 0 -,09,10 0,7

Coefficients du niveau de l’école (niveau 2) pour un résultat moyen de l’école en mathématiques _______________________________________________________________________ Corrélation CONTENU PROBLÈME 13 * 16 * 13 * 16 * _______________________________________________________________________ Limites de l’apprentissage -,14 -,21 -,14 -,18 Soutiens d’apprentissage -,12 -,19 -,10 -,19 Causes du rendement en mathématiques 0 -,22 0 -,22 Climat disciplinaire ,17 Croyances des élèves au sujet des mathématiques,13 0,11 0 Climat dans l’école 0 0 -,04 -,05 Engagement des parents 0,05 0,06 Catégorie d’élève,07,06,05 0 Rendement scolaire,05 0,05 0 Pratiques pédagogiques,

Constatations Il n’y a peut-être pas de grands modèles, mais… Comme Lindblom (1968, 1990) l’a souligné tant de fois, le désir d’obtenir des modèles de systèmes sociaux complexes, tels que les systèmes d’enseignement public, n’est toujours qu’un rêve fugace. Au mieux, les modèles de systèmes sociaux complexes peuvent offrir quelques éclaircissements qui permettront une amélioration progressive de notre compréhension des systèmes complexes et dynamiques, tels que les écoles publiques. (Kennedy, 1999)

La faible valeur du rho suggère que : Les écoles canadiennes sont relativement homogènes. et La variation dans les résultats de rendement se produit surtout dans la salle de classe et entre les élèves.

Constatations Le fait que les modèles sont spécifiques à l’année et au domaine d’études laisse à penser qu’il faut étudier la corrélation des résultats d’apprentissage dans le contexte de situations d’apprentissage particulières. Par exemple.....

Constatations Les modèles du PIRS en mathématiques autorisent les constatations suivantes : Les attitudes des élèves à l’égard des mathématiques sont tributaires de leur rendement. La dépendance des élèves est tributaire de leur rendement en mathématiques. Les opinions des directrices et des directeurs d’école, en ce qui a trait aux obstacles pédagogiques, sont tributaires du résultat moyen de l’école en mathématiques. Le rapport entre le sexe et le rendement devient beaucoup plus ténu quand d’autres variables sont entrées dans le modèle. Climat, discipline et engagement des parents – sans pertinence

Prochaines étapes Établissement de liens avec d’autres programmes d’évaluation. Collaboration avec d’autres partenaires en éducation : Enseignants Parents Ministères Communications Collecte des données Analyse et application