Échelle d’évaluation de l’expérience de cours en apprentissage hybride (BLCES)

1. Résumé / Abstract

L’Échelle d’évaluation de l’expérience de cours en apprentissage hybride (Blended Learning Course Experience Scale [BLCES]), conceptualisée et validée par Kaushal Kumar Bhagat, Chia-Hui Cheng, Indira Koneru, Fong Soon Fook et Chun-Yen Chang en 2023, constitue un outil psychométrique standardisé élaboré pour évaluer de manière multidimensionnelle la perception qu’ont les étudiants de l’enseignement supérieur de leurs cours combinant apprentissage en présentiel et activités distancielles synchrones ou asynchrones. Face à l’essor mondial de l’ingénierie pédagogique mixte dans l’enseignement universitaire, la BLCES comble une lacune méthodologique majeure en offrant une structure évaluative rigoureuse capable de capturer l’interaction systémique entre la scénarisation pédagogique, le vécu cognitif et les dispositions individuelles des apprenants.

L’instrument repose sur 19 items répartis selon une architecture factorielle tripartite robuste : la conception du cours (Course Design, 9 items), l’expérience d’apprentissage (Learning Experience, 7 items) et les facteurs personnels (Personal Factors, 3 items). Administré par voie numérique sous la forme d’un questionnaire d’auto-évaluation utilisant une échelle d’évaluation ordinale de type Likert, l’instrument a fait l’objet d’une analyse psychométrique exhaustive auprès d’étudiants de premier cycle universitaire en Malaisie. Les analyses factorielles exploratoires (AFE) et confirmatoires (AFC) ont démontré des qualités d’ajustement supérieures (CFI = 0,96 ; TLI = 0,96 ; RMSEA = 0,06) et une excellente variance expliquée (68,06 %). La cohérence interne est remarquable, avec un coefficient global alpha de Cronbach (α) de 0,92 et des indices sectoriels oscillant entre 0,71 et 0,95. La fiabilité composite (CR) confirme l’homogénéité des facteurs, tandis que la validité discriminante s’avère conforme aux normes établies par Fornell et Larcker. La BLCES s’impose ainsi comme une référence psychométrique pour la recherche en sciences de l’éducation et l’optimisation continue des dispositifs technopédagogiques universitaires.

2. Mots-clés / Keywords

Apprentissage hybride, conception pédagogique, expérience d’apprentissage, facteurs personnels, psychométrie, validité structurelle, enseignement supérieur, évaluation de cours, fidélité composite, modélisation par équations structurelles, anxiété technologique, Moodle.

3. Auteurs / Authors

• Kaushal Kumar Bhagat : Centre for Educational Technology, Indian Institute of Technology Kharagpur, Kharagpur, Inde. Identifiant ORCID : orcid.org/0000-0002-6861-6819. Adresse électronique : [email protected] (Auteur correspondant).
• Chia-Hui Cheng : Graduate Institute of Science Education, National Taiwan Normal University, Taipei, Taïwan.
• Indira Koneru : e-Learning Department, ICFAI Business School, Hyderabad, Inde.
• Fong Soon Fook : Centre for E-Learning, Universiti Malaysia Sabah, Kota Kinabalu, Malaisie.
• Chun-Yen Chang : Graduate Institute of Science Education, National Taiwan Normal University, Taipei, Taïwan. Identifiant ORCID : orcid.org/0000-0003-2373-2004.

4. Objectif / Purpose

Le déploiement des environnements d’apprentissage hybrides (blended learning) s’est accéléré au cours des deux dernières décennies, transformant en profondeur l’écologie de l’enseignement postsecondaire. En combinant la présence physique synchronisée en salle de classe et la flexibilité temporelle, géographique et cognitive des plateformes d’apprentissage en ligne (LMS), ce paradigme promet une personnalisation accrue du parcours académique et un engagement étudiant renforcé. Néanmoins, l’évaluation de ces dispositifs a longtemps reposé sur des instruments fragmentés, axés soit exclusivement sur l’acceptabilité technologique, soit sur l’évaluation globale de l’enseignement sans prise en compte des spécificités du format multimodal.

L’objectif fondamental de la Blended Learning Course Experience Scale (BLCES) est de fournir un instrument standardisé, valide et fidèle, capable de mesurer précisément la manière dont les apprenants perçoivent, intègrent et vivent leur engagement dans un cours hybride. L’accent est mis sur la perception subjective de l’étudiant, reconnue dans la littérature psychopédagogique comme le déterminant proximal le plus puissant des stratégies d’apprentissage autorégulé, de la persévérance académique et de la réussite aux examens. Développée pour combler les failles des questionnaires traditionnels souvent inadaptés à l’hybridation (comme le démontrent les limites des travaux fondateurs de Ginns & Ellis, 2007 ; Dziuban & Moskal, 2011 ; Owston et al., 2013), la BLCES prend en compte à la fois l’architecture structurelle du cours, les interactions techno-médiatisées et les dispositions affectives de l’apprenant.

Dans le domaine de la recherche empirique, la BLCES sert de vecteur de diagnostic et de modélisation pour analyser les relations causales entre les paramètres d’ingénierie pédagogique, l’autonomie étudiante et la performance sommative. En milieu institutionnel et d’assurance qualité, elle permet aux concepteurs pédagogiques, aux directions académiques et aux enseignants-chercheurs de mener des audits rigoureux de leurs formations. Elle autorise le dépistage précoce des facteurs de décrochage liés à l’ergonomie des plateformes d’apprentissage (telles que Moodle), aux surcharges cognitives ou aux ruptures de continuité entre les séances en présentiel et les modules asynchrones.

5. Construit psychologique / Construct

L’expérience de cours en apprentissage hybride est appréhendée au sein de la BLCES comme un méta-construit psychologique multidimensionnel résultant de la transaction permanente entre l’environnement pédagogique instrumenté, les affordances technologiques et le fonctionnement cognitivo-émotionnel de l’étudiant. L’échelle décompose ce construit en trois dimensions opérationnelles complémentaires :

1. Conception du cours (Course Design – 9 items)

Cette dimension évalue l’intelligibilité structurelle, l’organisation pédagogique et la scénarisation globale mises en place par l’enseignant. Elle examine dans quelle mesure les objectifs pédagogiques, les consignes d’évaluation et les critères de performance sont explicités de manière transparente. Elle mesure également la qualité du soutien enseignant (teacher presence), la pertinence du feedback formatif reçu lors des devoirs et activités en ligne, ainsi que la cohérence de l’alignement pédagogique entre les phases présentielles et les tâches distancielles. Un item représentatif (CD4) évalue spécifiquement « la continuité entre la classe en présentiel et l’apprentissage en ligne », garantissant que le cours n’est pas perçu comme une juxtaposition désarticulée de deux modalités, mais comme un parcours unifié.

2. Expérience d’apprentissage (Learning Experience – 7 items)

Ce construit quantifie l’impact perçu de l’écosystème d’apprentissage sur le développement des compétences académiques, métacognitives et technologiques de l’étudiant. Il mesure l’enrichissement cognitif procuré par les ressources multimédias hébergées sur le système de gestion de l’apprentissage (LMS), l’efficacité de la communication collaborative synchrone et asynchrone avec les pairs et l’enseignant, ainsi que le renforcement perçu de la littératie numérique. De surcroît, cette sous-échelle capture l’amélioration des compétences de gestion temporelle (time-management skills) induite par la flexibilité spatio-temporelle de l’hybridation, ainsi que l’impact ressenti sur les performances évaluées lors des examens sommatifs continus et terminaux.

3. Facteurs personnels (Personal Factors – 3 items)

Contrairement aux modèles naïfs postulant une neutralité affective face au numérique, la BLCES intègre explicitement les composantes négatives et les contraintes autorégulatrices vécues par l’apprenant. Cette dimension cible l’anxiété académique induite par le format hybride, les difficultés techniques instrumentales face aux outils numériques et la surcharge cognitive perçue en termes de temps et d’effort supplémentaires exigés par le cours. Ces items formulés négativement permettent d’identifier les profils d’étudiants en vulnérabilité numérique ou cognitive, chez qui la composante distancielle génère une résistance ou un épuisement.

6. Cadre théorique / Theoretical Framework

L’élaboration de la BLCES s’inscrit au carrefour de plusieurs cadres théoriques reconnus de la psychologie de l’éducation et de l’ingénierie technopédagogique. Au premier rang de ces influences figure le modèle de la communauté de recherche (Community of Inquiry [CoI]) théorisé par Garrison, Anderson et Archer (2000). Ce cadre postule qu’une expérience d’apprentissage efficace et profonde en ligne ou en format hybride nécessite la convergence dynamique de trois présences fondamentales :

• La présence pédagogique (teaching presence), qui correspond à la conception, à la direction et à la régulation des processus cognitifs et sociaux, reflétée directement dans le facteur Course Design de la BLCES ;
• La présence sociale (social presence), conceptualisée comme l’aptitude des apprenants à interagir, à communiquer ouvertement et à construire des relations de collaboration médiatisées par les technologies du LMS ;
• La présence cognitive (cognitive presence), qui illustre la construction et la confirmation du sens par une réflexion soutenue et un engagement intellectuel dans les activités d’évaluation.

En second lieu, l’échelle mobilise les postulats de la théorie de la charge cognitive (Sweller, 1988 ; Paas et al., 2003). L’apprentissage hybride requiert de l’étudiant qu’il navigue entre des interfaces numériques et des environnements physiques. Si la scénarisation est défaillante ou si l’environnement d’apprentissage virtuel est désorganisé, la charge cognitive extrinsèque augmente de manière disproportionnée, au détriment de la charge cognitive intrinsèque et de la charge essentielle (germane load). La dimension Personal Factors de la BLCES diagnostique précisément ces phénomènes d’épuisement des ressources attentionnelles consécutifs à des défaillances ergonomiques ou techniques.

Enfin, l’instrument s’adosse aux concepts de l’apprentissage autorégulé (Self-Regulated Learning [SRL]) développés par Zimmerman (2000) et Pintrich (2004). Dans un contexte hybride où le contrôle externe de l’enseignant est temporairement suspendu lors des phases asynchrones, l’autonomie, l’auto-efficacité informatique et la régulation métacognitive du temps deviennent des déterminants critiques du succès. La BLCES intègre explicitement ces dynamiques pour apprécier si l’hybridation favorise l’émancipation académique de l’étudiant ou si elle amplifie son désarroi face à des exigences d’auto-organisation trop élevées.

7. Validité / Validity

La validité psychométrique de la BLCES a fait l’objet d’un processus de démonstration méthodologique rigoureux conduit par Bhagat et al. (2023), articulant validité de contenu, validité structurelle, validité convergente et validité discriminante.

Validité de contenu et validité d’apparence

Le processus initial a comporté une revue systématique de la littérature et une analyse critique d’outils antérieurs validés (notamment les échelles de Ginns & Ellis, 2007 ; Dziuban & Moskal, 2011 ; Owston et al., 2013). Un panel d’experts en technologies éducatives et en psychométrie a examiné chaque item proposé afin de garantir la représentativité du domaine, l’absence d’ambiguïté sémantique et la fidélité de la formulation conceptuelle. Les retours qualitatifs ont permis d’affiner l’instrument jusqu’à sa configuration à 19 items.

Validité structurelle

La validité de construit et la structure factorielle ont été évaluées par modélisation d’équations structurelles via une analyse factorielle confirmatoire (AFC). Les indices d’ajustement globaux obtenus pour le modèle trifactoriel ont attesté une adéquation remarquable avec les données empiriques observées :

• Ratio Chi-deux sur degrés de liberté : χ² (149) = 355,71, p < 0,001 (χ²/dl = 2,387, valeur largement inférieure au seuil critique de 3,00) ;
• Indice de comparaison de Bentler (CFI) = 0,96 (seuil d’excellence ≥ 0,95) ;
• Indice de Tucker-Lewis (TLI) = 0,96 (seuil d’excellence ≥ 0,95) ;
• Erreur quadratique moyenne d’approximation (RMSEA) = 0,06 (intervalle conforme au critère d’ajustement acceptable ≤ 0,06) ;
• Indice de bonté d’ajustement (GFI) = 0,92 ;
• Indice de fit normé (NFI) = 0,93.

Validité convergente et discriminante

La validité convergente a été démontrée par l’examen de la fiabilité composite (Composite Reliability [CR]) et de la variance moyenne extraite (Average Variance Extracted [AVE]). La fiabilité composite pour chaque facteur atteint ou dépasse largement les critères usuels recommandés par Hair et al. (2006) :

• Conception du cours (Course Design) : CR = 0,95 ; AVE > 0,50 ;
• Expérience d’apprentissage (Learning Experience) : CR = 0,92 ; AVE > 0,50 ;
• Facteurs personnels (Personal Factors) : CR = 0,71 ; AVE < 0,50.

Bien que l’AVE pour la dimension Personal Factors soit inférieure au standard de 0,50 (reflétant une relative hétérogénéité des items explorant simultanément anxiété, investissement en temps et bugs techniques), sa fiabilité composite supérieure à 0,70 garantit une consistance théorique admissible pour un facteur d’identification des vulnérabilités individuelles. Concernant la validité discriminante, les analyses ont confirmé que la racine carrée de l’AVE pour l’ensemble des trois construits était nettement supérieure aux corrélations inter-construits respectives, satisfaisant ainsi intégralement au critère standard de Fornell et Larcker (1981).

8. Fidélité / Reliability

La fidélité de la BLCES a été scrupuleusement documentée sous l’angle de la cohérence interne des scores. L’échantillon d’étudiants universitaires a permis d’obtenir des indices de précision de premier ordre :

• Échelle globale : Le coefficient alpha de Cronbach (α) pour l’ensemble des 19 items est de 0,92, ce qui témoigne d’une consistance interne globale exceptionnelle sans redondance excessive entre les items.
• Sous-échelle Conception du cours (Course Design) : α = 0,95. Cette valeur très élevée indique une précision de mesure maximale des attributs organisationnels et relationnels de l’enseignement.
• Sous-échelle Expérience d’apprentissage (Learning Experience) : α = 0,92, confirmant une homogénéité sans faille dans la capture des bénéfices perçus par l’apprenant.
• Sous-échelle Facteurs personnels (Personal Factors) : α = 0,71, valeur excédant le seuil psychométrique conventionnel de 0,70 requis en sciences sociales pour des dimensions courtes (3 items).

Le calcul parallèle de la fidélité composite (Raykov, 1997 ; Hair et al., 2006) vient corroborer l’absence de biais de sous-estimation classiquement attribué à l’alpha de Cronbach sous condition de non-tau-équivalence : CR = 0,95 pour le Design ; CR = 0,92 pour l’Expérience ; CR = 0,71 pour les Facteurs Personnels.

9. Analyse factorielle / Factor Analysis

La confirmation de l’architecture latente de la BLCES a été opérée par une démarche séquentielle combinant analyse factorielle exploratoire (AFE) et analyse factorielle confirmatoire (AFC).

Analyse factorielle exploratoire (AFE)

L’AFE a été menée sur une première cohorte d’étudiants de premier cycle en recourant à une analyse en composantes principales (ACP) assortie d’une rotation orthogonale Varimax. Les tests de condition préalable ont confirmé l’adéquation des données à la factorisation (indice de Kaiser-Meyer-Olkin satisfaisant et test de sphéricité de Bartlett statistiquement significatif à p < 0,001). Suivant les recommandations méthodologiques de Hair et al. (2006), un seuil de rétention d’item particulièrement conservateur a été appliqué : seuls les items affichant une saturation factorielle (factor loading) supérieure ou égale à 0,70 ont été conservés, sans inter-saturations (cross-loadings) notables.

Cette procédure a abouti à une structure claire en trois facteurs regroupant 19 items, qui expliquent ensemble 68,06 % de la variance totale. Les trois composantes factorielles isolées sont :

1. Facteur 1 : Course design (Conception du cours), expliquant la plus forte part de variance avec 9 items saturant solidement ;
2. Facteur 2 : Learning experience (Expérience d’apprentissage), composé de 7 items caractérisant les acquis et compétences perçus ;
3. Facteur 3 : Personal factors (Facteurs personnels), regroupant 3 items ciblant les freins psychologiques et technologiques.

Analyse factorielle confirmatoire (AFC)

La structure tripartite extraite lors de l’AFE a été soumise à une vérification confirmatoire sur un échantillon indépendant à l’aide d’un modèle d’équations structurelles en estimation du maximum de vraisemblance. Les saturations factorielles standardisées de l’ensemble des 19 items se sont révélées hautement significatives (p < 0,001), avec des poids factoriels robustes justifiant le maintien de chaque énoncé dans son facteur de rattachement. Les indices d’ajustement global (χ²/dl = 2,387 ; RMSEA = 0,06 ; CFI = 0,96 ; TLI = 0,96 ; GFI = 0,92 ; NFI = 0,93) ont apporté une preuve statistique irréfutable de l’invariance et de la validité de cette structure à trois dimensions.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique / Inventaire d’attitude.
• Format d’administration : Électronique (numérique en ligne), administrable via des plateformes web ou directement intégré dans un Learning Management System (Moodle, Canvas, Blackboard).
• Nombre total d’items : 19 énoncés (9 items pour le Design de cours, 7 items pour l’Expérience d’apprentissage, 3 items pour les Facteurs personnels).
• Échelle de réponse : Échelle de type Likert en 5 points (allant généralement de 1 = « Pas du tout d’accord » à 5 = « Tout à fait d’accord »).
• Population cible : Adultes et jeunes adultes (18 ans et plus), étudiants de premier cycle, deuxième cycle ou formation continue inscrits dans un enseignement hybride.
• Cotation et calcul des scores :
  • Score de Conception du cours (CD) : Somme ou moyenne arithmétique des items CD1 à CD9 (score élevé = excellente organisation perçue, feedback optimal et bon alignement présentiel-distanciel).
  • Score d’Expérience d’apprentissage (LE) : Somme ou moyenne arithmétique des items LE1 à LE7 (score élevé = perception très positive des gains cognitifs, de l’autonomie et de la maîtrise technologique).
  • Score des Facteurs personnels (PF) : Somme ou moyenne arithmétique des items PF1 à PF3. Attention méthodologique : Ces 3 items étant formulés dans le sens du dysfonctionnement (anxiété, bugs, surcharge), un score brut élevé indique un niveau élevé de difficultés personnelles. Dans le cadre d’un calcul de score synthétique global d’expérience positive, ces items doivent faire l’objet d’un recodage inversé (reverse scoring : 1 → 5, 2 → 4, 3 → 3, 4 → 2, 5 → 1).

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2023 (accepté en 2021).
• Droits d’auteur et permissions : Les droits d’exploitation commerciale sont détenus par l’éditeur académique Taylor & Francis (revue Interactive Learning Environments). L’utilisation des items pour la recherche académique non commerciale, l’enseignement et l’évaluation interne des programmes universitaires est autorisée sous réserve de citation bibliographique formelle du travail princeps de Bhagat et al. (2023). Pour toute adaptation commerciale ou intégration logicielle propriétaire, il convient de contacter l’éditeur.
• Tarif d’utilisation : Gratuit pour une utilisation scientifique et pédagogique non marchande (pas de redevance requise).
• Auteur de correspondance : Kaushal Kumar Bhagat ([email protected]).

12. Références / References

• Bhagat, K. K., Cheng, C.-H., Koneru, I., Fook, F. S., & Chang, C.-Y. (2023). Students’ Blended Learning Course Experience Scale (BLCES): Development and validation. Interactive Learning Environments, 31(6), 3971–3981. https://doi.org/10.1080/10494820.2021.1946566
• Dziuban, C., & Moskal, P. (2011). A course evaluation modeling environment for blended learning. Research Bulletin, 5, 1–11.
• 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
• Garrison, D. R., Anderson, T., & Archer, W. (2000). Critical inquiry in a text-based environment: Computer conferencing in higher education. The Internet and Higher Education, 2(2–3), 87–105. https://doi.org/10.1016/S1096-7516(00)00016-6
• Ginns, P., & Ellis, R. (2007). Quality in blended learning: Exploring the relationships between on-line and face-to-face teaching and learning. The Internet and Higher Education, 10(1), 53–64. https://doi.org/10.1016/j.iheduc.2006.10.003
• Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2006). Multivariate data analysis (6th ed.). Pearson Prentice Hall.
• Owston, R., York, D., & Murtha, S. (2013). Student perceptions and achievement in a blended higher education course: A factor analytic approach. Research in Higher Education, 54(5), 589–608. https://doi.org/10.1007/s11162-012-9275-8
• Paas, F., Tuovinen, J. E., Tabbers, H., & Van Gerven, P. W. (2003). Cognitive load measurement as a means to advance cognitive load theory. Educational Psychologist, 38(1), 63–71. https://doi.org/10.1207/S15326985EP3801_8
• Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college students. Educational Psychology Review, 16(4), 385–407. https://doi.org/10.1007/s10648-004-0006-x
• Raykov, T. (1997). Scale reliability, Cronbach’s coefficient alpha, and violations of essential tau-equivalence with fixed congeneric components. Multivariate Behavioral Research, 32(4), 329–353. https://doi.org/10.1207/s15327906mbr3204_2
• Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4
• Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13–39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7

13. Questions et items du questionnaire / Scale Items