Les modèles cognitifs de la lecture récents s’accordent pour insister sur le caractère interactif de la lecture : la compréhension résulte d’une interaction entre un lecteur, un texte et un contexte (Kintsch & Kintsch, 2005 ; McNamara & Magliano, 2009 ; Snow & the RAND Corporation, 2002). Les lecteurs construisent le sens en utilisant leurs connaissances antérieures et mettent en oeuvre trois grands types de stratégies : 1) localiser l’information, 2) gérer et maintenir la compréhension et 3) évaluer de manière critique la validité et la pertinence de l’information. Chacune de celles-ci se décline en stratégies plus spécifiques qui s’ajustent en fonction des textes, des tâches et des situations.

Depuis l’émergence de la lecture sur support numérique, de nombreuses études ont tenté de déterminer les points communs et les différences entre la lecture traditionnelle sur papier et la lecture numérique (Afflerbach & Cho, 2010 ; Coiro & Dobler, 2006 ; Leu et al., 2015). Afflerbach et Cho (2010) ont ainsi synthétisé les résultats de 47 études consacrées à la lecture sur Internet, utilisant des protocoles de lecture à voix haute (Afflerbach, 2000) d’une part, des recherches portant sur la lecture de textes multiples ou intertextuels d’autre part (Rouet & Britt, 2011). Selon Afflerbach et Cho (2010), les lecteurs experts utilisent des stratégies qui ont beaucoup de points communs selon qu’ils lisent des textes sur support papier ou sur Internet. Toutefois, « Internet représente un changement dans l’architecture de la lecture » (Afflerbach & Cho, 2010, p. 217), le texte à lire n’est pas donné et se construit au fil des pages que le lecteur décide de visiter. La stratégie spécifique à la lecture numérique serait dès lors, selon Afflerbach et Cho, de « réaliser et construire les textes potentiels à lire » (p. 217). D’autres stratégies déjà mises en oeuvre dans la lecture traditionnelle prennent aussi une importance accrue face à la lecture sur Internet, notamment l’autorégulation (monitoring) de l’acte de lecture et l’évaluation. Pour ce qui est de l’autorégulation, face à cet espace nébuleux et infini qu’est Internet, le lecteur doit maintenir le cap sur les buts de lecture et éviter de s’égarer sur des chemins connexes. En ce qui concerne l’évaluation, le lecteur doit certes déjà évaluer la qualité de l’information ou la crédibilité de l’auteur dans un contexte de lecture traditionnelle sur papier. Face à l’information non filtrée et souvent non référencée qui est disponible sur Internet, la vigilance critique quant à la crédibilité ou à la fiabilité des sources prend néanmoins une importance plus particulière.

Au-delà de quelques différences d’appréciation, il existe un relatif consensus sur ce qui distingue principalement la lecture traditionnelle de la lecture numérique et qui rend cette dernière particulièrement complexe : le fait que le texte sur support numérique n’ait pas de frontières définies et que le lecteur doive construire le texte à lire, le fait que le lecteur soit confronté à des textes multiples et qu’il soit amené à gérer les éventuelles contradictions entre ceux-ci, l’importance accrue de l’autorégulation pour maintenir ses buts de lecture et éviter de se perdre dans les méandres de la toile et enfin, le rôle crucial de l’évaluation de la crédibilité des sources. Comme le résume Li (2020), quand on parle de nouveauté à propos des stratégies de lecture numérique, le terme revêt deux significations différentes. Premièrement, la nouveauté touche

les compétences de littératie numérique que les lecteurs déploient pour s’adapter au nouvel environnement numérique. Les stratégies de ce type sont neuves et distinctes des stratégies de lecture traditionnelles. Elles sont formatées par les caractéristiques des textes sur Internet et jouent un rôle unique. (…). Deuxièmement, la nouveauté concerne les nouvelles fonctions des stratégies de lecture traditionnelles aux nouveaux contextes de lecture en ligne

Li, 2020, p. 4[3]

Depuis le cadre de référence pour l’évaluation de la lecture élaboré pour le PISA 2000, la place et les fonctions qu’occupent la lecture dans la société, ainsi que les supports et le type de textes lus ont connu des évolutions considérables. Sous l’influence des technologies de l’information et de la communication, la manière dont les gens lisent et échangent de l’information a rapidement évolué. En 2018, une révision substantielle du cadre de référence a eu lieu : la lecture en ligne occupe désormais une place centrale dans l’évaluation, à un point tel que toutes les nouvelles tâches d’évaluation développées pour 2018 sont des unités[4] de lecture en ligne, comportant des caractéristiques propres aux textes électroniques, outils de navigation entre les pages et liens hypertextes (Coiro & Dobler, 2006 ; Leu et al., 2015 ; OECD, 2019 ; Rouet, 2006 ; Rouet & Britt, 2011 ; Rouet & Coutelet, 2008). Les trois principaux processus de lecture évalués dans le PISA restent identiques en 2009 et 2018 : localiser de l’information, interpréter, réfléchir et évaluer les textes. Des sous-processus plus spécifiques concernant la lecture numérique ont cependant été ajoutés : « rechercher et sélectionner des textes pertinents » et « détecter et gérer des contradictions ».

Une actualisation similaire s’est opérée pour les questionnaires contextuels, de sorte que les caractéristiques propres à la lecture numérique y figurent en bonne place, aux côtés des aspects de la lecture traditionnelle sur support papier. Ainsi, pour ne prendre que deux exemples, les élèves sont questionnés sur leurs pratiques de lecture sur papier, mais aussi sur support numérique. Deux échelles mesurant les connaissances métacognitives en lecture étaient déjà présentes en 2009 : « Comprendre et mémoriser un texte » (UNDREM) et « Résumer » (METASUM) (voir annexe 2) ; en 2018, une troisième échelle « Évaluer la crédibilité d’un message » (METASPAM) vise à évaluer plus spécifiquement ces connaissances en contexte de lecture numérique[5].

Depuis les travaux fondateurs de Flavell (1976), la métacognition est définie comme « toute connaissance ou activité cognitive qui a pour objet ou régule un aspect de l’activité cognitive » (Flavell et al., 2002, p. 150). Les modèles théoriques de la métacognition distinguent les connaissances métacognitives des activités métacognitives que sont le contrôle ou la régulation de sa compréhension (Flavell, 1976 ; Paris et al., 1983). De nombreux travaux menés à partir des années 1980 (Paris & Winograd, 1990 ; Snow et al., 1998) ont mis en évidence le fait que les lecteurs experts diffèrent des lecteurs peu habiles par leurs connaissances métacognitives plus approfondies et par leur usage régulier de stratégies pour réguler leur compréhension. Par contraste, les lecteurs moins habiles ne régulent pas leur compréhension et ne savent pas quelles stratégies alternatives mettre en place quand ils constatent une rupture dans la compréhension (Paris et al., 1983). Par ailleurs, les travaux menés dans le domaine des facteurs socioaffectifs liés à la lecture suggèrent que les attitudes (motivation envers la lecture), le concept de soi comme lecteur et le sentiment d’efficacité en lecture peuvent avoir un impact sur la manière dont le lecteur mobilise ses stratégies de lecture et s’engage cognitivement dans la tâche (Guthrie & Alvermann, 1999 ; Guthrie et al., 2013 ; Horner & Shewry, 2002 ; Lihong et al., 2021 ; Mc Elwany & Schwabe, 2019).

Le lien entre la métacognition et les compétences en lecture a été solidement établi par les nombreux travaux consacrés à la connaissance et à la mise en oeuvre de stratégies de lecture, qu’il s’agisse de travaux quantitatifs (Baker & Brown, 1984 ; Denton et al., 2015 ; Guthrie, et al., 2013) ou qualitatifs utilisant des protocoles de réflexion à voix haute (think aloud) (Coiro & Dobler, 2006). Les lecteurs les plus performants ou experts possèdent une bonne connaissance des stratégies de lecture efficaces ; inversement, les lecteurs en difficulté les connaissent mal. Selon Artelt et Schneider (2015) et Samuelsen et Braten (2007), les stratégies métacognitives ont un meilleur pouvoir prédictif de la compréhension quand elles portent sur une tâche de lecture spécifique.

Ohtani et Hisakawa (2018) ont consacré une méta-analyse aux liens entre métacognition et performances dans différentes disciplines. Cette méta-analyse portant sur 118 études inclut, parmi les modérateurs possibles, le type de mesure de la métacognition utilisé. La métacognition est en moyenne corrélée positivement (r = 0,28) avec les performances académiques. Quand la métacognition est mesurée via des mesures on line, à savoir des protocoles de réflexion à voix haute ou encore l’analyse des log file data qui enregistrent le comportement des personnes pendant la résolution d’une tâche sur support numérique, les corrélations avec les performances sont plus élevées (r = 0,53). Par contraste, quand la mesure de la métacognition se fait à froid, au moyen de questionnaires notamment, la corrélation avec les performances est nettement moins élevée (r = 0,19).

Burin et al. (2020) ont de leur côté consacré une étude aux liens entre la métacognition et la compréhension de textes numériques auprès de 219 étudiants de l’enseignement supérieur. Pour mesurer la métacognition, ils ont utilisé un sous-ensemble de l’inventaire Metacognitive Awareness of Reading Strategies Inventory (MARSI) développé par Mokhtari et Reichard (2002) (décrit dans la section suivante). Le test de compréhension en lecture comporte 20 items portant sur deux textes informatifs. Les auteurs ont également pris en compte l’habileté verbale et la mémoire de travail, ainsi que l’expérience des élèves sur Internet. Les résultats des analyses de corrélation et de régression montrent que la métacognition est significativement corrélée avec les scores de compréhension (r = 0,21), même en tenant les autres variables sous contrôle. L’habileté verbale est aussi significativement liée aux résultats en lecture (r = 0,41) ainsi que l’expérience d’Internet (r = 0,25). Toutefois, l’expérience d’Internet n’est pas significativement liée avec la mesure de métacognition.

Dès lors que la métacognition est un processus non observable, sa mesure n’est pas simple (Allen & Armour-Thomas, 1993). Selon Mokhtari et Reichard (2002), qui ont dressé un relevé et réalisé une analyse critique des échelles de connaissances ou d’activités métacognitives en lecture développées avant 2000, « les efforts pour développer des inventaires des connaissances métacognitives partent de bonnes intentions, mais ceux-ci ne sont généralement pas satisfaisants du point de vue de la mesure » (Mokhtari & Reichard, 2002, p. 250)[6]. L’instrument Metacognitive Awareness of Reading Strategies Inventory (MARSI) développé par Mokhtari et Reichard (2002) comporte quant à lui 30 items mesurant selon eux les connaissances. Cependant, à l’examen, cet inventaire porte surtout sur l’usage perçu de différentes stratégies de lecture. L’échelle a a subi un processus de validation auprès de 825 élèves du secondaire (de la 6^e à la 12^e année), elle présente une bonne fidélité (α = 0,89) et trois facteurs ont été identifiés : les stratégies de lecture globales (p. ex. : j’ai un but en tête quand je lis), les stratégies de résolution de problèmes (p. ex. : j’essaie de me recentrer si j’ai perdu ma concentration) et les stratégies de soutien à la lecture (p. ex. : je prends des notes quand je lis). Un relevé systématique dans trois bases de données (ERIC, Web of science et APA) montre que MARSI est de nos jours le principal instrument utilisé pour mesurer la métacognition en lecture et a fait l’objet de différentes adaptations et études de validation (Anderson, 2003 ; Wu et al., 2012). Anderson (2003) a développé une version en ligne de MARSI, mais l’adaptation s’est limitée à ajouter « quand je lis en ligne » dans le libellé de chacun des 30  tems, qui sont des stratégies de lecture générales, ce qui n’en fait pas des stratégies propres à la lecture en ligne, loin s’en faut. En 2018, Mokhtari et al. ont effectué un processus de validation d’une une version révisée et écourtée (15 items) de MARSI (MARSI-R), auprès d’un échantillon de 1162 étudiants du secondaire (de la 6^e à la 12^e année). Les résultats confirment la structure originale en trois facteurs latents (voir supra, Mokhtari & Richard, 2002). MARSI-R présente une corrélation modérée de 0,33 avec le concept de soi en lecture[7] et de faibles corrélations, proches de zéro, avec les notes obtenues par les étudiants. Seule la corrélation du facteur « stratégies globales de lecture » (r = 0,08) avec les notes atteint le seuil de signification à p < 0,05. Mokhtari et al. (2018) soulignent à ce propos :

un des problèmes persistants avec MARSI est que les corrélations sont relativement basses entre les scores d’usage de stratégies rapportés et des mesures externes des performances en lecture. (…) Sans doute possible, les problèmes soulevés par les instruments auto-rapportés, portant sur l’usage généralisé (ndlr de stratégies) vs contextualisé, jouent un rôle dans ce problème de corrélation

Mokhtari, et al., 2018, p. 238[8]

Enfin, Li (2020) a développé et effectué un processus de validation d’un inventaire de stratégies de lecture en ligne (Second Language Online Reading Strategies Inventory – SLORSI) dans un contexte d’apprentissage de l’anglais langue seconde auprès d’un échantillon de 482 étudiants issus de sept universités chinoises. C’est à notre connaissance l’un des rares instruments ayant subi un processus de validation qui porte véritablement sur les stratégies de lecture en ligne. Il est composé de 29 items qui se présentent sous forme d’échelles de Likert à cinq échelons (de « Pas du tout d’accord avec cette affirmation » à « Fortement d’accord avec cette affirmation ») ; il s’agit d’une mesure autorapportée portant sur des activités métacognitives. Les analyses factorielles mettent en évidence l’existence de neuf facteurs différents relevant soit de la lecture traditionnelle (inférer, écrémer), soit de la lecture en ligne (synthétiser, sauvegarder, naviguer). Pour notre propos, il est important de souligner que la dimension « Évaluer » apparait comme une dimension distincte, c’est en effet sur cette stratégie que porte notre étude de validation.

Les échelles qui viennent d’être évoquées, quelles que soient leurs qualités, sont sans exception des mesures autorapportées portant sur l’usage par le répondant de différentes stratégies, et concernent des activités métacognitives et non des connaissances métacognitives. Burin et al. (2020) rappellent l’importance de cette distinction entre activités et connaissances métacognitives et mentionnent comme seul exemple de mesure des connaissances les scénarios métacognitifs développés dans le cadre du PISA 2009 décrits dans la section suivante.

Dans le PISA 2009, une mesure des connaissances métacognitives a pour la première fois été introduite dans le questionnaire destiné aux élèves (Artelt & Schneider, 2015 ; OECD, 2012). L’approche adoptée par les concepteurs présente deux particularités. Tout d’abord, elle consiste à présenter un scénario de lecture, en assignant un but pour cette lecture, et à mesurer ainsi des connaissances conditionnelles véritablement en lien avec la tâche. Le premier scénario a pour but de lire un texte pour le comprendre et le retenir (UNDREM), le second scénario a pour but de résumer un texte (METASUM)[9]. Pour chacun des scénarios, une liste de cinq ou six stratégies est présentée aux élèves, qui doivent indiquer dans quelle mesure ces stratégies sont efficaces, sur une échelle de Likert comportant six échelons, de « Pas du tout efficace » à « Très efficace ». Les élèves n’ont donc pas à indiquer s’ils mettent en oeuvre eux-mêmes les différentes stratégies (ce qui serait une mesure autorapportée), mais plutôt s’ils pensent que ces stratégies sont efficaces pour résoudre une tâche de lecture située. Les connaissances (awareness) sont ainsi bien distinctes de l’activité (contrôle ou régulation de sa compréhension), ce qui n’est que rarement, voire jamais, le cas dans les échelles existantes. En outre, le fait de ne pas demander aux élèves ce qu’ils feraient en pareille situation, mais plutôt d’évaluer ce qu’ils pensent de l’efficacité de la stratégie, est de nature à diminuer les phénomènes de désirabilité sociale ou d’acquiescement inhérents aux mesures autorapportées (He & van de Vijver, 2015). Par ailleurs, une méthode de codage particulière a été appliquée. Plutôt que de considérer a priori certaines réponses comme correctes et d’autres pas, les réponses des élèves ont été mises en regard de celles d’un panel d’experts en lecture issus des différents pays participants au PISA. Un point de référence externe (benchmarking) est donc utilisé. Dans un premier temps, les réponses de 64 experts aux mêmes scénarios métacognitifs ont été recueillies. Dans un deuxième temps, les réponses des experts à toutes les paires de stratégies à l’intérieur d’un scénario ont été comparées afin de ne retenir que les cas où une stratégie est clairement jugée plus efficace qu’une autre. Seules les paires de stratégies pour lesquelles une majorité de 75 % des experts sont d’accord ont été retenues, soit 23 paires au total (neuf pour le premier scénario, huit pour le deuxième et six pour le troisième introduit en 2018, présenté plus loin). Si le jugement de l’élève pour chacune de ces paires correspond à celui des experts, l’élève reçoit un score de 1 ; dans le cas contraire, il reçoit un score de 0. Ces scores sont enfin additionnés par scénario ; l’élève dont le jugement sur l’efficacité de paires de stratégies concorde parfaitement avec celui des experts obtient ainsi un score total de 23 pour les trois scénarios. Plus de détails à propos du codage peuvent être trouvés dans Artelt et Schneider (2015) et dans Zhou et al. (2020). Artelt et Schneider (2015) ont réalisé une étude de validation des deux scénarios métacognitifs du PISA 2009. Ils ont testé les liens entre les scores métacognitifs de lecture et les performances en lecture dans le PISA 2009 et mis en évidence des corrélations élevées avec les performances en lecture, de l’ordre de 0,48 en moyenne dans les pays de l’OCDE.

L’objectif de la présente étude est d’identifier des traces de validité d’une échelle inédite de mesure des connaissances métacognitives en contexte de lecture numérique développée pour le PISA 2018. Plus précisément, il s’agit d’examiner en quoi la nouvelle échelle pour laquelle on souhaite obtenir des traces de validité converge avec les résultats d’autres mesures portant la lecture (dans ce cas, les performances et différentes échelles socioaffectives concernant la lecture) et, en parallèle, de vérifier si cette échelle diverge d’autres construits relatifs aux technologies de l’information et de la communication. Les frontières entre la lecture numérique et d’autres construits proches comme la littératie numérique[10] sont en effet ténues. De surcroît, comme le signale l’un des experts du domaine, « c’est un sujet sur lequel la terminologie est très confuse » (Bawden, 2008, p. 24). Pour notre propos, nous retiendrons la définition de la littératie numérique proposée par Martin (2006) « la conscience, l’attitude et la capacité des individus d’utiliser de manière adéquate les outils numériques pour identifier, accéder à, gérer, intégrer, évaluer et synthétiser des ressources numériques, construire de nouvelles connaissances, créer des artefacts médiatiques, et communiquer avec les autres (…)[11] » (p. 154). À la lumière de cette définition, on peut constater que le concept de littératie numérique est plus large que celui de lecture numérique, qu’il englobe d’ailleurs totalement. À la différence de la lecture numérique, la littératie numérique inclut d’autres objets que du texte écrit (des « ressources numériques » ce qui inclut des images, du son, des vidéos…), et met davantage l’accent sur la composante technologique ou la capacité à utiliser les outils numériques.

La démarche d’identification de traces de validité au coeur de la présente étude portant sur une échelle inédite, aucune étude portant sur cette échelle ou sur des échelles s’en approchant n’a pu être trouvée. Nous ne sommes donc pas en mesure de poser des hypothèses de recherche stricto sensu. En revanche, ce que nous appelons, dans le cadre de cette étude, des hypothèses de travail ont été posées, et sont successivement mises à l’épreuve au travers des analyses menées. A priori, l’échelle comporte trois composantes : une composante « connaissances métacognitives », une composante « lecture » et une composante « technologique » (message électronique). Les hypothèses de travail correspondent au raisonnement par étape suivi pour trouver des traces que l’échelle mesure bien ce qu’elle prétend mesurer, à savoir 1) des connaissances métacognitives, 2) liées à la lecture numérique, et 3) peu liées à une dimension technologique (outil informatique).

• Hypothèse de travail 1 : si l’échelle METASPAM mesure bien la connaissance métacognitive de stratégies liées à la lecture, elle devrait être bien corrélée avec les deux autres scénarios métacognitifs de lecture ayant subi un processus de validation (UNDREM et METASUM) ;

• Hypothèse de travail 2 : si l’échelle METASPAM mesure bien des stratégies liées à la lecture, elle devrait être aussi bien corrélée que UNDREM et METASUM avec les performances en lecture ;

• Hypothèse de travail 3 : si METASPAM mesure la connaissance de stratégies de lecture, elle devrait être aussi bien corrélée avec les autres variables non cognitives liées à la lecture (intérêt, concept de soi, efficacité perçue) que les deux autres scénarios UNDREM et METASUM ;

• Hypothèse de travail 4 : si METASPAM mesurait des compétences technologiques, elle devrait être davantage corrélée aux variables non cognitives liées aux TIC (usage et intérêt pour les TIC, efficacité perçue des TIC) que ne le sont les deux autres scénarios métacognitifs.

Par ailleurs, la revue de la littérature portant sur les liens entre la métacognition, les performances en lecture et d’autres variables conduit à poser les hypothèses de recherche suivantes qui, même si elles ne concernent pas directement la démarche de validation, contribuent à l’avancement des connaissances sur les liens entre métacognition et lecture numérique :

• Hypothèse de recherche 1a : selon la méta-analyse de Ohtani et Hisasaka (2018), la corrélation du scénario métacognitif avec les performances en lecture devrait être relativement faible (autour de 0,20), puisque la mesure des connaissances métacognitives s’effectue via un questionnaire (plutôt que par une mesure «  on line  »).

• Hypothèse de recherche 1b : selon les travaux d’Artelt et Schneider (2015), de Burin et al. (2020) et de Schellings et al. (2013), étant donné que le scénario est lié à une tâche de lecture contextualisée, la corrélation avec les performances en lecture pourrait être relativement élevée.

• Hypothèse de recherche 2 : en accord avec les travaux d’Azevedo et al. (2013), de Baker et Wigfield (1999), de Guthrie et Alvermann (1999), de Horner et Shewry, (2002), le scénario métacognitif devrait être significativement corrélé avec les variables socioaffectives liées à la lecture (intérêt, concept de soi, sentiment d’efficacité).

• Hypothèse de recherche 3 : en accord avec l’étude de Burin et al. (2020), le scénario métacognitif devrait n’être que faiblement, voire pas du tout, corrélé avec les variables liées aux TIC (fréquence d’usage, intérêt, sentiment d’efficacité perçue).

L’étude porte sur les 37 pays de l’OCDE, soit plus de 11 millions d’élèves. Les 42 pays partenaires non-membres de l’OCDE n’ont pas été inclus dans l’étude afin de conserver un ensemble relativement homogène de pays sur le plan économique et culturel. Les échantillons par pays contiennent entre 4000 et 8000 élèves dont l’âge moyen est de 15,8 ans. Dans chaque pays, le test PISA ainsi que le questionnaire ont été remplis par un échantillon représentatif de la population des jeunes de 15 ans. Les échantillons obéissent à des règles précises et doivent respecter les standards définis pour que les résultats du pays soient publiés. Il s’agit d’échantillons stratifiés proportionnels à la taille des établissements tirés en deux étapes. Dans un premier temps, les écoles sont sélectionnées (minimum de 150 écoles par pays) en fonction des critères définis (p. ex. : situation géographique, type d’établissement, réseau d’enseignement) ; dans un second temps, 42 élèves sont tirés au sort au sein de la liste des élèves de 15 ans fournie par l’établissement. Le PISA ne sélectionne donc pas de classes entières.

Nombre d’études de validation s’appuient sur l’analyse factorielle ou sur la modélisation en facteurs latents à l’aide de Mplus. Comme le défend Loye (2018), la validation couvre un large spectre de démarches et ne peut se réduire à une suite de procédures techniques. Elle déplore ainsi que « l’assimilation (ndlr entre validation et techniques statistiques) est telle que parfois la démarche de validation est confondue avec les techniques statistiques ou psychométriques, sans autre forme de procès » (p. 101). Les particularités de la méthode de codage décrites en détail dans la section présentant les échelles de mesure des connaissances métacognitives dans le PISA font que ce type d’analyses ne peut s’appliquer ici, pas plus que le calcul d’alphas de Cronbach. En effet, pour rappel, les scores des scénarios métacognitifs résultent de la comparaison de réponses à des paires d’items apportées par deux ensembles de sujets différents, les élèves testés dans le PISA et un panel d’experts.

Dans la présente étude, l’objectif étant d’établir si cette échelle mesure des connaissances qui relèvent de la lecture plutôt que des connaissances relevant de la littératie numérique, les corrélations ont été privilégiées, comme il est d’usage de le faire pour estimer la valeur prédictive d’une mesure (Messick, 1990). Les différentes variables utilisées sont présentées dans le Tableau 1.

Pour obtenir des estimations non biaisées, les corrélations ont été calculées en prenant en compte les caractéristiques spécifiques de la base de données telles que le mode d’échantillonnage, les pondérations (replication weights) et l’estimation de valeurs plausibles (OECD, 2020). Le logiciel IBM SPSS Statistics for Windows (version 26.0) a été utilisé pour ces analyses.

L’échelle porte sur un seul processus « Évaluer la crédibilité de l’information », dont l’importance est reconnue dans un contexte de lecture numérique. Cette échelle ne peut toutefois prétendre représenter à elle seule l’ensemble des processus ou des stratégies impliqués dans la lecture numérique. Pour rappel, dans son étude consacrée à un inventaire des stratégies de lecture en ligne, Li (2020) a identifié pas moins de neuf facteurs au rang desquels figure l’évaluation, à côté d’autres stratégies spécifiques à la lecture numérique (localisation de l’information, synthèse, sauvegarde et navigation). Dans le futur, d’autres scénarios devraient être développés pour évaluer une palette plus large de stratégies de lecture numérique.

L’étude que nous avons menée a porté sur les 37 pays de l’OCDE. Les résultats obtenus concernent donc les pays de l’OCDE et ne peuvent être sans précaution généralisés à une zone plus étendue et culturellement plus diverse. D’autres études ont bien établi l’importance de tester la stabilité ou l’invariance à travers cultures (cross-cultural invariance) des instruments utilisés dans les enquêtes internationales et souligné que les biais liés aux réponses de style culturels étaient plus marqués dans les pays du sud et les pays non occidentaux (He & van de Vijver, 2013 ; Lafontaine et al., 2019). Cette problématique est essentielle et n’a pas été abordée dans la présente étude. Elle mériterait en effet une étude à part entière.

Enfin, les corrélations observées entre les scénarios et les performances en lecture confirment le pouvoir prédictif des connaissances métacognitives (Artelt & Schneider, 2015). Toutefois, il faut rappeler que le PISA est une étude transversale et qu’il n’est donc pas le design le plus adéquat pour estimer l’ampleur des liens entre métacognition et lecture, et encore moins pour juger de la relation de causalité entre ces variables. Pour cela, une approche longitudinale ou quasi-expérimentale s’imposerait.