Échelle d’engagement agentique dans les cours en ligne ouverts et massifs

1. Résumé

L’Échelle d’engagement agentique dans les cours en ligne ouverts et massifs (Agentic Engagement in Massive Open Online Courses Scale), développée par Kim et Song (2023), constitue un instrument psychométrique novateur et concis conçu pour évaluer la contribution constructive, proactive et intentionnelle des apprenants au sein d’environnements d’apprentissage numériques asynchrones et autodirigés (MOOC). Développée selon le protocole méthodologique rigoureux en trois étapes préconisé par Hinkin (1995), l’échelle puise ses fondements conceptuels initiaux dans les travaux pionniers de Johnmarshall Reeve sur l’engagement agentique (Reeve, 2013 ; Reeve & Tseng, 2011). Un processus itératif fondé sur la technique Delphi et l’évaluation de la validité de contenu par le calcul d’indices de validité de contenu (CVI) a permis de distiller un ensemble initial de 14 items pour aboutir à une version finale composée de 7 items.

Les propriétés psychométriques de l’instrument ont été établies auprès d’une population d’étudiants universitaires inscrits sur la plateforme nationale sud-coréenne K-MOOC. Les résultats de la modélisation par équations structurelles exploratoires (ESEM) et de l’analyse factorielle confirmatoire (AFC) démontrent une adéquation empirique optimale pour une structure tridimensionnelle comprenant : la demande agentique de soutien (Agentic Support Request, 2 items), la stratégie d’apprentissage agentique (Agentic Learning Strategy, 3 items) et la construction agentique de l’apprentissage (Agentic Learning Construction, 2 items). Les indices d’ajustement structurel s’avèrent excellents (χ² = 30,972, dl = 10, TLI = 0,938, CFI = 0,970, SRMR = 0,048). Les items sont évalués au moyen d’une échelle de type Likert en 5 points allant de « fortement en désaccord » à « fortement d’accord ».

La validité convergente est étayée par des saturations factorielles standardisées significatives excédant toutes le seuil de 0,50 (moyenne = 0,77), tandis que la validité discriminante est rigoureusement confirmée par le critère de Fornell-Larcker (racine carrée de la variance moyenne extraite comprise entre 0,71 et 0,91) et les ratios hétérotrait-monotrait (HTMT variant de 0,56 à 0,78). La fidélité interne est solide, affichant des coefficients alpha de Cronbach allant de 0,68 à 0,91 et une fiabilité composite (CR) oscillant entre 0,75 et 0,91. Cet instrument fournit aux chercheurs, concepteurs pédagogiques et enseignants un outil standardisé, fiable et parcimonieux pour quantifier l’agentivité des apprenants adultes dans les dispositifs d’apprentissage en ligne ouverts à un rythme libre.

2. Mots-clés

Engagement agentique, apprentissage en ligne, MOOC, psychométrie, théorie de l’autodétermination, stratégies d’apprentissage, soutien proactif, régulation de l’apprentissage, validation d’échelle, analyse factorielle confirmatoire.

3. Auteurs

L’échelle a été conçue et validée par une équipe de chercheurs spécialisés en technologies éducatives et en sciences de l’apprentissage de l’Université Chung-Ang (Séoul, République de Corée) :

• Rang Kim : Chung-Ang University Center for Teaching and Learning, Séoul, République de Corée. Identifiant ORCID : 0000-0002-4657-1170.
• Hae-Deok Song (Auteur correspondant) : Chung-Ang University College of Education, Department of Education, Séoul, République de Corée. Identifiant ORCID : 0000-0003-0879-9999. Courriel institutionnel : [email protected].

4. Objectif

Le déploiement exponentiel des cours en ligne ouverts et massifs (MOOC) a profondément reconfiguré l’accès au savoir dans l’enseignement supérieur et la formation continue. Néanmoins, ces environnements caractérisés par une progression individualisée et autonome (self-paced) souffrent de taux d’abandon chroniquement élevés et d’une passivité marquée des participants. Traditionnellement, l’engagement de l’apprenant a été conceptualisé selon trois dimensions cardinales : comportementale (effort, présence, assiduité), émotionnelle (intérêt, plaisir, anxiété) et cognitive (recours à des stratégies de mémorisation ou d’élaboration). Bien que ces facettes soient fondamentales, elles décrivent principalement une dynamique réactive face aux instructions pédagogiques préexistantes.

L’objectif principal de l’Échelle d’engagement agentique dans les MOOC est de capturer et mesurer avec précision la composante agentique de l’engagement, définie comme l’action délibérée, constructive et proactive par laquelle l’apprenant enrichit, modifie et personnalise activement son propre processus d’apprentissage et son environnement didactique. Contrairement à une salle de classe traditionnelle où l’enseignant est physiquement présent pour ajuster les sollicitations éducatives, l’apprenant au sein d’un MOOC à rythme libre évolue dans un espace didactique hautement décontextualisé et autonome. L’échelle a donc été expressément développée pour combler l’absence d’outils de mesure adaptés aux spécificités télématiques et interactives de ces plateformes.

Sur le plan de la recherche scientifique, cet instrument permet d’analyser les mécanismes médiateurs et modérateurs qui relient les motivations intrinsèques des participants, leurs traits autorégulateurs et les métriques de réussite objective, telles que la complétion des modules, la performance aux examens sommatifs et la persévérance académique. Dans le domaine de l’ingénierie pédagogique et de la pratique éducative, l’outil fournit des données diagnostiques cruciales. Les concepteurs de cours peuvent identifier les leviers ergonomiques et interactionnels stimulant la proactivité des apprenants, repérer précocement les profils à risque de désengagement silencieux et adapter les fonctionnalités collaboratives, les fils de discussion de forums ou les banques de ressources d’approfondissement afin de favoriser un apprentissage centré sur l’agentivité humaine.

5. Construit psychologique

Le concept d’engagement agentique a été introduit dans la littérature psychopédagogique par Johnmarshall Reeve (2013) afin de désigner « la contribution constructive des étudiants au flux de l’instruction qu’ils reçoivent ». Dans l’adaptation spécifique aux MOOC à rythme libre établie par Kim et Song (2023), l’engagement agentique est conceptualisé comme une entité multidimensionnelle structurée autour de trois piliers opérationnels interdépendants :

1. Demande agentique de soutien (Agentic Support Request – ASR)

Cette composante évalue la propension active de l’apprenant à solliciter de l’aide, des clarifications ou des sources documentaires complémentaires auprès des instructeurs pédagogiques et de la communauté des pairs. Dans les MOOC à progression autonome, l’isolement social et cognitif représente un risque majeur d’attrition. La demande agentique de soutien transcende la simple dépendance passive : elle relève d’une recherche d’aide adaptative (adaptive help-seeking). L’étudiant prend l’initiative délibérée d’interpeller l’équipe enseignante via les espaces de messagerie ou de mobiliser le forum collaboratif pour requérir des références scientifiques ou explicatives nécessaires au déblocage d’un nœud conceptuel. Cette sous-échelle se compose de 2 items représentatifs.

2. Stratégie d’apprentissage agentique (Agentic Learning Strategy – ALS)

La dimension des stratégies d’apprentissage agentiques mesure les conduites autorégulatrices par lesquelles l’individu calibre activement son état motivationnel et ses démarches cognitives internes en relation directe avec les finalités du cours. L’apprenant ne se contente pas de regarder passivement des vidéos de cours magistral ; il évalue consciemment son niveau d’intérêt situationnel pour stimuler son dynamisme intérieur, structure ses schémas de pensée face aux contenus présentés et traque méthodiquement les éléments de cours les plus pertinents pour atteindre ses objectifs d’apprentissage personnels. Comprenant 3 items, cette dimension reflète l’auto-détermination de l’effort cognitif et l’alignement stratégique entre le matériel didactique et les aspirations individuelles.

3. Construction agentique de l’apprentissage (Agentic Learning Construction – ALC)

Cette troisième sous-échelle englobe les comportements de personnalisation et de restructuration de l’architecture d’apprentissage. Dans un MOOC, le parcours prédéfini propose généralement une linéarité standardisée (vidéos, quiz d’évaluation, forums). L’apprenant agentique s’approprie cet environnement en reconfigurant l’ordre séquentiel de consultation selon ses besoins réels (par exemple, entamer un module par un quiz auto-évaluatif ou consulter d’abord les discussions de forums avant d’aborder les cours magistraux). En outre, il enrichit le contenu de base en l’articulant dynamiquement avec des lectures externes et des sources de référence personnelles. Formée de 2 items, cette dimension incarne le niveau le plus élevé de co-construction et d’autonomie éducative.

6. Cadre théorique

L’architecture théorique sous-tendant l’Échelle d’engagement agentique dans les MOOC s’articule autour de deux corpus majeurs de la psychologie contemporaine : la théorie de l’autodétermination (Deci & Ryan, 2000 ; Ryan & Deci, 2017) et la théorie sociocognitive de l’agentivité humaine développée par Albert Bandura (2001, 2006).

L’agentivité humaine et la théorie sociocognitive

Selon Bandura, les individus ne sont pas de simples réceptacles passifs façonnés par les contingences environnementales, mais des agents actifs capables d’auto-réflexion, d’anticipation et d’auto-organisation. L’agentivité implique quatre propriétés fondamentales : l’intentionnalité, l’anticipation (définition de buts), l’auto-réactivité (régulation comportementale) et l’auto-réflexion. Au sein des environnements d’apprentissage numériques ouverts, cette perspective implique que l’efficacité formative ne découle pas seulement de la qualité technologique de la plateforme, mais de la capacité de l’apprenant à exercer un pouvoir causal sur ses propres démarches éducatives.

L’extension quadripartite de l’engagement selon Reeve

Pendant plusieurs décennies, le consensus académique a scindé l’engagement scolaire en trois éléments (Fredricks et al., 2004) : l’engagement comportemental, affectif et cognitif. Reeve et Tseng (2011) ont enrichi ce paradigme en postulant l’existence d’une quatrième composante : l’engagement agentique. Cette dimension comble une lacune théorique critique : les trois premières dimensions illustrent la manière dont un élève réagit à une opportunité d’apprentissage offerte par un enseignant. L’engagement agentique, quant à lui, modélise la façon dont l’élève influence et modifie proactivement les conditions de son instruction.

Dans les contextes scolaires conventionnels, l’engagement agentique s’exprime par le fait de poser des questions approfondies, d’exprimer des préférences thématiques ou de demander des clarifications constructives (Reeve, 2013). Kim et Song (2023) ont réinterprété ce cadre pour le transposer au contexte singulier des MOOC à rythme libre. Dans un tel écosystème, l’absence de synchronisme temporel et de coprésence physique requiert une transposition conceptuelle : l’agentivité s’exprime à travers l’interaction délibérée avec les outils télématiques, la restructuration du parcours pédagogique modulaire et la sollicitation intentionnelle d’une communauté virtuelle d’apprenants et de tuteurs.

7. Validité

L’évaluation psychométrique de l’échelle par Kim et Song (2023) repose sur une méthodologie quantitative approfondie menée auprès d’apprenants universitaires inscrits sur K-MOOC. Les preuves de validité empirique couvrent l’ensemble des standards méthodologiques recommandés par l’American Psychological Association.

Validité de contenu

Le processus de génération initiale d’items a débuté par une revue systématique de la littérature et l’analyse de l’échelle d’engagement agentique originale (Reeve, 2013 ; Reeve & Tseng, 2011) ainsi que de ses adaptations coréennes (Bong et al., 2012). Une étude de consensus d’experts selon la méthode Delphi a permis de raffiner 14 items candidats. La validité de contenu a été formellement quantifiée via l’indice de validité de contenu (CVI). Les items ambigus, formulés sous forme de doubles questions (double-barreled items) ou présentant des valeurs de CVI insuffisantes ont été systématiquement écartés, fixant un ensemble définitif de 7 items. Une procédure de rétro-traduction (back-translation) vers l’anglais a été validée par un comité d’experts bilingues.

Validité convergente

La validité convergente a été démontrée à travers l’analyse des saturations factorielles standardisées (factor loadings). L’ensemble des saturations pour les 7 items s’est révélé statistiquement significatif (p < 0,001) et a dépassé le seuil critique usuel de 0,50 (Hair et al., 2018). La moyenne générale des saturations standardisées s’élève à 0,77, franchissant avec succès le critère strict d’adéquation convergente recommandé de 0,70. Ces résultats attestent que chaque item partage une part substantielle de variance avec sa dimension théorique sous-jacente.

Validité discriminante

La validité discriminante a été examinée selon deux approches complémentaires à haute rigueur méthodologique :

• Critère de Fornell-Larcker : La racine carrée de la variance moyenne extraite (AVE) pour chaque construit oscille entre 0,71 et 0,91. Pour chacune des trois dimensions, cette valeur est strictement supérieure aux corrélations bivariées observées entre les construits latents, attestant que chaque dimension capture des facettes comportementales distinctes.
• Ratio Hétérotrait-Monotrait (HTMT) : Préconisé par Henseler et al. (2015) pour pallier les limites du critère de Fornell-Larcker, le ratio HTMT a été calculé entre toutes les paires de dimensions. Les valeurs obtenues se situent entre 0,56 et 0,78, demeurant nettement en deçà du seuil conservateur maximal de 0,85 ou 0,90. La différenciation statistique des trois construits est ainsi pleinement corroborée.

8. Fidélité

La fidélité interne de l’instrument a été évaluée à la fois dans le cadre de l’analyse exploratoire et de l’analyse confirmatoire à travers plusieurs indicateurs statistiques standardisés.

Cohérence interne (Alpha de Cronbach)

Au stade de l’analyse factorielle exploratoire (AFE), le coefficient alpha de Cronbach pour l’ensemble des 7 items s’établit à 0,87, dépassant largement le seuil standard de fidélité fixé à 0,70 (Nunnally & Bernstein, 1994). Pour les sous-échelles individuelles lors de la phase exploratoire, les coefficients de cohérence interne s’élevaient respectivement à :

• Demande agentique de soutien (ASR) : α = 0,86
• Stratégie d’apprentissage agentique (ALS) : α = 0,87
• Construction agentique de l’apprentissage (ALC) : α = 0,91

Lors de l’analyse factorielle confirmatoire (AFC) sur l’échantillon de validation, les indices de cohérence interne ont confirmé cette robustesse :

• Demande agentique de soutien (ASR) : α = 0,91
• Stratégie d’apprentissage agentique (ALS) : α = 0,68 (valeur acceptable pour une sous-échelle brève de 3 items en contexte de recherche)
• Construction agentique de l’apprentissage (ALC) : α = 0,76

Fiabilité composite (Composite Reliability – CR)

La fiabilité composite, souvent jugée plus adaptée que l’alpha de Cronbach dans le cadre des modèles d’équations structurelles car elle ne postule pas la tau-équivalence des items, a fourni des résultats concordants :

• Demande agentique de soutien (ASR) : CR = 0,91
• Stratégie d’apprentissage agentique (ALS) : CR = 0,75
• Construction agentique de l’apprentissage (ALC) : CR = 0,76

Toutes les valeurs de fiabilité composite excèdent confortablement le seuil d’acceptabilité conventionnel de 0,60 établi par Fornell et Larcker (1981), confirmant l’excellente homogénéité métrologique de l’échelle.

9. Analyse factorielle

La structure factorielle sous-jacente de l’échelle a été examinée à travers une démarche séquentielle combinant l’analyse factorielle exploratoire par modélisation par équations structurelles exploratoires (ESEM) et l’analyse factorielle confirmatoire (AFC).

Analyse factorielle exploratoire (ESEM) et analyse parallèle

L’exploration initiale de la dimensionalité a comparé plusieurs configurations théoriques (modèles unifactoriel, bifactoriel et trifactoriel). Les solutions à 1 et 2 facteurs ont échoué à satisfaire les critères usuels d’ajustement. En revanche, le modèle à 3 facteurs a présenté une adéquation optimale aux données empiriques. L’analyse parallèle de Horn a corroboré la pertinence empirique de cette rétention tridimensionnelle : à partir du quatrième facteur potentiel, la valeur propre issue des données simulées aléatoires (0,99) dépassait la valeur propre issue des données réelles (0,50), démontrant sans ambiguïté qu’une structure à trois composantes est la seule structure statistiquement significative.

Analyse factorielle confirmatoire (AFC)

L’analyse factorielle confirmatoire menée sur un échantillon distinct d’utilisateurs de MOOC a validé les qualités d’ajustement du modèle à trois dimensions corrélées. Les indices d’adéquation globale attestent d’un excellent ajustement du modèle théorique aux observations de terrain :

• Chi-carré normé : χ² = 30,972 avec 10 degrés de liberté (df = 10), soit un ratio χ²/dl de 3,09, pleinement acceptable dans les études d’échelles courtes.
• Comparative Fit Index (CFI) : 0,970 (seuil d’excellence ≥ 0,95).
• Tucker-Lewis Index (TLI) : 0,938 (seuil d’ajustement satisfaisant ≥ 0,90).
• Standardized Root Mean Square Residual (SRMR) : 0,048 (largement inférieur au seuil critique de 0,08).

L’ensemble de ces indices psychométriques confirme que les 7 items se regroupent de manière robuste et parcimonieuse au sein des trois facteurs théoriques postulés.

10. Instrument de mesure

• Nom complet de l’instrument : Échelle d’engagement agentique dans les cours en ligne ouverts et massifs (Agentic Engagement in Massive Open Online Courses Scale).
• Auteurs : Rang Kim et Hae-Deok Song (2023).
• Type d’évaluation : Auto-questionnaire psychométrique (auto-évaluation en ligne).
• Nombre total d’items : 7 items.
• Dimensions / Facteurs :
  • Demande agentique de soutien (Agentic Support Request – ASR) : 2 items (items 1 et 2).
  • Stratégie d’apprentissage agentique (Agentic Learning Strategy – ALS) : 3 items (items 3, 4 et 5).
  • Construction agentique de l’apprentissage (Agentic Learning Construction – ALC) : 2 items (items 6 et 7).
• Format et échelle de réponse : The items are rated using a 5-point Likert-type scale (échelle de type Likert en 5 points allant de « fortement en désaccord » [1] à « fortement d’accord » [5]).
• Langue originale : Coréen et anglais.
• Population cible : Adultes (18 ans et plus), incluant les jeunes adultes (18-29 ans), trentenaires (30-39 ans) et adultes d’âge mûr (40-64 ans) engagés dans des cours en ligne ouverts et massifs à progression libre.
• Cotation et calcul des scores : Le score global s’obtient en calculant la moyenne arithmétique ou la somme de l’ensemble des 7 items. Les scores sous-dimensionnels se calculent en effectuant la moyenne des items constitutifs de chaque facteur : score ASR (moyenne des items 1 et 2), score ALS (moyenne des items 3, 4 et 5), score ALC (moyenne des items 6 et 7). Aucun item n’est inversé. Des scores plus élevés reflètent des niveaux supérieurs d’engagement agentique proactif dans l’environnement d’apprentissage virtuel.

11. Permissions, Tarifs et Année du test

• Année de publication princeps : 2023.
• Conditions d’utilisation et permissions : Les items ont été publiés dans un article scientifique évalué par les pairs au sein de la revue Distance Education (Taylor & Francis). L’utilisation à des fins de recherche universitaire non commerciale est généralement permise sous réserve d’une citation bibliographique adéquate. Pour toute utilisation commerciale, adaptation à grande échelle ou republication intégrale, il convient de contacter l’auteur correspondant ([email protected]) ou l’éditeur détenant les droits de diffusion.
• Tarification : Aucune redevance financière n’est requise pour l’administration académique (Test gratuit / Non-commercial).

12. Références

Les références scientifiques fondamentales associées au développement et à la validation de cette échelle comprennent :

• Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52(1), 1–26. https://doi.org/10.1146/annurev.psych.52.1.1
• Bandura, A. (2006). Toward a psychology of human agency. Perspectives on Psychological Science, 1(2), 164–180. https://doi.org/10.1111/j.1745-6916.2006.00011.x
• Bong, M., Hwang, A., Noh, A., & Kim, S. (2012). Korean Student Engagement Inventory (K-SEI). Korea University Department of Education.
• Deci, E. L., & Ryan, R. M. (2000). The « what » and « why » of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Fredricks, J. A., Blumenfeld, P. C., & Paris, A. H. (2004). School engagement: Potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109. https://doi.org/10.3102/00346543074001059
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2018). Multivariate data analysis (8th ed.). Cengage Learning.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Hinkin, T. R. (1995). A review of scale development practices in the study of organizations. Journal of Management, 21(5), 967–988. https://doi.org/10.1177/014920639502100509
• Kim, R., & Song, H.-D. (2023). Developing an agentic engagement scale in a self-paced MOOC. Distance Education, 44(1), 120–136. https://doi.org/10.1080/01587919.2022.2155619
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Reeve, J. (2013). How students create motivationally supportive learning environments for themselves: The concept of agentic engagement. The Journal of Educational Research, 106(6), 579–595. https://doi.org/10.1080/00220671.2013.823316
• Reeve, J., & Tseng, C.-M. (2011). Agency as a fourth aspect of students’ engagement during learning activities. Contemporary Educational Psychology, 36(4), 257–267. https://doi.org/10.1016/j.cedpsych.2011.05.002
• Ryan, R. M., & Deci, E. L. (2017). Self-determination theory: Basic psychological needs in motivation, development, and wellness. Guilford Publications. https://doi.org/10.1521/978.14625/28769

13. Questions et items du questionnaire

Voici les items officiels du questionnaire tels qu’établis et validés par les auteurs de l’échelle. Les énoncés originaux en anglais sont présentés avec leur système de cotation authentique.

Échelle de réponse : The items are rated using a 5-point Likert-type scale.