Le Questionnaire du mod\u00e8le de mesure de l’intention li\u00e9e \u00e0 la r\u00e9alit\u00e9 augment\u00e9e<\/strong> (en anglais, Augmented Reality Intention\u2013Measurement Model Questionnaire<\/em>, ou ARI-MMQ<\/strong>), conceptualis\u00e9 et valid\u00e9 par Muhammad Saleem<\/a>, Suzilawati Kamarudin, Haneen Mohammad Shoaib et Asim Nasar<\/a> en 2023, constitue un outil d’\u00e9valuation psychom\u00e9trique con\u00e7u pour investiguer les d\u00e9terminants socio-cognitifs et exp\u00e9rientiels de l’adoption p\u00e9dagogique des technologies immersives. D\u00e9velopp\u00e9 dans le contexte critique de la transition num\u00e9rique forc\u00e9e induite par la pand\u00e9mie de COVID-19<\/a> aupr\u00e8s d’un \u00e9chantillon d’\u00e9tudiants universitaires au Pakistan, cet instrument op\u00e9rationnalise l’int\u00e9gration de la th\u00e9orie du comportement planifi\u00e9<\/a> (Ajzen, 1985, 1991) et des th\u00e9ories de la valeur per\u00e7ue (Childers et al., 2001) appliqu\u00e9es aux environnements virtuels d’apprentissage (e-learning<\/em>).<\/p>\n L’instrument comprend un total de 18 items mesur\u00e9s \u00e0 l’aide d’une \u00e9chelle de Likert en cinq points s’\u00e9tendant de 1 (\u00ab extr\u00eamement peu probable \u00bb \/ extremely unlikely<\/em>) \u00e0 5 (\u00ab extr\u00eamement probable \u00bb \/ extremely likely<\/em>). Le mod\u00e8le structurel et de mesure s’articule autour de six construits latents fondamentaux : la valeur utilitaire de la r\u00e9alit\u00e9 augment\u00e9e, la valeur h\u00e9donique de la r\u00e9alit\u00e9 augment\u00e9e (toutes deux unifi\u00e9es au sein d’un m\u00e9ta-construit de second ordre d\u00e9signant la valeur per\u00e7ue de la r\u00e9alit\u00e9 augment\u00e9e), l’attitude envers l’int\u00e9gration technologique, les normes subjectives, le contr\u00f4le comportemental per\u00e7u et l’intention comportementale d’adoption de l’apprentissage en ligne m\u00e9diatis\u00e9 par la r\u00e9alit\u00e9 augment\u00e9e. Sur le plan psychom\u00e9trique, le mod\u00e8le pr\u00e9sente une consistance interne remarquable, avec des coefficients d’alpha de Cronbach<\/a> compris entre 0,702 et 0,885, une fiabilit\u00e9 composite (CR) variant de 0,680 \u00e0 0,913, et une validit\u00e9 convergente confirm\u00e9e par des variances moyennes extraites (AVE) allant de 0,636 \u00e0 0,819. La validit\u00e9 discriminante, v\u00e9rifi\u00e9e selon le crit\u00e8re de Fornell-Larcker, corrobore l’ind\u00e9pendance factorielle des six dimensions. L’ARI-MMQ s’impose ainsi comme un dispositif standardis\u00e9 robuste pour les chercheurs en psychologie de l’\u00e9ducation, en interaction homme-machine et en technop\u00e9dagogie.<\/p>\n Th\u00e9orie du comportement planifi\u00e9, R\u00e9alit\u00e9 augment\u00e9e, Intention d’adoption, E-learning, Valeur h\u00e9donique, Valeur utilitaire, Mod\u00e8le de mesure, Psychom\u00e9trie \u00e9ducationnelle, Interaction homme-machine, Enseignement sup\u00e9rieur.<\/p>\n Le questionnaire ARI-MMQ a \u00e9t\u00e9 con\u00e7u et valid\u00e9 par une \u00e9quipe internationale de chercheurs sp\u00e9cialis\u00e9s en syst\u00e8mes d’information, en sciences de gestion et en technologies \u00e9ducatives :<\/p>\n L’objectif fondamental de l’Augmented Reality Intention\u2013Measurement Model Questionnaire<\/strong> (ARI-MMQ) est de mod\u00e9liser, d’\u00e9valuer et d’\u00e9lucider les facteurs psychologiques, instrumentaux et environnementaux qui gouvernent l’intention des \u00e9tudiants de l’enseignement sup\u00e9rieur d’adopter des applications de r\u00e9alit\u00e9 augment\u00e9e<\/a> au sein de leurs activit\u00e9s d’apprentissage num\u00e9rique (e-learning<\/em>). Alors que les plateformes d’enseignement \u00e0 distance conventionnelles souffrent fr\u00e9quemment de limitations inh\u00e9rentes \u00e0 l’isolement social, au manque d’interactivit\u00e9 et \u00e0 une charge cognitive passive, l’immersion sensorielle et contextuelle offerte par la r\u00e9alit\u00e9 augment\u00e9e repr\u00e9sente une avanc\u00e9e majeure capable d’enrichir l’engagement des apprenants.<\/p>\n Sur le plan th\u00e9orique et psychologique, cet outil comble une lacune essentielle dans la litt\u00e9rature relative \u00e0 l’acceptation des technologies<\/a> \u00e9ducatives. Les mod\u00e8les traditionnels tels que le mod\u00e8le d’acceptation de la technologie (TAM; Davis, 1989) se concentrent de mani\u00e8re pr\u00e9pond\u00e9rante sur l’utilit\u00e9 per\u00e7ue et la facilit\u00e9 d’utilisation. Saleem et al. (2023) ont formul\u00e9 l’hypoth\u00e8se qu’au sein d’environnements d’apprentissage hautement interactifs, les composantes exp\u00e9rientielles et h\u00e9doniques jouent un r\u00f4le m\u00e9diateur et d\u00e9terminant au moins aussi substantiel que les composantes purement fonctionnelles ou utilitaires. L’ARI-MMQ permet donc de quantifier simultan\u00e9ment la dualit\u00e9 de la valeur per\u00e7ue (valeur utilitaire versus valeur h\u00e9donique) et d’\u00e9valuer la mani\u00e8re dont cette valeur fa\u00e7onne l’attitude individuelle, la sensibilit\u00e9 \u00e0 la pression normative des pairs et des enseignants, ainsi que le sentiment d’auto-efficacit\u00e9 ou de contr\u00f4le sur la technologie.<\/p>\n Dans le domaine de la recherche empirique, l’\u00e9chelle fournit un cadre standardis\u00e9 permettant d’\u00e9valuer l’efficacit\u00e9 diff\u00e9rentielle de diverses applications de r\u00e9alit\u00e9 augment\u00e9e (par exemple, des visualisations anatomiques en 3D dans l’enseignement m\u00e9dical, des simulations de m\u00e9canique physique ou des environnements d’architecture virtuelle). Les chercheurs peuvent employer cet instrument pour comparer des cohortes, \u00e9tudier l’impact d’interventions p\u00e9dagogiques sp\u00e9cifiques ou explorer des m\u00e9diations mod\u00e9r\u00e9es par des facteurs d\u00e9mographiques ou technologiques.<\/p>\n Dans la pratique technop\u00e9dagogique et institutionnelle, l’ARI-MMQ constitue un outil diagnostique pr\u00e9cieux pour les directions universitaires, les concepteurs de logiciels didactiques et les ing\u00e9nieurs p\u00e9dagogiques. Lors du d\u00e9ploiement de nouveaux modules immersifs, l’administration de l’\u00e9chelle permet d’identifier pr\u00e9cis\u00e9ment les freins psychologiques \u00e0 l’adoption : un d\u00e9ficit d’adh\u00e9sion peut \u00eatre imputable \u00e0 une carence de contr\u00f4le comportemental per\u00e7u (manque de comp\u00e9tences techniques ou d’\u00e9quipements adapt\u00e9s), \u00e0 un faible sentiment de validation par les pairs (normes subjectives d\u00e9ficientes), ou \u00e0 un d\u00e9s\u00e9quilibre entre l’utilit\u00e9 per\u00e7ue et le plaisir intrins\u00e8que procur\u00e9 par l’interface. En ciblant ces leviers avec rigueur, les concepteurs peuvent r\u00e9ajuster leurs dispositifs pour maximiser l’acceptabilit\u00e9 sociale et ergonomique des syst\u00e8mes d’apprentissage en ligne de nouvelle g\u00e9n\u00e9ration.<\/p>\n Le mod\u00e8le de mesure ARI-MMQ conceptualise l’intention technologique \u00e0 travers six construits latents de premier ordre, interconnect\u00e9s au sein d’une structure causale coh\u00e9rente :<\/p>\n Ce construit quantifie l’\u00e9valuation rationnelle, cognitive et fonctionnelle des b\u00e9n\u00e9fices apport\u00e9s par l’application de r\u00e9alit\u00e9 augment\u00e9e \u00e0 l’apprentissage. Inspir\u00e9e des travaux pionniers sur la consommation exp\u00e9rientielle de Childers et al. (2001)<\/a>, la dimension utilitaire mesure dans quelle mesure l’apprenant juge l’outil efficace pour optimiser ses performances acad\u00e9miques, faciliter l’\u00e9valuation de son travail et accro\u00eetre sa productivit\u00e9 \u00e9ducative. Par exemple, un \u00e9tudiant en ing\u00e9nierie qui utilise une application RA pour d\u00e9monter virtuellement un moteur complexe appr\u00e9ciera la valeur utilitaire si l’outil am\u00e9liore sa compr\u00e9hension technique et r\u00e9duit le temps n\u00e9cessaire \u00e0 la ma\u00eetrise du cours.<\/p>\n \u00c0 l’oppos\u00e9 de la dimension fonctionnelle, la valeur h\u00e9donique appr\u00e9hende les facettes affectives, ludiques et intrins\u00e8quement gratifiantes de l’interaction immersive. Elle capture le niveau de plaisir, d’excitation, de bien-\u00eatre et de divertissement subjectif \u00e9prouv\u00e9 lors de l’utilisation de l’application. Dans les contextes d’apprentissage num\u00e9rique souvent per\u00e7us comme aust\u00e8res, la composante h\u00e9donique agit comme un puissant catalyseur motivationnel extrins\u00e8que et intrins\u00e8que. Un apprenant d\u00e9clarant que l’usage de la r\u00e9alit\u00e9 augment\u00e9e est captivant et stimulant refl\u00e8te un niveau \u00e9lev\u00e9 de valeur h\u00e9donique.<\/p>\n Conform\u00e9ment au cadre de la psychologie sociale, l’attitude correspond au degr\u00e9 global d’\u00e9valuation favorable ou d\u00e9favorable qu’un individu porte sur l’int\u00e9gration de la r\u00e9alit\u00e9 augment\u00e9e dans son parcours \u00e9ducatif. Elle englobe une appr\u00e9ciation holistique combinant d\u00e9sirabilit\u00e9 affective et jugement cognitif quant au caract\u00e8re judicieux, opportun et agr\u00e9able de l’adoption de l’outil pour ses sessions d’\u00e9tudes en ligne.<\/p>\n Ce construit mesure l’influence per\u00e7ue des pressions sociales et institutionnelles. Il op\u00e9rationnalise la croyance de l’individu quant \u00e0 l’opinion des personnes signifiantes de son entourage (camarades de classe, enseignants, famille, pairs acad\u00e9miques) concernant l’adoption de la technologie. Une composante importante de cette dimension inclut \u00e9galement l’observation normative du comportement du groupe d’appartenance, c’est-\u00e0-dire la propension per\u00e7ue des autres \u00e9tudiants de la classe \u00e0 s’approprier activement l’outil de r\u00e9alit\u00e9 augment\u00e9e.<\/p>\n D\u00e9riv\u00e9 du concept d’auto-efficacit\u00e9<\/a> d\u00e9velopp\u00e9 par Albert Bandura<\/a> et formalis\u00e9 par Ajzen, le contr\u00f4le comportemental per\u00e7u \u00e9value la perception qu’a l’\u00e9tudiant de sa propre capacit\u00e9, de ses ressources cognitives, de ses comp\u00e9tences techniques et de sa libert\u00e9 de d\u00e9cision pour exploiter avec succ\u00e8s l’application de r\u00e9alit\u00e9 augment\u00e9e. Un score \u00e9lev\u00e9 indique que l’individu estime poss\u00e9der le savoir-faire instrumental, l’autonomie et l’assurance n\u00e9cessaires pour surmonter les obstacles technologiques potentiels.<\/p>\n Construit cible final du mod\u00e8le, l’intention comportementale repr\u00e9sente la probabilit\u00e9 subjective, le niveau de planification consciente et l’engagement d\u00e9lib\u00e9r\u00e9 de l’\u00e9tudiant \u00e0 mobiliser concr\u00e8tement les applications de r\u00e9alit\u00e9 augment\u00e9e au cours de son cursus en ligne futur. Dans les paradigmes sociocognitifs, cette intention constitue le pr\u00e9dicteur proximal le plus direct du comportement effectif d’utilisation.<\/p>\n L’architecture conceptuelle de l’ARI-MMQ repose sur la synth\u00e8se \u00e9l\u00e9gante de deux corpus th\u00e9oriques majeurs en sciences psychologiques et comportementales : la th\u00e9orie du comportement planifi\u00e9<\/strong> (Theory of Planned Behavior<\/em> – TPB) introduite par Icek Ajzen<\/a> (1985, 1991), et le cadre th\u00e9orique de la dualit\u00e9 de la valeur per\u00e7ue (utilitaire et h\u00e9donique)<\/strong> formalis\u00e9 notamment par Childers, Carr, Peck et Carson (2001) et Holbrook et Hirschman (1982).<\/p>\n La th\u00e9orie du comportement planifi\u00e9 postule que l’intention d’ex\u00e9cuter un comportement donn\u00e9 est gouvern\u00e9e de fa\u00e7on conjointe par trois d\u00e9terminants fondamentaux : l’attitude envers le comportement, la norme subjective et le contr\u00f4le comportemental per\u00e7u. Dans le domaine de l’acceptation des technologies, la TPB offre une robustesse pr\u00e9dictive sup\u00e9rieure aux mod\u00e8les purement m\u00e9canistes en accordant une place explicite aux contingences normatives et aux capacit\u00e9s per\u00e7ues d’autonomie instrumentale. Cependant, Ajzen lui-m\u00eame pr\u00e9conisait l’adaptation et l’extension du mod\u00e8le g\u00e9n\u00e9rique par l’adjonction de variables ant\u00e9c\u00e9dentes pertinentes propres au domaine investigu\u00e9.<\/p>\n Saleem et ses coll\u00e8gues (2023) ont r\u00e9pondu \u00e0 cette recommandation en int\u00e9grant les dimensions exp\u00e9rientielles de la r\u00e9alit\u00e9 augment\u00e9e en amont des composantes de la TPB. La r\u00e9alit\u00e9 augment\u00e9e, en superposant des \u00e9l\u00e9ments virtuels dynamiques au monde physique r\u00e9el, modifie profond\u00e9ment la perception sensorielle de l’utilisateur. En s’appuyant sur Childers et al. (2001), les auteurs postulent que l’exp\u00e9rience utilisateur dans un environnement immersif ne rel\u00e8ve pas exclusivement d’une logique utilitariste (r\u00e9solution de t\u00e2che, efficacit\u00e9 acad\u00e9mique), mais proc\u00e8de tout autant d’une qu\u00eate d’immersion h\u00e9donique (amusement, \u00e9veil \u00e9motionnel, curiosit\u00e9 sensorielle). Dans le mod\u00e8le de Saleem et al., ces deux facettes sont mod\u00e9lis\u00e9es comme un construit r\u00e9flexif de second ordre : la valeur globale de la r\u00e9alit\u00e9 augment\u00e9e.<\/p>\n Cette conceptualisation th\u00e9orique permet d’\u00e9tablir une cha\u00eene causale s\u00e9quentielle : la valeur per\u00e7ue (utilitaire et h\u00e9donique) g\u00e9n\u00e9r\u00e9e par l’application de r\u00e9alit\u00e9 augment\u00e9e agit comme un ant\u00e9c\u00e9dent primaire puissant qui nourrit et module l’attitude globale de l’apprenant. Cette attitude, articul\u00e9e aux influences normatives du groupe de pairs (normes subjectives) et aux sentiments de ma\u00eetrise technologique (contr\u00f4le comportemental per\u00e7u), fa\u00e7onne \u00e0 son tour l’intention conative d’int\u00e9grer durablement la r\u00e9alit\u00e9 augment\u00e9e dans les dispositifs d’apprentissage en ligne. Ce cadre th\u00e9orique composite fournit une grille d’analyse remarquablement \u00e9quilibr\u00e9e, alliant psychologie cognitive, psychologie sociale et ergonomie des interactions personne-syst\u00e8me.<\/p>\n La validation psychom\u00e9trique du questionnaire ARI-MMQ a \u00e9t\u00e9 ex\u00e9cut\u00e9e selon les normes rigoureuses de la mod\u00e9lisation par \u00e9quations structurelles bas\u00e9e sur les moindres carr\u00e9s partiels (PLS-SEM) et l’analyse factorielle confirmatoire, en se conformant aux standards m\u00e9thodologiques pr\u00e9conis\u00e9s par Hair, Black, Babin et Anderson (2010, 2014)<\/a>.<\/p>\n La validit\u00e9 convergente \u00e9value la coh\u00e9rence avec laquelle les items manifestes convergent pour mesurer leur construit latent respectif. Elle a \u00e9t\u00e9 examin\u00e9e au moyen de deux indices principaux : la variance moyenne extraite (Average Variance Extracted<\/em>, AVE) et la fiabilit\u00e9 composite (Composite Reliability<\/em>, CR) :<\/p>\n La validit\u00e9 discriminante certifie que chaque dimension mesure un ph\u00e9nom\u00e8ne empiriquement distinct des autres construits du syst\u00e8me. Elle a \u00e9t\u00e9 rigoureusement d\u00e9montr\u00e9e selon le crit\u00e8re classique de Fornell-Larcker : pour chaque variable latente, la racine carr\u00e9e de la variance moyenne extraite (2. Mots-cl\u00e9s<\/h2>\n
3. Auteurs<\/h2>\n
\n
4. Objectif<\/h2>\n
5. Construit psychologique<\/h2>\n
Valeur utilitaire de la r\u00e9alit\u00e9 augment\u00e9e (AR: Utilitarian Value)<\/h3>\n
Valeur h\u00e9donique de la r\u00e9alit\u00e9 augment\u00e9e (AR: Hedonic Value)<\/h3>\n
Attitude envers l’utilisation (Attitude)<\/h3>\n
Normes subjectives (Subjective Norms)<\/h3>\n
Contr\u00f4le comportemental per\u00e7u (Perceived Behavioural Control)<\/h3>\n
Intention envers l’apprentissage en ligne via la r\u00e9alit\u00e9 augment\u00e9e (Intention Towards e-Learning)<\/h3>\n
6. Cadre th\u00e9orique<\/h2>\n
7. Validit\u00e9<\/h2>\n
Validit\u00e9 convergente<\/h3>\n
\n
Validit\u00e9 discriminante<\/h3>\n