La mise en relation des résultats offre une information supplémentaire qui permet de dépasser des avis individuels et étudier les représentations et/ou opinion en fonction d'une caractéristique commune d'un groupe de personnes. Les données utilisées sont celles réunies dans une enquête concernant l'usage de l'ordinateur à l'école (résultats neuchâtelois). Les groupes considérés dans cette enquête ont été constitués en fonction du sexe et du degré d'expérience avec l'ordinateur. Trois questions sont examinées qui concernent l'adhésion aux trois objectifs d'usage de l'ordinateur: initiation à un outil (initie), valorisation des travaux des élèves (valorise), consolidation des notions scolaires (consolide).

Pour comparer deux groupes, on peut établir un tableau croisé, c'est-à-dire une présentation des taux de réponse pour chacun des groupe. Cela permet de constater des pourcentages différents. Le problème est de savoir comment rendre compte, par un indice global, de ces différences. Par ailleurs, à partir de quelles valeurs les différences deviennent suffisamment importantes pour être prises en compte? Plusieurs indices peuvent être calculés et pour chacun d'eux, on peut calculer la probabilité de se tromper en prétendant que ces différences sont “aléatoires”. Voici le tableau présentant l'importance attribuée à l'objectif “initie” dans les différents groupes constitués à partir du niveau d'expérience.

Degré de l'expérience et objectif “ initie ”
	beaucoup	un peu	pas tellement	pas du tout	total
Sans exp.	13 (65%)*	6 (30%)	0	1 (5%)	20
Exp. pers	29 (64%)	14 (31%)	2 (4%)	0	45
Exp. classe	33 (83%)	7 (17%)	0	0	40
Total		27	2	1	105
Pearson Chi-square p=.14			Spearman Rank R p=.065
* Les pourcentages sont donnés à titre indicatif afin de comparer facilement les différents groupes.

On lie à ce tableau deux indices, le premier (chi-carré) donne une différence entre les profils, c'est-à-dire une différence entre les pourcentages relevés dans chaque cellule et un pourcentage moyen (pourcentages marginaux). L'autre indice correspond à un glissement régulier des effectifs d'une ligne à l'autre (R de Spearman). On trouve les probabilités de tirer ces profils “au hasard” indiquée par p. Les valeurs limites considérées sont en général 0.1, 0.05, 0.01. Au delà de 0.1 la différence n'est pas prise en compte. Entre 0.1 et 0.05 on peut commencer à la prendre en compte parce que cette répartition a peu de chance d'être due au hasard (moins d'une chance sur dix). Entre 0.05 et 0.01, elle est considérée comme “significative”, on a entre 1 et 5 chances sur 100 de se tromper en admettant que le hasard a provoqué cette configuration. En dessous de 0.01 elle est signalée comme “très significative”. Ces trois degrés de certitude sont figurés dans le texte par +, * et **.

Ce deuxième tableau présente le même objectif pour les hommes et les femmes:

 

Sexe et objectif “initie”
	beaucoup	un peu	pas tellement	pas du tout	total
Homme	50 (72%)	19 (28%)	0	0	69
Femme	25 (69%)	8 (22%)	2 (6%)	1 (3%)	36
Total	75	27	2	1	105
Pearson Chi-square p=.11			Spearman Rank R p=.57

A titre de contrôle et de complément, il a été également procédé à une analyse de la variance. Ce test permet d'avoir en outre une première idée sur les effets “ d'interaction ”, c'est-à-dire, une différence d'opinion entre hommes et femme à l'intérieur même du groupe des enseignants avec expérience de l'ordinateur, et de façon identique pour les novices de l'ordinateur. Le test compare la moyenne des opinions (comme si l'opinion était une note entre 1 et 4) d'un groupe à l'autre. Pour cela, on calcule MS moyenne des différences quadratiques à la moyenne entre les groupes et MST, même moyenne calculée dans les groupes. Le nombre F est le rapport de ces deux écarts moyens. p est la probabilité de trouver un F aussi élevé “au hasard”. dl, “degré de liberté”, est un paramètre utilisé pour calculer p.

Le schéma ci-dessous, montre que il n'y a pas d'effet sexe, qu'il y a un effet “expérience” (le tableau ci-dessus nous montre de quelle manière) et que le sexe n'a pas d'effet sur cet effet ! Le symbole

Analyse de variance: objectif “initie”
	dl effet	MS effet		F	p
Sexe	1	.001806		0.005851	.94
Degré d'exp.	2	.859155		2.784208	.067
Sexe x Degré d'exp.	2	.443696		1.437857	.24
dl total = 99			MST = .308581

L'objectif valorise

Par rapport à l'objectif “valorise”, il est possible de procéder à la même analyse.

Degré de l'expérience et objectif “valorise”
	beaucoup	un peu	pas tellement	pas du tout	total
Sans exp.	14 (70%)	3 (15%)	3 (15%	0	20
Exp. pers	25 (57%)	15 (34%)	1 (2%)	3 (7%)	44
Exp. classe	25 (62%)	14 (35%)	1 (3%)	0	40
Total	64	32	5	3	104
Pearson Chi-square p=.06			Spearman Rank R p=.92

Il est intéressant de constater ici que les profils sont différents (test du chi-2) mais que cela n'est pas dû à un glissement des opinions selon la hiérarchie adoptée pour le degré d'expérience (test de Spearman).

Sexe et objectif “valorise”
	beaucoup	un peu	pas tellement	pas du tout	total
Homme	38 (55%)	24 (35%)	5 (7%)	2 (3%)	69
Femme	26 (74%)	8 (23%)	0	1 (3%)	35
Total	64	32	5	3	104
Pearson Chi-square p=.17			Spearman Rank R p=.049

Les femmes sont nettement plus sensibles à l'objectif de valorisation ainsi que le montre le test de Spearman.

L'analyse de variance conduit au même résultat. Par ailleurs, elle ne met en évidence aucun effet lié au degré d'expérience. La différence constatée est donc due à des répartitions diverses (croisement des “un peu” et des “pas tellement”).

Analyse de variance: opinion “valorise”
	dl effet	MS effet		F	p
Sexe	1	2.325937		4.571859	.035
Degré d'exp.	2	.239128		.470029	.63
Sexe x Degré d'exp.	2	.512009		1.006405	.37
dl total = 98			MST = .508751

L'objectif consolide

L'analyse du cas “consolide” présente un troisième cas de figure. En effet dans ce cas, l'analyse de variance note un effet du degré d'expérience mais non lié à la hiérarchie imaginée, mais bien plutôt par opposition des opinions des enseignants ayant une expérience personnelle, par rapport à ceux sans expérience ou qui possèdent une expérience en classe.

Degré de l'expérience et objectif “consolide”
	beaucoup	un peu	pas tellement	pas du tout	total
Sans exp.	9 (45%)	7 (35%)	3 (15%)	1 (5%)	20
Exp. pers	7 (16%)	17 (40%)	13 (30%)	6 (14%)	43
Exp. classe	8 (21%)	23 (61%)	7 (18 %)	0	38
Total	24	47	23	7	101
Pearson Chi-square p=.018			Spearman Rank R p=.91

Sexe et objectif “consolide”
	beaucoup	un peu	pas tellement	pas du tout	total
Homme	14 (21%)	33 (49%)	17 (25%)	4 (6%)	68
Femme	10 (30%)	14 (42%)	6 (18%)	3 (9%)	33
Total	24	47	23	7	101
Pearson Chi-square p=.61			Spearman Rank R p=.47

Analyse de variance: objectif “consolide”
	dl effet	MS effet		F	p
Sexe	1	.013324		0.019859	.89
Degré d'exp.	2	2.311615		3.445356	.036
Sexe x Degré d'exp.	2	1.327654		1.978808	.14
dl total = 95			MST = .670937