Données et méthodes

Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

Contenu archivé

Cette page Web a été archivée dans le Web.

Données – Enquête auprès des jeunes en transition (EJET), cohorte A

Dans le présent rapport, nous utilisons les données couplées de l’Enquête auprès des jeunes en transition (EJET) et du Programme international pour le suivi des acquis des élèves (PISA), qui contient des données de la composante canadienne de l’enquête du PISA de 2000, alors que les jeunes avaient 15 ans, ainsi que les données longitudinales de l’EJET à 25 ans (cycle 6). Le recours à ces données permet d’établir un lien entre les caractéristiques affichées à l’adolescence et les résultats scolaires obtenus au début de l’âge adulte¹.

Les données du cycle 1 au cycle 6 (25 ans) ont été utilisées pour prendre en compte autant de jeunes que possible dans les premiers programmes d’études postsecondaires (EPS). D’autres travaux (voir Finnie et Childs, 2010, et OCDE, 2010), qui mesuraient le choix d’un programme uniquement jusqu’à 21 ans (ou le cycle 4), bénéficiaient d’un plus grand échantillon, mais s’accompagnaient d’une perte possible d’information. Par exemple, Finnie et Childs (2010) ont constaté qu’à 21 ans, 25 % des jeunes n’avaient pas encore commencé leurs EPS. Dans l’échantillon actuel allant jusqu’à 25 ans, ces chiffres sont ramenés à moins de 20 % (voir le tableau 1A). Par ailleurs, étant donné l’intérêt actuel pour les différences entre les hommes et les femmes, le fait de mesurer seulement les données à 21 ans risque d’exclure inutilement les hommes qui finissent par faire des EPS après 21 ans. Finnie et Childs (2010) ont découvert que 31 % des hommes et 19 % des femmes n’avaient pas commencé d’EPS à 21 ans, ce qui constitue un écart considérable, qui est ramené à environ 24 % chez les hommes et 12 % chez les femmes à 25 ans dans l’échantillon actuel (analyse non présentée). Par conséquent, en incluant les données jusqu’au cycle 6, le présent document a plus de chances que les autres travaux d’intégrer plus d’hommes qui vont à l’université.

Résultat : Premier programme universitaire

Le premier programme universitaire est mesuré du cycle 2 (17 ans) au cycle 6, au moment où les jeunes atteignent l’âge de 25 ans. Dans la présente étude, seuls les jeunes fréquentant une université sont inclus en raison de la difficulté inhérente à la comparaison des programmes selon le type d’établissement. Les jeunes qui ne fréquentent pas une université constituent un sujet intéressant et très important, mais nous laissons cette question à de prochains travaux².

À l’aide des listes de programmes de l’EJET des cycles 2 à 6, nous avons déterminé le premier programme universitaire de chaque répondant au moyen du code de la Classification des programmes d’enseignement (CPE) pour le principal domaine d’études ou de spécialisation. Même si le type de premier programme d’une personne n’est peut-être pas son programme final lorsqu’elle obtient son diplôme (si elle l’obtient), il indique les intérêts initiaux d’une personne à sa sortie de l’école secondaire. Certains jeunes changent de programme pendant leurs années d’études universitaires, mais, selon des travaux antérieurs, la majorité des premiers programmes des jeunes sont ceux dans lesquels ils demeurent pendant leurs cinq années d’université. Finnie et Childs (2010) ont constaté, par exemple, que 38 % des étudiants qui n’étaient pas dans les domaines des sciences, des technologies, du génie et des mathématiques (domaines autres que les STGM) avaient changé de programme ou quitté l’université avant leur cinquième année d’études universitaires, alors que la proportion de ceux qui avaient quitté l’un de ces programmes en STGM était significativement moindre, soit 24 %.

Dans la présente étude, pour mesurer le type de programme, il a fallu repenser la catégorisation des 13 regroupements principaux de la Classification des programmes d’enseignement (CPE) 2000 en cinq catégories. Les cinq nouvelles catégories, inspirées d’ouvrages antérieurs (voir Montmarquette, Cannings et Mahseredjian, 2002) sont les suivantes : (1) Sciences sociales (y compris les arts, l’éducation, les sciences humaines, les sciences sociales et le droit); (2) Commerce/gestion/administration publique; (3) Sciences/mathématiques/sciences informatiques, génie et agriculture; (4) Santé, parcs, récréation et conditionnement physique; (5) Autres. Par souci de concision, le titre des cinq catégories est raccourci comme suit : (1) Sciences sociales; (2) Commerce; (3) STGM; (4) Santé; (5) Autres (voir la description de la nouvelle catégorisation au tableau 1 en annexe)³.

Le tableau 1A montre la distribution des programmes pour tous les jeunes, y compris ceux qui ne sont jamais allés à l’université à 25 ans (notamment ceux qui ont fait un autre type d’EPS) et seulement la population ayant fréquenté l’université pour les échantillons en mathématiques et en sciences⁴.

Tableau 1A Type de premier programme

Les sciences sociales sont les premiers programmes les plus répandus à l’université, suivis des programmes en STGM, puis de ceux en commerce, santé et autres. Toutefois, environ 20 % des jeunes adultes n’avaient pas commencé un premier programme d’EPS en décembre 2009, alors qu’ils avaient 25 ans.

Parmi les jeunes femmes, les premiers programmes universitaires les plus courants sont en sciences sociales : pour 50 % d’entre elles, ces types de programmes constituent le premier choix à l’université (tableau 1B). Ce pourcentage est bien plus élevé que la proportion d’hommes qui étudient en sciences sociales, soit seulement 32 %. Chez les jeunes hommes, les premiers programmes universitaires les plus fréquents sont dans les domaines des STGM, à 44 %. En revanche, seulement 20 % des premiers programmes universitaires des femmes sont dans les domaines des STGM. Parallèlement, la proportion d’hommes et de femmes qui suivent des programmes en commerce est à peu près identique, se situant à 14 %. Par ailleurs, les femmes semblent être beaucoup plus susceptibles que les hommes de suivre un premier programme universitaire dans le domaine de la santé⁵.

Tableau 1B Type de premier programme des étudiants fréquentant une université, selon le sexe

Scores du PISA en mathématiques et en sciences à 15 ans

Dans l’enquête de 2000, au moment où les jeunes avaient 15 ans, la compétence en lecture constituait le sujet d’intérêt principal, de sorte que seul un sous-échantillon de personnes choisies au hasard ont répondu à un plus petit nombre de questions en mathématiques et en sciences que l’échantillon complet destiné à évaluer la compréhension de l’écrit (OCDE, 2010; Statistique Canada, 2004). Au total, 32 questions en mathématiques et 35 questions en sciences faisaient partie des évaluations du PISA en 2000. Néanmoins, les échelles du PISA en mathématiques et en sciences ont été conçues pour mesurer la culture mathématique et scientifique des jeunes de 15 ans et, grâce au couplage avec l’aspect longitudinal de l’EJET, nous pouvons examiner la relation entre la culture mathématique et scientifique à 15 ans et plusieurs résultats au début de l’âge adulte au Canada.

La culture mathématique est utilisée dans le contexte actuel pour indiquer « la capacité d’utiliser les connaissances et les compétences en mathématiques de manière fonctionnelle, plutôt que de simplement les maîtriser dans le cadre d’un programme scolaire ». Par ailleurs, la culture scientifique se définit comme suit : « capacité d’associer des connaissances scientifiques à la formation de conclusions fondées sur l’observation des faits et d’élaborer des hypothèses en vue de comprendre le monde naturel et les transformations qui y sont apportées par l’activité humaine, et de contribuer à la prise de décisions à cet égard » (Bussière, Cartwright, Crocker, Ma, Oderkirk et Zhang, 2001 : 92).

La présente étude utilise les niveaux moyens en sciences et en mathématiques du cycle 1, quand les jeunes avaient 15 ans. Les niveaux de culture mathématique et scientifique ont également été créés et utilisés pour établir une mesure reposant sur les niveaux supérieurs de l’aptitude aux mathématiques et aux sciences : les jeunes étant définis comme ayant une aptitude « élevée » en mathématiques ou en sciences se situent dans le quatrième niveau de compétence ou un niveau supérieur⁶. En général, les jeunes affichant des niveaux plus élevés de culture scientifique et mathématique intègrent et utilisent plus facilement les concepts mathématiques et scientifiques. Leur réflexion et leur connaissance des concepts ainsi que leurs compétences en résolution de problèmes scientifiques et mathématiques sont plus solides que pour les jeunes des niveaux inférieurs.

Variables de contrôle

Plusieurs variables sont incluses pour tenir compte des facteurs qui peuvent influer sur la décision d’un jeune de s’inscrire à un programme particulier à l’université. Par conséquent, ces variables de contrôle sont moins liées à l’« accès » aux études postsecondaires (EPS), l’accès étant considéré être un acquis puisque l’échantillon examiné a commencé un programme universitaire avant 25 ans⁷.

Les variables de contrôle sont regroupées dans les trois grandes catégories suivantes :

1. Facteurs liés au rendement des élèves et aux intérêts scolaires à l’école secondaire (mesurés à 15 ans, à moins d’indication contraire) – Comprennent les notes en mathématiques ou en sciences, un indice des capacités autoévaluées en mathématiques⁸, l’aptitude en lecture mesurée au moyen des tests de lecture du PISA, l’année d’études au cours de laquelle les tests du PISA ont été donnés, la fréquence de l’utilisation des laboratoires de science, et un indice servant à mesurer le sentiment de contrôle/maîtrise.
2. Caractéristiques démographiques – Comprennent le sexe, la province de résidence à 15 ans, si le répondant vivait en milieu rural à 15 ans et si le répondant et ses parents étaient nés au Canada.
3. Influence parentale/familiale – Plusieurs facteurs liés à la famille et/ou aux parents sont inclus : le niveau d’études des parents, la mesure dans laquelle les parents connaissent l’enseignant de leur enfant, ainsi que deux facteurs qui mesurent la relation parents-enfant, notamment la fréquence avec laquelle un parent et un adolescent parlent de la future carrière et des études de l’adolescent, ainsi que la fréquence des discussions sur des questions politiques et sociales d’actualité entre les parents et les adolescents⁹.

Quatre des variables explicatives au niveau de l’élève revêtent un intérêt particulier : les notes en mathématiques ou en sciences, les capacités autoévaluées en mathématiques, la fréquence de l’utilisation du laboratoire de sciences et l’aptitude en lecture. Les notes, qui sont étroitement liées aux mesures objectives du PISA, mesurent le degré de difficulté qu’un jeune risque d’avoir en mathématiques ou en sciences (du moins si l’on se fie aux mesures des cours choisis en mathématiques/sciences), tandis que les capacités autoévaluées en mathématiques et la fréquence de l’utilisation du laboratoire de sciences mesurent possiblement l’intérêt d’une personne et son niveau de confiance dans la matière. Or, il se peut que les notes ne permettent pas de mesurer avec exactitude l’aptitude d’une personne, mais plutôt qu’elles soient confondues avec une multitude de facteurs comprenant l’autodiscipline, l’aptitude d’une personne à s’adapter au système scolaire au secondaire et la perception des enseignants (Cornwell et coll., 2011). Par ailleurs, les capacités autoévaluées dans une matière peuvent créer de la confusion selon le sexe, parce qu’il se peut que les filles ne classent pas aussi bien leur aptitude à une matière particulière qu’elle l’est en réalité, alors que les garçons ont souvent tendance à exagérer la leur (Cech, Rubineau, Silbey et Seron, 2011; Correll, 2001).

Ainsi, les résultats aux tests de rendement, comme les scores du PISA, représentent probablement l’option de choix pour mesurer l’aptitude, parce qu’ils peuvent offrir une mesure plus fiable de l’aptitude d’une personne en mathématiques et en sciences et ne sont peut-être pas autant touchés par des questions telles que l’autodiscipline, l’inflation/la déflation de l’aptitude ou le traitement différencié dans le système scolaire fondé sur le sexe. Néanmoins, il est important d’inclure chacun de ces facteurs parce qu’ils pourraient modifier la relation entre les résultats de tests objectifs et le choix du programme universitaire, et qu’ils pourraient fonctionner différemment pour les jeunes hommes et les jeunes femmes. Enfin, l’aptitude à la lecture est intégrée pour aider à mesurer l’aptitude générale aux études des élèves en plus de l’aptitude aux mathématiques et aux sciences et parce qu’il s’agit aussi d‘un indicateur essentiel pour prédire le choix d’un programme (voir Finnie et Childs, 2010; et OCDE, 2010).

Méthode

Trois questions de recherche sont posées dans le présent rapport. Premièrement, quels programmes les élèves ayant une aptitude aux mathématiques et aux sciences élevée choisissent-ils lorsqu’ils s’inscrivent à l’université pour la première fois? Deuxièmement, est-ce que le sexe a une importance? C'est­à-dire, est-ce que les hommes et les femmes ayant des aptitudes  aux mathématiques et aux sciences égales choisissent des programmes semblables à l’université? Troisièmement, est-ce que la relation entre le sexe, l’aptitude aux mathématiques et aux sciences et le choix d’un programme subit l’incidence d’autres facteurs? L’analyse comprendra des méthodes descriptives et à plusieurs variables faisant appel à la régression logistique multinomiale.

L’analyse se déroulera comme suit. Premièrement, nous comparerons les niveaux moyens des scores en mathématiques/sciences du PISA pour tous les premiers programmes universitaires de l’échantillon total de jeunes fréquentant une université et séparément selon le sexe (tableau 2). Deuxièmement, les groupes résultant du croisement entre le sexe et des niveaux d’aptitude aux mathématiques/sciences (élevés ou faibles) sont comparés, afin de voir comment ces groupes diffèrent sur le plan du premier programme universitaire (tableau 3). Troisièmement, nous évaluerons la relation entre l’aptitude aux mathématiques/sciences et le sexe pour prévoir le choix du premier programme universitaire au moyen d’une série de modèles de régression multinomiale à plusieurs variables. Le premier modèle, le modèle bivarié, comprend la mesure de l’aptitude aux mathématiques/sciences selon le sexe. Le deuxième modèle inclut toutes les variables de contrôle, sauf les notes en mathématiques/sciences et les compétences autoévaluées en mathématiques, tandis que le troisième modèle (le modèle complet) intègre ces deux dernières mesures (tableaux 4 et 5)¹⁰. La régression logistique multinomiale est utile à l’analyse actuelle puisqu’elle permet d’inclure de nombreuses catégories dans la variable dépendante sans qu’il y ait de véritable hiérarchie, tels que les différents types de programmes (d’autres travaux qui examinent les choix de programmes ont fait appel à cette même technique – voir Finnie et Childs, 2010; Leppel et coll., 2001; OCDE, 2010; Zarifa, 2012)¹¹.

L’analyse se limite aux jeunes fréquentant une université et l’échantillon examiné ne comprend pas ceux dont le premier programme d’EPS est en milieu non universitaire ni ceux qui ne suivent pas un programme d’EPS avant d’avoir 25 ans. Nous avons choisi d’examiner uniquement les jeunes fréquentant une université en raison des défis que pose la comparaison entre les programmes des niveaux universitaire et non universitaire. Par exemple, les programmes¹² en génie sont offerts à la fois dans des collèges et des universités, mais ils peuvent être assez différents, les premiers étant davantage axés sur les compétences professionnelles pratiques. En outre, dans les modèles multinomiaux, la comparaison entre le choix d’un programme universitaire (par exemple en STGM) et le fait de ne pas faire d’EPS est moins intéressante ou pertinente que la comparaison entre un domaine STGM et un autre type de programme universitaire¹³. Dans toutes les analyses, les poids de sondage appropriés sont utilisés, tout comme les poids bootstrap correspondants. Les procédures d’enquête spécialisées de Stata (version 11) sont employées pour toutes les analyses.

---

Notes

1. Voir tout spécialement dans l’OCDE (2010) la description des données couplées PISA-EJET ainsi que leur utilité.
2. La population ne fréquentant pas une université représentait environ 35 % de l’échantillon total, alors que la population fréquentant une université en constituait 46 % et que le groupe qui n’avait pas fait d’EPS en décembre 2005 s’élevait à 19 %.
3. Voir la liste des séries et sous-séries qui constituent la CPE et qui sont liées aux principaux groupes de la CPE dans Statistique Canada (2005), pages 7 à 9.
4. Puisque les estimations sont très semblables (deux points de pourcentage ou moins les séparent) dans les deux sous-échantillons, à moins d’indication contraire, les résultats correspondent au sous-échantillon en mathématiques.
5. Ces tendances s’inspirent de la cohorte A de l’EJET et correspondent également aux statistiques du Système d’information sur les étudiants postsecondaires (SIEP), sauf que, depuis 2004, dans le SIEP, le programme universitaire le plus fréquent chez les hommes est celui des sciences sociales, suivi des domaines STGM. Il est cependant difficile de faire des comparaisons entre les données du SIEP et celles présentées dans le tableau 1B parce que la présente étude s’attarde au « premier » programme universitaire, alors que le SIEP fournit des données sur les programmes universitaires déclarés l’année précédente. Par ailleurs, la présente étude se sert d’une cohorte de jeunes âgés de 15 ans, en 2000, qui ont été admis à l’université pour la première fois avant leur 25e anniversaire en 2010, alors que les estimations du SIEP reposent sur des jeunes de 18 à 24 ans chaque année, de 1992 à 2009. Néanmoins, la comparaison entre la cohorte A de l’EJET et le SIEP est intéressante, parce que le recours au SIEP permet d’avoir un point de vue plus large sur les tendances des programmes universitaires au Canada au fil du temps. Les résultats basés sur le SIEP sont disponibles sur demande.
6. Les niveaux de culture mathématique et scientifique ne proviennent pas officiellement de 2000 parce que, cette année-là, seuls les niveaux de compréhension de l’écrit ont été obtenus puisqu’il s’agissait du sujet d’intérêt principal. Dans le présent document, les seuils de la culture mathématique sont mesurés à partir de 2003 (voir Bussière, Cartwright, Knighton et Rogers, 2004), tandis que les seuils de la culture scientifique proviennent de 2006 (voir Bussière et al., 2007). Ces deux années (2003 et 2006) étaient celles où les données les plus près des évaluations en mathématiques et en sciences de 2000 étaient disponibles.
7. Environ 46 % des jeunes de l’échantillon sont allés à l’université, alors que 35 % ont fait un autre type d’études postsecondaires et 19 % n’avaient pas commencé d’études postsecondaires à 25 ans.
8. Les capacités autoévaluées en mathématiques sont tirées du cycle 2 (17 ans). Elles n’ont pas été mesurées au cycle 1.
9. En ce qui concerne les facteurs parentaux, la profession des parents est également un facteur possible du choix d’un domaine d’études à l’université (voir Leppel, Williams et Waldauer, 2001). Toutefois, à l’aide des mêmes données, l’OCDE (2010) n’a trouvé aucun lien significatif entre la profession des parents et le choix d’un programme universitaire. Par conséquent, nous avons décidé de ne pas l’inclure dans cette analyse. Le niveau d’études des parents a cependant été retenu parce qu’on a constaté qu’il occupait une place plus importante dans le choix du programme universitaire (OCDE, 2010; Zarifa, 2012).
10. L’analyse a été menée de cette manière afin d’isoler les effets des notes en mathématiques/sciences et des capacités autoévaluées en mathématiques. Ces deux effets sont corrélés, plus que toute autre variable explicative, avec les scores en mathématiques/sciences du PISA et se sont avérés être de solides facteurs explicatifs du choix d’un programme universitaire dans certaines analyses supplémentaires.
11. Seuls les résultats des modèles menés avec l’interaction entre les scores en mathématiques/sciences et le sexe sont présentés. Les modèles ont été estimés dans le but de voir l’effet direct des scores en mathématiques/sciences et du sexe, et sont disponibles sur demande. Ces recherches supplémentaires démontrent que des résultats élevés en mathématiques/sciences mènent à de plus grandes possibilités qu’un jeune suive un programme STGM, mais cet effet devient nul après l’inclusion du sexe et d’autres variables de contrôle importantes. En ce qui a trait aux résultats directs selon le sexe, ils indiquent que les femmes sont bien moins susceptibles que les hommes d’étudier dans les domaines des STGM.
12. Dans des analyses supplémentaires (non présentées), qui incluaient les jeunes ne fréquentant pas une université et ceux qui avaient commencé un programme d’études postsecondaires avant 25 ans, la relation de base entre l’aptitude aux mathématiques/sciences et le sexe et le choix d’un programme universitaire n’a pas changé sensiblement. Les résultats sont disponibles sur demande.
13. D'autres travaux s'intéressent séparément à ces différentes populations postsecondaires. Voir Boudarbat et Montmarquette (2009) et Boudarbat (2008).