Motivation et métacognition : les buts de compétence prédisent les processus métacognitifs en...

Psychologie française 58 (2013) 297–318

Disponible en ligne sur www.sciencedirect.com

et également disponible sur www.em-consulte.com

Article original

Motivation et métacognition : les buts decompétence prédisent les processusmétacognitifs en résolution de problèmesmathématiques

Motivation and metacognition: Achievement goalspredict metacognitive processes in mathematicalproblem solving

J.-L. Berger1

Institut fédéral des hautes études en formation professionnelle, avenue de Longemalle 1, 1020 Renens, Suisse

i n f o a r t i c l e

Historique de l’article :Rec u le 5 janvier 2012Accepté le 11 juillet 2013

Mots clés :MétacognitionMotivationButs de compétenceExpériences métacognitivesStratégies métacognitives

r é s u m é

Dans cette étude, les effets des buts de compétence sur les proces-sus métacognitifs de 200 élèves sont analysés lors de la résolutionde deux problèmes mathématiques de complexité différente. Lesrésultats montrent que les buts de compétences ont un effet signi-ficatif tant sur les expériences métacognitives que sur les stratégiesmétacognitives, cela de manière consistante au travers des deuxproblèmes. Les buts de maîtrise-approche prédisent le sentimentd’aimer la tâche, les buts de maîtrise-évitement ont un effet surl’utilisation de stratégies métacognitives, alors que les buts deperformance-approche et de performance-évitement ne sont pasliés aux processus métacognitifs. Les résultats fournissent unedescription riche des interactions entre les buts et les processusmétacognitifs évalués, révélant en particulier les effets des buts demaîtrise-évitement.

© 2013 Société franc aise de psychologie. Publié par ElsevierMasson SAS. Tous droits réservés.

Adresse e-mail : [email protected] Docteur en sciences de l’éducation, senior researcher à l’Institut fédéral des hautes études en formation professionnelle,

Lausanne. Domaines de recherche: motivation à apprendre et à enseigner, métacognition, apprentissage autorégulé.

0033-2984/$ – see front matter © 2013 Société franc aise de psychologie. Publié par Elsevier Masson SAS. Tous droits réservés.http://dx.doi.org/10.1016/j.psfr.2013.07.002

dx.doi.org/10.1016/j.psfr.2013.07.002

http://www.sciencedirect.com/science/journal/00332984

www.em-consulte.com

http://crossmark.crossref.org/dialog/?doi=10.1016/j.psfr.2013.07.002&domain=pdf

mailto:[email protected]

dx.doi.org/10.1016/j.psfr.2013.07.002

298 J.-L. Berger / Psychologie française 58 (2013) 297–318

Keywords:MetacognitionMotivationAchievement goalsMetacognitive experiencesMetacognitive strategies

a b s t r a c t

This study analyzes the effects of achievement goals on themetacognitive processes as 200 students solve two mathematicalproblems differing in complexity. Results show that the diverseachievement goals have significant effects both on metacognitiveexperiences and on metacognitive strategies, coherently across thetwo problems. Mastery-approach goals predict the feeling of likingthe task, mastery-avoidance goals have an effect on the use of meta-cognitive strategies, whereas neither performance-approach norperformance-avoidance goals are significantly related to metacog-nitive processes. The results offer a rich picture of the interactionsbetween goals and metacognitive processes, revealing the majorrole of mastery-avoidance goals.

© 2013 Société francaise de psychologie. Published by ElsevierMasson SAS. All rights reserved.

1. Introduction

Le rôle fondamental de la métacognition dans l’apprentissage est largement avéré et ses effets béné-fiques sur les performances scolaires ont été considérablement étudiés (Efklides, 2001 ; Flavell, 1979 ;Veenman, 2006). Cependant, les raisons qui font qu’un élève mobilise des stratégies métacognitivesou qu’il réalise certaines expériences métacognitives – concepts que nous définirons plus bas – sontencore méconnues. La recherche s’est en effet majoritairement penchée sur le rôle des connaissancesmétacognitives dans l’utilisation de stratégies d’apprentissage (dont les stratégies métacognitives),négligeant le rôle d’autres facteurs tels les croyances motivationnelles ou les expériences métacogni-tives (Borkowski, Muthukrishna, & Chan, 2000 ; Efklides, 2011). Dans le but de comprendre l’activationdes processus métacognitifs et par-là de développer des moyens de les favoriser, il s’avère pour-tant essentiel de s’intéresser aux croyances motivationnelles2 en tant que sources des expériencesmétacognitives et des stratégies métacognitives. Cette relation constitue aujourd’hui une questionde recherche importante en vue d’affiner notre connaissance des processus d’apprentissage (Berger& Büchel, 2012 ; Cosnefroy, 2011 ; Dai & Sternberg, 2004). Selon Dai et Sternberg (2004), la compré-hension des processus cognitifs impliqués dans le fonctionnement intellectuel ne peut en effet pasêtre poursuivie adéquatement si les aspects motivationnels et émotionnels qui lui sont inhérents nesont pas pris en compte. Ainsi, l’objectif de cet article sera d’approfondir l’analyse des relations entrecroyances motivationnelles et processus métacognitifs.

Les recherches se référant aux modèles de l’apprentissage autorégulé, modèles qui visent à décrirecomment les élèves prennent en charge le monitorage et la régulation de leurs apprentissages, se sontpenchés sur cette question durant ces dernières années (Berger & Büchel, 2013 ; Boekaerts, Pintrich,& Zeidner, 2000 ; Cosnefroy, 2011 ; Schunk & Zimmerman, 2008). Elles ont notamment examiné lesrelations entre les croyances motivationnelles et les stratégies d’apprentissage – dont les stratégiesmétacognitives – en prenant classiquement comme niveau d’analyse une certaine matière scolaire. Parexemple, une corrélation positive a été constatée de manière répétée entre le sentiment d’efficacitépersonnelle et l’utilisation auto-rapportée des stratégies métacognitives (Pintrich & De Groot, 1990).Une récente étude longitudinale a de plus révélé que ce sentiment explique dans quelle mesurel’utilisation de stratégies métacognitives fluctue au cours d’un trimestre scolaire (Berger & Karabenick,

2 Suivant la proposition de Pintrich, Marx, et Boyle (1993), nous utiliserons dans ce texte les termes « croyances motivation-nelles » pour désigner une série de construits tirés des théories sociocognitives de la motivation. Au même titre qu’ils disposentde conceptions sur la cognition, les apprenants développent également un certain nombre de connaissances et croyances ausujet de leur motivation. Boekaerts (2010) défini les croyances motivationnelles comme des cognitions sur soi-même en rela-tion à un sujet particulier, cognitions qui réfèrent à la connaissance et aux conceptions des apprenants du fonctionnementde leur propre système motivationnel dans les divers sujets. Leur rôle consiste à donner un sens aux tâches, aux situationsd’apprentissage ainsi qu’au contexte d’apprentissage.

J.-L. Berger / Psychologie française 58 (2013) 297–318 299

2011). Ainsi, la mobilisation de ces stratégies dépendrait dans une mesure non négligeable de cettecroyance motivationnelle. Des associations spécifiques entre les buts de compétence (achievementgoals), les stratégies et les expériences métacognitives ont été démontrées. Elles seront reprises ulté-rieurement dans ce texte (Berger, 2009; Berger & Büchel, 2012 ; Dermitzaki & Efklides, 2003 ; Efklides,Kourkoulou, Mitsiou, & Ziliaskopoulou, 2006 ; Madjar, Kaplan, & Weinstock, 2011). Soulignons que cesassociations des processus métacognitifs avec les croyances motivationnelles ont été majoritairementrévélées dans des études où les élèves devaient auto-rapporter leurs croyances motivationnelles etleurs stratégies métacognitives par rapport à une certaine matière scolaire – ce que nous pourrionsappeler leurs « habitudes d’apprentissage ». Elles l’ont moins été de manière située, c’est-à-dire dansune situation d’apprentissage spécifique ou de résolution de problème. Or, les apprentissages sco-laires se déroulent dans un contexte précis, souvent par la présentation d’exercices ou de problèmes àrésoudre, ce contexte ayant une influence sur les processus métacognitifs (Efklides, 2001). Par consé-quent, l’impact du contexte sur les expériences, perceptions et stratégies de l’élève est souvent négligé.La présente étude s’inspire des travaux de divers chercheurs (Boekaerts, 2001 ; Efklides, 2001, 2011)qui soutiennent la pertinence d’analyser les croyances motivationnelles et processus métacognitifs enlien à la résolution d’une tâche spécifique (micro-analyse ; Cleary, 2011). L’avantage est une compré-hension du fonctionnement cognitif des élèves en contexte d’apprentissage, soit dans des situationsauthentiques auxquelles les élèves attribuent du sens. De plus, se placer à un niveau micro-analytiqueconstitue également un moyen de minimiser les biais de réponse et erreurs associés aux rapportsrétrospectifs (Cleary, Callan, & Zimmerman, 2012), augmentant de ce fait la fidélité et la validité desinformations rapportées par les élèves.

Considérant les limites des recherches actuelles, la présente étude porte sur la fac on dont lescroyances motivationnelles des élèves affectent les processus métacognitifs en situation de résolu-tion de problèmes mathématiques. Notre étude analyse ainsi des informations qu’une modélisationau niveau d’une matière scolaire ne serait pas à même de révéler. L’exploration de ces relations estréalisée en se fondant sur le cadre théorique des buts de compétence (Elliot & McGregor, 2001) pourreprésenter les croyances motivationnelles. Nous présentons, avant la partie empirique, le concept demétacognition puis les relations entre métacognition et buts de compétence.

1.1. La métacognition

Selon Schraw, Wise, et Roos (2000), metacognition refers to thinking about thinking, or more gene-rally, to using higher-level knowledge and strategies to regulate lower-level performance (p. 223). Lamétacognition est un construit multidimensionnel comprenant trois composants : les connaissancesmétacognitives ; les expériences métacognitives ; les stratégies métacognitives (Berger & Büchel,2012 ; Efklides, 2001, 2011 ; Pintrich, Wolters, & Baxter, 2000).

Les connaissances métacognitives se réfèrent aux connaissances qu’un apprenant possède au sujetdes stratégies d’apprentissage, des caractéristiques des tâches, de soi en tant qu’individu doué depensée, ainsi que sur le fonctionnement de la cognition humaine. Nous parlons d’expérience méta-cognitive lorsqu’un individu prend conscience de ses processus de pensées en cours (Flavell, 1979). Lesexpériences métacognitives sont ainsi des sentiments, jugements ou estimations subjectives relativesaux processus cognitifs en cours de l’apprenant et stockés en mémoire de travail (Efklides, 2001). Cesexpériences visent à effectuer le monitorage des processus cognitifs, du point de vue des connais-sances de soi et des connaissances de la tâche, ce qui permet d’influencer les décisions de contrôle(Efklides, 2001)3. Les décisions de contrôle se manifestent par l’initiation ou l’achèvement de proces-sus cognitifs, la régulation des efforts et l’utilisation de stratégies cognitives ou métacognitives (Nelson& Narens, 1990). Parmi les expériences métacognitives les plus fréquentes figurent les jugements dedifficulté d’un problème et les jugements de confiance quant à l’exactitude de la réponse au problème

3 Notons qu’en psychologie cognitive, ces sentiments ont été étudiés sous les termes de « jugements métacognitifs » (parexemple Judgment of Learning; Nelson & Narens, 1990) et que leur importance dans la résolution de tâches de mémorisa-tion a été abondamment démontrée. Le concept d’expérience métacognitive se veut plus général que les quelques jugementsmétacognitifs définis par Nelson et Narens (1990), ainsi les jugements métacognitifs ne sont pas distingués des sentimentsmétacognitifs tels que le sentiment d’aimer la tâche.


(Boekaerts & Rozendaal, 2010). En plus de ces dernières, les chercheurs ont également étudiés empi-riquement le sentiment de familiarité avec la tâche, le sentiment d’aimer la tâche, le sentiment desatisfaction ainsi que l’estimation des efforts à effectuer et du temps nécessaire à la résolution de latâche.

Les stratégies métacognitives consistent en la supervision et régulation des opérations et proces-sus cognitifs. Le recours à ces stratégies est fondé en partie sur les expériences métacognitives, demanière consciente ou inconsciente (Brown, 1987). Deux classes d’activités cognitives sont consi-dérées comme représentatives des stratégies métacognitives : l’anticipation et la planification ; lesactivités de vérification pendant ; après l’exécution d’une tâche (Brown, 1987).

L’anticipation et la planification interviennent généralement avant la résolution d’une tâche bienqu’elles puissent également intervenir durant la résolution (par exemple s’interroger sur les difficultéséventuelles de la tâche, définir les étapes de résolution d’un problème, choisir une ou des stratégieset prédire les résultats). La vérification consiste à s’assurer de l’avancement dans la résolution de latâche durant et après la résolution d’une tâche (par exemple vérifier sa compréhension, ajuster oumodifier ses stratégies et s’interroger sur la plausibilité de la solution trouvée). Les expériences etles stratégies métacognitives sont considérées comme des processus métacognitifs, aussi nommées« métacognition on-line » (Desoete, 2008). Les connaissances métacognitives sont considérées commeoff-line, c’est-à-dire qu’elles existent indépendamment d’une situation spécifique.

Chacun des trois composants de la métacognition joue un rôle significatif dans l’apprentissageet les performances mathématiques comme l’ont montré un grand nombre d’études (Efklides,Papadaki, Papantoniou, & Kiosseoglou, 1998 ; Schoenfeld, 1985 ; Schneider & Artelt, 2010 ; Tobias& Everson, 2000 ; Veenman, 2006). Plus précisément, la quantité et la qualité des connaissancesmétacognitives, la calibration des expériences métacognitives et l’utilisation adéquate de straté-gies métacognitives sont positivement corrélées avec la performance et les gains d’apprentissage(Tobias & Everson, 2000). Par ailleurs, plusieurs chercheurs ont comparé le pouvoir prédictif del’intelligence et des stratégies métacognitives sur les performances en résolution de problèmesmathématiques (Veenman, 2006). Les résultats ont montré que les stratégies métacognitivesprédisent une part de variance significative de la performance dans les problèmes considérés(après contrôle de l’effet de l’intelligence). Les stratégies métacognitives jouent par conséquentun rôle qui ne peut pas être négligé dans les processus d’apprentissage et de résolution de pro-blème.

Nous conjecturons, dans la présente étude, que les processus métacognitifs mobilisés par unélève sont influencés par ses croyances motivationnelles, en particulier les buts de compétencequ’il adopte. Les buts fournissent des lignes directrices relatives à la fac on dont les élèves pour-raient réaliser leurs aspiration, satisfaire leurs intérêts ou leurs besoins (Schutz, 1991). Ces lignesdirectrices guident les comportements des élèves – notamment les processus métacognitifs qu’ilsmettent en œuvre. En d’autres termes, les raisons pour lesquelles l’élève s’engage dans les appren-tissages affecteraient la fac on dont il régule son fonctionnement cognitif. Cette hypothèse estformulée dans de nombreux modèles d’apprentissage autorégulé (Efklides, 2011 ; Pintrich, 2000 ;Schunk & Zimmerman, 2008). Selon les termes d’Efklides (2011), il s’agit d’une interaction entreles caractéristiques de l’individu, parmi lesquelles figurent notamment ses croyances motivation-nelles, et la tâche, auquel se manifestent les processus métacognitifs. La suite du texte abordedans le détail la théorie des buts de compétence ainsi que ses liens avec les processus métacogni-tifs.

1.2. Buts de compétence et processus métacognitifs

Le modèle des buts de compétence4 constitue une théorie motivationnelle qui vise à expliquer lesraisons pour lesquelles les élèves s’engagent dans l’apprentissage ou ne s’y engagent pas, cela en fonc-tion des standards qu’ils utilisent afin de définir leurs compétences ainsi que leur tendance à approcher

4 Suivant les suggestions de Cosnefroy (2004) et d’Elliot (2005), les termes « buts de compétence » sont préférés aux termes« buts d’accomplissement » selon l’argument que le concept de compétence constitue le cœur de cette théorie.


le succès ou, au contraire, à éviter l’échec (Cosnefroy, 2004 ; Elliot, 2005 ; Elliot & McGregor, 2001 ;Fenouillet, 2012 ; Pintrich, 2000). Le modèle original de cette théorie propose une distinction entre butsde maîtrise, soit une orientation vers le développement des connaissances et compétences, et buts deperformance, soit une orientation vers la démonstration de ses propres compétences (Dweck & Leggett,1988 ; Nicholls, 1989). Ce modèle suggère que tous les étudiants sont à la recherche du succès maisqu’ils utilisent des standards différents pour juger leurs compétences. Les buts de maîtrise reflètentune définition des compétences fondée sur l’amélioration de celles-ci, cette amélioration étant évaluéepar comparaison à un standard intra-personnel. Cela signifie qu’un élève se sent compétent lorsqu’ilaccroît ses connaissances et compétences, en d’autres termes lorsqu’il réalise des progrès dans sesapprentissages. Les buts de performance sont associés à un jugement des compétences fondé sur lacomparaison sociale avec les résultats des pairs. Ainsi, les élèves qui adoptent des buts de performancese sentent compétents lorsqu’ils réussissent mieux que leurs pairs. Le modèle théorique des buts decompétence a par la suite été élargi par Elliot et McGregor (2001). L’idée développée est que chacundes buts peut prendre soit une forme dite d’approche (chercher le succès) soit d’évitement (essayerd’éviter l’échec), réintroduisant ainsi une dichotomie qui fût à la base de certaines théories cognitivesde la motivation (Atkinson, 1957). La combinaison des dimensions de définition de la compétence etd’approche ou évitement produit quatre types de buts : maîtrise-approche, performance-approche,maîtrise-évitement et performance-évitement. Parmi ces buts, les buts de maîtrise-évitement sontconsidérés comme « opaques » par Elliot et Murayama (2008) car tant leur définition que leur mesurevarie sensiblement d’une étude à l’autre et leurs effets sont encore méconnus.

Les divers buts de compétences sont théoriquement et empiriquement associés à des fac ons dif-férentes de percevoir et d’appréhender les activités d’apprentissage ou d’évaluation (Pintrich, 2000).Ainsi, les buts ont un effet significatif sur les processus métacognitifs en œuvre dans ce type de situa-tions. Par exemple, le rôle de l’effort ainsi que le choix d’approches stratégiques divergent en fonctiondu type de but adopté (Madjar et al., 2011 ; Pintrich, 2000). D’après Zimmerman et Moylan (2009),les buts constitueraient un important prédicteur de la planification stratégique lors de la phase depréparation (forethought) de la résolution d’un problème, ainsi qu’un facteur explicatif des processusd’autoréflexion – tels que l’expérience métacognitive de jugement de confiance – suite à la résolution.Les études empiriques ont révélé les associations suivantes entre buts de compétence, expériencesmétacognitive et mobilisation de stratégies métacognitives.

Les buts de maîtrise-approche prédisent les expériences métacognitives liées aux efforts. Ainsi,ces buts expliquent dans quelle mesure les élèves ont l’intention d’exercer des efforts ainsi que laquantité d’efforts qu’ils estiment avoir effectuée durant la résolution de la tâche. Cela s’explique parle fait que les élèves orientés vers la maîtrise (approche ou évitement) croient fermement en unlien entre la quantité d’efforts exercée et les résultats. Ces élèves pensent que les efforts permettentd’améliorer les compétences grâce à l’engagement dans la résolution de la tâche (Dweck & Leggett,1988). L’adoption de buts de maîtrise-approche est également liée positivement au niveau d’intérêtdes élèves ainsi qu’à leur sentiment d’efficacité personnelle pour le matériel qui leur est présenté(Boekaerts & Seegers, 1993 ; Hulleman, Schrager, Bodmann, & Harackiewicz, 2010 ; Tanaka, 2007). Lesétudes ont également montré de manière récurrente que l’utilisation de stratégies métacognitivesest positivement associée aux buts de maîtrise-approche (Dermitzaki & Efklides, 2003 ; Dupeyrat &Mariné, 2005 ; Elliot, McGregor, & Gable, 1999 ; Vrugt & Oort, 2008).

En théorie, les buts de maîtrise-évitement devraient, selon Linnenbrink et Pintrich (2000), être pré-dictifs d’un intérêt et d’un sentiment d’efficacité faibles, ce qui est suggéré par l’étude de Cury, Elliot,Da Fonseca, et Moller (2006). Concernant leur relation avec les stratégies métacognitives, Linnenbrinket Pintrich (2000) supposent que les buts de maîtrise-évitement mèneraient à l’utilisation de straté-gies de traitement de la tâche en surface (par exemple la tendance à utiliser la mémorisation pourapprendre les cours) plutôt que de stratégies de traitement en profondeur telles que les stratégiesmétacognitives. Darnon et Butera (2005) observent, quant à eux, que les buts de maîtrise-évitementsont prédictifs de la sensation de désorganisation durant les moments d’étude mais qu’ils ne sontpas associés à l’utilisation de stratégies d’étude de surface ou profondes. Au contraire, les résultats del’étude de Madjar et al. (2011) indiquent que les buts de maîtrise-évitement sont associés positive-ment à l’utilisation de stratégies d’apprentissage cognitives et métacognitives et négativement auxcomportements d’apprentissage inadaptés tels que la procrastination. En bref, les recherches sur les


effets des buts de maîtrise-évitement sont non seulement encore rares, mais les quelques résultats etprédictions montrent de plus des contradictions.

D’une manière générale, les buts de performance-approche ne sont que très faiblement voir nonsignificativement liés aux processus métacognitifs (Berger, 2009 ; Dermitzaki & Efklides, 2003 ; Vrugt &Oort, 2008). Ainsi, les recherches indiquent que ces buts ne sont que faiblement associés au sentimentd’efficacité (ou sentiment de difficulté) et à l’intérêt pour la tâche (Hulleman et al., 2010 ; Tanaka,2007). Efklides et al. (2006) remarquent de plus que les expériences métacognitives relatives auxefforts (estimations prospectives des efforts à effectuer et les estimations rétrospectives des effortsréalisés) ne sont pas en lien avec les buts de performance-approche. Finalement, l’association de cesbuts avec les stratégies métacognitives est variables en fonction des études : soit non significative soitlégèrement positive (Elliot & Moller, 2003).

Les buts de performance-évitement montrent de manière consistante des effets délétères(Hulleman & Senko, 2010). Par exemple, ils sont négativement corrélés au sentiment d’efficacité et àl’intérêt. En effet, les élèves qui adoptent ce type de buts doutent de leurs capacités et ne valorisent pasla tâche car elle pourrait révéler leurs difficultés. Ces tâches sont ainsi perc ues comme menac antes, cequi tend à éliciter de la crainte, de l’anxiété et des affects négatifs (McGregor & Elliot, 2002 ; Tanaka,2007). Par conséquent, ces élèves n’attribuent que peu de valeur aux tâches d’apprentissage. Lesétudes montrent en outre que plus les élèves adoptent des buts de performance-évitement et moinsils utilisent des stratégies métacognitives (Dupeyrat & Mariné, 2005 ; Elliot et al., 1999 ; Vrugt & Oort,2008).

Finalement, signalons que des contradictions existent également dans l’importance des effets desbuts de compétences sur les expériences métacognitives. Les travaux d’Efklides (Dermitzaki & Efklides,2003 ; Efklides et al., 2006) ont montré que les buts de compétence n’étaient que faiblement prédictifsdes expériences métacognitives. Selon ces études, le concept de soi (incluant la compétence perc ue)serait plus prépondérant que les buts dans l’explication des expériences métacognitives. Au contraire,les résultats d’une étude réalisée par nos soins indiquent que les buts de compétence ont des effetssur le sentiment de difficulté, le sentiment d’aimer la tâche ainsi que l’estimation des efforts effectués(Berger, 2009), cela après avoir contrôlé les effets de la compétence perc ue. Finalement, nos résultatsindiquent que les effets des buts de compétence sur l’utilisation de stratégies métacognitives sontentièrement médiatisés par les expériences métacognitives (Berger, 2009). Ainsi, les buts n’agiraientque de manière indirecte sur les stratégies métacognitives.

1.3. Objectifs de la présente étude

La présente étude vise à analyser de quelle fac on les croyances motivationnelles des élèves, sous laforme de leurs buts de compétence, affectent les processus métacognitifs dans une situation de résolu-tion de problèmes mathématiques. Par rapport à la majorité des études portant sur les relations entreles croyances motivationnelles et la métacognition, l’objectif est ici d’adopter une perspective situéeafin de fournir des informations ne pouvant pas être obtenues par les analyses effectuées sur la based’information que les élèves rapportent en référence à l’apprentissage d’une matière. Nous fournironsainsi une image détaillée des relations entre croyances motivationnelles et métacognition. L’étude sedistingue également de la plupart des recherches en ce qu’elle porte sur des élèves adolescents et nondes étudiants universitaires.

Deux composants de la métacognition sont considérés. Les expériences métacognitives et lesstratégies métacognitives. Les premières sont divisées en expériences pré-résolution (sentiment defamiliarité, sentiment de difficulté et sentiment d’aimer la tâche) et post-résolution (estimation desefforts effectués et jugements de confiance). Les secondes sont évaluées sous l’aspect stratégies mobi-lisées, rapportées par l’élève directement après la résolution du problème. Les buts de compétenceconsidérés sont les quatre buts proposés par Elliot et McGregor (2001). L’inclusion des buts de maîtrise-évitement, dont les effets sont encore méconnus, permettra d’approfondir nos connaissances de leurrelation aux processus métacognitifs. De plus, la compétence perc ue et l’intelligence non verbale sontajoutées comme variables de contrôle car diverses études ont révélé qu’elles étaient associées auxcomposantes de la métacognition ainsi qu’à la performance en résolution de problèmes mathéma-tiques (Berger, 2009 ; Efklides et al., 1998 ; Veenman, 2006). L’ajout de ces deux variables permettra


de mieux discerner les effets des buts de compétence en s’assurant que ces effets ne sont pas dus àl’absence d’un prédicteur important.

1.4. Questions de recherche et hypothèses

Afin de guider les analyses et l’interprétation des résultats, la question de recherche suivante a étéformulée : comment les buts de compétence prédisent-ils :

• les expériences métacognitives réalisées avant la résolution ?• les expériences métacognitives réalisées après la résolution ?• l’utilisation de stratégies métacognitives ?

D’une manière générale, nous présumons qu’il n’existe aucun effet direct mais uniquement deseffets indirects des variables générales (buts de compétence, intelligence no-verbale et compétencepercue) sur la performance ou sur les jugements de confiance post-résolution. Cela signifie que lesexpériences métacognitives pré-résolution, les stratégies métacognitives ainsi que les compétencescognitives spécifiques au problème médiatiseraient les effets des variables générales sur la perfor-mance et les jugements de confiance post-résolution.

Plus précisément, nous postulons – sur la base de notre revue de la littérature – que les buts decompétences ont des effets significatifs tant sur les expériences métacognitives que sur l’utilisation destratégies métacognitives. Les buts de maîtrise-approche devraient prédire positivement, d’une part,le sentiment d’aimer la tâche (hypothèse 1) et, d’autre part, l’utilisation de stratégies métacognitives(hypothèse 2). Les buts de maîtrise-évitement prédiraient positivement les stratégies métacognitives(hypothèse 3) mais négativement les compétences cognitives spécifiques au problème (hypothèse 4).En effet, plus grande est la crainte de ne pas comprendre le domaine des mathématiques, plus l’élèvedevrait avoir tendance à contrôler ce qu’il fait pendant la résolution du problème. En outre, plus l’élèvea cette crainte, moins il devrait posséder les compétences cognitives postulées comme nécessaires àla résolution du problème. Toutefois, ces relations potentielles restent à explorer puisque, à notreconnaissance, aucune étude n’a encore porté sur cette question. Les buts de performance-approchedevraient être non significativement associés aux processus métacognitifs (hypothèse 5). Finalement,les buts de performance-évitement seraient négativement liés aux processus métacognitifs (hypothèse6). Accessoirement, nous porterons attention aux relations entre les divers processus métacognitifson-line, soit les associations entre les expériences métacognitives et les stratégies métacognitives.

2. Méthode

2.1. Participants

Deux cents apprentis en première année de formation professionnelle initiale ont participé àl’étude. Ces apprentis fréquentent un centre de formation professionnelle suisse et visent l’obtentiond’un Certificat fédéral de capacité. Cette formation dure trois ou quatre ans. Cette filière du niveausecondaire supérieur est la plus fréquentée en Suisse par les jeunes après la fin de la scolarité obli-gatoire. L’échantillon est composé principalement d’hommes (60,7 %), d’élèves de nationalité suisseou binationaux (65,2 %) et d’un âge moyen de 18 ans et un mois (écart-type de 2 ans et 10 mois) aumoment de l’étude. Les professions apprises par ces jeunes sont très diverses et les formations ont desniveaux d’exigences intellectuelles fortement variables. Cette composition très hétérogène est inten-tionnelle en ce qu’elle permet plus facilement de généraliser les résultats à l’ensemble de la populationdes apprentis en première année de formation professionnelle.

2.2. Instruments

2.2.1. Questionnaire de buts de compétenceCe questionnaire comporte 20 items par rapport auxquels les répondants doivent situer leur degré

d’accord sur une échelle à quatre niveaux (de « pas du tout d’accord » à « tout à fait d’accord »). Le modèle


théorique des buts de compétence ainsi que l’Achievement Goal Questionnaire d’Elliot et McGregor(2001) ont servi de base à la rédaction des items. Pour chacun des quatre types de buts cinq items ontété créés ; en voici des exemples : « j’apprécie les exercices de maths qui me permettent d’apprendre,même si je fais beaucoup de fautes » (but de maîtrise-approche), « mon but en maths est d’obtenir unemeilleure moyenne que la plupart de mes camarades » (but de performance-approche), « je m’inquiètede ne pas apprendre autant que j’en suis capable en maths » (but de maîtrise-évitement) et « je redouteque mes collègues pensent que je suis moins bon qu’eux » (but de performance-évitement)5.

2.2.2. Compétence percueQuatre items tirés de la traduction francaise du Self-Description Questionnaire II de Marsh (Guérin,

Marsh, & Famose, 2003) ont été utilisés afin d’évaluer la compétence percue des participants (parexemple « Les maths sont l’une de mes meilleures matières »). Les participants devaient répondre àl’aide d’une échelle de type Likert à six niveaux (de « Faux » à « Vrai »).

2.2.3. Intelligence non verbaleLe test d’aptitude non verbale de Naglieri (NNAT ; Naglieri, 1998) a servi à mesurer le niveau

d’intelligence non verbale. Ce test comporte 38 items à choix multiples qui sont à résoudre en30 minutes. Les items sont de trois types : raisonnement analogique, raisonnement en série et repré-sentation spatiale. La forme G, prévue pour les élèves de niveaux seconde, première et terminale(niveaux scolaires franc ais) a été utilisée dans la présente recherche. Un score total a été calculé afinde représenter l’intelligence non verbale en un score unique.

2.2.4. Problèmes mathématiquesDeux problèmes sollicitant des compétences mathématiques différentes ont été proposés aux

élèves. Le premier problème, « La Citerne » (ci-après référé simplement par le mot « Citerne »), estinspiré de l’un des problèmes du Test delle abilità di soluzione dei problemi matematici de Lucangeli,Tressoldi, et Cendron (1998). Il a été traduit par une première personne bilingue puis la traduction aété vérifiée par une seconde personne bilingue. En voici le libellé :

Dans une citerne d’une capacité de 15 HL (1 HL = 100 L), qui contient déjà 7 HL d’eau, ont étéversés encore 270 L. Combien de litres doit-on encore verser afin de remplir complètement laciterne ?

La résolution de ce problème nécessite la conversion d’unités de mesures, l’utilisation d’opérationsarithmétiques de base ainsi que la planification correcte des étapes de résolution.

Le second problème, « Le Réservoir d’Essence » (ci-après référé simplement par le mot « Réservoir »),est plus complexe. Il est tiré d’un manuel scolaire suisse romand pour l’équivalent du niveau secondeet il a déjà été utilisé dans notre précédente étude (Berger, 2009). En voici le libellé :

Avant de se mettre en route, un automobiliste constate que son réservoir d’essence est rempliaux 75 %. À son retour, la jauge indique que le réservoir est rempli aux 25 %. Sachant que lavoiture consomme 12 litres d’essence aux 100 km et que le compteur kilométrique marquait12 476 km au départ et 12 726 km au retour, trouvez la capacité totale du réservoir.

Afin de résoudre ce problème, un plus grand nombre d’étapes de résolution et des calculs pluscomplexes sont nécessaires par rapport au précédent problème. Par conséquent, ce problème devraits’avérer empiriquement plus difficile.

Les compétences cognitives spécifiques au problème sont évaluées, dans chacun des problèmes, partrois questions auxquelles les participants doivent répondre avant de résoudre le problème par écrit.Dans un premier temps, l’apprenti doit choisir, parmi quatre alternatives, la paraphrase du problème laplus adéquate. Une réponse correcte (à laquelle un point est attribué) révèle que l’apprenti est capable

5 Nous n’avions malencontreusement pas connaissance de la traduction de l’AGQ en franc ais par Darnon et Butera (2005) aumoment où la présente étude a été réalisée. Par ailleurs, celle-ci a été conduite préalablement à la publication de l’AGQ-R parElliot et Murayama (2008).


de considérer tous les éléments du problème. Dans un second temps, quatre schémas sont proposés.Ils correspondent à des représentations potentielles du problème. L’apprenti doit déterminer lequelde ces schémas est correct. Une réponse correcte (à laquelle un point est attribué) révèle que l’élève estcapable de se représenter le problème de manière figurative et abstraite. Finalement, l’apprenti doitsélectionner parmi cinq étapes de résolution proposées, les trois qui sont nécessaires pour résoudre leproblème. Ensuite, il doit les ordonner. Une réponse correcte (un point est attribué pour chaque étapecorrectement ordonnée) indique que l’apprenti est capable de planifier les étapes de résolution afind’arriver au résultat. L’addition des points obtenus à ces trois questions constitue le score représentantles compétences spécifiques au problème (voir Berger, 2008 pour des précisions quant à la mesuredes compétences cognitives spécifiques au problème).

L’élève est ensuite invité à résoudre le problème par écrit en inscrivant l’intégralité de ses calculsainsi que la réponse sur un espace prévu à cet effet. La performance au problème est codée sur la basede ce que l’élève a écrit dans cet espace. Six niveaux de performance sont distingués en fonction dunombre d’étapes réalisées correctement par l’élève ainsi que de l’exactitude de ses calculs.

2.2.5. Expériences métacognitivesLes problèmes de mathématiques ont servi de base pour l’évaluation des expériences métacogni-

tives pré- et post-résolution. Les tâches à l’intérieur desquelles sont insérés des items visant à évaluerdes aspects métacognitifs ont en effet l’avantage de fournir un ancrage précis à ces items. Ces dernierssont ainsi plus clairs aux yeux de l’élève et permettent une estimation des processus métacognitifsen situation concrète (Lucangeli, Cornoldi, & Tellarini, 1998). Avant la résolution de chacun des pro-blèmes, l’apprenti doit rapporter, avec des items de type Likert à quatre points (de « oui, tout à fait » à« non, pas du tout »), l’intensité des expériences métacognitives suivantes : le sentiment de familiarité(3 items) avec des items du type « ce type d’exercice m’est familier », le sentiment de difficulté (5 items)avec des items du type « je trouve l’exercice difficile » et le sentiment d’aimer la tâche (3 items) avecdes items du type « l’exercice m’intéresse ». La seconde partie de l’instrument est distribuée suite àla résolution du problème et une fois que les protocoles de la première partie ont été restitués. Lesjugements de confiance sont alors évalués (3 items) par des items tels que : « indiquez si vous pensezque les calculs que vous avez faits sont justes ». Les items sont inspirés du Metacognitive ExperienceQuestionnaire (Efklides, 2002).

2.2.6. Stratégies métacognitivesTrois items de la seconde partie de l’instrument évaluent les stratégies métacognitives (stratégies

de vérification) exercé durant la résolution. Ces items ont été créés pour l’occasion (par exemple« pendant la résolution j’ai vérifié au fur et à mesure que mes calculs étaient exacts »). Les réponsessont données sur une échelle identique à celle utilisée pour les expériences métacognitives.

2.3. Procédure de passation

Tous les instruments ont été administrés par l’auteur et une étudiante de niveau maîtrise durant despériodes de cours habituellement consacrées à l’enseignement de la culture générale. Toutes les pas-sations ont été réalisées de manière collective, c’est-à-dire par classes entières. Une dizaine de minutesétait tout d’abord consacrée à la présentation des chercheurs ainsi qu’aux explications des objectifs etdu déroulement de l’étude. Il était annoncé aux élèves que les buts de l’étude étaient de comprendreleur motivation et la fac on dont ils apprenaient les mathématiques et résolvaient des problèmes. Deplus, il était souligné que les réponses étaient anonymes et qu’elles n’entraient pas en compte dansles notes scolaires. Autant que possible, les chercheurs veillaient à ne pas donner un message favori-sant l’adoption d’un certain type de buts de compétence. Les réponses aux problèmes mathématiquesétaient révélées à la classe après que toutes les feuilles aient été récoltées. Dans un second temps,les apprentis complétaient, durant 15 minutes, un questionnaire comprenant les échelles de buts decompétence et de compétence perc ue. Ensuite, ils tentaient de résoudre les deux problèmes mathé-matiques (incluant les items pré- et post-résolution). L’ordre des problèmes était interverti dans la


moitié des classes (20 minutes par problème, la plupart des élèves terminant chacun des problèmesen un temps moindre). Finalement, ils complétaient le test NNAT durant 30 minutes.

2.4. Procédure d’analyses des données

Des analyses factorielles confirmatoire6 ont été réalisées, dans un premier temps, afin de vérifierles dimensions postulées. Dans un second temps, un modèle des relations entre buts de compétence,compétence percue, intelligence non verbale et processus métacognitif a été développé et testé pardes analyses de cheminement (modèles d’équation structurelles)7 pour chacun des problèmes mathé-matiques et modifié en fonction des données empiriques. Cela a été réalisé en suivant l’approche ditede génération de modèles décrite par Jöreskog (1993).

3. Résultats

3.1. Analyses factorielles confirmatoires des items relatifs aux buts de compétence

Nous avons comparé quatre modèles factoriels différents afin de sélectionner le plus adéquat. Lepremier modèle comporte les quatre facteurs postulé sur la base du modèle d’Elliot et McGregor(2001) : les buts de maîtrise-approche, les buts de maîtrise-évitement, les buts de performance-approche et les buts de performance-évitement. Les résultats montrent que le modèle s’ajusteadéquatement aux données (�2

(11) = 28,256, p = 0,003, CFI = 0,950, RMSEA = 0,090) selon les critèresde Schermelleh-Engel, Moosbrugger, et Müller (2003)8. Toutefois, le facteur des buts de performance-évitement est très fortement lié (r > 0,85) tant au facteur de performance-approche qu’au facteur demaîtrise-évitement, ce qui révèle un problème de validité discriminante. Cela suggère que les buts deperformance-évitement ne constituent pas un facteur distinct des deux autres types de buts. Mention-nons de plus que cette solution a nécessité l’élimination d’un item de maîtrise-évitement faiblementsaturé par le facteur concerné (« parfois je m’inquiète de ne pas avoir compris tout le contenu ducours »). Le second modèle postule trois facteurs : les buts de maîtrise-approche, les buts de maîtrise-évitement et les buts de performance (approche et évitement sont saturés par un facteur unique,soutenant l’idée que les deux types de buts de performance ne traduisent pas deux dimensions diffé-rentes dans les réponses des élèves). L’adéquation de ce modèle est quasiment acceptable au regarddes différents indices (�2

(11) = 32,287, p = 0,001, CFI = 0,937, RMSEA = 0,1). Le troisième modèle postuleégalement trois facteurs si les items censés mesurer les buts de performance-évitement sont exclus carils n’apportent pas d’information spécifique. Ce modèle démontre comparativement le meilleur ajus-tement (�2

(10) = 20,535, p = 0,025, CFI = 0,972, RMSEA = 0,074) parmi les quatre modèles testés. Cette

6 Les analyses factorielles confirmatoires ont été effectuées avec le logiciel Mplus 5.0, qui propose un estimateur adapté autraitement de variables ordinales, la méthode dite des moindres carrés pondérés avec moyennes et variance ajustées (WeighedLeast Square Means and Variance adjusted, WLSMV; Muthén, 1993).

7 Les analyses de cheminement ont été réalisées avec les variables observées (scores moyens des items saturés par un facteur)et les modèles ont été estimés en utilisant une procédure d’estimation robuste (Maximum Likelihood Robust [MLR]) quant auxdéviations de la normalité dans les distributions. L’indice �2 a été corrigé selon la procédure de Satorra-Bentler (Satorra &Bentler, 2001). La proportion de données manquantes, au niveau des items, est inférieure à 5 % ce qui est considéré commeacceptable (Tabachnick & Fidell, 2007). De ce fait, toutes les analyses ont été conduites selon la procédure Full InformationMaximum Likelihood qui est la méthode la plus efficace pour estimer des modèles d’équations structurelles en présence d’untaux raisonnable de données manquantes (Enders, 2006). L’erreur de mesure dans les scores a été fixée dans le modèle decheminement en utilisant la formule (1 − fidélité) × variance (Bollen, 1989). Ces corrections permettent de tenir compte de lafidélité des scores et d’obtenir ainsi des paramètres plus précis.

8 Ces critères figurent dans le tableau ci-dessous :

Test ou indice Valeur suggérant une adéquationacceptable du modèle

Valeur suggérant une bonneadéquation du modèle

�2 p-value 0,01 ≤ p ≤ 0,05 0,05 < p ≤ 1,00RMSEA 0,05 < RMSEA ≤ 0,08 0 ≤ RMSEA ≤ 0,05CFI 0,95 ≤ CFI ≤ 0,97 0,97 ≤ CFI ≤ 1,00


solution a nécessité l’élimination du même item que dans le premier modèle. Le quatrième et derniermodèle postule l’existence de deux facteurs : les buts de maîtrise (approche et évitement sont saturéspar un facteur unique) et buts de ceux de performance-approche. Selon ce modèle, les buts seraient dis-tingués uniquement selon la dimension maîtrise versus performance. Malgré l’ajout d’une covarianceentre résidus, le modèle est loin de s’ajuster (�2

(10) = 47,560, p < 0,001, CFI = 0,902, RMSEA = 0,139) etles possibilités d’amélioration théoriquement cohérentes sont épuisées. La comparaison des indicesd’adéquation des quatre modèles nous permet d’affirmer que le troisième modèle, excluant les buts deperformance-évitement, est le plus adéquat. Par conséquent, nous retenons les trois facteurs suivantspour la suite des analyses : les buts de maîtrise-approche ; les buts de maîtrise-évitement ; les buts deperformance-approche.

3.2. Analyses factorielles confirmatoires des items relatifs aux problèmes de mathématiques

3.2.1. Pré-résolutionLes analyses factorielles confirmatoires ont permis de tester une solution en trois facteurs (sen-

timent de familiarité, sentiment d’aimer la tâche et sentiment de difficulté/d’efficacité) qui s’ajustebien aux données pour les problèmes « Citerne » et « Réservoir » (« Citerne » (n = 192) : �2

(6) = 7,022,p = 0,319 ; « Réservoir » (n = 196) : �2

(8) = 20,810, p = 0,008, CFI = 0,994, RMSEA = 0,090). Toutefois, cela anécessité, dans chacun des modèles, l’élimination d’un item (parmi ceux qui étaient censés mesurer lesentiment de familiarité et le sentiment d’aimer la tâche respectivement pour le problème « Citerne »et « Réservoir ») ainsi que l’ajout d’une covariance entre résidus. Ainsi, pour la suite des analyses,nous retenons pour chacun des problèmes trois facteurs représentant les expériences métacognitivespré-résolution : le sentiment de familiarité ; le sentiment d’aimer la tâche ; le sentiment de difficulté.

3.2.2. Post-résolution et compétences cognitives spécifiques au problèmeLes analyses factorielles confirmatoires montrent que des modèles spécifiant trois facteurs (les

jugements de confiance, les compétences cognitive spécifiques au problème et les stratégies métacog-nitives mobilisées) s’ajustent adéquatement aux données, tant pour le problème « Citerne » (n = 196 ;�2

(8) = 17,168, p = 0,028, CFI = 0,987, RMSEA = 0,076) que pour le problème « Réservoir » : (n = 200 ; �2

(8) = 10,746, p = 0,217). Notons que parmi les compétences cognitives spécifiques au problème, le scorede planification ne serait pas fortement associé aux scores de représentation et de compréhension.Signalons toutefois que les distributions sont fortement asymétriques, ce qui tend à diminuer les cor-rélations entre variables. Pour la suite des analyses, nous retiendrons donc trois facteurs pour chacundes problèmes : les compétences cognitives spécifiques au problème ; les stratégies métacognitivesmobilisées ; les jugements de confiance, cela en plus de la variable représentant la performance auproblème.

Le Tableau 1 présente les statistiques descriptives ainsi que les indices de consistance interne (alphade Cronbach) des scores d’échelles, calculés par la moyenne des items saturant les facteurs extraitsci-dessus ainsi que la performance à chacun des problèmes.

Plusieurs éléments sont intéressants. Concernant les moyennes, le problème « Citerne » s’avèretrop facile (effet plafond) car les élèves obtiennent en moyenne un score de 4,37 points sur un maxi-mum de 5 points. Les indices d’asymétrie indiquent en outre que les élèves ont tendance à « accepter »facilement les items relatifs aux buts de maîtrise-approche. Cela peut s’expliquer par le caractèresocialement désirable de ce type de buts (Büchel, Berger, & Kipfer, 2011 ; Tan & Hall, 2005). Quatrescores (ceux des buts de maîtrise-évitement, celui du sentiment d’aimer la tâche pour le problème« Réservoir » et ceux des compétences cognitives spécifiques aux deux problèmes) ont une consistanceinterne de � < 0,60 et deux autres (celui du sentiment d’aimer la tâche pour « Citerne » et celui du senti-ment de familiarité pour « Réservoir ») ont un indice de � < 0,70. Le Tableau 2 présente les corrélationsentre les variables considérées dans la présente étude.

3.3. Modèles de cheminement

Deux modèles de cheminement ont été développés, l’un liant les variables générales aux variablesspécifiques au problème « Citerne » et l’autre liant ces mêmes variables à celles du problème


Tableau 1Statistiques descriptives pour les scores d’échelles.

Échelle Nombredes items

M SD Asymétrie Voussure Min obs. Maxobs.

Consistanceinterne

Variables généralesButs de maîtrise-approche 5 3,21 0,55 −4,30 2,97 1 4 0,80Buts de maîtrise-évitement 4 2,83 0,59 −2,75 0,37 1,25 4 0,57Buts de

performance-approche5 2,30 0,70 1,74 −1,27 1 4 0,83

Compétence perc ue 4 4,12 1,27 −3,23 −0,71 1 6 0,90Intelligence non verbale 38 26,57 6,87 −2,43 −2,01 10 38 0,90

Problème CiterneSentiment de familiarité 2 3,05 0,72 −3,34 −0,69 1 4 0,60Sentiment d’aimer la tâche 3 2,55 0,73 −1,97 −1,26 1 4 0,64Sentiment de difficulté 5 1,8 0,69 4,39 0,24 1 4 0,91Compétences cognitives

spécifiques au problème3 0,75 0,29 −6,41 1,77 0 1 0,50

Stratégies métacognitives 3 2,93 0,83 −2,89 −1,06 1 4 0,79Jugements de confiance 4 3,28 0,65 −7,77 6,81 1 4 0,90Performance 1 4,37 1,33 −12,70 11,21 0 5 –

Problème RéservoirSentiment de familiarité 3 2,53 0,67 −1,66 −0,65 1 4 0,67Sentiment d’aimer la tâche 2 2,39 0,79 −0,12 −1,70 1 4 0,55Sentiment de difficulté 5 2,30 0,71 0,74 −0,85 1 4 0,92Compétences cognitives

spécifiques au problème3 0,58 0,33 −1,40 −3,00 1 4 0,45

Stratégies métacognitives 3 2,69 0,86 −1,25 −1,96 1 4 0,84Jugements de confiance 4 2,70 0,89 −2,18 −3,01 1 4 0,91Performance 1 3,38 1,91 −3,46 −3,78 0 5 –

Voussure et asymétrie sont standardisées, c’est-à-dire divisées par leurs erreurs standards respectives. La consistance internea été estimée par l’alpha de Cronbach.

« Réservoir ». Étant donné que les résultats des deux modèles sont proches, nous présentons ci-dessousleurs résultats successivement et sous la forme de figures. Ils seront ensuite commentés. Les conver-gences et divergences seront abordées de manière synthétique.

La Fig. 1 représente le modèle de cheminement liant les variables générales et les variables spéci-fiques au problème « Citerne ». Comme l’indiquent les indices d’adéquation, l’ajustement de ce modèleaux données est bon : �2

(43) = 32,273, p = 0,884.La Fig. 2 représente un modèle de cheminement analogue à celui présenté sur la Fig. 1 mais incluant

les variables spécifiques au problème « Réservoir ». Comme l’indiquent les indices d’adéquation, sonajustement aux données est bon : �2

(41) = 56,123, p = 0,058.Les parts de variance expliquée dans les processus métacognitifs diffèrent fortement en fonction

du moment auquel ceux-ci ont été mesurés ainsi qu’en fonction du type de processus en question. Lesparts de variance expliquée sont peu conséquentes pour les expériences métacognitives pré-résolution(entre 0 % et 29 %). Elles sont au contraire très élevées pour les jugements de confiance (post-résolution)au point d’atteindre 57 % (« Citerne ») et 76 % (« Réservoir »). Concernant les stratégies métacognitives,26 % à 29 % de la variance est expliquée par les prédicteurs.

Si nous nous intéressons dans un premier temps aux effets des expériences métacognitives pré-résolution sur les variables mesurées pendant et après la résolution ainsi que sur la performance, nousconstatons les éléments suivants. Les trois expériences métacognitives pré-résolution sont fortementassociées. Cela est le plus flagrant dans le second problème. Le sentiment de familiarité et celui d’aimerla tâche n’ont d’effet sur aucune variable. Le sentiment de difficulté joue en revanche un rôle clé parmices expériences. Ce sentiment prédit les jugements de confiance (ß = −0,48, p < 0,001 et ß = −0,35,p < 0,0019) ainsi que la mobilisation de stratégies métacognitives (ß = −0,39, p < 0,001 et ß = −0,46,

9 Lorsque nous mentionnons deux coefficients successivement, le premier fait référence au modèle incluant les variables duproblème « Citerne » et le second fait référence au modèle incluant les variables du problème « Réservoir ».

J.-L. Berger

/ Psychologie

française 58

(2013) 297–318

309

Tableau 2Corrélations entre les variables spécifiques au problème « Citerne » (au-dessus de la diagonale), les variables spécifiques au problème « Réservoir » (au-dessous de la diagonale), les croyancesmotivationnelles et l’intelligence non verbale.

Variable 1 2 3 4 5 6 7 8 9 10 11 12

1 Sentiment de familiarité 0,56 −0,33 0,23 0,10 0,10 0,25 0,09 0,02 0,02 0,02 0,06 0,042 Sentiment de difficulté −0,58 0,70 −0,33 −0,25 −0,28 −0,61 −0,21 −0,28 0,10 −0,01 −0,49 −0,323 Sentiment d’aimer la tâche 0,48 −0,45 0,57 −0,02 0,27 0,21 0,02 0,35 0,11 0,15 0,20 0,034 Compétences cognitives

spécifiques au problème0,18 −0,43 0,16 0,39 0,11 0,32 0,22 0,01 −0,18 0,00 0,22 0,41

5 Stratégies métacognitives 0,22 −0,44 0,20 0,36 0,51 0,42 0,25 0,25 0,22 0,18 0,11 0,056 Jugements de confiance 0,37 −0,69 0,25 0,58 0,58 0,64 0,46 0,24 −0,03 0,07 0,26 0,317 Performance 0,34 −0,47 0,12 0,56 0,42 0,74 0,35 0,05 −0,12 −0,06 0,16 0,258 Buts de maîtrise-approche 0,24 −0,30 0,32 0,20 0,25 0,23 0,199 Buts de maîtrise-évitement −0,09 0,17 0,05 −0,18 0,10 −0,12 −0,08 0,3310 Buts de perf-approche 0,00 0,02 0,05 0,05 0,06 0,04 0,04 0,14 0,3611 Compétence percue 0,26 −0,50 0,15 0,38 0,22 0,38 0,37 0,39 −0,22 0,0212 Intelligence non verbale 0,12 −0,30 0,13 0,45 0,26 0,41 0,52 0,22 −0,05 0,03 0,38

Sur la diagonale figurent en italique les corrélations entre les deux problèmes. Les corrélations = |0,16| sont significatives à p = 0,05 ; les corrélations ≥ |0,20| sont significatives à p = 0,01(2-tailed). Le nombre de sujet varie de n = 188 à n = 199 à cause de données manquantes.


Fig. 1. Résultats des analyses de cheminement pour le problème « Citerne ». Tous les paramètres sont significatifs à p < 0,05.

Fig. 2. Résultats des analyses de cheminement pour le problème « Réservoir ». Tous les paramètres sont significatifs à p < 0,05.


p < 0,001) dans chacun des problèmes. Le sentiment de difficulté prédit également les compéten-ces cognitives spécifiques au problème « Réservoir » (ß = −0,43, p < 0,001). La performance est préditepar les compétences cognitives spécifiques au problème (ß = 36, p < 0,001 et ß = 72, p < 0,001) et lesstratégies métacognitives (ß = 25, p < 0,01 et ß = 15, p < 0,05). Finalement, les jugements de confiancedépendent significativement de ces deux mêmes variables (compétences cognitives spécifiques auproblème : ß = 24, p = 0,01 et ß = 42, p < 0,001 ; stratégies métacognitives ; ß = 34, p < 0,001 et ß = 31,p < 0,001).

Dans aucune des deux figures représentant les résultats de nos modèles ne figurent les buts deperformance-approche. Ces buts de compétence ne prédisant absolument aucune variable spécifiqueau problème de manière statistiquement significative (au seuil de p < 0,05), ils n’apparaissent pas afinde ne pas complexifier inutilement la lecture des figures.

Les buts de compétence montrent les effets suivants. Les buts de maîtrise-approche ont un effetlarge sur le sentiment d’aimer la tâche (ß = 49, p < 0,001 et ß = 43, p < 0,001). Il s’agit du seul effet directde ce but observé dans les deux modèles. Dans le modèle relatif au problème « Réservoir », les butsde maîtrise-approche sont prédictifs du sentiment de familiarité par rapport au problème (ß = 0,42,p < 0,001). Cette relation n’est pas significative dans le modèle relatif à l’autre problème. Les buts demaîtrise-évitement n’ont pas d’effet direct sur les expériences métacognitives mais ils prédisent néga-tivement les compétences cognitives de l’élève relatives au problème (ß = −0,28, p < 0,01 pour chacundes deux problèmes). Les buts de maîtrise-évitement ont également un effet positif sur les straté-gies métacognitives rapportées (ß = 0,39, p < 0,001 et ß = 0,21, p < 0,01). Par conséquent, si les buts demaîtrise-évitement ont un effet indirect négatif sur la performance via les compétences cognitivesspécifiques au problème (ß = −0,11 et ß = −0,2210), ils affectent au contraire positivement la perfor-mance via les stratégies métacognitives (ß = 0,10 et ß = 0,03). En outre, ces buts affectent également lesjugements de confiance de manière indirecte, via les compétences cognitives (ß = −0,07 et ß = −0,13)et via les stratégies métacognitives (ß = 0,13 et ß = 0,07).

4. Discussion

Cette étude visait à analyser les effets des buts de compétence sur les processus métacognitifs enrésolution de problèmes mathématiques, cela en contrôlant les effets de la compétence perc ue et del’intelligence non verbale. L’interprétation des résultats des modèles de cheminement est présentéeci-après. Les effets des buts seront abordés en premier lieu, puis les relations entre les divers processusmétacognitifs ainsi que l’adéquation de la théorie des buts de compétence aux élèves en formationprofessionnelle seront discutées. Finalement, nous traiterons des limites de la présente étude ainsique de quelques perspectives de recherches.

4.1. Les effets des buts de compétence sur les processus métacognitifs

Les résultats montrent que les buts de maîtrise-approche ont un unique effet sur les processusmétacognitifs : ils ont une influence modérée à forte sur l’expérience métacognitive du sentimentd’aimer la tâche dans les deux problèmes, ce qui confirme l’hypothèse 1. Cela corrobore en outreles résultats de multiples études (par exemple Boekaerts & Seegers, 1993) montrant que l’adoptionde ces buts est liée à une valorisation des tâches d’apprentissage élevée. L’influence des buts demaîtrise-approche est toutefois limitée car le sentiment d’aimer la tâche ne prédit pas d’autre variable.Par ailleurs, ces buts ne prédisent pas significativement la mobilisation de stratégies métacognitives,comme nous l’attendions dans notre seconde hypothèse. Cette observation concerne les deuxproblèmes mathématiques et est contraire aux conclusions de nombreuses études (par exempleVrugt & Oort, 2008). Ces dernières n’ont toutefois généralement inclus que la forme « approche »

10 Les effets indirects sont le produit des effets menant de la variable indépendante à la variable dépendante. Par exemple,dans le cas de l’effet indirect des buts de maîtrise-évitement sur la performance pour le problème « Citerne », les effets indirectessont −0,30 × 0,37 = −0,111 (via les compétences cognitives) et 0,38 × 0,25 = 0,095 (via les stratégies métacognitives). En tout,les buts de maîtrise-évitement ont donc un effet indirect sur la performance de −0,111 + 0,095 = −0,016.


des buts de maîtrise, négligeant par conséquent les effets de la forme « évitement », ce qui pourraitconstituer une explication à ces résultats inattendus. Nous y reviendrons plus bas.

Les résultats indiquent que les buts de maîtrise-évitement jouent un rôle important dansl’activation et l’intensité des processus métacognitifs. En effet, ils sont non seulement prédictifs dela mobilisation de stratégies métacognitives durant la résolution des deux problèmes, vérifiant ainsil’hypothèse 3, mais ils affectent aussi indirectement – tant positivement que négativement – les juge-ments de confiance. Ce résultat peut être interprété de la manière suivante : l’élève qui redoute defaire des fautes ou de ne pas bien réussir un problème va vérifier ce qu’il réalise afin de s’assurer qu’iln’a pas fait de fautes et qu’il a effectivement trouvé la réponse correcte. Pour répondre à ses doutes, ilpeut être amené à vérifier ses calculs ainsi que son avancement dans la résolution du problème à plu-sieurs reprises en utilisant de multiples stratégies métacognitives. Par conséquent, cet élève rapporteune plus grande quantité de stratégies métacognitives suite à la résolution des problèmes. Soulignonstoutefois que l’utilisation trop intensive de stratégies métacognitives n’apporte pas de bénéfice (Paris,2002) et qu’il est plus pertinent de mobiliser ces stratégies aux moments opportuns, plutôt que dele faire à de multiples occasions. Nos résultats vont à l’encontre des prédictions de Linnenbrink etPintrich (2000) qui postulaient que les buts de maîtrise-évitement seraient liés à l’utilisation de stra-tégies de traitement en surface et non à l’utilisation de stratégies métacognitives. Les résultats sont,au contraire, en cohérence avec les conclusions empiriques de Madjar et al. (2011), qui ont observé unlien conséquent entre ces buts et le recours à des stratégies d’apprentissage. Un autre effet (négatif)des buts de maîtrise-évitement a été observé sur les compétences cognitives spécifiques au problème.Ce résultat doit être interprété en tenant compte de l’effet de l’intelligence non verbale et du fait queces buts sont corrélés à la compétence perc ue. Il est ainsi surprenant de constater, d’une part, que lesbuts de maîtrise-évitement prédisent les compétences cognitives spécifiques au problème bien quenous ayons tenu compte de l’intelligence non verbale. D’autre part, la compétence perc ue ne prédit pasles compétences cognitives. Ces résultats sont constatés pour les deux problèmes. L’élève qui adoptedes buts de maîtrise-évitement tend à être moins compétent dans la résolution du problème et il sesent également moins compétent par rapport à la matière (corrélation négative entre la compétenceperc ue et les buts de maîtrise-évitement). Ainsi, les buts de maîtrise-évitement exercent un effet posi-tif lors de la résolution de problème, cela au travers des processus mis en lumière dans la présenteétude. Leur plus grande importance en comparaison des buts de maîtrise-approche interroge le rôlede ces deux formes de buts de maîtrise et suggère que les futures études incluant les quatre types debuts pourraient remettre en question l’importance des buts de maîtrise-approche qui sont générale-ment considérés comme les plus bénéfiques. Par ailleurs, les buts de maîtrise-évitement sont, commeattendu dans l’hypothèse 4, négativement liés aux compétences cognitives spécifiques au problème.Ainsi, il semble que les élèves adoptant des buts de maîtrise-évitement compensent leur relative fai-blesse en termes de compétences cognitives spécifiques au problème par une application plus intensede stratégies métacognitives.

En ce qui concerne les buts de performance, les analyses factorielles ont révélé que la distinctionentre buts de type approche et de type évitement n’était pas soutenu par nos données, ainsi avons-nousexclus les buts de performance-évitement de la suite des analyses (de ce fait l’hypothèse 6 n’a pas ététestée). Selon nos résultats, les buts de performance-approche ne prédisent aucune variable spécifiqueaux problèmes, en d’autres termes ils n’ont pas d’effet significatif sur les processus métacognitifs11.Cela confirme l‘hypothèses 5. Ces résultats corroborent largement ceux de notre précédente étude(Berger, 2009). Ainsi, adopter des buts de performance pour l’apprentissage des mathématiques nemodifierait pas les processus métacognitifs des élèves lors de la résolution de problèmes dans cettemême branche. Seuls les buts de maîtrise exercent une influence sur ces processus.

Concernant les effets des buts de compétence sur les expériences métacognitives post-résolution,nous avons observé que les jugements de confiance ne sont expliqués que de manière indirectepar les buts. Les influences sont médiatisées par les stratégies métacognitives mobilisées et lescompétences cognitives spécifiques au problème, ce qui confirme notre postulat général. Les buts

11 Les corrélations bivariées entre les items prévus pour mesurer les buts de performance-évitement suggèrent qu’aucun liensignificatif n’existe avec les processus métacognitifs considérés dans cette étude.


de maîtrise-évitement sont les seuls affectant les jugements de confiance, cela indirectement via lesdeux médiateurs précités. Il est intéressant de relever que l’adoption de ces buts tend à influencerles jugements de confiance de manière complexe, c’est-à-dire tant positive que négative. En d’autrestermes, plus les élèves adoptent ce type de buts, plus ils augmentent l’application de stratégies méta-cognitives et ainsi leur degré de confiance en leur solution au problème. Dans le même temps, plusles élèves adoptent ce type de buts, moins leurs compétences spécifiques au problème sont élevées,ce qui diminue finalement leur degré de confiance. Les effets de buts de maîtrise-évitement sur laperformance peuvent être décrits de manière similaire.

Soulignons que les effets des buts sont différents des effets de la compétence perc ue : alors que lesbuts prédisent les sentiments de familiarité, d’aimer la tâche, de confiance et les stratégies métacog-nitives, la compétence perc ue prédit quant à elle le sentiment de difficulté. Elle joue de ce fait un rôleimportant puisqu’elle est liée à l’expérience métacognitive la plus importante dans la résolution duproblème. Cela corrobore en partie les résultats de Dermitzaki et Efklides (2003), selon qui ce seraitla compétence perc ue – et non les buts de compétence – qui serait prépondérante dans la prédic-tion des processus métacognitifs. Nos résultats, tout comme ceux de notre précédente étude (Berger,2009), suggèrent que chacun des deux construits joue un rôle significatif. Il est par conséquent impor-tant de considérer les deux lorsque l’on s’intéresse aux relations entre croyances motivationnelles etmétacognition.

4.2. Les relations entre les expériences métacognitives et les stratégies métacognitives

Une question de recherche secondaire concernait les liens entre les expériences métacognitives et lamobilisation de stratégies métacognitives. Les résultats des deux modèles de cheminement indiquentque le sentiment de difficulté constitue l’expérience métacognitive qui joue le rôle le plus central auregard de l’application de stratégies métacognitives. En effet, le sentiment de difficulté prédit négati-vement (taille d’effet moyenne) les stratégies métacognitives rapportées par l’élève, cela dans chacundes deux problèmes. Cela signifie que plus l’élève perc oit le problème comme étant difficile, moins ilmobilisera de stratégies métacognitives pendant et après la résolution. Ce lien est expliqué, du moinspartiellement, par le fait que la difficulté décourage l’élève, qui ne s’active par conséquent pas stra-tégiquement pendant la résolution. Si des tâches trop faciles ne demandent que peu de stratégiesmétacognitives, des tâches jugées trop difficiles semblent en revanche décourager la mobilisation deces stratégies. Nous postulons également que le choix de notre population pourrait en partie expli-quer cette conclusion. Nous avons en effet proposé un problème typiquement scolaire à des élèves enmajorité peu scolaires. De ce fait, une réaction de rejet a pu être provoquée par la difficulté perc ue.Une interprétation alternative est basée sur les travaux de Bandura (1997/2003). Selon lui, un sen-timent d’efficacité personnelle élevé (soit l’inverse du sentiment de difficulté) serait nécessaire pourl’utilisation de stratégies métacognitives et l’utilisation de jugements métacognitifs. Cela suggère unerelation négative entre le sentiment de difficulté et l’utilisation de stratégies métacognitives.

Par ailleurs, les jugements de confiance sont, dans les deux problèmes, significativement dépen-dants des effets des compétences cognitives et de l’application de stratégies métacognitives mais aussidu sentiment de difficulté (Boekaerts & Rozendaal, 2010). Étant donné que ces jugements de confianceservent de base au processus d’autorégulation, le sentiment de difficulté joue ici encore un rôle impor-tant. Les sentiments de familiarité et d’aimer la tâche ne sont pas associés, que ce soit directementou indirectement, à la mobilisation de stratégies métacognitives par l’apprenti et aux jugements deconfiance. Ces deux expériences métacognitives pré-résolution jouent ainsi un rôle mineur selon notreétude.

Soulignons que la relation entre l’application de stratégies métacognitives et les jugements deconfiance suggère que les informations rapportées par les élèves ont une certaine validité. Cela signifieque plus un apprenti a contrôlé sa résolution, plus il a montré de la confiance en son exactitude. Unautre argument en faveur de la validité des résultats se rapporte aux parts de variances expliquéesdans les variables endogènes. Ces parts de variance sont en effet conséquentes, ce qui suggère queles prédicteurs ont été choisis adéquatement et que le modèle possède une certaine cohérence parrapport à la réalité (Barrett, 2007).


4.3. Les buts de compétence chez les apprentis de la formation professionnelle

Les réponses des apprentis au questionnaire de buts de compétence indiquent que les buts deperformance-évitement ne sont pas empiriquement distinguables des buts de performance-approche,ce qui suggère que si les élèves cherchent à se montrer meilleures que leurs pairs, ils cherchent égale-ment à ne pas obtenir des résultats inférieurs (et réciproquement ; pour une discussion approfondiede ce problème, voir Linnenbrink-Garcia et al., 2012). Couplée à la très faible moyenne des buts deperformance-approche, cette constatation remet en question la pertinence des deux types de buts deperformance pour notre population. Il semble que le contexte d’apprentissage, de par sa nature fai-blement compétitive, ne soit pas propice à l’adoption de ces buts (Berger, 2013 ; Brophy, 2005 ; Senko,Hulleman, et Harackiewicz, 2011). En effet, dans le cadre de la formation professionnelle initiale suisse,le système de notes n’est pas fondé sur une comparaison des scores. En d’autres termes, le barèmeappliqué par l’enseignant n’est pas basé sur une comparaison entre les résultats des élèves (comme,par exemple, dans les universités américaines réputées les plus compétitives). Ainsi, le contexte éva-luatif scolaire dans lequel nos participants évoluent ne favorise pas l’adoption de buts de performance.À ce sujet, la synthèse de Senko et al. (2011) révèle que la proportion d’élèves qui rapporte adopter cesbuts spontanément (c’est-à-dire dans les études n’utilisant pas des échelles de Likert) est fortementvariable : entre 5 % et 82 %. Brophy (2005) ajoute que les buts de performance seraient un phénomènerare dans des conditions naturelles de classe.

En lien avec la faible occurrence des buts de performance, relevons que la théorie des buts decompétence d’Elliot (Elliot & McGregor, 2001) restreint sa perspective de la motivation extrinsèque auxbuts de performance-approche et de performance-évitement. Cette restriction implique que certainsbuts poursuivis par les apprenants ont pu être occultés. Ces derniers pourraient, par exemple, avoirpour but de simplement exécuter ce qui leur est demandé par les enseignants pour satisfaire les cri-tères d’évaluation (Brophy, 2005). Ils ne chercheraient ainsi pas véritablement la progression de leursconnaissances ou la comparaison de leurs résultats avec leurs camarades. Ce manque d’adéquationde la théorie des buts de compétence à la réalité des écoles a été souligné par Brophy (2005). Il aainsi proposé d’introduire des buts dits « buts de résultat » (outcome goals) qui traduiraient le fait devouloir bien réussir les épreuves car les résultats seraient associés à des récompenses, punitions, ainsiqu’à des possibilités d’étude et d’emploi futurs. Dans le contexte de la formation professionnelle, cetteperspective pourrait démontrer une validité externe supérieure à celle des buts de performance.

4.4. Limites de la présente recherche et perspectives de recherche

Premièrement, les items que nous avons utilisés pour mesurer les buts de maîtrise-évitement etperformance-évitement sont sans doute améliorables. Les libellés de ces items comprennent les termes« s’inquiéter », « se soucier », ou encore « avoir peur ». Il se pourrait ainsi qu’ils introduisent une confu-sion entre les buts de compétence et une variable de type affectif (Elliot & Murayama, 2008 ; Hullemanet al., 2010). Cela implique que nous ne mesurons pas purement des buts de maîtrise-évitement ouperformance-évitement mais en partie le niveau d’anxiété pour l’apprentissage des mathématiques,comme cela est d’ailleurs le cas dans l’AGQ d’Elliot et McGregor (2001). Deuxièmement, les buts demaîtrise-approche ont été rapportés comme très élevés par les élèves, ce qui pourrait être dû à leurcaractère socialement désirable (Büchel et al., 2011 ; Tan & Hall, 2005) et non à une réelle orientationvers la maîtrise des savoirs. Troisièmement, plusieurs échelles souffrent d’une fidélité insuffisante, ceque nous avons résolu par la correction de l’erreur de mesure dans les modèles de structure. Il seraittoutefois souhaitable d’améliorer la fidélité des scores en augmentant le nombre d’indicateurs ou enrévisant les items concernés.

La majorité des effets des variables générales sur les variables spécifiques aux problèmes est cohé-rente pour les deux problèmes : les buts de maîtrise-approche et de maîtrise-évitement exercent lesmêmes effets. Ces deux types de buts sont également prédictifs du sentiment de familiarité dans leproblème « Réservoir ». Ces effets sont difficilement explicables. Au regard des larges inter-corrélationsentre les expériences métacognitive pré-résolution dans le cadre du problème « Réservoir », nous pou-vons nous interroger sur l’indépendance du sentiment de familiarité par rapport aux sentiments dedifficulté et d’aimer la tâche. Il se peut que nous mesurions autre chose qu’un pur sentiment de


familiarité mais plutôt un sentiment incluant affects et sentiment de compétence. Cela explique-rait aussi l’absence d’effet significatif du sentiment de familiarité sur les compétences cognitives et laperformance.

Une autre limite de notre étude est relative à la mesure des stratégies et expériences métacogni-tives, qui a été réalisée de manière auto-rapportée. Il est en effet probable que les participants n’aientpas pleinement conscience des stratégies métacognitives qu’ils appliquent (Brown, 1987 ; Winne,Zhou, & Egan, 2011) ou qu’ils réalisent des expériences métacognitives différentes de celles qui ontété évaluées. Une amélioration dans la fac on de mesurer ces stratégies et expériences consisteraitainsi en l’utilisation de méthodes aussi objectives que possible, telles que l’observation du com-portement ou la pensée à haute voix, idéalement en combinant plusieurs méthodes pour mesurerchaque construit. Cela impliquerait toutefois un échantillon plus modeste et des analyses qui neconsidéreraient pas toutes les variables en un modèle unique. D’autres méthodes engendreraientégalement d’autres limites ; par exemple la pensé à haute voix serait plus fortement intrusive queles questionnaires et pourrait de ce fait modifier le cours des pensées du répondant (Winne et al.,2011).

Des observations lors de l’administration du test d’intelligence non verbale ont suggéré àplusieurs reprises que ce test était trop long, en particulier pour les élèves les plus faibles sco-lairement. En effet, alors qu’ils disposaient de 30 minutes, un certain nombre de participantsarrêtaient de résoudre les items après seulement 15 à 20 minutes. Ces apprenants manifestaientune certaine lassitude due à la difficulté du test et avaient de la peine à se concentrer demanière continue. Ainsi, leurs aptitudes pourraient avoir été sous-estimées. Par conséquent, uneversion écourtée de ce test serait préférables pour les études impliquant un nombre conséquentd’instruments.

En conclusion, nous proposons les perspectives de recherche suivantes pour améliorer notrecompréhension des effets des buts de compétences sur les processus métacognitifs. Des progrèsméthodologiques sont nécessaires. Ils pourraient prendre la forme de l’utilisation de la versionrévisée de l’AGQ (Elliot & Murayama, 2008) qui offre l’avantage de mesurer les buts de manièreplus « pure », notamment en excluant la référence aux émotions. De plus, l’utilisation de problèmesplus complexes et spécifiques au programme suivi par les élèves donnerait une validité écolo-gique plus forte aux résultats et à leurs implications pédagogique. Au niveau théorique, de futuresrecherches devraient se pencher sur la compréhension de la fac on dont les buts de maîtrise-évitementagissent sur les processus métacognitifs. Les contradictions actuelles et les résultats de la présenteétude suggèrent qu’il reste de nombreuses pistes à étudier pour affiner notre compréhension deseffets de ces buts. De plus, l’inclusion systématique des deux types de buts de maîtrise dans lesfutures recherches offrira éventuellement une image différente des influences des buts de maîtrise-approche.

En dépit de ces limites, la présente étude apporte des éclaircissements sur la fac on dont les butsde compétence agissent en situation de résolution de problème. Elle offre une explication du rôle desprocessus métacognitif qui médiatisent la relation entre buts de compétence et performance.

Déclaration d’intérêts

L’auteur déclare ne pas avoir de conflits d’intérêts en relation avec cet article.

Remerciements

Je tiens à remercier Delphine Rinaldi-Davinroy et Elisabeth Issaieva Moubarak-Nahra pour leurscommentaires qui ont contribué à considérablement améliorer la qualité de cet article.

Références

Atkinson, J. W. (1957). Motivational determinants of risk-taking behavior. Psychological Review, 64(6), 359–372.http://dx.doi.org/10.1037/h0043445

Bandura, A. (1997). Auto-efficacité. Le sentiment d’efficacité personnelle (J. Lecomte, Trad.). Bruxelles: DeBoeck.

dx.doi.org/10.1037/h0043445

http://refhub.elsevier.com/S0033-2984(13)00045-9/sbref0010












Barrett, P. (2007). Structural equation modelling: Adjudging model fit. Personality and Individual Difference, 42, 815–824.http://dx.doi.org/10.1016/j.paid.2006.09.018

Berger, J. L. (2008). Motivation, métacognition et aptitudes cognitives chez les apprenants de la formation professionnelle initialeThèse de doctorat déposée à la faculté de Psychologie et des Sciences de l’Éducation. Université de Genève: Master, Universitéde Genève.

Berger, J. L. (2009). The influence of achievement goals on metacognitive processes in math problem solving. Journal of CognitiveEducation and Psychology, 8(2), 165–181 (Special issue: Processes in learning and memory: Assessment and intervention.Guest editor: M.G.P. Hessels).

Berger, J. L., & Büchel, F. P. (2012). Métacognition et croyances motivationnelles : un mariage de raison. Revue franc aise depédagogie, 179, 95–128.

Berger, J. L. (2013). L’apprentissage autorégulé des mathématiques en formation professionnelle : croyances motivation-nelles, compétences en raisonnement numérique et stratégies d’apprentissage. Revue des sciences de l’éducation, 38(1),71–99.

Berger, J. L., & Büchel, F. P. (Eds.). (2013). L’apprentissage autorégulé : perspectives théoriques et recherches empiriques. Nice: Ovadia.Berger, J. L., & Karabenick, S. A. (2011). Motivation and students’ use of learning strategies: Evidence of unidirectional influences

in mathematics classrooms. Learning and Instruction, 21(4), 416–428. http://dx.doi.org/10.1016/j.learninstruc.2010.06.002Boekaerts, 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. (2010). Motivation and self-regulation: Two close friends. In T. C. Urdan, & S. A. Karabenick (Eds.), Advances inmotivation and achievement (Vol. 16B, The next decade of research in motivation and achievement) (pp. 73–112). Bingley, UK:Emerald.

Boekaerts, M., Pintrich, P. R., & Zeidner, M. (2000). Handbook of self-regulation. San Diego, CA: Academic Press.Boekaerts, M., & Rozendaal, J. S. (2010). Using multiple calibration indices in order to capture the complex

picture of what affects students’ accuracy of feeling of confidence. Learning and Instruction, 20, 372–382.http://dx.doi.org/10.1016/j.learninstruc.2009.03.002

Boekaerts, M., & Seegers, G. (1993). Task motivation and mathematics achievement in actual task situations. Learning andInstruction, 3, 133–150.

Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley.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.

Brophy, J. (2005). Goal theorists should move on from performance goals. Educational Psychologist, 40, 167–176.http://dx.doi.org/10.1207/s15326985ep4003 3

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: Lawrence Erlbaum Associates.

Büchel, F. P., Berger, J. L., & Kipfer, N. (2011). Questions sur l’apprentissage : un instrument pour le diagnostic pédagogique auxniveaux secondaires I et II. Lausanne, Suisse: Loisir et Pédagogie.

Cleary, T. (2011). Emergence of self-regulated learning microanalysis: Historical overview, essential features, and implicationsfor research and practice. In B. J. Zimmerman, & D. H. Schunk (Eds.), Handbook of self-regulation of learning and performance(pp. 329–345). New York: Routledge.

Cleary, T. J., Callan, G., & Zimmerman, B. J. (2012). Assessing self-regulation as a cyclical, context-specific pheno-menon: Overview and analysis of SRL microanalytic protocols. Education Research International, 2012(2012), 19 p.http://dx.doi.org/10.1155/2012/428639 (Article ID 428639)

Cosnefroy, L. (2004). Apprendre, faire mieux que les autres, éviter l’échec : L’influence de l’orientation des buts sur les appren-tissages scolaires. Revue Franc aise de Pédagogie, 147, 107–128. http://dx.doi.org/10.3406/rfp.2004.3125

Cosnefroy, L. (2011). L’apprentissage autorégulé : Entre cognition et motivation. Grenoble: Presses Universitaires de Grenoble.Cury, F., Elliot, A. J., Da Fonseca, D., & Moller, A. C. (2006). The social-cognitive model of achievement motivation and the

2 × 2 achievement goal framework. Journal of Personality and Social Psychology, 90(4), 666–679.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 intellectualfunctioning and development (pp. 3–38). Mahwah, NJ: Lawrence Erlbaum Associates.

Darnon, C., & Butera, F. (2005). Buts d’accomplissement, stratégies d’étude, et motivation intrinsèque : Présentation d’undomaine de recherche et validation franc aise de l’échelle d’Elliot et McGregor (2001). L’Année Psychologique, 105, 105–131.http://dx.doi.org/10.3406/psy.2005.3821

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, 214–227.

Desoete, A. (2008). Multi-method assessment of metacognitive skills in elementary school children: How you test is what youget. Metacognition and Learning, 3, 189–206. http://dx.doi.org/10.1007/s11409-008-9026-0

Dupeyrat, C., & Mariné, C. (2005). Implicit theories of intelligence, goal orientation, cognitive engagement, and achie-vement: A test of Dweck’s model with returning to school adults. Contemporary Educational Psychology, 30, 43–59.http://dx.doi.org/10.1016/j.cedpsych.2004.01.007

Dweck, C. S., & Leggett, E. L. (1988). A social-cognitive approach to motivational and personality. Psychological Review, 95,256–273.

Efklides, A. (2001). Metacognitive experience in problem solving. In A. Efklides, J. Kuhl, & R. M. Sorrentino (Eds.), Trends andprospects in motivation research (pp. 297–323). Dordrecht: Kluwer.

Efklides, A. (2002). 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. (2011). Interactions of metacognition with motivation and affect in self-regulated learning: The MASRL model.Educational Psychologist, 46(1), 6–25. http://dx.doi.org/10.1080/00461520.2011.538645

dx.doi.org/10.1016/j.paid.2006.09.018







































































































































dx.doi.org/10.1016/j.learninstruc.2010.06.002















































































dx.doi.org/10.1016/j.learninstruc.2009.03.002





























































dx.doi.org/10.1207/s15326985ep4003_3




























































































dx.doi.org/10.1155/2012/428639

dx.doi.org/10.3406/rfp.2004.3125
















































































dx.doi.org/10.3406/psy.2005.3821


























dx.doi.org/10.1007/s11409-008-9026-0

dx.doi.org/10.1016/j.cedpsych.2004.01.007






































































dx.doi.org/10.1080/00461520.2011.538645


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, 33–49.http://dx.doi.org/10.1007/s11409-006-6581-0

Efklides, A., Papadaki, M., Papantoniou, G., & Kiosseoglou, G. (1998). Individual differences in feeling of difficulty: The case ofschool mathematics. European Journal of Psychology of Education, 13, 207–226. http://dx.doi.org/10.1007/BF03173090

Elliot, A. J. (2005). A conceptual history of the achievement goal construct. In A. J. Elliot, & C. S. Dweck (Eds.), Handbook ofcompetence and motivation (pp. 52–72). New York: Guilford.

Elliot, A. J., & McGregor, H. A. (2001). A 2 × 2 achievement goal framework. Journal of Personality and Social Psychology, 80,501–519. http://dx.doi.org/10.1037//0022-3514.80.3.501

Elliot, A. J., McGregor, H. A., & Gable, S. (1999). Achievement goals, study strategies, and exam performance: A mediationalanalysis. Journal of Educational Psychology, 91, 549–563. http://dx.doi.org/10.1037//0022-0663.91.3.549

Elliot, A. J., & Moller, A. C. (2003). Performance-approach goals: Good or bad forms of regulation? International Journal ofEducational Research, 39, 339–356. http://dx.doi.org/10.1016/j.ijer.2004.06.003

Elliot, A. J., & Murayama, K. (2008). On the measurement of achievement goals: Critique, illustration, and application. Journal ofEducational Psychology, 100(3), 613–628. http://dx.doi.org/10.1037/0022-0663.100.3.613

Enders, C. K. (2006). Analyzing structural equation models with missing data. In G. R. Hancock, & R. O. Mueller (Eds.), Structuralequation modeling: A second course (pp. 313–342). Greenwich, CT: Information Age Publishing.

Fenouillet, F. (2012). Les théories de la motivation. Paris: Dunod. http://dx.doi.org/10.1016/j.prps.2012.02.003Flavell, J. H. (1979). Metacognition and cognitive monitoring. A new area of cognitive-developmental inquiry. American Psycho-

logist, 34(10), 906–911. http://dx.doi.org/10.1037//0003-066X.34.10.906Guérin, 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, 142–150. http://dx.doi.org/10.1027//1015-5759.19.2.142Hulleman, C. S., Schrager, S. M., Bodmann, S. M., & Harackiewicz, J. M. (2010). A meta-analytic review of achievement goal

measures: Different labels for the same constructs or different constructs with similar labels? Psychological Bulletin, 136(3),422–449. http://dx.doi.org/10.1037/a0018947

Hulleman, C. S., & Senko, C. (2010). Up around the bend: Forecast for achievement goal theory and research in 2020. In T. C. Urdan,& S. A. Karabenick (Eds.), Advances in motivation and achievement (Vol. 16A: The decade ahead: Theoretical perspectives onmotivation and achievement) (pp. 71–104). Bingley, UK: Emerald. http://dx.doi.org/10.1108/S0749-7423(2010)000016A006

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.

Linnenbrink, E. A., & Pintrich, P. R. (2000). Multiple pathways to learning and achievement: The role of goal orien-tation in fostering adaptive motivation, affect, and cognition. In C. Sansone, & J. M. Harackiewicz (Eds.), Intrinsicand extrinsic motivation: The search for optimal motivation and performance (pp. 195–227). San Diego, CA: AcademicPress.

Linnenbrink-Garcia, L., Middleton, M. J., Ciani, K. D., Easter, M. A., O’Keefe, P. A., & Zusho, A. (2012). The strength of the relation bet-ween performance-approach and performance-avoidance goal orientations: Theoretical, methodological, and instructionalimplications. Educational Psychologist, 47(4), 281–301. http://dx.doi.org/10.1080/00461520.2012.722515

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 (12) (pp. 219–244). Greenwich: JAI.

Lucangeli, D., Tressoldi, P. E., & Cendron, M. (1998). SPM: test delle abilità di soluzione dei problemi matematici. Spini di Gardolo,Trento, Italy: Erickson.

Madjar, N., Kaplan, A., & Weinstock, M. (2011). Clarifying mastery-avoidance goals in high school: Distinguishing bet-ween intrapersonal and task-based standards of competence. Contemporary Educational Psychology, 36(4), 268–279.http://dx.doi.org/10.1016/j.cedpsych.2011.03.003

McGregor, H. A., & Elliot, A. J. (2002). Achievement goals as predictor of achievement-relevant processes prior to task engage-ment. Journal of Educational Psychology, 94, 381–395. http://dx.doi.org/10.1037/0022-0663.94.2.381

Muthén, B. O. (1993). Goodness of fit with categorical and other non-normal variables. In K. A. Bollen, & J. S. Long (Eds.), Testingstructural equation models (pp. 205–243). Newbury Park, CA: Sage.

Naglieri, J. A. (1998). Test d’aptitude non verbale de Naglieri. Paris: Éditions du centre de psychologie appliquée.Nelson, T. O., & Narens, L. (1990). Metamemory: A theoretical framework and new findings. In G. H. Bower (Ed.), The psychology of

learning and motivation (26) (pp. 125–173). New York: Academic Press. http://dx.doi.org/10.1016/S0079-7421(08)60053-5Nicholls, J. G. (1989). The competitive ethos and democratic education. Cambridge, MA: Harvard University Press.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. http://dx.doi.org/10.1007/978-1-4615-1099-4 8Pintrich, P. R. (2000). An achievement goal theory perspective on issue in motivation terminology, theory, and research.

Contemporary Educational Psychology, 25, 92–104. http://dx.doi.org/10.1006/ceps.1999.1017Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning components of classroom academic performance.

Journal of Educational Psychology, 82, 33–40. http://dx.doi.org/10.1037//0022-0663.82.1.33Pintrich, 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.http://dx.doi.org/10.3102/00346543063002167

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.

Satorra, A., & Bentler, P. M. (2001). A scaled difference Chi-square test statistic for moment structure analysis. Psychometrika,66, 507–514. http://dx.doi.org/10.1007/BF02296192

Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Test of significanceand descriptive goodness of fit measures. Methods of Psychological Research Online, 8, 23–74.

Schneider, W., & Artelt, C. (2010). Metacognition and mathematics education. ZDM Mathematics Education, 42, 149–161.http://dx.doi.org/10.1007/s11858-010-0240-2

Schoenfeld, A. H. (1985). Mathematical problem solving. San Diego, CA: Academic Press.

dx.doi.org/10.1007/s11409-006-6581-0

dx.doi.org/10.1007/BF03173090






























dx.doi.org/10.1037//0022-3514.80.3.501

dx.doi.org/10.1037//0022-0663.91.3.549

dx.doi.org/10.1016/j.ijer.2004.06.003

dx.doi.org/10.1037/0022-0663.100.3.613
































dx.doi.org/10.1016/j.prps.2012.02.003

dx.doi.org/10.1037//0003-066X.34.10.906

dx.doi.org/10.1027//1015-5759.19.2.142

dx.doi.org/10.1037/a0018947

dx.doi.org/10.1108/S0749-7423(2010)000016A006









































































dx.doi.org/10.1080/00461520.2012.722515













































dx.doi.org/10.1016/j.cedpsych.2011.03.003

dx.doi.org/10.1037/0022-0663.94.2.381













































dx.doi.org/10.1016/S0079-7421(08)60053-5













dx.doi.org/10.1007/978-1-4615-1099-4_8

dx.doi.org/10.1006/ceps.1999.1017

dx.doi.org/10.1037//0022-0663.82.1.33

dx.doi.org/10.3102/00346543063002167




























dx.doi.org/10.1007/BF02296192




























dx.doi.org/10.1007/s11858-010-0240-2











Schraw, G., Wise, S. L., & Roos, L. L. (2000). Metacognition and computer-based testing. In G. Schraw, & J. C. Impara (Eds.), Issuesin the measurement of metacognition (pp. 223–260). Lincoln, NE: Buros Institute.

Schunk, D. H., & Zimmerman, B. J. (2008). Motivation and self-regulated learning: Theory, research, and applications. New York:Erlbaum. http://dx.doi.org/10.2307/748839

Schutz, P. A. (1991). Goals in self-directed behavior. Educational Psychologist, 2, 55–67. http://dx.doi.org/10.1207/s15326985ep2601 4

Senko, C., Hulleman, C. S., & Harackiewicz, J. M. (2011). Achievement goal theory at the crossroads: Old controversies, currentchallenges, and new directions. Educational Psychologist, 46(1), 26–47. http://dx.doi.org/10.1080/00461520.2011.538646

Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Boston, MA: Allyn & Bacon.Tan, J. A., & Hall, R. J. (2005). The effects of social desirability bias on applied measures of goal orientation. Personality and

Individual Differences, 38, 1891–1902. http://dx.doi.org/10.1016/j.paid.2004.11.015Tanaka, K. (2007). Relations between general goal orientations and task-specific self-appraisals. Japanese Psychological Research,

49, 235–247. http://dx.doi.org/10.1111/j.1468-5884.2007.00350.xTobias, 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.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 Publishers.Vrugt, A., & Oort, F. J. (2008). Metacognition, achievement goals, study strategies and academic achievement: Pathways to

achievement. Metacognition and Learning, 3, 123–146. http://dx.doi.org/10.1007/s11409-008-9022-4Winne, P. H., Zhou, M., & Egan, R. (2011). Designing assessments of self-regulated learning. In G. Schraw, & D. R. Robinson (Eds.),

Assessment of higher order thinking skills (pp. 89–118). Charlotte, NC: IAP.Zimmerman, B. J., & Moylan, A. R. (2009). Where metacognition and motivation intersect. In D. J. Hacker, J. Dunlosky, & A. C.

Graesser (Eds.), Handbook of metacognition in education (pp. 299–315). New York: Routledge.



























dx.doi.org/10.2307/748839

dx.doi.org/10.1207/s15326985ep2601_4

dx.doi.org/10.1207/s15326985ep2601_4

dx.doi.org/10.1080/00461520.2011.538646











dx.doi.org/10.1016/j.paid.2004.11.015

dx.doi.org/10.1111/j.1468-5884.2007.00350.x




























































dx.doi.org/10.1007/s11409-008-9022-4























































Motivation et métacognition : les buts de compétence prédisent les processus métacognitifs en...

Documents

Transcript of Motivation et métacognition : les buts de compétence prédisent les processus métacognitifs en...