Versión clásicaVersión móvil

Développement et variabilités

 | 
Sandrine Le Sourn-Bissaoui
, 
Gaïd Le Maner-Idrissi
, 
Virginie Dardier
, 
et al.

Deuxième partie. Apprentissage, handicaps et variabilités

Apprentissages scolaires et autorégulation comportementale

Blandine Hubert, Sylvie Crusson-Pondeville, Philippe Guimard y Isabelle Nocus

Texto completo

Introduction

1L’autorégulation est un concept multidimensionnel désignant les caractéristiques individuelles liant l’individu au contexte et le moyen par lequel, il façonne son propre développement (Gestsdottir et Lerner, 2008). L’autorégulation correspond plus précisément aux capacités qu’a une personne de moduler ses émotions, de contrôler son comportement, de planifier et de résoudre un problème (Bronson, 2000). En d’autres termes, l’autorégulation correspond à une auto-modification de ses propres réponses ou de ses états intérieurs au regard d’une situation (Baumeister, Schmeichel et Vohs, 2007). De nombreux travaux s’intéressent aux capacités d’autorégulation et à leur impact sur les apprentissages scolaires. Dans ce cadre, l’autorégulation comportementale (ARC), l’une des composantes de l’autorégulation, semble être une compétence fondamentale pour plusieurs comportements et habiletés requis à l’école (Blair 2002 ; McClelland, Cameron, Wanless et Murray, 2007b).

Définition et développement de l’autorégulation comportementale

2L’ARC est considérée comme la manifestation en contexte des fonctions exécutives (FE) (McClelland et al., 2007b). Par le biais des FE, le soi exerce sur son environnement des prises de décisions et des choix, elles permettent de s’autoréguler (Baumeister et al., 2007). Il ne fait plus aucun doute que les FE sont les aspects de la cognition contributeurs clés de l’autorégulation (Blair et Ursache, 2011 ; Miyake et Friedman, 2012), au point que la construction de l’ARC soit étroitement alignée sur le concept de FE (Hughes et Ensor, 2011). Ce dernier point engendre quelques confusions conceptuelles et terminologiques dans la littérature sur le sujet. Ainsi, les termes d’inhibition, d’inhibition comportementale et d’ARC sont fréquemment utilisés de manière interchangeable (Barkley, 2001 ; Hughes et Ensor, 2011). Par ailleurs, les liens qui unissent les FE et l’ARC font encore débat (Bronson, 2000 ; Ponitz et al., 2008). Les recherches tendent à souligner, d’une part, que l’attention, la mémoire de travail et le contrôle de l’inhibition sont des composantes essentielles de l’ARC (Blair, 2002 ; Howse, Lange, Faran et Boyle, 2003) et, d’autre part, que l’ARC correspond à l’intégration et à l’application de ces différentes composantes en contexte (McClelland et al., 2007b). À l’école, elle se manifeste chez les enfants sous la forme d’actions motrices telles que cesser ou initier une activité, participer en classe, organiser et planifier son travail, etc.

3Plusieurs variables agissent sur le développement de l’autorégulation. On peut citer entre autres, les caractéristiques propres à l’enfant avec notamment son tempérament (Posner et Rothbart, 2000) et son développement physiologique (Bronson, 2000 ; Calkins et Howse, 2004) mais aussi le contexte dans lequel il évolue, l’environnement familial jouant un rôle primordial (Calkins et Howse, 2004 ; McClelland et al., 2007b). Or, tous les enfants ne bénéficient pas des mêmes étayages (HCE, 2007). Par conséquent, tous les enfants ne développent pas le même degré d’autorégulation. Cela signifie que des différences significatives existent dans les comportements de régulation des enfants quand ils rentrent à l’école (Suchodoletz, Trommsdorff, Heikamp, Wieber et Gollwitzer, 2009). Ces différences interindividuelles ont fait l’objet de nombreuses recherches visant à explique la diversité des performances académiques des enfants. Pintrich (2000) considère que les habiletés d’autorégulation sont des variables médiatrices entre, d’une part, les caractéristiques personnelles des enfants, leur contexte scolaire et familial et, d’autre part, les compétences et comportements des élèves.

Autorégulation comportementale et apprentissages scolaires

L’évaluation de l’autorégulation comportementale

4Depuis ces dernières années, de nombreuses recherches étudient les relations entre l’ARC et les apprentissages scolaires. Deux méthodes sont principalement utilisées pour évaluer l’ARC. L’une appréhende l’ARC de l’élève de manière indirecte, c’est-à-dire par des questionnaires renseignés le plus souvent par les enseignants. Ces évaluations sont principalement utilisées pour décrire les comportements liés aux apprentissages que mobilisent les élèves en classe, notamment la qualité de leur attention, ou encore leur capacité à s’organiser dans leur travail (McClelland, Morrison et Holmes, 2000 ; McClelland, Acock et Morrison, 2006). Ces études constatent que les comportements et les compétences des élèves évalués en maternelle et/ou élémentaire sont liés à leurs compétences académiques à ces mêmes niveaux scolaires et qu’ils prédisent leurs performances académiques ultérieures (Guimard et Florin, 2007 ; Guimard, Florin et Nocus, 2002 ; McClelland et al., 2000 ; 2006 ; Stipek, Newton et Chudgar, 2010). Bien que ces questionnaires constituent une évaluation de l’ARC peu coûteuse en temps, ils ne permettent pas de l’évaluer finement. Par ailleurs, ces questionnaires sont sensibles aux attentes des enseignants et aux aspects culturels (Wanless et al., 2011a). Si les questionnaires sont considérés comme étant écologiques (Rimm-Kaufmann, Pianta et Cox, 2000), ce n’est pas le cas des mesures directes (McClelland, Ponitz, Messersmith et Tominey, 2010 ; Wanless et al., 2011a). De fait, ces deux évaluations sont peu reliées entre elles (Stipek et al., 2010). Si l’engouement pour l’étude des FE chez les enfants d’âge préscolaire a donné lieu à la création de nombreuses épreuves ces dernières années (Monette et Bigras, 2008), ces mesures sont critiquées outre leur manque de validité écologique. Ces mesures sont dépendantes de la conceptualisation des FE chez les enfants. Les chercheurs se posent une question récurrente, les FE dépendent-elles d’un processus unifié ou d’un ensemble de composantes distinctes ? La question est d’autant plus complexe qu’elle est susceptible d’avoir des réponses différentes selon l’âge considéré (Best, Miller et Jones, 2009). Si la plupart des études sur les enfants d’âge préscolaire soutiennent l’idée que les FE consistent en un ensemble de composantes distinctes mais liées entre elles, certains chercheurs ont mis en évidence une conceptualisation modulaire des fonctions exécutives (Best et al., 2009). Dans la mesure où l’ARC est appréhendée à travers des mesures de FE, cette question a son importance. Il est ainsi devenu une pratique courante de mesurer les divers aspects de l’autorégulation comportementale de manière séparée puis de combiner les scores individuels en un score global (McClelland et Cameron, in press ; Smith-Donald, Raver, Hayes et Richardson, 2007 ; Toll, Van der Ven, Kroesbergen et Van Luit, 2011). Ces scores d’agrégation sont problématiques car ces mesures sont faiblement corrélées entre elles (Lan, Legare, Cameron, Li et Morrison, 2011). Cela a pour principal effet d’augmenter le risque de l’erreur de mesure (McClelland et Cameron, 2012). Ainsi, des études récentes suggèrent qu’une mesure intégrative est un facteur plus prédictif que des mesures de composantes individuelles (McClelland et Cameron, 2011). On peut également souligner que leurs propriétés psychométriques sont mal connues (Monette et Bigras, 2008 ; Ponitz et al., 2008) et elles nécessitent parfois le recours à des technologies ou à des équipements coûteux (Suchodoletz et al., 2009). Ces différentes critiques ont conduit McClelland et al. (2007a) à construire la tâche « head-to-toes-task » (HTT).

HTT et HTKS

5La tâche HTT développée par McClelland et ses collègues (2007a) est une tâche d’inspiration neuropsychologique évaluant simultanément le contrôle de l’inhibition, l’attention soutenue et la mémoire de travail. L’enfant doit prêter attention, retenir la consigne verbale et réaliser une action motrice contraire à ce qui est demandé (par exemple, l’enfant doit toucher ses pieds lorsque l’examinateur lui dit « touche ta tête », et vice versa). Deux études ont montré d’une part que la tâche HTT est liée à l’évaluation de l’ARC par les enseignants et d’autre part qu’elle l’est aussi aux compétences académiques (mathématiques, littératie et vocabulaire) après contrôle des performances scolaires initiales, de l’âge, du sexe, du niveau d’étude de la mère et de l’ethnicité en Moyenne Section de maternelle (McClelland et al., 2007). En 2009, la tâche HTT est complexifiée par l’ajout deux nouvelles consignes conflictuelles et devient donc « head-toes-knees-shoulders-task (HTKS) » (Ponitz, McClelland, Matthiews et Morrison, 2009). De la même manière que pour HTT, cette mesure évaluée à l’automne de Grande Section de maternelle est liée à l’évaluation de l’ARC par les enseignants. Toutefois, si elle contribue quelques mois plus tard au printemps à l’explication des performances en mathématiques des élèves, contrairement à HTT, elle n’est pas liée aux performances des élèves en vocabulaire et en littératie après contrôle des performances initiales, de l’âge, du sexe, du niveau d’étude de la mère et de l’ethnicité (Ponitz et al., 2009). Les chercheurs ont souligné pour HTT comme pour HTKS que les filles obtiennent de meilleurs scores que les garçons (Matthiews, Ponitz et Morrison, 2009 ; Ponitz et al., 2008)

6Des études ont également cherché à déterminer la valeur prédictive du HTT ou du HTKS dans des contextes culturels différents des États-Unis. Wanless et al. (2011b) auprès d’enfants taïwanais âgés de 3.5 à 4.5 ans montrent que l’ARC est liée aux mathématiques et au vocabulaire, mais pas à l’évaluation de l’ARC par les enseignants. Dans une seconde recherche, Wanless et al. (2011b) ont effectué une comparaison des résultats aux HTKS en Chine, à Taiwan, en Corée du Sud et aux États-Unis. Il apparaît que la sensibilité à l’épreuve est différente selon le pays. Aux États-Unis et à Taiwan, la tâche peut-être administrée de 4 à 6 ans alors qu’en Corée du Sud, la tâche s’avère trop difficile avant l’âge de 5 ans. En revanche en Chine elle peut être utilisée de 3 à 5 ans. Par ailleurs, l’ARC apparaît être un bon prédicteur des compétences en mathématiques et en littératie dans ces quatre pays même si, comparativement à Taïwan et la Corée du Sud, les scores à HTKS obtenus aux États-Unis et en Chine sont plus fortement liés aux mathématiques qu’au vocabulaire et à l’alphabétisation précoce. De même, Ivrendi (2011) montre auprès de 71 enfants turcs de Grande Section de maternelle que HTKS est le prédicteur le plus influent des performances en mathématiques suivi par le niveau de la mère, le genre et l’âge.

7Ces données suggèrent donc que l’ARC contribue de façon importante à l’explication des compétences académiques précoces des enfants que ce soit en Amérique du Nord ou en Asie. Même si on voit apparaître des différences suivant l’âge et la culture, on peut voir que l’ARC contribue davantage à l’explication des performances mathématiques qu’aux capacités émergentes en littératie, ce résultat étant en accord avec la littérature (Blair et Razza, 2007 ; Brock, Rimm-Kaufman, Nathanson, et Grimm, 2009). Pour Blair et Razza, cette constatation est conforme aux études récentes de neuro-imageries. Celles-ci montrent en effet que certaines zones du cortex frontal et notamment préfrontal sont déclenchées lorsque les personnes font du calcul mental. Des pathologies de ce système peuvent conduire à une dyscalculie développementale chez les enfants (Dehaene, Molko, Cohen et Wilson, 2004). Par ailleurs, selon Blair, Gamson, Thorne et Baker (2005), les stratégies d’enseignements en mathématiques et les types de problèmes conçus appellent à davantage utiliser les FE de nos jours. Selon Blair et Razza (2007), pour les problèmes qui font appel à la mémoire de travail aucune connaissance automatisée ou formelle de résolution de problème ne peut être utilisée pour trouver la solution. Il est ainsi nécessaire de mette en œuvre a) un raisonnement actif sur les éléments d’un problème afin de parvenir à des solutions possibles, b) se représenter l’information en mémoire de travail, c) détourner l’attention de façon appropriée entre les éléments du problème, et d) inhiber une tendance à répondre à un aspect saillant ou une donnée récente d’un problème.

Problématique et objectifs de la recherche

8Du fait du cadre éducatif formel de l’école maternelle et de l’absence de données françaises sur cette thématique nous avons réalisé une étude longitudinale évaluant les liens entre l’autorégulation comportementale et les apprentissages scolaires chez des élèves français tout-venant auprès d’enfants suivis de la Moyenne Section de Maternelle (MS) à la Grande Section de Maternelle (GS) (cohorte 1) et de la GS au Cours Préparatoire (CP) (cohorte 2). L’ARC étant évaluée à travers la tâche HTKS, nous avons également étudié la variabilité des scores à HTKS et les différences interindividuelles à HTKS suivant l’âge et le genre. On suppose en accord avec la littérature que les enfants les plus âgés aient de meilleures performances que les enfants les plus jeunes et qu’on observe un effet du sexe en faveur des filles sur les performances à HTKS. La revue de la littérature conduit à poser quatre hypothèses principales. Premièrement, on s’attend à ce que HTKS soit liée au jugement des enseignants concernant les compétences et les comporte ments scolaires des élèves. Deuxièmement, on suppose que l’évaluation des enseignants soit liée aux compétences académiques précoces. Dans un troisième temps, on s’attend à ce que HTKS soit liée aux compétences académiques précoces et enfin à ce que HTKS contribue davantage à l’explication des scores en mathématiques qu’aux scores en pré-lecture et en lecture.

Méthode

Participants

9La cohorte 1 regroupe soixante-douze élèves (41 filles et 31 garçons) suivis de la MS (2009) à la GS (2010). Les enfants scolarisés sont âgés en moyenne de 55.32 mois (Écart-type : 3.45) en MS et de 67,32 mois (Écart-type : 3.45) en GS. La cohorte 2 est composée de soixante-dix-neuf enfants (37 filles et 42 garçons) suivis de la GS (2009) au CP (2010). Les enfants scolarisés sont âgés de 66.34 mois (Écart type : 3.6) en GS et de 78.34 mois (Écart type : 3.6) au CP. Tous les élèves sont scolarisés dans des écoles publiques de Loire-Atlantique. Le niveau d’étude de la mère a été choisi pour évaluer le niveau socioéconomique des élèves. 4 % des mères ne sont pas diplômées du secondaire ou de l’enseignement professionnel, 23 % ont le Bac ou un diplôme professionnel de niveau IV, 28 % ont une formation universitaire et 37 % d’entre elles sont diplômées de l’enseignement supérieur. Pour les besoins des analyses de corrélation et de régression, la variable « niveau d’étude de la mère » a été recodée en 4 catégories (de 0 à 4).

Mesures

10Données sociodémographiques : Les parents ont renseigné un questio nnaire comportant plusieurs questions sur leur situation professionnelle et familiale, leur niveau d’étude, ainsi que l’âge et le sexe de leur enfant.

11L’autorégulation comportementale (HTKS, Ponitz et al., 2009) : L’enfant doit se concentrer sur ce qu’on lui demande de réaliser (attention), se souvenir des règles (mémoire de travail) et arrêter une réponse automatique pour effectuer celle qui lui est demandée (contrôle de l’inhibition). Les 10 premiers items incluent deux types de consignes (« touche ta tête » et « touche des pieds »). Dans la seconde partie, deux nouvelles consignes sont ajoutées (« touche tes genoux » et « touche tes épaules »). L’enfant doit réaliser l’opposé de ce que l’expérimentateur lui demande. Par exemple, lorsque l’expérimentateur dit à l’enfant « touche ta tête » ce dernier doit toucher ses pieds. La cotation est en trois points, 0 pour une réponse incorrecte, 1 point si l’enfant s’autocorrige et 2 points pour une réponse correcte. Le score total est de 40 points (alpha et Cronbach : .94 en ms, GS (2009 et 2010) et CP : .90).

12Comportements de l’enfant en classe : Un questionnaire pour l’école maternelle (QEM, Florin, Guimard, & Nocus, 2002) a été utilisé. Il comporte 20 questions donnant des indications sur les compétences a cadémiques (langage, raisonnement et contrôle des gestes) et les habiletés d’autorégulation comportementale (attention, mémorisation…) des élèves perçues par les enseignants. Pour chaque item, l’enseignant répond sur une échelle en trois points sachant que l’appréciation la plus élevée (3 points) correspond à un comportement manifesté régulièrement ou une compétence acquise. Le score total est de 60 points (alpha de Cronbach : .93 en MS, .92 en GS [2009 et 2010] et CP).

13Compétences académiques : les compétences numériques ont été évaluées en ms et en GS avec les subtests de comptage et de dénombrement du Tedi-Math (Van Nieuwenhaven, Noël et Grégoire, 2001). Le score total est de 21. Au CP, sont ajoutés les subtests de transcodage et de résolution de problèmes, le score total est alors de 55 (alpha de Cronbach :. 71 en MS, GS 2009 et 2010 et. 82 au CP). Deux évaluations de pré-lecture (conscience phonologique et reconnaissance de lettres) ont été proposées en MS et en GS. Dans l’épreuve de reconnaissance de lettres, l’examinateur nomme les 26 lettres de l’alphabet présentées sur une planche selon un ordre aléatoire non alphabétique (Foulin, 2002). L’enfant doit indiquer les lettres correspondantes. Un point est donné pour chaque réponse correcte. Le score total est de 26 (alpha de Cronbach : .93 en MS et .94 en GS 2009 et 2010). Deux épreuves issues de la Batterie Rapide d’Évaluation des Fonctions Cognitives (BREV, Billard et al., 2002) évaluent la conscience phonologique (segmentation syllabique et soustraction syllabique). Le score total est sur 20 (alpha de Cronbach : .89 en ms et .81 en GS 2009 et 2010). Au CP, est proposée une épreuve de lecture de mots issue du Timé 2 de Ecalle (2002). Le score total est de 36 (alpha de Cronbach : .88).

14Vocabulaire : L’évaluation du vocabulaire a été réalisée avec le test de lexique en production de la batterie Évaluation du Langage Oral (ELO) de Khomsi, (2001). L’élève doit dénommer 20 images correspondant à un lexique de plus en plus complexe. Le score total est de 20. Au CP, 12 images sont rajoutées, le score total est de 32. Alpha de Cronbach de .71 à tous les niveaux scolaires.

15Niveau cognitif non verbal : en MS, GS et en CP, un test cognitif non verbal issu de la BREV (Billard et al., 2002) a été utilisé. L’enfant doit choisir parmi 4 ou 6 cartes, celle qui correspond le mieux pour compléter l’image (10 items). Le score total est de 20 (alpha de Cronbach : 60 en MS, .74 en GS 2009 et 2010, et .58 au CP).

Procédure

16Les épreuves ont été administrées individuellement aux différents niveaux scolaires, entre fin février et mi-mars. Le questionnaire sociodémographique et le questionnaire à destination des enseignants ont été renseignés pendant la même période à chaque année scolaire.

Résultats

Variabilité des performances à HTKS

Tableau 1 – Distribution des performances (moyenne, écart-type et étendue des scores) à la tâche d’autorégulation comportementale.

17Le tableau 1 montre que plus le niveau scolaire est avancé moins les scores d’ARC sont variables. Pour les MS et les GS, les niveaux d’asymétrie et d’aplatissement sont satisfaisants, ceux-ci variant respectivement entre -0.09 et -1.82 et entre -.09 et 1.99. En revanche, en CP, un manque de sensibilité de l’épreuve est observé (asymétrie : -2.81 et aplatissement : 9.34). On remarque également que les élèves de MS obtiennent une moyenne plus faible (M = 18.88 ; E. T = 12.04) que ceux de GS (M = 30.55 ; E. T = 8.62), F (1.72) = 70.41, p < .001. De même, les élèves scolarisés en GS (M = 26.18 ; E. T = 10.82) ont une moyenne plus faible que ceux de CP (M = 34.77 ; E. T = 6.38), F (1.78) = 41.33, p < .001.

18Par ailleurs, si l’on compare les performances des deux classes de GS, on remarque qu’elles se distinguent significativement, en effet, les GS 2010 ayant un score moyen à HTKS total (M = 30.55, E. T = 8.62) supérieur à celui des GS 2009 (M = 26.16, E. T = 10.81), F (1.151) = 7.01, p < .01.

Différences interindividuelles à HTKS suivant l’âge et le genre

19Les analyses visent à vérifier l’hypothèse selon laquelle les filles et les élèves les plus âgés auraient les meilleures habiletés d’autorégulation comportementale. Elles ont également pour but de vérifier un effet possible d’interaction entre les variables sexe et niveau scolaire des élèves.

Présentation des résultats obtenus pour la cohorte 1

20L’Anova (sexe de l’élève : garçons*filles)*(niveau de l’élève : MS*GS) réalisée sur les performances à l’épreuve d’autorégulation comportementale (HTKS) montre un effet principal du facteur âge (F (1.70) = 78.56, p < .001, η2 = .52). Ainsi, la probabilité d’obtenir de meilleur scores à HTKS diffère significativement suivant que l’élève est en MS ou en GS (M = 18.8 vs M = 30.55). En revanche, l’effet principal du sexe n’est pas significatif (F (1.70) = 1.34, p = ns). L’interaction âge*sexe est par contre significative, F (1.70) = 5.39, p < .05, η2 = .07. Une analyse partielle nous indique qu’en MS les filles (M = 21.29) tendent à avoir de meilleurs scores que les garçons (M = 15.78), (F (1.70) = 3.92, p < .06). En revanche, en GS, les filles (M = 30.19) et les garçons (M = 31) ont des scores similaires (F (1.70) = 0.154735, p = ns). Une seconde analyse partielle montre que les garçons ont progressé entre la MS (M = 15.78) et la GS (M = 31), F (1.70) = 55.68, P < .001, η2 = .44. Un pattern identique se dessine pour les filles entre la MS (M = 21.29) et la GS (M = 30.19), F (1.70) = 24.41, P < .001, η2 = .25. Ainsi, les garçons « ont rattrapé leur retard » entre la MS et la GS.

Présentation des résultats obtenus pour la cohorte 2

21Pour la cohorte 2 (N = 79), les analyses indiquent à nouveau un effet principal du niveau de classe (F (1.77) = 41.22, P < .001) et un effet principal non significatif du facteur sexe (F (1.77) = 1.34, P = ns). L’interaction âge*sexe des élèves étant également non significative, F (1.77) = 0.28, P = ns, il n’y a pas lieu d’étudier les effets partiels.

Corrélations entre les performances à HTKS, le QEM et les autres variables

Présentation des résultats obtenus pour la cohorte 1

Note : *p <.05, **p <.01 ; ***p <.001 ; CAL : compétences associées à la lecture : reconnaissance de lettres + conscience phonologique
Tableau 2 – Matrice des corrélations entre les différentes variables de l’étude pour la cohorte 1 (MS/GS).

22D’après le tableau 2, les performances des élèves de MS à HTKS sont corrélées aux compétences académiques en MS (respectivement r = 39, p < .01 pour les mathématiques et r = 28, p < .05 pour les compétences associées à la lecture). Ces performances sont également liées aux jugements des enseignants à ce même niveau scolaire (r = .37, p < .01) et un an plus tard (r = 30, p < .05) et à HTKS évalué en GS (r = .31, p < .05). En revanche, elles ne sont pas liées aux évaluations académiques un an plus tard. Les performances en mathématiques évaluées en GS sont corrélées avec le niveau d’étude de la mère, le vocabulaire évalué en MS et le QEM renseigné par les enseignants en MS (corrélations comprises entre r = 34, p < .01 et r = 46, p < .001). Les compétences associées à la lecture évaluées en GS sont quant à elles liées avec le niveau d’étude de la mère, les compétences associées à la lecture évaluées en ms, le vocabulaire évaluée en GS et au QEM renseigné à la fois en MS et en GS, les associations les plus fortes étant observées avec les compétences associées à la lecture (r = .65, p < .001) et le QEM de GS (r = .49, p < .001).

Présentation des résultats obtenus pour la cohorte 2

23D’après le tableau 3, HTKS n’est pas corrélé à l’âge, au genre et au niveau d’étude de la mère. Les performances des élèves en GS à HTKS sont corrélées aux performances en mathématiques (r = .37, p < .01) et au vocabulaire (r = .37, p < .01) évaluées en GS. Ces performances sont également liées aux jugements des enseignants à ce même niveau scolaire (r = .37, p < .01) et un an plus tard (r = .34, p < .01) et à HTKS évalué en CP (r = .24, p < .05).

24Les performances en mathématiques évaluées en CP sont corrélées avec les mathématiques évaluées en GS (r = .47, p < .001), à HTKS évalué en GS et CP (respectivement r = .58, p < .001 et r = .38, p < .01), au vocabulaire évalué en GS et CP (respectivement r = .28, p < .01), et aux QEM de GS et de CP (r = .52, p < .001 et r = .49, p < .001).

25Les performances en lecture évaluées en CP sont quant à elles corrélées avec les performances à HTKS évaluées en GS, les compétences associées à la lecture évaluées en GS, le niveau cognitif non verbal évalué au CP, le QEM de GS et de CP (corrélations comprises entre r = .25, p < .05 et r = .56, p < .001).

Note : *p < .05, **p < .01 ; ***p < .001 ; CAL : compétences associées à la lecture : reconnaissance de lettres + conscience phonologique.
Tableau 3 – Matrice des corrélations entre les différentes variables de l’étude pour la cohorte 2 (GS/CP).

Impact de l’autorégulation comportementale sur les compétences académiques

26Pour étudier la contribution de l’ARC aux compétences académiques évaluées un an plus tard, des analyses de régression multiple ont été réalisées. Deux modèles ont été réalisés pour les deux variables dépendantes de lecture et de mathématiques. Le modèle prend en compte l’évaluation de l’ARC mais également les performances académiques initiales, le QEM de GS ainsi que les niveaux en vocabulaire et à l’épreuve cognitive non verbale. Ces variables ont été intégrées aux modèles lorsqu’elles sont corrélées avec la variable à expliquer. Seuls les résultats pour la cohorte 2 (GS/CP) sont présentés puisque pour la cohorte 1 (MS/GS) les performances à HTKS évaluées en MS ne sont pas corrélées aux performances en mathématiques évaluées en GS et aux compétences associées à la lecture en GS.

Modèle

Maths CP

B

Vocabulaire GS

.03

Niveau cognitif GS

.09

Maths GS

.15

QEM GS

.33 ***

HTKS GS

.35 ***

R2Δ

.48

Note : *p < .05, **p < .01, ***p < .001.
Tableau 4 – Contribution de HTKS aux performances en mathématiques évaluées au CP.

Modèle

Lecture CP

ß

HTKS GS

.04

QEM GS

.27

Pré-lecture GS

.37

R2Δ

.45

Note : *p < .05, **p < .01, ***p < .001
Tableau 5 – Contribution de HTKS aux performances en lecture évaluées au CP.

27Le tableau 4 montre que le modèle intégrant HTKS est un modèle pertinent puisqu’il contribue à expliquer 48 % de la variance des performances en mathématiques et que l’évaluation de l’ARC en GSM est la dimension qui contribue le plus aux performances dans ce domaine (ß = .35, p < .001). Si l’on s’intéresse aux variables de GSM qui contribuent à expliquer la lecture en CP, on remarque en revanche que ce sont davantage les performances associées aux compétences en lecture évaluées en GS qui offrent le pouvoir explicatif le plus important (ß = .37, p < .01, cf. tableau 5).

Discussion-Conclusion

28Les objectifs de cette recherche étaient d’étudier la variabilité des performances à l’épreuve HTKS et les liens entre l’autorégulation comportementale et les apprentissages scolaires en MS/GS et en GS/CP chez des enfants tout-venant et d’étudier la variabilité des performances à l’épreuve HTKS.

29Les analyses descriptives indiquent que la variabilité à HTKS décline entre la MS et le CP. En CP, l’épreuve devenant « trop facile » pour des enfants de cet âge. Ce constat, n’est pas cependant spécifique à cette mesure de l’ARC. La méta-analyse de Monette et Bigras (2008) indique en effet que la faible étendue des scores constitue un problème récurrent pour certaines épreuves évaluant les FE à la période préscolaire. Du fait que ces épreuves proposent une évaluation dichotomique du type réussite/échec. Il en résulte que ces mesures ont une tendance à plafonner rapidement ce qui implique qu’elles ne peuvent être utilisées que pour des tranches d’âges restreintes (Monette et Bigras, 2008). Ces observations rejoignent celles de Ponitz et al. (2008) pour qui la tâche HTKS ne peut-être utilisée aux États-Unis que pour les élèves âgés de 4 à 6 ans.

30Nous nous attendions également à ce que les enfants les plus âgés et les filles aient une meilleure autorégulation comportementale comparativement aux enfants les plus jeunes et les garçons. Nos comparaisons intra-cohortes nous ont permis de mettre en évidence une forte progression de l’autorégulation comportementale en faveur des enfants les plus âgés. Dans un deuxième temps, lors d’une analyse de variance nous avons confirmé ce résultat. En revanche, contrairement à nos attentes, nous avons observé un effet du sexe uniquement sur les plus jeunes, lorsque les enfants sont en MS, cet effet étant en accord avec notre hypothèse puisqu’il est en faveur des filles. Les filles et les garçons, en GS et au CP ne se différencient donc pas au niveau de leur capacité d’autorégulation comportementale. Ce résultat ne va pas dans le sens de la littérature occidentale. En effet, Matthiews et al. (2009), Ponitz et al (2008) en utilisant la même épreuve d’autorégulation comportementale ont relevé des différences significatives liées au genre. Toutefois, la littérature sur le sujet ne fait pas consensus ; avec des méthodologies quelques peu différentes, Duncan et al. (2007) et Liew et al. (2008), montrent que les filles et les garçons ont des patterns similaires d’autorégulation comportementale aux États-Unis ; Wanless et al. (2011b), quant à eux n’ont pas retrouvé de différence entre filles et garçons dans la culture asiatique.

31Conformément à nos attentes HTKS est liée aux jugements des enseignants, toutefois ce n’est pas le cas pour les évaluations réalisées au CP. Le fait que HTKS ne soit pas corrélée avec l’évaluation enseignante au CP est probablement dû au manque de sensibilité de l’épreuve HTKS à ce niveau scolaire. Le jugement des enseignants tout comme HTKS est corrélé aux compétences académiques émergentes excepté pour la cohorte 1 quand on examine les liens de manière longitudinale. En effet, les performances à HTKS évaluées en MS ne sont pas liées aux performances des diverses mesures des compétences académiques réalisées en GS. L’ARC évaluée en GS contribue de manière non négligeable à l’explication des performances en mathématiques du CP. Ainsi, HTKS contribue à l’explication des performances en mathématiques mais pas en lecture ce qui est conforme aux résultats des études américaines sur les liens entre HTKS et les performances académiques chez des enfants d’âge comparable aux nôtres (Ponitz et al. 2009). Pour expliquer le fait qu’HTKS soit moins liée aux performances mathématiques entre la MS et la GS, on peut supposer à l’instar de Toll, Van der Ven, Keerbergen et Van Luit (2011) que le rôle de l’autorégulation comportementale augmente quand la complexité des tâches mathématiques augmente. Les épreuves de mathématiques proposées aux élèves de CP font davantage appel à l’inhibition que les épreuves de GS et MS qui concernent davantage des aspects dépendants de la connaissance (par exemple, les tables d’addition…) pouvant-être facilement récupérés en mémoire à long terme (Blair et Razza, 2007).

32Ces premiers résultats incitent à poursuivre les recherches selon deux axes complémentaires. Le premier concerne la recherche fondamentale et vise à mieux comprendre les relations complexes existant entre l’ARC et les apprentissages scolaires mais aussi les liens entre l’ARC, les compétences sociales et le concept de soi. En effet, comme nous le rappelle Lewis et Todd (2007), le terme autorégulation dans son sens large inclus un questionnement sur qu’est-ce que le soi ? Par ailleurs, le cadre conceptuel de Baumeister et ses collègues (2007) insiste sur le fait que l’autorégulation est envisagée comme une construction de soi. Selon les auteurs, les activités et les fonctions du soi peuvent-être regroupées selon trois constructions : la conscience réflexive, le soi socialisé, et les fonctions exécutives. La conscience réflexive qui représente l’ensemble de nos convictions à propos de nous-mêmes est actuellement plus connue sous le terme de concept de soi. Le soi est « socialisé » car il est un outil dynamique pour les interactions avec les autres personnes. Ainsi, autorégulation, connaissance de soi et relations interpersonnelles seraient liées. Par ailleurs, comme le souligne Letartre et al. (2008, p. 528), trop rares sont les « recherches qui vérifient un modèle s’appliquant à la fois à la réussite dans les matières scolaires et à l’adaptation sociale des enfants à l’école ». L’adaptation sociale n’est pourtant pas à négliger quand on sait que le besoin d’appartenance à un groupe représente l’une des motivations les plus fortes de l’être humain (Baumeister et Leary, 1995).

33Le second axe concerne les applications pratiques de ces travaux qui doivent déboucher sur l’élaboration de programmes d’intervention destinés à aider les enfants à réguler leurs comportements. Par ailleurs, selon Cèbe et Paour (2001) plus ces programmes d’intervention ont lieu tôt dans la scolarité plus il est aisé d’obtenir un transfert sur les apprentissages scolaires. Ces mêmes auteurs ont montré qu’en mettant en place de entraînements à la régulation comportementale et cognitive on peut contribuer à réduire les différences sociales et donc « éviter que l’école ne transforme aussi implacablement les différences sociales et culturelles en inégalités scolaires » (p. 108).

Bibliografía

Références

Barkley R. A., « The executive functions and self-regulation: An evolutionary neuropsychological perspectives », Neuropsychology Review, 11 (1), 2001, p. 1-29.

Baumeister R. F. et Leary M. R., « The need to belong: Desire for interpersonal attachments as a fundamental human motivation », Psychological Bulletin, 117 (3), 1995, 497-529.

Baumeister R. F., Schmeichel B. J. et Vohs K., « Self-regulation and executive function. The self as controlling agent », inKruglanski A. W. et Higgins E. T. (dir.), Social psychology: handbook of basic principles (2e édition), New York, NY US, Guilford Press, 2007, p. 516-530.

Best J. R., Miller P. H., Jones L. L., « Executive functions after age 5: changes and correlates », Developmental Review, 29 (3), 2009, p. 180-200.

Billard C., Livet M. O., Gillet P., Galloux A., Vol S., Motte J., Kervarec A. et al., Batterie d’évaluation des fonctions cognitives (BREV), nouvelle édition enrichie, Paris, Éditions Signes, 2002.

Blair C., « School readiness: Integrating cognition and emotion in a neurobiological conceptualization of children’s functioning at school entry », American Psychologist, 57 (2), 2002, p. 111-127.

Blair C., Gamson D., Thorne S. et Baker D., « Rising mean IQ: Cognitive demand of mathematics education for young children exposure to formal schooling, and the neurobiology of the prefrontal cortex », Intelligence, 33, 2005, p. 93-106.

Blair C. et Razza R. P., « Relating effortful control, executive function, and false belief understanding to emerging math and literacy ability in kindergarten », Child Development, 78 (2), 2007, p. 647-663.

Blair C. et Ursache A., « A bidirectional model of executive functions and self-regulation », inVohs K. D. et Baumeister R. F (dir.), Handbook of self-regulation: Research, theory, and applications (2e édition), New-York, NY US, Guilford Press, 2011, p. 300-320.

Brock L. L., Rimm-Kaufman E. S., Nathanson L. et Grimm J. K., « The contributions of ‘ hot’and ‘cool’ executive function to children’s academic achievement, learning related behaviors, and engagement in kindergarten », Early Childhood Research Quarterly, 24, 2009, p. 337-349.

Bronson M. B., Self-regulation in early childhood: Nature and nurture, New-York, NY US, Guilford Press, 2000.

Calkins S. D. et Howse R. B., « Individual differences in self-regulation: implications for childhood adjustment », inPhilippot P. et Feldman R. S. (dir.), The regulation of Emotion, Mahevah, NJ US, Erlbaum, 2004, p. 307-322.

Cèbe S. et Paour J.-L., « Education cognitive à l’école maternelle et apprentissage de la lecture en primaire », Revue de psychologie de l’éducation, 4, 2001, p. 86-112.

Foulin J. N., Épreuves de reconnaissance et de dénomination de lettres, non publié, 2002.

Gestsdottir S. et Lerner R. M., « Positive development in adolescence: the development and role of intentional self-regulation », Human Development, 51, 2008, p. 202-224.

Guimard P. et Florin A., « Les évaluations des enseignants en grande section de maternelle sont-elles prédictives des difficultés de lecture au cours préparatoire ? », Approche Neuropsychologique des Apprentissages chez l’enfant, 91, 2007, p. 5-17.

Guimard P., Florin A. et Nocus I., « Comment les enseignants d’école maternelle peuvent-ils prédire les trajectoires scolaires de leurs élèves ? », Revue Européenne de Psychologie Appliquée, 52 (1), 2002, p. 63-76.

HCE, « L’école primaire : bilan des résultats de l’école 2007 », Retrieved December, 12, [http://hceeducation.fr/gallery_files1site/21/41pdf], 2009.

Howse R. B., Lange G., Farran D. C. et Boyles C. D., « Motivation and self-regulation as predictors of achievement in economically disadvantaged young children », The Journal of Experimental Education, 71 (2), 2003, p. 151-174.

Hughes C. et Ensor R., « Individual differences in growth in executive function across the transition to school predict externalizing and internalizing behaviors and self-perceived academic success at 6 years of age », Journal of Experimental Child Psychology, 108 (3), 2011, p. 663-676.

Ivrendi A., « Influence of self-regulation on the development of children’s number sense », Early Childhood Education Journal, 39, 2011, p. 239-247.

Khomsi A., Évaluation du Langage Oral (ELO), Paris, ECPA, 2001.

Lan X., Legare C. H., Cameron C. E, Li S. et Morrison F. J., « Investigating the links between the subcomponents of executive function and academic achievement: A cross cultural analysis of Chinese and American preschoolers », Journal of Experimental Child Psychology, 108, 2011, p. 677-692.

Letartre M. J., Normandeau S., Parent S., Boudreau J. F., Bigras M. et Capuano F., « Rôle médiateur de la compétence de l’enfant à l’entrée à l’école dans la relation entre les caractéristiques familiales et son adaptation scolaire », Canadian Journal of Education, 31 (3), 2008, p. 511-536.

Lewis M. D. et Todd R. M., « The self-regulating brain: cortical-subcortical feedback and the development of intelligent action », Cognitive Development, 22 (4), 2007, p. 406-430.

Liew J., Mctigue E. M., Barrois L. et Hughes J. N., « Adaptative and effortful control and academic self-efficacy beliefs on achievement: A longitudinal study of 1st through 3rd graders », Early Childhood Research Quarterly, 23, 2008, p. 515-526.

Mathiews J. S., Ponitz C. C. et Morrison F. J., « Early gender differences in self-regulation and academic achievement », Journal of Educational Psychology, 101 (3), 2009, p. 689-704.

McClelland M. M., Acock A. C. et Morrison F. J., « The impact of kindergarten learning skills on academic trajectories at the end of elementary school », Early Childhood Research Quarterly, 21, 2006, p. 471-490.

McClelland M. M. et Cameron C. E., « Self-regulation in early childhood: Improving conceptual clarity and developing ecologically valid measures », Child Development Perspectives, 6 (2), 2012, p. 136-142.

McClelland M. M., Cameron C. E., Connor C. M., Farris C. L., Jewekes A. M. et Morrison F. J., « Links between behavioral regulation and preschoolers’ literacy, vocabulary, and math skills », Developmental Psychology, 43 (4), 2007a, p. 947-959.

McClelland M. M., Cameron C. E., Wanless S. B. et Murray A., « Executive function, behavioral self-regulation and social-emotional competence. Links to school readiness », inSaracho O. N. et Spodek B. (dir.), Contemporary perspectives on social learning in early childhood education, Charlotte, NC, Information Age, 2007b, p. 83-107.

McClelland M. M., Morrison F. J. et Holmes D. L., « Children at risk for early academic problems: the role of learning-related social skills », Early Childhood Research Quarterly, 15, 2000, p. 307-329.

McClelland M. M., Ponitz C. C., Messersmith E. et Tominey S., « Self-regulation: The integration of cognition and emotion », in Lerner R. (Series Ed.) et Overton W. (Vol. Ed.), Handbook of lifespan human development, Hoboken, NJ, Wiley and Sons, 2010, p. 509-553.

Miyake A. et Friedman N. P., « The nature and organization of individual differences in executive functions. Four general conclusions », Current Directions in Psychological Science, 21 (1), 2012, p. 8-14.

Monette S. et Bigras, « La mesure des fonctions exécutive chez les enfants d’âge préscolaire », Psychologie Canadienne/Canadian Psychologie, 49 (4), 2008, p. 329-341.

Pintrich P. R., « The role of goal orientation in self-regulated learning », inBoekaerts M., Pintrich P. R et Zeidner M. (dir.), Handbook of self-regulation, San Diego, Academic Press, 2000, p. 452-494.

Ponitz C. C., McClelland M. M., Jewkes A. M., Connor C. M, Farris C. L. et Morrison F. J., « Touch your toes! Developing a direct measure of behavioral regulation in early childhood », Early Childhood Research Quarterly, 23, 2008, p. 141-158.

Ponitz C. C., McClelland M. M., Mathiews J. M. et Morrison J. F., « A structured observation of behavioral self-regulation and its contribution to kindergarten out-comes », Developmental Psychology, 45 (3), 2009, p. 605-616.

Posner M. I. et Rothbart M. K., « Developing mechanisms of self-regulation », Development & Psychopathology, 12, 2000, p. 427-441.

Rimm-kaufman S. E., Pianta R. C. et Cox M. J., « Teacher’s judgments of problems in the transition to kindergarten », Early Childhood Research Quarterly, 15, 2000, p. 147-166.

Schunk D. H., « Commentary on self-regulation in school contexts », Learning and instruction, 15, 2005, p. 173-177.

Smith-Donald R., Raver C. C., Hayes T. et Richardson B., « Preliminary construct and concurrent validity of the preschool self-regulation assessment (PSRA) for field-based research », Early Childhood Research Quarterly, 22, 2007, p. 173-187.

Stipek D., Newton S. et Chudgar A., « Learning-related behaviors and literacy achievement in elementary school-aged children », Early Childhood Research Quarterly, 25 (3), 2010, p. 385-395.

Suchodoletz A. V, Trommsdorff G., Heikamp T., Wieber F. et Gollwitzer P. M., « Transition to school: The role of kindergarten children’s behavior regulation », Learning and Individual Differences, 19, 2009, p. 561-566.

Toll W. M. S., Vand Der Ven H. G. S., Kroesbergen H. E. et Van Luit E. H. J., « Executive functions as predictors of math learning disabilities », Journal of learning disabilities, 44 (6), 2011, p. 521-532.

Van Nieuwenhoven C., Noël M. P. et Grégoire J., TEDI-MATH, test diagnostique des compétences de base en mathématiques, Paris, ECPA, 2001.

Wanless S. B, McClelland M. M., Acock A. C., Chen F. M. et Chen J. L., « Behavioral regulation and early academic achievement in Taiwan », Early Education & Development, 22 (1), 2011a, p. 1-28.

Wanless S. B, McClelland M. M., Acock A. C., Ponitz C. C., Son S.-H., Lan X. et al., « Measuring behavioral regulation in four societies », Psychological Assessment, 23 (2), 2011b, p. 364-378.

Índice de ilustraciones

Leyenda Tableau 1 – Distribution des performances (moyenne, écart-type et étendue des scores) à la tâche d’autorégulation comportementale.
URL http://books.openedition.org/pur/docannexe/image/61474/img-1.jpg
Archivo image/jpeg, 82k
Leyenda Note : *p <.05, **p <.01 ; ***p <.001 ; CAL : compétences associées à la lecture : reconnaissance de lettres + conscience phonologiqueTableau 2 – Matrice des corrélations entre les différentes variables de l’étude pour la cohorte 1 (MS/GS).
URL http://books.openedition.org/pur/docannexe/image/61474/img-2.jpg
Archivo image/jpeg, 264k
Leyenda Note : *p < .05, **p < .01 ; ***p < .001 ; CAL : compétences associées à la lecture : reconnaissance de lettres + conscience phonologique.Tableau 3 – Matrice des corrélations entre les différentes variables de l’étude pour la cohorte 2 (GS/CP).
URL http://books.openedition.org/pur/docannexe/image/61474/img-3.jpg
Archivo image/jpeg, 181k

Salvo indicación contraria, el texto y otros elementos (ilustraciones, archivos adicionales importados) se puede utilizar bajo licencia OpenEdition Books License.

Buscar en OpenEdition Search

Se le redirigirá a OpenEdition Search