Skip to navigation – Site map

HomeVaria49/4Pourquoi les filles boudent-elles...

Pourquoi les filles boudent-elles les STIM ? Performances en mathématiques, motivation et choix d’orientation en fin d’études secondaires

The gender gap in STEM fields: examining the effects of achievement, motivation and educational choices in mathematics
Doriane Jaegers and Dominique Lafontaine
p. 619-651

Abstracts

The present study among a sample of grade 12 students of the French-speaking Community of Belgium aims at investigating whether performance in mathematics, motivation and number of maths periods per week moderate the influence of sex on perceptions and aspirations to STEM studies and careers. The gender effect on aspirations to STEM studies and careers remains when students’ characteristics are kept under control. On the contrary, the sex effect on perceptions of the importance of mathematics in the higher education programs students chose

disappears when performance, motivation and the number of maths period in their program is kept under control.

Top of page

Full text

I - Introduction1

  • 1 Cet article suit les recommandations du Conseil de la langue française et de la politique linguisti (...)

1Dans nos sociétés contemporaines, les mathématiques jouent un rôle majeur dans les processus d’orientation vers des études et carrières prestigieuses (Watt et al., 2017). Ceci n’empêche que certains élèves qui ont des compétences élevées en mathématiques se détournent de ces études et carrières à forte composante mathématique. Ainsi, de nombreuses recherches (Alaluf et al., 2003 ; Makarova et al., 2019 ; OCDE, 2014 ; Van Tuijl & Walma Van der Molen, 2015 ; Wang & Degol, 2013, 2017) mettent en évidence une orientation sexuée : les filles s’orientent moins que les garçons vers les filières à forte composante mathématique et sont, par conséquent, sous-représentées dans les champs STIM (acronyme de science, technologie, ingénierie et mathématiques). Ce phénomène ne date pas d’hier. Dans les années 1980 déjà, des chercheurs (Heller & Parsons, 1981 ; Sells, 1980) avaient posé ce constat. De nombreuses études plus récentes soulignent la persistance du phénomène et continuent d’aborder la question des différences entre garçons et filles dans les aspirations aux études et carrières mathématiques tant d’un point de vue sociologique (ex. Duru-Bellat, 2008), psychosocial (ex. Morin-Messabel, 2014) que pédagogique (ex. Watt et al., 2012). En Sciences de l’éducation, particulièrement, plusieurs pistes ont été inspirées de la théorie de l’expectancy-value (Eccles et al., 1983) : différences de performances, de motivation, influence du contexte éducatif… En Fédération Wallonie-Bruxelles (FW-B), alors que la recherche de Vermandele et al. (2010) a mis en évidence la sous-représentation des filles dans les filières mathématiques à l’Université, rares sont les études qui ont approfondi la question et ont questionné simultanément l’influence des variables scolaires, motivationnelles et contextuelles pour mieux comprendre la division sexuée de l’orientation dans ce secteur.

2Par ailleurs, il convient de noter que, dans les recherches citées précédemment, les experts déterminent la présence des mathématiques dans les études ou la carrière visée(s) sur la base de classifications objectives (ex : classification O*net). Cependant, les élèves ne sont pas toujours conscients des exigences mathématiques des études qu’ils s’apprêtent à entreprendre. Analyser le profil de jeunes qui osent choisir des études où les mathématiques leur semblent indispensables est une perspective aussi intéressante qu’innovante. À notre connaissance, il n’existe, en effet, aucune recherche qui s’interroge sur la perception qu’ont les jeunes de l’importance des mathématiques pour les études auxquelles ils aspirent. Or, ce qui permet à l’élève de se lancer, en fin de secondaire, dans des études supérieures, c’est bien la perception qu’il en a. il est dès lors intéressant de s’intéresser aux jeunes, en particulier aux filles, à qui les mathématiques ne font pas peur, et d’identifier les variables qui agissent sur leur perception.

  • 2 Notons que cette perception personnelle est liée à des facteurs sociaux et donc aux représentations (...)

3Dans le cadre de cette recherche menée en FW-B, nous abordons les différences d’aspirations aux études et carrières mathématiques entre les filles et les garçons de 6e secondaire (section de transition). Il s’agit principalement de voir si les performances, certaines croyances motivationnelles et le type de cours de mathématiques suivi en fin de secondaire modulent l’influence du sexe sur les aspirations des élèves. Par ailleurs, nous abordons aussi la question du lien entre le sexe et la perception qu’ont les élèves de la présence des mathématiques dans leurs futures études supérieures. Cette variable se distingue des aspirations aux études mathématiques dans la mesure où elle se base, non pas sur des critères objectifs, mais sur la perception personnelle2 (réaliste ou non) des élèves. Si l’on souhaite mieux comprendre les aspirations scolaires et professionnelles des jeunes, il semble essentiel de s’intéresser aussi à leur vision des études car c’est à travers leurs yeux que l’influence des performances, des motivations et du parcours antérieur s’exerce véritablement (Bergeron, 2016).

II - Revue de la littérature

2.1. Aspirer à des études et carrières mathématiques : une question de genre ?

4Lorsqu’on traite la question des aspirations aux études et carrières mathématiques, les recherches soulèvent principalement deux sources de préoccupations : la sous-représentation des femmes et celle des jeunes socio-économiquement désavantagés (Van Tuijl & Walma Van der Molen, 2015)

  • 3 Par milieu privilégié, Vermandele et al. (2010) entendent le fait d’avoir des parents ayant au moin (...)

5La question de l’influence du genre est, en effet, fréquemment soulevée face à cette problématique. Nombreuses sont les recherches (ex. Alaluf et al., 2003 ; Wang & Degol, 2013, 2017 ; Watt, 2006, 2010 ; Watt et al., 2012) qui démontrent, dans différents contextes, que les filles sont systématiquement sous-représentées dans les champs liés aux mathématiques. Les auteurs anglophones (Jacobs, 2005 ; Simpkins & Davis-Kean, 2005) utilisent la métaphore du « leaking pipeline » (tuyau percé) pour indiquer qu’au fil de la scolarité, les filles désertent les filières liées aux mathématiques, particulièrement à des périodes de transition telles que l’entrée dans l’enseignement supérieur (Spearman & Watt, 2011). Même si les études supérieures réussissent bien aux filles (Eurydice, 2007 ; Lafontaine et al., 2012 ; OCDE, 2017), les filières restent, en effet, fortement genrées : les filles privilégient les secteurs littéraires ou liés aux sciences humaines et de la santé et désertent les filières plus techniques. Vermandele et ses collègues (2010) ont d’ailleurs observé, au sein d’un échantillon constitué d’étudiants entamant des études universitaires en Belgique francophone que les rares filles qui s’orientent vers les filières scientifiques et mathématiques sont plus fréquemment celles qui sont issues de milieux privilégiés3.

2.2. Le modèle de l’expectancy-value

6De nombreuses sources d’explications peuvent être avancées pour rendre compte de la division sexuée dans les aspirations aux études et carrières mathématiques. Le modèle de l’expectancy-value établi par Eccles et ses collègues (voir aussi Eccles, 2005) reste à ce jour, un des principaux cadres théoriques mobilisés pour comprendre les processus qui forgent les choix des individus. Ce modèle reconnaît l’influence des caractéristiques individuelles, mais ne les considère pas comme les uniques barrières aux aspirations d’études et de carrières mathématiques. En effet, cette théorie intègre l’influence des performances de l’élève, mais aussi celle de ses motivations. Plus précisément, le modèle de l’expectancy-value indique que les choix d’études et de carrières sont directement influencés par les motivations de l’élève qui elles-mêmes sont façonnées par ses expériences passées (ex. ses performances antérieures) et ses caractéristiques individuelles (ex. sexe).

7Les motivations de l’élève s’opérationnalisent par ses attentes de succès et la valeur accordée à la tâche. Les attentes de succès reflètent les croyances d’auto-efficacité de l’élève vis-à-vis de tâches spécifiques (self-efficacy) ou d’un domaine en général (academic self-concept). La valeur de la tâche, quant à elle, renvoie à l’évaluation des coûts et bénéfices du choix potentiel. Eccles et ses collègues (1983) identifient ainsi quatre éléments qui composent cette dimension : (1) l’importance revêtue par la tâche pour soi, (2) son intérêt intrinsèque, (3) son utilité par rapport aux objectifs fixés et (4) son coût psychologique (ex : anxiété) ou envisagé en termes d’efforts à fournir, de temps à consacrer (investissement).

8Sur le plan conceptuel, l’expectancy-value postule donc que les disparités garçons-filles remarquées au niveau des aspirations d’études et de carrières mathématiques sont essentiellement dues à des différences de motivation et de performances (antérieures) en mathématiques. S’il semble, en effet, bien établi que les filles (OCDE, 2012) sont moins motivées en mathématiques, le constat est plus mitigé en ce qui concerne les performances (Mullis et al., 2016) : selon le pays et/ou le moment de la scolarité, elles sont tout aussi performantes que les garçons. Une étude menée par Wang et al. (2013) indique d’ailleurs que les filles ne se désintéressent pas des champs STIM parce qu’elles sont moins performantes, mais plutôt parce qu’elles sont aussi performantes dans d’autres domaines et disposent ainsi d’un éventail de choix plus large que les garçons. La division sexuée de l’orientation s’expliquerait donc davantage par les motivations que par les performances. De nombreuses recherches ont, en effet, souligné le rôle de médiateur rempli par les croyances motivationnelles dans la relation entre le sexe et les aspirations de carrières (Eccles & Wang, 2016 ; Grolnick et al., 2009 ; Parker et al, 2014). À ce propos, l’étude de Parker et al. (2014) apporte des nuances intéressantes. Elle confirme, tout d’abord, que l’on ne peut considérer la performance antérieure en mathématiques comme un filtre important pour les carrières liées à cette discipline. En effet, les auteurs ont montré que la performance n’a pas d’effet significatif sur les aspirations des filles et des garçons lorsqu’on contrôle le self-concept de l’élève. Par contre, elle conclut à l’influence robuste de la variable sexe. En effet, les auteurs avancent que le caractère sexué des aspirations aux études mathématiques persiste, y compris sous contrôle des performances et du self-concept.

2.3. Le contexte de la Fédération Wallonie-Bruxelles

  • 4 En Fédération Wallonie-Bruxelles, l’orientation vers les cours de mathématiques de différents volum (...)

9Si l’on souhaite identifier les variables qui agissent sur les aspirations des jeunes aux études et carrières mathématiques, il convient de tenir compte des particularités du système éducatif dans lequel ils évoluent. En FW-B, dès l’âge de 14 ans, les élèves peuvent prendre des orientations diverses qui contribuent à expliquer les différences observées dans les aspirations d’études et de carrières. Cette configuration accentue les écarts de performances entre écoles au sein desquelles des filières et options particulières sont proposées. Dans notre étude, nous avons ciblé les analyses sur les élèves de la filière de transition où se dispense un enseignement de type général ou technique préparant à l’obtention du Certificat d’enseignement secondaire supérieur (CESS) donnant accès à l’enseignement supérieur. Dans cette filière, les élèves suivent un cours de mathématiques dont le volume hebdomadaire peut varier selon leurs options (allant de 2 à 8 h de mathématiques par semaine), surtout à partir de la 5e année4. Comme l’a démontré Watt (2006) sur un échantillon australien, ce choix de cours remplit un rôle de filtre important sur les aspirations d’études et de carrières des élèves. En FW-B, Vermandele et al. (2010) indiquaient à ce propos que plus les jeunes suivent des formations poussées en mathématiques dans l’enseignement secondaire, moins ils s’orientent vers les sciences humaines et sociales à l’université, à l’exception du domaine des sciences économiques et de gestion qui « voit son attrait augmenter lorsque le niveau de la formation mathématiques s’élève » (p. 42). Par ailleurs, les filles seraient minoritaires dans les cours avancés de mathématiques (Simpkins & Davis-Kean, 2005), y compris en FW-B (Alaluf et al., 2003). Ce constat invite à penser qu’il existe un lien entre le nombre d’heures de mathématiques suivies à partir de la cinquième secondaire et les différences d’aspirations liées aux mathématiques selon le sexe et le niveau socio-économique de l’élève. Vermandele et al. (2010) apportent une nuance intéressante en indiquant que plus le niveau de formation mathématique est élevé en secondaire, plus la division sexuée liée aux aspirations d’études mathématiques s’intensifie. Dans les cours plus avancés, celle-ci ne serait donc pas gommée, mais amplifiée.

  • 5 Notons qu’en Fédération Wallonie-Bruxelles, des filles fréquentent les sections maths et sciences f (...)

10Notons enfin que la prise en compte du contexte éducatif est également importante pour les analyses portant sur le lien entre les motivations en mathématiques et les aspirations d’études et de carrières liées à cette discipline. En 2012, Watt et ses collègues ont remarqué que les variables motivationnelles pouvaient agir différemment sur les choix d’études et de carrières selon le système éducatif étudié : les attentes de succès étaient, en effet, une source d’influence motivationnelle dominante sur les choix éducatifs et professionnels aux États-Unis et au Canada, alors que l’intérêt était le facteur clé en Australie. À notre connaissance, aucune étude n’a mené de telles analyses en Belgique francophone, les reproduire dans le contexte de la FW-B5 prend donc tout son sens.

III - hypothèses de recherche

11Dans le cadre de cette recherche, nous étudierons, dans un premier temps, l’influence du sexe sur les aspirations aux études et carrières à forte composante mathématique. Nous identifierons également dans quelle mesure les performances, les motivations en mathématiques et le parcours de l’élève peuvent modérer cette relation. Dans un second temps, nous envisagerons le même type d’analyses, mais en utilisant comme variable dépendante la perception qu’ont les jeunes de la présence des mathématiques dans leurs futures études supérieures. Si ce second enjeu est davantage inédit et donc réalisé dans une perspective exploratoire, plusieurs hypothèses peuvent être formulées quant au premier enjeu de cette recherche.

12Une première série d’hypothèses consistera ainsi à vérifier, au sein de notre échantillon, que les filles aspirent moins aux études et carrières mathématiques que leurs pairs masculins (hypothèse 1a). Nous envisagerons également l’effet d’interaction entre le sexe et l’indice socio-économique (ISÉ) car les résultats de Vermandele et al. (2010) invitent à penser que l’ISÉ serait davantage déterminant pour les aspirations aux études et carrières mathématiques pour les filles qu’il ne l’est pour les garçons (hypothèse 1b).

13Ensuite, si les différences entre garçons et filles sont avérées, nous investiguerons l’effet de variables fréquemment mobilisées pour les expliquer : les performances antérieures, les motivations en mathématiques et le nombre d’heures hebdomadaires de mathématiques en fin de secondaire. À ce sujet, nous formulons trois séries d’hypothèses. Si nous pensons que les performances ne diminueront pas le lien entre le sexe et les aspirations d’études et de carrières mathématiques (hypothèse 2), les variables motivationnelles, quant à elles, contribueront à l’atténuer jusqu’à éventuellement le supprimer (hypothèse 3). Par ailleurs, si les filles sont effectivement moins présentes dans les cours de mathématiques à fort volume horaire, nous émettons l’hypothèse que le fait de contrôler le nombre d’heures hebdomadaires de mathématiques permettra aussi d’affaiblir le lien entre le sexe et les aspirations aux études et carrières mathématiques (hypothèse 4a).

14Nous analyserons également l’ampleur des différences garçons-filles au niveau des aspirations aux études et carrières mathématiques selon le volume horaire hebdomadaire de mathématiques (faible volume : ≤ 4 h / semaine ; ou fort volume : ≥ 6 h / semaine). Sur la base des résultats de Vermandele et al. (2010), le sexe de l’élève pourrait avoir moins d’influence sur les aspirations mathématiques au sein des cours de mathématiques à faible volume horaire, comparativement aux cours à fort volume horaire, où les différences seraient exacerbées (hypothèse 4b).

IV - Méthodologie

4.1. Échantillon

  • 6 La 6e année est l’année terminale du secondaire. Dans ces sections est dispensé un enseignement de (...)

15777 élèves de 6e secondaire de la section de transition6 ont participé à cette étude menée en FW-B en 2016-2017. Ceux-ci étaient issus de 25 écoles de la région de Liège. L’échantillon comporte une répartition équilibrée de filles et de garçons (53 % de filles contre 47 % de garçons).

4.2. Procédure

16Les élèves ont reçu un questionnaire permettant de récolter des informations contextuelles (sexe, nombre d’heures de mathématiques par semaine) et de mesurer leur motivation en mathématiques, leurs aspirations d’études et de carrières et leur perception de la présence des mathématiques dans leurs futures études supérieures. En 2015-2016, ces mêmes élèves (fréquentant la 5e secondaire) avaient répondu à un questionnaire permettant de mesurer leur indice socio-économique. Un test de mathématiques leur avait également été proposé. Lors des deux phases de collectes de données, la durée de passation était identique d’une école à l’autre et une chercheuse restait à disposition des élèves pour répondre à leurs éventuelles questions.

4.3. Instruments de mesure

4.3.1. Sexe de l’élève

17Dans le questionnaire contextuel, l’élève a indiqué s’il était une fille (code 0) ou un garçon (code 1).

4.3.2. Indice socio-économique

  • 7 Dans l’enquête PiSA 2012, ces indicateurs sont respectivement nommés : HOMEPOS, PARED et HISEI.

18En 2015-2016, chaque élève a été invité à répondre à une série d’items issus de l’enquête internationale PISA (OCDE, 2012) combinant des informations d’ordre économique, culturel et éducatif. Il s’agissait, entre autres, de les interroger sur trois indicateurs7 : (1) les possessions de leur famille (nombre de livres, de voitures, d’ordinateurs, de télévisions, présence d’une connexion internet à la maison, d’une chambre individuelle etc.), (2) le niveau d’études et (3) la profession de leurs parents. Ces indicateurs ont été utilisés pour constituer un indice socio-économique (ISÉ). Plus précisément, une analyse en composantes principales a été menée et le premier facteur a été retenu comme indice composite du niveau socio-économique des élèves.

4.3.3. Performances antérieures en mathématiques

  • 8 En psychologie sociale, les études sur la « menace du stéréotype » (ex. Bonnot & Croizet, 2011) sug (...)

19Un test de mathématiques axé sur la matière vue au 2e degré (3e et 4e années) de l’enseignement secondaire général ou technique a été proposé aux élèves lorsqu’ils étaient en 5e secondaire8. Ce test a été conçu sur la base d’un inventaire d’épreuves de fin d’année élaborées par des enseignants de 3e et 4e secondaires. Les questions ont été sélectionnées afin de couvrir deux domaines (les nombres, l’algèbre et les fonctions d’une part, la géométrie et la trigonométrie, d’autre part) et de proposer deux types d’items (situations problèmes et exercices d’application). Ce test (13 items) présente un indice de consistance interne de 0.77.

4.3.4. Motivations en mathématiques

20Pour mesurer les attentes de succès en mathématiques, deux échelles sont utilisées : l’une mesurant le concept de soi en mathématiques (self-concept, 5 items, a = .89, ex : « Je me suis toujours bien débrouillé(e) en mathématiques. ») issue de l’enquête internationale PISA 2012 et l’autre mesurant la perception de ses capacités en mathématiques (self-efficacy). Pour les items de cette dernière échelle, puisqu’il s’agit de demander aux élèves dans quelle mesure ils se sentent capables d’effectuer des tâches précises, il convenait d’adapter les tâches initialement prévues dans l’enquête PISA à des élèves plus âgés (17 ans) et donc plus avancés en mathématiques. L’analyse factorielle exploratoire réalisée sur les 9 items créés révèle la présence de deux facteurs distincts : la perception de ses capacités par rapport à des tâches de mathématiques en situation scolaire (3 items, a = .78, ex : « Dans quelle mesure te sens-tu capable de résoudre une inéquation du type : 6x2 – 11x – 5 > 0 ? ») et par rapport à des tâches mathématiques liées à la vie quotidienne (6 items, a = .81, ex : « Dans quelle mesure te sens-tu capable de déterminer l’abonnement d’internet mobile le plus avantageux en fonction de ta consommation mensuelle de mégabits ? »). Nous avons décidé de poursuivre avec ces deux sous-échelles car elles pourraient agir différemment sur les aspirations et perceptions.

21Pour mesurer la valeur de la tâche, quatre échelles (toutes ciblées sur les mathématiques) sont utilisées : l’intérêt (4 items, a =.87, ex : « J’attends mes cours de mathématiques avec impatience. »), l’utilité perçue (4 items, a =.91, ex : « Apprendre les mathématiques améliore mes chances de carrière professionnelle. »), l’anxiété (4 items, a =.82, ex : « Je suis très tendu(e) quand j’ai un devoir de mathématiques à faire. ») et l’investissement (3 items, a =.81, ex : « Je dois consacrer du temps libre pour réussir en mathématiques. »). Nous avons choisi de ne pas mesurer l’importance des mathématiques (tant ce concept, en français, est conceptuellement proche des notions d’intérêt et d’utilité). En revanche, même si la notion de coût est souvent écartée dans les recherches empiriques (Chow et al., 2012), nous avons veillé à l’opérationnaliser par une échelle d’anxiété (coût psychologique) et d’investissement (temps investi, efforts consentis) des élèves en mathématiques car il est connu que les filles peuvent s’y montrer particulièrement sensibles (Taylor & Fraser, 2013). Les items d’intérêt, d’utilité perçue et certains items d’anxiété sont issus de l’enquête PISA 2012, tandis que les autres (items d’anxiété et de coût) ont été créés en s’inspirant des travaux de Taylor et Fraser (2013) et de Wang (2012).

4.3.5. Cours de mathématiques suivi en fin de secondaire

22Dans le questionnaire contextuel, l’élève a indiqué le volume horaire hebdomadaire du cours de mathématiques suivi depuis la 5e secondaire. Nous avons dichotomisé la variable en donnant le code 0 aux élèves fréquentant un cours à faible volume horaire (≤ 4 h / semaine) et le code 1 à ceux fréquentant un cours à fort volume horaire (≥ 6 h / semaine).

4.3.6. Aspirations aux études supérieures à forte composante mathématique

  • 9 Premier cycle d’enseignement supérieur en FW-B.
  • 10 L’annexe A reprend l’ensemble des études supérieures qui ont été, dans la présente recherche, consi (...)

23Les élèves ont indiqué dans le questionnaire les études qu’ils souhaitent entreprendre l’année suivante. Pour chaque type d’études mentionné, nous avons évalué la présence des mathématiques en nous intéressant au nombre de crédits liés à des cours de mathématiques fondamentales (algèbre, analyse, statistiques…) au sein du cycle de bachelier9 (180 crédits au total). Les études ont ainsi été codées de manière dichotomique : le code 0 étant attribué aux études ne faisant pas appel aux mathématiques, le code 1 aux études qui consacrent au moins 1/10e des 180 crédits aux mathématiques fondamentales (ex. sciences mathématiques, physiques, informatiques, ingénieur civil, etc.10).

4.3.7. Perception de la présence des mathématiques dans les études supérieures

24Les élèves ont été invités à indiquer, dans une question ouverte, dans quelle mesure ils percevaient la présence des mathématiques dans les études qu’ils s’apprêtaient à entreprendre. Leurs réponses ont été codées de manière dichotomique : le code 0 représente le fait de déclarer que les mathématiques ne seraient pas présentes (ou peu) dans leurs études ou uniquement en tant qu’outil de réflexion (ex : pour avoir un esprit clair, pour s’organiser) et le code 1 à une présence forte des mathématiques (ex : « les mathématiques sont la base de mes futures études », etc.).

4.3.8. Aspirations aux carrières à forte composante mathématique

25Les élèves ont indiqué le métier qu’ils se verraient exercer quand ils auront environ 30 ans (question reprise de l’enquête PISA 2012). Dans la littérature francophone, il n’existe, à notre connaissance, aucune classification des métiers à forte composante mathématique. Nous nous sommes donc inspirées de la classification O*NET (Occupational information Network - U.S. Department of Labor Employment and Training Administration, 1998) qui établit la liste des métiers faisant appel à cette discipline (métiers classés en fonction du niveau requis en mathématiques pour exercer la profession). Seuls les métiers dont le niveau requis en mathématiques était supérieur à 50 (sur une échelle de 100) ont été conservés, de même que ceux qui trouvaient une correspondance correcte en français. Une liste de 85 professions liées aux mathématiques a ainsi été établie. Chaque métier mentionné a été codé de manière dichotomique : le code 0 étant attribué aux métiers sans lien avec les mathématiques, le code 1 aux métiers sollicitant régulièrement les mathématiques.

4.4. Analyses

  • 11 Deux estimateurs de la compétence des sujets sont possibles : le Maximum Likelihood Estimate (MLE) (...)

26Les scores dérivés des échelles motivationnelles et du test de mathématiques ont été générés en recourant au modèle logistique de réponse à l’item à un paramètre plus communément connu sous le nom de modèle de Rasch. Ce modèle présente notamment l’avantage de fournir pour les individus qui n’ont pas répondu à l’ensemble des questions des scores qui soient parfaitement comparables aux scores des individus sans données manquantes. Parmi l’ensemble des estimateurs, le choix s’est porté sur le Weighted Likelihood Estimate (WLE11). Notons que l’ensemble des scores ont été standardisés en fixant la moyenne à 0 et l’écart-type à 1.

27Afin d’identifier les variables qui agissent sur les aspirations aux études et carrières mathématiques ainsi que sur la perception de la présence des mathématiques dans les (futures) études supérieures, nous avons procédé à des analyses de régression logistique. Concrètement, nous avons d’abord étudié le lien entre les aspirations ou les perceptions et la variable sexe, puis nous avons relativisé cette relation en tenant successivement sous contrôle diverses variables (performances en mathématiques, variables motivationnelles, volume horaire hebdomadaire consacré au cours de mathématiques dès la 5e secondaire). Nous avons ensuite envisagé en un seul modèle de régression logistique l’ensemble des variables pouvant agir sur les aspirations et perceptions des élèves.

28En présence d’un échantillon en plusieurs degrés, les estimateurs classiques d’erreur-type ne sont pas appropriés. Celles-ci ont donc été estimées en recourant à la technique de ré-échantillonnage pour échantillon non-stratifié de type Jackknife (Davison & Sardy, 2006). Les analyses ont été menées à l’aide du logiciel SAS (version 9.4).

V - Résultats

29Les résultats seront présentés en deux volets. Le premier volet analysera d’abord l’effet du sexe sur les aspirations des jeunes aux études et aux carrières mathématiques ; puis nous relativiserons cet effet en tenant compte de la performance en mathématiques, de variables motivationnelles et du volume horaire hebdomadaire consacré au cours de mathématiques dès la 5e secondaire. Nous clôturons ce volet par une vue complète des variables agissant sur les aspirations des élèves aux études et carrières à composante mathématique. Le second volet, quant à lui, est mené dans une perspective exploratoire : il concerne les différences entre les garçons et les filles dans leur perception de la présence des mathématiques dans les études supérieures et l’influence de variables telles que les performances, les motivations et le nombre d’heures hebdomadaires de mathématiques sur ces perceptions.

5.1. Aspirer aux études et carrières à composante mathématique

5.1.1. Différences garçons-filles

  • 12 Afin de faciliter les analyses, nous avons dichotomISÉ la variable ISÉ et décidé d’opposer les 25 % (...)

30Pour rappel, notre échantillon est constitué de 411 filles et 366 garçons. Des analyses de régressions logistiques ont été réalisées afin d’analyser les liens entre le sexe des élèves et leurs aspirations aux études et carrières à forte composante mathématique (voir tableaux 1 et 2). Les résultats du modèle 1 indiquent que les garçons ont significativement plus de chances d’aspirer à des études (OR = 3,06) ou à des carrières (OR = 3,21) mathématiques que les filles. Celles du modèle 2, quant à elles, révèlent qu’il n’existe pas d’effet d’interaction significatif entre le sexe et l’ISÉ12 : cela signifie que l’effet du sexe sur les deux variables dépendantes n’est pas fonction de l’ISÉ de l’élève (et inversement).

Tableau 1 : Résultats des estimations des modèles logistiques pour les aspirations aux études mathématiques selon le sexe et l’ISÉ de l’élève

VD = Études à composante mathématique

Modèle 1

Modèle 2

Références

Modalités

Coef.

OR

Coef.

OR

Fille

Garçon

1.12***

3.06

1.01*

2.74

ISÉ (P<25)

ISÉ (P>25)

0.47

1.60

Sexe X ISÉ

0.15

1.16

R= 0.08

R= 0.10

*p < .05 ; **p < .01 ; ***p <.001

Table 1: Results of the sequential logistic regression analyses predicting STEM studies choices by sex and SES

Tableau 2 : Résultats des estimations des modèles logistiques pour les aspirations aux carrières mathématiques selon le sexe et l’ISÉ de l’élève

VD = Carrières à composante mathématique

Modèle 1

Modèle 2

Références

Modalités

Coef.

OR

Coef.

OR

Fille

Garçon

1.27***

3.21

0.70*

2.01

ISÉ (P<25)

ISÉ (P>25)

0.07

1.08

Sexe X ISÉ

0.61

1.84

R= 0.09

R= 0.10

*p < .05 ; **p < .01 ; ***p <.001

Table 2: Results of the sequential logistic regression analyses predicting STEM career expectations by sex and SES

5.1.2. Peut-on expliquer ces différences ?

31Les analyses ci-après permettent d’étudier le lien entre le sexe et les aspirations aux études et carrières mathématiques en tenant différentes variables sous contrôle. Nous avons fait tourner plusieurs modèles (voir annexe B) intégrant successivement les performances en mathématiques, les variables motivationnelles et le nombre d’heures hebdomadaires de mathématiques suivies en fin de secondaire. Par souci de clarté, nous ne présentons ici que les modèles complets intégrant l’ensemble des variables explicatives (voir tableau 3).

Tableau 3 : Résultats des estimations des modèles logistiques intégrant l’ensemble des variables indépendantes pour les aspirations aux études et carrières mathématiques

VD = Aspirations aux études mathématiques

VD = Aspirations aux carrières mathématiques

Références

Modalités

Coef.

OR

Coef.

OR

Fille

Garçon

1.18***

3.26

1.11***

3.03

Performances en mathématiques

0.10

1.11

-0.04

0.97

Self-concept

0.81***

2.25

0.64***

1.89

Self-efficacy. (vie quotidienne)

0.51***

1.67

0.14

1.15

Self-efficacy (situations scolaires)

-0.09

0.92

0.21

1.23

Intérêt

0.11

1.12

0.25*

1.29

Utilité

1.66***

5.26

1.12***

3.08

Anxiété

0.22

1.24

0.14

1.15

Investissement

0.13

1.13

0.02

1.02

Heures de math

0.58**

1.78

0.73***

2.08

R= .59

R= .50

*p < .05 ; **p < .01 ; ***p <.001

Table 3: Results of logistic regression analyses predicting STEM studies and career expectations

  • 13 Notons que nous avons également calculé plusieurs modèles en intégrant la variable ISÉ aux analyses (...)
  • 14 Dans le modèle intégrant uniquement les performances (voir modèle 1 des tableaux de l’annexe B), le (...)
  • 15 Notons qu’au préalable, nous avions examiné la répartition des élèves selon leur sexe dans ces diff (...)

32Ces modèles aux pouvoirs explicatifs élevés (respectivement R2 = 0,59 et R2 = 0,50) permettent d’identifier finement, toutes choses égales par ailleurs, les variables agissant sur les aspirations aux études et carrières à forte composante mathématique. Un effet robuste du sexe ressort des analyses13. Sous contrôle des autres variables, les garçons ont au moins trois fois plus de chances d’aspirer à des études et carrières mathématiques que les filles. Au sein de ces modèles, les performances en mathématiques n’ont pas de lien significatif14 avec les aspirations : elles ne sont donc pas aussi déterminantes qu’on pourrait le penser. Certaines attitudes, en revanche, se révèlent importantes : le concept de soi en mathématiques et, encore plus, la perception de l’utilité de cette discipline semblent être deux dimensions clés. Pour les aspirations aux études mathématiques uniquement, un lien significatif est également relevé avec la perception de ses capacités par rapport à des tâches de la vie quotidienne. Pour les aspirations aux carrières mathématiques, il convient de noter le lien (faible) avec l’intérêt. Enfin, que l’on considère les études ou les carrières mathématiques, le fait de fréquenter, en secondaire, un cours de mathématiques plus avancé augmente sensiblement les chances d’y aspirer ; ce qui confirme le rôle-clé de cette dimension15.

33La revue de la littérature donne à penser que l’effet du sexe sur les aspirations d’études et de carrières mathématiques pourrait différer au sein des différents types de cours de mathématiques fréquenté en secondaire. Nous avons comparé les estimations des modèles logistiques réalisés séparément selon le nombre d’heures de mathématiques suivies à partir de la 5e secondaire (voir tableaux 4 et 5). Ces analyses révèlent que les garçons ont systématiquement plus de chances d’aspirer à des études et carrières mathématiques quel que soit le volume horaire du cours de mathématiques fréquenté. Par ailleurs, les différences garçons-filles sont exacerbées dans les cours de mathématiques à fort volume horaire : les garçons fréquentant ces cours ont près de quatre fois plus de chances que les filles d’aspirer à des études et carrières mathématiques, alors qu’ils ont un peu plus de deux fois plus de chances d’y aspirer lorsqu’ils fréquentent les cours de mathématiques à faible volume horaire.

Tableau 4 : Résultats des estimations des modèles logistiques pour les aspirations aux études mathématiques selon le sexe en fonction du nombre d’heures de mathématiques suivies en 6e secondaire

VD = Aspirations aux études mathématiques

Faible volume horaire ≤ 4h / semaine

Fort volume horaire ≥ 6h / semaine

Coef.

OR

Coef.

OR

Sexe

0.93**

2.53

1.34***

3.81

R= .04

R= .13

*p < .05 ; **p < .01 ; ***p <.001

Table 4: Results of logistic regression analyses predicting STEM studies choices according to the number of maths periods in highschool

Tableau 5 : Résultats des estimations des modèles logistiques pour les aspirations aux carrières mathématiques selon le sexe en fonction du nombre d’heures de mathématiques suivies en 6e secondaire

VD = Aspirations aux carrières mathématiques

Faible volume horaire ≤ 4h / semaine

Fort volume horaire ≥ 6h / semaine

Coef.

OR

Coef.

OR

Sexe

0.81*

2.25

1.38***

3.98

R= .03

R= .14

*p < .05 ; **p < .01 ; ***p <.001

Table 5: Results of logistic regression analyses predicting STEM career expectations according to the number of maths periods in highschool

5.2. Percevoir la présence des mathématiques dans leurs futures études

  • 16 Le taux de non-réponses sur cette variable est important (113 élèves soit 14 % des élèves n’ont pas (...)

34Alors que la première partie de cette recherche portait sur les aspirations aux études et carrières mathématiques, la seconde partie de ce travail s’intéresse aux perceptions qu’ont les élèves de la forte présence des mathématiques dans leurs futures études16. Dans un premier temps, nous avons tenté de vérifier le réalisme des perceptions des élèves en croisant les fréquences obtenues avec la variable « aspirations aux études mathématiques » (voir tableau 6). Nous constatons qu’environ 18 % des élèves de notre échantillon ont des perceptions peu réalistes : cela signifie qu’ils surestiment la présence des mathématiques dans leurs futures études (les élèves perçoivent une présence importante des mathématiques sans que cela ne soit objectivement le cas) ; ou inversement, qu’ils la sous-estiment (ils ne perçoivent pas la forte présence des mathématiques, alors qu’elles sont bel et bien dominantes dans les études supérieures envisagées).

Tableau 6 : Tableau croisant les perceptions des élèves sur la présence des mathématiques dans les études supérieures et les aspirations d’études

Fréquence

Pourcentage (sur l’échantillon)

Pourcentage (sur la ligne)

Pourcentage (sur la colonne)

Aspirations à d’autres études
(sans caractère mathématique)

Aspirations à des études mathématiques

Total

Absence de perception de la présence des mathématiques dans les études supérieures

398

60.58 %

88.25 %

85.78 %

53

8.07 %

11.75 %

27.46 %

451

68.65 %

Perception de la présence des mathématiques dans les études supérieures

66

10.05 %

32.04 %

14.22 %

140

21.31 %

67.96 %

72.54 %

206

31.35 %

Total

464

70.62 %

193

29.38 %

657

Table 6: Cross-tabulation of students’ perceptions about the importance of mathematics in higher education programs and STEM studies choices

  • 17 Il s’agit essentiellement d’études liées à la médecine ou la biologie. Les 58 % restants surestimen (...)

35Des analyses complémentaires (voir annexe D) montrent que, parmi les filles qui perçoivent la présence des mathématiques dans leurs futures études, près de la moitié (48 %) ont tendance à surestimer cette présence. Ces dernières se prédestinent majoritairement (84 % d’entre elles) à des études où l’humain est au centre (médecine, biologie…). Les garçons ne sont que 18 % à surestimer la place des mathématiques lorsqu’ils en perçoivent la présence dans leurs études. Les aspirations de ces derniers sont plus diversifiées (seuls 42 % d’entre eux mentionnent des études où la dimension humaine est dominante17).

  • 18 Par souci de clarté, nous avons choisi de ne présenter que le modèle final intégrant simultanément (...)

36Dans un second temps, nous avons investigué les différences entre les garçons et les filles dans la perception de la présence des mathématiques dans les études supérieures. Nous cherchions à voir si ces dernières peuvent être atténuées par l’introduction de variables telles que les performances en mathématiques, la motivation ou le nombre d’heures hebdomadaires de mathématiques. Les analyses du modèle 1 (voir tableau 7) révèlent un lien significatif entre le sexe et la perception de la présence des mathématiques dans les études. Les garçons perçoivent près de deux fois plus la présence des mathématiques dans leurs études supérieures que les filles. Cependant, lorsqu’on tient sous contrôle les performances, la motivation et le volume horaire hebdomadaire consacré au cours de mathématiques (modèle 2), nous constatons alors que le lien entre le sexe et les perceptions n’est plus significatif18.

Tableau 7 : Résultats de l’estimation du modèle logistique pour la perception de la présence des mathématiques dans les études supérieures

VD = Perception de la présence des mathématiques dans les études

Modèle 1

Modèle 2

Références

Modalités

Coef.

OR

Coef.

OR

Fille

Garçon

0.55***

1.74

0.18

1.20

Performances en mathématiques

0.10

1.10

Self-concept

0.65***

1.92

Self-efficacy. (vie quotidienne)

0.01

1.01

Self-efficacy (situations scolaires)

0.07

1.07

Intérêt

0.52***

1.68

Utilité

1.32***

3.76

Anxiété

-0.22

0.80

Investissement

0.27

1.31

Heures de math

0.98***

2.67

R= .02

R= .59

*p < .05 ; **p < .01 ; ***p <.001

Table 7: Results of the sequential logistic regression analyses predicting perceptions of the importance of mathematics in higher education programs

37Toutes choses égales par ailleurs, le fait d’être une fille ou un garçon ne change pas la perception de la présence des mathématiques dans les études que les jeunes envisagent d’entreprendre. Le fait de percevoir que les études où l’on projette de s’engager ont une composante mathématique forte semble davantage être une question de parcours et de motivations que de genre. Le nombre d’heures hebdomadaires de mathématiques augmente considérablement les chances de percevoir une forte présence des mathématiques dans les futures études (OR = 2,67). De même, certaines attitudes comme l’utilité perçue des mathématiques (OR = 3,76) ainsi que, dans une moindre mesure, le self-concept (OR =1,92) et l’intérêt (OR =1,68) ont un impact significatif sur les perceptions.

VI - Discussion

  • 19 Cela signifie donc que l’effet de l’ISÉ sur les aspirations d’études et de carrières mathématiques (...)

38Nos analyses confirment sur un échantillon propre à la FW-B que les filles aspirent moins aux études et carrières à forte composante mathématique que les garçons (hypothèse 1a) sans toutefois relever un effet d’interaction significatif entre le sexe et l’ISÉ19 (hypothèse 1b). Ces différences garçons-filles au niveau des aspirations aux études et carrières à forte composante mathématique semblent persistantes et puissantes. Si les recherches antérieures (ex. Parker et al., 2014 ; Wang et al., 2013) avaient permis d’anticiper ce constat dans des modèles où les performances sont tenues sous contrôle (hypothèse 2), nos analyses conduisent à infirmer les hypothèses 3 et 4a : l’introduction des variables motivationnelles et/ou du nombre d’heures hebdomadaires de mathématiques ne permet pas d’expliquer totalement le lien entre le sexe et les aspirations, ni même de l’affaiblir fortement.

39Le modèle global (voir tableau 3) qui introduit l’ensemble des variables montre que sous contrôle des performances, des motivations et du nombre d’heures hebdomadaires de mathématiques, les garçons ont toujours trois fois plus de chances d’aspirer à des études et carrières mathématiques que les filles. Ce résultat rejoint les constats établis par Parker et al. (2014). L’influence du sexe est robuste et plus importante que les performances en mathématiques qui, toutes choses égales par ailleurs, n’entretiennent plus aucun lien significatif avec les aspirations aux études et carrières mathématiques. Il semble en effet, que l’influence des performances en mathématiques soit absorbée par certaines variables. Nous pensons notamment au nombre d’heures hebdomadaires de mathématiques ou encore au self-concept qui se construit en intégrant les expériences passées de réussite et d’échec (Huang, 2011). Les conclusions de Parker et al. (2014) ont aussi montré que le sexe continuait d’exercer une influence sur les aspirations des jeunes aux carrières liées aux STIM sous contrôle du self-concept et des performances. Notre étude, bien qu’ayant élargi l’analyse à d’autres variables motivationnelles (notamment la valeur de la tâche comme l’intérêt des mathématiques ou l’utilité perçue de cette discipline comme le suggéraient Parker et al. (2014)), souligne à nouveau l’effet persistant du sexe et renforce l’idée que les différences garçons-filles constatées dans les aspirations résultent d’un réseau d’influences multiples et complexes.

40Notons que si le sexe est déterminant, les caractéristiques motivationnelles et le parcours de l’élève le sont tout autant. Au niveau des motivations d’abord, les analyses révèlent que l’utilité perçue des mathématiques est positivement et significativement associée, toutes choses égales par ailleurs, aux aspirations d’études (OR = 5,26) et de carrières (OR = 3,08) mathématiques. Les items utilisés pour mesurer cette variable motivationnelle interrogent les élèves sur l’utilité des mathématiques pour leur futur (en termes d’études ou de carrières). C’est donc sans surprise que nous constatons ces liens puissants. De manière intéressante, nous relevons également les liens significatifs entretenus avec le self-concept en mathématiques (OR = 2,25 pour les aspirations aux études mathématiques ; OR =1,89 pour les carrières mathématiques). Ce constat rejoint l’étude de Watt et al. (2012) menée au Canada et aux États-Unis : des variables liées aux attentes de succès sont tout aussi importantes que celles liées à la valeur de la tâche. En effet, pour les aspirations aux études mathématiques, on relève même un lien significatif avec une autre variable relative aux attentes de succès : la self-efficacy en mathématiques face à des situations de vie quotidienne. Toutes choses égales par ailleurs, le fait de se sentir capable de réaliser des tâches mathématiques axées sur la vie quotidienne (ex : déterminer le nombre d’années qu’il faut pour rentabiliser l’achat d’un panneau solaire) va de pair avec davantage d’aspirations à des études mathématiques. Du point de vue de l’enseignant, savoir que permettre à l’élève de se sentir capable d’utiliser les mathématiques en contexte réel l’aide à se projeter dans des études mathématiques, bien plus que s’il se sent capable de les utiliser en contexte scolaire (ex : résoudre une inéquation) est un résultat intéressant qui ouvre des perspectives nouvelles. Il laisse entrevoir que les enseignants qui souhaitent encourager les aspirations aux études mathématiques ne doivent pas négliger d’établir des liens entre les apprentissages et les contextes de vie réelle. Nous reviendrons sur cette perspective plus loin dans la discussion. Enfin, le modèle complet intègre un ensemble large de variables motivationnelles y compris celles qui sont fréquemment laissées de côté dans les études empiriques proposant des modèles similaires : les variables de « coût » opérationnalisées ici par l’anxiété en mathématiques et l’investissement consenti pour cette matière. Bien que des recherches (ex. Watt et al., 2019) aient souligné que ces variables peuvent entraver le rapport aux mathématiques des filles et des garçons, nos analyses montrent qu’elles ne sont pas déterminantes pour les aspirations aux études et carrières mathématiques. Les liens entretenus avec les aspirations aux études mathématiques sont positifs, mais non significatifs.

41Au niveau du parcours de l’élève, le cours de mathématiques fréquenté en secondaire remplit un rôle-clé pour ses aspirations aux études et carrières mathématiques (Watt, 2006). Des analyses plus approfondies réalisées en fonction du volume horaire consacré aux mathématiques indiquent que les différences d’aspirations garçons-filles sont exacerbées dans les cours à fort volume horaire où les garçons ont près de quatre fois plus de chances d’aspirer aux études et carrières mathématiques que les filles ; ce qui conduit à valider l’hypothèse 4b. il serait intéressant de voir pourquoi les filles, qui ont pourtant choisi de fréquenter cette option, se prédestinent nettement moins que les garçons à des études et carrières mathématiques. Une explication potentielle pourrait être celle avancée par Wang et al. (2013) : les filles fréquentant les cours avancés de mathématiques sont des filles particulièrement performantes, y compris dans d’autres disciplines. Elles auraient donc un panel de choix d’études et de carrières plus large que les garçons qui se sentiraient surtout à l’aise en mathématiques. Dans un système éducatif fortement segmenté comme l’est celui de la FW-B, s’inscrire dans une option à fort volume horaire en mathématiques garantit aux élèves qui font ce choix d’être dans une « bonne » classe, entouré de pairs performants.

42Enfin, en sus des aspirations aux études et carrières mathématiques, notre étude a innové en ajoutant une variable de perception de la présence des mathématiques dans les études que les jeunes projettent d’entreprendre. Cette variable se différencie de celle des aspirations aux études mathématiques par son caractère subjectif. Nos analyses révèlent d’abord une distorsion genrée dans le réalisme des perceptions : les filles ayant davantage tendance à surestimer la présence des mathématiques (ex. en médecine, biologie…) qu’à la sous-estimer, alors que chez les garçons, c’est l’inverse qui se produit. Nous avons aussi tenté d’identifier les caractéristiques des élèves qui pensent qu’ils vont être confrontés aux mathématiques dans leurs futures études. Sur ce plan, nos analyses ont révélé l’importance de variables motivationnelles comme la perception de soi (OR = 1,92), l’intérêt pour les mathématiques (OR = 1,68) et l’utilité perçue de cette discipline (OR = 3,76), mais aussi du nombre d’heures hebdomadaires consacrées au cours de mathématiques (OR = 2,67). Contrairement aux analyses menées sur les aspirations aux études et carrières mathématiques, le sexe n’est plus déterminant sur la perception de la composante mathématique des études lorsqu’on tient sous contrôle les performances, les motivations en mathématiques et le cours de mathématiques fréquenté par l’élève. Ce résultat important révèle d’abord que les différences de perceptions entre garçons et filles constatées initialement s’expliquent entièrement par des différences de motivation et de volume horaire consacré au cours de mathématiques. Ainsi, si on permet aux filles de renforcer leur motivation (en particulier leur concept de soi, leur intérêt en mathématiques et l’utilité perçue de cette discipline) et si on les incite à fréquenter les cours plus avancés de mathématiques, on devrait leur permettre de se tourner vers des études où elles perçoivent davantage la présence de cette discipline. En effet, toutes choses égales par ailleurs, le sexe n’influence plus la perception de la présence des mathématiques dans les études supérieures.

6.1. Implications pédagogiques

43Ce dernier résultat laisse penser que les filles renoncent à des études et carrières « dites mathématiques », non pas en raison de leur perception de la présence de ce cours dans leurs futures études, mais peut-être parce que cette discipline est souvent assimilée à des domaines à forte connotation masculine (ingénierie, finances, technologie…) auxquels elles s’identifient peu (Cheryan et al., 2016 ; Makarova et al., 2019). Il convient, dès lors, d’encourager des initiatives consistant à lutter contre les stéréotypes fréquemment associés à cette discipline. Les professeurs de mathématiques, en particulier, ont un rôle à jouer dans l’image qu’ont les filles des métiers associés à cette discipline et aux stéréotypes qui y sont véhiculés (Bieri Buschor et al., 2014). Concrètement, on ne peut que les inviter à valoriser, comme le suggèrent de nombreuses études (ex. Germain & Samson, 2014), des modèles féminins lorsqu’ils abordent des thématiques liées à l’ingénierie, aux technologies ou à l’informatique, mais aussi à diversifier les contextes réels qu’ils mobilisent pour travailler les mathématiques et ne pas diriger les leçons vers des sujets qui intéressent a priori davantage les garçons (Wang, 2012). Une piste serait, par exemple, de remettre l’humain au centre de ces perspectives d’avenir (Diekman et al., 2011). Rappelons que les filles qui surestiment la présence des mathématiques dans leurs futures études sont aussi celles qui se prédestinent à des carrières où la dimension humaine est dominante. La présence supposée des mathématiques n’est, pour elles, pas un motif suffisant pour renoncer aux études choisies. Ainsi, pour encourager les filles à aspirer davantage aux études et carrières mathématiques, il y a fort à parier qu’il serait bénéfique de leur montrer que, même si elles n’engendrent pas des contacts directs avec autrui, ces études et carrières peuvent « avoir un impact bénéfique sur la société au sens large et permettre des collaborations » (Eccles & Wang, 2016, p. 105).

6.2. Limites et perspectives

  • 20 Nous avions tenté de mesurer les performances des élèves en collectant les notes attribuées en fin (...)

44Quelques limites de l’étude et perspectives se doivent d’être soulignées. Tout d’abord, les performances antérieures ont été appréhendées via un test de mathématiques externe. il pourrait être intéressant, dans une future recherche, de mobiliser aussi les notes délivrées par le professeur de mathématiques20 : bien que ces dernières ne soient pas comparables d’une classe ou d’une école à l’autre, elles constituent un cadre de référence qui s’avère sans doute plus déterminant pour les choix d’avenir. Lafontaine & Monseur (2009) ont par ailleurs montré que les professeurs de mathématiques avaient tendance à sous-estimer les performances de filles qui ont un très bon niveau de mathématiques et à surestimer celles de garçons de niveau comparable.

45Ensuite, nous pensons qu’il serait porteur d’approfondir davantage les résultats trouvés dans le second volet de cette recherche par une étude qualitative ciblée sur les filles fréquentant les cours avancés de mathématiques en fin de secondaire. Cette perspective permettrait d’appréhender plus finement les représentations de leurs futures études et de leur teneur en mathématiques, mais aussi les leviers qui les motivent à s’engager dans des études et carrières mathématiques ou à faire d’autres choix alors qu’elles en ont clairement la capacité objective.

VII - Conclusions

46L’influence du sexe sur les aspirations aux études et carrières mathématiques est puissante. Cependant, les analyses réalisées dans la présente recherche autour de la perception par les élèves de la présence des mathématiques dans les études supérieures identifient des perspectives novatrices pour dépasser cet obstacle. En accordant une attention particulière aux motivations et à la place des filles dans les cours avancés de mathématiques, les professionnels de l’éducation peuvent leur permettre de se projeter dans des études où elles perçoivent (sans la craindre) la présence de cette discipline. Encore faut-il qu’un travail sur la représentation qu’ont les jeunes (et en particulier les filles) des études et métiers à forte composante mathématique soit engagé, ces représentations étant encore fortement teintées de stéréotypes (Van Tuijl & Walma Van der Molen, 2015).

VIII - Remerciement

47Cette étude fait partie d’une recherche doctorale financée par les Fonds pour la Recherche en Sciences Humaines (bourse FRESH) du Fond National pour la Recherche Scientifique (FNRS-Belgique).

Top of page

Bibliography

Alaluf, M., Imatouchan, N., Marage, P., Pahaut, S., Sanvura, R., Valkeneers, A., & Vanheerswynghels, A. (2003). Les filles face aux études scientifiques – Réussite scolaire et inégalités d’orientation.

Bergeron, J. (2016). L’importance du rendement, du soutien des adultes, des attentes de réussite et de la valeur accordée aux mathématiques dans les choix de filières de formation préuniversitaire des étudiantes issues des séquences de mathématiques enrichies (thèse de doctorat, Université de Montréal).

Bieri Buschor, C., Berweger, S., Keck Frei, A., & Kappler, C. (2014). Majoring in STEM—What Accounts for Women’s Career Decision Making? A Mixed Methods Study. The Journal of Educational Research, 107(3), 167-176. https://doi.org/10.1080/00220671.2013.788989

Bonnot, V., & Croizet, J.-C. (2011). Stereotype threat and stereotype endorsement: their joint influence on women’s math performance. Revue internationale de psychologie sociale, 24(2), 105-120.

Cheryan, S., Ziegler, S. A., Montoya, A. K., & Jiang, L. (2016). Why are some STEM fields more gender balanced than others? Psychological Bulletin, 143(1), 1-35. https://doi.org/10.1037/bul0000052

Chow, A., Eccles, J. S., & Salmela-Aro, K. (2012). Task value profiles across subjects and aspirations to physical and IT-related sciences in the United States and Finland. Developmental Psychology, 48(6), 1612-1628. https://doi.org/10.1037/a0030194

Davison, A., & Sardy, S. (2006). Méthodes de rééchantillonnage pour l’estimation de variance en sondage. Journal de la Société Française de Statistique, 147(3), 3-32.

Diekman, A. B., Clark, E. K., Johnston, A.M., Brown, E. R., & Steinberg, M. (2011). Malleability in communal goals and beliefs influences attraction to STEM careers: Evidence for a goal congruity perspective. Journal of Personality and Social Psychology, 10, 902-918. https://doi.org/10.1037/a0025199

Duru-Bellat, M. (2008). La (re)production des rapports sociaux de sexe : quelle place pour l’institution scolaire ? Travail, genre et sociétés, 19(1), 131-149. https://doi.org/10.3917/tgs.019.0131

Eccles, J. (2005). Subjective Task Value and the Eccles et al. Model of Achievement-Related Choices. In. A. J. Elliot & C. S. Dweck (Eds.), Handbook of competence and motivation (pp. 105121). Guilford Press.

Eccles, J. S., Adler, T. F., Futterman, R., Goff, S. B., Kaczala, C. M., Meece, J. L., & Midgley, C. (1983). Expectations, values and academic behaviors. In J. T. Spence (Ed.), Achievement and achievement motivation (pp. 75-146). W. h. Freeman.

Eccles, J. S., & Wang, M.-T. (2016). What motivates females and males to pursue careers in mathematics and sciences? International Journal of Behavioral Development, 40(2), 100-106. https://doi.org/10.1177/0165025415616201

Eurydice (2007). Chiffres clés de l’enseignement supérieur en Europe. Eurydice.

Germain, S. & Samson G. (2014). Représentations des filles à l’égard des disciplines technoscientifiques au secondaire dans un contexte de non-mixité. In A. Roy, D. Mujawamariya, & L. Lafortune (Eds.), Des actions pédagogiques pour guider des filles et des femmes en STIM (pp. 39-53). Presses de l’Université du Québec.

Grolnick, W.S., Friendly, R., & Bellas, V. (2009). Parenting and children’s motivation at school. handbook of motivation at school. In K.R. Wenzel, & A. Wigfield (Eds.), Handbook of motivation at school (pp. 279-300). Taylor & Francis.

Heller, K., & Parsons, J. (1981). Sex differences in teachers’ evaluative feedback and students’ expectancies for success in mathematics. Child Development, 52(3), 1015-1019. https://doi.org/10.2307/1129106

Huang, C. (2011). Self-concept and academic achievement: A meta-analysis of longitudinal relations. Journal of School Psychology, 49, 505-528. https://doi.org/10.1016/j.jsp.2011.07.001

Jacobs, J. (2005). Twenty-Five years of Research on Gender and Ethnic Differences in Math and Science Career Choices: What have We Learned? New Directions for Child and Adolescent Development, 110, 85-94.

Lafontaine, D., Dupriez, V., Van Campenhoudt, M., & Vermandele, C. (2012). Le succès des « héritières » : effet conjugué du genre et du niveau d’études des parents sur la réussite à l’université. Revue française de pédagogie, 179, 29-48. https://doi.org/10.4000/rfp.3656

Lafontaine, D., & Monseur, C. (2009). Les évaluations des performances mathématiques sont-elles influencées par le sexe de l’élève ? Mesure et Évaluation en Éducation, 32(2), 71-98. https://doi.org/10.7202/1024955ar

Makarova, E., Aeschlimann, B., & Herzog, W. (2019). The Gender Gap in STEM Fields: The impact of the Gender Stereotype of Math and Science on Secondary Students’ Career Aspirations. Frontiers in Education, 4, 1-11. https://doi.org/10.3389/feduc.2019.00060

Morin-Messabel, C. (2014). Applications de la psychologie sociale : la thématique du genre en éducation. Revue électronique de Psychologie Sociale, 6, 24-33.

Mullis, I. V. S., Martin, M. O., Foy, P., & Hopper, M. (2016). TIMSS 2015 International Results in Mathematics. TIMSS & PIRLS international Study Center.

OCDE. (2012). PISA 2012 Results: Ready to Learn. Students’ engagement, drive and self-beliefs (volume III). Éditions OCDE.

OCDE. (2014). Are boys and girls equally prepared for life? Éditions OCDE.

OCDE. (2017). Atteindre l’égalité femmes-hommes : un combat difficile. Éditions OCDE.

Parker, P., Nagy, G., Trautwein, U., & Lüdtke, O. (2014). Predicting career aspirations and university majors from academic ability and self-concept: a longitudinal application of the internal-external frame of reference model. In I. Schoon & J. S. Eccles (Eds.), Gender Differences in Aspirations and Attainment: a Life Course Perspective (pp. 224-245). Cambridge University Press.

Sells, L. W. (1980). Mathematics: The invisible filter. Engineering Education, 70, 340-341.

Simpkins, S. D., & Davis-Kean, P. E. (2005). The intersection between self-concepts and values: Links between beliefs and choices in high school. New Directions in Child and Adolescent Development, 110, 31-47. https://doi.org/10.1002/cd.148

Spearman, J., & Watt, H. (2011). Perception shapes experience: The influence of actual and perceived classroom environment dimensions on girls’ motivations for science. Learning Environments Research, 16(2), 217-238. https://doi.org/10.1007/s10984-013-9129-7

Taylor, B. A. & Fraser B. J. (2013). Relationship between learning environment and mathematics anxiety. Learning Environments Research, 16, 297-313. https://doi.org/10.1007/s10984-013-9134-x

Van Tuijl, C., & Walma Van der Molen, J. (2015). Study choice and career development in STEM fields: an overview and integration of the research. International Journal of Technology and Design Education, 26(2), 159-183. https://doi.org/10.1007/s10798-015-9308-1

Vermandele, C., Plaigin, C., Dupriez, V., Maroy, C., Van Campenhoudt, M., & Lafontaine, D. (2010). Profil des étudiants entament des études universitaires et analyse des choix d’études. Les cahiers de Recherche en Éducation et Formation, 78, 1-64.

Wang, M.-T. (2012). Educational and Career interests in Math: A Longitudinal Examination of the Links Between Classroom Environment, Motivational Beliefs, and interests. Developmental Psychology, 48(6), 1643-1657. https://doi.org/10.1037/a0027247

Wang, M.-T., & Degol, J. (2013). Motivational pathways to STEM career choices: Using expectancy-value perspective to understand individual and gender differences in STEM fields. Developmental Review, 33, 304-34. https://doi.org/10.1016/j.dr.2013.08.001

Wang, M.-T., & Degol, J. (2017). Gender Gap in Science, Technology, Engineering, and Mathematics (STEM): Current Knowledge, implications for Practice, Policy, and Future Directions. Educational Psychology Review, 29(1), 119-140. https://doi.org/10.1007/ s10648-015-9355-x

Wang, M.-T., Eccles, J.S., & Kenny, S. (2013). Not Lack of Ability but More Choice: individual and Gender Differences in Choice of Careers in Science, Technology, Engineering, and Mathematics. Psychological Science, 24(5), 770-775. https://doi.org/10.1177/0956797612458937

Warm, T. (1989). Weighted Likelihood Estimation of Ability in item Response Theory. Psychometrika, 54, 427-450. https://doi.org/10.1007/bf02294627

Watt, H. (2006). The Role of Motivation in Gendered Educational and Occupational Trajectories Related to Maths. Educational Research and Evaluation, 12(4), 305-322. https://doi.org/10.1080/13803610600765562

Watt, H. (2010). Gender and occupational choice. In J. C. Chrisler & D. R. McCreary (Eds.), Handbook of gender research in Psychology (pp. 379-400). Springer.

Watt, H., Bucich, M., & Dacosta, L. (2019). Adolescents’ Motivational Profiles in Mathematics and Science: Associations with Achievement Striving, Career Aspirations and Psychological Wellbeing. Frontiers in Psychology, 10, 244-266. https://doi.org/10.3389/fpsyg.2019.00990

Watt, H., Hyde, J., Petersen, J., Morris, Z., Rozek, C., & Harackiewicz, J. (2017). Mathematics—a Critical Filter for STEM-Related Career Choices? A Longitudinal Examination among Australian and U.S. Adolescents. Sex Roles, 77, 254-271. https://doi.org/10.1007/s11199-016-0711-1

Watt, H., Shapka, J., Morris, Z., Durik, A., Keating, D., & Eccles, J. S. (2012). Gendered Motivational Processes

Affecting high School Mathematics Participation, Educational Aspirations, and Career Plans: A Comparison of Samples from Australia, Canada, and the United States. Developmental Psychology, 48, 1594-1611. https://doi.org/10.1037/a0027838

Top of page

Annex

Annexe A - Liste des études consacrant au moins 1/10e des 180 crédits du cycle de bachelier aux mathématiques fondamentales

Bacheliers universitaires

Bachelier sciences mathématiques ;

Bachelier sciences physiques ;

Bachelier sciences de l’ingénieur, orientation ingénieur civil ;

Bachelier sciences informatiques ;

Bachelier sciences de l’ingénieur, orientation ingénieur architecte ;

Bachelier sciences de l’ingénieur, orientation bio-ingénieur ;

Bachelier sciences économique et de gestion ; – Bachelier ingénieur de gestion.

Bacheliers non-universitaires

Bachelier AESI en mathématiques ;

Bachelier sciences de l’ingénieur industriel.

Annexe B - Résultats des estimations des modèles logistiques pour les aspirations aux études et carrières mathématiques selon le sexe, les performances, les motivations en mathématiques de l’élève et son parcours antérieur

VD = Études à composante mathématique

Modèle 1

Modèle 2

Modèle 3

Références

Modalités

Coef.

OR

Coef.

OR

Coef.

OR

Fille

Garçon

0.95***

2.59

1.17***

3.22

1.05***

2.85

Performances en mathématiques

0.90***

2.47

Self-concept

1.01***

2.76

Self-efficacy. (vie quotidienne)

0.60***

1.82

Self-efficacy (situations scolaires)

0.09

1.09

Intérêt

0.19

1.21

Utilité

1.75***

5.78

Anxiété

0.24*

1.28

Investissement

0.22

1.25

Heures hebdomadaires de math

1.24***

3.47

R= .24

R= .57

R= .32

VD = Carrières à composante mathématique

Modèle 1

Modèle 2

Modèle 3

Références

Modalités

Coef.

OR

Coef.

OR

Coef.

OR

Fille

Garçon

0.96***

2.62

1.14***

3.13

1.02***

2.77

Performances en mathématiques

0.89***

2.44

Self-concept

0.85***

2.34

Self-efficacy. (vie quotidienne)

0.24

1.27

Self-efficacy (situations scolaires)

0.41*

1.50

Intérêt

0.35**

1.42

Utilité

1.28***

3.58

Anxiété

0.19

1.20

Investissement

0.13

1.14

Heures hebdomadaires de math

1.35***

3.86

R= .23

R= .47

R=0.36

Annexe C - Répartition des élèves selon leur sexe et le volume horaire hebdomadaire de cours de mathématiques suivi

Fréquence

Pourcentage (sur l’échantillon)

Pourcentage (sur la ligne)

Pourcentage (sur la colonne)

Faible volume horaire
≤ 4h / semaine

Fort volume horaire

≥ 6h / semaine

Total

Filles

264

33.98 %

64.23 %

56.05 %

147

18.92 %

35.77 %

48.04 %

411

52.90 %

Garçons

207

26.64 %

56.56 %

43.95 %

159

20.46 %

43.44 %

51.96 %

366

47.10 %

Total

471

60.62 %

306

39.38 %

777

Top of page

Notes

1 Cet article suit les recommandations du Conseil de la langue française et de la politique linguistique en termes de rédaction dite inclusive qui sont d’application en Fédération Wallonie-Bruxelles (FW-B). En effet, bien que les auteures aient une sensibilité particulière pour la problématique de la visibilité des femmes, le recours à l’écriture inclusive peut « compromettre un autre objectif aussi démocratique : celui de produire des textes clairs, accessibles au plus grand nombre » (Avis du 4 octobre 2017 du Conseil de la langue française et de la politique linguistique en FW-B). L’emploi du masculin générique sera donc privilégié dans ce texte pour renvoyer à des ensembles mixtes composés d’hommes et de femmes.

2 Notons que cette perception personnelle est liée à des facteurs sociaux et donc aux représentations genrées des disciplines.

3 Par milieu privilégié, Vermandele et al. (2010) entendent le fait d’avoir des parents ayant au moins un diplôme universitaire.

4 En Fédération Wallonie-Bruxelles, l’orientation vers les cours de mathématiques de différents volumes hebdomadaires est laissée au libre choix de l’élève. Le conseil de classe peut cependant suggérer une orientation vers un faible ou un fort volume horaire ou, dans certains cas, délivrer une attestation d’orientation de type B (qui autorise le passage dans l’année supérieure moyennant certaines restrictions sur le choix d’options, par exemple). Dans les établissements de l’enseignement supérieur (universitaire ou non), aucune filière ne conditionne l’inscription par la participation, en secondaire, à l’un ou l’autre type de cours de mathématiques.

5 Notons qu’en Fédération Wallonie-Bruxelles, des filles fréquentent les sections maths et sciences fortes (sections qui correspondent, en France, à la terminale S), sans pour autant s’orienter, à l’issue du secondaire, vers des filières à forte composante mathématique, alors qu’elles en ont en principe les capacités. Le fait qu’il n’existe pas de bac ni d’examen externe standardISÉ en Fédération Wallonie-Bruxelles est susceptible de renforcer le poids des facteurs personnels et motivationnels dans le choix d’études. L’étude de ces facteurs dans ce contexte prend donc tout son sens.

6 La 6e année est l’année terminale du secondaire. Dans ces sections est dispensé un enseignement de type général préparant à l’obtention du Certificat d’enseignement secondaire supérieur donnant accès à l’enseignement supérieur. Certaines sections comportent des cours techniques ou artistiques à côté des cours généraux. Ceci concerne 14 % des élèves de l’échantillon.

7 Dans l’enquête PiSA 2012, ces indicateurs sont respectivement nommés : HOMEPOS, PARED et HISEI.

8 En psychologie sociale, les études sur la « menace du stéréotype » (ex. Bonnot & Croizet, 2011) suggèrent qu’une baisse de performances en mathématiques peut se marquer chez les filles qui craignent de confirmer le stéréotype selon lequel elles seraient moins compétentes que les garçons. Ainsi, lors de la passation du test de mathématiques, les élèves ne devaient mentionner ni leur sexe, ni leur prénom. Ils étaient identifiés à l’aide d’un code de six chiffres.

9 Premier cycle d’enseignement supérieur en FW-B.

10 L’annexe A reprend l’ensemble des études supérieures qui ont été, dans la présente recherche, considérées comme « études à forte composante mathématique ».

11 Deux estimateurs de la compétence des sujets sont possibles : le Maximum Likelihood Estimate (MLE) et le Weighted Likelihood Estimate (WLE). Warm (1989) a montré que le MLE est biaISÉ et que ce biais est corrigé par le WLE en pondérant l’item par la fonction d’information.

12 Afin de faciliter les analyses, nous avons dichotomISÉ la variable ISÉ et décidé d’opposer les 25 % des élèves présentant les scores les plus faibles sur cette échelle (N=195), aux autres (N=582).

13 Notons que nous avons également calculé plusieurs modèles en intégrant la variable ISÉ aux analyses (résultats disponibles sur demande auprès des auteures. Nous constatons que si l’ISÉ est lié significativement aux aspirations d’études et de carrières mathématiques, dès que l’on tient sous contrôle les performances en mathématiques, les variables motivationnelles ou le nombre d’heures hebdomadaires en mathématiques, cet effet significatif disparaît. L’effet du sexe reste, quant à lui, significatif (y compris sous contrôle de l’ISÉ).

14 Dans le modèle intégrant uniquement les performances (voir modèle 1 des tableaux de l’annexe B), le lien entretenu avec les aspirations aux études et carrières mathématiques était significatif (respectivement .90*** et .89***).

15 Notons qu’au préalable, nous avions examiné la répartition des élèves selon leur sexe dans ces différents types de cours (voir annexe C). Une analyse Khi-carré a permis de constater que le sexe n’était pas indépendant du volume horaire consacré hebdomadairement aux mathématiques (χ2(1) = 4,78, p<.03) : les filles se retrouvent majoritaires au sein des cours de mathématiques à faible volume horaire (≤ 4 h / semaine) et légèrement minoritaires dans ceux à fort volume horaire (≥ 6 h / semaine).

16 Le taux de non-réponses sur cette variable est important (113 élèves soit 14 % des élèves n’ont pas répondu) et s’explique sans doute par le fait qu’il s’agissait d’une question ouverte qui a, par la suite, été dichotomISÉe. Avant de poursuivre, nous nous sommes assurées, via des analyses de régressions logistiques que ce taux de non-réponses était indépendant du sexe de l’élève, des variables motivationnelles et de ses heures hebdomadaires de mathématiques. Cette analyse est disponible sur demande en contactant les auteures.

17 Il s’agit essentiellement d’études liées à la médecine ou la biologie. Les 58 % restants surestiment la présence des mathématiques dans leurs études en mentionnant des études liées à des sphères scientifiques, mais qui n’ont pas été catégorisées, dans notre recherche, comme études « mathématiques » (ex : géographie, chimie).

18 Par souci de clarté, nous avons choisi de ne présenter que le modèle final intégrant simultanément l’ensemble des variables de contrôle. Cependant, nous avons également réalisé des modèles intermédiaires dans lesquels nous ne tenons sous contrôle que les performances, les motivations ou le nombre d’heures hebdomadaires de mathématiques. Dans chacun de ces modèles, le lien entre le sexe et les perceptions des élèves n’était plus significatif. Ils sont disponibles sur demande auprès des auteures.

19 Cela signifie donc que l’effet de l’ISÉ sur les aspirations d’études et de carrières mathématiques n’est, au sein de notre échantillon, pas plus déterminant pour les filles que pour les garçons. Inversement, l’effet du sexe sur les aspirations ne varie pas selon l’ISÉ de l’élève.

20 Nous avions tenté de mesurer les performances des élèves en collectant les notes attribuées en fin d’année par leur professeur de mathématiques. Cependant, un taux trop important de non-réponse (>50 %) nous a forcées à renoncer à utiliser cette variable.

Top of page

References

Bibliographical reference

Doriane Jaegers and Dominique Lafontaine, “Pourquoi les filles boudent-elles les STIM ? Performances en mathématiques, motivation et choix d’orientation en fin d’études secondaires ”L'orientation scolaire et professionnelle, 49/4 | 2020, 619-651.

Electronic reference

Doriane Jaegers and Dominique Lafontaine, “Pourquoi les filles boudent-elles les STIM ? Performances en mathématiques, motivation et choix d’orientation en fin d’études secondaires ”L'orientation scolaire et professionnelle [Online], 49/4 | 2020, Online since 08 December 2022, connection on 17 April 2024. URL: http://journals.openedition.org/osp/13437; DOI: https://doi.org/10.4000/osp.13437

Top of page

About the authors

Doriane Jaegers

Assistante / Doctorante, Université de Liège
Thèmes de recherche : aspirations aux études et carrières mathématiques, genre.
jaegers@uliege.be

Dominique Lafontaine

Professeure ordinaire, Université de Liège
Thèmes de recherche : enquêtes internationales, lecture, efficacité et équité des systèmes éducatifs.
dlafontaine@uliege.be

By this author

Top of page

Copyright

The text and other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search