Ce chapitre compare les scores moyens des élèves et la variation de leur performance en mathématiques, en compréhension de l’écrit et en sciences entre les pays et économies qui ont participé à l’évaluation PISA 2022.
Résultats du PISA 2022 (Volume I)
Apprentissage et équité dans l’éducation
Description
La prudence est de mise lors de l’interprétation des résultats de l'Alberta, de l'Angleterre, de l'Australie*, du Canada*, de la Colombie-Britannique, du Danemark*, de l'Écosse, des États-Unis, de Hong Kong (Chine), de l'Irlande*, de l'Irlande du Nord, de la Jamaïque, de la Lettonie, de Manitoba, de la Nouvelle-Écosse, de la Nouvelle-Zélande, de l'Ontario, du Panama, des Pays-Bas, du Pays de Galles, du Royaume-Uni, du Québec et de Terre-Neuve-et-Labrador, car une ou plusieurs normes d’échantillonnage n’ont pas été respectées (voir le Guide du lecteur et les annexes A2 et A4).
En moyenne, Singapour a obtenu un score nettement supérieur à celui de tous les autres pays et économies ayant participé à l'enquête PISA 2022, et ce en mathématiques (575 points), en compréhension de l'écrit (543 points) et en sciences (561 points).
En mathématiques, six systèmes d'éducation d'Asie de l'Est (Corée, Hong Kong [Chine]*, Japon, Macao [Chine], Singapour et Taipei chinois) ont obtenu un bien meilleur score que tous les autres pays et économies. En compréhension de l'écrit, derrière la tête du classement occupée par le système d'éducation de Singapour, on retrouve l'Irlande* qui a fait aussi bien que la Corée, l'Estonie, le Japon et le Taipei chinois et mieux que 75 autres pays et économies. En sciences, ce sont les six pays et économies d'Asie de l'Est cités précédemment, accompagnés du Canada* et de l'Estonie, qui affichent les meilleurs scores.
L’écart de score entre les pays les plus et les moins performants en mathématiques s’établit à 153 points pour ce qui est des pays de l'OCDE, et à 238 points si l'on tient compte de l'ensemble des systèmes d'éducation ayant pris part à l'enquête PISA 2022.
En mathématiques, la différence de score entre les élèves situés dans le 90e centile (10 % seulement des élèves sont plus performants qu’eux) et le 10e centile (10 % seulement des élèves sont moins performants qu’eux) est supérieure à 135 points dans tous les pays et économies. En moyenne, l'écart entre ces deux extrêmes s'établit à 235 points dans les pays de l'OCDE.
L’enquête PISA évalue dans quelle mesure les élèves de 15 ans qui approchent du terme de leur scolarité obligatoire possèdent les connaissances et compétences essentielles, notamment en compréhension de l'écrit, mathématiques et sciences pour participer pleinement à la vie de nos sociétés modernes.
Le présent chapitre analyse les résultats des élèves aux épreuves de l'enquête PISA 2022. Dans une première section, il décrit la performance moyenne des élèves en mathématiques, en compréhension de l'écrit et en sciences dans chaque pays et économie, puis la compare à celle affichée par d'autres pays et économies ainsi que par les pays de l'OCDE. Dans une deuxième section, il étudie la variation de la performance tant à l'échelle nationale qu'internationale, en mettant en avant, par exemple, l'écart de score entre les élèves les plus et les moins performants observé au sein de chaque pays et économie. Il examine également le lien entre la variation de la performance et la performance moyenne dans les pays et économies participants à l'enquête PISA. Une troisième section comporte un classement de tous les pays et économies ayant pris part à l'édition 2022 de l'enquête, en fonction de la performance de leurs élèves.
Les tendances concernant l'évolution de la performance des élèves sont évoquées aux chapitres 5 et 6 du présent rapport. Le chapitre 5 porte plus précisément sur les évolutions à court terme entre les éditions 2018 et 2022 de l'enquête PISA, tandis que le chapitre 6 aborde les évolutions à plus long terme observées au fil de la participation des pays à tous les cycles de l'enquête.
Dans l'enquête PISA 2022, le score moyen des pays de l’OCDE s’établit à 472 points en mathématiques, à 476 points en compréhension de l'écrit et à 485 points en sciences. Notons que Singapour a obtenu un score nettement supérieur à celui de tous les autres pays et économies participants, avec 575 points en mathématiques, 543 points en compréhension de l'écrit et 561 points en sciences.
Les Tableau I.2.1, Tableau I.2.2 et Tableau I.2.3 précisent le score moyen de chaque pays et économie et les différences de score moyen statistiquement significatives avec les autres pays et économies1. En regard de chaque pays et économie indiqués dans la colonne centrale, sont indiqués dans la colonne de droite les pays et économies dont le score moyen n’est pas différent dans une mesure statistiquement significative. Ces tableaux répartissent les pays et économies en trois grandes catégories : ceux dont le score moyen est statistiquement proche de la moyenne de l’OCDE (en gris clair) ; ceux dont le score moyen y est supérieur (en bleu) ; et ceux dont le score moyen y est inférieur (en gris foncé).
En mathématiques, six systèmes d'éducation d'Asie de l'Est (Corée, Hong Kong [Chine]*, Japon, Macao [Chine], Singapour et Taipei chinois) ont obtenu un bien meilleur score que tous les autres pays et économies (voir le Tableau I.2.1). Dix-sept autres pays ont également obtenu un score supérieur à la moyenne de l'OCDE en mathématiques, allant de l'Estonie à la Nouvelle-Zélande* avec, respectivement, un score moyen de 510 points et 479 points.
En compréhension de l'écrit, derrière la tête du classement occupée par le système d'éducation de Singapour, on retrouve l'Irlande* qui a fait aussi bien que la Corée, l'Estonie, le Japon et le Taipei chinois et mieux que tous les autres pays et économies (voir le Tableau I.2.1). Outre ces six pays et économies, 14 autres systèmes d'éducation ont obtenu un score supérieur à la moyenne de l'OCDE en compréhension de l'écrit, allant de Macao (Chine) à l'Italie avec, respectivement, un score moyen de 510 points et 482 points.
Tous les pays et économies ayant obtenu, en mathématiques, un score supérieur à la moyenne de l'OCDE affichent également un résultat similaire en compréhension de l'écrit, à l'exception de l'Autriche, de la Belgique, de la Lettonie*, des Pays-Bas* et de la Slovénie. De même, tous les pays et économies ayant obtenu, en compréhension de l'écrit, un score supérieur à la moyenne de l'OCDE affichent également un résultat similaire en mathématiques, à l'exception des États-Unis* et de l'Italie.
En sciences, les systèmes d'éducation les plus performants sont le Canada*, la Corée, l'Estonie, Hong Kong (Chine)*, le Japon, Macao (Chine), Singapour et le Taipei chinois (voir le Tableau I.2.2). la Finlande, celle-ci se classant aussi bien que le Canada* dans ce domaine. Outre ces neuf pays et économies, 15 autres systèmes d'éducation ont aussi obtenu un score supérieur à la moyenne de l'OCDE en sciences, allant de l'Australie* à la Belgique avec, respectivement, un score moyen de 507 points et 491 points.
À l'exception de six pays et économies, tous ceux ayant obtenu, en sciences, un score supérieur à la moyenne de l'OCDE affichent également un résultat similaire en mathématiques et en compréhension de l'écrit. L'Autriche, la Belgique, la Lettonie* et la Slovénie ont obtenu un score supérieur à la moyenne de l'OCDE en sciences et en mathématiques, mais pas en compréhension de l'écrit ; tandis que les États-Unis ont, quant à eux, obtenu un score supérieur à la moyenne de l'OCDE en sciences et en compréhension de l'écrit, mais pas en mathématiques. S'agissant de l'Allemagne, elle a obtenu un score supérieur à la moyenne de l'OCDE en sciences, mais pas en mathématiques ni en compréhension de l'écrit. Toutefois, dans ces deux domaines, son score moyen ne présente pas de différence statistiquement significative par rapport à la moyenne de l'OCDE.
Dix-huit pays et économies ont obtenu un score supérieur à la moyenne de l'OCDE en mathématiques, en compréhension de l'écrit et en sciences (l'Australie*, le Canada*, la Corée, le Danemark*, l'Estonie, la Finlande, Hong Kong [Chine]*, l'Irlande*, le Japon, Macao [Chine], la Nouvelle-Zélande*, la Pologne, la République tchèque, le Royaume-Uni*, Singapour, la Suède, la Suisse et le Taipei chinois).
L’écart de score entre les pays les plus et les moins performants en mathématiques s’établit à 153 points pour ce qui est des pays de l'OCDE, et à 238 points si l'on tient compte de l'ensemble des systèmes d'éducation ayant pris part à l'enquête PISA 2022. En compréhension de l'écrit, cet écart de score s’établit à 107 points entre les pays de l'OCDE, et à 214 points entre l'ensemble des pays participants. Enfin, en sciences, cet écart de score est de 137 points entre les pays de l'OCDE, et 214 points entre l'ensemble des systèmes d'éducation participant au PISA 2022.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.1.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.1.
** La prudence est de mise lors de la comparaison des résultats fondés sur l’enquête PISA 2022 avec d’autres pays et économies, en raison de l’absence d’une corrélation solide avec l’échelle PISA internationale des compétences en compréhension de l’écrit (voir l’annexe A4 et le Guide du lecteur).
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en compréhension de l'écrit.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.2.
** La prudence est de mise lors de la comparaison des résultats fondés sur l’enquête PISA 2022 avec d’autres pays et économies, en raison de l’absence d’une corrélation solide avec l’échelle PISA internationale des compétences en compréhension de l’écrit (voir l’annexe A4 et le Guide du lecteur).
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en compréhension de l'écrit.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.2.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en sciences.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.3.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en sciences.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.3.
Les élèves les plus performants en mathématiques éprouvent, en moyenne, moins d'anxiété à l'égard de cette matière. Dans le cadre de l'enquête PISA, ce constat a pour la première fois été établi en 2012 (OCDE, 2013[1]) et se vérifie également lors de l'édition 2022.
Comme l'indique cet encadré, une corrélation négative entre la performance en mathématiques et l'anxiété à l'égard de cette matière a été observée sans exception dans l'ensemble des systèmes d'éducation ayant pris part à l'enquête PISA 2022. À l'échelle des systèmes, la corrélation transnationale entre le niveau moyen d'anxiété et la performance moyenne dans le domaine des mathématiques s'avère également négative, avec toutefois des niveaux d'anxiété plus contrastés parmi les pays les plus performants.
De plus, des études semblent indiquer qu'une attitude positive à l’égard de l'apprentissage et des mathématiques peut contribuer à réduire le niveau d'anxiété des élèves vis-à-vis de cette matière et ses conséquences négatives sur leur performance (Choe et al., 2019[2] ; Dowker, Sarkar et Looi, 2016[3] ; Carey et al., 2016[4] ; Goetz et al., 2010[5] ; Ashcraft et Kirk, 2001[6]). Comme le montre la deuxième partie du présent encadré, une de ces attitudes positives consiste à faire preuve d'un état d'esprit de développement, c'est-à-dire avoir la conviction que les capacités et l'intelligence d'un individu ne sont pas des caractéristiques innées immuables, mais qu'elles peuvent être améliorées au fil du temps.
L'anxiété à l'égard des mathématiques dans l'enquête PISA 2022
Pour évaluer l'anxiété des élèves à l'égard des mathématiques, l'enquête PISA 2022 leur a demandé s'ils étaient d'accord ou non (« pas du tout d'accord », « pas d'accord », « d'accord », « tout à fait d'accord ») avec les six affirmations suivantes : « Je crains souvent d'avoir des difficultés en cours de mathématiques » ; « Je crains d'avoir de mauvaises notes en mathématiques » ; « Je suis très tendu(e) lorsque je dois faire mes devoirs en mathématiques » ; « Je suis très nerveux(-se) lorsque je dois résoudre des problèmes mathématiques » ; « Je me sens désemparé(e) face à un problème mathématique » ; et « Je me sens anxieux(-se) à l'idée d'échouer en mathématiques ». Les données ainsi obtenues ont été combinées pour créer l'indice PISA d'anxiété à l'égard des mathématiques (ANXMAT).
Au sein des pays et économies, ce type d'anxiété est négativement corrélé à la performance des élèves en mathématiques dans tous les systèmes d'éducation ayant pris part à l'enquête PISA 2022, indépendamment des caractéristiques des élèves et des établissements. En moyenne, dans les pays de l’OCDE, une augmentation d'un point de l'indice ANXMAT est associée à une baisse du score en mathématiques équivalente à 18 points, après contrôle du profil socio-économique des élèves et des établissements (voir le tableau I.B1.2.17).
Les pays et économies dont le niveau moyen d'anxiété à l'égard des mathématiques est plus élevé, affichent également une moindre performance dans cette matière. Les différences internationales observées dans l'indice d'anxiété à l'égard des mathématiques expliquent 25 % environ de la variation de la performance des élèves dans cette matière entre tous les pays et économies ayant participé à l'enquête PISA 2022 (Graphique I.2.1).
L'anxiété à l'égard des mathématiques est particulièrement élevée dans les pays et économies ayant obtenu de moins bons résultats dans cette matière. Dans le cadre du PISA 2022, les 17 pays et économies qui affichent les niveaux d'anxiété les plus élevés (soit des valeurs supérieures à .47 sur l'échelle ANXMAT) ont obtenu aux épreuves de mathématiques un score inférieur à la moyenne de l'OCDE. C'est notamment le cas pour 13 d'entre eux, dont le score moyen est inférieur à 400 points.
À l'inverse, les niveaux d'anxiété les plus faibles s'observent généralement dans les pays dont le score moyen en mathématiques est supérieur à la moyenne de l'OCDE, et tout particulièrement au Danemark*, en Finlande, aux Pays-Bas* et en Suisse (voir le Graphique I.2.1). Toutefois, parmi les pays et économies qui enregistrent de bons résultats en mathématiques, les niveaux d'anxiété à l'égard de cette matière varient considérablement. Il est intéressant de constater que sur les six pays et économies d'Asie de l'Est ayant obtenu un bien meilleur score que tous les autres participants aux épreuves de mathématiques du PISA 2022, ils sont quatre à afficher des niveaux élevés d'anxiété à l'égard de cette matière (Hong Kong [Chine]*, le Japon, Macao [Chine] et le Taipei chinois). La Corée et Singapour font ici figure d'exceptions, avec des niveaux d'anxiété similaires ou inférieurs à la moyenne de l'OCDE.
La notion d'anxiété a été abordée dans différentes études en tant que concept aux aspects et dimensions multiples, dont les sources et les conséquences peuvent s'avérer très diverses (Zeidner et al., 2005[7]). L'anxiété peut à tout le moins comporter une composante cognitive et somatique, et faire l'objet d'une subdivision entre l'anxiété liée aux évaluations et d'autres types d'anxiété pouvant impacter directement la performance des élèves (Zeidner et al., 2005[7]). Aborder la notion d'anxiété en tenant compte de sa nature multidimensionnelle peut aider à expliquer pourquoi, dans certains pays et économies, les éléments d'ordre personnel et conjoncturel peuvent exercer un impact différent (Putwain, Woods et Symes, 2010[8]), notamment sur le lien entre l'anxiété et la performance telle que mesurée par l'enquête PISA. Des études supplémentaires sont nécessaires concernant l'interaction de ces facteurs individuels et d'autres aspects culturels (Ho et al., 2000[9] ; Zhang, Zhao et Kong, 2019[10]), et la manière dont ils peuvent influencer différemment la performance des élèves aux épreuves de mathématiques du PISA.
Remarque : seuls les pays et économies dont les données sont disponibles sont repris.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1 et I.B1.2.16.
L'état d'esprit de développement et l'anxiété à l'égard des mathématiques
Faire preuve d'un état d'esprit de développement peut aider les élèves à surmonter leur anxiété liée à la performance (Yeager et Walton, 2011[11]), en réduisant potentiellement les conséquences négatives sur leurs résultats et, en définitive, sur leur bien-être (OCDE, 2021[12] ; Yeager et al., 2019[13]). Par opposition à un état d'esprit dit fixe, un individu avec un état d'esprit de développement est convaincu du caractère malléable de son intelligence et de ses capacités, ce qui pourrait expliquer pourquoi certaines personnes exploitent pleinement leur potentiel contrairement à d'autres (Dweck, 2006[14]). Les individus avec un état d'esprit de développement sont plus susceptibles de s'efforcer de perfectionner leurs compétences et de voir leur motivation décuplée face aux difficultés. Par contraste, les individus avec un état d'esprit fixe (qui estiment qu'une personne naît avec certaines caractéristiques prédéterminées qui ne peuvent évoluer) tendent à privilégier la validation de leurs capacités, à éviter les défis et à ne pas sortir de leur zone de confort. Les élèves avec un état d'esprit de développement se caractérisent par une plus faible anxiété à l'égard de l'apprentissage, qui est corrélée à leur vision positive de l'échec et des obstacles (Dweck et Yeager, 2019[15]).
L'enquête PISA 2022 a demandé aux élèves s'ils étaient d'accord ou non (« pas du tout d'accord », « pas d'accord », « d'accord », « tout à fait d'accord ») avec l'affirmation suivante : « Votre intelligence est une caractéristique personnelle que vous ne pouvez pas vraiment faire évoluer ». On considère que les élèves ayant répondu « pas du tout d'accord » ou « pas d'accord » témoignent d'un état d'esprit de développement.
Les données PISA montrent que les élèves ayant indiqué avoir un état d'esprit de développement éprouvent moins d'anxiété à l'égard des mathématiques que leurs camarades avec un état d'esprit fixe, en moyenne dans les pays de l'OCDE (écart de -0.13 point sur l'indice ANXMAT) et dans 42 des 73 pays et économies dont les données sont disponibles (tableau I.BI.2.16). De plus, cet état d'esprit de développement est positivement corrélé à la performance des élèves en mathématiques. En moyenne dans les pays de l'OCDE (écart de 18 points) et dans 57 pays et économies (tableau I.BI.2.17), les élèves ayant indiqué avoir un état d'esprit de développement ont obtenu un meilleur score aux épreuves de mathématiques que leurs camarades avec un état d'esprit fixe, après contrôle du profil socio-économique des élèves et des établissements.
Moyenne de l’OCDE
Remarque : les élèves avec un faible/fort niveau d'anxiété se situent dans le quartile inférieur/supérieur de la répartition de l'indice ANXMAT dans leur propre pays et économie.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.17.
L'anxiété à l'égard des mathématiques et l'état d'esprit de développement sont examinés conjointement dans le Graphique I.2.2. Il montre le score moyen de l'OCDE en mathématiques pour les quatre groupes d'élèves suivants : ceux avec (i) une forte anxiété à l'égard des mathématiques et un état d'esprit de développement, (ii) une forte anxiété à l'égard des mathématiques et un état d'esprit fixe, (iii) une faible anxiété à l'égard des mathématiques et un état d'esprit de développement, et (iv) une faible anxiété à l'égard des mathématiques et un état d'esprit fixe. Les élèves plus anxieux à l'égard des mathématiques ont obtenu un meilleur score lorsqu'ils témoignaient d'un état d'esprit de développement (461 points) que d'un état d'esprit fixe (443 points). De même, les élèves moins anxieux à l'égard des mathématiques ont obtenu un meilleur score lorsqu'ils témoignaient d'un état d'esprit de développement (523 points) que d'un état d'esprit fixe (500 points).
Cette tendance de l'OCDE se retrouve également dans la majorité des pays dont les données sont disponibles. Dans 54 pays et économies sur 73, les élèves peu anxieux ont obtenu un meilleur score aux épreuves de mathématiques lorsqu'ils avaient un état d'esprit de développement qu'un état d'esprit fixe. Dans 46 pays et économies sur 73, les élèves éprouvant une forte anxiété ont également obtenu un meilleur score aux épreuves de mathématiques lorsqu'ils avaient un état d'esprit de développement qu'un état d'esprit fixe (voir le tableau I.BI.2.17).
Cette corrélation se vérifie même après contrôle du profil socio-économique des élèves et des établissements (tableau I.BI.2.17).
Implications en matière d'action publique
Il est possible de réduire l'anxiété ressentie à l'égard des mathématiques grâce à un entraînement dans cette matière, mais aussi via l'amélioration d'attitudes positives envers l'apprentissage et les mathématiques, notamment en proposant aux élèves des personnes servant de modèle, en augmentant le soutien au sein des établissements et en promouvant un état d'esprit de développement (Beilock et al., 2010[16]). Pour développer la faculté des élèves à faire face à des problèmes de la vie réelle et à appliquer efficacement leurs connaissances mathématiques, les établissements et les systèmes d'éducation ne doivent pas se limiter à l'enseignement formel des mathématiques. Pour s'attaquer de front aux obstacles majeurs à l'apprentissage des mathématiques, il convient de comprendre et d'aborder les attitudes et les émotions des élèves envers cette matière, et de développer chez eux un état d'esprit et des dispositions positifs envers l'effort et la difficulté.
Variation de la performance au sein des pays
Une faible variation du niveau de compétences des élèves en mathématiques s’observe dans plusieurs pays et économies dont le score moyen est inférieur à la moyenne de l'OCDE ; la République dominicaine présentant la variation la plus faible (54 points)2. Cette variation est généralement plus élevée dans les systèmes d'éducation les plus performants que dans ceux les moins performants. Comme le montre le Graphique I.2.3, il existe une forte corrélation entre le niveau et la variation de la performance moyenne en mathématiques. Cela étant dit, ce constat ne vaut pas pour l'ensemble des pays. Par exemple, La Lettonie* affiche un score moyen de 483 points et un écart-type de 80 points.
Néanmoins, parmi les pays dont le score est supérieur à la moyenne de l'OCDE, le Danemark*, l'Irlande* et la Lettonie* se démarquent par une variation relativement minime de leur performance, avec un écart-type avoisinant les 80 points (voir le Graphique I.2.3). De même, parmi les pays dont le score est inférieur à la moyenne de l'OCDE, la Bulgarie, les Émirats arabes unis, Israël, Malte, la République slovaque et la Roumanie se distinguent par une variation relativement importante de leur performance, avec un écart-type supérieur à 95 points.
L'écart de score entre les élèves les plus et les moins performants au sein d'un pays (soit la plage inter-déciles) constitue une autre mesure de la variation de la performance à l'échelle nationale. En mathématiques, la différence de score entre les élèves situés dans le 90e centile (10 % seulement des élèves sont plus performants qu’eux) et le 10e centile (10 % seulement des élèves sont moins performants qu’eux) est supérieure à 135 points dans tous les pays et économies ; en moyenne, l’écart entre ces deux extrêmes s’établit à 235 points dans les pays de l’OCDE (Graphique I.2.4).
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.1.
L'écart le plus important entre les élèves les plus et les moins performants en mathématiques s'observe en Israël, aux Pays-Bas* et au Taipei chinois (voir le Graphique I.2.4). Dans ces pays, la plage inter-déciles s'élève à 280 points ou plus, ce qui signifie que la performance en mathématiques est très inégale entre les élèves de 15 ans.
Par contraste, l'écart le plus ténu entre les élèves les plus et les moins performants s’observe dans les pays et économies dont le score moyen est peu élevé (soit inférieur à 370 points). Il s'agit de El Salvador, de l'Indonésie, de la Jordanie, du Kosovo et de la République dominicaine. Dans ces pays, le score du 90e centile en mathématiques est inférieur à la moyenne de l’OCDE.
Remarque : toutes les différences entre le 90e et le 10e centile sont statistiquement significatives (voir l'annexe A3).
Les pays et économies sont classés par ordre décroissant de l'écart de performance en mathématiques entre le 90e et le 10e centile.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.1.
Écarts de performance entre les systèmes d'éducation, les établissements et les élèves
La performance des élèves varie grandement parmi les jeunes de 15 ans et cette variation peut être ventilée en fonction des écarts observés au niveau des élèves, des établissements et des systèmes d'éducation3. Cette analyse revêt une importance particulière pour l'action publique. En effet, déterminer avec précision à quel niveau se situent les écarts de performance des élèves permet aux acteurs de l'éducation de cibler les mesures à prendre4. Par exemple, si une part importante de la variation totale de la performance des élèves est liée aux écarts de performance observés entre les systèmes d'éducation, cela signifie que les caractéristiques de ces derniers (par exemple, les conditions socio-économiques, les politiques d'éducation) influencent fortement la performance des élèves. De même, si les écarts entre les établissements sont à l'origine d'une part significative de la variation de la performance globale au sein d'un pays et d'une économie, il convient de prendre en compte les différentes caractéristiques des établissements pour définir les mesures à prendre.
Dans l'enquête PISA 2022, une part équivalente à environ 31 % de la variation de la performance des élèves en mathématiques est liée aux écarts moyens observés entre les systèmes d'éducation (voir le Graphique I.2.5) dans tous les pays et économies. En d'autres termes, les caractéristiques des systèmes d'éducation exercent une grande influence sur la performance des élèves. Comme l'illustre le chapitre 4, les conditions socio-économiques de différents pays et économies, qui échappent au contrôle des professionnels et responsables politiques du domaine de l’éducation, peuvent influencer la performance des élèves en ce sens, par exemple, que les pays riches investiraient davantage dans l'éducation que les pays à faible et moyen revenu. Les professionnels et responsables politiques du domaine de l’éducation déterminent quant à eux les politiques et pratiques en la matière, notamment l'organisation de la scolarité et de l'apprentissage ainsi que la répartition des ressources disponibles entre les établissements et les élèves.
Source : OCDE, Base de données PISA 2022.
Toutefois, dans les pays de l'OCDE, seulement 12 % de la variation de la performance en mathématiques s'observe au niveau des systèmes d'éducation, signifiant ainsi que les caractéristiques de ces derniers ne contribuent que faiblement à expliquer les écarts observés entre les élèves. Cela est probablement dû au fait que les conditions socio-économiques sont très similaires d'un pays de l'OCDE à l'autre. Il se peut également que les différences concernant les politiques et pratiques d'éducation soient moins marquées entre les pays de l'OCDE qu'entre l'ensemble des pays et économies participants à l'enquête PISA.
Remarque : ce graphique ne comporte que les établissements qui proposent un enseignement au niveau modal de la CITE pour les élèves de 15 ans5.
Les pays et économies sont classés par ordre décroissant de la variation de la performance en mathématiques observée entre leurs établissements, exprimée en pourcentage de la variation totale de la performance dans les pays de l'OCDE.
Source : OCDE, Base de données PISA 2022, tableau I.B1.2.12.
S'agissant du niveau de variation enregistré à l'échelle nationale dans l'enquête PISA 2022, la variation moyenne de la performance des élèves en mathématiques dans les pays de l'OCDE s'observe entre les établissements à hauteur de 32 % et au sein des établissements à hauteur de 68 % (respectivement, partie droite et gauche du Graphique I.2.6). Cela signifie que les caractéristiques des établissements ne constituent pas un facteur déterminant pour expliquer la performance des élèves. La plus grande part de la variation globale de cette performance repose, au contraire, sur les caractéristiques mêmes des élèves (leur environnement, leurs attitudes et comportements, etc.) ainsi que sur celles des différentes classes et années d'études au sein des établissements.
L'ampleur de la variation de la performance en mathématiques observée entre les établissements varie grandement d'un pays et économie à l'autre. Dans six pays et économies, les écarts constatés entre les établissements n'expliquent que 10 %, voire moins, de la variation totale de la performance. Il s'agit, par ordre croissant, de l'Islande, de l'Arabie saoudite, de l'Irlande*, de la Finlande, du Danemark* et de l'Ouzbékistan. À l'inverse, ce chiffre s'élève à au moins 50 % dans les dix pays suivants : en Bulgarie, aux Émirats arabes unis, en Hongrie, en Israël, au Japon, aux Pays-Bas*, en République slovaque, en Roumanie, au Taipei chinois et en Türkiye.
L’objectif de l’enquête PISA est de fournir aux professionnels de l’éducation et aux responsables politiques des informations utiles sur les points forts et les points faibles de leur système d’éducation, les progrès accomplis au fil du temps et les possibilités d’amélioration. Il est important de tenir compte du contexte économique et social de la scolarité (voir section suivante) lors de l’analyse du classement PISA des pays et économies. De plus, de nombreux pays et économies sont au coude à coude ; les différences minimes de score qui ne sont pas statistiquement significatives ne doivent pas être prises en compte (voir l'encadré 1 du Guide du lecteur).
Les Tableau I.2.4, Tableau I.2.5 et Tableau I.2.6 indiquent où chaque pays et économie se situe en fonction de l’estimation de son score moyen dans le classement par comparaison avec tous les pays et économies qui ont participé à l’enquête PISA ; ils comparent aussi le rang des pays de l’OCDE les uns par rapport aux autres. Comme les scores moyens sont des estimations dérivées d’échantillons, ils sont entourés d’incertitude statistique, de sorte que souvent, il n’est pas possible de déterminer exactement le rang de tous les pays et économies. Il est possible cependant d’estimer la plage où se situe vraisemblablement le score moyen des pays et économies6. Cette plage peut être étendue, en particulier dans les pays et économies dont le score moyen est proche de celui de nombreux autres pays et économies.
Les Tableau I.2.4, Tableau I.2.5 et Tableau I.2.6 indiquent aussi les résultats des provinces, régions, États et autres entités infranationales des pays dont l’échantillonnage le permet. Le rang de ces entités infranationales dans les classements n’a pas été estimé. Leur score moyen et son intervalle de confiance permettent toutefois de comparer leur performance à celle des pays et économies. Par exemple, en mathématiques, le Québec (Canada*) a obtenu un score inférieur à celui de Macao (Chine), de Singapour, du Taipei chinois et de Hong Kong (Chine)*, mais proche de celui de la Corée.
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1 et I.B2.1.
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1 et I.B2.1.
** La prudence est de mise lors de la comparaison des résultats fondés sur l’enquête PISA 2022 avec d’autres pays et économies, en raison de l’absence d’une corrélation solide avec l’échelle PISA internationale des compétences en compréhension de l’écrit (voir l’annexe A4 et le Guide du lecteur).
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en compréhension de l'écrit.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.2 et I.B2.2.
** La prudence est de mise lors de la comparaison des résultats fondés sur l’enquête PISA 2022 avec d’autres pays et économies, en raison de l’absence d’une corrélation solide avec l’échelle PISA internationale des compétences en compréhension de l’écrit (voir l’annexe A4 et le Guide du lecteur).
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en compréhension de l'écrit.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.2 et I.B2.2.
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en sciences.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.3 et I.B2.3.
Remarques : les pays de l'OCDE sont indiqués en noir. Les pays et économies partenaires sont indiqués en bleu. Les provinces, régions, États et autres entités infranationales sont indiqués en italique en noir (pays de l'OCDE) ou en bleu (pays partenaires).
La plage de classement de chaque pays et économie est calculée sur la base de l'estimation de son score moyen et de son écart-type et est comparée à celle des pays et économies dont le score est similaire. L'annexe A3 décrit la méthode utilisée. Le rang de ces entités infranationales dans les classements n’a pas été estimé.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en sciences.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.3 et I.B2.3.
Performance moyenne dans différents aspects de la culture mathématique
La présente section porte sur la performance des élèves sur deux ensembles de sous-échelles de culture mathématique : des sous-échelles de processus et des sous-échelles de contenus. Les items des épreuves PISA de mathématiques administrées sur ordinateur en 2022 se répartissent tous entre les quatre sous-échelles de processus suivantes : formuler, employer, interpréter et raisonner ; et les quatre sous-échelles de contenus suivantes : variations et relations, espace et formes, quantité, et incertitude et données.
L'analyse des points forts et des points faibles des systèmes d'éducation de chaque pays et économie repose sur les différences de score moyen entre les sous-échelles de processus et de contenus mathématiques. Voir l'annexe 1 pour une définition détaillée des sous-échelles.
Le Tableau I.2.7 indique le score moyen de chaque pays et économie sur les quatre sous-échelles de processus mathématiques et sur l’échelle globale de culture mathématique. Il souligne aussi les différences de score moyen qui sont statistiquement significatives sur les sous-échelles (après normalisation), indiquant ainsi les points forts et les points faibles relatifs des pays et économies.
Par exemple, le score moyen du Japon aux épreuves de mathématiques est de 536 points. Son score sur les sous-échelles de processus formuler et employer s'établit également à 536 points, tandis qu'il est de 534 points sur la sous-échelle de processus raisonner. Toutefois, son score sur la sous-échelle de processus interpréter est nettement plus élevé, atteignant 544 points. Par rapport aux écarts de performance des élèves sur différentes sous-échelles observés en moyenne dans les pays et économies participant à l'enquête PISA (ci-après dénommé « moyenne mondiale », par souci de simplicité), les élèves au Japon sont plus performants dans le processus qui consiste à interpréter que dans toutes les autres sous-échelles de processus mathématiques.
En moyenne, dans les pays de l’OCDE, les élèves sont relativement plus performants dans le processus interpréter que dans le processus formuler et plus performants dans le processus interpréter que dans le processus employer, par comparaison avec la moyenne mondiale. De même, ils sont aussi relativement plus performants dans le processus raisonner que dans les processus formuler et employer, ainsi que dans le processus employer par rapport au processus formuler. La même tendance en termes de points forts relatifs s'observe en Espagne et au Royaume-Uni*. En Belgique, au Canada*, en Corée et en Nouvelle-Zélande* la tendance est identique à celle de la moyenne de l'OCDE, si ce n'est que les différences de score entre les sous-échelles de processus formuler et employer ne sont pas statistiquement significatives.
Par comparaison à la moyenne mondiale, les élèves sont relativement plus performants dans le processus raisonner que dans le processus formuler dans 22 pays et économies ; dans le processus raisonner que dans le processus employer dans 23 pays et économies ; et dans le processus raisonner que dans le processus interpréter dans 17 pays et économies.
Dans six pays et économies, les écarts de score entre les diverses sous-échelles de processus mathématiques ne sont pas statistiquement significatifs. Par exemple, le score moyen de la Lettonie* aux épreuves de mathématiques est de 483 points. Ses scores sur les sous-échelles de processus formuler, employer, interpréter et raisonner s'élèvent, respectivement, à 483, 484, 485 et 481 points. On observe une homogénéité similaire quant aux scores obtenus sur les sous-échelles de processus mathématiques à Malte, au Panama, au Qatar, en Serbie et en Türkiye.
1. Les points forts relatifs statistiquement significatifs sont indiqués en couleur plus foncée ; les cellules sont vides lorsque le score normalisé n'est pas sensiblement plus élevé ou moins élevé sur une sous-échelle que sur une autre. Les pays et économies sont relativement plus performants sur une sous-échelle que sur une autre si leur score normalisé (dérivé du score moyen et de son écart-type sur cette sous-échelle dans tous les pays et économies participants) est sensiblement plus élevé sur cette sous-échelle que sur l'autre. Les sous-échelles de processus sont abrégées comme suit dans le tableau : formuler = « FO » ; employer = « EM » ; interpréter = « IN » et raisonner = « RA ».
Remarque : le tableau reprend uniquement les pays et économies qui ont administré les épreuves PISA sur ordinateur en 2022.
Bien que la moyenne de l'OCDE figure dans ce tableau, les scores sur les sous-échelles ont été normalisés en tenant compte de la moyenne et de l’écart-type de tous les pays et économies participants à l'enquête PISA.
Les scores normalisés utilisés pour définir les points forts relatifs de chaque pays et économie ne figurent pas dans ce tableau.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1, I.B1.2.4, I.B1.2.5, I.B1.2.6 et I.B1.2.7.
1. Les points forts relatifs statistiquement significatifs sont indiqués en couleur plus foncée ; les cellules sont vides lorsque le score normalisé n'est pas sensiblement plus élevé ou moins élevé sur une sous-échelle que sur une autre. Les pays et économies sont relativement plus performants sur une sous-échelle que sur une autre si leur score normalisé (dérivé du score moyen et de son écart-type sur cette sous-échelle dans tous les pays et économies participants) est sensiblement plus élevé sur cette sous-échelle que sur l'autre. Les sous-échelles de processus sont abrégées comme suit dans le tableau : formuler = « FO » ; employer = « EM » ; interpréter = « IN » et raisonner = « RA ».
Remarque : le tableau reprend uniquement les pays et économies qui ont administré les épreuves PISA sur ordinateur en 2022.
Bien que la moyenne de l'OCDE figure dans ce tableau, les scores sur les sous-échelles ont été normalisés en tenant compte de la moyenne et de l’écart-type de tous les pays et économies participants à l'enquête PISA.
Les scores normalisés utilisés pour définir les points forts relatifs de chaque pays et économie ne figurent pas dans ce tableau.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1, I.B1.2.4, I.B1.2.5, I.B1.2.6 et I.B1.2.7.
Sous-échelles de contenus
Le Tableau I.2.8 indique le score moyen de chaque pays et économie sur l’échelle globale de culture mathématique ainsi que sur les quatre sous-échelles de contenus, en y précisant les points fort relatifs.
En moyenne, dans les pays de l’OCDE, les élèves sont relativement plus performants dans le processus incertitude et données que dans les processus variations et relations et espace et formes, par comparaison avec la moyenne mondiale. De même, ils sont aussi relativement plus performants dans le processus espace et formes que dans le processus variations et relations, ainsi que dans le processus quantité par rapport au processus variations et relations.
Par comparaison avec la moyenne mondiale, dans 27 pays et économies (à l'instar de la moyenne de l'OCDE) les élèves sont relativement plus performants dans le processus incertitude et données que dans le processus espace et formes. Dans 13 autres pays et économies, ils le sont dans le processus incertitude et données par rapport au processus variations et relations ;
Par contraste, dans 24 pays et économies, les élèves sont relativement plus performants dans le processus espace et formes que dans le processus incertitude et données ; et dans 19 pays et économies, ils le sont dans le processus variations et relations par rapport au processus incertitude et données.
1. Les points forts relatifs statistiquement significatifs sont indiqués en couleur plus foncée ; les cellules sont vides lorsque le score normalisé n'est pas sensiblement plus élevé ou moins élevé sur une sous-échelle que sur une autre. Les pays et économies sont relativement plus performants sur une sous-échelle que sur une autre si leur score normalisé (dérivé du score moyen et de son écart-type sur cette sous-échelle dans tous les pays et économies participants) est sensiblement plus élevé sur cette sous-échelle que sur l'autre. Les sous-échelles de contenus sont abrégées comme suit dans le tableau : variations et relations = « VR » ; quantité = « QN » ; espace et formes = « EF » et incertitudes et données = « ID ».
Remarque : le tableau reprend uniquement les pays et économies qui ont administré les épreuves PISA sur ordinateur en 2022.
Bien que la moyenne de l'OCDE figure dans ce tableau, les scores sur les sous-échelles ont été normalisés en tenant compte de la moyenne et de l’écart-type de tous les pays et économies participants à l'enquête PISA. Les scores normalisés utilisés pour définir les points forts relatifs de chaque pays et économie ne figurent pas dans ce tableau.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1, I.B1.2.8, I.B1.2.9, I.B1.2.10 et I.B1.2.11.
1. Les points forts relatifs statistiquement significatifs sont indiqués en couleur plus foncée ; les cellules sont vides lorsque le score normalisé n'est pas sensiblement plus élevé ou moins élevé sur une sous-échelle que sur une autre. Les pays et économies sont relativement plus performants sur une sous-échelle que sur une autre si leur score normalisé (dérivé du score moyen et de son écart-type sur cette sous-échelle dans tous les pays et économies participants) est sensiblement plus élevé sur cette sous-échelle que sur l'autre. Les sous-échelles de contenus sont abrégées comme suit dans le tableau : variations et relations = « VR » ; quantité = « QN » ; espace et formes = « EF » et incertitudes et données = « ID ».
Remarque : le tableau reprend uniquement les pays et économies qui ont administré les épreuves PISA sur ordinateur en 2022.
Bien que la moyenne de l'OCDE figure dans ce tableau, les scores sur les sous-échelles ont été normalisés en tenant compte de la moyenne et de l’écart-type de tous les pays et économies participants à l'enquête PISA. Les scores normalisés utilisés pour définir les points forts relatifs de chaque pays et économie ne figurent pas dans ce tableau.
Les pays et économies sont classés par ordre décroissant de leur performance moyenne en mathématiques.
Source : OCDE, Base de données PISA 2022, tableaux I.B1.2.1, I.B1.2.8, I.B1.2.9, I.B1.2.10 et I.B1.2.11.
L'enquête PISA offre un aperçu des compétences des élèves de 15 ans en mathématiques, en compréhension de l’écrit et en sciences. Mais quid du développement des compétences dans ces domaines tout au long de la vie des élèves ? S'améliorent-elles une fois la scolarité obligatoire terminée ? Et, si c'est le cas, dans quelle ampleur ?
S'appuyant sur une combinaison de données tirées de l'enquête PISA (éditions 2000, 2003 et 2006) et de l’Évaluation des compétences des adultes (une initiative du Programme de l’OCDE pour l’évaluation internationale des compétences des adultes, PIAAC) (éditions 2012 et 2015), l'ouvrage intitulé Perspectives de l'OCDE sur les compétences 2021 analyse les progrès réalisés en littératie et numératie entre l'âge de 15 ans et le début de l'âge adulte (OCDE, 2021[17]). Ces analyses font état d'une progression limitée : les élèves de 15 ans dans les pays de l'OCDE obtiennent un score moyen de 268 points sur l'échelle PIAAC de compétence, et dans les années suivant la fin de la scolarité obligatoire leur gain de performance en littératie est évalué à 14 points en moyenne. S'agissant de la numératie, le gain de performance au début de l'âge adulte est estimé à 28 points, par rapport à un score PIAAC de référence de 269 points à l'âge de 15 ans1. Ces analyses étudient également la corrélation entre, d'une part, les progrès enregistrés et, d'autre part, le niveau de performance des élèves et leur milieu socio-économique. Le présent encadré décrit les analyses axées sur les progrès réalisés en numératie.
Progression de la performance en numératie entre l'âge de 15 ans et l'âge de 24 ans
Le Graphique I.2.7 indique la progression de la performance en numératie entre l'âge de 15 ans et l'âge de 24 ans pour 24 pays de l'OCDE dont les données sont disponibles. Les carrés bleus représentent le score des élèves de 15 ans obtenu aux épreuves du PISA 2003 tandis que les triangles noirs symbolisent les scores obtenus par la même cohorte à l'âge de 24 ans environ aux évaluations PIAAC de 2012 et 2015 (pour des raisons de couverture et de représentativité, la tranche d'âge pour l'évaluation PIAAC a été élargie afin d'inclure les personnes nées un an avant et un an après la cohorte PISA considérée, soit 24 ans2).
Comme en témoigne le graphique, la performance en numératie s'est améliorée entre l'âge de 15 ans et celui de 24 ans dans tous les pays dont les données sont disponibles, à l'exception de l'Australie*. En moyenne, dans 24 pays de l'OCDE, le score a augmenté de 28 points sur l'échelle PIAAC de numératie, passant de 269 à 297 points. La plus forte progression a été enregistrée en Norvège et en Suède, avec un gain estimé à plus de 40 points ; suivis par l'Allemagne, l'Autriche et la République slovaque, avec une augmentation du score équivalente à plus de 35 points. C'est au Canada*, en Corée, en France, en Irlande*, en Nouvelle-Zélande* et au Royaume-Uni* (Angleterre et Irlande du Nord*), que la progression en numératie s'avère la plus faible (inférieure à 20 points).
Les données montrent également le score en numératie des 10 % d'élèves les plus performants et les moins performants (OCDE, 2021, p. 128[17]). Les 10 % d'élèves de 15 ans les moins performants ont obtenu, en moyenne, un score de 211 points sur l'échelle PIAAC, contre un score de 235 points pour les 10 % d'individus de 24 ans les moins performants, soit une augmentation de 24 points. Par contraste, le score en numératie obtenu par les 10 % d'élèves de 15 ans les plus performants s'élève à 326 points, contre 355 points pour les 10 % d'individus de 24 ans les plus performants, soit une hausse de 28 points. Ces résultats laissent entendre que, en moyenne, l'écart de score a augmenté entre les individus les plus performants et les moins performants en numératie.
Le Graphique I.2.8 indique la progression de la performance en numératie entre l'âge de 15 ans et l'âge de 24 ans en fonction du niveau de formation des parents des élèves, ici utilisé en tant qu'indicateur du milieu socio-économique. Les résultats montrent que les disparités socio-économiques non seulement persistent, mais s'accroissent après avoir quitté l'école dans la majorité des pays dont les données sont disponibles.
En moyenne dans les 24 pays de l'OCDE présentés dans le graphique, le score en numératie a augmenté de 25 points chez les individus dont les parents avaient un faible niveau de formation (non diplômés de l'enseignement tertiaire) et de 32 points chez ceux dont les parents avaient un niveau de formation élevé (diplômés de l'enseignement tertiaire). Les disparités en termes de progression des compétences en numératie sont prononcées dans un certain nombre de pays, et l'on observe que cette progression des compétences est particulièrement forte chez les individus dont les parents sont très instruits. La vaste majorité des pays se situe dans la partie supérieure du graphique.
1. Dans le cadre du PIAAC, les données de la Belgique concernent uniquement la Flandre et celles du Royaume-Uni concernent l’Angleterre et l’Irlande du Nord conjointement.
2. Les données relatives à la Grèce englobent de nombreuses réponses (1 032) provenant de personnes qui ont répondu au questionnaire de base, mais pour lesquelles les résultats de l’évaluation font défaut. Les scores sur les échelles de compétence de ces répondants ont donc été estimés à partir de leurs réponses au questionnaire de base et du modèle de population utilisé pour estimer des valeurs plausibles des réponses manquantes à partir des 3 893 autres cas.
Remarque : seuls sont présentés les pays de l'OCDE dont les données sont disponibles.
Les différences statistiquement significatives entre l'âge de 15 ans et la tranche d'âge des 23-25 ans sont indiquées en couleur plus foncée (voir l'annexe A3).
Les données PIAAC renvoient à l'évaluation de 2012, sauf pour le Chili, la Grèce, Israël et la Nouvelle-Zélande qui utilisent les données de l'édition 2015.
Les scores obtenus aux épreuves PISA de mathématiques sont exprimés sur l’échelle des scores du PIAAC en numératie, selon Borgonovi et al. (2017) et les méthodes décrites dans l'encadré 3.1. du chapitre 3 de l'ouvrage Perspectives de l'OCDE sur les compétences 2021.
Les pays sont classés par ordre décroissant du niveau de performance des élèves de 15 ans.
Source : OCDE (2021[17]), Perspectives de l'OCDE sur les compétences, tableau 3.8b.
Implications en matière d'action publique
Une fois la scolarité obligatoire achevée, les individus ont à leur disposition tout un éventail d'options pour développer leurs compétences. Si certains poursuivent un apprentissage formel par le biais d'activités d'éducation et de formation pour adultes, d'autres optent pour un apprentissage formel et informel dans le cadre professionnel et la vie de tous les jours. L'impact de cette distinction sur les parcours d'apprentissage tout au long de la vie varie considérablement entre les pays et au sein de différents groupes dans chaque pays. La capacité d'un individu à acquérir de nouvelles compétences dépend souvent de facteurs indépendants du contexte éducatif. Il est donc essentiel de comprendre ce qui se passe lors de cette transition de l'école à l'âge adulte. Cela doit être l'occasion pour les responsables politiques de promouvoir les compétences fondamentales à grande échelle et, s'il y a lieu, de remédier au déficit d'éducation antérieur.
Les compétences de base développées jusqu'à l'âge de 15 ans, y compris celles relatives à la numératie, constituent le fondement sur lequel les élèves s'appuient pour développer leur capacité d'agir et leur potentiel de transformation (OCDE, 2019[18]). Même si les compétences de base acquises au début de la scolarité peuvent être perfectionnées tout au long de la vie, l'ouvrage Perspectives de l'OCDE sur les compétences 2021 illustre l'importance d'acquérir un socle solide à l'école. En effet, les données laissent entendre que l'acquisition et le perfectionnement des compétences essentielles surviennent lors de la petite enfance.
1. Dans le cadre du PIAAC, les données de la Belgique concernent uniquement la Flandre et celles du Royaume-Uni concernent l’Angleterre et l’Irlande du Nord conjointement.
2. Les données relatives à la Grèce englobent de nombreuses réponses (1 032) provenant de personnes qui ont répondu au questionnaire de base, mais pour lesquelles les résultats de l’évaluation font défaut. Les scores sur les échelles de compétence de ces répondants ont donc été estimés à partir de leurs réponses au questionnaire de base et du modèle de population utilisé pour estimer des valeurs plausibles des réponses manquantes à partir des 3 893 autres cas.
Remarque : seuls sont présentés les pays de l'OCDE dont les données sont disponibles.
Les données PIAAC renvoient à l'évaluation de 2012, sauf pour le Chili, la Grèce, Israël et la Nouvelle-Zélande qui utilisent les données de l'édition 2015.
Les scores obtenus aux épreuves PISA de mathématiques sont exprimés sur l’échelle des scores du PIAAC en numératie, selon Borgonovi et al. (2017[19]) et les méthodes décrites dans l'encadré 3.1. du chapitre 3 de l'ouvrage Perspectives de l'OCDE sur les compétences 2021 (OCDE, 2021[17]).
Source : OCDE (2021[17]), Perspectives de l'OCDE sur les compétences, tableau 3.15b.
1. L'échelle PIAAC de numératie ici utilisée présente un score moyen de 263 points et un écart-type de 47. Ainsi, par exemple, le gain de performance au début de l'âge adulte estimé à 28 points par rapport à un score PIAAC de référence de 269 points à l'âge de 15 ans, représente environ 60 % d'un écart-type.
2. Comme abordé dans l'encadré 3.1 du chapitre 3 de l'ouvrage Perspectives de l'OCDE sur les compétences 2021, pour examiner les progrès réalisés en littératie et numératie entre l'âge de 15 ans et le début de l'âge adulte, les analyses sont effectuées sur des cohortes synthétiques, en établissant une correspondance entre les données PISA et la cohorte de naissance pertinente étudiée dans l’évaluation PIAAC : « La taille des échantillons utilisés pour construire les cohortes varie sensiblement : dans le cadre du PISA, la cohorte compte 4 500 élèves par pays environ, celle du PIAAC 150 seulement. On a donc élargi la tranche d’âge du PIAAC de manière à y intégrer les personnes nées un an avant et un an après la cohorte PISA considérée. Par exemple, les résultats du PISA 2000 sont mis en correspondance avec les données concernant les personnes de 26-28 ans examinées dans l’évaluation du PIAAC en 2012 (laquelle, à la différence du PISA, n’a été conduite qu’une seule fois à ce jour) pour les 17 pays qui ont participé aux deux études. Afin d’élargir la couverture internationale, des données du PISA 2003 ont été ajoutées pour trois pays qui ont réalisé l’évaluation du PIAAC en 2015. Ces données sont pareillement associées à celles concernant la tranche des 23-25 ans de l’évaluation du PIAAC. » Pour de plus amples informations, voir le tableau d'annexe 3.A.1 de l'ouvrage Perspectives de l'OCDE sur les compétences 2021.
Pour les épreuves de mathématiques, de compréhension de l'écrit et de sciences, l'enquête PISA élabore des cadres d'évaluation spécifiques qui définissent en quoi consiste la maîtrise de chacune de ces matières. Ces cadres structurent la matière en fonction des processus, contenus et contextes fondamentaux évalués lors des épreuves. Le cadre d'évaluation des mathématiques a fait l'objet d'une mise à jour à l'occasion du PISA 2022, tandis que les cadres d'évaluation de la compréhension de l'écrit et de la culture scientifique sont restés identiques à ceux utilisés en 2018 (OCDE, 2023[20]).
Les nouveautés du cadre d'évaluation PISA des mathématiques en 2022
Le nouveau cadre d'évaluation des mathématiques du PISA 2022 considère que les évolutions sociales à grande échelle (transformation numérique, nouvelles technologies, etc.), l'omniprésence des données pour la prise de décisions personnelles et la mondialisation apportent une nouvelle définition des connaissances et compétences nécessaires en mathématiques pour devenir des citoyens éclairés, engagés et réfléchis au XXIe siècle. Dans le domaine de l'éducation, ces évolutions signifient que la maîtrise des mathématiques porte moins sur la reproduction de procédures courantes que sur le recours à un raisonnement mathématique. En d'autres termes, il s'agit d'adopter une pensée mathématique qui permette aux élèves de résoudre des problèmes de la vie réelle de plus en plus complexes dans une diversité de contextes propres au XXIe siècle.
Se livrer à un raisonnement n'implique pas nécessairement d'employer des mathématiques avancées, mais de comprendre clairement des concepts mathématiques de base (élémentaires). Il s'agit de penser de manière indépendante, logique et créative pour aborder des tâches de la vie courante qui ne peuvent être facilement automatisées ou résolues à l'aide de « recettes » simples. Indépendamment de leur niveau de compétence en mathématiques, tous les élèves sont capables de se livrer à un raisonnement mathématique. À des niveaux de compétence élevés, les élèves comprennent la nature quantitative d'un problème et peuvent formuler des modèles mathématiques complexes pour le résoudre. À des niveaux plus faibles, les élèves dont les connaissances formelles en mathématiques sont peut-être limitées se livrent néanmoins à un raisonnement mathématique et peuvent intuitivement cerner un problème et le résoudre de manière informelle à l'aide des mathématiques élémentaires.
Pour développer la faculté des élèves à mener un raisonnement mathématique, les établissements et les systèmes d'éducation ne doivent pas se limiter à l'enseignement et à l'évaluation de procédures mathématiques courantes. Ils doivent préparer les élèves à aborder des problèmes atypiques inspirés du monde réel et à appliquer différemment les outils mathématiques qu'ils ont à leur disposition.
Les processus mathématiques
Dans l'enquête PISA 2022, chacun des quatre processus mathématiques examinés est associé à une sous-échelle. Chaque item des épreuves PISA de mathématiques vise à mettre en évidence un de ces processus, et les élèves ne doivent pas nécessairement recourir aux quatre processus pour y répondre.
Le raisonnement mathématique (ou la « pensée mathématique ») est l'aptitude à utiliser une logique, des concepts et des outils mathématiques pour conceptualiser et mettre en œuvre des solutions à des problèmes ou des situations tirés de la vie courante. Il suppose de reconnaître la nature mathématique inhérente à un problème donné et de mettre en œuvre des stratégies pour le résoudre. Il s'agit notamment de faire la distinction entre les informations pertinentes et non pertinentes, de faire preuve d'une pensée computationnelle, de tirer des conclusions logiques et de comprendre comment des solutions peuvent être appliquées dans une situation réelle. Le raisonnement mathématique comprend également la capacité d'un individu à élaborer des arguments, à fournir des données probantes pour étayer et expliquer ses réponses et ses solutions ainsi qu'à prendre davantage conscience de ses propres processus de réflexion, y compris des décisions quant aux stratégies à suivre. Il peut s'agir d'un raisonnement par déduction ou par induction. Si le raisonnement sous-tend les trois autres processus mathématiques décrits ci-après, il en diffère néanmoins en ce sens qu'il oblige à réfléchir au processus global de résolution de problème plutôt qu'à se concentrer sur un aspect spécifique.
Formuler des situations de façon mathématique : les élèves compétents en mathématiques sont capables de reconnaître ou d'identifier les concepts et les notions mathématiques qui sous-tendent des problèmes tirés du monde réel et de structurer ces derniers sous forme mathématique (c'est-à-dire de les formuler en des termes mathématiques). Cette transposition — d'une situation contextualisée à un problème mathématique clairement défini — permet d'employer des outils mathématiques pour résoudre des problèmes qui se posent dans le monde réel.
Employer des concepts, faits et procédures mathématiques : les élèves compétents en mathématiques sont capables d’appliquer les outils mathématiques pertinents pour résoudre des problèmes énoncés de façon mathématique afin d’aboutir à des conclusions mathématiques. Ce processus consiste notamment à effectuer des opérations arithmétiques, résoudre des équations, faire des déductions logiques à partir d’hypothèses mathématiques, faire des manipulations symboliques, extraire des informations mathématiques de tableaux et graphiques, représenter et manipuler des formes dans l’espace et analyser des données.
Interpréter, appliquer et évaluer des résultats mathématiques : les élèves compétents en mathématiques sont capables de réfléchir à des solutions, des résultats ou des conclusions mathématiques et de les interpréter dans le cadre d'un problème tiré du monde réel à l'origine du processus. Cela consiste à traduire des solutions mathématiques ou à replacer le raisonnement dans le contexte du problème et à déterminer si les résultats sont plausibles et sont appropriés au vu du contexte.
Les processus mathématiques utilisés par les élèves pour résoudre des problèmes et situations tirés du monde réel
Source : OCDE (2023[20]), Cadre d’évaluation et d’analyse de l’enquête PISA 2022.
Les contenus mathématiques
Dans le cadre du PISA 2022, une sous-échelle en mathématiques a été élaborée pour chacun des quatre domaines de contenu suivants :
Quantité : ce domaine comprend le sens des nombres et les estimations, la quantification d’attributs d’objets, de relations, de situations et d’entités dans le monde, la compréhension de diverses représentations de ces quantifications et l’évaluation d’interprétations et d’arguments fondés sur la quantité.
Incertitude et données : dans ce domaine il s’agit de reconnaître la place de la variation dans le monde réel, y compris de comprendre l’ampleur de cette variation et d’admettre la notion d’incertitude et d’erreur dans les inférences connexes. La formulation, l'interprétation et l'évaluation de conclusions dans des situations marquées par l’incertitude relèvent également de ce domaine ; comme le sont la présentation et l’interprétation de données, et les sujets élémentaires liés à la probabilité.
Variations et relations : ce domaine implique de comprendre les types fondamentaux de variations et de reconnaître lorsqu’elles se produisent afin d'utiliser des modèles mathématiques adaptés pour les décrire et les prévoir. Il comprend également le recours à des fonctions, équations et inéquations appropriées ainsi que la création, l'interprétation et la traduction de représentations graphiques et symboliques des relations.
Espace et formes : ce domaine englobe les régularités, les visualisations spatiales, les propriétés des objets, les positions et les orientations, les représentations d’objets, l’encodage et le décodage d’informations visuelles, la navigation et les interactions dynamiques avec des formes réelles, les représentations, le mouvement, le déplacement et la capacité à anticiper les actions dans l'espace.
Les contextes inspirés du monde réel
Le raisonnement mathématique et la résolution de problème s'inscrivent dans des contextes inspirés du monde réel. Le PISA 2022 s'appuie sur quatre contextes différents tirés des précédents cycles d'évaluation :
Le contexte personnel : relatif aux individus, à leur famille et leurs pairs. Par exemple, la préparation des repas, les achats, les jeux, la santé individuelle, le transport personnel, les loisirs, le sport, les voyages, l’emploi du temps et le budget personnel, etc.
Le contexte professionnel : relatif au monde du travail. Par exemple, le mesurage, les devis et les commandes de matériaux de construction, la comptabilité et la gestion des salaires, le contrôle de la qualité, les inventaires et les prévisions, le design et l’architecture et la prise de décisions dans le cadre de la vie professionnelle à l'aide, ou non, de la technologie appropriée, etc.
Le contexte sociétal : relatif à la communauté, qu'elle soit locale, nationale ou mondiale. Par exemple, les systèmes électoraux, les transports publics, les gouvernements, les pouvoirs publics, la démographie, la publicité, la santé, le divertissement, les statistiques nationales et l’économie, etc.
Le contexte scientifique : relatif à l’application des mathématiques dans le monde naturel et aux thématiques et enjeux en rapport avec la science et la technologie. Par exemple, la météorologie ou le climat, l’écologie, la médecine, l’espace, la génétique, le mesurage et les mathématiques.
Descriptions de la performance au bas de l'échelle de culture mathématique
S'inspirant du cadre d'évaluation de l'enquête PISA pour le développement (OCDE, 2018[21]), les six niveaux de compétence utilisés dans les précédentes épreuves PISA de mathématiques ont été enrichis. C'est notamment le cas du niveau 1, qui comporte désormais les niveaux 1a, 1b et 1c (voir le chapitre 3 pour une description des compétences des élèves en mathématiques associées à chacun de ces niveaux). Cinq items permettent de mesurer le niveau 1b dans les épreuves informatisées de mathématiques, et un item mesure le niveau 1c dans les épreuves sur papier.
Évaluation des compétences en compréhension de l'écrit dans l'enquête PISA
Dans le cadre de l'enquête PISA 2022, la maîtrise de la compréhension de l'écrit est définie comme suit : « Comprendre l’écrit, c’est non seulement comprendre, utiliser et évaluer des textes, mais aussi y réfléchir et s’y engager. Cette capacité devrait permettre à chacun de réaliser ses objectifs, de développer ses connaissances et son potentiel et de participer activement à la vie de la société » (OCDE, 2019[22]).
Dans l’enquête PISA, les compétences en compréhension de l’écrit renvoient à un large éventail de savoir-faire qui permet aux lecteurs d’utiliser des informations figurant dans un ou plusieurs textes à une fin spécifique (RAND Reading Study Group et Snow, 2022[23] ; Perfetti, Landi et Oakhill, 2005[24]).
Les lecteurs doivent comprendre le texte et le combiner avec leurs connaissances antérieures. Ils doivent examiner le point de vue du ou des auteurs et déterminer si ce qu’ils lisent est fiable et exact et est pertinent en fonction de l’objectif à atteindre (Bråten, Strømsø et Britt, 2009[25]).
La compréhension de l’écrit au XXIe siècle concerne non seulement les textes imprimés sur papier, mais également les textes électroniques. Elle implique plus que jamais de trier différentes sources sur le volet, de lever des ambiguïtés, de faire la différence entre faits et opinions et de s’instruire. Lors de la pandémie, les initiatives d'enseignement à distance ont grandement reposé sur la disponibilité de ressources éducatives électroniques.
Le cadre d'évaluation de la compréhension de l'écrit de l'enquête PISA 2018 a été réutilisé lors de l'édition 2022.
Évaluation des compétences en sciences dans l'enquête PISA
Selon la définition proposée par l'enquête PISA, la culture scientifique renvoie à la capacité des individus de s’engager dans des questions et des idées en rapport avec la science en tant que citoyens réfléchis (OCDE, 2019[22]). Les individus compétents en sciences sont donc prêts à s’engager dans des raisonnements sensés à propos de la science et de la technologie et doivent, pour ce faire, utiliser les compétences suivantes :
Expliquer des phénomènes de manière scientifique : reconnaître, proposer et évaluer des thèses expliquant une série de phénomènes naturels et technologiques.
Évaluer et concevoir des recherches scientifiques : décrire et évaluer des études scientifiques, et proposer des moyens de répondre à des questions de manière scientifique.
Interpréter des données et des faits de manière scientifique : analyser et évaluer des données, des thèses et des arguments présentés sous diverses formes et en tirer des conclusions scientifiques appropriées.
Conformément à ce cadre d'évaluation, les trois types de connaissances suivants sont nécessaires pour être compétent en sciences : les connaissances liées aux contenus, les connaissances portant sur les procédures méthodologiques standard appliquées en sciences et les connaissances relatives aux idées et arguments avancés par les scientifiques pour justifier leurs thèses. Pour expliquer des phénomènes scientifiques et technologiques par exemple, il est impératif d’avoir des connaissances scientifiques. De même, l'évaluation de recherches scientifiques et l'interprétation de faits de manière scientifique impliquent également de comprendre d’où viennent ces connaissances et de savoir dans quelle mesure elles sont fiables. Les individus compétents en sciences comprennent les grands concepts et les idées maîtresses à la base de la pensée scientifique et technologique ; savent comment ces connaissances ont été produites ; et savent dans quelle mesure ces connaissances sont justifiées par des faits ou étayées par des explications théoriques.
La maîtrise des compétences scientifiques ainsi définie admet qu’il existe un élément affectif dans les compétences des élèves : leurs attitudes ou dispositions à l’égard de la science peuvent influencer l’intérêt qu’ils portent à la science, les inciter à s’y engager et les encourager à agir.
Les sciences étaient le domaine d'évaluation majeur de l’enquête PISA en 2006 et en 2015. Les épreuves PISA de sciences ont fait l'objet d'une mise à jour en 2015, avant d'être réutilisées dans les éditions de 2018 et 2022. Le cadre d'évaluation de la culture scientifique dans l'enquête PISA en 2015 est le même que celui utilisé en 2018 et 2022.
Références
[6] Ashcraft, M. et E. Kirk (2001), « The relationships among working memory, math anxiety, and performance. », Journal of Experimental Psychology: General, vol. 130/2, pp. 224-237, https://doi.org/10.1037/0096-3445.130.2.224.
[16] Beilock, S. et al. (2010), « Female teachers’ math anxiety affects girls’ math achievement », Proceedings of the National Academy of Sciences, vol. 107/5, pp. 1860-1863, https://doi.org/10.1073/pnas.0910967107.
[19] Borgonovi, F. et al. (2017), Youth in Transition: How Do Some of The Cohorts Participating in PISA Fare in PIAAC?, Éditions OCDE, Paris, https://doi.org/10.1787/51479ec2-en.
[25] Bråten, I., H. Strømsø et M. Britt (2009), « Trust Matters: Examining the Role of Source Evaluation in Students’ Construction of Meaning Within and Across Multiple Texts », Reading Research Quarterly, vol. 44/1, pp. 6-28, https://doi.org/10.1598/rrq.44.1.1.
[4] Carey, E. et al. (2016), « The Chicken or the Egg? The Direction of the Relationship Between Mathematics Anxiety and Mathematics Performance », Frontiers in Psychology, vol. 6, https://doi.org/10.3389/fpsyg.2015.01987.
[2] Choe, K. et al. (2019), « Calculated avoidance: Math anxiety predicts math avoidance in effort-based decision-making », Science Advances, vol. 5/11, https://doi.org/10.1126/sciadv.aay1062.
[3] Dowker, A., A. Sarkar et C. Looi (2016), « Mathematics Anxiety: What Have We Learned in 60 Years? », Frontiers in Psychology, vol. 7, https://doi.org/10.3389/fpsyg.2016.00508.
[14] Dweck, C. (2006), Mindset: The new psychology of success, Random House.
[15] Dweck, C. et D. Yeager (2019), « Mindsets: A View From Two Eras », Perspectives on Psychological Science, vol. 14/3, pp. 481-496, https://doi.org/10.1177/1745691618804166.
[7] Elliot, A. et C. Dweck (dir. pub.) (2005), Evaluation anxiety, The Guilford Press.
[5] Goetz, T. et al. (2010), « Academic self-concept and emotion relations: Domain specificity and age effects », Contemporary Educational Psychology, vol. 35/1, pp. 44-58, https://doi.org/10.1016/j.cedpsych.2009.10.001.
[9] Ho, H. et al. (2000), « The Affective and Cognitive Dimensions of Math Anxiety: A Cross-National Study », Journal for Research in Mathematics Education, vol. 31/3, pp. 362-379, https://doi.org/10.2307/749811.
[20] OCDE (2023), PISA 2022 Assessment and Analytical Framework, PISA, Éditions OCDE, Paris, https://doi.org/10.1787/dfe0bf9c-en.
[17] OCDE (2021), Perspectives de l’OCDE sur les compétences 2021 : Se former pour la vie, Éditions OCDE, Paris, https://doi.org/10.1787/fc97e6d3-fr.
[12] OCDE (2021), Sky’s the Limit: Growth Mindset, Students, and Schools in PISA, Éditions OCDE, Paris, https://www.oecd.org/content/dam/oecd/en/about/programmes/edu/pisa/publications/national-reports/pisa-2018/brochures/Sky-s-the-limit-pisa-growth-mindset.pdf.
[18] OCDE (2019), OECD Future of Education and Skills 2030 Concept Note, Éditions OCDE, Paris, https://www.oecd.org/content/dam/oecd/en/about/projects/edu/education-2040/concept-notes/OECD_Learning_Compass_2030_concept_note.pdf.
[22] OCDE (2019), PISA 2018 Assessment and Analytical Framework, PISA, Éditions OCDE, Paris, https://doi.org/10.1787/b25efab8-en.
[21] OCDE (2018), PISA for Development Assessment and Analytical Framework: Reading, Mathematics and Science, PISA, Éditions OCDE, Paris, https://doi.org/10.1787/9789264305274-en.
[1] OCDE (2013), PISA 2012 Results: Ready to Learn (Volume III): Students’ Engagement, Drive and Self-Beliefs, PISA, Éditions OCDE, Paris, https://doi.org/10.1787/9789264201170-en.
[24] Perfetti, C., N. Landi et J. Oakhill (2005), « The Acquisition of Reading Comprehension Skill », dans The Science of Reading : A Handbook, Blackwell Publishing Ltd, Oxford, UK, https://doi.org/10.1002/9780470757642.ch13.
[8] Putwain, D., K. Woods et W. Symes (2010), Personal and situational predictors of test anxiety of students in post-compulsory education.
[23] RAND Reading Study Group et C. Snow (2022), Reading for Understanding: Toward an R&D Program in Reading Comprehension, RAND Corporation, http://www.jstor.org/stable/10.7249/mr1465oeri.8.
[13] Yeager, D. et al. (2019), A national experiment reveals where a growth mindset improves achievement, https://doi.org/10.1038/s41586-019-1466-y.
[11] Yeager, D. et G. Walton (2011), Social-psychological interventions in education: They’re not magic, SAGE Publications Inc., http://rer.aera.net.
[10] Zhang, J., N. Zhao et Q. Kong (2019), « The Relationship Between Math Anxiety and Math Performance: A Meta-Analytic Investigation », Frontiers in Psychology, vol. 10, https://doi.org/10.3389/fpsyg.2019.01613.
← 1. Rappelons qu’il convient de tenir exclusivement compte des différences statistiquement significatives lors de la comparaison des scores moyens entre les pays et économies (voir l'encadré 1 du Guide du lecteur).
← 2. L’écart-type résume la variation de la performance entre les élèves de 15 ans de chaque pays et économie. Dans les pays de l’OCDE, l’écart-type moyen en mathématiques s’établit à 90 points. Lorsque l'écart-type est supérieur à 90 points, cela signifie que la performance des élèves présente une variation plus faible au niveau international que par rapport à la performance moyenne d'un pays ou d'une économie spécifique. Un écart-type plus faible implique que la performance des élèves varie moins au sein d'un pays ou d'une économie qu'à l'échelle internationale.
← 3. Cette analyse a été menée en deux phases. Une première phase a consisté à déterminer la part de la variation de la performance des élèves observée entre les systèmes d'éducation. Puis, une seconde phase a porté sur l'identification de la part restante de la variation observée entre les établissements et au niveau intra-établissement. La variation intra-établissement représente les écarts de performance observés entre les élèves.
← 4. Les résultats PISA n'établissent aucun lien de causalité, mais déterminent des corrélations empiriques entre les résultats des élèves et les caractéristiques des établissements et des systèmes d'éducation. Ces corrélations révèlent des tendances homogènes entre les pays. Les implications en matière d'action publique reposent sur les indications fournies par ces corrélations et sur de précédentes études.
← 5. Cela s'explique par le fait que si les élèves de l'échantillon PISA représentent tous les élèves de 15 ans, indépendamment du type d'établissement dans lequel ils sont scolarisés, ils peuvent ne pas être représentatifs des effectifs scolarisés dans leur établissement. En conséquence, cela pourrait compromettre la comparabilité des résultats au niveau des établissements. Il se peut, par exemple, que dans un pays les redoublants et les élèves de l'année d'études modale soient scolarisés dans des établissements différents. En effet, les redoublants seraient scolarisés dans un établissement d'enseignement secondaire de premier cycle (CITE 2) tandis que les autres élèves seraient inscrits en première année dans un établissement d'enseignement secondaire de deuxième cycle (CITE 3, niveau correspondant à l'année d'études modale dans ce pays). Dans ce cas de figure, la performance moyenne des établissements dans lesquels seuls les élèves redoublants seraient évalués constituerait un bien piètre indicateur de leur performance moyenne effective. En limitant l'échantillonnage aux établissements proposant un enseignement au niveau modal de la CITE pour les élèves de 15 ans, l'enquête PISA garantit que les caractéristiques des élèves échantillonnés se rapprochent le plus possible des profils des élèves fréquentant l'établissement. Le « niveau modal de la CITE » correspond ici au niveau fréquenté par au minimum un tiers de l'échantillon PISA. Dans 15 systèmes d'éducation (Bakou [Azerbaïdjan], Cambodge, Colombie, Costa Rica, Hong Kong [Chine]*, Indonésie, Jamaïque, Kazakhstan, Maroc, Pays-Bas, République dominicaine, République slovaque, République tchèque, Suisse et Taipei chinois), tant les établissements du premier cycle de l'enseignement secondaire (CITE 2) que ceux du deuxième cycle de l'enseignement secondaire (CITE 3) correspondent à cette définition. Dans tous les autres pays, les analyses se limitent aux établissements d'enseignement secondaire de premier ou de deuxième cycle (voir le tableau I.B1.2.14 pour plus de détails). Dans nombre de pays, l'enseignement secondaire de premier et de deuxième cycles se déroulent dans le même établissement. Cette restriction ayant lieu au niveau des établissements, certains élèves fréquentant une autre année d'études que l'année modale définie dans le pays peuvent également être inclus dans l'analyse.
← 6. Voir l'annexe A3 pour une note technique sur la méthode de calcul de la plage de classement dans PISA 2022.