Modèle de mesure de la réalité augmentée, de la satisfaction d’apprentissage et de l’engagement étudiant

1. Résumé / Abstract

Le modèle de mesure de la réalité augmentée, de la satisfaction d’apprentissage et de l’engagement étudiant (Augmented Reality, Learning Satisfaction, and Student Engagement—Measurement Model), conceptualisé et validé par M. Claudia tom Dieck, Eleanor Cranmer, Alexandre Prim et David Bamford en 2024, constitue un outil psychométrique novateur conçu pour évaluer les répercussions pédagogiques et motivationnelles de l’intégration des technologies immersives dans l’enseignement supérieur. Ancré sur le plan théorique dans la théorie des usages et gratifications (Uses and Gratifications Theory, UGT) et articulé autour du cycle d’apprentissage expérientiel de Kolb, ce modèle appréhende de manière holistique les interactions entre les fonctionnalités perçues de la réalité augmentée (RA), les processus d’engagement des étudiants et le sentiment d’accomplissement ou de satisfaction académique.

L’instrument se compose initialement d’un inventaire de 36 items explorant des construits multidimensionnels, notamment les gratifications technologiques (telles que l’utilité cognitive, la facilité d’utilisation, l’interactivité, l’esthétique et la nouveauté), la satisfaction envers l’expérience d’apprentissage et l’engagement étudiant sous ses déclinaisons comportementale, émotionnelle et cognitive. L’administration s’effectue via une échelle d’évaluation de type Likert en cinq points, allant de « fortement en désaccord » à « fortement d’accord » (Five-point Likert scale from strongly disagree to strongly agree). Les analyses psychométriques, déployées auprès d’une cohorte d’étudiants universitaires au Royaume-Uni, démontrent des propriétés de mesure robustes : une consistance interne satisfaisante avec des coefficients de fidélité composite (Composite Reliability, CR) et des alphas de Cronbach excédant le seuil de 0,70, une validité convergente confirmée par des variances moyennes extraites (Average Variance Extracted, AVE) supérieures à 0,50, ainsi qu’une validité discriminante corroborée selon les normes contemporaines de modélisation par équations structurelles.

2. Mots-clés / Keywords

Réalité augmentée, technologies immersives, satisfaction d’apprentissage, engagement étudiant, théorie des usages et gratifications, cycle d’apprentissage de Kolb, psychométrie, enseignement supérieur, modélisation par équations structurelles, validité factorielle.

3. Auteurs / Authors

Le modèle a été élaboré et empiriquement validé par une équipe internationale de chercheurs spécialisés dans le management technologique, l’ingénierie pédagogique et les systèmes d’information :

• M. Claudia tom Dieck : Manchester Metropolitan University, Faculty of Business and Law, Department of Operations, Technology, Events, and Hospitality Management, Manchester, Royaume-Uni. Courriel institutionnel : [email protected].
• Eleanor Cranmer : Manchester Metropolitan University, Faculty of Business and Law, Department of Operations, Technology, Events, and Hospitality Management, Manchester, Royaume-Uni.
• Alexandre Prim : Faculdade SENAC – National Commercial Training Service, Blumenau Campus, Department of Management, Blumenau, Brésil.
• David Bamford : Manchester Metropolitan University, Faculty of Business and Law, Department of Operations, Technology, Events, and Hospitality Management, Manchester, Royaume-Uni. Identifiant chercheur : ORCID 0000-0002-1050-1357.

4. Objectif / Purpose

L’avènement exponentiel des environnements numériques d’apprentissage et des technologies d’informatique immersive a profondément modifié les dynamiques d’interaction pédagogique. L’objectif cardinal de ce modèle de mesure est de fournir un cadre d’évaluation empirique, standardisé et psychométriquement robuste permettant d’analyser la façon dont les gratifications dérivées de l’usage d’applications de réalité augmentée (RA) stimulent l’engagement des apprenants et modulent leur satisfaction globale vis-à-vis du processus éducatif, tout en tenant compte de la variabilité inhérente aux styles d’apprentissage individuels.

Historiquement, l’évaluation des innovations technologiques en contexte académique a souffert d’une focalisation excessive sur l’acceptation technologique pure (par exemple via le modèle d’acceptation de la technologie TAM de Davis), négligeant fréquemment les dimensions expérientielles, affectives et cognitives complexes qui sous-tendent l’appropriation des savoirs. L’instrument développé par tom Dieck et al. (2024) comble cette lacune en unifiant l’analyse fonctionnelle de l’interface et l’évaluation des processus psychopédagogiques internes de l’étudiant. En milieu universitaire, le modèle vise à répondre aux questionnements suivants : dans quelle mesure les affordances visuelles et spatiales de la RA transforment-elles la motivation intrinsèque ? Comment la perception de nouveauté technologique interagit-elle avec la persistance de l’effort cognitif ? En quoi les préférences cognitives selon le cycle de Kolb influent-elles sur l’efficacité perçue de ces dispositifs ?

Sur le plan des applications appliquées et de la recherche en technologies éducatives (EdTech), cet outil offre aux chercheurs, concepteurs de programmes d’études et décideurs institutionnels une méthodologie d’audit rigoureuse. Il permet d’anticiper les freins à l’adoption, de diagnostiquer les dimensions technologiques sous-performantes et d’ajuster les scénarios pédagogiques immersifs pour maximiser l’attention, l’assimilation conceptuelle et la rétention des étudiants au sein de disciplines exigeantes telles que l’ingénierie, la médecine, le management ou le patrimoine culturel.

5. Construit psychologique / Construct

Le modèle repose sur une architecture triadique intégrant les caractéristiques perçues de la technologie, les réponses affectives de l’apprenant et son implication active dans la tâche. Chaque domaine est sous-tendu par des construits psychologiques opérationnalisés de manière rigoureuse :

1. Les gratifications liées à la réalité augmentée (Augmented Reality Affordances & Gratifications)

Ce volet s’appuie sur des adaptations des travaux de Rauschnabel et al. (2017) et Li et al. (2021). Il décompose l’expérience technologique en sous-dimensions spécifiques :

• Utilité perçue (Perceived Usefulness) : Degré auquel l’étudiant estime que l’application de RA améliore ses performances d’apprentissage, optimise son temps d’étude et facilite la compréhension de concepts complexes et multidimensionnels.
• Facilité d’utilisation perçue (Perceived Ease of Use) : Mesure de l’absence perçue d’effort mental ou physique nécessaire pour manipuler le dispositif technologique, naviguer dans l’interface interactive et accéder aux contenus superposés.
• Plaisir perçu / Gratification hédonique (Perceived Enjoyment) : Réponse émotionnelle positive intrinsèque, caractérisée par l’amusement, l’enthousiasme et l’état de flux généré par l’immersion technologique indépendamment des résultats scolaires anticipés.
• Qualité esthétique et visuelle (Aesthetic Quality) : Jugement porté sur l’harmonie visuelle, la fidélité graphique et le réalisme spatial des objets virtuels intégrés à l’environnement physique immédiat de l’étudiant.
• Nouveauté (Novelty) : Dimension explorant l’attrait généré par le caractère inédit, avant-gardiste ou inhabituel du médium pédagogique. Les auteurs soulignent la complexité de cette variable, susceptible d’évoluer au fur et à mesure que la technologie se banalise.

2. La satisfaction d’apprentissage (Learning Satisfaction)

Inspirée des modèles d’évaluation de la qualité des systèmes d’apprentissage (Chae et al., 2015), la satisfaction d’apprentissage représente une évaluation affective globale et cumulative de l’expérience éducative vécue par l’étudiant. Elle mesure la congruence entre les attentes pré-utilisation de l’apprenant et les bénéfices réels constatés lors de la réalisation des activités académiques assistées par la RA. Une satisfaction élevée traduit non seulement l’agrément vis-à-vis du support, mais également le sentiment valorisant d’avoir accompli des progrès cognitifs significatifs.

3. L’engagement étudiant (Student Engagement)

Conformément aux consensus de la psychologie de l’éducation (Fredricks et al., 2004), l’engagement est appréhendé comme une méta-construction comprenant :

• L’engagement comportemental : L’assiduité, la persévérance dans la résolution de problèmes, la participation active et le respect des consignes lors de l’activité immersive.
• L’engagement émotionnel : Les attitudes positives envers les pairs, l’enseignant et la discipline enseignée, incluant l’absence d’anxiété technologique et un sentiment d’appartenance à la communauté d’apprentissage.
• L’engagement cognitif : L’investissement psychologique profond dans l’apprentissage, l’autorégulation, la volonté d’aller au-delà des exigences minimales et le recours à des stratégies métacognitives pour intégrer les représentations virtuelles aux schémas conceptuels préexistants.

4. L’articulation avec les styles d’apprentissage (Learning Styles)

Le modèle intègre également la sensibilité des étudiants aux différentes étapes du cycle d’apprentissage expérientiel de Kolb (expérience concrète, observation réflexive, conceptualisation abstraite et expérimentation active). Il postule que la nature des gratifications retirées de la RA varie de manière significative selon que l’apprenant présente un profil divergent, assimilateur, convergent ou adaptateur.

6. Cadre théorique / Theoretical Framework

L’ossature conceptuelle du modèle repose sur l’intersection féconde de deux paradigmes théoriques majeurs : la théorie des usages et gratifications (Uses and Gratifications Theory, UGT) et la théorie de l’apprentissage expérientiel (Experiential Learning Theory, ELT).

La théorie des usages et gratifications (UGT)

Originairement formulée dans le champ des sciences de la communication et des médias de masse (Katz, Blumler, & Gurevitch, 1973), puis revisitée dans le contexte des médias numériques et participatifs par Shao (2009), l’UGT postule que les individus ne sont pas de simples récepteurs passifs de stimuli technologiques, mais des agents actifs et finalisés qui choisissent délibérément les médias afin de satisfaire des besoins psychosociaux précis (cognitifs, affectifs, intégrateurs et de divertissement). Dans le modèle de tom Dieck et al. (2024), l’étudiant est envisagé comme un utilisateur orienté vers un but, qui recourt à la réalité augmentée pour répondre à des exigences de compréhension (gratifications cognitives), de stimulation sensorielle (gratifications hédoniques) et d’efficacité temporelle (gratifications utilitaires). L’obtention de ces gratifications détermine l’intensité de son engagement subséquent et son niveau de satisfaction finale.

Le cycle d’apprentissage expérientiel de Kolb

Le modèle intègre les préceptes de David A. Kolb (2014), pour qui l’apprentissage est un processus continu au cours duquel les connaissances se construisent par la transformation active de l’expérience. Ce cycle s’organise autour de deux dialectiques fondamentales : l’appréhension de l’expérience (allant de l’expérience concrète à la conceptualisation abstraite) et la transformation de l’expérience (de l’observation réflexive à l’expérimentation active). La réalité augmentée possède la capacité d’enrichir l’« expérience concrète » par la superposition d’hologrammes interactifs dans l’espace physique, tout en stimulant la « conceptualisation abstraite » via la modélisation dynamique de flux théoriques invisibles à l’œil nu. L’alignement entre les potentialités de la RA et le profil cognitif de l’apprenant conditionne la réussite de ce cycle réflexif.

7. Validité / Validity

L’évaluation psychométrique du modèle a fait l’objet d’un examen empirique approfondi auprès d’un échantillon ciblé d’étudiants de l’enseignement supérieur au Royaume-Uni, mobilisant les protocoles de modélisation par équations structurelles basés sur la méthode des moindres carrés partiels (PLS-SEM) ou sur la covariance (CB-SEM), conformément aux recommandations méthodologiques de Hair et al. (2019).

Validité de construit et validité convergente

La validité convergente, qui mesure la cohérence avec laquelle les indicateurs d’un même construit partagent une part substantielle de variance commune, a été systématiquement examinée par l’analyse des variances moyennes extraites (Average Variance Extracted, AVE). Tous les construits réflexifs conservés dans le modèle final présentent un indice AVE strictement supérieur au seuil critique de 0,50 (Hair et al., 2019), démontrant que les construits capturent plus de 50 % de la variance de leurs items respectifs, réduisant l’erreur de mesure non aléatoire à un niveau acceptable.

Validité discriminante

La distinction empirique entre les différentes dimensions théoriques a été formellement établie par deux approches complémentaires :

• Le critère de Fornell-Larcker : La racine carrée de l’AVE de chaque construit latent s’est révélée systématiquement supérieure aux coefficients de corrélation inter-construits, attestant que chaque variable latente partage davantage de variance avec ses propres indicateurs qu’avec les autres construits du modèle.
• Le ratio hétérotrait-monotrait (HTMT) : Confirmé selon les prescriptions de Henseler et al. (2015), les ratios HTMT se sont maintenus en deçà du seuil conservateur de 0,85 (ou 0,90), corroborant l’absence de colinéarité excessive ou de redondance conceptuelle entre les facettes de l’engagement, les types de gratifications et la satisfaction globale.

Validité nomologique et prédictive

Le modèle structurel a mis en évidence des trajectoires causales hautement significatives (p < 0,001) entre les gratifications apportées par la RA, les trois facettes de l’engagement étudiant et la satisfaction d’apprentissage. L’adjonction des styles d’apprentissage de Kolb en tant que modérateurs a démontré une augmentation de la puissance explicative (R²) du modèle, confirmant sa pertinence pour rendre compte de l’hétérogénéité des comportements d’apprentissage en environnement technologique.

8. Fidélité / Reliability

La fidélité de l’instrument a été éprouvée à l’aide d’indicateurs de consistance interne de pointe, appliqués à l’ensemble des échelles et sous-échelles du modèle de mesure.

Consistance interne : Alpha de Cronbach et Fiabilité Composite

Pour l’ensemble des dimensions analysées, les coefficients de consistance interne ont largement dépassé les standards psychométriques établis dans la littérature méthodologique (Hair et al., 2019) :

• Alphas de Cronbach (α) : Toutes les sous-échelles conservées ont affiché des valeurs d’alpha supérieures à 0,70, reflétant une corrélation inter-items homogène au sein de chaque construit spécifique.
• Fiabilité composite (Composite Reliability, CR) : Considérée comme un indicateur plus robuste que l’alpha de Cronbach en modélisation par équations structurelles car elle ne postule pas une équivalence tau entre les items (saturations factorielles égales), la fiabilité composite a surpassé le seuil d’excellence de 0,70, atteignant pour plusieurs sous-échelles des valeurs comprises entre 0,80 et 0,92.

Ces résultats confirment que les échelles mesurent de manière stable et cohérente les dispositions psychologiques et cognitives ciblées, avec un niveau d’erreur résiduelle minime.

9. Analyse factorielle / Factor Analysis

La structure factorielle du modèle d’évaluation a été rigoureusement éprouvée par l’intermédiaire d’une analyse factorielle confirmatoire (AFC) (Confirmatory Factor Analysis, CFA), faisant suite aux explorations factorielles préalables.

Purification de l’échelle et saturations factorielles

Le critère d’inclusion psychométrique standard exigeait que chaque item présente une saturation factorielle standardisée (outer loading) supérieure ou égale à 0,70 sur son facteur latent théorique respectif, démontrant une contribution explicative robuste (Hair et al., 2019).

Lors de cette procédure d’évaluation factorielle, 35 des 36 items originaux ont satisfait à ces normes rigoureuses. En revanche, un item appartenant à la dimension de la nouveauté a révélé une saturation factorielle nettement insuffisante :

• Item supprimé : Novelty 4 (« It was an unusual experience » / « C’était une expérience inhabituelle »).
• Raison psychométrique : Sa faible saturation factorielle indiquait qu’il n’expliquait pas une part de variance suffisante au sein du construit « Nouveauté » par rapport aux items restants, introduisant du bruit résiduel dans le modèle de mesure. Conformément aux préceptes méthodologiques de purification d’échelles, cet item a été expurgé du modèle final validé.

Ajustement du modèle de mesure

À la suite du retrait de cet item, l’analyse confirmatoire a mis en évidence des indices d’ajustement global hautement satisfaisants pour la structure factorielle multidimensionnelle : les indices d’ajustement comparatif (CFI) et de Tucker-Lewis (TLI) se sont avérés supérieurs aux normes d’adéquation (≥ 0,90 à 0,95), tandis que l’erreur quadratique moyenne d’approximation (RMSEA) et la racine carrée moyenne des résidus standardisés (SRMR) se sont inscrites dans les seuils préconisés par la communauté méthodologique (≤ 0,06 à 0,08).

10. Instrument de mesure / Instrument

L’inventaire psychométrique présente les caractéristiques opérationnelles suivantes :

• Type d’instrument : Questionnaire standardisé d’auto-évaluation (inventaire psychométrique multidimensionnel).
• Population cible : Étudiants de l’enseignement supérieur (premier, deuxième et troisième cycles universitaires), apprenants en formation continue et professionnels engagés dans des programmes d’apprentissage médiatisés par des technologies numériques.
• Nombre total d’items :
  • 36 items dans la version initiale testée empiriquement.
  • 35 items dans la structure finale épurée et validée (à la suite du retrait de l’item de nouveauté sous-performant).
• Échelle de réponse (authentique et obligatoire) : Échelle de type Likert en cinq points (Five-point Likert scale) :
  1 = Fortement en désaccord (Strongly disagree)
  2 = En désaccord (Disagree)
  3 = Neutre / Ni en accord ni en désaccord (Neutral / Neither agree nor disagree)
  4 = D’accord (Agree)
  5 = Tout à fait d’accord (Strongly agree)
• Modalités de cotation : Calcul de scores moyens ou factoriels composites par sous-dimension (Gratifications de la RA, Engagement comportemental, Engagement émotionnel, Engagement cognitif, Satisfaction d’apprentissage). L’attribution de scores composites permet à la fois une modélisation causale par équations structurelles et un profilage diagnostique individuel ou de groupe.
• Temps moyen de passation : Environ 10 à 15 minutes.

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

Année de développement et de publication : 2024.

Conditions d’utilisation et propriété intellectuelle : L’article scientifique princeps a été publié dans la revue internationale à comité de lecture Information Technology & People (Emerald Publishing). Dans le cadre de la recherche scientifique et académique à but non lucratif, l’utilisation du modèle conceptuel et des échelles de mesure est généralement autorisée sous réserve d’une citation bibliographique formelle et appropriée de l’article source. Pour toute exploitation commerciale, intégration au sein de solutions logicielles propriétaires ou diffusion à grande échelle non académique, une demande de permission explicite doit être adressée à l’éditeur (Emerald Publishing Limited) ou à l’auteure correspondante, M. Claudia tom Dieck ([email protected]).

12. Références / References

• Chae, C., Cho, Y., & Han, S. H. (2015). How can we enhance learning satisfaction in online higher education? Journal of Computing in Higher Education, 27(3), 174–192. https://doi.org/10.1007/s12528-015-9098-9
• 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., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
• 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
• Katz, E., Blumler, J. G., & Gurevitch, M. (1973). Uses and gratifications research. The Public Opinion Quarterly, 37(4), 509–523. https://doi.org/10.1086/268109
• Kolb, D. A. (2014). Experiential learning: Experience as the source of learning and development (2nd ed.). FT Press.
• Li, J., van der Spek, E. D., Hu, J., & Feijs, L. (2021). Turning a tabletop into an educational playground: Augmented reality games for primary school students. Interactive Learning Environments, 29(4), 586–604. https://doi.org/10.1080/10494820.2019.1609526
• Rauschnabel, P. A., Rossmann, A., & tom Dieck, M. C. (2017). An adoption framework for mobile augmented reality games: The case of Pokémon Go. Computers in Human Behavior, 76, 276–286. https://doi.org/10.1016/j.chb.2017.07.030
• Shao, G. (2009). Understanding the appeal of user-generated media: A uses and gratification perspective. Internet Research, 19(1), 7–25. https://doi.org/10.1108/10662240910927795
• tom Dieck, M. C., Cranmer, E., Prim, A., & Bamford, D. (2024). Can augmented reality (AR) applications enhance students’ experiences? Gratifications, engagement, and learning styles. Information Technology & People, 37(3), 1251–1278. https://doi.org/10.1108/ITP-10-2021-0823

13. Questions et items du questionnaire / Scale Items

Les items complets et officiels constitutifs de cette batterie psychométrique de 36 énoncés sont soumis au droit d’auteur (copyright Emerald Publishing Limited et auteurs). Conformément à la législation sur la propriété intellectuelle, les questions intégrales ne sont pas reproduites in extenso dans le domaine public ouvert sans accord préalable. Les chercheurs et praticiens désireux de déployer cet instrument dans leurs protocoles d’investigation sont invités à consulter la publication originale dans la revue Information Technology & People ou à contacter directement les auteurs.

Conformément aux spécifications du modèle de mesure (tom Dieck et al., 2024), l’ensemble des énoncés est évalué à l’aide d’une échelle de cotation standardisée à cinq modalités de réponse :