Page 96

Éléonore VRILLON

96

5.2. L’émergence d’une typologie

5.2.1. L’analyse des correspondances multiples

L’analyse des Correspondances Multiples (ACM) est une méthode statistique dont l’intérêt consiste à rendre possible une vision d’ensemble des liaisons qui existent entre les variables caractérisant le phénomène observé. «La perspective est de montrer au chercheur ses données sous le meilleur jour possible, de façon qu’il puisse y découvrir les structures sousjacentes » (Cibois, 1981). Elle permet la mise en évidence de «types idéaux » dont la caractéristique n’est pas de représenter les configurations empiriques observées mais bien de constituer un point de départ à l’analyse du phénomène qui nous intéresse. Fondée sur une extension des principes de l’analyse factorielle des correspondances, elle permet d’étudier les associations entre des variables qualitatives (Cibois, 2006). Les résultats ainsi obtenus par une ACM font émerger des formes idéales typiques, résultant de l’attraction de certaines caractéristiques des MOOC, auxquelles peuvent être comparés les MOOC empiriquement observés. Afin d’identifier les liaisons possibles entre les caractéristiques des MOOC, nous avons réalisé, à l’aide du logiciel STATA (http:// www. stata . com/), une ACM avec la méthode indicator. Après exclusion des valeurs manquantes, nous avons affiné les résultats par itérations successives. Dans un premier temps, nous avons inclus l’intégralité des variables exposées précédemment. Or, ni la durée du MOOC, ni leur caractère certifiant ne contribuent à la structure des axes. Par suite, ces variables n’ont été retenues qu’en tant que variables supplémentaires, afin d’identifier leur proximité aux autres variables étudiées. De même, la variable Etablissement à l’origine du MOOC a été intégrée en variable supplémentaire, afin d’étudier spécifiquement dans le cadre de cette ACM les caractéristiques intrinsèques des MOOC de FUN. Ce sont donc quatre variables actives, pour un total de treize modalités, et trois variables supplémentaires qui ont été retenues pour l’ACM dont nous présentons les résultats ci-après. Pour l''interprétation des résultats, nous concentrons notre analyse sur les quatre premières dimensions de l’ACM ainsi calculée1 expliquant 62 %

1 «On peut discriminer ici en ne conservant que les valeurs propres qui sont supérieures à la valeur propre moyenne, soit l’inertie totale / nombre de dimensions obtenues » (Cahuzac et Bontemps, 2008). Dans notre cas : 2.25/ 9 = 0.25. Nous analysons donc les quatre premières dimensions obtenues.