Navigation – Plan du site

AccueilNuméros196DossierEfficacité et équité dans l’ensei...

Dossier

Efficacité et équité dans l’enseignement de la lecture : le rôle du contexte classe

Effectiveness and equity in Teaching Reading: The Role of the Class Context
Annette Jarlégan, Céline Piquée, Valérie Fontanieu et Roland Goigoux
p. 7-22

Résumés

Nous présentons dans cet article une analyse des effets du contexte classe sur les apprentissages des élèves de cours préparatoire en termes d’efficacité et d’équité. Les acquisitions des élèves de 131 classes ont été mesurées, en début et en fin d’année, dans quatre domaines différents : code, compréhension autonome, compréhension de textes entendus et écriture. Les modélisations multiniveaux permettent de confirmer l’ampleur des effets-classes en France, ampleur qui se révèle toutefois variable selon les domaines. Les analyses montrent également que les effets-classes dans chaque domaine sont corrélés entre eux, qu’ils se composent principalement d’un effet-maître et qu’ils s’observent essentiellement auprès des élèves dont les performances sont faibles en début d’année. Enfin, les analyses indiquent un lien fort entre efficacité (capacité à élever le niveau des élèves) et équité (capacité à réduire les écarts entre les élèves les plus forts et les élèves les plus faibles).

Haut de page

Texte intégral

Introduction

1Les recherches menées sur les effets-classes et les effets-maîtres, aux États-Unis à partir des années 1960 puis en France à partir des années 1980, ont montré que les acquisitions des élèves sont bien liées à ce qui se passe dans la salle de classe (Hanushek, 1971 ; Bressoux, 1994). En d’autres termes, les classes produisent des différences, et les acquisitions varient selon la classe dans laquelle les élèves sont scolarisés. La plupart des études relevant du courant de recherche sur l’efficacité dans l’enseignement montrent que la classe explique entre 10 et 20 % de la variance des acquisitions des élèves (Bressoux, 2001 ; Nye, Konstantopoulos & Hedges, 2004 ; Veldman & Brophy, 1974), aux alentours de 10 % pour ce qui est de l’apprentissage de la langue maternelle, et près de 20 % pour l’apprentissage des mathématiques (Bressoux, 1995 ; Mingat, 1991).

De l’effet-classe à l’effet-enseignant et de l’effet-enseignant à l’effet des pratiques

2Ces recherches montrent également que l’on ne peut pas assimiler l’ensemble de cet effet à un effet-maître car tout ce qui se déroule dans la classe ne peut pas être attribué à l’enseignant. En effet, ce dernier doit composer avec un ensemble de facteurs qu’il ne contrôle pas et qui sont, eux aussi, susceptibles d’exercer une influence sur les acquisitions des élèves : il en va ainsi par exemple des caractéristiques morphologiques de la classe (taille de la classe, nombre de niveaux d’enseignement, etc.) ou encore des caractéristiques structurelles du public accueilli (tonalité sociale, hétérogénéité, etc.). Les études montrent que ces caractéristiques peuvent exercer des effets sur la progression des élèves, même si elles sont loin d’épuiser l’ampleur de l’effet-classe (Duru-Bellat, Le Bastard-Landrier, Piquée et al., 2004 ; Leroy-Audouin & Suchaut, 2007 ; Suchaut, 2002 ; Vause, Dupriez & Dumay, 2008). Les différences de progression d’une classe à l’autre ne tiennent donc pas en priorité aux différences structurelles ou morphologiques entre classes, mais d’abord aux différences entre enseignants. Autrement dit, les effets de contexte décelés au niveau de l’école primaire ne sont que modérément liés aux variables qui caractérisent le public d’élèves ou à celles qui caractérisent la classe : elles tiennent essentiellement à ce qui a été nommé « l’effet-maître » (Mingat, 1984). Les enseignants et leur façon d’enseigner ont donc une part d’impact non négligeable dans les différences d’évolution des performances au cours de l’année.

3Cet effet spécifiquement attribuable à l’enseignant peut lui-même dépendre de différentes variables : des variables qui caractérisent l’enseignant lui-même (sexe, âge, ancienneté, formation...) et des variables liées aux pratiques professionnelles qu’il met en œuvre dans la salle de classe. Les travaux qui ont tenté de repérer l’influence de ces deux catégories de facteurs montrent le plus souvent que les caractéristiques personnelles de l’enseignant contribuent peu à l’explication des différences d’efficacité entre enseignants, à l’exception de l’ancienneté qui exerce une influence positive dans certaines recherches, avec un impact optimum situé autour d’une quinzaine d’années de pratique (Bressoux, 1994 ; Duru-Bellat & Audouin, 1990). Ce sont donc les pratiques pédagogiques et didactiques des enseignants qui pèsent le plus sur les différences de progression d’une classe à une autre et qui constituent un vecteur important des inégalités de réussite entre élèves. Ces travaux montrent de plus que les pratiques d’enseignement efficaces sont aussi les pratiques qui réduisent les écarts de performances entre les élèves forts et les élèves faibles (Mingat, 1991 ; Bressoux, 2001) : les pratiques d’enseignement efficaces sont donc également des pratiques d’enseignement équitables.

4Si l’existence de « l’effet-enseignant » est donc aujourd’hui avérée, s’il est admis que cet effet est essentiellement tributaire des pratiques enseignantes et qu’il existe des pratiques plus efficaces et équitables que d’autres, il reste qu’une synthèse de ces travaux livre des résultats intéressants et robustes mais qui ne permettent pas de saisir les caractéristiques précises d’un enseignement efficace et équitable, pour un apprentissage ou une matière donnée (par exemple la lecture et l’écriture), à un niveau scolaire précis (par exemple le CP).

Considérations méthodologiques : une approche quantitative, modélisatrice et écologique

5Sur le plan méthodologique, l’ensemble des travaux sur les effets-maître se caractérise par une grande similitude dans la conception des protocoles de recherche et dans les méthodes d’analyse des données. L’approche adoptée est quantitative, comparative et modélisatrice, et elle nécessite de travailler sur de vastes échantillons. Les protocoles de recherche respectent les étapes suivantes : a) sélection selon différents critères d’un échantillon de classes et d’enseignants variés ; b) recueil en début d’année scolaire de données sur les caractéristiques socio-démographiques et scolaires des élèves et passation d’épreuves d’évaluation de leurs connaissances ; c) recueil des caractéristiques personnelles et professionnelles de l’enseignant ; d) collecte de données sur les pratiques enseignantes durant l’année (par questionnaire ou observation systématique) ; e) passation d’épreuves d’évaluation des connaissances et/ou de questionnaires d’attitudes en fin d’année ; f) analyse par modélisations multivariées de l’impact des différentes facettes du contexte sur les progressions des élèves.

6L’approche modélisatrice permet de mettre en évidence des effets-classes et des effets-maîtres et d’en quantifier l’ampleur. Elle nécessite de respecter plusieurs principes méthodologiques. Il faut tout d’abord être en mesure de séparer l’influence de ce qui relève du contexte dans lequel les élèves sont scolarisés de l’influence d’autres facteurs qui interviennent également sur les acquis des élèves (notamment les facteurs familiaux et sociaux, externes à l’école). Une façon de procéder est de recourir à des modélisations multivariées qui, pour expliquer la variance des performances des élèves, permettent de prendre en compte simultanément plusieurs variables et de séparer leurs effets. Ces modélisations fournissent une mesure de l’effet des différentes facettes du contexte scolaire « toutes choses égales par ailleurs », c’est-à-dire en maintenant constantes les autres variables incluses dans les modèles susceptibles de rendre compte de la variabilité des acquis. Les estimations de l’impact des variables de contexte se font le plus souvent « à caractéristiques scolaires et sociales des élèves données ». L’effet spécifique de telle caractéristique du contexte (telle pratique enseignante par exemple) sur la progression des élèves peut ainsi être évalué, indépendamment de ses relations avec l’origine sociale, le sexe, l’âge de l’élève.

7Signalons toutefois que les estimations par régressions multivariées ont connu des évolutions, en particulier depuis la fin des années 1990, et que de nouveaux modèles dits multiniveaux sont apparus permettant d’évaluer l’influence du milieu environnant sur les comportements des individus et tenant compte de la structure hiérarchique des données comprenant différents niveaux constitués dans le cas présent par des micro-unités (les élèves) et des macro-unités (les classes). Ces nouveaux modèles statistiques permettent d’inclure, dans le même modèle, des observations faites au niveau micro (variables de niveau 1) et au niveau macro (variables de niveau 2), concernant l’individu en même temps que la classe qui l’accueille et l’influence (Courgeau, 2004 ; Delaunay & Courgeau, 2003), et de séparer leurs effets tout en évitant des erreurs statistiques ou des erreurs d’interprétation dues à la confusion des niveaux d’observation et d’analyse (Bressoux, 2007, 2010). Ils permettent également d’étudier les interactions entre variables de niveaux différents (par exemple comment l’effet du niveau initial de l’élève varie selon le niveau initial de la classe), et donc de mettre en évidence des effets de contexte difficiles à appréhender sans recours à ce type de modélisation. De plus, des modèles à coefficients aléatoires peuvent être construits, autorisant la relation entre les variables explicatives et la variable expliquée à être différente selon les classes. Ces derniers permettent ainsi notamment de mettre en évidence des différences dans le « pouvoir » des classes de réduire les écarts entre les élèves les plus forts et les plus faibles.

  • 1 Des exemples de construction de ce type de grille sont fournis dans Goigoux, Jarlégan & Piquée (20 (...)

8Pour appréhender les pratiques enseignantes, pour les décrire et se donner les moyens d’en évaluer les effets, ces travaux ont souvent porté sur les pratiques déclarées par les enseignants. Or, on le sait, pour différentes raisons, on ne peut assimiler pratiques déclarées et pratiques effectives (Tupin, 2003). De plus rares travaux ont donc fait le choix de se situer dans une perspective écologique et d’observer in situ et/ou de filmer des classes telles qu’elles fonctionnent dans leur environnement quotidien (voir par exemple Altet, Bressoux, Bru et al., 1996 ; Jarlégan, Tazouti, Flieller et al., 2010 ; Jarlégan, Tazouti & Flieller, 2011 ; Flieller, Jarlégan & Tazouti, 2016). Cette démarche d’observation, conduite de manière systématique à partir d’une grille spécifiquement conçue pour l’étude, peut être qualifiée d’observation quantitative. Il s’agit d’une démarche d’observation avec tout ce que cette méthode comporte d’immersion et de relation avec le terrain. Toutefois, elle se caractérise par un effort marqué de distanciation et d’objectivation puisque l’idée est de se dégager des éléments de subjectivité inhérents à l’observation ethnographique, et ce par une logique de quantification. Il s’agit de comptabiliser du perçu, du vu, de l’entendu (Filion, 2011), à partir de critères qui déterminent les dimensions et les observables que l’on fait figurer dans la grille. L’observation quantitative repose donc sur une instrumentation de comptage qui permet la massification des observations et leur mise en statistiques1. Cette approche de l’observation induit que ce sont les régularités qui sont au centre de l’analyse, et non pas l’imprévu ou l’accidentel.

9Cette méthode présente des avantages non négligeables pour l’étude des pratiques enseignantes puisque, à la différence des protocoles réalisés à l’aide d’entretiens ou de questionnaires qui ne recueillent que des informations sur les pratiques déclarées, elle permet d’accéder à une grande palette de pratiques effectives. Toutefois, l’usage de cette méthode se heurte à de nombreuses difficultés d’ordre théorique ou méthodologique. La première d’entre elles concerne la difficulté à prendre en compte la complexité des activités scolaires quotidiennes. Des choix doivent inévitablement être faits pour se limiter à certains aspects du contexte et des situations d’enseignement observées, pour décider de privilégier tel objet ou tel grain d’analyse. Autrement dit, il s’agit de choisir les dimensions et les observables que l’on fait figurer dans la grille d’observation, parmi la multitude des possibles. Le choix de ces catégories, indicateurs et observables est conduit sur la base du cadre théorique du chercheur, qui doit être suffisamment solide pour permettre une modélisation plus ou moins formalisée de la pratique (Bressoux, 2001). La construction des catégories et indicateurs utilisés pour le comptage suppose donc l’anticipation de la validité des observations qui seront mobilisées dans l’explication des phénomènes étudiés (Filion, 2011).

Objectifs de l’étude

10Dans ce large éventail des travaux sur l’efficacité dans l’enseignement, comment se situe la recherche que nous présentons ici ? Basée sur la mesure des progrès d’un large échantillon d’élèves, elle concerne l’analyse de l’influence des modalités de l’enseignement de la lecture-écriture sur les apprentissages au cours préparatoire (Goigoux, Jarlégan & Piquée, 2015). Il s’agit dans cet article d’expliquer les différences d’acquisitions des élèves dans trois domaines – le code, la compréhension et l’écriture – au moyen de variables se rapportant soit à l’élève lui-même, soit à la classe. De manière générale, nous nous proposons à la fois de vérifier et de préciser les effets de contexte (évoqués dans la première partie) sur les apprentissages des élèves au CP.

  • 2 Dans cette recherche, ces 16,4 % correspondent au gain de pouvoir explicatif du modèle qui prend e (...)

11Plus précisément, le premier objectif visé par cet article concerne l’étude de l’ampleur de l’effet-classe dans les différents domaines du lire-écrire évalués dans l’étude. En France, l’étude pionnière d’Alain Mingat, menée en 1983 au cours préparatoire, estimait l’effet-classe à 16,4 % en français2. Dans cette recherche, la progression des élèves en français était mesurée à l’aide d’un score global qui ne permettait pas d’examiner plus finement, domaine par domaine, l’effet du contexte classe sur les acquisitions des élèves. Impossible par conséquent de savoir si l’impact de telle variable de niveau 1 (élèves) ou de niveau 2 (classes) était identique selon que l’on examine la progression des élèves en code, en compréhension ou encore en écriture. Il n’était donc pas possible de savoir si les classes et/ou les enseignants qui sont efficaces dans un domaine le sont également dans un autre. De plus, à l’époque, l’auteur ne disposait pas de modèle statistique permettant d’évaluer l’influence des variables qui rendent compte du contexte scolaire sur le comportement des individus. Par conséquent, il n’est pas exclu que l’influence des variables contextuelles liées à l’enseignant et à la classe ait été surestimée (Bressoux, Coustère & Leroy-Audouin, 1997). Notre recherche s’efforce de dépasser ces limitations en analysant et en comparant les effets-classes en fonction du « contenu disciplinaire » enseigné, c’est-à-dire dans chacun des trois domaines évalués dans l’étude : code, compréhension et écriture. L’analyse est réalisée à l’aide de modèles de régression multiniveaux, modèles statistiques qui, comme nous l’avons vu, sont particulièrement adaptés à l’analyse de données présentant une structure qui inclut deux niveaux constitués par des micro-unités et des macro-unités telles que des élèves et leur contexte scolaire.

12La question de savoir quelles sont les caractéristiques de la classe (niveau moyen, hétérogénéité…) et de l’enseignant (ancienneté…) qui exercent ou non des effets sur la progression des élèves dans les différentes dimensions de l’apprentissage du lire-écrire au CP constitue le deuxième objectif de cette étude. On se demandera, par exemple, si les acquisitions des élèves diffèrent selon que le maître a affaire à une classe plus ou moins hétérogène en début d’année et si cet effet est fluctuant selon les domaines de l’enseignement du lire-écrire considérés. La littérature fournit quelques éléments de réponse à ces questions incitant à des investigations complémentaires. Par exemple, de nombreuses recherches citées par Duru-Bellat (2003) rapportent un lien statistique entre la composition des classes (niveau initial moyen, hétérogénéité, tonalité sociale) et la progression des élèves. Retrouve-t-on cette influence au niveau scolaire auquel nous travaillons et dans quel domaine précisément ? Par ailleurs, l’estimation du rôle de ces variables permettra de déterminer leur contribution à l’effet-classe et de quantifier l’ampleur de l’effet-maître sur notre échantillon.

13Le troisième et dernier objectif de la recherche concerne l’effet du contexte scolaire en termes d’équité. Comme signalé précédemment, de nombreux travaux ont montré que les différences de résultats d’une classe à l’autre affectent surtout les élèves faibles, les acquisitions des élèves forts étant moins sensibles au fait d’appartenir à une classe ou à une autre (Bressoux, 1994 ; Vause, Dupriez & Dumay, 2008). Notre étude produit-elle des résultats cohérents avec les résultats des études antérieures sur cette question ? Les pratiques d’enseignement efficaces sont-elles ici également des pratiques d’enseignement équitables ? Ce lien entre l’efficacité et l’équité des classes s’observe-t-il dans tous les domaines ?

Méthodologie

Participants

14L’enquête de terrain a été réalisée dans 131 classes de CP appartenant à 13 académies différentes. Les enseignants ont été choisis pour rendre compte d’une diversité de contextes sociaux et géographiques ainsi que d’une variété de styles didactiques et pédagogiques. Le protocole de recueil de données nécessitant la capture vidéo de séances de classe observées, les enseignants n’ont pas été choisis aléatoirement mais sur la base du volontariat. Parmi ces classes, 29,8 % relèvent de l’éducation prioritaire. Au total, l’étude a porté sur 2 507 élèves parmi lesquels on compte 50,3 % de filles et 4,2 % d’élèves en retard scolaire. Le milieu social d’origine a été défini à partir de la profession la plus élevée des deux parents : 19,5 % appartiennent à un milieu favorisé, 28,1 % à un milieu intermédiaire et 51,4 % à un milieu défavorisé. 71,7 % des élèves parlent uniquement le français à la maison contre 6,7 % qui ne le parlent pas et 21,6 % qui parlent au moins deux langues à la maison, dont le français. Les informations concernant la profession des parents et la langue parlée à la maison ont été recueillies par l’intermédiaire des enseignants. Les 131 enseignants qui ont participé à la recherche ont une ancienneté générale moyenne de 16,4 ans (écart-type = 7,4), et de 8,4 ans (écart-type = 5,3) au CP. Aucun d’entre eux n’a moins de 5 ans d’expérience dans le métier et seulement 4,6 % ont moins de 3 ans d’expérience au cours préparatoire.

Mesure des performances scolaires

  • 3 La compréhension en lecture autonome est évaluée à la fin du cours préparatoire à l’aide d’une épr (...)

15Le niveau initial des élèves en lecture-écriture a été évalué dans les domaines du code (analyse phonologique, connaissance du nom des lettres, lecture de mots familiers et de pseudo-mots), de la compréhension (vocabulaire, phrases et textes entendus) et de l’écriture (prénom, mots, phrases courtes). Les élèves ont également été évalués en fin d’année dans les domaines du code (analyse phonologique, lecture de mots familiers et de pseudo-mots, fluence), de la compréhension (phrases et textes en lecture autonome, textes entendus) et de l’écriture (dictée, production de texte, copie). Un score global, initial et final, a été construit en faisant la somme de chaque sous-score standardisé. Au total, on dispose de cinq variables dépendantes centrées réduites (moyenne = 0, écart-type = 1) sur lesquelles vont pouvoir porter nos analyses : score final en code, en compréhension de textes entendus, en compréhension autonome3, en écriture et score final global.

Procédure

16Les passations des épreuves de connaissances permettant de mesurer le niveau initial et final des élèves ont eu lieu en septembre 2013 et en juin 2014. Elles ont été administrées, corrigées et codées par des évaluateurs extérieurs préalablement formés. Les codages ont été effectués à partir d’un guide de codification rédigé par l’équipe de chercheurs. Pour une présentation plus détaillée des épreuves et de leurs analyses, le lecteur peut se reporter à Goigoux (2016).

Méthode d’analyse des données

17Les données ont été analysées à l’aide de modèles de régression multiniveaux qui nous permettent, à travers une succession de modèles d’analyse, d’identifier dans un premier temps l’ampleur des différences entre classes et dans un second temps les variables susceptibles d’expliquer ces différences entre classes. Nous avons utilisé les logiciels SPSS, version 20 et Stata version 12. Pour rendre compte de la progression des élèves dans chacun des cinq scores, douze variables ont été introduites dans les analyses, dont cinq se rapportent à l’élève (variables de niveau 1) et sept autres à la classe dont il fait partie (variables de niveau 2).

Variables explicatives de niveau 1

  • niveau initial de l’élève mesuré par les scores de début d’année en code, en compréhension de textes entendus, en compréhension autonome, en écriture et par le score global ;
  • sexe ;
  • milieu social mesuré par la profession et catégorie socio-professionnelle (PCS) la plus élevée des deux parents, recodée en trois modalités : défavorisée (ouvriers, employés et retraités), moyenne (agriculteurs exploitants, artisans, commerçants, chefs d’entreprise, professions intermédiaires) et favorisée (cadres et professions intellectuelles supérieures) ;
  • âge en quatre modalités (distinguant la période de naissance dans l’année découpée en quadrimestres ainsi que le retard scolaire) ;
  • langue parlée à la maison : français, autre ou français et autre.

Variables explicatives de niveau 2

  • taille de la classe mesurée par le nombre d’élèves par classe ;
  • niveau moyen initial de la classe, mesuré par la moyenne des scores des élèves de la classe aux épreuves de connaissances décrites ci-dessus ;
  • hétérogénéité initiale de la classe, mesurée par l’écart-type des scores des élèves aux épreuves de connaissances ;
  • tonalité sociale, mesurée par le pourcentage d’élèves de milieu favorisé de la classe ;
  • appartenance ou non à un réseau d’éducation prioritaire ;
  • organisation du temps scolaire hebdomadaire (4 jours versus 4,5 jours) ;
  • ancienneté de l’enseignant au CP.

Résultats

Ampleur de l’effet-classe dans différentes dimensions de l’enseignement du lire-écrire au CP

  • 4 Sur les 2 507 élèves ayant passé les épreuves initiales et finales, 26 ont été retirés des analyse (...)

18Lorsqu’on analyse des données hiérarchisées, l’une des premières informations à rechercher est la manière dont la variance du phénomène étudié se répartit entre les différents niveaux qui structurent les données : pour ce qui nous concerne ici, les élèves et les classes. La première étape consiste donc à estimer des modèles multiniveaux appelés modèles vides car ils n’intègrent aucune variable explicative4. Les modèles vides (voir tableau A1 en annexe) permettent de décomposer la variance totale des scores des élèves en fin de CP en deux composantes : la variance entre classes (variance inter-classes) et la variance entre élèves au sein des classes (variance intra-classes). Ils indiquent que, quelle que soit la variable dépendante considérée (code, compréhension ou écriture), la plus grande part des différences se situe entre élèves à l’intérieur des classes (variance intra-classes) : entre 85 et 90 % des différences de scores entre élèves s’expliquent par le fait que les élèves sont différents les uns des autres (mois de naissance, sexe, milieu social, niveau en début de CP, etc.). Dans un deuxième temps, nous ajoutons dans les modèles les variables de niveau 2 susceptibles d’influer sur les résultats de fin d’année. En effet, les élèves ne sont pas répartis aléatoirement dans les classes, il convient donc d’estimer l’influence de la classe, tout en contrôlant les caractéristiques des élèves (voir tableau 1).

Tableau 1. Modèles multiniveaux estimant l’effet des caractéristiques socio-démographiques des élèves et de leur niveau initial sur les scores de fin d’année (N = 2481)

Tableau 1. Modèles multiniveaux estimant l’effet des caractéristiques socio-démographiques des élèves et de leur niveau initial sur les scores de fin d’année (N = 2481)

Note : seuil de significativité des effets fixes : * : significatif au seuil de 10 % ; ** : significatif au seuil de 5 % ; *** : significatif au seuil de 1 %. Les erreurs type des coefficients figurent entre parenthèses.

19Ces modèles permettent de raisonner « toutes choses égales par ailleurs » ou, plus précisément, « toutes variables introduites dans le modèle égales par ailleurs ». Ils indiquent que, quelle que soit l’épreuve considérée, à caractéristiques des élèves données, le score de début d’année affecte positivement et très significativement le score de fin d’année. Un écart-type de plus au score initial s’accompagne en moyenne, toutes choses égales par ailleurs, d’une augmentation de 0,59 écart-type au score final en code, de 0,53 écart-type en compréhension autonome, de 0,57 écart-type en compréhension de textes entendus, de 0,40 écart-type en écriture et de 0,71 écart-type au score global. Toutes choses égales par ailleurs, le milieu social fait également des différences, en défaveur des élèves de milieu défavorisé. De même, on observe des différences en fonction de l’âge des élèves : les élèves qui entrent au CP avec un retard scolaire obtiennent des scores significativement inférieurs aux élèves nés au premier quadrimestre. Ceci vaut pour toutes les épreuves. Enfin, les enfants dont la langue de la maison n’est pas le français obtiennent des scores inférieurs aux enfants pour lesquels le français est la langue parlée à la maison. Toutes choses égales par ailleurs, on décèle également un avantage pour les enfants qui parlent au moins deux langues (dont le français) à la maison.

20Dans le tableau 1, il demeure une variance inter-classes non expliquée par les variables de niveau 1 introduites dans les modèles. Ainsi, après avoir pris en considération les différences individuelles entre les élèves, la variance résiduelle entre les classes correspond à :

  • 8,07 % de la variance totale pour le score global ;
  • 7,20 % de la variance totale des performances pour l’épreuve de code ;
  • 5,36 % de la variance totale des performances pour l’épreuve de compréhension autonome ;
  • 4,42 % de la variance totale des performances pour l’épreuve de compréhension de textes entendus ;
  • 11,05 % de la variance totale des performances pour l’épreuve de l’écriture.

21Nos résultats sont globalement cohérents avec les résultats des études précédentes qui ont montré que le contexte classe explique aux alentours de 10 % de la variance des acquisitions en lecture (Dumay & Dupriez, 2009). Toutefois, on remarque que l’impact de l’appartenance à une classe est différent en fonction du bloc de compétences évaluées. Il est nettement plus faible en compréhension (autonome ou de textes lus) qu’il ne l’est pour l’écriture.

22Ces différences dans l’ampleur des effets-classes selon les domaines étudiés nous invitent à prolonger l’analyse afin d’examiner les relations qui peuvent exister entre les différents scores. Des modèles multiniveaux intégrant, au niveau 1, les caractéristiques des élèves et, au niveau 2, l’appartenance à une classe ont permis d’élaborer la liste des 131 classes de l’échantillon, ordonnées en fonction de leur efficacité moyenne, à caractéristiques et niveau initial des élèves donnés pour chacune des variables dépendantes. Même si les écarts entre les classes ne sont pas toujours considérables, ces modèles permettent de repérer des classes qui se distinguent significativement et d’extraire celles qui s’avèrent les plus et les moins efficaces de l’échantillon pour chacune des épreuves administrées.

Tableau 2. Identification des 15 classes les plus efficaces de l’échantillon en fonction de l’épreuve administrée (à caractéristiques et niveau initial des élèves donnés)

Rang Performance globale Performance en code Performance en compréhension autonome Performance en compréhension de textes entendus Performance en écriture
1 118 118 131 61 27
2 61 27 118 115 7
3 127 115 72 45 50
4 50 127 107 126 127
5 27 50 113 33 44
6 95 61 25 23 49
7 26 95 23 95 118
8 53 26 61 7 61
9 49 88 48 59 63
10 79 63 12 30 72
11 107 99 50 122 26
12 88 58 38 60 78
13 7 49 45 1 85
14 38 11 53 118 6
15 115 60 55 100 23

Note : les numéros figurant dans le tableau renvoient au numéro des classes de l’échantillon.

23Le tableau 2 permet de repérer que certaines classes situées parmi les plus efficaces sur la performance globale (par exemple, les classes 118 et 61) sont également parmi les plus efficaces sur les quatre sous-scores. Plus globalement, les corrélations entre les rangs de classement ont été calculées entre tous les sous-scores deux à deux. Hormis pour le score de compréhension de textes entendus, tous les classements sont positivement liés entre eux (l’ampleur des corrélations varie entre 0,413 et 0,615). Ainsi, nous retrouvons ici les résultats de recherches antérieures qui tendaient à montrer que les classes efficaces dans une discipline le sont également dans une autre (Sharp, 2006).

Impact des caractéristiques de la classe sur les acquisitions des élèves et estimation de l’effet-maître

24La suite de nos analyses va consister à tenter d’expliquer la variance inter-classes qui demeure (une fois introduites les variables de niveau 1 dans les analyses) en ajoutant dans les modèles multiniveaux les sept variables explicatives de niveau 2 caractérisant les classes et les enseignants. Ces nouveaux modèles permettront donc d’estimer l’impact de ces variables de niveau 2 à caractéristiques socio-démographiques et niveau initial des élèves comparables et d’appréhender l’ampleur de l’effet-maître.

Tableau 3. Modèles multiniveaux estimant l’effet des caractéristiques de la classe sur les scores de fin d’année (à caractéristiques socio-démographiques des élèves et niveau initial comparables) (N = 2481)

Tableau 3. Modèles multiniveaux estimant l’effet des caractéristiques de la classe sur les scores de fin d’année (à caractéristiques socio-démographiques des élèves et niveau initial comparables) (N = 2481)

Note : seuil de significativité des effets fixes : * : significatif au seuil de 10 % ; ** : significatif au seuil de 5 % ; *** : significatif au seuil de 1 %. Les erreurs type des coefficients figurent entre parenthèses.

  • 5 Sur la question de l’absence d’effet de la scolarisation en éducation prioritaire sur les performa (...)
  • 6 Il faut rappeler ici que les résultats des modélisations valent « toutes variables introduites dan (...)

25Ainsi, quel que soit le domaine de compétence considéré, ni l’organisation du temps scolaire, ni l’appartenance à un réseau d’éducation prioritaire5, ni l’ancienneté de l’enseignant au CP, ni la taille des classes ne sont liées à la progression des élèves au CP. En revanche, on relève un impact du niveau moyen initial de la classe sur les scores finaux en compréhension autonome. Cet effet est significatif et négatif, traduisant le fait que, à niveau initial donné en compréhension, le score final de compréhension autonome d’un élève est plus élevé dans une classe avec un niveau initial moyen plus faible. Ce dernier résultat, en contraste assez marqué avec ceux des travaux antérieurs qui ont montré que l’effet du niveau initial moyen de la classe était soit nul (Duru-Bellat, Le Bastard-Landrier, Piquée et al., 2004 ; Mingat, 1991) soit positif (Flieller, Jarlégan & Tazouti, 2016), mériterait de faire l’objet d’analyses complémentaires. Cela dit, le poids de ces facteurs structurels est modéré. La comparaison des tableaux 1 et 3 nous permet de calculer la diminution de la variance inter-classes non expliquée. Cette diminution est de 7,8 % en code, 20,0 % en compréhension autonome, 14,9 % en compréhension de textes entendus, 2,9 % en écriture et 8,9 % pour le score global. On retient de ces résultats que les domaines évalués sont inégalement sensibles aux caractéristiques du contexte scolaire. On en déduit également qu’après avoir pris en compte les différences entre classes liées d’une part aux caractéristiques individuelles des élèves qui les composent et d’autre part les différences liées à des caractéristiques structurelles et morphologiques des classes, la variance résiduelle entre classes oscille entre 3 et 10 % de la variance totale6. Les caractéristiques de l’enseignant et de ses choix pédagogiques sont susceptibles d’expliquer cette variance entre classes demeurée inexpliquée.

Une relation entre efficacité et équité

26Afin d’étudier la capacité des classes à réduire les écarts entre les élèves les plus forts et les élèves les plus faibles, nous allons estimer des modèles multiniveaux dans lesquels nous allons autoriser la relation entre le score initial et le score final à varier selon la classe fréquentée. Nous nous intéressons donc ici à l’efficacité différentielle des classes (leur équité) en nous demandant si certaines d’entre elles font plus progresser certaines catégories d’élèves (les faibles ou les forts).

Tableau 4. Modèles multiniveaux permettant d’étudier les fluctuations de la variance inter-classes en fonction du niveau initial des élèves, à caractéristiques socio-démographiques des élèves et niveau initial comparables (présentation synthétique ne conservant que les effets aléatoires) (N = 2 481)

Paramètres Code Compréhension autonome Compréhension de textes entendus Écriture Global

Effets aléatoires

Niveau 2 :

Variance des constantes 0,0687 (0,01) 0,0431 (0,01) 0,0383 (0,009) 0,1108 (0,02) 0,0756 (0,01)
Variance des pentes (score initial) 0,0099 (0,005) 0,0021 (0,005) 0,0039 (0,003) 0,0207 (0,008) 0,0168 (0,005)
Covariance pentes-constantes -0,0244 (0,006) -0,0005 (0,005) -0,0122 (0,005) -0,0318 (0,009) -0,0287 (0,01)

Niveau1 : Variance intra-classe

0,4992 (0,01) 0,6273 (0,02) 0,5701 (0,02) 0,6057 (0,02) 0,3739 (0,01)
- 2 log L 5498,452 5998,980 5759,501 6031,596 4842,7

Note : seuil de significativité des effets fixes : * : significatif au seuil de 10 % ; ** : significatif au seuil de 5 % ; *** : significatif au seuil de 1 %. Les erreurs type des coefficients figurent entre parenthèses.

  • 7 On peut tester la significativité des spécifications du tableau 4 en utilisant la statistique de l (...)

27Les modèles du tableau 4 modélisent une variance complexe au niveau 2. Ils autorisent une variation des pentes de régression du score final sur le score initial tenant compte notamment de la fluctuation d’échantillonnage. L’étude de la décroissance de la déviance entre les modèles du tableau 3 et ceux du tableau 4 (ligne -2 log L) montre que ces nouvelles spécifications ajustent mieux les données, sauf pour ce qui concerne la compréhension autonome7. Pour les modèles concernant les scores en code, en compréhension de textes entendus, en écriture et pour le score global, la variance inter-classes est donc fonction du score initial des élèves.

28En passant des modèles du tableau 3 aux modèles du tableau 4, on remarque que la partie aléatoire des modèles est modifiée, avec une variance de niveau 2 désormais décomposée en trois parties. C’est cette partie aléatoire des modèles qui nous intéresse alors plus particulièrement. L’interprétation des coefficients associés à cette partie aléatoire de la variance n’étant pas immédiate, nous proposons deux figures illustratives des résultats.

29La figure 1 permet de visualiser la modélisation de la variance totale de niveau 2 selon le score initial. On observe que la variance inter-classes est plus élevée du côté des élèves ayant un score global initial faible et qu’elle décroît lorsque ce score global initial augmente. Des résultats similaires sont observés pour le code, la compréhension de textes entendus et l’écriture.

Figure 1. Décroissance de la variance inter-classes (à caractéristiques socio-démographiques données) sur un intervalle de performances initiales des élèves allant de -3 à 3 (score global)

Figure 1. Décroissance de la variance inter-classes (à caractéristiques socio-démographiques données) sur un intervalle de performances initiales des élèves allant de -3 à 3 (score global)

30Le niveau moyen final des élèves les plus faibles en début d’année scolaire est donc plus lié à la classe dans laquelle les élèves sont scolarisés que le niveau moyen final des élèves les plus forts initialement (la variance inter-classes fluctuant de 0,39 à 0,04, sur l’intervalle du score global allant de -3 à 3). Par conséquent, les différences d’efficacité entre classes se font surtout sentir auprès des élèves ayant un niveau plus faible.

31La figure 2 représente les droites de régression pour quatre classes choisies parmi les plus et les moins efficaces de notre échantillon. Elle permet de visualiser des variations dans la relation entre les scores initiaux et finaux selon la classe fréquentée.

Figure 2. Estimation des droites de régression du score final (en ordonnée) selon le score initial (en abscisse) (pour un garçon, de PCS favorisée, né entre janvier et avril, et dont la langue parlée à la maison est le français uniquement) pour les classes extrêmes de l’échantillon en termes d’efficacité.

Figure 2. Estimation des droites de régression du score final (en ordonnée) selon le score initial (en abscisse) (pour un garçon, de PCS favorisée, né entre janvier et avril, et dont la langue parlée à la maison est le français uniquement) pour les classes extrêmes de l’échantillon en termes d’efficacité.

Note : les classes 118 et 79 sont parmi les plus efficaces, les classes 22 et 35 parmi les moins efficaces.

  • 8 Sachant par ailleurs qu’il n’y a pas de classes pour lesquelles le score final serait favorisé par (...)

32Sur cette figure, plus les droites sont situées haut sur le graphique pour un point d’abscisse donné, plus elles sont efficaces. Ainsi, on observe que la classe 118 obtient des résultats supérieurs à la classe 79, quel que soit le niveau initial des élèves. Par ailleurs, plus les droites sont parallèles à l’axe des abscisses (c’est-à-dire plus la pente de la droite de régression est faible), plus les classes sont équitables. Ce sont ces pentes qui nous intéressent ici particulièrement. La figure 2 montre que les pentes des droites de régression varient d’une classe à une autre et donc que l’équité des classes varie. Sur cette figure, la classe 118 représente une situation plus équitable que la classe 22 dans la mesure où les différences initiales entre élèves s’y sont plus réduites au moment de l’évaluation finale que dans la classe 22. De plus, on relève que le faisceau des droites de régression est large au niveau des élèves faibles et plus resserré au niveau des élèves forts. Ceci signifie que les effets-classes sont plus forts auprès des élèves faibles qui sont plus sensibles au contexte de scolarisation que les élèves forts. Enfin, si les classes les plus efficaces se situent sur la partie haute du graphique, on remarque que ce sont aussi celles pour lesquelles la pente est la moins forte. Ainsi, il semble que les classes obtenant un niveau moyen final élevé font plus progresser l’ensemble de leurs élèves ; au contraire des classes pour lesquelles la pente est forte et le niveau moyen final moins élevé qui affichent, quant à elles, une plus forte disparité entre les élèves faibles et les élèves forts. Le calcul de la corrélation entre les constantes et les pentes des 131 classes de l’échantillon confirme ce résultat (voir tableau A2 en annexe). Celle-ci est négative et élevée (r = -0,81), signifiant que plus la constante est élevée plus la pente est faible8. Au total, si les classes efficaces sont aussi celles pour lesquelles les disparités de niveau initial sont en partie gommées, alors nous pouvons conclure que, d’une manière générale dans cet échantillon, efficacité rime avec équité. Des analyses complémentaires (voir tableau A2 en annexe) montrent que cette relation est valable pour tous les domaines (à l’exception de la compréhension autonome) avec une force de la relation plus élevée pour le code et moins élevée pour l’écriture.

Conclusion

33Les modélisations multiniveaux conduites dans les analyses précédentes ont permis la comparaison de l’efficacité de l’enseignement de la lecture-écriture dans 131 classes de CP. Plus précisément, il s’agissait dans cet article de progresser dans la compréhension du rôle du contexte classe sur les apprentissages des élèves en cherchant à a) dégager l’ampleur des effets-classes dans chacun des domaines d’enseignement du lire-écrire au CP, b) estimer la contribution des caractéristiques des classes et des maîtres dans la composition de l’effet-classe et enfin c) identifier les liens entre les progrès des élèves (efficacité) et la réduction des écarts entre élèves (équité).

34Nos résultats mettent d’abord en évidence l’importance de la variabilité intra-classe qui l’emporte nettement sur la variabilité inter-classes. Ceci est observé aussi bien en code qu’en compréhension ou pour l’écriture. Les différences entre classes ne doivent donc pas faire perdre de vue l’importance des différences entre les élèves au sein d’une même classe.

35Concernant l’efficacité du contexte classe, on observe des similitudes avec les études précédentes. Celles-ci portent principalement sur la mesure de l’effet-classe qui, lorsqu’il est estimé à partir de la progression des élèves relativement au score global en lecture-écriture, se révèle être d’une ampleur proche de celle mise en évidence dans les travaux antérieurs concernant l’apprentissage de la langue maternelle. Ainsi, lorsque l’on raisonne à caractéristiques d’élèves et de classe comparables, 8 % de la variance du score global de fin d’année s’explique par la classe dans laquelle les élèves sont scolarisés. Notre étude permet cependant d’aller plus loin et d’apporter des précisions sur l’ampleur de cet effet-classe et de ses variations selon le domaine d’étude sur lequel il est mesuré. En effet, lorsque l’estimation de l’effet-classe porte sur chacun des domaines considérés, on constate que son ampleur est sujette à fluctuations (7,20 % en code, 5,36 % en compréhension autonome, 4,42 % en compréhension de textes entendus, 11,05 % en écriture). La classe aurait donc un plus ou moins grand pouvoir d’influence sur les acquisitions des élèves en fonction du domaine d’étude considéré. Tout comme les travaux antérieurs ont montré que ce pouvoir d’influence était plus important en mathématiques que pour l’apprentissage de la langue maternelle, nos résultats montrent que, concernant l’apprentissage de la lecture-écriture au CP, il est plus grand sur les acquisitions des élèves en écriture qu’en compréhension. Une part de l’explication de ces résultats réside probablement dans le fait que les performances en compréhension dépendent plus du bagage linguistique et culturel des enfants (et donc notamment des pratiques éducatives familiales) que celles relevant du domaine de l’écriture, plus dépendantes de l’enseignement scolaire et donc plus sensibles au contexte classe. Une explication complémentaire peut être avancée au regard des résultats de notre enquête (Goigoux, 2016). Notre recherche montre en effet que l’enseignement de la compréhension est le parent pauvre de la pédagogie de la lecture-écriture au cours préparatoire. On peut alors supposer que trop peu de temps y est consacré pour que cet enseignement puisse jouer un rôle important sur les apprentissages des élèves en compréhension.

36Par ailleurs, les caractéristiques structurelles ou morphologiques des classes (nombre d’élèves par classe, hétérogénéité, pourcentage d’élèves de milieu favorisé) exercent ici un effet modeste sur la progression des élèves. Ces facteurs ne rendent compte que d’une faible part de l’effet-classe qui est ainsi principalement lié aux caractéristiques de l’enseignant et de ses pratiques, aussi bien pour le code que pour la compréhension de textes lus ou l’écriture. Enfin, les classes efficaces dans un domaine ont tendance à l’être également dans les autres domaines considérés (à l’exception de la compréhension de textes entendus). En d’autres termes, la didactique de la lecture-écriture apparaît comme un ensemble doté d’une forte cohérence interne et non pas comme l’assemblage de sous-disciplines. Il n’est pas exclu non plus que le savoir-faire des enseignants ne se réduise pas à des compétences didactiques mais relève également de compétences pédagogiques d’ordre plus général.

37Concernant l’efficacité différentielle des classes, nos résultats sont là aussi congruents avec ceux des travaux antérieurs. Ils montrent que les effets des classes ne s’exercent pas seulement en termes d’efficacité moyenne, mais qu’ils s’exercent également sur la capacité à accroître ou au contraire à réduire les différences entre élèves initialement faibles et initialement forts, c’est-à-dire sur l’équité. Ils montrent également que les deux dimensions efficacité et équité sont liées ; les classes les plus efficaces en code, compréhension de textes entendus et écriture ont également tendance à être les plus équitables. Autrement dit, un élève de caractéristiques données verra ses acquisitions en lecture-écriture d’autant plus varier sous l’influence de l’enseignement qu’il est initialement plus faible. La relation assez forte observée entre l’efficacité et l’équité dans notre échantillon, au regard de travaux antérieurs traitant de la question (Mingat, 1991 ; Bressoux, 2001), nous invite à rappeler que les résultats présentés ici sont contextualisés. Les caractéristiques de l’échantillon d’enseignants (notamment le fait qu’ils étaient volontaires pour participer à l’étude et que très peu d’entre eux étaient novices) participent probablement en partie de l’explication du lien entre efficacité et équité.

38Ces résultats incitent à poursuivre les investigations en introduisant dans les analyses les caractéristiques des pratiques et des choix didactiques afin d’en étudier leurs effets. Cette question, qui sera au cœur de plusieurs articles de ce numéro, permettra alors d’étudier, non pas ce qui fonctionne, mais ce qui fonctionne le mieux parmi les options didactiques et pédagogiques des différents enseignants de notre échantillon.

39Enfin, ultérieurement, il conviendra également d’examiner les possibles effets différés du passage dans une classe efficace en lecture-écriture au CP. Les élèves scolarisés dans les classes les plus efficaces de notre échantillon conservent-ils leur avantage en termes d’acquisitions dans les différents domaines étudiés l’année suivante ? Sur ce point précis, les travaux français sont peu nombreux. Certains concluent que l’effet-maître ne s’observe que sur la période considérée et qu’on n’en trouve plus la trace l’année suivante (Bressoux & Bianco, 2004). Cependant, dans certains travaux anglo-saxons, les effets-maîtres persistent à long terme en mathématiques, lecture et sciences à l’école primaire (Konstantopoulos & Chung, 2011). Ces résultats, à nouveau, portent sur des disciplines au sens large (français et mathématiques). Or, on peut poser l’hypothèse que les effets différés sont, comme ceux observés au cours du CP dans cet article, soumis à une relative instabilité selon les domaines à l’intérieur d’une discipline. La question méritera donc d’être rigoureusement examinée.

Haut de page

Bibliographie

ALTET M., BRESSOUX P., BRU M. & LECONTE-LAMBERT C. (1996). « Les caractéristiques des pratiques d’enseignement au CE2 : vers une meilleure connaissance de l’effet-maître ». Éducation et Formations, no 46, p. 71-80.

BISHOP M.-F., CÈBE S. & PIQUÉE C. (2015). « L’enseignement de la compréhension dans les classes CP aujourd’hui : temps consacré, modalités et inégalités territoriales ». Repères, no 52, p 15-37.

BRESSOUX P. (1994). « Les recherches sur les effets-écoles et les effets-maîtres ». Revue française de pédagogie, no 108, p. 91-137.

BRESSOUX P. (1995). « Les effets du contexte scolaire sur les acquisitions des élèves : effet-école et effets-classes en lecture ». Revue française de sociologie, vol. 38, no 1, p. 76-96.

BRESSOUX P. (2001). « Réflexions sur l’effet-maître et l’étude des pratiques enseignantes ». Les Dossiers des sciences de l’éducation, no 5, p. 35-52.

BRESSOUX P. (2007). « L’apport des modèles multi-niveaux à la recherche en éducation ». Éducation et didactique, vol. 1, no 2, p. 71-86.

BRESSOUX P. (2010). Modélisation statistique appliquée aux sciences sociales. Bruxelles : De Boeck, 2e éd.

BRESSOUX P. & BIANCO M. (2004). « Long‐term teacher effects on pupils’ learning gains ». Oxford Review of Education, vol. 30, no 3, p. 327-345.

BRESSOUX P., COUSTÈRE P. & LEROY-AUDOUIN C. (1997). « Les modèles multi-niveaux dans l’analyse écologique : le cas de la recherche en éducation ». Revue française de sociologie, vol. XXXVIII, p. 67-96.

COURGEAU D. (2004). Du groupe à l’individu. Synthèse multi-niveaux. Paris : Éd. de l’Institut national d’études démographiques.

DELAUNAY D. & COURGEAU D. (2003). « Methodology and Epistemology of Multilevel Analysis. Approaches from Different Social Sciences ». Population, vol. 58, no 6, p. 837-841.

DUMAY X. & DUPRIEZ V. (2009). L’efficacité dans l’enseignement. Promesses et zones d’ombre. Bruxelles : De Boeck.

DURU-BELLAT M. (2003). « Les apprentissages des élèves dans leur contexte : les effets de la composition de l’environnement scolaire ». Carrefours de l’éducation, no 16, p. 182-205.

DURU-BELLAT M. & AUDOUIN C. (1990). « Les pratiques pédagogiques au CP. Structures et incidences sur les acquisitions des élèves ». Revue française de pédagogie, no 93, p. 5-15.

DURU-BELLAT M., LE BASTARD-LANDRIER S., PIQUÉE C. & SUCHAUT B. (2004). « Tonalité sociale du contexte et expérience scolaire des élèves au lycée et à l’école primaire ». Revue française de sociologie, vol. 45, no 3, p. 441-468.

FILION N. (2011). « Compter le réel. Réflexions autour de l’observation quantitative ». Terrains & travaux, vol. 19, no 2, p. 37-55.

FLIELLER A., JARLÉGAN A. & TAZOUTI Y. (2016). « Who benefits from dyadic teacher-student interactions in whole-class settings? ». The Journal of Educational Research, vol. 109, no 3, p. 311-324.

GOIGOUX R. (dir.) (2016). « Étude de l’influence des pratiques d’enseignement de la lecture et de l’écriture sur la qualité des premiers apprentissages ». Rapport de recherche remis à Madame la directrice générale de l’enseignement scolaire (DGESCO-MENESR), ministère de l’Éducation nationale, de l’Enseignement supérieur et de la Recherche. En ligne : <http://ife.ens-lyon.fr/ife/recherche/lire-ecrire> (consulté le 28 janvier 2018).

GOIGOUX R. & CĖBE S. (accepté). « L’enseignement de la lecture et de l’écriture au cours préparatoire est-il vraiment de moindre qualité en éducation prioritaire ? ». In B. Fouquet-Chauprade & A. Soussi (dir.), L’éducation prioritaire. Berne : Peter Lang.

GOIGOUX R., JARLÉGAN A. & PIQUÉE C. (2015). « Évaluer l’influence des pratiques de l’enseignement du lire-écrire sur les apprentissages des élèves : enjeux et choix méthodologiques ». Recherches en didactique, no 19, p. 33-55.

HANUSHEK E. A. (1971). « Teacher characteristics and gains in student achievement: estimation using micro data ». American Economic Review, vol. 61, no 2, p. 280-288.

JARLÉGAN A., TAZOUTI Y., FLIELLER A., KERGER S. & MARTIN R. (2010). « Les interactions individualisées maître-élève : une comparaison entre la France et le Luxembourg ». Revue française de pédagogie, no 173, p. 67-84.

JARLÉGAN A., TAZOUTI Y. & FLIELLER A. (2011). « L’hétérogénéité sexuée en classe : effets de genre sur les attentes des enseignant(e)s et les interactions verbales enseignant(e)-élève ». Les Dossiers des Sciences de l’Éducation, no 26, p. 33-50.

KONSTANTOPOULOS S. & CHUNG V. (2011). « The persistence of teacher effects in elementary grades ». American Educational Research Journal, vol. 48, no 2, p. 361-386.

LEROY-AUDOUIN C. & SUCHAUT B. (2007). « Revisiter l’efficacité pédagogique des classes à plusieurs cours ». Revue française de pédagogie, no 160, p. 103-118.

MINGAT A. (1984). « Les acquisitions scolaires des élèves au cours préparatoire : les origines des différences ? ». Revue française de pédagogie, no 69, p. 49-62.

MINGAT A. (1991). « Expliquer la variété des acquisitions au cours préparatoire : les rôles de l’enfant, la famille et l’école ». Revue française de pédagogie, no 95, p. 47-63.

NYE B., KONSTANTOPOULOS S. & HEDGES L. V. (2004), « How large are teacher effects ». Educational Evaluation and Policy Analysis, vol. 26, no 3, p. 237-257.

SHARP S. (2006). « Assessing value-added in the first year of schooling: Some results and methodological considerations ». School Effectiveness and School Improvement, vol. 17, no 3, p. 329-346.

SUCHAUT B. (2002). « Gérer la classe efficacement, liberté dans l’action ou contraintes extérieures ? ». In J. Fijalkow & T. Nault (dir.), La gestion de la classe. Bruxelles : De Boeck, p. 215-231.

TUPIN F. (2003). « Jalons pour une problématique générale ». Les Dossiers des sciences de l’éducation, no 10, p. 5-16.

VELDMAN D. J. & BROPHY J. E. (1974). « Measuring Teacher Effects on Pupil Achievement ». Journal of Educational Psychology, vol. 66, no 3, p. 319-324.

VAUSE A., DUPRIEZ V. & DUMAY X. (2008). « L’efficacité des pratiques pédagogiques : la nécessité de prendre en compte l’environnement social ». Les Cahiers de recherche en éducation et formation, no 63.

Haut de page

Annexe

Tableau A1. Modèles vides décomposant les parts de variance inter et intra-classes des 5 scores de fin de CP (N = 2481)

Paramètres Code Compréhension autonome Compréhension de textes entendus Écriture Global
Effets fixes
Constante -0,001 (0,03) -0,005 (0,03) -0,010 (0,03) -0,009 (0,04) -0,007 (0,04)
Effets aléatoires
Niveau 2 : variance inter-classes 0,1099 (0,02) 0,0813 (0,02) 0,1103 (0,02) 0,1385 (0,02) 0,1255 (0,02)
Niveau 1 : variance intra-classes 0,8827 (0,03) 0,9199 (0,03) 0,8884 (0,03) 0,8541 (0,02) 0,8703 (0,03)
- 2 log L 6888,560 6961,399 6904,305 6831,823 6867,191

Tableau A2. Corrélation constantes-pentes par domaine de compétences (constantes et pentes aléatoires selon la performance initiale)

Paramètres Covariance Variance constante Variance pente Corrélation
Score global -0,03 0,08 0,02 -0,81
Score de code -0,02 0,07 0,01 -0,94
Score de compréhension autonome 0,00 0,04 0,00 -0,05
Score de compréhension de textes entendus -0,01 0,04 0,004 -0,99
Score d’écriture -0,03 0,11 0,02 -0,66

Note : chaque classe peut être caractérisée par deux éléments, d’une part, le niveau moyen d’acquisition de la classe (mesuré par la constante) et, d’autre part, son caractère plus ou moins inégalitaire (selon que la pente est plus ou moins forte). Le tableau A2 observe si ces deux facteurs sont liés positivement, négativement ou sont indépendants. On constate que la corrélation entre le niveau moyen et la pente est toujours négative indiquant que (à l’exception de la compréhension autonome) les classes dans lesquelles le niveau moyen est le plus élevé ont aussi tendance à être plus égalisatrices.

Haut de page

Notes

1 Des exemples de construction de ce type de grille sont fournis dans Goigoux, Jarlégan & Piquée (2015) ou dans Jarlégan, Tazouti, Flieller et al. (2010).

2 Dans cette recherche, ces 16,4 % correspondent au gain de pouvoir explicatif du modèle qui prend en compte les contextes classe (en introduisant des variables muettes représentant les classes dans l’analyse) par rapport à un modèle qui n’incorpore que les variables individuelles des élèves. Cet effet englobe donc à la fois les variables caractérisant la classe (telles que la taille, le niveau moyen initial, l’hétérogénéité, la tonalité sociale…) et les facteurs liés à l’enseignant et à ses pratiques.

3 La compréhension en lecture autonome est évaluée à la fin du cours préparatoire à l’aide d’une épreuve originale permettant de vérifier la qualité d’une compréhension littérale et inférentielle. De manière complémentaire, nous avons évalué la compréhension de textes narratifs entendus (lus à haute voix par l’évaluateur), c’est-à-dire non influencée par les compétences des élèves en décodage. Il s’agissait d’une épreuve basée sur l’écoute de deux récits issus de la littérature de jeunesse posant des problèmes de compréhension inférentielle similaires à ceux de l’épreuve de lecture autonome. Dans les deux cas, nous avons choisi des récits complets dont la compréhension exigeait des capacités de raisonnement, des traitements de l’implicite, des connaissances encyclopédiques, une certaine familiarité avec les structures narratives, des compétences syntaxiques et lexicales (voir l’article de Goigoux, Cèbe & Pironom dans ce numéro). Les épreuves d’évaluation sont consultables en ligne : <http://ife.ens-lyon.fr/ife/recherche/lire-ecrire/rapport/annexe-a.3.3.1-livret-consignes-evaluateur_juin_cp> (consulté le 26 janvier 2018).

4 Sur les 2 507 élèves ayant passé les épreuves initiales et finales, 26 ont été retirés des analyses en raison de données manquantes relatives à la profession des parents. Ces élèves appartiennent à des classes différentes et ce retrait ne modifie pas la structure de l’échantillon.

5 Sur la question de l’absence d’effet de la scolarisation en éducation prioritaire sur les performances finales des élèves de CP en lecture-écriture, on peut se reporter aux premières analyses conduites par Goigoux et Cèbe (accepté) ou par Bishop, Cèbe et Piquée (2015) qui ne décèlent pas de différences significatives, dans l’enseignement de la lecture et de l’écriture, entre les pratiques des enseignants œuvrant en CP dans l’éducation prioritaire ou en dehors.

6 Il faut rappeler ici que les résultats des modélisations valent « toutes variables introduites dans les modèles égales par ailleurs ». Autrement dit, il est possible, tant au niveau des caractéristiques individuelles des élèves que de celles de la classe, que certaines variables susceptibles d’expliquer une partie des différences de scores entre les classes n’aient pas été prises en considération.

7 On peut tester la significativité des spécifications du tableau 4 en utilisant la statistique de la déviance pour chacun des modèles : ∆(3-4)code = 5527,323 – 5498,45 = 28,873 ; ∆(3-4)compréhension autonome = 5999,167 – 5998,98 = 0,187 ; ∆(3-4)compréhension textes entendus = 5767,764 – 5759, 501 = 8,263, ∆(3-4)écriture = 6059,498 – 6031,596 = 27,902. Ces valeurs de Chi2 sont significatives pour 2 degrés de liberté (p < 0,05), à l’exception de la valeur obtenue pour la compréhension autonome.

8 Sachant par ailleurs qu’il n’y a pas de classes pour lesquelles le score final serait favorisé par des scores initiaux déjà tous très élevés et qu’il n’y a donc pas d’effet plafond avéré dans la réussite aux épreuves d’évaluation.

Haut de page

Table des illustrations

Titre Tableau 1. Modèles multiniveaux estimant l’effet des caractéristiques socio-démographiques des élèves et de leur niveau initial sur les scores de fin d’année (N = 2481)
Légende Note : seuil de significativité des effets fixes : * : significatif au seuil de 10 % ; ** : significatif au seuil de 5 % ; *** : significatif au seuil de 1 %. Les erreurs type des coefficients figurent entre parenthèses.
URL http://journals.openedition.org/rfp/docannexe/image/5070/img-1.jpg
Fichier image/jpeg, 288k
Titre Tableau 3. Modèles multiniveaux estimant l’effet des caractéristiques de la classe sur les scores de fin d’année (à caractéristiques socio-démographiques des élèves et niveau initial comparables) (N = 2481)
Légende Note : seuil de significativité des effets fixes : * : significatif au seuil de 10 % ; ** : significatif au seuil de 5 % ; *** : significatif au seuil de 1 %. Les erreurs type des coefficients figurent entre parenthèses.
URL http://journals.openedition.org/rfp/docannexe/image/5070/img-2.jpg
Fichier image/jpeg, 396k
Titre Figure 1. Décroissance de la variance inter-classes (à caractéristiques socio-démographiques données) sur un intervalle de performances initiales des élèves allant de -3 à 3 (score global)
URL http://journals.openedition.org/rfp/docannexe/image/5070/img-3.jpg
Fichier image/jpeg, 67k
Titre Figure 2. Estimation des droites de régression du score final (en ordonnée) selon le score initial (en abscisse) (pour un garçon, de PCS favorisée, né entre janvier et avril, et dont la langue parlée à la maison est le français uniquement) pour les classes extrêmes de l’échantillon en termes d’efficacité.
Légende Note : les classes 118 et 79 sont parmi les plus efficaces, les classes 22 et 35 parmi les moins efficaces.
URL http://journals.openedition.org/rfp/docannexe/image/5070/img-4.jpg
Fichier image/jpeg, 114k
Haut de page

Pour citer cet article

Référence papier

Annette Jarlégan, Céline Piquée, Valérie Fontanieu et Roland Goigoux, « Efficacité et équité dans l’enseignement de la lecture : le rôle du contexte classe »Revue française de pédagogie, 196 | 2016, 7-22.

Référence électronique

Annette Jarlégan, Céline Piquée, Valérie Fontanieu et Roland Goigoux, « Efficacité et équité dans l’enseignement de la lecture : le rôle du contexte classe »Revue française de pédagogie [En ligne], 196 | 2016, mis en ligne le 30 septembre 2019, consulté le 24 mars 2023. URL : http://journals.openedition.org/rfp/5070 ; DOI : https://doi.org/10.4000/rfp.5070

Haut de page

Auteurs

Annette Jarlégan

Université de Lorraine, LISEC (EA 2310) – annette.jarlegan@univ-lorraine.fr

Articles du même auteur

Céline Piquée

Univ Rennes, CREAD (EA 3875) – celine.piquee@univ-rennes2.fr

Articles du même auteur

Valérie Fontanieu

École normale supérieure de Lyon, Institut français de l’éducation – valerie.fontanieu@ens-lyon.fr

Articles du même auteur

Roland Goigoux

Université Clermont-Auvergne, ACTé (EA 4281) – roland.goigoux@uca.fr

Articles du même auteur

Haut de page

Droits d’auteur

Tous droits réservés

Haut de page
  • Logo Université de Lyon
  • Logo ENS de Lyon
  • Logo ENS Éditions
  • Logo Institut français de l'éducation
  • OpenEdition Journals
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search