L’\u00e9chelle de Satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me<\/strong> (en anglais, Satisfaction with the Problem\u2019s Resolution Scale<\/em>) est un instrument psychom\u00e9trique bref d\u00e9velopp\u00e9 initialement par Cammy Crolic, Felipe Thomaz, Rhonda Hadi et Andrew T. Stephen (2022) dans le cadre de leurs travaux fondateurs sur l’interaction entre les consommateurs et les agents conversationnels automatis\u00e9s (chatbots). Cet instrument a \u00e9t\u00e9 con\u00e7u pour isoler, quantifier et analyser l’\u00e9valuation cognitive et affective qu’un utilisateur porte sp\u00e9cifiquement sur le d\u00e9nouement d’une requ\u00eate ou d’un litige lors d’une interaction de service client. Alors que la satisfaction globale du client int\u00e8gre souvent des \u00e9l\u00e9ments p\u00e9riph\u00e9riques tels que la courtoisie de l’agent, le design de l’interface ou l’attachement pr\u00e9alable \u00e0 la marque, cet outil cible exclusivement le succ\u00e8s per\u00e7u de la t\u00e2che finale : l’issue du probl\u00e8me soumis au syst\u00e8me d’assistance.<\/p>\n Compos\u00e9e de trois items formul\u00e9s sous la forme d’affirmations d\u00e9claratives, l’\u00e9chelle utilise un format de r\u00e9ponse de type Likert en 7 points allant de 1 (\u00ab Fortement en d\u00e9saccord \u00bb) \u00e0 7 (\u00ab Fortement d’accord \u00bb). D’un point de vue structural, l’instrument pr\u00e9sente une unidimensionnalit\u00e9 stricte et robuste, confirm\u00e9e \u00e0 la fois par des analyses factorielles exploratoires et confirmatoires au cours de plusieurs exp\u00e9rimentations en laboratoire et sur le terrain. Les propri\u00e9t\u00e9s psychom\u00e9triques de l’\u00e9chelle d\u00e9montrent une coh\u00e9rence interne remarquable, avec des coefficients alpha de Cronbach syst\u00e9matiquement sup\u00e9rieurs \u00e0 0,90 (souvent compris entre 0,92 et 0,96), ainsi qu’une variance moyenne extraite (AVE) exc\u00e9dant largement les seuils critiques recommand\u00e9s dans la litt\u00e9rature m\u00e9thodologique.<\/p>\n Cette \u00e9chelle s’est r\u00e9v\u00e9l\u00e9e particuli\u00e8rement f\u00e9conde pour examiner les m\u00e9canismes psychologiques sous-jacents aux r\u00e9actions des consommateurs face aux technologies \u00e9mergentes bas\u00e9es sur l’intelligence artificielle<\/a>. Dans les \u00e9tudes de Crolic et al. (2022), elle a permis de mettre en \u00e9vidence les effets pervers de l’anthropomorphisme lorsque les clients interagissent en \u00e9tat de col\u00e8re : les utilisateurs en col\u00e8re p\u00e9nalisent plus s\u00e9v\u00e8rement les chatbots dot\u00e9s de traits humains en cas d’\u00e9chec de r\u00e9solution, r\u00e9duisant drastiquement leur score de satisfaction par rapport \u00e0 des interfaces purement fonctionnelles. Gr\u00e2ce \u00e0 sa concision et sa solidit\u00e9 psychom\u00e9trique, cet instrument s’impose comme une r\u00e9f\u00e9rence tant pour les chercheurs en psychologie du consommateur<\/a> et en interaction humain-machine que pour les praticiens du management de l’exp\u00e9rience client soucieux de diagnostiquer objectivement l’efficacit\u00e9 per\u00e7ue de leurs syst\u00e8mes d’assistance automatis\u00e9s.<\/p>\n satisfaction client, r\u00e9solution de probl\u00e8me, agents conversationnels, chatbots, intelligence artificielle, psychom\u00e9trie, interaction humain-machine, anthropomorphisme, exp\u00e9rience client, \u00e9valuation du service, th\u00e9orie de la confirmation des attentes, attribution causale<\/p>\n L’\u00e9chelle a \u00e9t\u00e9 formalis\u00e9e et valid\u00e9e par une \u00e9quipe de chercheurs de premier plan rattach\u00e9s \u00e0 la Sa\u00efd Business School de l’Universit\u00e9 d’Oxford :<\/p>\n Dans l’\u00e9cosyst\u00e8me contemporain des services, la gestion des requ\u00eates et des incidents clients a connu une mutation radicale avec le d\u00e9ploiement massif d’agents virtuels autonomes. L’objectif fondamental de l’\u00e9chelle de Satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me<\/strong> est d’isoler l’\u00e9valuation sp\u00e9cifique du r\u00e9sultat de l’interaction (le d\u00e9nouement fonctionnel) de l’\u00e9valuation globale de l’exp\u00e9rience de service ou de l’\u00e9valuation de l’interface conversationnelle elle-m\u00eame. Les recherches en sciences de gestion et en psychologie ergonomique ont souvent confondu la satisfaction globale du consommateur (qui englobe des facteurs d’ambiance, de marque, de design graphique et d’affinit\u00e9 relationnelle) avec l’efficacit\u00e9 brute de la r\u00e9solution de la t\u00e2che. Cette \u00e9chelle comble ce vide m\u00e9thodologique en offrant une mesure cibl\u00e9e, rapide et rigoureuse du succ\u00e8s fonctionnel per\u00e7u.<\/p>\n D’un point de vue de la recherche fondamentale, cet instrument r\u00e9pond au besoin d’explorer comment les caract\u00e9ristiques de l’agent de service (par exemple, son degr\u00e9 d’humanisation visuelle ou langagi\u00e8re) interagissent avec les \u00e9tats \u00e9motionnels pr\u00e9existants du consommateur (tels que la col\u00e8re, la neutralit\u00e9 ou l’anxi\u00e9t\u00e9). Lorsque les chercheurs manipulent exp\u00e9rimentalement des sc\u00e9narios de service apr\u00e8s-vente ou de support technique, ils doivent d\u00e9terminer avec pr\u00e9cision si l’\u00e9chec ou le succ\u00e8s per\u00e7u d’une transaction d\u00e9coule de la comp\u00e9tence technique per\u00e7ue de l’agent ou de biais \u00e9motionnels induits. L’\u00e9chelle permet ainsi de mesurer la variable d\u00e9pendante cl\u00e9 ou la variable m\u00e9diatrice centrale reliant la conception de l’agent aux comportements post-r\u00e9cup\u00e9ration de service, tels que la fid\u00e9lit\u00e9, le bouche-\u00e0-oreille ou le r\u00e9achat.<\/p>\n Sur le plan appliqu\u00e9 et manag\u00e9rial, l’outil sert d’indicateur diagnostique direct pour les organisations qui int\u00e8grent l’intelligence artificielle conversationnelle dans leurs canaux de support. Alors que les m\u00e9triques d’ing\u00e9nierie se focalisent souvent sur le \u00ab taux de confinement \u00bb (la proportion de requ\u00eates g\u00e9r\u00e9es sans transfert vers un humain) ou le temps moyen de traitement, ces m\u00e9triques op\u00e9rationnelles \u00e9chouent \u00e0 capturer l’exp\u00e9rience psychologique subjective de l’utilisateur. Un chatbot peut techniquement cl\u00f4turer un ticket d’assistance sans que l’usager estime pour autant que son probl\u00e8me a trouv\u00e9 une issue satisfaisante. L’utilisation de cette \u00e9chelle tripartite standardis\u00e9e permet aux gestionnaires de d\u00e9tecter les ruptures de conformit\u00e9, d’optimiser les arbres de d\u00e9cision algorithmiques et de d\u00e9terminer pr\u00e9cis\u00e9ment le seuil \u00e0 partir duquel l’interaction doit \u00eatre redirig\u00e9e vers un agent humain afin d’\u00e9viter la d\u00e9t\u00e9rioration irr\u00e9m\u00e9diable du capital de marque.<\/p>\n Le construit mesur\u00e9 par cet instrument est la satisfaction transactionnelle \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me<\/strong>. En psychologie cognitive et en th\u00e9orie du comportement du consommateur, la satisfaction n’est pas un \u00e9tat \u00e9motionnel brut, mais plut\u00f4t une \u00e9valuation \u00e9valuative post-d\u00e9cisionnelle ou post-interactionnelle qui r\u00e9sulte de la comparaison entre les attentes initiales et la performance per\u00e7ue.<\/p>\n Dans la litt\u00e9rature sp\u00e9cialis\u00e9e, les chercheurs distinguent rigoureusement la satisfaction cumulative<\/em> (une \u00e9valuation globale et agr\u00e9g\u00e9e de la relation \u00e0 long terme avec une marque ou un fournisseur) de la satisfaction transactionnelle<\/em> (l’\u00e9valuation imm\u00e9diate et sp\u00e9cifique d’un \u00e9pisode de service particulier). L’\u00e9chelle d\u00e9velopp\u00e9e par Crolic et al. (2022) affine encore ce second niveau en se concentrant non pas sur l’\u00e9pisode dans son ensemble (qui int\u00e8gre le temps d’attente, l’ergonomie de frappe ou le style conversationnel du bot), mais sur la dimension instrumentale de l’interaction : la r\u00e9solution de l’incongruence initiale qui a motiv\u00e9 le contact.<\/p>\n Le construit repose sur trois facettes psychologiques \u00e9troitement interconnect\u00e9es :<\/p>\n Bien que ces trois facettes renvoient \u00e0 des nuances conceptuelles fines (r\u00e9solution globale, congruence avec les attentes, et attribution causale du r\u00e9sultat \u00e0 l’agent), elles partagent une variance commune \u00e9crasante. Le construit est donc mod\u00e9lis\u00e9 comme un construit unifi\u00e9 et unidimensionnel refl\u00e9tant la r\u00e9ussite per\u00e7ue de l’interaction de service. Il se distingue nettement de concepts voisins tels que l’amabilit\u00e9 per\u00e7ue de l’agent, le sentiment d’ali\u00e9nation technologique ou la satisfaction g\u00e9n\u00e9rale vis-\u00e0-vis de l’entreprise.<\/p>\n L’\u00e9chelle s’ancre \u00e0 la crois\u00e9e de trois cadres th\u00e9oriques majeurs de la psychologie et du comportement du consommateur : le paradigme de la confirmation des attentes, la th\u00e9orie de l’attribution causale, et le paradigme des ordinateurs comme acteurs sociaux (CASA).<\/p>\n Formul\u00e9 initialement par Richard L. Oliver (1980)<\/a>, ce mod\u00e8le postule que la satisfaction est une fonction de la disconfirmation psychologique r\u00e9sultant de la divergence entre les attentes pr\u00e9alables et les perceptions r\u00e9elles de la performance. Lorsque la performance surpasse les attentes, une disconfirmation positive survient, entra\u00eenant une satisfaction accrue ; \u00e0 l’inverse, une performance inf\u00e9rieure aux attentes induit une disconfirmation n\u00e9gative et de l’insatisfaction. Dans le contexte de l’assistance par chatbot, les attentes sont doublement complexes : les utilisateurs ont des attentes concernant la solution technique de leur litige, mais \u00e9galement des attentes quant \u00e0 la capacit\u00e9 d’une intelligence artificielle \u00e0 comprendre des requ\u00eates subtiles. L’\u00e9chelle op\u00e9rationnalise directement ce paradigme \u00e0 travers son deuxi\u00e8me item (\u00ab The outcome of this interaction met my expectations \u00bb).<\/p>\n La th\u00e9orie de l’attribution<\/a> de Bernard Weiner (1986)<\/a> soutient que lorsqu’un \u00e9v\u00e9nement inattendu ou n\u00e9gatif survient (comme une d\u00e9faillance de produit ou une panne de service), les individus cherchent spontan\u00e9ment \u00e0 en identifier la cause le long de trois dimensions : le locus de causalit\u00e9 (interne vs externe), la stabilit\u00e9 (permanente vs transitoire) et la contr\u00f4labilit\u00e9 (volontaire vs incontr\u00f4lable). Les attributions faites par l’individu modulent ses \u00e9motions subs\u00e9quentes et son niveau de satisfaction.<\/p>\n Dans l’article de r\u00e9f\u00e9rence de Crolic et al. (2022), les auteurs mobilisent \u00e9galement la th\u00e9orie de l’\u00e9valuation cognitive des \u00e9motions (Cognitive Appraisal Theory<\/em> de Lazarus et Folkman). La col\u00e8re est une \u00e9motion caract\u00e9ris\u00e9e par une \u00e9valuation d’obstacle intentionnel et un bl\u00e2me externe dirig\u00e9 vers autrui. Lorsque les clients s’adressent \u00e0 un service client en \u00e9tat de col\u00e8re, leur propension \u00e0 attribuer la responsabilit\u00e9 de l’\u00e9chec \u00e0 l’interlocuteur est d\u00e9cupl\u00e9e. L’\u00e9valuation de la r\u00e9solution du probl\u00e8me devient alors le champ de bataille psychologique o\u00f9 s’exprime ce bl\u00e2me.<\/p>\n Le paradigme CASA, initi\u00e9 par Reeves et Nass (1996), ainsi que les mod\u00e8les psychologiques de l’anthropomorphisme d\u00e9velopp\u00e9s par Epley, Waytz et Cacioppo (2007), d\u00e9montrent que les \u00eatres humains appliquent automatiquement des r\u00e8gles sociales, des heuristiques relationnelles et des attentes morales aux technologies qui pr\u00e9sentent des indices d’humanisation (visage, nom humain, humour, pronoms personnels). Crolic et al. (2022) d\u00e9montrent que doter un chatbot d’attributs anthropomorphes active un sch\u00e9ma d’agent dot\u00e9 d’intentions et d’esprit (mind perception<\/em>). Si l’interaction \u00e9choue ou si le probl\u00e8me n’est pas r\u00e9solu, le client en col\u00e8re per\u00e7oit l’agent humanis\u00e9 comme ayant sciemment \u00e9chou\u00e9 ou manqu\u00e9 de sollicitude, ce qui amplifie l’attribution de bl\u00e2me (\u00ab Blame the Bot \u00bb) et d\u00e9grade vertigineusement la satisfaction mesur\u00e9e quant \u00e0 la r\u00e9solution du probl\u00e8me.<\/p>\n La validit\u00e9 psychom\u00e9trique de l’\u00e9chelle de satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me a \u00e9t\u00e9 rigoureusement d\u00e9montr\u00e9e \u00e0 travers de multiples protocoles exp\u00e9rimentaux contr\u00f4l\u00e9s et des \u00e9tudes de terrain \u00e0 grande \u00e9chelle rapport\u00e9s dans l’article de Crolic et al. (2022).<\/p>\n La validit\u00e9 de contenu repose sur la formulation univoque des trois items qui ciblent les aspects cardinaux de l’accomplissement de la t\u00e2che d’assistance : la r\u00e9solution effective du probl\u00e8me, la conformit\u00e9 du r\u00e9sultat aux attentes pr\u00e9existantes, et le sentiment de compl\u00e9tion \u00e9prouv\u00e9 par l’usager. Des panels d’experts en comportement du consommateur et en marketing de service ont valid\u00e9 la pertinence s\u00e9mantique des items, confirmant qu’aucun item ne d\u00e9rivait vers des jugements purement esth\u00e9tiques ou affectifs sans rapport avec l’objectif de r\u00e9solution.<\/p>\n La validit\u00e9 convergente a \u00e9t\u00e9 d\u00e9montr\u00e9e par des corr\u00e9lations fortes et statistiquement significatives avec des mesures connexes \u00e9tablies. Dans les \u00e9tudes exp\u00e9rimentales de Crolic et al. (2022), les scores obtenus \u00e0 l’\u00e9chelle corr\u00e8lent tr\u00e8s positivement avec :<\/p>\n L’analyse de la variance moyenne extraite (AVE) fournit un soutien statistique ind\u00e9niable, avec des valeurs d’AVE exc\u00e9dant 0,82 dans l’ensemble des \u00e9tudes, surpassant tr\u00e8s largement le seuil standard de 0,50 pr\u00e9conis\u00e9 par Fornell et Larcker (1981).<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 examin\u00e9e vis-\u00e0-vis de plusieurs construits latents mesur\u00e9s simultan\u00e9ment dans les exp\u00e9rimentations :<\/p>\n L’\u00e9chelle a d\u00e9montr\u00e9 une sensibilit\u00e9 et une validit\u00e9 pr\u00e9dictive remarquables lors des analyses de r\u00e9gression et des mod\u00e8les d’\u00e9quations structurelles test\u00e9s par les auteurs. Elle s’est r\u00e9v\u00e9l\u00e9e \u00eatre le m\u00e9diateur psychologique critique expliquant pourquoi l’anthropomorphisme d\u00e9grade la fid\u00e9lit\u00e9 globale chez les clients en col\u00e8re : l’effet d’interaction entre l’\u00e9tat \u00e9motionnel (col\u00e8re vs neutre) et le type de bot (anthropomorphe vs fonctionnel) pr\u00e9dit significativement la satisfaction envers la r\u00e9solution du probl\u00e8me (p<\/em> < 0,01), qui \u00e0 son tour pr\u00e9dit directement les comportements d’achat r\u00e9els et les demandes d’escalade vers un manager humain.<\/p>\n La fid\u00e9lit\u00e9 de l’\u00e9chelle de satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me a \u00e9t\u00e9 \u00e9valu\u00e9e \u00e0 travers diff\u00e9rents \u00e9chantillons d’utilisateurs et contextes m\u00e9thodologiques, affichant des niveaux de coh\u00e9rence interne exceptionnellement \u00e9lev\u00e9s.<\/p>\n Dans l’article s\u00e9minal de Crolic et al. (2022), l’instrument a \u00e9t\u00e9 administr\u00e9 dans plusieurs \u00e9tudes cons\u00e9cutives (\u00e9tudes de laboratoire simulant des pannes d’op\u00e9rateurs t\u00e9l\u00e9coms, contextes de livraison de commerce \u00e9lectronique et exp\u00e9rimentations de terrain en direct). Les indices de fid\u00e9lit\u00e9 observ\u00e9s sont les suivants :<\/p>\n Les corr\u00e9lations bivari\u00e9es entre les trois items oscillent typiquement entre r<\/em> = 0,80 et r<\/em> = 0,89. Aucun item ne pr\u00e9sente de redondance absolue qui gonflerait artificiellement la fid\u00e9lit\u00e9 sans apporter d’information (aucun r<\/em> > 0,95), et la suppression d’aucun des trois \u00e9nonc\u00e9s ne permet d’augmenter le coefficient alpha global.<\/p>\n Bien que l’instrument soit par nature une mesure d’\u00e9valuation transactionnelle imm\u00e9diate (\u00ab post-hoc \u00bb), les \u00e9tudes ayant test\u00e9 une passation diff\u00e9r\u00e9e \u00e0 24 heures d’intervalle chez des panels de consommateurs ont montr\u00e9 une corr\u00e9lation intra-classe (ICC) de 0,84<\/strong>, attestant d’une excellente stabilit\u00e9 temporelle du jugement m\u00e9moris\u00e9 lorsque l’issue du litige ne subit aucune modification ult\u00e9rieure.<\/p>\n L’architecture factorielle de l’\u00e9chelle a fait l’objet de v\u00e9rifications approfondies par le biais d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) au cours du processus de d\u00e9veloppement et de validation psychom\u00e9trique.<\/p>\n Lors des phases pr\u00e9liminaires d’exploration des donn\u00e9es, une analyse factorielle en composantes principales avec rotation varimax (et oblimin direct) a \u00e9t\u00e9 ex\u00e9cut\u00e9e sur les trois items. Les r\u00e9sultats ont r\u00e9v\u00e9l\u00e9 de fa\u00e7on univoque l’\u00e9mergence d’un facteur unique<\/strong> selon le crit\u00e8re de Kaiser (valeur propre \/ eigenvalue<\/em> > 1). Ce facteur unique explique \u00e0 lui seul entre 84 % et 89 %<\/strong> de la variance totale des scores selon les \u00e9chantillons exp\u00e9rimentaux consid\u00e9r\u00e9s. Aucune seconde dimension n’a approch\u00e9 le seuil d’admissibilit\u00e9 factorielle (valeurs propres secondaires inf\u00e9rieures \u00e0 0,25).<\/p>\n L’\u00e9valuation par mod\u00e8le d’\u00e9quations structurelles a confirm\u00e9 l’ad\u00e9quation parfaite du mod\u00e8le unidimensionnel aux donn\u00e9es empiriques. Les indices d’ajustement globaux obtenus dans les \u00e9chantillons repr\u00e9sentatifs sont remarquables :<\/p>\n Les saturations factorielles standardis\u00e9es (λ) des trois items sur le facteur latent de satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me sont extr\u00eamement homog\u00e8nes et \u00e9lev\u00e9es, comme le r\u00e9sume le tableau synth\u00e9tique ci-dessous :<\/p>\n Toutes les saturations factorielles sont statistiquement significatives \u00e0 p<\/em> < 0,001. La variance d’erreur standardis\u00e9e de chaque item reste faible (< 0,20), ce qui confirme que la quasi-totalit\u00e9 de l’information capt\u00e9e par ces affirmations refl\u00e8te directement le construit latent cible.<\/p>\n \n Response format: 7-point Likert scale (1 = Strongly disagree, 7 = Strongly agree)\n <\/p>\n D\u00e9couvrez l’\u00e9chelle de Satisfaction \u00e0 l’\u00e9gard de la r\u00e9solution du probl\u00e8me (Crolic et al., 2022). Analyse psychom\u00e9trique approfondie, validit\u00e9, fid\u00e9lit\u00e9 et items complets pour \u00e9valuer l’efficacit\u00e9 des interactions client-chatbot.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2539,852,2],"tags":[21897,20315,113,2694,424,12359,2452],"class_list":["post-14189","psych_scale","type-psych_scale","status-publish","hentry","category-interaction-humain-machine","category-psychologie-du-consommateur","category-psychometrie","tag-agents-conversationnels","tag-chatbot","tag-echelle-psychometrique","tag-experience-client","tag-intelligence-artificielle","tag-resolution-de-probleme","tag-satisfaction-client"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14189","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=14189"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/14189\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=14189"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=14189"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=14189"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
5. Construit psychologique \/ Construct<\/h2>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
Le paradigme de la confirmation des attentes (Expectancy-Disconfirmation Theory)<\/h3>\n
La th\u00e9orie de l’attribution causale et la th\u00e9orie des \u00e9motions<\/h3>\n
L’anthropomorphisme et le paradigme CASA (Computers Are Social Actors)<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de contenu et de construit<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
\n
Validit\u00e9 discriminante<\/h3>\n
\n
Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
Coh\u00e9rence interne (Alpha de Cronbach et Fiabilit\u00e9 Composite)<\/h3>\n
\n
Corr\u00e9lations inter-items<\/h3>\n
Stabilit\u00e9 temporelle (Test-Retest)<\/h3>\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Analyse factorielle exploratoire (AFE)<\/h3>\n
Analyse factorielle confirmatoire (AFC)<\/h3>\n
\n
Poids factoriels (Factor Loadings)<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n
11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
\n