L'effet enseignant : Méthodes de mesure et limites Cas du MAROC
Barre latérale de l'article
Contenu principal de l'article
Résumé
La question de l'efficacité des systêmes d'éducation et de formation a toujours retenu l'attention des chercheurs en sciences de l'éducation dont les économistes de l'éducation.
Três souvent comparé à une entreprise, l'établissement scolaire fait usage de ressources « inputs » de différents types pour « produire » des diplômés «output» aprês un certain nombre d'années de formation.
La question qui se pose est de savoir dans quelle mesure ces différents inputs ont un effet sur l'output ? et le(s)quel(s) de ces inputs est (sont) le(s) plus efficace(s) dans le processus de « production » ? ou dans l'amélioration des résultats scolaires des apprenants.
Du point de vue théorique, les performances des élêves varient d'un enseignant à l'autre ou d'un groupe d'enseignants à l'autre. De nombreuses études ont montré que ces différences de performance s'expliquent par la différence des caractéristiques des enseignants telles que les niveaux de la qualification de l'enseignant, la méthode pédagogique utilisée, l'ancienneté etc.
L'une des méthodes de calcul de «l'effet enseignant » se fonde sur l'analyse statistique dite multiniveaux qui a l'avantage de prendre en compte, dans un même modêle, les variables de premier niveau (celles liées aux élêves) et celles de second niveau (relatives aux enseignants).
Le présent papier a un double objectif :
- Expliquer le principe de la méthode de mesure de l'effet enseignant ;
- Présenter les résultats de quelques études réalisées par des chercheurs « pionniers » dans le domaine ainsi que les résultats de l'enquête PNEA conduite en 2008 par le CSE.
Renseignements sur l'article
Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Références
- BLAU, P.M. (1960) : "structural effect", Amercian sociological review, 22 pp : 178-193.
- BOUDON, R. (1963) : " Propriétés individuelles et Propriétés collectives : un problème d'analyse écologique", Revue Française de sociologie, 4, pp : 275-299.
- BRESSOUX, P. (1994). « Les recherches sur les effets-écoles et les effets-maîtres » in Revue Française de Pédagogie, n°108, pp. 91-137.
- BRYK, A.S.; RAUDENBUSH, S.W. (1992), Hierarchical Linear Models :
Application and data analysis methods, Sage Publications, Inc.
- CSE (2009), PNEA 2008, Rapport analytique.
- CHEDATI, B (1997), L'analyse multiniveaux comme solution aux limites des régressions classiques appliquées aux données hiérarchiques. In "Les méthodes qualitatives en sciences sociale", Publications de la Faculté des Lettres et des sciences humaines, Rabat.
- CHEDATI, B ; BOUGROUM, M ; R. Ait Ben ASSILA (à paraitre), Les déterminants de la réussite scolaire au primaire au Maroc : Essai d’analyse multi niveaux des données PIRLS 2011
- CHERKAOUI, M (1997), Les paradoxes de la réussite scolaire, PUF
- DE EEUW, J. (1992), Series editor's introduction to hierarchical linear models, in : Bryk, A.S ; Raudenbush, S.W. (1992). Hierarchical linear models : Application and data analysis methods, Sage Publications, Inc, xiii-xvi .
- DUNCAN, C,; JONES, K.; MOON,G. (1995), blood pressure, age gender. In :
Woodhouse G.(ed). "A guide to MLn new users". Multilevel models project.
Institute of education. University of London, 59-85.
- DURKHEIM, E (1993); Le suicide, PUF, Paris (1ère édition 1897).
- ELSTON, R.C., GRIZZLE, J.E. (1962), "Estimation of time response curves and their confidence bands" Biometrics, 18, 148-159.
- GOLDSTEIN, H. (1986), “multilevel mixed linear model analysis using interactive generalized least square”.. Biometrika, 73, 43-56.
- GOLDSTEIN, H. (1987), Multileveled models in educational and social research, London : Griffin.
- GOLDSTEIN, H. (1995), Multilevel statistical models. London, Edward Arnold.
- GOLDSTEIN, H. ; McDonald, R. (1988), “A general model for the analysis of multilevel data.”, psychometrika, 53, 455-467.
- HOX, J.J. (1994), Applied multilevel analysis. Amsterdam : TT- Publikaties.
- HOX, J.J.; KREFT, I.G.G. (1994), “Multilevel analysis methods” , Sociological Methods and research, 22, 283-299.
- MERTON, R. K. (1968), Social theory and social structure. New York, free press.
- McDONALD, R.P. (1994), “The bilevel reticular action model for path analysis with latent variables”. Sociological Methods and Research, 22, 399-413.
- MOURJI,F ;ABBAIA, A. « Les déterminants du rendement scolaire en mathématiques chez les élèves de l’enseignement collégial au Maroc : une analyse multiniveaux », Revue d'économie du développement, 2013/1 - Vol. 27
- MUTHEN, B.O. (1989), “Latent variable modelling in heterogeneous population”. Psychometrika, 54, 557-585.
- MUTHEN, B.O.(1994), “Multilevel covariance structure analysis”, sociological methods and research, 22, (3), 364-375.
- PATTERSON, L. (1991), “Multilevel logistic regression. In : Prosser, R.; Rasbash, J., Goldstein, H. Data analysis with ML3. Institute of education. University of London, 5-18.
- PATTERSON, L. (1995), Entry to University by school leavers. In: Woodhouse G. (ed).
- PLEWIS, I. (1991), Repeated measures models. In : Prosser, R.; Rasbash, J., Goldstein, H. "Data analysis with ML3". institute of education. University of London, 44-58.
- PROSSER, R.; RASBASH, J.; GOLDSTEIN, H. (1991), ML3 software for three-level analysis users’ guide for V. 2 Institute of education, university of London.
- SNIJDERS, T.A.B.; BOSKER, R.J. (1994), “Modeled variance in two-level models.” Sociological methods and research. 22, 342-363.